Одно из лучших решений, которые срабатывают второй раз - поставить открытый книжный шкаф на видном месте.

Мы это делали с Демычем - пацан, просто, невероятно обожает читать.

А вот и Тея - регулярно лазит в книжный шкаф себе что-то выбрать.
Правда, на данном фото она «ищет папе книгу побольше»😁

Формат конференций «инженеры для инженеров» — это топ.
Я прям фанат таких.

10 декабря пройдёт «Салют, Гига!» - день, когда говорят те, кто реально делает AI в проде.

Разработчики GigaChat и Kandinsky расскажут и покажут, что сделали за этот год, поделятся тем, как они подходят к исследованиям и продакшену.
В программе доклады, постеры, живые демонстрации и воркшопы от команд разработки.

Можно будет посмотреть онлайн или прийти очно в Москве 10 декабря, регистрируйтесь 😉

AI и 100 тыс. разработчиков в исследованиях от Егора Денисова

Это исследование противоположно тому, что сделали в METR: тут наблюдали 100 тыс. разработчиков из 600 компаний.

Че по результатам?

AI действительно помогает, но не так, как нам обещали в промо-роликах. Средние +15–20% - это не революция. Всё упирается в зрелость кода, тип задач и размер вашей кодовой помойки.

Откуда я это все взял?
Посмотрел 20-минутное выступление Егора Денисова-Бланша из Stanford - и это, пожалуй, один из самых аккуратных, честных и приземлённых разборов реальной продуктивности инженеров под воздействием LLM.

1. Почему все предыдущие замеры продуктивности - так себе авантюра?
Потому что:
1) Исследования финансируют сами вендоры.
OpenAI и прочие ребята очень стараются показать, что вырастили «+как минимум 2x productivity». Но выборка перекошена, метрики подкрашены - всё как обычно.

Ну вы же сами работаете в корпорациях, не мне вам рассказывать)))

2) Коммиты и PR - плохая метрика.
Бум output, но линия качества - вниз.
Можно удвоить количество строк кода, не трогая полезность ни на йоту.
3) Greenfield-эффект.
На игрушечных проектах LLM выглядит богом.
А в реальной компании 90% задач - это старый код, грязь, зависимости и боль. Ну и куча требований безопасности, надежности.

4) Опросы?
«Кажется, я стал продуктивнее» ≠ «стал».
Самооценка - круто для well-being, но не для метрик.

Это ваще супер важная штука, когда регулярно занимаешься DevEx понимаешь, что есть большая разница между реальной производительностью и тем, как она ощущается. По сути, тут совпадает с ощущением многозадачности, как у менеджера: весь день делал кучу вещей, вроде, молодец, но есть ли результат?

2. Как Стэнфорд это мерил?
1) Подключили настоящие git-репы компаний.
Не игрушки, а живой корпоративный код.
Контекст команд - сохранён.
2) Собрали пул архитекторов и заставили их руками ставить оценки.
10–15 экспертов на качество, сложность, поддерживаемость.
И оценки очень хорошо коррелировали - то есть разметка надёжная.
3) Натренировали ML-модель, чтобы она воспроизводила экспертную оценку.
С высокой корреляцией.
То есть дальше можно масштабировать без сумасшедшей стоимости ревью.
4) Классифицировали типы изменений:
- добавление фичи
- удаление
- рефакторинг
- rework (переделка свежего кода) ← важный индикатор «кажется, ИИ ошибся, давайте исправим».
5) Прогнали всё ретроспективно за 2019–2025.
От COVID до появления LLM - чёткое сравнение «до» и «после».

3. Что показало исследование? Здесь многие ахнут
1) Сырой прирост кода: +30–40%.
Но туда же входит и мусор.
2) Реальная продуктивность: +15–20%.
После вычета багфиксов и rework.
И это среднее - иногда намного хуже.
3) На сложных задачах: почти ноль.
И огромная дисперсия.
Иногда AI даже замедляет.
4) Картинка в начаое поста хорошо иллюстрирует это: сложность × зрелость проекта

5) Язык имеет значение.
Популярные - выиграли.
Эзотерика - страдает, потому что моделей просто не на чем было учить.
6) Размер репозитория работает против вас.
Рост выгоды падает логарифмически.
Причины: шум, coupling, ограничения контекста.
Чем больше кодовая база - тем хуже LLM понимает, «что тут вообще происходит».

Тут ожидаемый эффект, конечно)

4. Че делать то, со всем этим?
1) Определите сложность типовых задач и зрелость своего проекта.
Если у вас legacy-монолит - чудес не будет.
2) Используйте популярные технологии.
LLM по ним лучше обучены → подсказки лучше.
3) На больших старых системах начинайте с пилота.
Маленький модуль, короткий эксперимент.
«Из коробки» Cursor или Copilot может не давать прироста.
4) Следите за долей rework.
Если вдруг резко вырос объём кода - это не рост продуктивности, а рост переделок.

Мы, кстати, часто такое обсуждаем а ребятами, потому что рост объема кода, это, конечно, скорее вред.

5) Комбинируйте количественные сигналы git с качественным ревью.
Не сводите всё к «команда довольна/недовольна».

А вот тут по ссылочке можно найти презу.

А у вас в компании как с AI в разработке?
🔥 - активные эксперименты и уже многое в проде
🦄 - пробуем тестируем, но не активно и не верим
💊 - мы явно на другом уровне

Короче, утром познакомился с Егором из стенфорда, списались)

Ловите слайды из его доклада, про который писал утром !

Проект Аве Мария

Вот представь себе, ты проснулся в помещении, один, рядом с тобой никого, не считая компьютера и его манипуляторов, который задает тебе простой вопрос: «Как тебя зовут?», но ты совершенно ничего не помнишь!
Ты видишь оборудование вокруг, понимаешь для чего оно и можешь сделать вывод, что ты ученый.
Но зачем ты здесь и что от тебя хотят?

Заинтриговал?

А еще вот отдельный кайф, как вы будете изучать язык другой формы жизни?
Нам сложно выучить иностранный язык, но мы по крайней мере одна форма жизни с общими потребностями: еда, вода, туалет и прочее.
А что на счет совершенно иной формы жизни?

Я уже писал про похожий вопрос вот тут.

🚀 Проект Аве Мария
Если «Марсианин» (тут мой авторский обзор) - история выживания упёртого ботана на Марсе, то «Аве Мария» - история, где школьный учитель биологии внезапно становится единственным человеком, способным спасти человечество.
Но это же Вейер: значит опять будет куча науки, куча инженерного колхоза и столько шуток, что любой инженер узнает в них себя.

💥 Основная идея книги
Человечество замерзает. Солнце выдыхается.
И вот один человек - не герой, не астронавт, а школьный учитель биологии - просыпается в космосе, не помня ни задачи, ни миссии.
Но миссия простая: «Выжить. Разобраться. Решить».

🤝 Рокки - лучший тиммейт в истории sci-fi
Инопланетянин-инженер, похожий на паука, но более практичный, чем все наши продуктовые команды вместе взятые.
Ноль сарказма.
Сто процентов логики.
И бесконечное «я чинить».
Их дружба - это вообще отдельная магия.
Никаких пафосных речей.
Просто два ботана строят космическую лабораторию в условиях, где любое движение может закончиться взрывом.

🔧 Почему книга для инженеров?
Потому что каждая глава - это «инцидент» уровня критикал:
• течёт топливная линия → фиксим
• астрофаг убежал из контейнера → фиксим
• корабль сейчас умрёт → фиксим
• Рокки говорит «проблема?» → значит будет фиксить и он, и ты, и вся галактика
Это буквально учебник по поведению в критических ситуациях, только в космосе и с коньяком из метанола (ну почти).

🤣 Шутки
1) Когда Грейс понимает масштаб проблемы
«Ну окей. Я один в другой звёздной системе. Человечество вымирает. Двоих моих коллег рядом я уже не разбудил («они умерли»).
Всё нормально. Пятница же.»
Это такой уровень спокойствия, который можно развесить как плакат в любой DevOps-команде.
2) Когда он понимает, что астрофаг - идеальное топливо
«Он жрёт всё, что светится.
Звучит как я в универе, когда нашёл столовку, где раздают бесплатно.»
3) Его инженерный подход к опасности
«Это может взорваться.
Это скорее всего взорвётся.
Но если не взорвётся - будет круто.
Делаем.»

upd
Ну и как менеджеру мне доставляет отдельное удовольствие читать о том, как один человек сумел объединить все страны мира и заменджерил такой сложный проект, как: анализ причин угрозы вымирания, строительство космического корабля, поиск исполнителей, управление рисками. Отлично показано, как принимаются решения в условиях наличия единой ключевой метрики - максимизация выживания человека!

Ну это топ песня этого года, конечно!
Еще и снежок выпал!

P.S. что ж, мне стало понято значение слова «имбовый» 🤣

Ахахахаххаха

Че у вас там по команде?
😎 - все «белке в глаз с 1 выстрела»
🔥 - один я там все вывожу
🦄 - да риалли дрим тим прямо собралась!

#пятничное

Пуф. Кажется, пора рассказать, что там после Яндекса произошло
Спойлер: я в Авито уже 3 месяца.

Сейчас я делаю как всегда то, что умею и от чего кайфую: строю продуктовую стратегию платформы (ну это вот всякие языковые фреймворки, observability, PAAS, DBAAS, IAAS) и превращаю её в реальность. Не презентациями, а решениями (ладно, кого я обманываю, куда уж без презентаций😁). Параллельно - растим команду технических продуктовых менеджеров. Тех самых, которые отвечают не за roadmap в Confluence, а за то, насколько тяжело инженеру проживать свой день.
Команда - топ. Мы с ребятами давно на одной волне и одинаково плохо переносим бессмысленную сложность.
План простой (хорошо делай, плохо не делай😁): - меньше шума; - меньше переключений контекста; - меньше «активности ради активности».

Почему у нас получится?
Потому что уже невероятно крутая база - одна из лучших платформ на рынке.
И потому что всей командой мы верим, что должны дать разработчику максимум времени, когда разработчик просто заходит в поток и делает то, ради чего вообще пришёл в профессию - строит классные сервисы.
И мы знаем, что созвоны, алерты, процессы, инструменты должны помогать, а не перегружать.

Что по деталям?
Ну тут уж лучше всего говорят не планы, а результаты. Так что давайте ка подождем немного.

Маленький спойлер: ключевой вопрос на который нужно ответить сегодня - «Как будет выглядеть рабочий день инженера в 2029 году».

Бизнес-задачка

Дано: Ford, начало 2000-х. Убытки — $17 млрд в год, падение продаж на 20%. Из 97 моделей большинство нерентабельны. Заводы недозагружены, логистика неэффективна, клиенты уходят, долги растут. Кредиторы отказывают в финансировании.

Вопрос: как спасти компанию?

Решение:
На сцену вышел гениальный Алан Мулалли, и вот что он сделал:
— Сократил модельный ряд авто с 97 до 40;
— Закрыл 17 убыточных заводов, модернизировал оставшиеся;
— Снизил логистические расходы на 20%, внедрив отслеживание поставок;
— Запустил в продажу новые гибридные и энергоэффективные авто;
— Усилил контроль финансов и выстроил процессы в команде.

Результат:
За 3 года Ford из убыточной компании стал лидером рынка с $2,7 млрд чистой прибыли.

Вы не обязаны поступать так же, но можете научиться на чужом опыте и избежать типичных ошибок. Пройдите программу «Операционный директор» от Академии Eduson — научитесь принимать решения с точностью хирурга, реализовывать смелые стратегии и уверенно вести свою компанию к целям.

Эта программа для тех, кто готов заявить о себе и действовать на уровне управленцев топовых компаний. Она учитывает текущие экономические условия: вы получите актуальные знания и отработаете их на 50 тренажерах и 34 бизнес-кейсах, чтобы сразу применять на практике.

Преподаватели — эксперты с опытом на позиции операционных директоров и топ-менеджеров: например, Ицхак Адизес, который консультировал Coca-Cola и Bank of America; управленцы из DNS Development и Альфа-банка, финансист «Ростеха».

Оставьте заявку с моим промокодом ПРОДЖЕКТ, получите рекордную скидку 70% + второй курс в подарок — и сделайте прорыв уже в предстоящем году.

Реклама ООО «Эдюсон», ИНН 7729779476, erid:2W5zFHRkS2C

Короче, че то я устал сегодня, так что забирайте просто мем)

❤️ - если у тебя такой же опыт
🔥 - если ты не такой и набрал сил на всю неделю
🎄 - давайте уже после праздников решим

#пятничноеневпятницу