Выступление в Вышке перед студентами ФКН (Рубрика #SystemDesign)
Меня позвали поговорить со студентами про System Design и я не смог отказаться. В итоге, сегодня буду рассказывать истории про то
- Как сейчас выглядят процессы разработки внутри компании - со сложными и большими системами и децентрализацией принятия технических решений
- Как мы набираем людей и зачем нам System Design Interview
- Как дальше выглядят процессы после трудоустройства - расскажу про RFC/ADR, ревью архитектуры, общие инженерные вопросы типа reliability, security и так далее и что не всегда все при проектировании выглядит так просто, как на System Design Interview
А в конце я еще планировал поотвечать на вопросы ребят.
P.S.
До этого я уже рассказывал про процессы найма в большие компании и типы интервью на примере Т-Банка. Про System Design у меня тоже было много материалов. Например можно посмотреть в общем про system design в Tinkoff, больше про то, как мы оцениваем прохождение собеседования и как подготовиться к собеседованию или публичные интервью на ArchDays
#Career #HR #Management #Architecture #Software #Leadership #Processes
Меня позвали поговорить со студентами про System Design и я не смог отказаться. В итоге, сегодня буду рассказывать истории про то
- Как сейчас выглядят процессы разработки внутри компании - со сложными и большими системами и децентрализацией принятия технических решений
- Как мы набираем людей и зачем нам System Design Interview
- Как дальше выглядят процессы после трудоустройства - расскажу про RFC/ADR, ревью архитектуры, общие инженерные вопросы типа reliability, security и так далее и что не всегда все при проектировании выглядит так просто, как на System Design Interview
А в конце я еще планировал поотвечать на вопросы ребят.
P.S.
До этого я уже рассказывал про процессы найма в большие компании и типы интервью на примере Т-Банка. Про System Design у меня тоже было много материалов. Например можно посмотреть в общем про system design в Tinkoff, больше про то, как мы оцениваем прохождение собеседования и как подготовиться к собеседованию или публичные интервью на ArchDays
#Career #HR #Management #Architecture #Software #Leadership #Processes
Medium
Процессы найма в большие компании и типы интервью на примере Т-Банка
Существуют разные подходы к найму людей в компанию. Если компания небольшая, то там принято набирать кандидатов прямо в команду. Это обычно…
❤10👍2🔥2
[2/3] What's DAT? Three Case Studies of Measuring Software Development Productivity at Meta With Diff Authoring Time (Рубрика #Productivity)
Продолжая рассказ про этот whitepaper от Meta, чья деятельность запрещена на территории РФ, перейдем к валидации подходом с использованием DAT (Diff Authoring Time). Для этого авторы прповели дополнительные исследования
1. Исследование пользовательского опыта
- Создали ground truth датасет через запись реальной работы разработчиков
- Использовали случайную выборку для минимизации предвзятости
- Получили среднюю точность DAT более 90% по сравнению с реальными данными
2. Крупномасштабный опрос
- Сравнили DAT с оценками разработчиков (968 уникальных диффов)
- Встроили опросы в инструмент Phabricator, который используется для код ревью. Опрос стартует сразу после завершения диффа
3. Дескриптивная статистика
- DAT покрывает 87% всех подходящих диффов
- DAT оказалось стабильной метрикой (использовался 99-го перцентиль winsorized mean для отчетности)
- Авторы отвалидировали DAT, проведя сравнение с метрикой Time Spent by Diff, которая определяется как "averages coding time in a given period by the number of diffs published in that period"
4. Визуализация временных рядов
- Сделали детальную визуализацию того, как сырая телеметрия преобразуется в DAT (изображение будет в финальном посте)
- Сделали кросс-валидацию с авторами изменений (с самими разработчиками)
Дальше авторы рассказывают про 3 конкретных эксперимента, которые они проводили
1. Типизированное мокирование в Hack
Суть эксперимента в том, чтобы внедрить типизацию в инструменты мокирования внутри Hack (внутренняя версия доработанного PHP). Для эксперимента авторы мигрировали часть моков на типы, а часть оставили как есть и дальше сравнили DAT при создании diffs в разных частях кодовой базы. Эксперимент показал как языковые возможности с конкретными показателями продуктивности
- 14% улучшение DAT: Первое количественное доказательство влияния типизации на продуктивность в промышленной среде
- Статистическая значимость: p < 0.001 для всех размеров диффов
2. Авто-мемоизация в React компайлере
Авторы дорабатывали фреймворк React для авто-мемоизации и дальше провели эксперимент, где сравнили DAT при создании diffs с ручной и автоматической мемоизацией.
- Они использовали смешанную модель эффектов для учета конфаундеров через регрессионную модель
- Для нерандомизированных данных они использовали Wasserstein distance для измерений истинной разницы между граппуми
- 33% улучшение DAT: Значительное повышение эффективности при использовании автоматической мемоизации
3. Анализ эффективности от переиспользования кода
Это исследование мне показалось самым интересным, так как авторы оценивали эффект применения кросс-платформенных технологий (у ребя это был React). Правда, для анализа пришлось использовать контрфактический анализ для оценки гипотетического времени разработки без переиспользования кода. На выходе получилось, что
- Кроссплатформа дает больше, чем 50% улучшение относительно разработки без переиспользования
- А это тысячи часов ежегодной экономии DAT через фреймворки переиспользования кода
В итоге, этот подход к использованию метрики DAT привел к следующим эффектам
- Переход Infrastructure команд к культуре, ориентированной на a/b эксперименты
- Принятие решений на основе данных - DAT используется для планирования и приоритизации разработки
- DAT и эксперименты выравняли подходов между продуктовыми и инфраструктурными командами
Если говорить про дальнейшие планы авторов исследования, то они планируют расширение
- Горизонтально - добавление кроме diffs и других артефактов разработки (documents and tasks). Это позволит создать общий фреймворка измерения времени активностей для экспериментов
- Вертикально - поддержка большего количества инструментов (разных IDEs и других инструментов). Это позволит меньше ориентироваться на эвристики и больше на точные измерения.
#Engineering #Software #Bigtech #Productivity #Management #Leadership #Processes
Продолжая рассказ про этот whitepaper от Meta, чья деятельность запрещена на территории РФ, перейдем к валидации подходом с использованием DAT (Diff Authoring Time). Для этого авторы прповели дополнительные исследования
1. Исследование пользовательского опыта
- Создали ground truth датасет через запись реальной работы разработчиков
- Использовали случайную выборку для минимизации предвзятости
- Получили среднюю точность DAT более 90% по сравнению с реальными данными
2. Крупномасштабный опрос
- Сравнили DAT с оценками разработчиков (968 уникальных диффов)
- Встроили опросы в инструмент Phabricator, который используется для код ревью. Опрос стартует сразу после завершения диффа
3. Дескриптивная статистика
- DAT покрывает 87% всех подходящих диффов
- DAT оказалось стабильной метрикой (использовался 99-го перцентиль winsorized mean для отчетности)
- Авторы отвалидировали DAT, проведя сравнение с метрикой Time Spent by Diff, которая определяется как "averages coding time in a given period by the number of diffs published in that period"
4. Визуализация временных рядов
- Сделали детальную визуализацию того, как сырая телеметрия преобразуется в DAT (изображение будет в финальном посте)
- Сделали кросс-валидацию с авторами изменений (с самими разработчиками)
Дальше авторы рассказывают про 3 конкретных эксперимента, которые они проводили
1. Типизированное мокирование в Hack
Суть эксперимента в том, чтобы внедрить типизацию в инструменты мокирования внутри Hack (внутренняя версия доработанного PHP). Для эксперимента авторы мигрировали часть моков на типы, а часть оставили как есть и дальше сравнили DAT при создании diffs в разных частях кодовой базы. Эксперимент показал как языковые возможности с конкретными показателями продуктивности
- 14% улучшение DAT: Первое количественное доказательство влияния типизации на продуктивность в промышленной среде
- Статистическая значимость: p < 0.001 для всех размеров диффов
2. Авто-мемоизация в React компайлере
Авторы дорабатывали фреймворк React для авто-мемоизации и дальше провели эксперимент, где сравнили DAT при создании diffs с ручной и автоматической мемоизацией.
- Они использовали смешанную модель эффектов для учета конфаундеров через регрессионную модель
- Для нерандомизированных данных они использовали Wasserstein distance для измерений истинной разницы между граппуми
- 33% улучшение DAT: Значительное повышение эффективности при использовании автоматической мемоизации
3. Анализ эффективности от переиспользования кода
Это исследование мне показалось самым интересным, так как авторы оценивали эффект применения кросс-платформенных технологий (у ребя это был React). Правда, для анализа пришлось использовать контрфактический анализ для оценки гипотетического времени разработки без переиспользования кода. На выходе получилось, что
- Кроссплатформа дает больше, чем 50% улучшение относительно разработки без переиспользования
- А это тысячи часов ежегодной экономии DAT через фреймворки переиспользования кода
В итоге, этот подход к использованию метрики DAT привел к следующим эффектам
- Переход Infrastructure команд к культуре, ориентированной на a/b эксперименты
- Принятие решений на основе данных - DAT используется для планирования и приоритизации разработки
- DAT и эксперименты выравняли подходов между продуктовыми и инфраструктурными командами
Если говорить про дальнейшие планы авторов исследования, то они планируют расширение
- Горизонтально - добавление кроме diffs и других артефактов разработки (documents and tasks). Это позволит создать общий фреймворка измерения времени активностей для экспериментов
- Вертикально - поддержка большего количества инструментов (разных IDEs и других инструментов). Это позволит меньше ориентироваться на эвристики и больше на точные измерения.
#Engineering #Software #Bigtech #Productivity #Management #Leadership #Processes
❤6👏4🔥2
[3/3] What's DAT? Three Case Studies of Measuring Software Development Productivity at Meta With Diff Authoring Time (Рубрика #Productivity)
Немного иллюстраций из интересного whitepaper про метрики продуктивности инженеров от Meta, чья деятельность запрещена на территории РФ. Я подробно рассказывал об этой статье в предыдущих двух частях: 1 и 2.
#Engineering #Software #Bigtech #Productivity #Management #Leadership #Processes
Немного иллюстраций из интересного whitepaper про метрики продуктивности инженеров от Meta, чья деятельность запрещена на территории РФ. Я подробно рассказывал об этой статье в предыдущих двух частях: 1 и 2.
#Engineering #Software #Bigtech #Productivity #Management #Leadership #Processes
❤4👍1🔥1
Интервью с Андреем Романовским (Рубрика #Management)
Недавно я обедал с Андреем Романовским, руководителем продуктовой разработки Яндекс.Лавки и cto Yango.Tech Retail, а также автром канала Lead’s Notes (@leadsnotes). За обедом мы обсуждали кучу интересных вещей - оказалось, что нам есть о чем поговорить. По ходу дискуссии у нас появилась идея провести совместный стрим, в котором мы хотели обсудить одну из трех тем, представленных ниже
1. Стартапы в корпорациях: как и зачем рождаются, чем отличаются от обычных стартапов, как стоит или не стоит их строить
2. Эффективность и мотивация команд в больших компаниях: что это вообще такое, что работает или не работает, эволюция подходов в процессах и технологиях (от код-ревью и скрама до AI-ассистентов в IDE и сложных матричных структур)
3. Менеджерская карьера и жизнь в компании: как дорасти до c-level позиции, заработать свой первый $1 mln и не сойти с ума, как адаптироваться к зоне растущего размера и сложности
В итоге, мы так и не выбрали тему, поэтому предлагаем вам выбрать вариант, что вам ближе, а дальше мы сделаем онлайн-стрим и поговорим на выбранную тему, а вы сможете позадавать дополнительные вопросы по ходу нашего общения.
#Software #Management #Leadership #Engineering
Недавно я обедал с Андреем Романовским, руководителем продуктовой разработки Яндекс.Лавки и cto Yango.Tech Retail, а также автром канала Lead’s Notes (@leadsnotes). За обедом мы обсуждали кучу интересных вещей - оказалось, что нам есть о чем поговорить. По ходу дискуссии у нас появилась идея провести совместный стрим, в котором мы хотели обсудить одну из трех тем, представленных ниже
1. Стартапы в корпорациях: как и зачем рождаются, чем отличаются от обычных стартапов, как стоит или не стоит их строить
2. Эффективность и мотивация команд в больших компаниях: что это вообще такое, что работает или не работает, эволюция подходов в процессах и технологиях (от код-ревью и скрама до AI-ассистентов в IDE и сложных матричных структур)
3. Менеджерская карьера и жизнь в компании: как дорасти до c-level позиции, заработать свой первый $1 mln и не сойти с ума, как адаптироваться к зоне растущего размера и сложности
В итоге, мы так и не выбрали тему, поэтому предлагаем вам выбрать вариант, что вам ближе, а дальше мы сделаем онлайн-стрим и поговорим на выбранную тему, а вы сможете позадавать дополнительные вопросы по ходу нашего общения.
#Software #Management #Leadership #Engineering
Telegram
Книжный куб
О чем поговорить в прямой трансляции?
Стартапы в корпорациях / Эффективность и мотивация команд в больших компаниях / Менедджерская карьера и жизнь в компании
Стартапы в корпорациях / Эффективность и мотивация команд в больших компаниях / Менедджерская карьера и жизнь в компании
❤6👍5🔥4
О чем поговорить в прямой трансляции?
Anonymous Poll
23%
Стартапы в корпорациях
42%
Эффективность и мотивация команд в больших компаниях
61%
Менедджерская карьера и жизнь в компании
❤3⚡3🔥3
Amazon CEO Andy Jassy on Agility, AI Strategy, and the Changing Role of Managers (Рубрика #Management)
Посмотрел на выходных интервью Andy Jassy, генерального директора Amazon, которое он дал Adi Ignatius, представителю HBR (Harvard Business Review). Сам Джесси работает в Amazon уже 28 лет и занимает должность CEO с 2021 года, сменив основателя компании Джеффа Безоса. Ранее он руководил подразделением Amazon Web Services (AWS). Интервью было интересным и я решил рассказать суммировать основные идеи этого обсуждения
1. Философия "крупнейшего стартапа в мире"
Джесси представил концепцию работы Amazon как "крупнейшего стартапа в мире". По его мнению, для сохранения стартап-культуры в крупной корпорации необходимы следующие элементы (очень напоминающие leadership принципы Amazon)
- Решение реальных проблем клиентов — нельзя быть просто влюбленными в технологии
- Команда строителей — нужны люди, которые умеют анализировать клиентский опыт и изобретать
- Мышление владельца — сотрудники должны думать так, как если бы тратили собственные деньги
- Скорость — которая имеет непропорционально большое значение для успеха
- Готовность к рискам — опасаясь неудач невозможно создать что-то уникальное
2. Борьба с бюрократией
Джесси отметил важность борьбы с бюрократией, что распространена в больших компаниях и замедляет их. Он поделился своим опытом конкретных мер для борьбы с ней:
- Сокращение управленческих слоев — увеличение соотношения индивидуальных исполнителей к менеджерам минимум на 15%
- Почтовый адрес для борьбы с бюрократией — сотрудники могут напрямую сообщать CEO о бюрократических препятствиях
- Практические результаты — уже изменено 375 процессов на основе более чем 1000 полученных писем (и прочитанных самим Джесси)
3. Возвращение в офис
Нельзя было обойти и обсуждение политики RTO (return to offfice), а точнее возвращения всех сотрудников на 5 дней в офис. Это решение принял Джесси в прошлом сентябре (я про это рассказывал). Он обосновал это следующими причинами
- Улучшение изобретательства — личное присутствие способствует более эффективному сотрудничеству и генерации идей
- Распространение культуры — корпоративная культура лучше передается при личном общении
- Обучение и наставничество — более эффективны при непосредственном контакте
4. Стратегия в области искусственного интеллекта
Джасси представил стратегию Amazon в сфере ИИ, основанную на трех макроуровнях:
- Нижний уровень — для разработчиков моделей (чипы Trainium, сервис SageMaker)
- Средний уровень — для пользователей существующих моделей (сервис Bedrock)
- Верхний уровень — приложения (более 1000 генеративных ИИ-приложений Amazon), но в основном их создают пользователи сервисов AWS
Особое внимание Джесси уделил помощнику по покупкам Rufus, который призван стать персональным консультантом для онлайн-шопинга на Amazon.
5. Лидерство в эпоху неопределенности
Джеси подчеркнул важность сосредоточения на контролируемых факторах в условиях глобальной неопределенности:
- Фокус на клиентах — главная задача состоит в том, чтобы делать жизнь клиентов проще и лучше каждый день
- Контроль управляемого — нельзя контролировать все, но можно управлять тем, что в твоих силах
По мнению Джеси, успешное лидерство XXI века требует:
- Отличного клиентского опыта с успешными финансовыми результатами
- Внимания к устойчивости, разнообразию и долгосрочному мышлению
- Способности адаптироваться к изменяющимся приоритетам
6. Карьерные советы
Джасси поделился ключевыми принципами успешной карьеры:
- Стоит выбирать работу, которой действительно увлечен и в которой можешь преуспеть
- Не надо бояться ошибок, так как самые важные уроки приходят именно из неудач
- Важно иметь правильные установки: трудолюбие, надежность, командный дух и позитивное отношение к жизни
- Важно уметь непрерывно учиться - в динамичной среде прекращение обучения равносильно началу деградации
В общем, хорошее системное интервью, в котором, правда, я не нашел каких-то инсайтов для себя.
#Management #Leadership #Processes #Bigtech #Software #AI
Посмотрел на выходных интервью Andy Jassy, генерального директора Amazon, которое он дал Adi Ignatius, представителю HBR (Harvard Business Review). Сам Джесси работает в Amazon уже 28 лет и занимает должность CEO с 2021 года, сменив основателя компании Джеффа Безоса. Ранее он руководил подразделением Amazon Web Services (AWS). Интервью было интересным и я решил рассказать суммировать основные идеи этого обсуждения
1. Философия "крупнейшего стартапа в мире"
Джесси представил концепцию работы Amazon как "крупнейшего стартапа в мире". По его мнению, для сохранения стартап-культуры в крупной корпорации необходимы следующие элементы (очень напоминающие leadership принципы Amazon)
- Решение реальных проблем клиентов — нельзя быть просто влюбленными в технологии
- Команда строителей — нужны люди, которые умеют анализировать клиентский опыт и изобретать
- Мышление владельца — сотрудники должны думать так, как если бы тратили собственные деньги
- Скорость — которая имеет непропорционально большое значение для успеха
- Готовность к рискам — опасаясь неудач невозможно создать что-то уникальное
2. Борьба с бюрократией
Джесси отметил важность борьбы с бюрократией, что распространена в больших компаниях и замедляет их. Он поделился своим опытом конкретных мер для борьбы с ней:
- Сокращение управленческих слоев — увеличение соотношения индивидуальных исполнителей к менеджерам минимум на 15%
- Почтовый адрес для борьбы с бюрократией — сотрудники могут напрямую сообщать CEO о бюрократических препятствиях
- Практические результаты — уже изменено 375 процессов на основе более чем 1000 полученных писем (и прочитанных самим Джесси)
3. Возвращение в офис
Нельзя было обойти и обсуждение политики RTO (return to offfice), а точнее возвращения всех сотрудников на 5 дней в офис. Это решение принял Джесси в прошлом сентябре (я про это рассказывал). Он обосновал это следующими причинами
- Улучшение изобретательства — личное присутствие способствует более эффективному сотрудничеству и генерации идей
- Распространение культуры — корпоративная культура лучше передается при личном общении
- Обучение и наставничество — более эффективны при непосредственном контакте
4. Стратегия в области искусственного интеллекта
Джасси представил стратегию Amazon в сфере ИИ, основанную на трех макроуровнях:
- Нижний уровень — для разработчиков моделей (чипы Trainium, сервис SageMaker)
- Средний уровень — для пользователей существующих моделей (сервис Bedrock)
- Верхний уровень — приложения (более 1000 генеративных ИИ-приложений Amazon), но в основном их создают пользователи сервисов AWS
Особое внимание Джесси уделил помощнику по покупкам Rufus, который призван стать персональным консультантом для онлайн-шопинга на Amazon.
5. Лидерство в эпоху неопределенности
Джеси подчеркнул важность сосредоточения на контролируемых факторах в условиях глобальной неопределенности:
- Фокус на клиентах — главная задача состоит в том, чтобы делать жизнь клиентов проще и лучше каждый день
- Контроль управляемого — нельзя контролировать все, но можно управлять тем, что в твоих силах
По мнению Джеси, успешное лидерство XXI века требует:
- Отличного клиентского опыта с успешными финансовыми результатами
- Внимания к устойчивости, разнообразию и долгосрочному мышлению
- Способности адаптироваться к изменяющимся приоритетам
6. Карьерные советы
Джасси поделился ключевыми принципами успешной карьеры:
- Стоит выбирать работу, которой действительно увлечен и в которой можешь преуспеть
- Не надо бояться ошибок, так как самые важные уроки приходят именно из неудач
- Важно иметь правильные установки: трудолюбие, надежность, командный дух и позитивное отношение к жизни
- Важно уметь непрерывно учиться - в динамичной среде прекращение обучения равносильно началу деградации
В общем, хорошее системное интервью, в котором, правда, я не нашел каких-то инсайтов для себя.
#Management #Leadership #Processes #Bigtech #Software #AI
YouTube
Amazon CEO Andy Jassy on Agility, AI Strategy, and the Changing Role of Managers
A conversation with the head of Amazon on their competitive advantage in an age of uncertainty. From HBR's IdeaCast, available wherever you get your podcasts.
00:00 - Startup mindset at scale
01:30 - Key traits of a startup culture
03:10 - Speed and…
00:00 - Startup mindset at scale
01:30 - Key traits of a startup culture
03:10 - Speed and…
❤9👍4🔥1
Message from CEO Andy Jassy: Some thoughts on Generative AI
Продолжу тему Amazon и расскажу про сегодняшее письмо Энди Джесси с его мыслями про gen AI. Кажется, что оно неплохо продолжает тему интервью про гибкость, AI стратегию, роль менеджеров, о котором я рассказывал утром. Мне показалось, что о структуре сообщения Энди стоит думать в формате:
- Текущее состояние AI внутри Amazon в общем
- Ключевые проекты: для клиентов, для инженеров, для операци
- Последствия, которые видит Энди Джесси (самое интересное в письме)
Ну и начнем мы с текущего состояния Gen AI
Энди Джесси подчеркивает, что генеративный ИИ активно используется во всех подразделениях Amazon для улучшения клиентского опыта и повышения эффективности работы. Компания осуществляет масштабные инвестиции в эту технологию, считая ее революционной и способной полностью изменить возможности для клиентов и бизнеса. На данный момент Amazon уже разработала или находится в процессе разработки более 1000 сервисов и приложений на базе генеративного ИИ, хотя по масштабам компании это лишь малая часть того, что планируется создать в будущем. Джесси отмечает, что несмотря на значительный прогресс, Amazon находится только в начале пути внедрения генеративного ИИ. Компания планирует в ближайшие месяцы еще активнее развивать это направление, упрощая создание ИИ-агентов и разрабатывая новых агентов для всех бизнес-подразделений.
Продолжим проектами
Проекты для клиентов (b2c, b2b)
- Alexa+ — новое поколение персонального ассистента, который стал значительно умнее
- AI-ассистент для покупок (10+ mln клиентов) — у ассистента есть фичи навроде "Lens", "Buy for Me", "Recommended Size"
- Инструменты для продавцов (500k sellers) — помощь независимым продавцам в создании страниц товаров.
- Решения для рекламодателей (50k advertisers) — набор ИИ-инструментов, упрощающих планирование, создание и оптимизацию рекламных кампаний
Проекты для инженеров (AWS)
Про это хорошо было рассказано в предыдущем посте в части про стратегию AI.
Внутренние операции
- Оптимизация логистической сети с помощью ИИ для улучшения размещения запасов, прогнозирования спроса и эффективности роботов
- Обновленный чат-бот для обслуживания клиентов на базе GenAI
- Создание более интеллектуальных и привлекательных страниц с описанием товаров
Ну и перейдем к самому интересному, а точнее к последствиям, что видит Энди
1) Трансформация работы и жизни через ИИ-агентов — Джесси убежден, что ИИ-агенты (программные системы, выполняющие задачи от имени пользователей) изменят способы работы и жизни людей. Эти агенты смогут выполнять множество задач и в будущем появятся миллиарды таких агентов во всех компаниях и сферах деятельности.
2) Изменение инновационного процесса — агенты изменят масштаб и скорость инноваций для клиентов, позволив сосредоточиться на стратегическом мышлении вместо рутинной работы. Джесси видит агентов как коллег, которые будут становиться мудрее и полезнее с опытом.
3) Изменение структуры рабочей силы — внедрение Gen AI и агентов изменит характер работы в компании. Потребуется меньше людей для выполнения некоторых текущих задач и больше людей для других типов работы. В ближайшие годы Джесси ожидает сокращение общей корпоративной рабочей силы из-за повышения эффективности от широкого использования ИИ.
4) Новые требования к сотрудникам — Джесси призывает сотрудников проявлять любопытство к ИИ, обучаться, посещать семинары и тренинги, экспериментировать с ИИ и участвовать в мозговых штурмах команды. Он подчеркивает, что те, кто примет эти изменения и станет специалистом в области ИИ, будут иметь большое влияние и помогут переизобрести компанию.
Заканчивает эту статью Джесси выражением энтузиазма по поводу прогресса Amazon в области генеративного ИИ и планов на будущее.
#Management #Leadership #Processes #Bigtech #Software #AI
Продолжу тему Amazon и расскажу про сегодняшее письмо Энди Джесси с его мыслями про gen AI. Кажется, что оно неплохо продолжает тему интервью про гибкость, AI стратегию, роль менеджеров, о котором я рассказывал утром. Мне показалось, что о структуре сообщения Энди стоит думать в формате:
- Текущее состояние AI внутри Amazon в общем
- Ключевые проекты: для клиентов, для инженеров, для операци
- Последствия, которые видит Энди Джесси (самое интересное в письме)
Ну и начнем мы с текущего состояния Gen AI
Энди Джесси подчеркивает, что генеративный ИИ активно используется во всех подразделениях Amazon для улучшения клиентского опыта и повышения эффективности работы. Компания осуществляет масштабные инвестиции в эту технологию, считая ее революционной и способной полностью изменить возможности для клиентов и бизнеса. На данный момент Amazon уже разработала или находится в процессе разработки более 1000 сервисов и приложений на базе генеративного ИИ, хотя по масштабам компании это лишь малая часть того, что планируется создать в будущем. Джесси отмечает, что несмотря на значительный прогресс, Amazon находится только в начале пути внедрения генеративного ИИ. Компания планирует в ближайшие месяцы еще активнее развивать это направление, упрощая создание ИИ-агентов и разрабатывая новых агентов для всех бизнес-подразделений.
Продолжим проектами
Проекты для клиентов (b2c, b2b)
- Alexa+ — новое поколение персонального ассистента, который стал значительно умнее
- AI-ассистент для покупок (10+ mln клиентов) — у ассистента есть фичи навроде "Lens", "Buy for Me", "Recommended Size"
- Инструменты для продавцов (500k sellers) — помощь независимым продавцам в создании страниц товаров.
- Решения для рекламодателей (50k advertisers) — набор ИИ-инструментов, упрощающих планирование, создание и оптимизацию рекламных кампаний
Проекты для инженеров (AWS)
Про это хорошо было рассказано в предыдущем посте в части про стратегию AI.
Внутренние операции
- Оптимизация логистической сети с помощью ИИ для улучшения размещения запасов, прогнозирования спроса и эффективности роботов
- Обновленный чат-бот для обслуживания клиентов на базе GenAI
- Создание более интеллектуальных и привлекательных страниц с описанием товаров
Ну и перейдем к самому интересному, а точнее к последствиям, что видит Энди
1) Трансформация работы и жизни через ИИ-агентов — Джесси убежден, что ИИ-агенты (программные системы, выполняющие задачи от имени пользователей) изменят способы работы и жизни людей. Эти агенты смогут выполнять множество задач и в будущем появятся миллиарды таких агентов во всех компаниях и сферах деятельности.
2) Изменение инновационного процесса — агенты изменят масштаб и скорость инноваций для клиентов, позволив сосредоточиться на стратегическом мышлении вместо рутинной работы. Джесси видит агентов как коллег, которые будут становиться мудрее и полезнее с опытом.
3) Изменение структуры рабочей силы — внедрение Gen AI и агентов изменит характер работы в компании. Потребуется меньше людей для выполнения некоторых текущих задач и больше людей для других типов работы. В ближайшие годы Джесси ожидает сокращение общей корпоративной рабочей силы из-за повышения эффективности от широкого использования ИИ.
4) Новые требования к сотрудникам — Джесси призывает сотрудников проявлять любопытство к ИИ, обучаться, посещать семинары и тренинги, экспериментировать с ИИ и участвовать в мозговых штурмах команды. Он подчеркивает, что те, кто примет эти изменения и станет специалистом в области ИИ, будут иметь большое влияние и помогут переизобрести компанию.
Заканчивает эту статью Джесси выражением энтузиазма по поводу прогресса Amazon в области генеративного ИИ и планов на будущее.
#Management #Leadership #Processes #Bigtech #Software #AI
Telegram
Книжный куб
Amazon CEO Andy Jassy on Agility, AI Strategy, and the Changing Role of Managers (Рубрика #Management)
Посмотрел на выходных интервью Andy Jassy, генерального директора Amazon, которое он дал Adi Ignatius, представителю HBR (Harvard Business Review). Сам…
Посмотрел на выходных интервью Andy Jassy, генерального директора Amazon, которое он дал Adi Ignatius, представителю HBR (Harvard Business Review). Сам…
❤6👍3🔥1
Code of Leadership #41 - Interview with Pavel Permyakov about T Invest and early days of T-Bank (Рубрика #Management)
В очередном выпуске подкаста ко мне пришел интересный гость, Павел Пермяков, технический директор Т-Инвестиций. Паша уже 13 лет работает в Т-Банке, начал он с интеграционных проектов, а потом поучаствовал в создании инвестиций и через некоторое время стал их техническим директором. За полтора часа мы обсудили много интересных тем
- Знакомство с гостем
- Детство, увлечение информатикой, поступление и учеба в университете
- Первая работа, стажировка, задачи и опыт в интеграторе
- Карьерный рост, смена ролей, рост от стажера до архитектора
- Архитектурные изменения: уход от интеграционной шины, переход к микросервисам
- Принятие решения о запуске инвестиций, формирование команды, первые успехи
- Трудности с масштабированием сервисов, получение лицензии, реакция конкурентов
- Повседневные задачи технического директора, организация встреч, делегирование
- Важность чтения, рекомендации по книгам, роль математики и саморазвития
Выпуск подкаста доступен в Youtube, VK Video, Podster.fm, Ya Music.
#Software #Engineering #Management #Architecture #Processes
В очередном выпуске подкаста ко мне пришел интересный гость, Павел Пермяков, технический директор Т-Инвестиций. Паша уже 13 лет работает в Т-Банке, начал он с интеграционных проектов, а потом поучаствовал в создании инвестиций и через некоторое время стал их техническим директором. За полтора часа мы обсудили много интересных тем
- Знакомство с гостем
- Детство, увлечение информатикой, поступление и учеба в университете
- Первая работа, стажировка, задачи и опыт в интеграторе
- Карьерный рост, смена ролей, рост от стажера до архитектора
- Архитектурные изменения: уход от интеграционной шины, переход к микросервисам
- Принятие решения о запуске инвестиций, формирование команды, первые успехи
- Трудности с масштабированием сервисов, получение лицензии, реакция конкурентов
- Повседневные задачи технического директора, организация встреч, делегирование
- Важность чтения, рекомендации по книгам, роль математики и саморазвития
Выпуск подкаста доступен в Youtube, VK Video, Podster.fm, Ya Music.
#Software #Engineering #Management #Architecture #Processes
YouTube
Code of Leadership #41 Interview with Pavel Permyakov about T Invest and early days of T-Bank
В очередном выпуске подкаста ко мне пришел интересный гость, Павел Пермяков, технический директор Т-Инвестиций. Паша уже 13 лет работает в Т-Банке, начал он с интеграционных проектов, а потом поучаствовал в создании инвестиций и через некоторое время стал…
❤5🔥5👍1
Andrej Karpathy: Software Is Changing (Again) (Рубрика #AI)
Посмотрел утром очень интересное и свежеее выступление Andrej Karpathy, одного из основателей OpenAI (2015-2017), директора по ИИ в Tesla (2017-2022). Андрей поделился концепцией Software 3.0 и рассказал про предыдущие этапы развития софтостроения, а также сделал предсказания о том, что ждет нас дальше. Выступление состоялось 16-17 июня 2025 года на первой в истории AI Startup School от Y Combinator в Сан-Франциско. Это было масштабное мероприятие, собравшее 2500 лучших студентов и стартаперов из области компьютерных наук и ИИ. В числе других спикеров выступили Elon Musk, Sam Altman, Andrew Ng и другие лидеры AI-индустрии. Ну а теперь к ключевым идеям выступления.
Эры software
Андрей выделил три эры разработки софта
- Software 1.0 - это традиционный код, написанный программистами
- Software 2.0 - это нейронные сети и их веса
- Software 3.0 - это промпты на английском языке как программы для LLM
В софте 3.0 случилась революция - мы теперь программируем компьютеры на английском языке. Это делает программирование доступным каждому, кто владеет естественным языком (кажется в 1С эта революция давно произошла, только там программировали на русском ✌️
LLM как новая операционная система
Андрей провел интересную параллель между LLM и операционными системами
- LLM - это CPU, то есть основной вычислительный блок новой парадигмы
- Контекстное окно - это RAM (рабочая память системы)
- Централизация в облаке - из-за высокой стоимости вычислений, что напоминает эру мейнфреймов
- Разделение времени использования - пакетная обработка запросов пользователей
В общем, пока момент PC (personal computers) еще не настал
Психология LLM
Андрей поразмышлял о психологии и привел метаформу "people spirits" по отношению к LLM
- Это стохастические симуляции людей, обученные на человеческих данных
- Они обладают энциклопедическими знаниями и сверхчеловеческими способностями в некоторых областях
- Имеют когнитивные нарушения и ошибки, подобно персонажам из фильмов "Человек дождя", "Помни", "50 первых поцелуев"
- Требуют понимания их ограничений для продуктивного сотрудничества
Основные возможности для разработчиков продуктов
1. Продукты с частичной автономией
Karpathy подчёркивает важность создания приложений с "ползунком автономности", например, в Cursor можно просто пользоваться автодополнением или попросить агента переписать тебе код. В этом плане для работы и аудита AI системы важен правильный GUI (просто чата скорее всего не достаточно). Важно контролировать избыточную активность AI и держать его на поводке
2. Vibe Coding
Karpathy популяризировал термин "vibe coding" — создание приложений через естественные описания без глубокого знания языков программирования. Это приводит к
- Демократизации разработки софта
- Возможности создавать рабочие прототипы за часы вместо недель
- Но приносит сложности с интеграцией и развёртыванием реальных продуктов
3. Создание для агентов
LLM становятся новой категорией потребителей цифровой информации наряду с людьми и программами. Это приводит к следующим последствиям
- Необходимо адаптировать документацию для LLM (переход на Markdown)
- Можно заменить мануалы вида "нажмите на кнопку" на мануалы вида сделайте API-вызов
- Распространению инструментов типа MCP от Anthropic или A2A от Google для прямого общения с агентами
Напоследок Андрей дает рекомендации
- Изучайте все три парадигмы: Software 1.0, 2.0 и 3.0 будут сосуществовать
- Фокусируйтесь на частичной автономии: не стройте полностью автономных агентов, а создавайте "костюмы Железного человека"
- Ускоряйте цикл генерация-верификация: используйте GUI для быстрого аудита работы ИИ
- Готовьте инфраструктуру для агентов: делайте ваши продукты доступными для LLM
По словам Андрея, мы находимся в уникальный момент истории программирования — "предстоит переписать огромное количество кода". Это создаёт беспрецедентные возможности для новых разработчиков войти в индустрию и принять участие в создании софта 3.0
#AI #PlatformEngineering #Engineering #Software #Processes #Productivity
Посмотрел утром очень интересное и свежеее выступление Andrej Karpathy, одного из основателей OpenAI (2015-2017), директора по ИИ в Tesla (2017-2022). Андрей поделился концепцией Software 3.0 и рассказал про предыдущие этапы развития софтостроения, а также сделал предсказания о том, что ждет нас дальше. Выступление состоялось 16-17 июня 2025 года на первой в истории AI Startup School от Y Combinator в Сан-Франциско. Это было масштабное мероприятие, собравшее 2500 лучших студентов и стартаперов из области компьютерных наук и ИИ. В числе других спикеров выступили Elon Musk, Sam Altman, Andrew Ng и другие лидеры AI-индустрии. Ну а теперь к ключевым идеям выступления.
Эры software
Андрей выделил три эры разработки софта
- Software 1.0 - это традиционный код, написанный программистами
- Software 2.0 - это нейронные сети и их веса
- Software 3.0 - это промпты на английском языке как программы для LLM
В софте 3.0 случилась революция - мы теперь программируем компьютеры на английском языке. Это делает программирование доступным каждому, кто владеет естественным языком
LLM как новая операционная система
Андрей провел интересную параллель между LLM и операционными системами
- LLM - это CPU, то есть основной вычислительный блок новой парадигмы
- Контекстное окно - это RAM (рабочая память системы)
- Централизация в облаке - из-за высокой стоимости вычислений, что напоминает эру мейнфреймов
- Разделение времени использования - пакетная обработка запросов пользователей
В общем, пока момент PC (personal computers) еще не настал
Психология LLM
Андрей поразмышлял о психологии и привел метаформу "people spirits" по отношению к LLM
- Это стохастические симуляции людей, обученные на человеческих данных
- Они обладают энциклопедическими знаниями и сверхчеловеческими способностями в некоторых областях
- Имеют когнитивные нарушения и ошибки, подобно персонажам из фильмов "Человек дождя", "Помни", "50 первых поцелуев"
- Требуют понимания их ограничений для продуктивного сотрудничества
Основные возможности для разработчиков продуктов
1. Продукты с частичной автономией
Karpathy подчёркивает важность создания приложений с "ползунком автономности", например, в Cursor можно просто пользоваться автодополнением или попросить агента переписать тебе код. В этом плане для работы и аудита AI системы важен правильный GUI (просто чата скорее всего не достаточно). Важно контролировать избыточную активность AI и держать его на поводке
2. Vibe Coding
Karpathy популяризировал термин "vibe coding" — создание приложений через естественные описания без глубокого знания языков программирования. Это приводит к
- Демократизации разработки софта
- Возможности создавать рабочие прототипы за часы вместо недель
- Но приносит сложности с интеграцией и развёртыванием реальных продуктов
3. Создание для агентов
LLM становятся новой категорией потребителей цифровой информации наряду с людьми и программами. Это приводит к следующим последствиям
- Необходимо адаптировать документацию для LLM (переход на Markdown)
- Можно заменить мануалы вида "нажмите на кнопку" на мануалы вида сделайте API-вызов
- Распространению инструментов типа MCP от Anthropic или A2A от Google для прямого общения с агентами
Напоследок Андрей дает рекомендации
- Изучайте все три парадигмы: Software 1.0, 2.0 и 3.0 будут сосуществовать
- Фокусируйтесь на частичной автономии: не стройте полностью автономных агентов, а создавайте "костюмы Железного человека"
- Ускоряйте цикл генерация-верификация: используйте GUI для быстрого аудита работы ИИ
- Готовьте инфраструктуру для агентов: делайте ваши продукты доступными для LLM
По словам Андрея, мы находимся в уникальный момент истории программирования — "предстоит переписать огромное количество кода". Это создаёт беспрецедентные возможности для новых разработчиков войти в индустрию и принять участие в создании софта 3.0
#AI #PlatformEngineering #Engineering #Software #Processes #Productivity
Please open Telegram to view this post
VIEW IN TELEGRAM
YouTube
Andrej Karpathy: Software Is Changing (Again)
Andrej Karpathy's keynote on June 17, 2025 at AI Startup School in San Francisco. Slides provided by Andrej: https://drive.google.com/file/d/1a0h1mkwfmV2PlekxDN8isMrDA5evc4wW/view?usp=sharing
Chapters:
00:00 - Intro
01:25 - Software evolution: From 1.0 to…
Chapters:
00:00 - Intro
01:25 - Software evolution: From 1.0 to…
❤19🔥5👍2🥱2🫡1
Дискуссия на Conversations.AI "RnD на стероидах: автономные агенты с суперпамятью, вызовы vibe coding и новая эра кибербезопасности"(Рубрика #AI)
На следующей неделе буду на конференции Conversations.AI в Питере, где 27 июня в 13.40 буду участвовать в дикусиии относительно передовых возможнстей AI в разработке. В обсуждении будут участвовать уважаемые джентельмены, приведенные ниже
- Сергей Марков, популяризатор науки, директор по развитию технологий искусственного интеллекта SberAI
- Олег Королев, руководитель разработки AI Lab Авито
- Евгений Кокуйкин, сооснователь Raft и CEO HiveTrace
- Александр Поломодов, технический директор Т-Банк
Вести дискуссию будет Илья Карев, Team Lead GenAI Solutions, Just AI.
Мне кажется, что дискуссия получится топовой, поэтому, если будете на конфе, то приходите ее послушать.
#AI #PlatformEngineering #Engineering #Software #Processes #Productivity
На следующей неделе буду на конференции Conversations.AI в Питере, где 27 июня в 13.40 буду участвовать в дикусиии относительно передовых возможнстей AI в разработке. В обсуждении будут участвовать уважаемые джентельмены, приведенные ниже
- Сергей Марков, популяризатор науки, директор по развитию технологий искусственного интеллекта SberAI
- Олег Королев, руководитель разработки AI Lab Авито
- Евгений Кокуйкин, сооснователь Raft и CEO HiveTrace
- Александр Поломодов, технический директор Т-Банк
Вести дискуссию будет Илья Карев, Team Lead GenAI Solutions, Just AI.
Мне кажется, что дискуссия получится топовой, поэтому, если будете на конфе, то приходите ее послушать.
#AI #PlatformEngineering #Engineering #Software #Processes #Productivity
Conversations-Ai
Conversations – конференция по генеративному AI для бизнеса и разработчиков
Главные темы: GenAI-рынок 2026, AI-культура и трансформация бизнеса, разработка и внедрение AI-агентов, LLM, чат-боты и другие челленджи GenAI-индустрии
❤3🔥3👍2
Открытие набора в Т-Академию (Рубрика #Edu) 🚀
Отрылся набор в Т-Академию, где есть 4 трека: backend, frontend и android разработка а также продуктовая аналитика. Эта академия позволяет получить глубокое погружение в промышленную разработку с изучением современных языков программирования или подходов продуктовой аналитик (метрики, a/b эксперименты, SQL для анализа данных). Программа длится год или полтора (в зависимости от направления) и строится так, чтобы ее можно было совмещать с работой или учебой.
Преимущества программы
- Лекции от экспертов — ведущие специалисты Т‑Банка
- Практические семинары с разбором реальных кейсов из индустрии
- Персональное код-ревью от опытных разработчиков
- Командные проекты с возможностью попробовать разные роли
Подать заявку можно до 31 июля. Все подробности на сайте
#Edu #Software #Engineering
Отрылся набор в Т-Академию, где есть 4 трека: backend, frontend и android разработка а также продуктовая аналитика. Эта академия позволяет получить глубокое погружение в промышленную разработку с изучением современных языков программирования или подходов продуктовой аналитик (метрики, a/b эксперименты, SQL для анализа данных). Программа длится год или полтора (в зависимости от направления) и строится так, чтобы ее можно было совмещать с работой или учебой.
Преимущества программы
- Лекции от экспертов — ведущие специалисты Т‑Банка
- Практические семинары с разбором реальных кейсов из индустрии
- Персональное код-ревью от опытных разработчиков
- Командные проекты с возможностью попробовать разные роли
Подать заявку можно до 31 июля. Все подробности на сайте
#Edu #Software #Engineering
Т‑Образование
Образовательная программа Т-Академия: обучение разработке и аналитике
Вас ждет 1,5 года онлайн-обучения, наставничество от экспертов Т-Банка, лекции и домашние задания, реальные задачи и шанс попасть в команду Т-Банка
❤3👍3🔥1🍌1
Эволюция SRE: внедрение AI-ассистента в Т-Банке (Рубрика #SRE)
Посмотрел интересное выступление своего коллеги, Ивана Юрченко, руководителя FineDog Growth в Т-Банке, который занимается развитием платформы инцидент-менеджмента FineDog, которая помогает банку оперативно выявлять сбои в работе сервисов и сокращать время их устранения. Этот доклад был представлен в рамках конференции Platform Engineering Night и он посвящен внедрению AI-ассистентов в работу инженеров по надежности.
Кстати, про три доклада с Platform Engineering Night я уже рассказывал:
- "AI и Platform Engineering" от Игоря Маслова (VP T-Bank at T-Bank)
- "Разработка собственного AI-ассистента для кода: спринт или марафон?" от Дениса Артюшина (tech product & engineer at T-Bank)
- "AI-помощники при работе с кодом. Взгляд в будущее" от Евгения Колесникова (tech product at Yandex)
Дальше расскажу про основные идеи доклада Ивана.
1. Эволюция инструментов инцидент-менеджмента
Иван представил концепцию трехуровневого развития инструментов для работы с инцидентами
- Платформизация — объединение разрозненных инструментов в единую экосистему для более эффективного управления инцидентами
- Автоматизация — упрощение рутинных действий, что позволяет сократить время реакции на инциденты
- Роботизация — автоматизация принятия решений с использованием AI
2. Жизненный цикл инцидента и роль AI
Иван подробно описал этапы работы с инцидентом: детекция, работа с инцидентом и пост-анализ. Особое внимание уделил важности сбора контекста для эффективного решения проблем. А AI-ассистент сейчас интегрируется во все этапы этого цикла, помогая не только реагировать на инциденты, но и предсказывать их, анализировать логи и предлагать варианты решения до начала критической ситуации.
3. Инновационные проекты на базе AI
Основные проекты, про которые рассказал Иван следующие
- Summarizer - система для агрегации информации и автоматической генерации пост-анализов инцидентов. Использует AI для улучшения качества аналитики и выявления закономерностей в инцидентах
- LogAnalyzer - продвинутый инструмент для анализа логов и поиска связанных инцидентов. Применяет кластеризацию логов для выделения аномалий. Выглядит это примерно так
-- Логи скачиваются из Sage (observability платформы) каждые 5 минут
-- Дальше происходит предобработка текста и сегментация на фрагменты
-- Потом векторизация с помощью TF-IDF и трансформеров
-- В финале данные визуализацируются в трехмерном пространстве для наглядного представления аномалий
4. SRE ассистент и его возможности
Иван представил AI-ассистента, разработанного для поддержки SRE-команд, который обладает следующими возможностями
- Интеграция с корпоративным мессенджером Time для удобного доступа
- Взаимодействие с различными ботами и LLM-агентами
- Выполняет ключевые сценарии:
-- Работа с инцидентами и генерация пост-анализов
-- Получение информации из базы данных
-- Поиск по базе знаний с использованием RAG-платформы
-- Управление дежурствами через мессенджер
5. Метрики и оценка эффективности AI-ассистента
Иван рассказал про ключевые метрики: качество ответа, полнота, галлюцинации, ошибки периодов. Оценки на основе ручной разметки около 600 запросов получились такие
- Precision: 0.54
- Recall: 0.43
Для LogAnalyzer результаты были такие
- Precision: 0.64
- Recall: 0.85
6. Перспективы развития
В заключительной части выступления Иван обозначил планы на будущее
- Запуск новых итераций SRE-ассистента с улучшенными возможностями
- Дальнейшее совершенствование метрик и интеграция системы обнаружения аномалий
- Постоянный поиск новых идей и обмен опытом с профессиональным сообществом
В общем, доклад мне понравился - интересный баланс общей теории и деталей о конкретных сценариях, которые мы пытаемся AI'фицироватьь для наших SRE инженеров.
P.S.
Если тема показалась интересной, то можно еще почитать мой обзор статьи про общие процессы вокруг надежности в Т-Банке, которую написал Леша Мерсон, ex-dev advocate платформы Sage.
#AI #SRE #SystemDesign #Software #Architecture #Metrics #SoftwareArchitecture #Engineering
Посмотрел интересное выступление своего коллеги, Ивана Юрченко, руководителя FineDog Growth в Т-Банке, который занимается развитием платформы инцидент-менеджмента FineDog, которая помогает банку оперативно выявлять сбои в работе сервисов и сокращать время их устранения. Этот доклад был представлен в рамках конференции Platform Engineering Night и он посвящен внедрению AI-ассистентов в работу инженеров по надежности.
Кстати, про три доклада с Platform Engineering Night я уже рассказывал:
- "AI и Platform Engineering" от Игоря Маслова (VP T-Bank at T-Bank)
- "Разработка собственного AI-ассистента для кода: спринт или марафон?" от Дениса Артюшина (tech product & engineer at T-Bank)
- "AI-помощники при работе с кодом. Взгляд в будущее" от Евгения Колесникова (tech product at Yandex)
Дальше расскажу про основные идеи доклада Ивана.
1. Эволюция инструментов инцидент-менеджмента
Иван представил концепцию трехуровневого развития инструментов для работы с инцидентами
- Платформизация — объединение разрозненных инструментов в единую экосистему для более эффективного управления инцидентами
- Автоматизация — упрощение рутинных действий, что позволяет сократить время реакции на инциденты
- Роботизация — автоматизация принятия решений с использованием AI
2. Жизненный цикл инцидента и роль AI
Иван подробно описал этапы работы с инцидентом: детекция, работа с инцидентом и пост-анализ. Особое внимание уделил важности сбора контекста для эффективного решения проблем. А AI-ассистент сейчас интегрируется во все этапы этого цикла, помогая не только реагировать на инциденты, но и предсказывать их, анализировать логи и предлагать варианты решения до начала критической ситуации.
3. Инновационные проекты на базе AI
Основные проекты, про которые рассказал Иван следующие
- Summarizer - система для агрегации информации и автоматической генерации пост-анализов инцидентов. Использует AI для улучшения качества аналитики и выявления закономерностей в инцидентах
- LogAnalyzer - продвинутый инструмент для анализа логов и поиска связанных инцидентов. Применяет кластеризацию логов для выделения аномалий. Выглядит это примерно так
-- Логи скачиваются из Sage (observability платформы) каждые 5 минут
-- Дальше происходит предобработка текста и сегментация на фрагменты
-- Потом векторизация с помощью TF-IDF и трансформеров
-- В финале данные визуализацируются в трехмерном пространстве для наглядного представления аномалий
4. SRE ассистент и его возможности
Иван представил AI-ассистента, разработанного для поддержки SRE-команд, который обладает следующими возможностями
- Интеграция с корпоративным мессенджером Time для удобного доступа
- Взаимодействие с различными ботами и LLM-агентами
- Выполняет ключевые сценарии:
-- Работа с инцидентами и генерация пост-анализов
-- Получение информации из базы данных
-- Поиск по базе знаний с использованием RAG-платформы
-- Управление дежурствами через мессенджер
5. Метрики и оценка эффективности AI-ассистента
Иван рассказал про ключевые метрики: качество ответа, полнота, галлюцинации, ошибки периодов. Оценки на основе ручной разметки около 600 запросов получились такие
- Precision: 0.54
- Recall: 0.43
Для LogAnalyzer результаты были такие
- Precision: 0.64
- Recall: 0.85
6. Перспективы развития
В заключительной части выступления Иван обозначил планы на будущее
- Запуск новых итераций SRE-ассистента с улучшенными возможностями
- Дальнейшее совершенствование метрик и интеграция системы обнаружения аномалий
- Постоянный поиск новых идей и обмен опытом с профессиональным сообществом
В общем, доклад мне понравился - интересный баланс общей теории и деталей о конкретных сценариях, которые мы пытаемся AI'фицироватьь для наших SRE инженеров.
P.S.
Если тема показалась интересной, то можно еще почитать мой обзор статьи про общие процессы вокруг надежности в Т-Банке, которую написал Леша Мерсон, ex-dev advocate платформы Sage.
#AI #SRE #SystemDesign #Software #Architecture #Metrics #SoftwareArchitecture #Engineering
YouTube
Иван Юрченко — «Эволюция SRE: внедрение AI-ассистента»
Руководитель продукта в FineDoog Growth рассказал о первой версии AI-ассистента от Т-Банка. Она разработана для поддержки SRE и повышения эффективности управления платформой инцидент-менеджмента FinеDog. Разобрали ключевые технологии, используемые для его…
🔥10❤3👍3
[1/2] Статьи из серии "Developer Productivity for Humans" (Рубрика #Management)
Я решил сделать общий пост про статьи из сериии про продуктивность инженеров от Google. Эта мысль пришла после недавнего рассказа про "Measuring Productivity: All Models are Wrong But Some are Useful", в которой авторы обощают свои подходы и принципы для построения моделей продуктивности. Ниже список статей из этой серии, про которые я уже рассказывал
1) A Human-Centered Approach to Developer Productivity. Эта статья начинала серию и в ней авторы описывали почему они смотрят на вопрос продуктивности инженеров не только с точки зрения процесса и техники, а еще с точки зрения людей, что в нем участвуют. Здесь они вспоминают научный менеджмент Тейлора (про эффективность работы у конвейера) и показывают почему сейчас в разработке нужны подходы чуть сложнее:) Подробный разбор в блоге
2) Enabling the Study of Software Development Behavior With Cross-Tool Logs. Статья 2020 года, где авторы из Google рассказали про создание своей системы InSession, которая позволяет проводить комплексный анализ поведения инженеров путем интеграции логов от множества инструментов разработки. Подробный разбор есть в отдельном посте в tg
3) Measuring Developer Experience With a Longitudinal Survey. Рассказ про долговременные исследования в виде опросов, что поводятся с 2018 года. Опросы являются одной из опор для сбора информации о продуктивности, наряду с логами. Авторы делятся инсайтами о том, как выстроить такую программу у себя в компании и что она позволяет измерять. Разбор есть в отдельном посте в tg, а также мы разбирали этот whitepaper в 10 эпизоде подкаста Research Insights Made Simple с Артемом Арюткиным
4) Measuring Developer Goals. В этой статье исследователи рассказывали о том, что понимание и эффективное измерение целей критически важно для улучшения опыта разработчиков и повышения их эффективности. Для ответа на вопросы о продуктивности удобнее привязывать измерения не к конкретным инструментам, а к тем целям, которые разработчики ставят перед собой при использовании инструментов. Это позволяет отвечать на вопросы, похожие на те, что приведены выше, сохраняя метрики ориентированными на пользователя, а не инструмент. Подробный разбор в блоге, а также есть восьмая серия подкаста Research Insights Made Simple, где мы разбирали эту статью с Сашей Кусургашевым, моим коллегой, что руководит разработкой Spirit (наша внутренняя платформа разработки)
5) What Do Developers Want From AI?. Здесь авторы говорят о том, что эволюция AI - это поворотный момент, но с технологическими революциями, что меняют формат работы людей, человечество сталкивается не в первый раз. Поэтому авторы статьи решают провести параллели между AIфикацией и развитием автомобильной промышленности и сфокусироваться на потребностях и целях наших разработчиков. Разбор есть в отдельном посте в tg, а также мы разбирали эту статью в девятом выпуске Research Insights Made Simple с Колей Бушковым, моим коллегой из RnD центра.
6) Software Quality. Крутая статья, где авторы обсуждают холистический подход к измерению продуктивности надо обращать внимание на speed, ease и quality для того, чтобы не получить кратковременные улучшения за счет долговременного негативного влияния. А дальше ребята фокусируются на теме качества, которая затрагивает процессы, код, систему и продукт целиком. Мне эта тема очень близка, так как она очень тесно пересекается с архитектурой и архитектурными характеристиками:) Подробный разбор в блоге
7) Defining, Measuring, and Managing Technical Debt. Интересное обсуждение концепции технического долга, а также пример того, как его измеряли в Google и ккак с ним боролись с хорошими результатами. Подробный разбор есть у меня в блоге, а также мы разбирали этот whitepaper вместе с Димой Гаевским во второй серии подкаста "Research Insights Made Simple
Окончание рассказа про статьи из этой серии в следующем посте.
#Engineering #Software #Bigtech #Productivity #Management #Leadership #Processes
Я решил сделать общий пост про статьи из сериии про продуктивность инженеров от Google. Эта мысль пришла после недавнего рассказа про "Measuring Productivity: All Models are Wrong But Some are Useful", в которой авторы обощают свои подходы и принципы для построения моделей продуктивности. Ниже список статей из этой серии, про которые я уже рассказывал
1) A Human-Centered Approach to Developer Productivity. Эта статья начинала серию и в ней авторы описывали почему они смотрят на вопрос продуктивности инженеров не только с точки зрения процесса и техники, а еще с точки зрения людей, что в нем участвуют. Здесь они вспоминают научный менеджмент Тейлора (про эффективность работы у конвейера) и показывают почему сейчас в разработке нужны подходы чуть сложнее:) Подробный разбор в блоге
2) Enabling the Study of Software Development Behavior With Cross-Tool Logs. Статья 2020 года, где авторы из Google рассказали про создание своей системы InSession, которая позволяет проводить комплексный анализ поведения инженеров путем интеграции логов от множества инструментов разработки. Подробный разбор есть в отдельном посте в tg
3) Measuring Developer Experience With a Longitudinal Survey. Рассказ про долговременные исследования в виде опросов, что поводятся с 2018 года. Опросы являются одной из опор для сбора информации о продуктивности, наряду с логами. Авторы делятся инсайтами о том, как выстроить такую программу у себя в компании и что она позволяет измерять. Разбор есть в отдельном посте в tg, а также мы разбирали этот whitepaper в 10 эпизоде подкаста Research Insights Made Simple с Артемом Арюткиным
4) Measuring Developer Goals. В этой статье исследователи рассказывали о том, что понимание и эффективное измерение целей критически важно для улучшения опыта разработчиков и повышения их эффективности. Для ответа на вопросы о продуктивности удобнее привязывать измерения не к конкретным инструментам, а к тем целям, которые разработчики ставят перед собой при использовании инструментов. Это позволяет отвечать на вопросы, похожие на те, что приведены выше, сохраняя метрики ориентированными на пользователя, а не инструмент. Подробный разбор в блоге, а также есть восьмая серия подкаста Research Insights Made Simple, где мы разбирали эту статью с Сашей Кусургашевым, моим коллегой, что руководит разработкой Spirit (наша внутренняя платформа разработки)
5) What Do Developers Want From AI?. Здесь авторы говорят о том, что эволюция AI - это поворотный момент, но с технологическими революциями, что меняют формат работы людей, человечество сталкивается не в первый раз. Поэтому авторы статьи решают провести параллели между AIфикацией и развитием автомобильной промышленности и сфокусироваться на потребностях и целях наших разработчиков. Разбор есть в отдельном посте в tg, а также мы разбирали эту статью в девятом выпуске Research Insights Made Simple с Колей Бушковым, моим коллегой из RnD центра.
6) Software Quality. Крутая статья, где авторы обсуждают холистический подход к измерению продуктивности надо обращать внимание на speed, ease и quality для того, чтобы не получить кратковременные улучшения за счет долговременного негативного влияния. А дальше ребята фокусируются на теме качества, которая затрагивает процессы, код, систему и продукт целиком. Мне эта тема очень близка, так как она очень тесно пересекается с архитектурой и архитектурными характеристиками:) Подробный разбор в блоге
7) Defining, Measuring, and Managing Technical Debt. Интересное обсуждение концепции технического долга, а также пример того, как его измеряли в Google и ккак с ним боролись с хорошими результатами. Подробный разбор есть у меня в блоге, а также мы разбирали этот whitepaper вместе с Димой Гаевским во второй серии подкаста "Research Insights Made Simple
Окончание рассказа про статьи из этой серии в следующем посте.
#Engineering #Software #Bigtech #Productivity #Management #Leadership #Processes
Medium
Обзор whitepaper "A Human-Centered Approach to Developer Productivity"
Больше года назад я прочитал интересную статью, про человеко-центричный подход к продуктивности:) В этой статье Ciera Jaspan и Collin Green…
❤8❤🔥4👍3🔥3
Code of Leadership #42 Interview with Andrew Romanovsky about Сareer as an Engineering Manager (Рубрика #Management)
В эту среду в 19.00 пройдет live интервью с Андреем Романовским о карьере engineering manager в крупной технологической компании. Андрей руководит продуктовой разработкой Яндекс.Лавки и является CTO Yango.Tech Retail, а кроме того ведет канал Lead’s Notes (@leadsnotes). Мы обсудим вопросы в стиле как дорасти до c-level позиции, заработать свой первый миллион и не сойти с ума, как адаптироваться к росту размера команды и сложности зоны ответственности. Например, мы обсудим
- Что входет в роль engineering manager?
- Ради чего вообще стоит идти в менеджерский карьерный трек?
- Как устроен рост менеджера?
- Растет ли сложность работы с продвижением по карьерной лестнице?
- Как решать проблемы тайм-менеджмента: перегруз, баланс работы и личной жизни?
- Как не потерять технические скиллы и стоит ли за этим гнаться?
В общем, приходите на трансляцию и задавайте дополнительные вопросы, на которые мы постараемся ответить.
#Software #Engineering #Management #Architecture #Processes
В эту среду в 19.00 пройдет live интервью с Андреем Романовским о карьере engineering manager в крупной технологической компании. Андрей руководит продуктовой разработкой Яндекс.Лавки и является CTO Yango.Tech Retail, а кроме того ведет канал Lead’s Notes (@leadsnotes). Мы обсудим вопросы в стиле как дорасти до c-level позиции, заработать свой первый миллион и не сойти с ума, как адаптироваться к росту размера команды и сложности зоны ответственности. Например, мы обсудим
- Что входет в роль engineering manager?
- Ради чего вообще стоит идти в менеджерский карьерный трек?
- Как устроен рост менеджера?
- Растет ли сложность работы с продвижением по карьерной лестнице?
- Как решать проблемы тайм-менеджмента: перегруз, баланс работы и личной жизни?
- Как не потерять технические скиллы и стоит ли за этим гнаться?
В общем, приходите на трансляцию и задавайте дополнительные вопросы, на которые мы постараемся ответить.
#Software #Engineering #Management #Architecture #Processes
Youtube
- YouTube
Enjoy the videos and music you love, upload original content, and share it all with friends, family, and the world on YouTube.
❤8👍4🔥3