Было?

LLM вознаграждают экспертизу

Все мы используем одни и те же модели, и по умолчанию получаем одни и те же усредненные ответы. Чтобы добиться от модели действительно качественного результата, нужно знать, в какую сторону ее запушить, какие ответы принимать, за какие идеи зацепиться. А именно это и требует глубокой экспертизы в вопросе.

Например, не зная хорошо своей кодовой базы, вы не сможете оценить, насколько предложенный моделью подход дублирует что-то уже существующее. Не имея собственного опыта дизайна, будет очень сложно почувствовать, что AI предложил чрезмерно упрощенное решение.

Не будьте мясным прокси

Я нашел свое новое любимое выражение – meat proxy, которым можно называть человека, который просто бездумно копирует сообщения от AI, не вкладывая туда ни ту самую экспертизу, ни просто хоть сколько-то своего внимания.

Среди разработчиков есть свой вид митпроксинга:

👉Отправить ссылку на задачу агенту без лишних слов
👉Не читая ни спеку, ни код, отправить на ревью
👉Скопировать комментарии агенту, запушить результат

Про принцип антитезиса

Мы стали как-то очень редко вспоминать Канемана и его монументальный труд по изучению когнитивных искажений – хотя я каждый день вижу, как многие из них получают новое лицо во взаимодействиях людей и AI. Но речь не об этом.

Так вот, со знанием когнитивных искажений можно делать две вещи:

1️⃣Использовать его, чтобы выстраивать свою тактику работы с людьми. Если вы можете предсказывать, как они себя поведут, вы точно сможете использовать это себе во благо.
2️⃣Использовать его, чтобы отлавливать эти же искажения в самом себе, и пытаться переопределять свое дефолтное поведение до той степени, пока оно не станет антитезисом к названному искажению.

Вот второй путь и есть принцип антитезиса. Он важен, потому что, если вы будете вести себя не как подавляющее большинство людей вокруг, вы сможете открыть для себя возможности, им недоступные.

Самый простой пример – обучение. Большинству людей проще учиться, когда образовательный контент их активно вовлекает и развлекает. Соответственно, если вы намеренно отдаете предпочтение не развлекательному способу обучения, например, читаете длинные сложные книги, то вы сможете пройти путями, которые все остальные пропустят.

Как правильно вписаться в систему промоушнов

Держите байку из мира FAANG про то, как прийти к успеху. Следите за пальцами:

👉Промо основаны на сложности задач, скоупе, независимости и лидерстве. По внутренним правилам, нельзя промоутить людей чаще, чем раз в два года. Поэтому несколько следующих циклов после повышения бесполезны.
👉Один менеджер организовал все так, чтобы на каждом полугодовом цикле 25% его команды получали повышение. Фокус простой – они приписывали себе заслуги от всего, сделанного командой, с полного согласия остальных. Затем то де самое повторялось для следующих 25%, и так далее.
👉Из-за того, что все видели, как быстро растут люди в команде этого менеджера, к нему стояла очередь из внутренних кандидатов. Хедкаунт рос, менеджера промоутили за все заслуги вместе с ним.
👉При этом команда работала где-то на 50% своего капасити, так как сразу после промо можно было отдыхать.
👉В итоге почти вся команда получает $1М+ компенсации.

Конечно, вся история может быть выдуманной, но элементы ее точно происходят во всех крупных корпорациях.

Держите идеальный пример того, как надо отвечать на вопросы сотрудников во время All Hands.

Немного контекста – Meta Days это дополнительные выходные дни для всей компании, которые ввели во время ковида, а потом отменили. И вот время последнего All Hands у CTO спросили, вернут ли их обратно.

Как не разучиться думать

Рабочие дни инженеров превращаются из длинных периодов напряженного думания над одной конкретной проблемоц в ADHDшное переключение между пятью разными сессиями и попытки вычленить из длинных сообщений, сгенерированных AI, крупицы смысла. Так как такого слопа читать приходится много, все вырабатывают свои собственные техники того, на каких кусках этих текстов сосредоточиться, а какие просмотреть по диагонали.

Такое потребление контента приводит к тому, что мы постепенно начинаем использовать похожий подход и в других областях жизни. Зачем смотреть видео доклада целиком, когда можно пробежаться по хайлайтам? Зачем думать над какой-то бытовой задачей, если можно прочитать TL;DR ответа LLM?

Есть смысл тренировать навык медленного мышления, чтобы он не атрофировался. В статье советуют два подхода:

👉Писать эссе самостоятельно, без какой-то помощи от AI – и неважно, статьи ли это в блог, какие-то рабочие пропозалы или что-то еще. Сам факт того, что вы выражаете свои довожы в виде последовательного повествования заставляет замедлиться и хорошо подумать.
👉Читать книги с высокой плотностью информации, например качественный нон-фикшн. Удовольствия от них получаешь как будто бы на порядок больше после рабочего дня, проведенного в процеживании AI слопа.

Почему менеджерам проще работать с агентами

Один из любимых аргументов AI-скептиков, который даже в нашем канале часто появляется в комментариях – "ну как же мы можем доверять агенту без того, чтобы читать весь его код – он же может ошибиться, или сделать вообще не то". У работы с живыми людьми проблемы точно такие же. Они забывают про условия задачи, совершают ошибки, ленятся, говорят неправду. И любой начинающий менеджер преодолевает эту долину отчаяния и учится работать с недетерминированной системой:

👉Нарабатывает интуицию про каждого человека в команде – в каких задачах он компетентен, а в каких нет
👉Выстраивает цикл обратной связи с людьми, и способы оценивать прогресс на пути к цели
👉Оценивает, в какие задачи надо прям глубоко погрузиться, а в какие можно не вникать
👉Декомпозирует работу так, чтобы люди могли работать автономно
👉Периодически ломает эту инкапсуляцию, чтобы происходил обмен знаниями

Те же самые практики с небольшими исправлениями работают и с агентами. И вот не надо только рассказывать про то, что люди отвечают за результат, а AI нет – да никто точно так же за свои ошибки ничем не отвечает.

Книга Александра Орлова про конфликты в открытом доступе

Книгу Александра Орлова про конструктивные конфликты я советовал еще в далеком 2022 году. Рекомендация с тех пор не изменилась – это очень дельная книга, которая поможет вам разобраться, как жить со всех сторон рабочего конфликта. Ну а самое классное – она очень прикладная, и кейсы вытащены прямо из нашей с вами реальности.

Так вот, книгу сейчас выложили в открытый доступ, поэтому, если вы с ней еще не познакомились, максимально рекомендую!

Внутренний гайд для менеджеров от Basecamp

Всегда люблю почитать хорошо написанные внутренние плейбуки, а от 37signals особенно интересно. Вот за что зацепился:

👉Менеджеры никак не влияют на зарплату, ее определяет только ежегодный общий бенчмаркинг. Премий тоже нет. Все на одной роли и уровне получают одинаково, независимо от локации и стажа.
👉Менеджер – не личный бесплатный терапевт. Разговоры о личных проблемах за пределами базовой эмпатии – к HR.
👉На one-to-one с новичками уходит 30-60 минут в неделю. С теми, кто уже освоился, типичная частота – раз в месяц.
👉Самый популярный вопрос для развития людей – "Давай разберем принятое тобой на этой неделе техническое решение", так растят умение рефлексировать и вкус.
👉При найме есть верхняя планка по количеству кандидатов, которых смотрит менеджер – 50 человек.

Самые важные социальные скиллы

Хоть я и довольно часто проявляю характеристики, которые обычно присущи экстравертам, я все-таки махровый интроверт. Общение с людьми чаще всего забирает у меня довольно много энергии, и большая часть ее уходит на постоянный анализ того, что происходит вокруг, и насколько корректно я реагирую на разные стимулы. Поэтому для меня пост – вообще золото, надеюсь, и вам понравится.

Несколько любимых правил из поста:

In most situations, you driving the conversation will lead to the best outcomes. (Note that driving the conversation does not necessarily mean it will be evident to others, or that you will be talking a lot.)

Figure out what someone is passionate about and keep mashing that button with deeper and deeper questions and excited curiosity.

In groups, early on, make jokes only at your own expense, not at the expense of others, until a humor dynamic is established.

Еще один подход к найму

1️⃣Кандидат работает над обычной фичей в своем проекте, но записывает весь процесс на видео. Цель – посмотреть на навыки работы с агентом и процесс мышления.
2️⃣Кандидату разворачивают облачное окружение с реальным проектом, над которым ему предстоит работать после найма. Там он должен разработать полноценную фичу и прислать PR на ревью. Эта часть процесса оплачивается, на нее дается 16 часов.
3️⃣Нанимающая команда пересматривает видео его работы, агентские сессии, и принимает решение о найме.

Не выступайте против своей команды

На любой встрече, где помимо вашей команды есть кто-то еще, всегда оставайтесь на ее стороне:

👉Если кто-то сказал фигню, не надо усугублять и устраивать разбор полетов там же.
👉Если кто-то потерял мысль или запутался, не надо бросать его без помощи.
👉Если кому-то задают сложные вопросы, на которые он не может ответить, не надо накидывать сверху еще и своих.
👉Если во время презентации на кого-то из вашей команды полетел негатив, не пытайтесь отстраниться так, чтобы он не попал на вас, или открыто показывать свое несогласие.

Короче говоря, никогда не разделяйте себя и команду при других людях – иначе это и по морали команды ударит, и по доверию между вами, и по отношению к вам других людей.

Но если все-таки что-то идет не так, вот какие варианты у вас есть:

👉Очень аккуратно перехватите инициативу по ведению встречи на себя, и попробуйте минимизировать ущерб.
👉Если все прямо совсем плохо, то вы можете остановить рассказ, предложить обсудить вместе позже, и потом вернуться с доработанной версией.
👉Можете честно сказать "мы еще не готовы обсуждать эту тему", и дальше встать в защитную позицию и принять удар на себя.

Исследование Linear про изменения в SDLC

Этот рисерч интересен тем, что его результаты получены не с помощью опроса, а прямо из продуктовых данных по тому, как реальные команды работают в Linear. В целом все инсайты ожидаемые, но вот эти два факта мне показались самыми полезными для того, чтобы ссылаться на них в будущем:

1️⃣ Среднее количество недельных PR на команду за последние два года выросло на 111%.
2️⃣Весь рост приходится только на команды, работающие с кодинг агентами.

Жалко, конечно, нет такого же графика по количеству заведенных регрессий...

Никогда не злитесь на работе

Злоба на что-то на работе обычно появляется не на ровном месте. Скорее всего, вы злитесь, потому что то, о чем вы сильно заботитесь, идет не так, как должно. А заботиться о своей работе – не такая плохая идея, особенно в начале карьеры, потому что это подталкивает вас работать над своими ошибками и именно так вы становитесь компетентным специалистом.

Проблемы начинаются в тот момент, когда то, о чем заботитесь вы, расходится с тем, о чем заботится ваша компания. Самый простой пример – для вас важно делать очень качественный продукт, а компании важно побыстрее выйти на несколько новых рынков и проверить свои идеи. Вы точно будете злиться, ведь вам не дают делать хорошо работу, о которой вы заботитесь.

У ситуации три выхода:

👉Найти другие вещи, о которых можно заботиться, за пределами своей работы.
👉Выровнять то, о чем заботитесь вы, с тем, о чем заботится компания. Другими словами, поймите и переключитесь на бизнесовые результаты.
👉Поменяйте работу на ту, где ценности будут совпадать с вашими.

Ну а злиться плохо не только для вашей менталочки, но и для людей вокруг – атмосфера становится токсичной, менее устойчивые люди начинают меньше выражать свое мнение, и в целом вас будут стараться избегать.

Как AI влияет на дублирование и переиспользование кода

Среди всех исследований того, как AI влияет на разработку, ежегодные отчеты от GitClear заметно выделяются. Дело в том, что у них есть доступ к очень классному корпусу данных – приватным git репозиториям разных компаний. И вот оттуда они вытаскивают ну очень интересные данные про то, как меняется работа с кодом и состояние кодовых баз.

Ну и дежурное напоминание – GitClear продает инструмент для кнтроля за качеством кода, поэтому, конечно же, их задача – напугать.

👉Процент файлов, содержащих дублирующиеся 5+ строк, вырос на 80% с 2023 года.
👉Доля коммитов, содержащих в себе перенос строк из одного файла в другой, упала на 70%.
👉Все меньше и меньше нового кода переиспользует существующие функции – доля строк, содержащих такие вызовы, упала на 35%.
👉Легаси код, написанный больше 12 месяцев назад, стали изменять или удалять еще реже – процент коммитов с такими изменениями упал с 1.7% до 0.46%.

Как вы думаете, что будет с джунами?

Последние годы рынок найма для джунов и так был сложным, а с приходом AI все как будто бы стало еще тяжелее – требования выросли, а получать опыт, когда код за тебя пишет машина, стало еще сложнее.

Я собрал мнения нескольких участников нашего Podlodka AI Engineers Club с большим опытом работы с джунами, и смотрящих с немного разных сторон индустрии. Кто такой хороший джун в 2026? Стали ли джуны, вооруженные агентами, более полезными, и быстрее приносить пользу команде? Что изменилось в механизме их обучения? По каким сигналам оценивать, становится ли джун сильнее, и когда он станет мидлом? И самое главное – есть ли вообще смысл их нанимать?

Читайте лонгрид, и рассказывайте про собственное мнение в комментариях!

Как считать ROI команды

Мы не очень хорошо справлялись с подсчетом окупаемости команды и раньше, а с появлением в картине дополнительных бюджетов на AI все стало еще сложнее.

После разных сумасшедших попыток считать ROI на потраченный токен сегодняшняя статья прямо золото. Основная идея в следующем:

👉Считаем стоимость команды как единого целого с учетом заралат и токенов
👉Привязываем команду к каузальной модели того, как бизнес приносит ценность, при необходимости через прокси-метрики

Самое сложное, конечно, это построить такую модель, и понять, а действительно ли ваша команда в ней существует – но это как раз очень полезное упражнение.

Новые выпуски тимлидских подкастов

Мне вообще не верится, что Подлодку я пишу уже почти ДЕСЯТЬ ЛЕТ. За это время подкасты в России успели набрать популярность, достичь своего пика в период ковида, а потом постепенно откатиться к адекватной норме. Сейчас люди продолжают слушать подкасты, но мало кто доходит больше, чем до 1-2 выпусков в неделю. Поэтому держите подборку, которую сможете слушать еще месяц вперед!

👉Бреслав и Ложечкин про типологии личности, и то, можно ли извлечь из них пользу, даже несмотря на их антинаучность.
👉"Три тимлида заходят в бар" про политические игры в корпорациях и то, как научиться в них не проигрывать.
👉"Едим слона целиком" про стратегическое мышление – из каких элементов состоит этот навык, и как его развивать.
👉Weekend Talk с Иваном Поддубным про то, как рабоатть всю карьеру в одной компании, и должен ли СТО писать код

У нас больше нет оправданий делать медленный софт

Оптимизации перфоманса, которые раньше требовали большого количества времени очень узких специалистов, сейчас стали доступны значительно шире – был бы бенчмарк, а дальше достаточно долго работающий агент найдет кучу точек для улучшения.

Про такой метод оптимизации важно понимать, что большая часть буста, который вы получите, будет заточенной именно под кейсы из бенча, и, скорее всего, не улучшать перфоманс в общем случае. Но в куче ситуаций нам это и не нужно. Не все продукты используются миллионами пользователей. Например, если у нас есть данные о том, как конкретные крупные кастомеры используют наш продукт, мы можем оптимизироваться чисто под них.

Раньше такая точечная оптимизация перфоманса почти никогда не была экономически выгодной. Сейчас провести несколько десятков экспериментов не стоит почти ничего – поэтому, правда, нет причин делать медленный софт и дальше.