PRO анализ в ИТ
前往频道在 Telegram
Канал о продуктовом мышлении, полезной работае с AI, системном и бизнес-анализе, архитектуре. Как выявлять реальные проблемы, строить работающие решения и не терять здравый смысл в IT. Все вопросы - @innokentyB
显示更多2 640
订阅者
-424 小时
-87 天
-930 天
数据加载中...
相似频道
标签云
进出提及
---
---
---
---
---
---
吸引订阅者
七月 '26
七月 '26
+26
在1个频道中
六月 '26
+29
在0个频道中
Get PRO
五月 '26
+75
在0个频道中
Get PRO
四月 '26
+66
在0个频道中
Get PRO
三月 '26
+25
在0个频道中
Get PRO
二月 '26
+95
在0个频道中
Get PRO
一月 '26
+36
在2个频道中
Get PRO
十二月 '25
+105
在3个频道中
Get PRO
十一月 '25
+158
在2个频道中
Get PRO
十月 '25
+181
在3个频道中
Get PRO
九月 '25
+134
在3个频道中
Get PRO
八月 '25
+31
在0个频道中
Get PRO
七月 '25
+57
在1个频道中
Get PRO
六月 '25
+106
在1个频道中
Get PRO
五月 '25
+54
在2个频道中
Get PRO
四月 '25
+45
在0个频道中
Get PRO
三月 '25
+39
在1个频道中
Get PRO
二月 '25
+127
在6个频道中
Get PRO
一月 '25
+55
在1个频道中
Get PRO
十二月 '24
+43
在2个频道中
Get PRO
十一月 '24
+48
在0个频道中
Get PRO
十月 '24
+66
在0个频道中
Get PRO
九月 '24
+92
在1个频道中
Get PRO
八月 '24
+100
在0个频道中
Get PRO
七月 '24
+82
在1个频道中
Get PRO
六月 '24
+82
在0个频道中
Get PRO
五月 '24
+176
在2个频道中
Get PRO
四月 '24
+75
在0个频道中
Get PRO
三月 '24
+120
在0个频道中
Get PRO
二月 '24
+98
在0个频道中
Get PRO
一月 '24
+114
在0个频道中
Get PRO
十二月 '23
+127
在0个频道中
Get PRO
十一月 '23
+89
在0个频道中
Get PRO
十月 '23
+163
在1个频道中
Get PRO
九月 '23
+68
在0个频道中
Get PRO
八月 '23
+79
在0个频道中
Get PRO
七月 '23
+57
在0个频道中
Get PRO
六月 '23
+82
在0个频道中
Get PRO
五月 '23
+57
在0个频道中
Get PRO
四月 '23
+76
在0个频道中
Get PRO
三月 '23
+586
在0个频道中
| 日期 | 订阅者增长 | 提及 | 频道 | |
| 28 七月 | +2 | |||
| 27 七月 | 0 | |||
| 26 七月 | 0 | |||
| 25 七月 | 0 | |||
| 24 七月 | +1 | |||
| 23 七月 | 0 | |||
| 22 七月 | 0 | |||
| 21 七月 | 0 | |||
| 20 七月 | +1 | |||
| 19 七月 | +1 | |||
| 18 七月 | 0 | |||
| 17 七月 | +1 | |||
| 16 七月 | +1 | |||
| 15 七月 | +1 | |||
| 14 七月 | 0 | |||
| 13 七月 | +1 | |||
| 12 七月 | 0 | |||
| 11 七月 | +1 | |||
| 10 七月 | +1 | |||
| 09 七月 | +1 | |||
| 08 七月 | +3 | |||
| 07 七月 | +3 | |||
| 06 七月 | +1 | |||
| 05 七月 | 0 | |||
| 04 七月 | +2 | |||
| 03 七月 | +4 | |||
| 02 七月 | 0 | |||
| 01 七月 | +1 |
频道帖子
Repost from Data Secrets
+1Впервые в истории люди оказываются дешевле софта
Аналитики из a16z свели данные по затратам на ИИ в компаниях и нарисовали вот такие интересные картинки. Если кратко, они посчитали, что в топ-1% компаниях распределения расходы на ИИ-токены в расчете на одного сотрудника практически сравнялись с средней годовой зарплатой инженера.
При этом за последнее время рост был экспоненциальным, так что при таком векторе развития к концу года инженеры уже будут сильно проигрывать LLMкам в зарплате. Забавно, правда? Нам-то обещали, что будет наоборот.
И это речь только про явные затраты. Если копнуть глубже, то оказывается, что помимо затрат на токены ИИ также генерирует множество новых рабочих мест: второй график показывает, что компании с высокой интенсивностью использования ИИ за 2 года после внедрения нарастили штат на +10,2%, тогда как компании с низкими расходами на ИИ остались практически на месте, штат почти не изменился. (Но это всего лишь корреляция, которая может объясняться и другими факторами.)
www.a16z.news/p/the-next-ai-goldrush-tokens-loops
| 2 | Внезапно тут выяснилось, что кожаные все таки дешевле ИИ.
Но как мне кажется, проблема в первую очередь в том, что люди не меряют, где ИИ стоит применять, а где нет и пихают его везде и средняя температура по больнице выходит именно вот такой.
Да, если полностью писать код ИИ, то он выйдет дороже, чем его писал бы разраб, потому что куча исправлений, недосмотров и багов. Но есть работать в подходе предварительного планирования и грамотного выбора моделей под задачу (под планирование топовые модели, а под обычные код задачи и простенькие), то внезапно можно и 100 баксами в месяц обойтись.
Я вот в подмастерьи так и делаю сейчас - компоную маленькие модельки под простые локальные задачи, а сложное можно и в большие ЛЛМ отправлять | 98 |
| 3 | Шаблон Source map — открыт и бесплатен.
Внутри: структура таблицы (источник, владелец, дата, статус актуальности, противоречия), заполненный worked example на кейсе Acme Pay и чек-лист типовых ошибок инвентаризации.
Зачем он нужен: первые 15–20 минут новой задачи стоит тратить не на чтение источников подряд, а на их карту. Дыры и противоречия видны до старта, каждое требование получает адрес, ИИ перестаёт собирать требования из устаревшей вики.
Забрать шаблон и как с ним работать
Это первый шаг метода source map → SCP → Review Findings → Task Pack. Шаблоны следующих артефактов — на подходе (SCP — в августе). | 1 |
| 4 | Запилил статью на VC про метод TDPD, зацените https://vc.ru/id6010996/3045528-test-driven-product-development-kak-ya-perestal-proveryat-kazhduyu-strochku-za-ai-agentami | 191 |
| 5 | Читатель Use Case: дайджест за 3 дня
Дата отбора: 2026-07-26
5 лучших материалов:
1. The importance of active listening in the role of a Business Analyst - Requirements Engineering Magazine
https://re-magazine.ireb.org/articles/the-importance-of-active-listening-in-the-role-of-a-business-analyst
2. Modernize Java with Cursor and GitLab
https://about.gitlab.com/blog/modernize-java-with-cursor-and-gitlab/
3. Building search-based RAG using Claude, Datasette and Val Town
https://simonwillison.net/2024/Jun/21/search-based-rag/#atom-tag
4. RMMi 1.0: A New Maturity Model for Requirements Engineering - Requirements Engineering Magazine
https://re-magazine.ireb.org/articles/rmmi-1-0-a-new-maturity-model-for-requirements-engineering
5. Integrating User-Centric Design in Business Analysis - Requirements Engineering Magazine
https://re-magazine.ireb.org/articles/integrating-user-centric-design-in-business-analysis
Статья дня:
The importance of active listening in the role of a Business Analyst - Requirements Engineering Magazine
https://re-magazine.ireb.org/articles/the-importance-of-active-listening-in-the-role-of-a-business-analyst
Разбор:
IREB напоминает очевидное, которое в проектах почему-то регулярно забывают: бизнес-аналитик ценен не тем, что «собирает требования», а тем, что умеет слушать.
Сильная мысль статьи — качество требований начинается не с шаблонов, а с качества разговора: перефразирование, уточнение контекста, проверка скрытых допущений. Это особенно актуально сейчас, когда команды тонут не в нехватке инструментов, а в плохой коммуникации между бизнесом и IT.
Но статья слишком общая. Она почти не отвечает на практические вопросы: как измерить эффект active listening, где граница между вниманием и затягиванием интервью, что делать, если проблема не в BA, а в конфликте интересов и отсутствии decision rights.
Полезный вывод: active listening — это не soft skill «для галочки», а базовая техника снижения риска в requirements engineering. Но без конкретных практик и организационного контекста это остаётся красивым советом, а не методикой.
Источник: https://re-magazine.ireb.org/articles/the-importance-of-active-listening-in-the-role-of-a-business-analyst | 218 |
| 6 | А еще я потихоньку оживляю Читателя юз кейсов с обзорами на статьи. Подключил 8 источников, планирую добавлять, ну а если вы знаете где еще живут хорошие статьи - пишите в комментах | 200 |
| 7 | В глоссарии вышла четвёртая страница метода — Task Pack.
Это финальный артефакт цикла: source map → System Context Pack → Review Findings → Task Pack. Заготовка постановки, которая в отличие от финального ТЗ сохраняет открытые вопросы и трассируемость до источников: каждое требование — с цитатой, каждое «мы не уверены» — явно.
Чем Task Pack отличается от ТЗ и SDD, что внутри и как он живёт дольше самого ТЗ: https://analystcraft.ru/blog/glossary/task-pack
Теперь весь метод описан в глоссарии — все четыре артефакта со ссылками друг на друга. | 256 |
| 8 | Первое занятие второго потока — готово. 🔥
Вчера провели первое, открытое занятие интенсива. Если не успели присоединиться — запись уже доступна, очень рекомендую посмотреть.
Не обошлось без маленького факапа: запись почему-то не стартовала автоматически, поэтому самое начало пришлось запускать вручную. К счастью, потеряли буквально несколько первых минут, а дальше всё прошло именно так, как хотелось.
Что особенно понравилось — атмосфера. Вместо того чтобы просто слушать лекцию, большинство ребят пришли со своими задачами. Мы разбирали не абстрактные примеры, а реальные рабочие кейсы, вокруг которых и будет строиться весь интенсив. Сейчас каждый уже выбирает проект, с которым будет работать ближайшие шесть недель.
И, пожалуй, главным открытием для меня стали сами модели.
Ещё буквально пару месяцев назад LLM очень плохо справлялись с поиском противоречий в нескольких формализованных источниках. Если дать им PDF, Confluence, API-контракт и переписку, они скорее сглаживали различия, чем честно показывали конфликты.
Сегодня ситуация уже совсем другая.
И ChatGPT, и неожиданно Kimi 2.6 начали довольно уверенно находить расхождения между источниками. Пока это не идеальный уровень, но прогресс оказался настолько заметным, что я прямо по ходу курса решил немного изменить программу.
Теперь меньше времени будем тратить на разговоры о том, какую нейросеть выбрать и как написать идеальный промпт.
Гораздо интереснее научиться правильно собирать контекст проекта. Потому что именно от качества контекста сегодня всё сильнее зависит качество результата.
Если честно, это даже хорошая новость.
Значит, роль аналитика всё больше смещается от «оператора нейросети» к человеку, который умеет собрать правильные источники, поставить правильную задачу и принять правильное инженерное решение.
Именно этому и будем учиться дальше.
Если всё ещё думаете, присоединяться или нет — запись первого занятия уже доступна (Ютуб, Рутуб). Пока ещё можно спокойно влиться в поток без ощущения, что вы что-то пропустили. 🚀 | 288 |
| 9 | А я напомню, что открытое занятие через полчаса. Еще можно зарегистрироваться и запрыгнуть на занятие - абсолютно бесплатно!
https://analystcraft.ru/vibe-analytics#open-session | 289 |
| 10 |  Кажется, мой процесс разработки окончательно изменился.
Раньше я думал в первую очередь про spec-driven development. Хорошая спецификация, понятная архитектура, потом реализация.
Сейчас всё больше ловлю себя на другом подходе. Если попробовать его описать, то получится что-то вроде test-driven product development.
Мой пайплайн сейчас выглядит примерно так:
Бизнес-проблема. Зачем вообще существует эта фича? Какую проблему она решает? Какие метрики должны измениться?
Спецификация. Что именно мы строим и как это должно работать.
Пользовательские сценарии. Не функции системы, а реальные действия пользователя.
End-to-end тесты. Каждый сценарий превращается в автоматический тест. Пока он не проходит — задача считается незавершённой.
И только после этого начинается разработка.
Самое интересное, что с появлением AI у меня поменялось не только начало процесса, но и моя собственная роль.
Раньше я постоянно смотрел промежуточный результат.
Агент что-то написал.
— «Нет, не так.»
Переделал.
— «Опять не так.»
И так по кругу десятки раз.
В какой-то момент я понял, что это очень дорогой способ работы. Я трачу время не на инженерные решения, а на бесконечное ревью промежуточных состояний.
Теперь я практически не вмешиваюсь в процесс реализации.
Моя работа — спроектировать систему, определить пользовательские сценарии и описать ожидаемое поведение. Дальше агенты могут переписывать код хоть двадцать раз — мне всё равно, пока они не пройдут все проверки.
Конечно, это не означает отсутствие контроля. Архитектурные агенты следят за структурой проекта, другие проверяют качество кода, линтеры, тесты и всё остальное. Но я подключаюсь только в двух точках.
В начале — когда принимаются архитектурные решения.
И в конце — когда прохожу UAT и отвечаю на вопрос: решает ли продукт ту проблему, ради которой вообще начиналась разработка?
Наверное, именно так я сегодня представляю себе работу продуктового инженера в эпоху AI.
Чем меньше времени ты тратишь на проверку каждой строчки кода, тем больше можешь уделить архитектуре, пользовательским сценариям и качеству конечного решения.
Кстати, именно такой подход мы будем подробно разбирать на Vibe Аналитике. Не с точки зрения “как написать промпт”, а с точки зрения того, как перестроить весь процесс разработки, когда код всё чаще пишет не человек, а агент. | 302 |
| 11 | Сегодня последний день early bird на Вайб-аналитику v2.
До 23:59 МСК цена — 19 900 ₽. С 21 июля — 24 900 ₽.
Старт: среда, 22 июля, 19:00 МСК. Первое занятие открытое.
Что делаем за 6 недель:
1. Собираем source map по реальному проекту.
2. Строим System Context Pack.
3. Ищем Review Findings: противоречия, пробелы, неоднозначности, риски.
4. Собираем Task Pack как рабочую заготовку решения.
5. Упаковываем результат так, чтобы с ним можно было идти к команде, PM или заказчику.
Фокус не в том, чтобы попросить AI написать требования. Фокус в том, чтобы построить вокруг проекта управляемый AI Workspace, где видно, на какие источники опирается вывод и где человек должен принять решение.
Страница интенсива: https://analystcraft.ru/vibe-analytics?utm_source=telegram&utm_medium=social&utm_campaign=vibe_analytics_v2&utm_content=early_bird_lastday_20 | 310 |
| 12 | Для Вайб-аналитики лучше всего подходят задачи, которые давно лежат и никак не становятся понятными.
Не «хочу попробовать нейронки». А вот это:
1. Есть проект, где источники расползлись: Confluence, PDF, переписки, Git, устные договорённости.
2. Есть решение, но непонятно, на каких допущениях оно держится.
3. Нужно подготовить постановку, но каждый заход начинается с повторного чтения старых документов.
4. Хочется собрать AI Workspace под свою работу, а не играть в один длинный промпт.
5. Есть идея продукта, внутреннего инструмента или прототипа, но нет дисциплины довести её до внятного артефакта.
Плохой кандидат: идеальная учебная задача без сопротивления. Там всё получится красиво, но мало что изменится в работе.
Хороший кандидат: настоящий комок контекста, где часть источников устарела, часть конфликтует, часть живёт только в голове команды.
Стартуем 22 июля, по средам в 19:00 МСК. Первое занятие открытое.
Программа: https://analystcraft.ru/vibe-analytics?utm_source=telegram&utm_medium=social&utm_campaign=vibe_analytics_v2&utm_content=founder_project_fit_17 | 409 |
| 13 | Прочитал статью Альфа-Банка про AI-агентов для аналитиков:
https://habr.com/ru/companies/alfa/articles/1059296/
Хороший материал. Не потому что там "AI победил аналитику". Там как раз виден обратный вывод: если агенту не дать процесс, он быстро начинает уверенно переносить ошибку из раннего шага в финальный документ.
Мне это близко. Я долго упирался в ту же стену: модель может красиво написать постановку, но постановка — это не текст. Это набор решений, и часть этих решений нельзя делегировать машине.
Поэтому в Подмастерье я всё больше ухожу от идеи "агент делает за аналитика" к другой рамке:
— собрать источники;
— показать противоречия;
— отделить факты от вопросов;
— подготовить заготовку;
— остановиться там, где нужен человек.
Мне кажется, это и есть зрелая форма AI для аналитика. Не волшебная кнопка, а рабочая среда, которая дисциплинирует процесс.
В среду, 22 июля в 19:00 МСК, делаю открытое первое занятие «Вайб-аналитики v2». Будем разбирать именно это: как собрать AI Workspace вокруг проекта так, чтобы он помогал думать, а не производил убедительную кашу.
Программа:
https://analystcraft.ru/vibe-analytics?utm_source=telegram&utm_medium=social&utm_campaign=vibe_analytics_v2&utm_content=founder_alfa_habr_16 | 431 |
| 14 | 🚀 Открываю набор на второй поток «Вайб-аналитики v2».
Стартуем 22 июля в 19:00 МСК.
В этот раз курс будет идти в новом ритме — шесть сред подряд:
📅 22.07 → 29.07 → 05.08 → 12.08 → 19.08 → 26.08
Я сознательно перенес занятия на середину недели. Хочется, чтобы между встречами оставалось время не только посмотреть материал, но и попробовать его на своем проекте, задать вопросы, обсудить результаты и прийти на следующую встречу уже с новым опытом.
Это не интенсив, где нужно просто успевать за программой. Это практикум, в котором каждое занятие становится основой для следующего.
Что будем делать?
За шесть недель построим собственный AI Workspace для работы аналитика.
Не просто научимся писать промпты, а разберемся, как использовать AI как инженерный инструмент:
• работать с проектным контекстом;
• собирать и анализировать источники;
• находить противоречия и пробелы;
• строить агентные пайплайны;
• готовить черновики решений, сохраняя принятие решений за человеком.
Первое занятие будет открытым.
Поговорим о том, как меняется роль аналитика в эпоху AI и почему главный навык сегодня — это уже не умение написать хороший промпт, а умение построить рабочее пространство вокруг своих задач.
Если давно хотели разобраться, как превратить ChatGPT, Claude, Gemini и другие инструменты в систему, которая действительно помогает в ежедневной работе, — буду рад видеть вас на курсе.
👉 Программа и регистрация:
https://analystcraft.ru/vibe-analytics?utm_source=telegram&utm_medium=social&utm_campaign=vibe_analytics_v2&utm_content=founder_wednesday_move_15 | 381 |
| 15 | 🔥 Немного новостей от "фаундера" (пока еще самозванец не позволяет убрать кавычки 😂).
Последние недели были довольно насыщенными, поэтому решил собрать всё в одном месте.
Во-первых, почти всё свободное время сейчас уходит на «Подмастерье аналитика». Оно всё ещё находится в альфа-стадии, и, если честно, для меня стало сюрпризом, сколько времени занимает не разработка, а тестирование. Кажется, написать код было проще, чем проверить все сценарии и привести их в состояние, когда не стыдно показать другим.
Но это, наверное, и есть нормальный путь. Очень надеюсь, что совсем скоро открою альфа-доступ, чтобы вы тоже смогли попробовать Подмастерье на своих проектах. Очень рассчитываю на вашу обратную связь — уверен, после первых пользователей продукт станет намного лучше.
Параллельно решил серьёзно заняться контентом. Потихоньку оживает Telegram-канал «Аналитик, который думал». Пока только набираю темп, но хочется сделать его местом, где можно спокойно обсуждать аналитику, AI и инженерную работу без бесконечного инфошума.
Запустил и сообщество во ВКонтакте и для мастерской тоже. Там контент будет немного отличаться от Telegram: больше материалов про обучение, продукты и практические вещи. Если пользуетесь ВК — присоединяйтесь.
Ещё из хорошего — написал две статьи на VC и наконец-то полностью переделал сайт. Теперь это уже не конструктор, а собственный сайт, который можно развивать так, как хочется. Если вдруг найдете баги, странности или что-то, что работает не так, обязательно напишите. Для меня сейчас это очень ценная помощь.
Из того, что остаётся неизменным, — продолжаю заниматься менторством. Сейчас есть два свободных места. Если давно хотели разобраться, куда двигаться аналитику в эпоху AI, как перестроить свою работу или обсудить карьеру — буду рад помочь.
Ну и напоследок небольшая новость.
🚀 Завтра открываю запись на второй поток интенсива по Vibe-аналитике.
За первый поток программа успела сильно измениться. Добавилось много практики, работы с агентами, AI Workspace и реальными кейсами. Кажется, второй поток получится заметно сильнее первого.
Спасибо всем, кто читает, спорит, тестирует идеи и помогает обратной связью. Без этого всего «Подмастерье» и вся AnalystCraft развивались бы намного медленнее. ❤️ | 455 |
| 16 |  Tech Analyst Meetup. Неизданное
Так, мы не закончили. Сложно впихнуть в один митап все самое интересное, поэтому продолжаем во вторник. Будем встраивать Cursor в работу аналитика, обезличивать запросы ко внешним LLM, учиться безопасно использовать AI в суровом энтерпрайзе.
Программа:
• Светлана Шакутина, Orion Soft — Встраиваем Cursor в повседневную работу системного аналитика
• Никита Харичкин, Альфа Банк — Когда лень, лепи пеLLMень: AI workaround на минималках
📆 7 июля, вторник, 18:30 мск
🔗 Регайтесь в ботике, это бесплатно | 495 |
| 17 | А тут у митапа, где я рассказывал про Подмастерье завтра будет продолжение, успевайте зарегаться | 465 |
| 18 | Когда люди говорят про себя или свой софт "Enterprise" они обычно имеют в виду "сложные задачи, качественное и безопасное решение". Я слышу: "безобразный UX, устаревшие технологии, негибкое использование, сотни разработчиков там, где могли бы справиться трое". | 483 |
| 19 | У кого так же?) | 538 |
| 20 |  Подмастерье не пишет постановку за аналитика. И это, наверное, самое важное решение, которое я принял за последние полгода.
Когда я только начинал делать Подмастерье, идея была совсем другой. Мне казалось, что идеальный AI-напарник должен сам собрать контекст проекта, разобраться в требованиях, написать готовую постановку, а аналитик лишь быстро её просмотрит и отправит в разработку. Звучало очень логично. Более того, именно такой прототип я и сделал первым.
Потом я показал его трем разным командам. И довольно быстро понял, что не работает. Причём проблема была совсем не в моделях. GPT, Claude и Gemini уже умеют писать вполне приличные документы. Проблема оказалась глубже.
Я вдруг поймал себя на мысли, что постановка — это вообще не про текст. Это про принятие решений. Аналитик постоянно выбирает, что важно, а что нет, какие ограничения обязательно проговорить, где стоит подсветить риск, а где не перегружать документ деталями. Даже когда два источника противоречат друг другу, нужно не просто показать расхождение, а решить, как с ним жить дальше.
И вот здесь я понял, что именно эту работу отдавать ИИ нельзя.
Зато есть другая часть работы, в которой он оказался неожиданно хорош. Он действительно отлично собирает контекст, находит противоречия, связывает между собой документы, подсвечивает пробелы и делает всё то, на что у аналитика обычно уходят часы.
В какой-то момент стало понятно, что я пытался автоматизировать не ту часть процесса.
С тех пор принцип очень простой: Подмастерье ищет. Мастер решает.
Наверное, именно эта фраза лучше всего описывает то, что я в итоге строю. Не систему, которая принимает решения вместо аналитика, а инструмент, который снимает с него самую утомительную и механическую часть работы. Потому что ценность аналитика сегодня — уже не в том, чтобы собрать информацию. Ценность в том, чтобы принять правильное решение на её основе. | 736 |
