ch
Feedback
Программисты делают бизнес

Программисты делают бизнес

前往频道在 Telegram

Блог основателей и сотрудников компании KTS. Не душно о бизнесе, проджект менеджменте и разработке. https://kts.tech Также мы: @inside_ai_tech, @metaclass, @kts_specials, @kod_v_kaske Welcome!

显示更多
3 989
订阅者
+324 小时
+157
+2230
吸引订阅者
六月 '26
六月 '26
+79
在3个频道中
五月 '26
+63
在2个频道中
Get PRO
四月 '26
+61
在2个频道中
Get PRO
三月 '26
+110
在2个频道中
Get PRO
二月 '26
+95
在0个频道中
Get PRO
一月 '26
+155
在1个频道中
Get PRO
十二月 '25
+104
在0个频道中
Get PRO
十一月 '25
+116
在3个频道中
Get PRO
十月 '25
+189
在2个频道中
Get PRO
九月 '25
+140
在4个频道中
Get PRO
八月 '25
+259
在5个频道中
Get PRO
七月 '25
+140
在0个频道中
Get PRO
六月 '25
+202
在3个频道中
Get PRO
五月 '25
+225
在4个频道中
Get PRO
四月 '25
+222
在2个频道中
Get PRO
三月 '25
+105
在2个频道中
Get PRO
二月 '25
+92
在2个频道中
Get PRO
一月 '25
+73
在1个频道中
Get PRO
十二月 '24
+80
在2个频道中
Get PRO
十一月 '24
+91
在5个频道中
Get PRO
十月 '24
+92
在1个频道中
Get PRO
九月 '24
+68
在0个频道中
Get PRO
八月 '24
+66
在2个频道中
Get PRO
七月 '24
+87
在0个频道中
Get PRO
六月 '24
+99
在0个频道中
Get PRO
五月 '24
+65
在0个频道中
Get PRO
四月 '24
+83
在0个频道中
Get PRO
三月 '24
+67
在4个频道中
Get PRO
二月 '24
+72
在3个频道中
Get PRO
一月 '24
+54
在0个频道中
Get PRO
十二月 '23
+65
在0个频道中
Get PRO
十一月 '23
+64
在0个频道中
Get PRO
十月 '23
+88
在2个频道中
Get PRO
九月 '23
+86
在0个频道中
Get PRO
八月 '23
+97
在0个频道中
Get PRO
七月 '23
+64
在0个频道中
Get PRO
六月 '23
+85
在0个频道中
Get PRO
五月 '23
+205
在0个频道中
Get PRO
四月 '23
+62
在0个频道中
Get PRO
三月 '23
+51
在0个频道中
Get PRO
二月 '23
+68
在0个频道中
Get PRO
一月 '23
+110
在0个频道中
Get PRO
十二月 '22
+184
在0个频道中
Get PRO
十一月 '22
+139
在0个频道中
Get PRO
十月 '22
+104
在0个频道中
Get PRO
九月 '22
+104
在0个频道中
Get PRO
八月 '22
+178
在0个频道中
Get PRO
七月 '22
+49
在0个频道中
Get PRO
六月 '22
+268
在0个频道中
Get PRO
五月 '22
+30
在0个频道中
Get PRO
四月 '22
+57
在0个频道中
Get PRO
三月 '22
+136
在0个频道中
Get PRO
二月 '22
+155
在0个频道中
Get PRO
一月 '22
+193
在0个频道中
Get PRO
十二月 '21
+55
在0个频道中
Get PRO
十一月 '21
+15
在0个频道中
Get PRO
十月 '21
+92
在0个频道中
Get PRO
九月 '21
+30
在0个频道中
Get PRO
八月 '21
+154
在0个频道中
Get PRO
七月 '21
+28
在0个频道中
Get PRO
六月 '21
+210
在0个频道中
Get PRO
五月 '21
+491
在0个频道中
Get PRO
四月 '21
+431
在0个频道中
日期
订阅者增长
提及
频道
29 六月+2
28 六月+3
27 六月+2
26 六月+4
25 六月+7
24 六月+1
23 六月+4
22 六月+6
21 六月0
20 六月+3
19 六月+1
18 六月+2
17 六月+2
16 六月0
15 六月+7
14 六月+2
13 六月+4
12 六月+2
11 六月+3
10 六月+3
09 六月+3
08 六月+1
07 六月+2
06 六月+3
05 六月0
04 六月+2
03 六月0
02 六月+2
01 六月+8
频道帖子
Корпоративное ПО в эпоху AI 8 месяцев назад мы с коллегами обсуждали выбор ПО для автоматизации части внутренних процессов. Мы были в классической ситуации, которую сами помогаем решать нашим клиентам: каждый отдел использует свои инструменты разного уровня автоматизации — от экселек с аппскриптами до специализированного ПО под конкретные задачи. Типичная «лоскутная автоматизация». Мастер-данные при этом не хранятся в единой системе: сотрудники в 1С, клиенты в CRM, финансы в агрегаторе, отчетность в таблицах, ДО и КЭДО в отдельных сервисах, управление проектами в трекере. Все это помазано сверху самописными сервисами, которые перекладывают данные между системами. Мы, как и наши клиенты, встали перед выбором: либо делать кастомную систему, либо покупать коробочное решение. Прикинув, что коробочное обойдется, скорее всего, дешевле, мы начали смотреть варианты. И пока выбирали, я начал переделывать одну из систем для хранения маркетинговых данных с no-code на самописную. А мы все еще выбирали, смотрели альтернативы. Любые из них, как и полагается коробкам, были не совсем подходящими для наших данных и процессов. Мы начали обсуждать, как будем натягивать потенциальное решение на текущие системы, что придется поменять в процессах и какие системы придется сделать для синхронизации текущих источников данных. Тем временем вышел Opus 4.5, я смог достаточно качественно «кодить» в перерывах между звонками по 5–10 минут, моя самописная система разрасталась и уже покрывала несколько важных процессов. Затем прошел этап внедрения. Часть администраторов проектов стали работать в моей системе. Постепенно к созданию системы подключились и другие разработчики. За несколько месяцев довели продукт до продакшн-уровня, заместили часть текущих систем, выработали подходы к работе и документации для еще более быстрой разработки и даже дали менеджерам делать простые инструменты (не затрагивающие кор-функционал) под себя самостоятельно через согласование спецификаций. Это дало кратный буст и уже значительно сказалось на бизнесе: от прямой экономии ФОТ (проще всего посчитать в экономике) до онлайн-мониторинга показателей и сокращения времени принятия управленческих решений. Всего за несколько месяцев я увидел, как капитализировалась большая часть нашего опыта, данных, процессов, живущих до этого в головах, документах и разрозненных системах. Более того, благодаря подключению «нетехнарей» получилось сократить цикл создания ценности в продукте: бизнес-пользователи лучше всего знают свои процессы, и теперь они могут не рассказывать аналитикам, что же нужно сделать, чтобы аналитики написали ТЗ, передали его в разработку и т. д. Теперь они сами часто пишут ТЗ, согласуют его и реализуют нужный им функционал. (Для скептиков: не пугайтесь, есть гардрейлы и централизованная архитектура, а эффект от распараллеливания кратно превосходит риски.) Раньше это было невозможно в принципе. Сейчас, при правильной подготовке, это дает намного больший синергичный эффект для бизнеса, чем классическая лоскутная автоматизация из кучи коробочных решений. Видимо, нас ждет новая эра расцвета кастомной автоматизации, где даже небольшие компании смогут делать ПО под свои процессы, тогда как раньше даже не подумали бы об этом. #сергей_чернобровкин 😊

2
Как AI превращает проджекта в «десятикратного» менеджера Раньше наш стандартный трек внутренней автоматизации выглядел так: анализируем процесс, описываем его, аналитики структурируют, составляем ТЗ. Потом разрабатываем, тестируем, делаем приёмку. А после — внедрение, и… новый цикл доработок. В итоге процесс растягивался на месяцы. И это у проактивных менеджеров, которые пушат всех. За это время у команды пропадал запал — долго, сложно, копится усталость. Сейчас я вижу сильное изменение: менеджеры, у которых нет жёстких блоков «надо всё делегировать разработчикам» и «код не моё дело» получают в руки очень мощный инструмент — нейронки. Опытный менеджер уже умеет формулировать требования, понимает, что поедет, и как это внедрять. Раньше процесс упирался в зависимость от разработчика. А теперь менеджер сам ставит задачу, сразу валидирует, поедет ли решение в таком виде, и тут же фиксит. Это работает особенно мощно, если команда выстроила предсказуемый пайплайн: доработки не ломают всё, их можно изолированно тестировать и быстро катить. В результате мы получаем «десятикратных» менеджеров — с помощью AI они дают в 10 раз больше результата. По аналогии с «десятикратными» программистам из книги «Мифический человеко-месяц» Фредерика Брукса. Например, наш финдиректор долго ждала доработок от разработчиков, чтобы автоматизировать несколько сценариев в гугл-таблицах. С помощью ИИ допилила инструмент сама: подтягивает нужные данные, агрегирует, настраивает под себя. Чтобы получить такой результат, важны две вещи: — понять, что мир изменился, и сломать внутренний блокер «я должен делегировать это разработчикам» — выстроить предсказуемую работу с ИИ и обеспечить среду, в которой можно итеративно пробовать, не боясь всё сломать. В доработках, где нет сложных интеграций и асинхронных операций, с задачей справляется человек, который умеет формулировать, что ему нужно. В результате скорость изменений внутренних процессов кратно растёт. То, что раньше требовало участия разработчиков и занимало квартал, сейчас можно внедрить за неделю. #максим_павлов 😀 #менеджментkts
729
3
😎 Как запустить AI-агента и не утонуть в инфраструктуре В enterprise AI-агенты часто превращаются в проект на месяцы: данные, интеграции, качество, безопасность. Масштабировать сценарии при таком подходе сложно — каждый раз приходится проходить этот цикл заново. Для тех, кто хочет запускать агентов в закрытом контуре за пару часов, а не за пару месяцев, мы развиваем AI Platform. Внутри — готовая инфраструктура для быстрой проверки гипотез и масштабирования: Агентская платформа ускоряет деплой до нескольких часов: новое решение не требует разработки с нуля, обновления выкатываются автоматически после проверки качества, а длинные сценарии не падают на середине из-за одной ошибки. Есть статистика по каждому запросу: какие инструменты использовались, время, стоимость. Платформа данных объединяет разрозненные источники в структурированную базу знаний. Система учитывает права доступа и правила безопасности — агент видит только ту информацию, которая доступна конкретному пользователю. Чувствительная информация остается внутри корпоративного контура. LLM-платформа помогает управлять разными моделями и контролировать безопасность, качество и бюджет. Запросы распределяются между внутренней инфраструктурой, российскими облаками и внешними моделями по заданным правилам. Подробнее о том, как устроена AI Platform, рассказываем на сайте: kts.tech/ai-platform
979
4
Когда опыт в менеджменте мешает Показательный кейс: сейчас помогаю с онбордингом менеджера в одном из наших юнитов. Небольшая команда, высокая скорость, нет жёсткого разделения обязанностей, «все делают всё». Разбираемся вместе, как выстроить менеджмент в таких условиях. Руководитель юнита поставил менеджеру задачу: по краткому перечню работ описать критерии приёмки, definition of done. Предметная область сложная — без технического специалиста сходу не разберёшься. Предложил менеджеру использовать для этой задачи AI-инструменты, так как привык так делать сам. У опытного менеджера здесь два привычных пути. Первый — классическое делегирование. Подключить технарей, распределить задания, выстроить приёмку общего результата. Второй — сделать самому. Большой контекст, нет смысла погружать специалистов. Менеджер выбрал этот вариант: потратил день-два, детально проработал материал с помощью AI и пришёл с финальным артефактом. Когда начали смотреть вместе с руководителем юнита, оказалось, надо много переделывать. Но главное не это. Выяснилось, что руководитель уже перестроил своё мышление и изначально ждал не готовый результат, а черновик от нейронки. Чтобы вместе докрутить то, что не понравится, прямо на встрече. И здесь появляется третий путь. Он меняет саму ткань делегирования, сам производственный процесс. AI генерирует ровную базу за минуту. Менеджер докручивает по своим критериям — убирает очевидно слабые места, задаёт направление. И приходит с этим черновиком на обсуждение. Дальше вместе правим на ходу. Реальная экономия уже не в том, что кто-то один тратит время и приносит готовый результат. А в том, чтобы не начинать с чистого листа. Менеджер признался, что жёстко прочувствовал эффект. Это не просто написать текст быстрее с помощью ИИ, а изменение собственных паттернов поведения. Когда годами работаешь на опыте, сложно в моменте включить голову и принять решение, как делать дальше. В этом и есть, пожалуй, главный вызов. Не научиться пользоваться новыми инструментами — это несложно. А разобраться, в каких местах накопленный опыт теперь скорее мешает. Там, где раньше не нужно было думать, потому что ответ и так был очевиден — теперь стоит остановиться и спросить себя заново. #максим_павлов 😀 #менеджментkts
1 023
5
От RAG до агентов: что бизнес ждет от AI? В подкасте «Большой разговор про AI» Александр Опрышко, сооснователь KTS, рассказал, как AI уже меняет разработку и digital-рынок: от оцифровки базы знаний к агентам конкретных действий, от отдельных ассистентов к AI-центричному подходу в SDLC. Обсудили: ▫️почему компании так активно смотрят в сторону RAG, ассистентов проектировщиков и аналитики? ▫️как бизнес оценивает эффективность AI-проектов? ▫️почему многие хотят on-premise решения? ▫️куда перестраивается рынок? ▫️какой тренд показывает наш кейс ассистента Альфа-Банка с ROI 6 месяцев? 🔴 Посмотреть выпуск
2 089
6
AI — только для enterprise? Доказываем, что это не так! Миф: AI — это дорого и только для крупных корпораций. Реальность: в проектах KTS мы видим, что ИИ-решения работают в бизнесе любого уровня. Вопрос не в бюджете, а в том, с чего начать и как измерить результат. В новой статье собрали главное для тех, кто только присматривается к внедрению: 🌟почему проекты зависают в «вечном пилоте» 🌟 какие процессы автоматизировать в первую очередь 🌟 какие метрики действительно показывают бизнес-эффект 🌟 как платформенный подход меняет экономику AI-проектов Рассказываем, как за 1–2 месяца сделать AI прикладным инструментом с измеримым эффектом.
1 397
7
Инженер будущего Последние 4 месяца активно работаем над формированием образа специалистов, которые должны работать в компании. Этот вопрос пересекается с производственным процессом, потому что именно он диктует формат команд и роли внутри них. В этом посте позволю себе немного пофантазировать на тему будущего процесса разработки и места человека в нем. Думаю, что уже сейчас человек является бутылочным горлышком в производственном цикле. Представим роботизированную линию в каком-нибудь цеху. В нем есть участки, на которых стоят роботы с производительностью 100 изделий в час, но между участками есть этапы с людьми с производительностью 10 деталей. Общая производительность конвейера - 10 деталей. Классический конвейер разработки выглядит так же: аналитика -> дизайн -> разработка -> кодревью -> тестирование -> релиз Между каждыми этапами есть много административных временных издержек, а какие-то из этапов могут полностью блокироваться человеком. Стандартный пример — согласование требований. Аналитик написал ТЗ, ждёт согласования заказчика. Оно асинхронное и даже одна итерация правок может занимать от 1 дня до недели. Это не создавало проблем раньше, так как одно согласованное ТЗ, даже если на него уходила неделя, создавало большой объем работы на следующих этапах. Соответственно общая производительность зависела от производительности «участка» разработки. Сейчас же скорость создания артефактов в каждом участке, включая разработку, выросла в разы. И узким местом стали согласования, проверки качества и так далее. То есть все, что делает человек между участками производства. Какой смысл от того, что я могу написать ТЗ за 1 час вместо 6, если для согласования мне все равно придется подождать минимум день? Или какой смысл от быстрого написания кода, если мне нужно ждать кодревью от другого человека (при том, что его еще и завалило сверху бОльшим количеством ревью)? Текущие инструменты в основном применяют для ускорения участков, но не пайплайна целиком. В такой конфигурации можно получить прирост общей производительности в единицы или в лучшем случае пару десятков процентов, если «был запас». Но кратный прирост не получится. Это значит, что нужно изменять сам пайплайн. Минимизировать ручное администрирование и контроль, при этом обеспечив те же качество и предсказуемость, что и раньше. Тогда целевая функция инженера — не просто выдать артефакт, а доработать систему выдачи этих артефактов, чтобы в будущем результат был более стабильный и предсказуемый. Дообучить систему, короче говоря. Тогда роль «инженера будущего» в постоянном улучшении и ускорении пайплайна. Фактически как сейчас CI/CD, только в качестве шагов — агенты, которые делают те или иные проверки, вносят изменения в создаваемый продукт, а инженер отслеживает, в чем агенты ошибаются и изменяет самих агентов, или добавляет новых, чтобы в будущем система не допускала таких же ошибок. Тогда разработка — это полностью продукт агентов. А продукт инженера будущего — это система по автономному предсказуемому произведению цифровых продуктов с заданным качеством. #сергей_чернобровкин 😊
1 279
8
RAG-платформа для 12 000 операторов Альфа-Банка: ускорили поиск данных в 20 раз Раньше операторы контакт-центра вручную искал
RAG-платформа для 12 000 операторов Альфа-Банка: ускорили поиск данных в 20 раз Раньше операторы контакт-центра вручную искали информацию в базе знаний, чтобы ответить клиенту. На обработку одного запроса в среднем уходило 5 минут. Чтобы ускорить работу операторов, Альфа-Банк решил внедрить RAG-платформу. За помощью обратились к команде KTS. За 4 месяца мы вместе вывели проект в production и настроили систему так, чтобы данные всегда были актуальны, и каждый оператор получал ответ с учётом его уровня доступа. Платформу развернули внутри контура банка и запустили на двух GPU H100. Это позволило уложиться в экономику проекта и при этом обеспечить запас по производительности. В результате RAG-платформа ускорила и упростила работу операторов: ▪️ среднее время обработки запроса уменьшилось на 40 секунд: с 5 минут до 4 минут 20 секунд ▪️ поиск данных стал в 20 раз быстрее: 3 секунды вместо 60 93% операторов положительно оценили работу платформы, и решение масштабировали на всех сотрудников Альфа-Банка. Сегодня система обрабатывает 85 000 запросов в сутки. Больше деталей про настройку и работу RAG-системы показали в кейсе
1 205
9
Отметились на Workspace Digital Awards/26 🏆 Workspace Digital Awards — ежегодный конкурс лучших digital-кейсов. В этом году
Отметились на Workspace Digital Awards/26 🏆 Workspace Digital Awards — ежегодный конкурс лучших digital-кейсов. В этом году награды получили три проекта KTS: 🟢2 место в номинации «Маркетинг и реклама. Креативный подход» за кейс Орево для «Бургер Кинга». Голосовая геймификации в мобильном приложении собрала 4,1 млн взаимодействий и привела 400к+ уникальных участников. 🟢3 место в номинации «SMM и PR. Спецпроекты» за проект Выживалити для «Пятницы!». Игра в Telegram, синхронизированная с телеэфиром, удержала 86% аудитории на протяжении всего сезона шоу. 🟢3 место в номинации «Сайты. Мебель, интерьер и товары для дома» за Флатику. Вместе с коллегами из Mish провели полный ребрендинг международной платформы под российский рынок. Принимаем поздравления 💚
1 173
10
Раньше менеджеры девелопера вручную оповещали агентов по каждому изменению статуса — это съедало время колл-центра и тормозил
Раньше менеджеры девелопера вручную оповещали агентов по каждому изменению статуса — это съедало время колл-центра и тормозило цикл сделки. Мы настроили единую систему триггерных уведомлений, где агент получает нужную информацию сам, в нужный момент, в удобный канал: 🟢 Telegram-бот для агентов: напоминания, статусы, документы 🟢 Личный кабинет для агентств: управление командой и аналитика В кейсе показываем, какие именно триггеры сработали, как выстраивали интеграцию с внутренними системами застройщика и что в итоге изменилось в цифрах. 😎 Читать кейс
1 036
11
Вы всё ещё переплачиваете за инфраструктуру? Тогда мы идём к вам. Расходы на облако часто растут незаметно. Тестовые среды работают ночью и в выходные. Неиспользуемые ресурсы продолжают списывать деньги. У команд нет общего правила, кто следит за потреблением и где проходит граница между «нужно» и «просто осталось включенным». В итоге счета растут, а ясности, за что платит бизнес, становится меньше. Мы поможем найти, где инфраструктура расходует лишнее, и сократить затраты без риска для продукта и команды. Что делаем: — проводим аудит расходов на облако; — оптимизируем инфраструктуру; — настраиваем мониторинг потребления и уведомления; — выделяем центры затрат; — прогнозируем бюджет; — считаем TCO и ROI. Если есть ощущение, что можно сэкономить на инфраструктуре, начните с бесплатного аудита. За 5 рабочих дней покажем, где вы теряете деньги. Сначала доведем до результата и только потом возьмем оплату. Гонорар KTS = подтвержденная экономия за 6 месяцев.
2 142
12
Ограничения ИИ (человека?) Последние месяцы я активно экспериментирую и внедряю ИИ-инструменты во все процессы, до которых хватает сил дотянуться. Также подключаю людей и команды к использованию таких инструментов в их процессах. Основное ограничение, которое я увидел — это не «умение ставить задачи», а ограничение самого человека. То есть ИИ ограничен мышлением того, кто с ним работает. Нельзя получить результат лучше, чем сделал бы сам человек. Причина, я думаю, в самом паттерне работы: специалист задает модели некоторый запрос/задачу, анализирует ответ и направляет рассуждение дальше. То есть делает выбор, куда двигаться. И вот этот выбор ограничен образом результата, который устанавливает для себя сам человек. ИИ лишь помогает ему быстрее/точнее в него попасть. Если же модель сама формирует образ результата, то получается, как правило, посредственный (наверно, правильнее сказать «усредненный») результат. То есть человек не имел образа результата, не смог направить инструмент в нужную сторону и докопать до чего-то лучше, чем модель выдала по дефолту. Этот эффект я наблюдал и в своей работе, и в чужих, причем в совершенно разных прикладных задачах. Из этого следует интересный эффект, который я также наблюдаю при общении с разными руководителями. Они начинают сравнивать (даже явно, если более прямолинейны) результат специалиста с «дефолтным» результатом от модели. То есть модель уже задаёт некоторый бейслайн качества и ожидание от человека. Это, в свою очередь, еще больше повышает значимость таких характеристик специалиста, как системное мышление, кругозор, способность к рефлексии, даже изобретательству, чтобы формировать свой образ результата. #сергей_чернобровкин 👨
1 334
13
Портал в нулевые в топ-3 кейсов всего digital рынка на Ruward Award 2026 В прошлом году мы вернули ваш 2007-й вместе с Cedro
Портал в нулевые в топ-3 кейсов всего digital рынка на Ruward Award 2026 В прошлом году мы вернули ваш 2007-й вместе с Cedro и создали проект, в котором поучаствовали лучшие из лучших. Собрали на одном сайте: — Ретро-миксы от ВКонтакте — Лакомства из детства от ВкусВилл — Идеи для идеального свидания в стиле нулевых от Twinby — Тест для трушных олдов Ностальгия сработала: в кейсе показываем внутрянку, как фан превращается в управляемый инструмент через культурный триггер и игровой сценарий. А зайти и проверить себя на олда можно тут ➡️ kts-cedro.ru
1 158
14
🤖 AI не заменит проджектов. Или все же заменит? Мы сейчас проживаем мощный этап роста через интеграцию AI в процессы компании. Глубина зависит от проекта и готовности заказчика работать с новыми инструментами. Где-то это базовая автоматизация. Где-то — пересборка управленческого контура. В процессе внедрения AI в проджет-менеджмент возник вопрос, в чем ключевая экспертиза, куда искусственный интеллект еще долго не зайдет. Ответом, который сформулировали для себя, поделюсь в этом посте: 1. Доверие с заказчиком Доверие не строится на отчетах. Оно строится на понимании контекста, на глубоком вгрузе в бизнес, на ощущении микроклимата в команде. 2. Эмпатия Нюансы нетипичной коммуникации можно уловить только в живом контакте: по изменению интонации голоса, мимике, по частоте и регулярности встреч, готовности сторон к конструктивному обсуждению планов и задач. 3. Прогноз отношений Можно смотреть на цифры, планы, загрузку на будущие периоды. Но устойчивость проекта часто определяется не объемом задач, а качеством отношений. Успех требует человеческой вовлеченности в проблемы и задачи бизнеса. 💚Будет ли заказчик масштабироваться с нами. 💚Готов ли обсуждать стратегию. 💚Есть ли внутренняя поддержка проекта. AI снимает рутину и усиливает менеджера. Но не заменяет управленческое мышление и зрелость. Он не заменит сеньорные позиции проджектов, где нужно принимать решения, нести риски и ответственность, выстраивать отношения. И чем больше автоматизации в процессах, тем выше требования к проджекту как к человеку. #юлия_антасюк 🤝
1 219
15
Фазовый переход В разработке цифровых продуктов уже произошел. Несколько десятков лет назад специалисты работали с машинными командами. Пару десятков лет назад перешли на следующий уровень абстракции — языки, инкапсулирующие работу с инструкциями. 20 лет назад перешли на фреймворки, инкапсулирующие целые блоки работы систем. Последние 10 лет упрощается работа с компонентами систем. Каждый раз происходит плавное укрупнение уровня абстракции: от работы с регистрами до раскладки многокомпонентной системы по конфигу одной кнопкой. Сейчас мы переходим на следующий слой: работа с функционалом. Теперь атомарной единицей поставки инженера перестал быть код, работа или какой-то артефакт. Теперь объектом поставки должно сразу являться решение бизнес-задачи. Это всегда было важно, но сейчас это новая норма. Почему? Потому что раньше получить специалиста, компетентного хотя бы в одной узкой специализации разработки было очень сложно, что уж говорить о специалистах, которые и архитектуру знают, и про продукт думают, и бизнес-процессы понимают, и из стейкхолдера могут требования извлечь. Теперь же лак компетенций в какой-либо специализации частично компенсируется ИИ-инструментами, а времени на уделение внимания другим направлениям работы становится существенно больше, потому что набирать код / писать документы становится бесплатно и быстро. #сергей_чернобровкин 👨
0
16
视频消息
0
17
Врываемся в сезон наград 🔥 Залетели в топ рейтинга Ruward — одного из главных событий digital-продакшена в России KTS в перв
Врываемся в сезон наград 🔥 Залетели в топ рейтинга Ruward — одного из главных событий digital-продакшена в России KTS в первой тройке сразу в двух номинациях мобильной разработки ⭐️ Агентство года — разработка мобильных приложений ⭐️ Кейс года — приложение для дефектовки окон Level Group Жюри оценивало агентства по двум ключевым параметрам: бизнес-результаты и вклад в развитие рынка. Мы оказались сильны и там и там: — Запускаем MVP мобильного приложения за 1–3 месяца и работаем короткими релизными циклами с демо результатов — Строим долгосрочное сотрудничество — клиенты развивают продукт с нами больше 3 лет — Создаем приложения с лидерами рынка, стартапами и социальными проектами — Проводим курсы по Android-разработке в школе Metaclass — Участвуем в индустриальных подкастах Podlodka и Android Broadcast — Делимся опытом мобильной разработки на Хабр — заходите почитать. Радуемся вместе с вами и принимаем поздравления лайками 💚
0
18
⏺ Показываем на примерах, как наши IT-решения разгружают отделы продаж и ускоряют стройку! В карточках разобрали свежие проек+8
⏺ Показываем на примерах, как наши IT-решения разгружают отделы продаж и ускоряют стройку! В карточках разобрали свежие проекты — листайте, чтобы узнать, с какими задачами приходили клиенты и как мы их решили. 😎 А изучить кейсы подробнее, посмотреть другие решение и оставить заявку на свой проект можно на сайте
0
19
Какие скиллы прокачивать программистам, чтобы их не заменил AI? Один из основателей KTS #сергей_чернобровкин 👨 в своем канале рассуждает о том, как трансформируется роль программистов и как меняются требования к скиллам и образованию. Рекомендуем почитать умные мюсли 🐱
0
20
👍👍👍👍Ускоряем запуск специализированных AI-агентов: от идеи до production за месяц с платформой AI Assistant Рынок ИИ переходит к гиперперсонализации и внедрению узкопрофильных AI-ассистентов для конкретных ролей: HR, поддержки, продаж, управления. Обычно разработка кастомного решения занимает несколько месяцев, требует значительных расходов и сложно масштабируется. Мы нашли способ упростить и ускорить внедрение — разработали платформу автоматизации, которая построена на мультиагентной архитектуре и RAG-технологии. Она позволяет быстрее запускать специализированных AI-ассистентов в единой инфраструктуре. Как работает система автоматизации: ◾️ AI-ассистент индексирует вашу базу знаний — PDF, таблицы, инструкции, схемы — и отвечает на вопросы пользователей в мультимодальном режиме со ссылками на источники. Данные обновляются автоматически без остановки системы. ◾️ Подключается к корпоративным сервисам: CRM, ERP, тикет-системами и базами данных. Ассистент видит историю клиента, статус заказа, остатки на складе и использует актуальные данные. ◾️ Ассистент встраивается в привычные каналы коммуникации: виджет на сайте, Telegram, мобильное приложение. Единая база знаний и логика ответов работают на всех площадках. ◾️ AI получает оценки ответов от пользователей, учитывает обратную связь и автоматически корректирует сценарий и поведение. ◾️ Платформа интегрируется с SSO-системами для авторизации пользователей. Диалоги проходят аудит, доступно маскирование персональных данных и разграничение прав доступа. Система разворачивается в облаке, по гибридной схеме или полностью on-premise и позволяет обрабатывать данные в соответствии с 152-ФЗ. Предлагаем начать с демо на ваших данных с дальнейшим переходом в пилот, проверить гипотезу на реальных пользователях и масштабировать решение по мере роста задач. Запишитесь на демо — покажем, как AI-агент работает в ваших бизнес-процессах.
0