Плохой менеджер Артём Арюткин

Сначала я обленился и перестал ездить в магазины за продуктами. Реально, я использую только доставку. А что дальше? Автопополнение корзины — идеальный пример такой «фантазии о будущем». Ритейлер или маркетплейс видит твои регулярные покупки, собирает привычный набор и предлагает до того, как ты вспомнил. Удобно? Да. Но как отличить реальную потребность от навязанного потребления? И где метрика, которая покажет, что это не просто «продать побольше», а реально польза для клиента? Вот как раз вчера посмотрел выпуск «ПродАктовой корзины», где эксперты разгоняли про потребление будущего. Для аналитика — прям поле для размышлений про метрики, этику и инкрементальность. Рекомендую глянуть: YouTube или VK Видео

Можно построить идеальную инженерную платформу, которой никто не хочет пользоваться! 😁 И самое забавное, что с точки зрения инженерных метрик у вас всё будет прекрасно! Короче, сходил я тут к ребятам из подкаста «В SREду на кухне» поговорить о том, зачем инженерам продуктовое мышление. И, кажется, это одна из моих любимых тем! Я вообще считаю, что одна из главных проблем платформенных команд — мы слишком часто думаем о том, что и как построить, и слишком редко о том, зачем это кому-то нужно. В итоге получаем технически прекрасные решения, которые либо никто не использует, либо используют исключительно потому, что выбора нет. О чём поболтали: 1. Зачем инженерам продакты? И в какой момент внутренний инструмент вообще становится продуктом? 2. Как измерять успех платформы? Вот у вас 100% adoption. Это успех или просто разработчикам запретили пользоваться альтернативами? 😁 3. Зачем нужны контрметрики? Можно же здорово ускорить разработку, а заодно уронить надёжность. Или сделать супернадёжную платформу, на которой невозможно работать. 4. Алертинг как продукт. Почему даже такую сугубо инженерную штуку можно и нужно проектировать вокруг пользовательского опыта? 5. Кто вообще заказчик надёжности? И почему пользователь, заказчик и тот, кто за всё это платит, — далеко не всегда один человек? 6. Что важнее — надёжность или Developer Experience? И почему вообще приходится выбирать между этими двумя вещами? Ну и поговорили про SLO, исследования пользователей, продуктовые метрики и прочие штуки, от которых у настоящего инженера иногда начинает дёргаться глаз. В общем, если вы строите внутренние платформы, инженерные инструменты или просто хотите понять, зачем в инженерных командах нужны продуктовые менеджеры — рекомендую посмотреть! Смотреть и слушать: 📺 YouTube 📱 VK Видео 📺 Rutube 🎧 Mave Ну и приходите в комментарии спорить!

Вы знаете, что хуже бесполезной метрики? Бесполезная метрика, на основе которой менеджеры начинают принимать решения! 😁 Короче, тут ребята из Google опубликовали интересную статью — What Makes a Good Productivity Metric о том, как правильно мерить продуктивность! Начнем с метрик. Мы, менеджеры, очень любим что-нибудь измерять. Сколько задач закрыли, сколько коммитов сделали, сколько дней провели в офисе (пу-пу-пууууу). Проблема в том, что мы часто измеряем не то, что действительно важно, а то, что проще посчитать. Авторы предлагают 4 критерия хорошей метрики: 1. Понятность. Метрику можно объяснить нормальному человеку без защиты кандидатской по математике. 2. Соответствие реальности. Если ситуация объективно ухудшается, метрика должна это замечать. 3. Отсутствие странностей. Метрика не должна показывать ерунду там, где мы точно знаем, как устроен мир. 4. Полезность. По результатам измерений можно принимать решения. Вот такой вот вам проверочный вопрос для хорошей метрик:

Если метрика изменилась, а вы не понимаете, что теперь делать, то зачем вы вообще её измеряете?

А теперь самое интересное! В Google решили разобраться, что сильнее связано с продуктивностью инженеров: количество дней в офисе или стабильность рабочего графика. Для этого рассмотрели 13 вариантов метрик и выбрали довольно хитрую штуку — Weekly Markov Consistency. Не буду грузить вас математикой, но смысл простой: 👉🏼 Если человек каждую неделю работает по понятному расписанию, то его график предсказуем. Причём совершенно неважно, ходит он в офис пять дней или два. Метрику проверяли на искусственно изменяемых расписаниях, реальных данных и даже просили людей оценивать графики, чтобы сравнить человеческое восприятие с математикой. И что выяснилось? На данных десятков тысяч инженеров Google обнаружили: • Разработчики со стабильным гибридным графиком (1–3 дня в офисе) не имели статистически различимой производительности по CL throughput от тех, кто стабильно работал в офисе всю неделю. • А инженеры, которые появлялись в офисе не чаще одного дня в неделю, но придерживались стабильного графика, по тому же показателю не отличались от тех, кто ходил туда большую часть недели, но нерегулярно. То есть предсказуемость рабочего графика может быть важнее, чем количество дней, проведённых в офисе. Правда, есть нюанс: это наблюдательное исследование, а CL throughput лишь одна из метрик продуктивности. Причинно-следственную связь авторы тут не доказали. Но сама мысль отличная! Какие выводы забрать с собой? Мы часто пытаемся повысить эффективность, управляя тем, что удобно измерять. Проще контролировать посещаемость офиса, чем качество взаимодействия между людьми. Проще считать закрытые задачи, чем созданную бизнес-ценность. Проще измерять количество коммитов, чем реальный эффект от работы инженера. И, кажется, главный вопрос, который менеджер должен задавать себе при появлении очередного KPI: «А какое именно решение я буду принимать на основе этой цифры?» Если ответа нет, возможно, нам просто очень хотелось красивый дашборд. 😁

ИИ ускорит работу менеджеров. Но встреч от этого станет только больше! 😁 Короче, есть такая штука - парадокс Джевонса.

В 1865 году экономист Уильям Джевонс заметил странную закономерность. Паровые двигатели становились эффективнее и потребляли всё меньше угля на единицу работы. Казалось бы, угля должно требоваться меньше? А вот и нет! Благодаря эффективности паровые двигатели стали использовать гораздо чаще, и общее потребление угля только росло. Чем дешевле и проще что-то делать, тем больше мы начинаем это делать.

А теперь представьте, что раньше менеджеру требовалась неделя, чтобы подготовить инвестиционное предложение: аналитика, расчёты, риски, презентация. Теперь благодаря ИИ всё это можно сделать за несколько часов. Казалось бы, решения должны приниматься в 10 раз быстрее? Но есть нюанс! Подготовить предложение и принять решение - две совершенно разные задачи. Чтобы принять решение, нужно учесть стратегию, бюджеты, риски, интересы других команд и договориться с кучей людей. И вот тут ИИ не сильно ускорит процесс. Зато если раньше мы готовили 3 предложения в месяц, то теперь сможем подготовить 30! И все их нужно прочитать, обсудить и по каждому принять решение. Кстати, с интернетом мы уже проходили что-то похожее. Электронная почта сделала коммуникации почти бесплатными. И что? Теперь, по данным Microsoft Work Trend Index 2025, средний сотрудник в исследовании получает 117 писем и 153 сообщения в Teams за день. Мы научились невероятно быстро обмениваться информацией, но не научились так же быстро её обрабатывать. Кажется, с ИИ будет похожая история. Мы радикально ускорим подготовку материалов, но не само принятие решений. И вот вам моя гипотеза: Главным дефицитом станет не умение генерировать идеи, а способность выбирать, какие из них вообще заслуживают обсуждения. Иначе нас ждёт прекрасное будущее, в котором ИИ работает за десятерых, а менеджеры обсуждают результаты его работы на двадцати встречах вместо двух.🤣

Ахаххахахзазазазахах

🧠 Тимлид в эпоху AI: почему TTM всё ещё не ускоряется Раньше задача тимлида была понятна: собрать команду, обеспечить предсказуемый результат и следить за качеством. А сейчас многие тимлиды оказались в мире нейрослопа, вайбкодинга и бесконечного тулинга, которые, впрочем, никак не влияют на скорость доставки фичей. При этом бизнес задаёт вполне справедливые вопросы: зачем вам столько людей и почему не ускоряется time to market? С 19 по 23 октября на Podlodka Teamlead Crew участники сезона «Системный подход к AI в работе тимлида» будут говорить об актуальных компетенциях руководителя и о том, как строить проекты в новом мире. В программе: • Как найти настоящие ограничения инженерной системы и почему начинать с внедрения AI порой не стоит • Сборка харнесса для тимлида и фреймворк для оценки агентов • Тирлист автоматизаций для руководителя: что действительно стоит внедрять, а что лучше и не начинать • Честные разборы влияния AI на бизнес и команды. 🛠 Формат конференции такой: 5 дней, 10+ спикеров, утренние и вечерние сессии в Zoom и активное общение в закрытом Telegram-сообществе. 💬 В этот раз на Podlodka Teamlead Crew будет особенно много интерактива: свои кейсы и рабочие ситуации можно приносить прямо на сессии, обсуждать со спикерами и уносить с собой готовые артефакты. 🎟 Программа уже на сайте — присоединяйтесь

#пятничное

Занимайся своим делом! Короче, вот вам не самая очевидная мысль, но которую, кажется, надо знать: вы нифига не должны мыслить как «собственник бизнеса» или как CEO. Нет, когда-нибудь наверняка должны будете, но вот если от CEO вас отделяют 3+ грейда, то займитесь своими делами и думайте о них. Если вы тим-лид команды, то впервую очередь думайте о своей команде и об их удобстве. И ваще-то, да, будучи тим-лидом, пытаться затащить какой-то новый тех.стек, чтобы просто команда получила новый опыт - это ваще нормально! Потому что забота о команде - ваша ключевая работа. И попытка «думать, как CEO” с меньшей вероятностью приведет вас к успеху! Если попробовать описать в виде правила, то думай на один уровень выше и делай свою работу хорошо!

В мире с миллиардом Эйнштейнов кому-то всё равно придётся строить лаборатории, вести бухгалтерию и таскать материалы…

Кажется, это все нам придется делать:(

На сайте OpenAI вышло авторское эссе The Eternal Complement. И там есть хороший вопрос: 👉🏼 насколько быстрее вообще сможет развиваться цивилизация, если интеллект перестанет быть дефицитом? Вот Галилею, чтобы посмотреть дальше в космос, понадобились две линзы и трубка. А чтобы человечество посмотрело ещё дальше с помощью James Webb, понадобились около $10 млрд, сотни организаций, десятки стран, сложнейшее производство, логистика и годы координации. То есть проблема была уже не только в том, чтобы придумать хороший телескоп. Нужно было ещё как-то построить его в физическом мире, найти финансирование, продать идею и потом все это скоординировать. Есть исследование Nicholas Bloom и соавторов: чтобы поддерживать темп роста плотности транзисторов, сегодня требуется больше чем в 18 раз больше исследователей, чем в начале 1970-х. Похожие тенденции они нашли в сельском хозяйстве и медицине. То есть прогресс не становился проще, но мы просто бросали на него всё больше людей, денег и инфраструктуры. А теперь представим, что интеллект стал почти бесплатным. AI может: - придумать лекарство; - предложить новый материал; - спроектировать двигатель. Но лекарство всё равно нужно испытать, материал - произвести, двигатель собрать и проверить. И природе, короче, вообще всё равно, насколько умный у вас AI 😁 Авторы предлагают два возможных сценария. Первый : «цивилизация глубины». AI становится настолько хорош в моделировании мира, что нам нужно всё меньше физических экспериментов. Он просто гораздо точнее понимает, что действительно стоит проверять. Второй - «цивилизация ширины». AI производит настолько много хороших идей, что узким местом становятся уже лаборатории, заводы, энергия, производство и логистика. Чем дешевле становится интеллект, тем ценнее может становиться исполнение. Потому что между: «Я придумал гениальную штуку» и «Эта штука реально существует» может лежать десять лет стройки, производства, согласований и тысячи очень скучных действий. Возможно, мы представляем сверхинтеллект немного неправильно. Мы ждём миллиард Эйнштейнов, которые будут бесконечно совершать великие открытия. А потом окажется, что 999 миллионов из них заняты тем, чтобы открытия первого миллиона вообще доехали до реального мира 😁 Само эссе: https://openai.com/index/the-eternal-complement/

Есть отличный способ выиграть почти любой спор. Нужно просто сказать: «А ты докажи, что этого нет!»😁 Короче, есть такая штука, как чайник Рассела: её придумал философ Бертран Рассел. Представьте, что я говорю вам: 🫖 Где-то между Землёй и Марсом вокруг Солнца летает маленький фарфоровый чайник. Причём настолько маленький, что ни один телескоп его увидеть не может. Вы говорите: - Артём, ну это какая-то ерунда. Где доказательства? А я вам: - А вот ты докажи, что чайника там НЕТ! Прикол в том, что доказать отсутствие такого чайника действительно почти невозможно. Но означает ли это, что нам теперь нужно считать его существование вполне вероятным? Конечно нет! В этом и смысл мысленного эксперимента Рассела: если кто-то выдвигает утверждение, то именно на нём лежит обязанность это утверждение доказать. А отсутствие доказательств обратного - это не доказательство вашей правоты. И ведь мы постоянно делаем ровно наоборот. - Эта фича увеличит конверсию. - Почему? - Ну а почему она НЕ увеличит? Или: - Если мы наймём ещё пять человек, команда станет быстрее. - Есть данные? - Ну это же очевидно! И мой любимый менеджерский: - Нам обязательно нужен этот проект. - Какой эффект он даст? - А ты можешь доказать, что без него всё будет хорошо? Короче! «Вы не можете доказать, что я неправ» - это вообще не доказательство того, что вы правы. Но если посмотреть на количество проектов, стратегий, презентаций и инвестиционных решений, построенных вокруг невидимых чайников…

Когда спрашиваешь свою любимую жену, что она подарит тебе на день рождения и вот этот день наступает 🤣🤣🤣

Зацените, какие отзывы на мой доклад?😉 Как реально меняется PDLC, или почему вы ускоряете не то, что нужно!

Ну я прямо очень советую вам посмотреть доклад: Один разговор - три языка: как доносить до команды и C-level! Доклад, просто, пушка!

Аааааа

#пятничное

Ой какая красота, оказывается, вы можете посмотреть запись с нашей AvitoTechConf! Все доклады прямо топовые! Бегите! • Смотреть на YouTube • Смотреть во VK Видео

Как еще до встречи понять, а что вас на ней спросят? Короче, вот супер простой совет, как понять еще до встречи с кем-то, что именно будет его интересовать: загляните в его KPI! Мы все супер ответственные менеджеры, думающие о важных вещах и старающиеся принести как можно больше пользы, но! Если не знаете, что же с вас спросят на встрече, то KPI подскажет. Если там что-то про «чистую архитектур», то зададут этот вопрос, если про «качество», то поговорите про эти метрики, ну а если про скорость разработки, то и/или про нее. Ну а если там бюджет, то берегитесь! Менеджеры у кого в KPI бюджеты - самые лютые 😁

На чем прогорают комдиры уже в первые месяцы работы На том, чему их не учили. Объясняю) Короче, у компаний есть любимый способ выбирать руководителей. Кто лучше всех закрывает сделки и тащит выручку? Вот его и повысим! 😉 Но однажды ученые посмотрели на данные почти 39 тысяч продавцов из 131 американской компании. И обнаружили, что хорошие продавцы действительно чаще получали повышение. Но среди тех, кого повысили, более высокие личные продажи были связаны с худшими результатами в управлении. То есть менеджеры они хреновые. Получается забавно: компания награждает тебя за то, что ты умеешь, а потом спрашивает за то, чему тебя особо никто и не учил🤣 Я бы отсюда забрал одну мысль: к следующей роли нужно добирать навыки именно для этой роли. Те же комдиры часто приходят из продаж: умеют договариваться, собирать команду, выполнять план. Но сыпятся на вопросах про выручку, траты на маркетинг и стоимость капитала. И если с финансами у тебя все еще «спросил у финдира и не понял, че тот сказал», вот тебе конкретный пробел, который имеет смысл закрывать перед следующим шагом. У ребят из Академии Эдюсон есть курс «Коммерческий директор в эпоху ИИ» как раз для тех, кто хочет кто хочет масштабировать не только продажи, а весь доход бизнеса. И себя в том числе. Тебе подойдет, если: 👉🏼 Вырос из продаж, а с финансами туго. Пройдешь блок по корпоративным финансам, работе с финансовой эффективностью (EBITDA), расчету чистой приведенной стоимости (NPV) проекта, анализу отчета о прибылях и убытках — P&L. 👉🏼 Хочешь внедрять ИИ не для галочки, а с измеримым эффектом. Узнаешь, как автоматизировать рутину, прогнозировать продажи, строить аналитику и принимать решения на данных — и построишь четкий план внедрения в коммерческий блок. 👉🏼 Уперся в карьерный потолок и хочешь расти дальше. Научишься синхронизировать продажи, маркетинг, логистику, закупки и наем, чтобы они работали на общую маржу, а не тянули одеяло на себя. На новой должности вопросы все равно прилетят. Хорошо бы к этому моменту иметь не только радость от повышения, но и системное понимание, как управлять прибылью😉 По промокоду АРЮТКИН — скидка 65% на курс и личная консультация в подарок. 👉🏼 Посмотреть программу и оставить заявку Реклама ООО «Эдюсон», ИНН 7729779476, erid: 2W5zFG4sx9P