Marat @ Predictable.Team
رفتن به کانال در Telegram
Привет! Я Марат, Agile Coach в финтехе на 50 команд в ядре банка. В этом канале пишу про процессную культуру и метрики в айти и не только, фасилитацию, бизнес, изменения и системный подход. Если вы в Уфе, приходите ко мне в ufaitcoworking.ru :)
نمایش بیشترکشور مشخص نشده استدسته بندی مشخص نشده است
390
مشترکین
+124 ساعت
+27 روز
+2630 روز
در حال بارگیری داده...
کانالهای مشابه
هیچ دادهای
مشکلی وجود دارد؟ لطفاً صفحه را تازه کنید یا با مدیر پشتیبانی ما تماس بگیرید.
ابر برچسبها
هیچ دادهای
مشکلی وجود دارد؟ لطفاً صفحه را تازه کنید یا با مدیر پشتیبانی ما تماس بگیرید.
اشارات ورودی و خروجی
---
---
---
---
---
---
جذب مشترکین
ژوئیه '26
ژوئیه '26
+34
در 1 کانالها
ژوئن '26
+65
در 0 کانالها
Get PRO
مه '26
+7
در 0 کانالها
Get PRO
آوریل '26
+81
در 1 کانالها
Get PRO
مارس '26
+87
در 2 کانالها
Get PRO
فوریه '260
در 0 کانالها
Get PRO
ژانویه '26
+2
در 0 کانالها
Get PRO
دسامبر '250
در 2 کانالها
Get PRO
نوامبر '25
+38
در 0 کانالها
Get PRO
اکتبر '25
+33
در 0 کانالها
Get PRO
سپتامبر '250
در 1 کانالها
Get PRO
اوت '25
+47
در 0 کانالها
Get PRO
ژوئیه '250
در 0 کانالها
Get PRO
ژوئن '25
+9
در 0 کانالها
Get PRO
مه '250
در 0 کانالها
Get PRO
آوریل '25
+1
در 0 کانالها
Get PRO
مارس '250
در 0 کانالها
Get PRO
فوریه '250
در 0 کانالها
Get PRO
ژانویه '250
در 0 کانالها
Get PRO
دسامبر '240
در 0 کانالها
Get PRO
نوامبر '240
در 0 کانالها
Get PRO
اکتبر '240
در 0 کانالها
Get PRO
سپتامبر '240
در 0 کانالها
Get PRO
اوت '240
در 0 کانالها
Get PRO
ژوئیه '240
در 0 کانالها
Get PRO
ژوئن '240
در 0 کانالها
Get PRO
مه '24
+1
در 0 کانالها
Get PRO
آوریل '240
در 0 کانالها
Get PRO
مارس '240
در 0 کانالها
Get PRO
فوریه '24
+20
در 0 کانالها
| تاریخ | رشد مشترکین | اشارات | کانالها | |
| 29 ژوئیه | +1 | |||
| 28 ژوئیه | +1 | |||
| 27 ژوئیه | 0 | |||
| 26 ژوئیه | 0 | |||
| 25 ژوئیه | 0 | |||
| 24 ژوئیه | 0 | |||
| 23 ژوئیه | +2 | |||
| 22 ژوئیه | 0 | |||
| 21 ژوئیه | 0 | |||
| 20 ژوئیه | +1 | |||
| 19 ژوئیه | 0 | |||
| 18 ژوئیه | 0 | |||
| 17 ژوئیه | +1 | |||
| 16 ژوئیه | 0 | |||
| 15 ژوئیه | +1 | |||
| 14 ژوئیه | +6 | |||
| 13 ژوئیه | +2 | |||
| 12 ژوئیه | +1 | |||
| 11 ژوئیه | +1 | |||
| 10 ژوئیه | +1 | |||
| 09 ژوئیه | +4 | |||
| 08 ژوئیه | +1 | |||
| 07 ژوئیه | +5 | |||
| 06 ژوئیه | 0 | |||
| 05 ژوئیه | 0 | |||
| 04 ژوئیه | 0 | |||
| 03 ژوئیه | +3 | |||
| 02 ژوئیه | 0 | |||
| 01 ژوئیه | +3 |
پستهای کانال
📼 Запись митапа: 6 причин, почему IT-команды сопротивляются AI — и что с ними делать
🧑🏫 Провели митап для руководителей инженерных команд, технических руководителей, delivery-ладам, управляющим изменениями, руководителям AI-трансформации.
👆 Главный вывод
После доклада вы сможете отличить сопротивление людей от слабого места в системе работы и выбрать один проверяемый шаг для своей команды — не список из 30 действий, а одну конкретную зону, одну рабочую сессию и одну договорённость на следующий спринт.
📺Смотреть на Youtube
📺Смотреть на VK
📌 Материалы:
• 👀 Презентация
• 📑 большая статья про сопротивление
• 💊 интерактивная диагностика с техниками работы с сопротивлением
| 2 | 🚨 Начинаем через пять минут в zoom по ссылке! | 121 |
| 3 |  ❎❎❎ Сможете собрать бинго? :)
Уже завтра в 21.00 Уфы (19.00 Москвы) состоится митап "6 причин сопротивления AI в командах и о чем они говорят".
👉 Регистрация по ссылке. На почту вам придет zoom-ссылка. | 153 |
| 4 |  Это самый большой апдейт за всю историю JiraMetrics.Pro. Проще сказать, что не изменилось.
Изменилось практически всё. Кроме главного — расчётов. Цифрам можно доверять так же, как и раньше.
Первое, что бросится в глаза, — новый дизайн. Интерфейс стал спокойнее и понятнее: важное в данных видно сразу, без вглядывания. Отчёты и дашборды собраны в один список слева — привычные вкладки сверху больше не съедают место, и вся высота экрана досталась графикам. А для тех, кто работает с метриками вечером, появилась тёмная тема 🌒
Дальше — дашборды, и это, пожалуй, самое приятное. Теперь на одной доске их можно завести несколько: например, один для утреннего взгляда "всё ли в порядке", другой — подробный, для ретро или ревью. Виджеты гибкие — меняйте размер, показывайте отчёт целиком, отчёт с ключевыми цифрами или только цифры. Один раз собрал под себя — и дальше просто открываешь и читаешь.
Ключевые цифры, кстати, теперь не нужно выуживать из графиков: у отчётов появилась панель с основными значениями. Открыли — и сразу видно, где вы сейчас.
К девяти отчётам добавился десятый — WIP Run Chart, чтобы следить, как ведёт себя незавершённая работа во времени.
И для коллег, которым английский интерфейс был барьером: плагин теперь полностью говорит на трёх языках — английском, русском и испанском, с переключателем. Только названия метрик (Lead Time, Throughput, WIP) намеренно остались английскими — чтобы термины совпадали с книгами и статьями, и не приходилось гадать.
Много разных технических улучшений, это не так важно, главное что всё стало работать и загружаться быстрее 🚀
Обновление уже у вас — просто откройте свою доску.
Пишите в комментариях, что понравилось и чего не хватает. Этот релиз вырос из ваших сообщений — следующий будет собираться так же. | 203 |
| 5 | Самый классный плагин для подсчета метрик потока команд в Jira обновился! И я не могу не пропиарить этот апдейт, так как постоянно им пользуюсь на работе и в консультациях.
Если вы хотите понять, стала ли команда делать больше, быстрее, сколько времени отъедают простои между этапами, какие задачи уже протухли - Jira Metrics Pro это то, что надо. + там в базовой бесплатной версии море нужного функционала. | 174 |
| 6 | Нас полдник поел пудинг шоколадный hyper, и на ужин: 5 грамм семян чиа с йогуртом греческим 2% 220 грамм Простоквашино | 1 |
| 7 |  🗓 23 июля в 21:00 Уфы (19.00 Мск) Agile Ufa проводит онлайн-митап : «6 причин, почему команды сопротивляются внедрению AI в работу».
Поговорим о том, почему сопротивление AI в командах — это не всегда «люди не хотят нового» и не всегда лечится еще одним обучением.
👉 Часто за сопротивлением стоит что-то конкретнее:
• непонятно, какую рабочую цель улучшает AI
• страшно потерять роль, статус или автономию
• нет безопасного первого опыта на своей задаче
• официальный инструмент хуже обходных вариантов
• неясно, кто отвечает за результат
• локальное ускорение создает очередь в ревью, безопасности или релизе;
🗺️ Разберем это через Карту сопротивления AI: как увидеть настоящую причину, отделить конструктивную критику от саботажа и выбрать первый рабочий ход для команды.
🤝️️️️ В основе митапа — материал «Почему команды сопротивляются AI — и что с этим делать».
🗳 Регистрация по ссылке
Все изменения и анонсы в группе Agile Ufa и канале Predictable Team. | 171 |
| 8 | 👋🏼 Всем привет :)
🎬 Делаем стрим про то, как работать с сопротивлением команд при внедрении ИИ - вместе с сообществом Agile Ufa на следующей неделе.
Приходите! | 148 |
| 9 |  ➿ Запускаю The Human Loop.
Это новая ежемесячная серия про AI, эффективные команды и человеческую часть изменений: как меняются роли, где ломаются процессы, почему инструменты не всегда превращаются в результат и что с этим делать на уровне реальной командной работы.
Первый выпуск — про то, почему команды сопротивляются AI.
Обычно это объясняют слишком просто: «люди боятся нового», «надо провести обучение», «надо сильнее продавить внедрение».
🏛 Но сопротивление чаще оказывается не проблемой людей, а диагностикой системы работы. За ним могут стоять разные причины:
• непонятная цель
• страх за роль и статус
• отсутствие безопасного первого опыта
• слабый или неудобный инструмент
• неясная ответственность
• очередь, которая переехала в ревью, безопасность или релиз
🔍 В тексте разбираю 6 источников сопротивления, 5 позиций людей, диагностику, чеклист внедрения и Карту сопротивления AI.
🎥 А 23 июля в 19:00 разберем эту тему голосом на вебинаре Agile Ufa: «6 причин, почему команды сопротивляются внедрению AI в работу».
Зарегистрироваться можно на Timepad.
🗞 Последние новости из AI в менеджменте, эффективности команд и изменениях я продолжаю выкладывать в своем канале Predictable Team. | 357 |
| 10 | Наконец оформили кейс моего подразделения про внедрение ИИ и ускорение разработки через агентскую разработку.
Главный вывод довольно быстро оказался неприятным, но полезным: рост использования AI сам по себе не равен ускорению разработки. Можно вырастить использование инструментов, но не сдвинуть скорость доставки, потому что локальная оптимизация одной роли не ускоряет систему целиком.
Поэтому, если цель — не просто раздать всем LLM, а радикально ускорить скорость доставки продукта до клиента, то идти нужно в agentic engineering. Это уже про перестройку самого контура поставки: когда агенты помогают двигать задачу через весь поток, а не улучшают один отдельный шаг.
А реальность такова: ограничения лежат не только в инструментах, а в валидации, смежниках, бизнес-контексте и неравномерности изменений по ролям.
Поэтому финальный вопрос всегда один и тот же: как построить систему метрик, которая показывает не adoption ради adoption, а реальное изменение потока.
В нашем случае это
- Usage-метрики
- Процессные метрики (Lead Time, Throughput)
- Балансирующие (Defect Rate, Availability)
📰 Посты на хабре:
- Почему рост использования AI не равен ускорению разработки
- Почему радикально ускорить delivery можно только через agentic engineering
🎁 А на следующей неделе нас ждет целый ресерч: почему команды в принципе сопротивляются внедрению ИИ и что с этим делать + вебинар по этой теме + воркшоп | 459 |
| 11 |  📚 У меня в коворкинге* есть своя полочка с книгами в быстром доступе. Читали что-то из этого?
И вот кто-то туда добавляет какие-то левые книжки.
Как думаете, какие? 🫣
☝🏽 Кстати говоря, Гибкое тестирование и связь с потусторонним миров - вода водой. | 309 |
| 12 | 💹 Ну что, начали уже считать во сколько вам обходится ИИ и есть ли возврат инвестиций?
Чем глубже я погружаюсь в пучины подсчёта эффекта от внедрения AI в разработке, тем чаще напарываюсь на интересные отчёты и мнения в индустрии. И иногда хочется сказать "а я ж говорил!".
Вот, например, важная мысль из DORA / Google Cloud:
AI ROI плохо считается по формуле: «разработчик сэкономил 20% времени → можно сократить 20% команды».
Разработчик быстрее написал boilerplate, тест или pull request. Дальше задача всё равно идёт через аналитику, ревью, тестирование, согласования, релиз, безопасность и бизнес-валидацию. Если узкое место живёт там, локальная экономия времени просто растворяется в очереди.
📰 DORA / Google Cloud в отчёте про ROI of AI-Assisted Software Development предлагает смотреть на AI через всю систему доставки, без фантазии про мгновенное сокращение FTE. Главный вопрос звучит так: какое ограничение в потоке работы AI помог снять?
Например:
- разработчик быстрее находит нужный контекст;
- меньше ручной рутины при подготовке кода;
- проще писать тесты и документацию;
- быстрее разбираются инциденты;
- меньше переделок после ревью;
- высвободившаяся capacity уходит в техдолг, качество, безопасность, discovery-процессы.
Вот здесь начинает появляться реальный ROI.
В отчёте DORA есть кейс для инженерной организации на 500 человек:
• инвестиции за первый год: $8.4M
• возврат за первый год: $11.6M
• ROI: 39% - вернулось: за около 8 месяцев.
📎 InfoQ хорошо пересказывает эту модель и подчёркивает главный тезис DORA: ценность AI определяется не количеством написанного кода. Важнее, какие узкие места он помогает убрать. Это история про организацию, которая смогла встроить AI в delivery-систему: снять ограничения, снизить переделку работы, усилить инженерные практики и переиспользовать высвободившуюся мощность.
💭 Самая важная мысль DORA: AI усиливает систему, в которую попадает. В DORA State of AI-assisted Software Development 2025 это хорошо видно: эффект AI зависит от инструмента, платформы, практик, данных, процессов, доверия и всей инженерной среды.
Если есть нормальная внутренняя платформа и культурный стержень (это и тесты, CI/CD, понятные правила, доступ к внутренним данным и здоровые инженерные практики) — ИИ ускоряет поток работы. Если система уже живёт в хаосе, AI добавит больше кода, больше ревью, больше проверки и больше недоверия к результату.
Короче, считать и смотреть надо на то:
- где сократился Lead Time;
- где уменьшился rework;
- где снизилась стоимость проверки;
- где вырос throughput без просадки качества;
- куда команда переинвестировала высвободившуюся capacity;
- какие бизнес-результаты стали появляться быстрее.
ИИ ROI начинается с вопроса: какое узкое место нашей системы теперь проходит быстрее?
Больше про работу с командами и внедрение ИИ в инженерку в блоге Марата Киньябулатова predictable.team | 377 |
| 13 |  People Sense 26' отгремела — но разговоры не утихают
Побывал на воркшопе Сережи и Никиты про команду как объект управления. И у меня сильно срезонировало то, к каким выводам ребята приводят через цепочку активностей
. ✍️ Большинство руководителей работают с людьми в команде, а не с командой. 1-1, индивидуальные цели, 360-review — всё это инструменты работы с отдельными людьми. Команда — это другой объект. Не сумма людей, а отдельная сущность со своей динамикой, своим «иммунитетом» и своими болезнями.
На воркшопе это показали через симуляцию: вот команда на этапе Storming, вот дедлайн, вот набор техник-карточек — выбирай. И сразу видно последствия: прошёл квартал, расхлёбывай. Никакого «правильного ответа» — только контекст, люди и твоё понимание динамики.
🎓 Мне это сильно откликается: на работе я один из тренеров программы для инженерных менеджеров. И у меня есть похожий раздел — про то, что эффективная команда — это пересечение трёх вещей: достижение целей, метрики и вовлечённость. И там тоже карточки техник, тоже паттерны. Геймификация ру
лит. Потому что единственного правильного пути нет. Есть понимание, на каком этапе твоя команда и что сейчас реально поможет.
☝️ К чему это я?
- Во-первых, работа с людьми и группами людей — это много контекста и отсутствие единственно правильног
о пути.
- Во-вторых, чтобы не считать себя самозванцем, круто делиться кейсами с коллегами по цеху и нарабатывать коллективн
ый опыт.
- В-третьих, People Sense — пока единственная конференция, на которой можно потрещать как на тему работы с командами, так и на тему производительности GPU Huawei Ascend для инференса (привет ребятам с Selectel ;). И всё это, внимание, вечером у костра в суперуютной атмосфере. Такого я пока ещё нигде не видел.
Конференцию про человекоцентричность странно заканчивать тем, что все молча расходятся по домам. Поэтому спикеры собрали общую папку каналов — чтобы разговор шёл дальше, уже без сцены м
ежду нами.
➡️ Папка «После сцены PeopleSense’26» | 244 |
| 14 |  +2В конце мая мы с @listl и @aigizk провели в Уфе первый митап 🇷🇺 Bash Agentic Engineering.
Вадим — Team Lead, основатель Ufa .NET. Айгиз — MLOps и автор башкирской умной колонки Homai.
Идея проросла весьма органично: в нашем коворкинге давно собирается сильная ИТ-тусовка, а с приходом AI мы все чаще обсуждали кодинг-агентов, LLM и мультиагентную разработку. В какой-то момент стало понятно — пора выносить это в открытый формат.
На митапе дали минимум теории, а потом сразу ушли в практику. Разбирали реальные кейсы обработки жалоб ЖКХ: сначала ручной режим, потом - работа через чат с LLM и затем агентный сценарий с Playwright CLI. Параллельно показали benchmark-driven подход, harness вокруг LLM и автономных агентов для проверки качества ответов.
Самое классное — после митапа люди не разошлись: остались обсуждать, спорить и делиться своими кейсами. Пришли разработчики, аналитики, тестировщики, исследователи, предприниматели и инвесторы.
Будем делать еще. Уфе точно нужно больше AI-движухи, больше практики и больше людей, которые не просто читают про агентов, а реально пробуют это руками.
И да: несмотря на просьбу заранее настроить Codex, все равно пришлось делиться подпиской на z.ai 🙂
#AI #AgenticEngineering #LLM #Ufa #BashAgenticEngineering | 342 |
| 15 |  Как идти к Agentic Engineering, когда оргструктуру команды трогать нельзя
Красивый образ AI-native команды обычно такой: 2–3 человека, полная E2E-ответственность, агенты забирают рутину, команда быстро доводит идею до production.
На слайде выглядит отлично. Фигушки. 🙅
В большой организации этот слайд сразу начинает конфликтовать с годовыми целями, бюджетами, стратегическими проектами, административными контурами и уже собранной структурой команд. Пересобрать всё ради новой модели работы редко получается быстро. Да и, возможно, это не самый оптимальный путь — просто вокруг него сейчас больше всего хайпа.
🥦 Поэтому я всё больше верю в органичный путь, специфичный для контекста команды. Один подход на все команды не натянешь.
Команде нужен путь, где одновременно растут два навыка:
- люди понимают E2E-специфику работы целиком, включая соседние зоны;
- люди умеют работать с агентами как с нормальной частью инженерного процесса.
Без этого Agentic Engineering быстро превращается в красивую демку, после которой человек вручную проверяет всё, что агент нагенерил, и едет кукухой от невозможности это поддерживать.
🗿 Путь 1. Агентизировать нудный run-процесс
Берём рутину. Лучше жирную, скучную, местами недетерминированную.
Это может быть новый процесс. Ещё лучше — уже автоматизированный. Девопсы обычно знают его «особенности»: где падает, где нужна ручная проверка, где живут исключения.
Сначала один человек собирает агента вокруг этого процесса. Потом подключаем второго: показываем, как делали, и просим агентизировать ещё один процесс. Потом вовлекаем третьего.
Ценность простая: команда набивает руку там, где риск ниже. Рутины становится меньше, появляется место для change-работы и экспериментов.
🤩 В таком режиме примерно за полгода половина команды начинает нормально пользоваться кодинг-агентами.
💪 Путь 2. Оставить команду как есть и выделить 2–3 человека в режим “look ma, no hands”
Мам, смотри, я без рук.
Команда сохраняет привычную форму: роли, планирование, обязательства, административную структуру.
Внутри неё 2–3 человека берут правило: задачи проходят через агентов. Руками формируем фреймворк работы: рамку, проверку, финальное решение и места, где без человека пока никак.
Через первый месяц эти люди обычно начинают делиться находками с остальными «сослуживцами»: промптами, скилами, способами декомпозиции, проверки, отладки, работы с легаси.
Остальные начинают прозревать: видят соседей, которые уже работают иначе с тем же кодом, ограничениями и релизным циклом.
🤩 В нашем опыте за 3–6 месяцев 70–80% команды уже активно используют кодинг-агентов и примерно понимают, как их готовить.
🔬 Путь 3. Разделить команду на микро-юниты внутри той же оргструктуры
Команда из 15 человек может остаться одной командой на бумаге. Внутри появляются маленькие кросс-функциональные юниты по 2–3 человека.
Статические или динамические — зависит от контекста. Важнее другое: работу берёт юнит, не вся команда целиком.
Сразу проявляется дефицит специальностей. Аналитиков и тестировщиков обычно меньше, чем разработчиков. Людям приходится чаще работать вместе: mob programming, swarming, быстрые синхронизации, совместная проверка результата.
Вот здесь и растёт E2E-понимание.
Разработчик видит аналитику. Аналитик видит инженерные ограничения. Тестировщик наконец-то попадает в процесс создания ценности раньше — не в момент, когда реализация уже готова и её надо только проверить.
Агент становится общим инструментом юнита, вместо личной игрушки одного энтузиаста.
Ретроспектива тоже меняется: обсуждаем опыт между юнитами, чтобы практики быстро переливались по команде.
🤩 В нашем опыте за пару месяцев почти вся команда начинает активно пользоваться кодинг-агентами и лучше понимает полный путь задачи.
---
Короче: если цель — сокращать время реализации с помощью AI, начинать стоит с условий для практики.
Людям нужно безопасно набить два навыка: E2E-ответственность и работу с агентами.
Agentic Engineering вырастает из повседневной работы команды. | 249 |
| 16 |  Prosci в AI Adoption Guide 2026 называет четыре главные причины сопротивления AI.
Потихоньку закрываю темы, которые не успеваю озвучить на конференциях.
Исходя из новостей о стремительной замене людей ИИ-агентами думаешь: там страх увольнений, безопасность и недоверие к качеству моделей.
В отчёте причины лежат ближе к обычному рабочему дню:
1. человек не понимает, зачем это лично ему;
2. боится неизвестности и неловкости;
3. не знает, как начать;
4. чувствует, что его исключили из решения.
В нашей практике картина почти совпала.
Дали доступ всем — пришли единицы. Провели вебинары — люди послушали и вернулись к обычной работе. Сделали реестр инструментов — он стал ещё одной ссылкой, которую никто сам не открывает.
После этого фокус сместился с доступа к первому рабочему опыту.
🧩 1. Личная польза появляется на живой задаче
Для инженера (это любой сотрудник айти-команды) «AI-стратегия» слишком далека от реальной задачи. А уж как она далека линейным сотрудникам - думаю не надо и описывать :) Лучше работает конкретика: 30 boilerplate-классов за 2 минуты (не спрашивайте, зачем это надо), тест-кейсы по реальному тикету, разбор старого модуля перед задачей.
Практика: Это как научить рыбачить, вместо того чтобы сразу кормить. Примеры и выгоду показываем типовые для нужной когорты людей (ведь у всех ролей разные запросы), связанный с конкретными и рутинными задачами.
⛑ 2. Первый опыт должен быть безопасным
Люди редко задают простые вопросы на большом вебинаре. Маленькая группа, эксперт рядом, можно останавливаться, ошибаться и спрашивать про установку, доступы, промпт, ошибку в терминале.
В посте выше есть формат воркшопа и хакатона, которые тут помогут. Но пререквизит к этому: обязательно упростите установку кодинг-агента + доступов + нужных инструментов и mcp. В идеале shell-скриптом. А для сотрудников на винде сразу закажите админские роли. А для сотрудников на VDI - проработайте решение с безопасниками.
🎢 3. Первый маршрут лучше собрать заранее
Одна команда установки. Готовый сценарий запуска. Пример на реальном тикете. Понятные ограничения. Чеклист проверки результата.
Человек должен быстро дойти до первого маленького успеха.
Практика: Даем примеры, которые можно решить (чтоб не разочаровать, если пример не решится). Прогоняем воркшоп на подопытных, чтобы отловить типичные проблемы на каждом шаге. Не грузим кучей теории
🧠 4. Практика приживается, когда команда собирает её сама
QA собирают свои сценарии. Аналитики описывают свои артефакты. Разработчики формируют скилы для кода и ревью. Техлид показывает пример на собственной работе. Продакт учится самостоятельно делать прототипы.
Так AI становится темой нормального инженерного разговора: какие задачи отдаём агенту, где держим стандарт, где финальное решение остаётся за человеком.
Сопротивление AI часто начинается с нормальных вопросов команды.
Практика: Мы в обучении и вовлечении даем самый минимум. Скелет, фреймворк для использования. Когда у людей есть желание улучшаться (а в agile мы его воспитываем ретроспективами и культурой непрерывного развития) - при необходимых инструментах они сами учатся оптимизироваться. Важно создать среду для поддержки подобных благих намерений.
💅 Короче говоря: Хорошее внедрение даёт человеку первый маленький результат — и право попробовать самому.
Больше про работу с командами и внедрение ИИ в инженерку в блоге Марата Киньябулатова predictable.team | 343 |
| 17 | 🤝 Всем привет, сегодняшняя презентация с People Sense - мы обсуждали проблемы перехода в Agentic Engineering.
Мы, вероятно, не успели покрыть темы:
- топ причин сопротивления внедрению ИИ в организациях;
- почему ИИ может привести к тому, что ваша компания станет Feature Factory на стероидах;
- как двигаться в сторону AI Adoption и Agentic engineering - если вы не готовы менять структуру команды.
Дополнительные материалы в этом посте | 305 |
| 18 | ppl_sense_ai-adoption-marat.pdf | 1 |
| 19 |  🤖 Маленькие AI-команды, которые радикально меняют SDLC это гипотеза, которая апробируется. А не аксиома, как многие сейчас думают.
Я очень много слышу (и сам привожу примеры) о том, как AI двигает нас к микро-командам (по разным причинам: например сокращение координационной цепочки).
🚀 Кейсы, которые у всех на слуху: как строили Sora for Android в 4 человека, 28 дней, #1 в Google Play — это все кейсы от OpenAI и Anthropic. То есть компании, которые сами строят AI-инструменты, их продают, и сами же ими пользуются.
И почему-то когда мы приводим их в пример, мы забываем что там нет legacy, нет трёх уровней согласований, самый ранний доступ к моделям и инфраструктуре. Потом еще можно вспомнить uptime сервисов Anthropic (он невысокий) и понять, что они-то на стадии роста могут им жертвовать (а я в финтехе - не могу).
Это важный контекст, если думаешь о переносе паттерна в свою компанию.
🐻 Большинство компаний в 2026-м осторожно движутся к небольшим, измеримым AI-проектам (а не оголтелому перенарезанию оргструктуры). Прирост продуктивности на уровне задач, когда ты выстраиваешь агентский SDLC вокруг конкретного бизнес процесса реальный (15–40%). А вот конвертация этого в результат на уровне всей компании — отдельная работа, которая зависит от структуры, legacy и культуры в самой организации. Потому что ускорив одну команду, ты тупо упрешся в соседние.
Где точно круто работают микрокоманды - это прототипирование через vibe coding. Путь же от прототипа до прода — это тесты, security, observability, CI/CD, feature флаги, рефакторинг. И это все упирается в правильную обвязку, а выстроить ее - это понимать и исповедовать инженерную культуру.
🚵♀️ Третий год мы зачеркиваем предыдущие подходы: prompt engineering → context engineering → и вот сейчас harness engineering: проектирование сред, ограничения, циклы обратной связи, жизненный цикл агентов. OpenAI в феврале 2026-го написали, что их самые сложные задачи теперь именно здесь — в проектировании среды для агентов.
Когда harness engineering перечеркнем, интересно?
Короче говоря, команды из 2–4 человек работают в специфических условиях: greenfield, автономия, senior-состав, нет legacy. Это живой эксперимент, результаты которого ещё накапливаются. А работают ли они на масштабе в других средах: brownfield, зарегулированных и отчетных - это пока еще вопрос.
❓ Есть ли у вас примеры того, как микро-команды работают или не работают | 519 |
| 20 | 🚫🐞 Zero Bug Policy: как мы сократили бэклог багов в 4 раза
- Уменьшили бэклог с 77 → 18 багов за месяц.
- 80% всех багов - с датами фиксов, которые сбываются.
- Разбор всех новых багов в течение 2 дней.
📝 Контекст
Кейс с прошлой работы: в MetaMap мы быстро росли. Команд добавлялось, фичей становилось больше, клиентская база расширялась. Бэклог багов рос - 77 открытых, у 60 ни сроков, ни ответственного.
Приоритизировали хаотично:
- кто громче кричит,
- у какого клиента больше ARR,
- насколько панически звучит запрос 😅.
Поддержка не могла обещать клиентам конкретики. Разработка откладывала баги из спринта в спринт (знакомо?). Дефект попадал в бэклог и пропадал куда-то за горизонт событий черной дыры.
⚙ Что сделали
Ввели Zero Bug Policy. Три правила:
• Critical — production down, data loss, security breach. Бросаем всё, чиним сейчас
• Moderate — следующий спринт, 30% capacity
• Low багов нет — мы их сразу закрываем и информируем, почему не будем чинить
• Баг висит > 2 спринтов — останавливаем фичи, разбираемся с долгом
Каждому багу — Due Date или хотя бы «дата, когда мы назовём дату».
Результат
Через месяц: 77 → 18. Поддержка впервые стала говорить клиентам «исправим тогда-то» — и сдерживала слово. Доверие между отделами и пользователями восстановилось.
Наконец-то собрал этот опыт в полноценный пост на Хабре — с механикой, SLA и тем, как это работает на практике. | 390 |
