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
اطلاعاتی وجود ندارد30 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
اوت '26
اوت '26
+12
در 0 کانالها
ژوئیه '26
+35
در 1 کانالها
Get PRO
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 | |
| 28 اوت | +1 | |||
| 27 اوت | 0 | |||
| 26 اوت | 0 | |||
| 25 اوت | 0 | |||
| 24 اوت | +1 | |||
| 23 اوت | 0 | |||
| 22 اوت | +1 | |||
| 21 اوت | 0 | |||
| 20 اوت | 0 | |||
| 19 اوت | 0 | |||
| 18 اوت | +1 | |||
| 17 اوت | 0 | |||
| 16 اوت | 0 | |||
| 15 اوت | 0 | |||
| 14 اوت | 0 | |||
| 13 اوت | +1 | |||
| 12 اوت | +2 | |||
| 11 اوت | +3 | |||
| 10 اوت | +1 | |||
| 09 اوت | 0 | |||
| 08 اوت | +1 | |||
| 07 اوت | 0 | |||
| 06 اوت | 0 | |||
| 05 اوت | 0 | |||
| 04 اوت | 0 | |||
| 03 اوت | 0 | |||
| 02 اوت | 0 | |||
| 01 اوت | 0 |
پستهای کانال
☕️ Пятничный кофе — хорошая метрика активности: чашка показывает, что ты проснулся. Про сделанную работу она ничего не говорит.
🪙 С токенами в AI похожая история. Дашборд показывает, что инструментом пользуются. Всё.
Дальше виден сдвиг в работе: PR растут — очередь часто переезжает в ревью. Агент экономит время — и добавляет проверку, интеграции, поддержку. Смена модели превращается в маленький релиз с феерверками тестом, наблюдением и владельцем решения.
В новом Human Loop Weekly — почему расход токенов показывает температуру, а результат стоит искать в пути задачи до пользователя.
Вопрос на выходные: какой AI-показатель у вас выглядит как KPI, хотя полезнее оставить его диагностическим сигналом?
https://maratkee.com/ru/thehumanloop/2026-08-24-ai-management-digest/
| 2 |  Когда AI-native превращается в план сократить людей
Кейс Meta (признана экстремистской организацией и запрещена в РФ) из спецрепортажа Reuters — хорошая проверка разговоров про AI-native и маленькие команды.
По данным Reuters, в январе Meta запустила Project OT. Компания обсуждала более компактные команды и больше работы, которую берут на себя AI-инструменты и агенты. В наиболее радикальных сценариях размер некоторых команд мог сократиться до 60%. Реорганизацию планировали провести двумя волнами — в мае и ноябре.
20 мая Meta сократила 10% сотрудников. Ноябрьскую волну затем отменили. Reuters не удалось установить, почему именно Цукерберг изменил курс.
Внутренние данные рисовали сложную картину. Изменения кода на внутренних платформах выросли на 220% год к году. Изменения, которые дошли до пользователя, — на 36%. Число крупных технических инцидентов и инцидентов безопасности, по этим данным, выросло на 40%, а время на их устранение — на 70%.
Кода можно писать больше и быстрее. Дальше остаются ревью, тестовые среды, безопасность, релиз, эксплуатация и проверка эффекта у пользователя. Если эти части системы не выдерживают темп, работа скапливается в следующей очереди или качество компрометируется.
Это ровно то, о чём я недавно писал про tiny teams. Маленькая команда жизнеспособна там, где вокруг неё уже есть платформа, автоматические проверки, понятные решения и быстрый доступ к нужной экспертизе.
AI-native — это устройство всей системы работы. Штатное расписание из трёх человек само по себе им не становится.
Полный кейс Reuters | 110 |
| 3 |  Микрокоманды из трёх человек с AI-агентами способны заменить обычную продуктовую команду — и значит нам столько больше не нужно?
🤝 Такой вывод, если сильно не вчитываться в кейсы, можно сделать об ускорении разработки: меньшим составом удаётся выпускать тот же объём работы.
👉 Я разобрал этот тезис в новой статье на Хабре.
Картина сложнее. Публичных исследований, которые показывали бы преимущество микро-команды, вооруженной AI над обычными кросс-функциональными командами в широком масштабе, пока нет. Но уже понятно, от чего зависит жизнеспособность команды из двух-трёх человек.
Важны сложность системы, распределение знаний, цена ошибки и поддержка вокруг команды.
У истории «три человека сделали продукт» часто есть продолжение за кадром: CI/CD, платформа, автоматические проверки, инфраструктура, а также специалисты по безопасности, данным и праву. Всё это кто-то создавал и поддерживает.
📰В статье — данные CircleCI, границы публичных кейсов и диагностика для руководителя: подойдёт ли микрокоманда вашей задаче.
- Короткая версия на Хабре
- Полная версия на maratkee.com — с детальным разбором и двумя стресс-тестами: что остановится, если один человек исчезнет на месяц, и где возникнет очередь, если AI удвоит поток изменений. | 307 |
| 4 | Интересное чтиво:
У коллеги из вышел отличный пост на Хабре — про «прыжок веры» команды в агентскую разработку.
Как 16 человек без расширения штата и героизма перестроили процессы, попробовали AI-инструменты в деле, разделились на микроюниты и собрали свой workflow для работы людей и агентов.
Честный кейс: с провалами, хакатоном, рефакторингом и неочевидными организационными выводами.
👍 Читайте на Хабре | 201 |
| 5 |  ➿ Human Loop Weekly #2 — AI ускоряет отдельные этапы работы. А вот задача все равно висит в очередях между этапами
AI помог открыть pull request в понедельник. В какой день пользователь получил изменение? Этим вопросом мы задаемся как сквозной темой в рассылке на этой неделе. Смотрим на то, как ограничение часто проявляется после написания кода: в ревью, тестовой среде, решении о риске, релизном окне или проверке результата у пользователя.
Во втором выпуске разбираю:
- как восстановить маршрут 10 недавно завершённых задач;
- где отличить очередь мощности от ожидания решения и контекста;
- почему зелёная проверка подтверждает конкретный риск, а не качество изменения целиком;
- как связать активность с AI с временем прохождения задачи, возвратами и клиентским результатом.
Кому лень идти на сайт — вот источники сразу:
📊 DORA: как измерять ценность генеративного AI — J-кривая внедрения, стоимость обучения и «налог на проверку»: AI генерирует больше кода, команде требуется больше времени, чтобы его понять и подтвердить.
🏭 Lean Enterprise Institute: 12 потерь в разработке продукта — ожидание данных, решений, ревью и свободной мощности; передачи контекста и переделка как источники потерь.
💰 DORA: ROI разработки с AI — как связывать AI-инвестиции с потоком работы, качеством и финансовым эффектом.
🔍 Google Cloud: кто проверяет код, написанный AI — практический сигнал: рост объёма изменений переносит нагрузку в ревью и интеграцию.
👉 Полный выпуск | 215 |
| 6 |  Я подписан на кучу рассылок по AI, продукту, менеджменту и инженерным командам. Каждую неделю разгребаю поток и собираю из него то, что реально влияет на решения — данные, исследования, кейсы - с разбивкой на то, это подтвержденная инфа или пока какой-то хайп. Недавно, об этом узнали коллеги и попросили поделиться. Пришлось оформить в полноценную рассылку, которая будет выходить раз в неделю!
👉 Human Loop Weekly #1
В выпуске:
- 84% разработчиков используют AI. Доверяют результату — 29%
- Скрытые расходы $310–750/мес на инженера поверх зарплаты
- Команды из 8 человек → AI Pod из 2–4 сеньоров с агентами
- AI усиливает то, что уже есть (DORA 2025)
- Monte Carlo для портфеля из 50+ команд
Кому лень идти на сайт — вот источники straight to the point:
📊 Stack Overflow Developer Survey 2025 — adoption vs trust, фрустрации с AI-кодом
🐙 Jellyfish: State of Engineering Management 2026 — 80% сообщают о росте, лишь 10% получают реальную поддержку
🔧 LeadDev: «10x AI productivity? Try 10%» — реальный ROI ~10%
🧪 METR: рандомизированное исследование — с AI задачи делались на 19% дольше
📐 Let People Work: Monte Carlo для мультикоманд — пошаговый гайд
Подписаться на еженедельные выпуски → @predictableteam | 267 |
| 7 |  Я за последние полгода привык к паттерну: один AI-агент пишет код (codex, gpt-5.5). Второй проверяет (z.ai glm-5.2). На схеме выглядит как зрелый инженерный процесс. В цифрах иногда оказывается, что второй агент ломает решение, которое уже проходило тесты.
📚 В свежем arXiv-препринте про cross-model code review исследователи взяли 116 сложных и средних задач LiveCodeBench и сравнили шесть режимов: Claude отдельно, Codex отдельно, самопроверка каждой модели и проверка другой моделью.
Агент-ревьюер видел условие и черновик решения, запускать тесты не мог. То есть это статическая проверка перед CI.
👆Оказалось: второй AI в цепочке сам по себе качества не гарантирует.
Цифры здесь — это сколько задач из 116 прошли тесты.
- Claude Opus 4.7 один: 91,4%
- Codex GPT-5.5 один: 71,6%
👍 Когда Codex писал первый черновик решения, ревью помогало:
- Codex → Claude review: 89,7%
Было 71,6%, стало 89,7%. Это +18,1 п.п. к одиночному Codex.
- Codex → Codex self-review: 84,5%
Было 71,6%, стало 84,5%.
👍 Когда Claude писал первый черновик, ревью не помогало:
- Claude → Codex review: 82,8%
Было 91,4%, стало 82,8%. Это -8,6 п.п. к одиночному Claude.
- Claude → Claude self-review: 91,4%
Было 91,4%, осталось 91,4%.
📈 Читая эти результаты, хочется пошутить что теперь и агентам нужен оргчарт. Кто кому ставит approve: Claude Codex’у или Codex Claude’у - влияет на качество.
• Хороший проверяющий агент помогает там, где решение почти готово: поправить крайний случай, убрать лишнее, заметить ошибку.
• Слабый проверяющий агент делает классическую менеджерскую ошибку: приходит в работающий процесс, всё “оптимизирует” — и после него всё ломается.
🔭 Пора проектировать роли агентов в разработке с агентами (простите за за тавтологию)
Теперь пора учитывать - кто делает первый черновик? Кто проверяет? Есть ли тесты? Может ли проверяющий запускать код? Где человек принимает финальное решение (ну это итак очевидно)? Сколько рабочих решений второй агент улучшил — и сколько сломал?
❕Тут важно понимать, что на LiveCodeBench, где это все проверялось - задачи спортивного программирования; там нет живого репозитория, старого кода, CI, кривых-тестов, песочницы для запуска....
➕ Но, как мне кажется, паттерн все равно полезный.
Если в команде появляется связка «агент пишет → агент проверяет», кроме скорости смотрите еще и на поломки, которые принёс проверяющий агент. Иначе можно очень быстро построить красивый процесс, который уверенно ухудшает результат. | 246 |
| 8 |  📼 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 | 271 |
| 9 | 🚨 Начинаем через пять минут в zoom по ссылке! | 231 |
| 10 |  ❎❎❎ 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. | 248 |
| 11 |  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. | 263 |
| 12 | 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. | 203 |
| 13 | Нас полдник поел пудинг шоколадный hyper, и на ужин: 5 грамм семян чиа с йогуртом греческим 2% 220 грамм Простоквашино | 1 |
| 14 |  🗓 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. | 191 |
| 15 | 👋🏼 Всем привет :)
🎬 Делаем стрим про то, как работать с сопротивлением команд при внедрении ИИ - вместе с сообществом Agile Ufa на следующей неделе.
Приходите! | 163 |
| 16 |  ➿ 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. | 388 |
| 17 | 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 | 491 |
| 18 |  📚 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. | 310 |
| 19 | 💹 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 |
| 20 |  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 |
