uz
Feedback
Системный сдвиг

Системный сдвиг

Kanalga Telegram’da o‘tish

Юрий Куприянов. Обучаю системных аналитиков. Помогаю внедрять ИИ. Пишу про нетривиальные темы в анализе, проектировании систем, управлении, обучении. Реклама, консультации, менторинг: @YuryKupriyanov Регистрация РКН: 7085438377

Ko'proq ko'rsatish

📈 Telegram kanali Системный сдвиг analitikasi

Системный сдвиг (@systemswing) Rus til segmentidagi kanali faol ishtirokchi. Hozirda hamjamiyat 10 206 obunachidan iborat bo'lib, Texnologiyalar & Aralashmalar toifasida 11 893-o'rinni va Rossiya mintaqasida 63 342-o'rinni egallagan.

📊 Auditoriya ko‘rsatkichlari va dinamika

невідомо sanasidan buyon loyiha tez o‘sib, 10 206 obunachiga ega bo‘ldi.

22 Iyul, 2026 dagi oxirgi ma’lumotlarga ko‘ra kanal barqaror faollikka ega. Oxirgi 30 kunda obunachilar soni -23 ga, so‘nggi 24 soatda esa 1 ga o‘zgardi va umumiy qamrov yuqori darajada qolmoqda.

  • Tasdiqlash holati: Tasdiqlanmagan
  • Jalb etish (ER): Auditoriya o‘rtacha 15.77% darajada jalb etiladi. Nashrdan keyingi dastlabki 24 soatda kontent odatda umumiy obunachilar sonining 8.13% ini tashkil etuvchi reaksiyalarni to‘playdi.
  • Post qamrovi: Har bir post o‘rtacha 1 609 marta ko‘riladi; birinchi sutkada odatda 830 ta ko‘rish yig‘iladi.
  • Reaksiyalar va o‘zaro ta’sir: Auditoriya faol: har bir postga o‘rtacha 28 ta reaksiya keladi.
  • Tematik yo‘nalishlar: Kontent архитектор, архитектура, проектирование, интерфейс, api kabi asosiy mavzularga jamlangan.

📝 Tavsif va kontent siyosati

Muallif resursni shaxsiy fikrni ifoda etish maydoni sifatida ta’riflaydi:
Юрий Куприянов. Обучаю системных аналитиков. Помогаю внедрять ИИ. Пишу про нетривиальные темы в анализе, проектировании систем, управлении, обучении. Реклама, консультации, менторинг: @YuryKupriyanov Регистрация РКН: 7085438377

Yuqori yangilanish chastotasi (oxirgi ma’lumot 23 Iyul, 2026 da olingan) sababli kanal doimo dolzarb va katta qamrovli bo‘lib qoladi. Analitika auditoriya kontent bilan faol hamkorlik qilishini, uni Texnologiyalar & Aralashmalar toifasidagi muhim ta’sir nuqtasiga aylantirishini ko‘rsatadi.

10 206
Obunachilar
+124 soatlar
-167 kunlar
-2330 kunlar
Obunachilarni jalb qilish
Iyul '26
Iyul '26
+39
0 kanalda
Iyun '26
+76
2 kanalda
Get PRO
May '26
+136
3 kanalda
Get PRO
Aprel '26
+242
1 kanalda
Get PRO
Mart '26
+95
2 kanalda
Get PRO
Fevral '26
+67
0 kanalda
Get PRO
Yanvar '26
+164
1 kanalda
Get PRO
Dekabr '25
+162
2 kanalda
Get PRO
Noyabr '25
+132
4 kanalda
Get PRO
Oktabr '25
+274
8 kanalda
Get PRO
Sentabr '25
+206
5 kanalda
Get PRO
Avgust '25
+187
4 kanalda
Get PRO
Iyul '25
+170
5 kanalda
Get PRO
Iyun '25
+160
8 kanalda
Get PRO
May '25
+276
7 kanalda
Get PRO
Aprel '25
+413
9 kanalda
Get PRO
Mart '25
+277
6 kanalda
Get PRO
Fevral '25
+458
11 kanalda
Get PRO
Yanvar '25
+757
3 kanalda
Get PRO
Dekabr '24
+312
6 kanalda
Get PRO
Noyabr '24
+240
3 kanalda
Get PRO
Oktabr '24
+367
6 kanalda
Get PRO
Sentabr '24
+1 474
2 kanalda
Get PRO
Avgust '24
+532
4 kanalda
Get PRO
Iyul '24
+307
3 kanalda
Get PRO
Iyun '24
+209
1 kanalda
Get PRO
May '24
+328
5 kanalda
Get PRO
Aprel '24
+294
0 kanalda
Get PRO
Mart '24
+336
4 kanalda
Get PRO
Fevral '24
+230
3 kanalda
Get PRO
Yanvar '24
+293
1 kanalda
Get PRO
Dekabr '23
+326
0 kanalda
Get PRO
Noyabr '23
+174
2 kanalda
Get PRO
Oktabr '23
+330
1 kanalda
Get PRO
Sentabr '23
+149
0 kanalda
Get PRO
Avgust '23
+229
0 kanalda
Get PRO
Iyul '23
+211
0 kanalda
Get PRO
Iyun '23
+134
0 kanalda
Get PRO
May '23
+438
0 kanalda
Get PRO
Aprel '23
+247
0 kanalda
Get PRO
Mart '23
+180
0 kanalda
Get PRO
Fevral '23
+133
0 kanalda
Get PRO
Yanvar '23
+101
0 kanalda
Get PRO
Dekabr '22
+421
0 kanalda
Get PRO
Noyabr '22
+54
0 kanalda
Get PRO
Oktabr '22
+34
0 kanalda
Get PRO
Sentabr '22
+20
0 kanalda
Get PRO
Avgust '22
+116
0 kanalda
Get PRO
Iyul '22
+278
0 kanalda
Sana
Obunachilarni jalb qilish
Esdaliklar
Kanallar
23 Iyul+3
22 Iyul+2
21 Iyul+1
20 Iyul0
19 Iyul+1
18 Iyul0
17 Iyul+6
16 Iyul+1
15 Iyul+1
14 Iyul+2
13 Iyul+1
12 Iyul0
11 Iyul+3
10 Iyul+1
09 Iyul+3
08 Iyul+2
07 Iyul+2
06 Iyul+1
05 Iyul+3
04 Iyul+1
03 Iyul+1
02 Iyul+3
01 Iyul+1
Kanal postlari
Каждый раз, когда приходится стартовать проект с нуля, не перестаю удивляться количеству вещей, про которые нужно подумать и принять решение. В первый раз, помню, поразился, когда понял, что разные виды обеспечения из ГОСТ 34.602 — это не "вода", как многие считают, а реально нужные и полезные разделы. Например, правовое обеспечение системы, или лингвистическое (за казенными формулировками не всегда понятно, что "лингвистическое обеспечение" — это, в том числе, тот самый ubiquitous language из DDD, а вовсе не "подписи в интерфейсе системы должны быть выполнены на русском языке"). Второй раз я был шокирован, когда понял, что у меня в проекте разворачиваются все 43 процесса из ISO 12207, и все их мне нужно контролировать! Все вот эти процессы приобретения, поставки, менеджмента решений, и даже менеджмента повторного применения активов! Ну, я-то, как нормальный программист, читал только группу технических процессов (11 штук) и группу процессов реализации программных средств (7), а вот эту всю управленческую лабуду... И вот опять понадобилось выписать набор вопросов, по которым нужно принять решение и зафиксировать его: 1. Что нужно сделать? Какую возможность эксплуатируем / проблему решаем, почему сейчас, почему разработка программ поможет, какие есть ограничения? (первоначальное ТЗ) 2. О чем вообще мы говорим? (Глоссарий) 3. Что происходит? (Верхнеуровневая схема процесса, перечисление основных шагов) 4. Кому это нужно и зачем? (Реестр стейкхолдеров, их интересов и уровня влияния) 5. Как мы организуем работу? (Модель SDLC, подход к управлению задачами и релизами, выбор технических решений по ведению списка задач, хранению знаний проекта, фиксации решений, коммуникации. То есть, буквально: работаем недельными спринтами, релиз в конце каждого спринта, задачи записываем в Jira в виде юзер-сторей, а потом бьем на задачи для фронта и бэка, исходники храним в Gitlab, еженедельно созваниваемся по следующим вопросам, текущая переписка в таком-то мессенджере) 6. Как мы принимаем решения? (Регламент по приему различных решений: бизнесовых, организационных, по ахитектуре и функциям системы) 7. Что нужно сделать? (Описание функций системы) 8. Как это должно работать и изменяться? (Нефункциональные требования и характеристики) 9. Что из готового мы можем использовать / купить? (Политика использования готовых компонентов и сервисов) 10. С чем нам нужно будет интегрироваться или обмениваться данными? (Внешнее окружение) 11. Как это будет выглядеть снаружи? (Функциональная архитектура) 12. Как это будет устроено внутри? (Техническая архитектура) 13. Как мы это будем развертывать и обновлять? (Описание процессов развертывания) 14. Как мы будем предъявлять результаты работы? 15. Как мы докажем, что сделали то, что нужно и хорошо? (ПМИ в каком-то виде) 15 пунктов, я уже устал писать, а мы ведь не коснулись основного содержания работы аналитика — все эти спецификации требований, данных, экранов, API — и очень далеки от программирования. Каждый из пунктов раскрывается глубже и глубже: ок, мы выбрали, как будем фиксировать задачи, а какие поля должны быть у каждой записи о задаче? Какая у неё статусная модель? Какие условия переходов между статусами и кто должен быть информирован о них?.. Фактически, речь идёт о проработке требований к нескольким обеспечивающим системам. Да, скорее всего мы не будем их самостоятельно разрабатывать, но требования (решения) в их отношении мы должны принять. Хорошо тем, у кого эти решения уже приняты раз и навсегда, и новый проект стартует по готовым шаблонам. Но и проекты бывают разные — они же уникальные, и что подходит для одного проекта, может быть неудобным в другом. Начинай с начала! А так как это решения, здесь должен быть выбор — ну хотя бы из двух вариантов (а в реальности их обычно больше). И каждый выбор должен быть обоснован — почему выбрали это решение и отвергли альтернативы? Если написать хотя бы 2-7 страниц по каждому пункту, это уже документ под сотню листов! А мы ещё не начали толком ничего делать. И работа по проработке требований к обеспечивающим системам проекта обычно остается невидимой.

2
🔥 Три разных человека. Три разных проекта. Один и тот же подход. — Юра взял «скучную» нишу с готовым спросом → сначала печальные $100/мес, через год уже ~$10K/мес — Денис сделал Telegram-игру в одиночку на основе AI → ~ $1500 за 1,5 месяца после запуска — Аня без кода запустила AI-бота для изучения английского → первые ~$200 уже в 1 месяц Разные результаты. Разный масштаб. Но общие правила: 1. не придумывать «гениальную идею», а брать существующий спрос 2. делать простой MVP и быстро запускаться 3. докручивать монетизацию и продукт по факту использования Ребята сделали всё без команды, без инвестиций, а самое главное — без ожидания «идеального момента». Да, не у всех получается сразу. И не у всех выходит на $10K. Но если системно идти по схеме выше — появляется первый доход с продукта, а дальше уже есть что масштабировать. В комьюнити разбираем такие кейсы регулярно: @its_capitan. Что сработало, что нет, и почему. Реклама: ИП Зуев Игорь Владимирович, ИНН: 360408359441, Erid: 2Vtzqusia1x
1 536
3
Интересно, что конфликты с точки зрения цветов выглядят по-разному: Черный-белый с точки зрения белых: борьба добра со злом,+1
Интересно, что конфликты с точки зрения цветов выглядят по-разному: Черный-белый с точки зрения белых: борьба добра со злом, а с т.зр. черных: борьба личности с зависимостью от других. Черный-зеленый: прагматизм против расточительства или сохранение против эксплуатации (угадайте, где чья перспектива) Зеленый-синий: равновесие против дестабилизации или совершенствование против самодовольства. Синий-красный: ясность мысли против импульсивности или яркая жизнь против холодного расчета. Красный-белый: свобода против ограничений или хаос против порядка. Здесь ни один цвет не прав абсолютно. Ни один цвет нельзя вычеркнуть. Мир без белого погрязнет в анархии, без синего — не будет развиваться, без черного — провалится в коллективную дистопию типа замятинского "Мы", без красного не будет огня для действий, а без зеленого — оторвется от корней. Поэтому для баланса, если мы говорим про организацию, хорошо бы понимать, каких ценностей вы придерживаетесь и какие конфликты у вас есть. Кроме конфликтов возможны и союзы, причем считается, что смежные цвета имеют что-то общее: Белый и синий соглашаются, что миру нужен какой-план или проект. (Красные с этим не согласны!) Синий и черный оба имеют growth mindset — идею, что в мире нет предзаданных ограничений для личности. Возможно всё. Что успешно доказывают капитаны Силиконовой долины, выпускники PayPal. (Понятно, что белые активно этому противостоят!) Черный и красный сходятся на идее независимости. (Что явно не встречает понимания у белых и зеленых) Красный и зеленый находят общее в идее подлинности, аутентичности. (Белые не поддерживают, а синие не понимают) Зеленый и белый объединяются на базе сообщества, коммьюнити. (Черные смотрят с презрением) Но есть связи и в противоположностях: Черный+белый: используем законы в своих интересах (черный доминирует), правила только для нашей группы, а остальные должны подчиниться (белый доминирует). Красный+синий: безумный (или гениальный) изобретатель с фонтаном идей. Черный+зеленый: тут можно вспомнить марвеловский сериал про ведьм: самая сильная ведьма природы — это сама Смерть (осторожно, спойлер). Красный+белый: архетип бесстрашного героя (зачастую считающего, что он-то сам стоит выше закона). Синий+зеленый: это про мудрость и поиск истины, но основанной на балансе. А есть ещё и трехцветные колоды, и даже пятицветные. В общем, интересно типировать отдельных людей, команды и организации из этой системы! Многое проявляется. И слабости становятся видны. В общем, ничем не хуже других типологий. У меня, кстати, когда я активно играл, базовая колода была красно-синяя: это, наверное, что-то обо мне говорит :))
1 554
4
Тема MtG не отпускает. Особенно в связи с разговорами про этику и т.п. Вот смотрите: в Magic the Gathering пять цветов: белый, синий, черный, красный, зеленый. Каждый цвет исповедует свои ценности и связан со своей стихией. Ричард Гарфилд, создатель MtG, вообще-то профессор математики, а не психологии. Но колесо цветов, или color pie он считает одной из главных фишек игры. Впрочем, он решал практическую задачу — сделать так, чтобы нельзя было собрать в одну колоду самые сильные карты в игре. В основе MtG всегда про баланс, и цвета тоже введены для балансировки сил: самые мощные карты невозможно собрать в одной колоде, потому что они разных цветов и для их вызова нужна разная мана (а собрать все источники маны не получится). А ещё у цветов есть базовые конфликты, вокруг которых тоже развивается игра. И всё это дает повод примерить базовые ценности цветов на себя и на коллег, если мы говорим об организации. А что, ничем не хуже других способов анализа personal traits, черт личности. Не основано на научных исследованиях, так большинство таких классификаций на них не основаны. Зато не содержат иерархии, нет такого, что один цвет лучше или является развитием другого, как в спиральной динамике. А вообще, первым цветовую дифференциацию предложил ещё Гёте в 1810 году! Каждый цвет имеет свою цель и свою базовую стратегию. Вот смотрите: ⚪️Белый: мир через порядок. В игре это всякие рыцари, ангелы, священники, и вообще идеал белых — церковный орден. Поэтому там много механик с лояльностью, духовной защитой, и вообще разными плюшками для тех, кто принял нашу веру. Поэтому главный вопрос белых: как будет правильно? Причем это "правильно" = "в соответствии с законами и нормами". Соответственно, главное зло для белых — нарушение законов и установленных принципов, а зло поменьше — разнообразная двусмысленность, тонкие нюансы и амбивалентность. 🔵Синий: совершенство через знание. Идеальная организация: университет или лаборатория. Типаж, соответственно — ученый / изобретатель, перфекционист. Главный вопрос — что имеет смысл? Где "смысл" = "как мы можем применить свои знания и достичь идеального результата. Ну и попутно решить побольше загадок и поразить всех своим интеллектом. ⚫️Черный: удовлетворение через безжалостность. Мы хотим власти и ни перед чем не остановимся. Главный вопрос: что будет лучше для меня? Если при этом кто-то погибнет, не важно — если нужно, поднимем и из кладбища. Это я уже про игру. Причем это никак не связано с добром или злом, для черных вопроса морали в принципе не существует. Они не противостоят добру, они его игнорируют. Черная организация — банда или стартап с сильными основателями. 🔴Красный: свобода через действие. Красных организаций не существует. Девиз: сначала делаем, потом думаем. Или вообще не думаем, а следуем своим ощущениям. Собственно, главный вопрос: что мне подсказывают чувства? 🟢Зеленый: гармония через принятие. Чтобы всем было хорошо. В принципе, можно ничего не делать, чтобы не нарушать гармонию. В игре это выливается в какие-то огромные армии из гигантских существ с невероятными запасами маны, и все друг друга усиливают. Если их не трогать, то они может и нападать не будут. Вот такие архетипы. В ИТ, насколько я вижу, большинство персонажей исповедуют либо синие, либо черные ценности. Метафора продолжается — ведь колоды могут быть многоцветными! Считается, что соседние цвета могут легче объединяться, а с противоположными у них конфликт. Типичный программист из анекдотов — явно сине-черный персонаж. А "бирюзовые организации" — это сине-зелено-белая колода.
1 324
5
Я написал инструкцию для себя: как получать от ИИ пользу, не теряя себя и смысл деятельности. Вам тоже может пригодиться. (она же на гите: https://github.com/kulakov/statement) Краткий список тезисов: 1. Все выводы делай сам. 2. Посылай людям только то, что написал сам. 3. Явно помечай места в черновике от ИИ, где сомневаешься. 4. Не выдавай работу ИИ за свою. 5. Не ссылайся на ИИ как на авторитет. 6. Складывай контекст в git и делай его пригодным к использованию. 7. В каждый момент держи связь того, что делаешь, с целью. 8. Исследование начинается с выбора источников. 9. Нет критерия качества — нет пользы от ИИ. Дальше — подробнее каждый из тезисов. 1. Все выводы делай сам — будь готов повторить путь до вывода Самое главное правило: любой вывод делаешь самостоятельно, своей головой. Никакой вывод не должна сделать за человека машина. Проверка: будь готов вслух рассказать, как сделал выводы, которые предъявляешь коллегам. Путь до выводов нужно проделать самому — и этими выводами владеть. Оно же «не превращай hadi-цикл в hahaha-цикл» © Харитонов. 2. Посылай людям только то, что написал сам Машина может очень многое помогать тебе делать. Но всё, что ты показываешь другим людям, — пиши сам. Или хотя бы редактируй. Это не значит, что нельзя давать команде доступ к документам, которые сделала машина. Но то, что ты хочешь, чтобы люди прочитали, — пиши сам. Разумеется, хорошо давать ссылки: вот материалы, из которых я сделал выводы, они вам доступны, захотите — почитаете. 3. Явно помечай места в черновиках от ИИ, в которых есть сомнения Если всё-таки ссылаешься на документ, написанный LLM, относись к нему как к черновику. Сначала прочитай его сам и явно пометь все места, в которых сомневаешься, выдели то, что кажется важным. Сделай эту работу до того, как передать другим. Иначе непонятно, думал ли ты над текстом вообще и стоит ли этому доверять. Проще всего — прямо в тексте, комментарием: Выручка вырастет на 40% за квартал. // не уверен: цифра из ответа ИИ, первоисточник не проверял Так читающий сразу видит, где ты ручаешься, а где нет. 4. Не выдавай работу ИИ за свою Помечай: что сделал ты сам, а что — искусственный интеллект. Признаваться, что что-то сделал ИИ, — нормально, стыдиться нечего. А вот врать про это — убивает доверие. 5. Не ссылайся на ИИ как на авторитет Ни при каких раскладах нельзя говорить «искусственный интеллект сказал вот это» как аргумент в пользу какой-то позиции. Мы пользуемся заёмной эрудицией машины, но ссылаться на выводы LLM как на аргумент нельзя — это профессионально некомпетентно. «Так сказал ИИ» — лучший способ посеять сомнение в твоей компетентности и обесценить всю работу. 6. Складывай контекст в git и делай его пригодным к использованию Складывай в git команды рабочий контекст проекта — источники, промежуточные материалы, продукты ИИ, решения. Чтобы контекстом реально могли воспользоваться, нужно организовать минимум: поиск, удобный интерфейс к базе знаний, бот, который помогает взаимодействовать с базой знаний команды. 7. В каждый момент держи связь того, что делаешь, с целью В любой момент времени сохраняй связь того, что ты делаешь с помощью ИИ, с целью. Держать связь деятельности с целью — вообще главное, о чём нужно заботиться, и без всякого ИИ. Но во взаимодействии с машиной это особенно важно, потому что ИИ часто соблазняет расширением границ задачи — держать фокус становится ещё сложнее. Человек задаёт рамку: зачем мы это делаем, что именно нужно сделать, по какому критерию я буду проверять качество и за какие ограничения нельзя выходить (какими ресурсами пользоваться, с чем работать). 8. Исследование начинается с выбора источников Сразу после того, как сформулировал гипотезу и поставил цель, задачу и критерии, позаботься об ограничении списка источников, с которыми будем работать. Запрос к ресёрчу без отбора источников даст произвольный результат. 9. Нет критерия качества — нет пользы от ИИ Если ты сам не можешь измерить качество результата — нет способа понять, работает ли то, что отдал ИИ, на цель или нет, — то ты получаешь произвольное качество. А если получаешь произвольное качество несколько раз подряд, гарантированно получаешь плохое. P.S. В создании этого текста я пользовался Клодом, чтобы отредактировать несколько транскриптов и превратить их в черновик. Но каждая мысль здесь — моя, и финальный текст написан руками.
1 292
6
Леша Кулаков делится инструкцией по, как бы это сказать... этичному?.. безопасному?.. применению ИИ, если речь идет о документах. (Не уверен, что подойдет, если речь идет о коде, код генерируется со страшной скоростью и большими объемы, но его проще проверять более формальными методами — тестами, линтерами, правилами проверки архитектуры и т.п.) А вот документы и концепции, сгенерированные ИИ, уже достали. Непонятно, было тут участие человека, или он просто вкинул ответ ИИ, не читая. Особенно интересная позиция комментатора: пометка "я тут не согласен с ИИ". Мы всё ещё нащупываем режим работы с ИИ и смену ролей, и это, мне кажется, один из вариантов — оппонент/критик ИИ. Ладно, писать я это не писал, но я хотя бы прочитал и отнесся. А то непонятно, читал ли кто-то это вообще. Ещё я бы добавил пункт про регулярное вытаскивание ключевых решений и позиций. Вот это мы точно решили, и дальше нужно просто следовать этому решению. Это близко к выкладке в git, но в специальном статусе, как решение, обязательное к дальнейшему исполнению. Иначе модель начинает расползаться и вилять. Пример из кода: я сказал использовать фреймворк bulma, а через несколько итераций смотрю — опять вылез bootstrap почему-то. В коде это хотя бы сразу видно, а в тексте можно и пропустить. Я всё толкаю идею, что при нулевой стоимости генерации текстов основной фокус смещается на принятие решений, их фиксацию и контроль выполнения / соответствия текстов принятым решениям. Ну и эти Лешины тезисы в целом про это: принимали ли вы какие-то решения? Согласны ли с решениям, изложенными в тексте? Доступны ли принятые решения команде?
1 373
7
Раз уж мы заговорили об играх: вот игра, одна из самых сложных из всех, в которые реально играют люди. Это MtG, Magic the Gathering. Выглядит как карточная игра, где каждый игрок использует свою колоду, вызывает себе на игровое поле существ, разыгрывает заклинания и накладывает чары. Цель — победить противника тем или иным способом, например — отняв жизни, которых изначально по 20. Внутри возникает комбинаторный взрыв: с 1993 года выпущено более 30 тысяч уникальных карт, колода состоит из 60 карт, каждая карта может повторяться в колоде только 4 раза — то есть, возникает огромное чиcло вариантов колод (для зануд — в играх по правилам Standard легальны примерно 4400 карт, в Legacy — 31465). 189 свойств карт, для которых есть специальное название, а отдельные карты могут иметь свои уникальные механики, которые как-то модифицируют игру. Поэтому практически про каждое правило нужно говорить "обычно, если только какая-нибудь карта не меняет это". Всего разных механик больше 300. Полная книга правил содержит 905 разделов, каждый из нескольких пунктов и подпунктов (для сравнения, в футболе всего 17 правил). Ход состоит из 11 шагов (обычно), при этом, например, раздел правил, описывающий, как брать карту из колоды (самый простой шаг) — это 17 отдельных пунктов. В 2019 году группа ученых доказала, что внутри игры можно построить машину Тьюринга, что делает результат игры принципиально невычислимым алгоритмически. При этом она обладает отличной играбельностью и её можно объяснить 8-летнему ребенку (мы регулярно дуемся с детьми — не на турнирном уровне, конечно, а так — на уровне "кухонной магии"). И вот что интересно, и имеет прямую аналогию с управлением проектами и продуктами: в игре есть множество стратегий, вариантов добычи ресурсов и атак. Можно всё развивать темп и просчитывать математически — на каком ходу что должно происходить, и лупить-лупить-лупить противника. Можно опираться на рост: растить существ, растить свои жизни, главное — выстоять вначале при первом натиске. Можно вкачать всё в одну-две супер-сильные карты. Можно распыляться на множество мелких и взаимозаменяемых. Можно построить комбо-колоду, когда две-три не очень сильных карты совместно создают убийственную комбинацию. Наконец, можно пытаться всё контролировать и не давать развиваться противнику. Похоже на разные стратегии продуктов, правда? Дальше — больше. Что является вашим ресурсом, за счет чего вы развиваетесь? В первом приближении в MtG это мана, которая берется из земель. Чем больше земель вы контролируете, тем больше получаете маны. Но если посмотреть пристальнее — ресурсом может быть всё, что угодно: ваша колода, карты в вашей руке, ваши жизни (у вас их 20 — можно и потратить), и даже отыгранные карты на кладбище. Дети обычно больше всего ценят очевидное — жизни, и боятся их тратить. Но смысл игры — не сохранить жизни, а чтобы противник потратил жизни быстрее вас. А свои, глядишь, и восстановить можно. Даже если сначала страшно тратить именно жизни. Какие ресурсы у нас есть в проектах, которые очень страшно тратить, но это всего лишь ресурс? То же касается и вектора атаки. Я бы вообще MtG давал на курсах по безопасности изучать. Очевидной идеей кажется — атаковать игрока и его жизни. Но есть и другие поверхности атаки: можно атаковать земли — источники маны. Можно атаковать руку игрока — вот есть у тебя мана, но нет вариантов её потратить, нет карт в руке. Можно атаковать колоду, понемногу сбрасывая её сразу на кладбище. Кладбище тоже можно атаковать! Ещё можно "атаковать" заклинания противника или саму возможность вызывать существ и заклинания. Или радикально повышать их стоимость для игроков, замедлять игру, "атаковать" темп. Можно раскрывать информацию: смотреть на руку и колоду игрока. Атаковать можно и саму структуру хода, отменяя отдельные шаги. За счет чего можно выигрывать, что атаковать в проектах по созданию софта? Там тоже есть ритм и шаги, мана, колода (потенциальные ресурсы) и рука (наличные ресурсы) и даже кладбище -- отработанные эксперименты. А сборка колоды (метагейм) очень похожа на подбор команды и выбор технологий.
2 199
8
Невозможно не реагировать на мировые новости и повестку. Вот, например, футбол. Я вообще не фанат, но чемпионат мира можно и+1
Невозможно не реагировать на мировые новости и повестку. Вот, например, футбол. Я вообще не фанат, но чемпионат мира можно и посмотреть! И, конечно, извлечь для себя что-то полезное. Во-первых, можно смотреть на тактику разных команд. Кто как строит игру, у кого есть звезды, у кого вся команда более-менее ровная; как распределяются роли; насколько команда способна адаптироваться; кто как работает с риском; кто использует постоянно одни и те же схемы, а кто импровизирует по ситуации — всё наглядно видно. Можно интересные выводы сделать для себя. Исследования работы в группе же в основном из спорта пришли. И даже роль такую придумали: Agile Coach, то есть тренер. По идее, он должен всеми этими интересными вещами заниматься, а занимается обычно внедрением ритуалов. Эти задачи традиционно падают на менеджера или тимлида, получается "играющий тренер" — практика, от которой в спорте давно отошли, слишком высокая нагрузка. А про играющих менеджеров команд я и не слышал никогда. Да и тренер не совмещает роль с менеджером. В ИТ такое в порядке вещей, что немного странно, если подумать. У тренера национальной сборной, кстати, задача со звездочкой: сборная — это же проект, в который собраны участники из разных команд. И часто они выполняют не ту роль (играют не на тех позициях), что у себя в клубах, да и стратегия отличается. Но отдельная история, которая меня поразила именно в этом чемпионате, я раньше о ней не слышал — это причуды статистики, или "Top-right Messi". Оказывается, если строить разные статистические графики, на них неизменно далеко справа или справа-вверху (если график двумерный) оказывается Лионель Месси, капитан сборной Аргентины, чемпион и рекордсмен всего на свете, и — думаю, вполне заслуженно — считающийся лучшим футболистом за всю историю. Так вот, чтобы вы понимали — если построить график, например, распределения участия в голах за 90 минут матчей всех нападающих топ-5 футбольных лиг, Месси оказывается справа на расстоянии почти 6 среднеквадратичных отклонений от среднего. Возможно, вы слышали про метод Six Sigma. Вот эти сигмы — это и есть среднеквдратичные отклонения. А "6 сигм" означают, что качество вашей продукции настолько высокое, что брак практически не встречается. В диапазон 3 сигм попадает 99,73% всех величин. 6 сигм — это 99,9999998% вероятность. С точки зрения обеспечения качества, превышение — 0,0000002% — почти незначимая величина, 2 на миллиард (где вы возьмете 500 тысяч топовых нападающих?..) С точки зрения реальности — вот она, бегает по полю, эта величина, можем посмотреть своими глазами. На практике это означает, что статистически маловероятные события более вероятны, чем мы о них привыкли думать. Или что аналитики не вполне корректно используют кривую Гаусса в данном случае, а они её используют некорректно. Нормальное распределение имеет смысл в случаях, когда мы складываем большое количество однотипных случайных величин. Складываем мы их, потому что они не добавляют много, работают в разные стороны — то добавляют, то отнимают, и в сумме получаем нечто среднее в большинств случаев. Но многие процессы устроены иначе — они не складываются, а перемножаются, и обычно имеют разную природу. Это описывается словом "одновременно": в Месси одновременно сошлось множество маловероятных факторов (дефицит гормона роста в детстве, отличное пространственное мышление, бабушка заморочилась водить внука в футбольную школу в детстве и т.д. Ну и талант, конечно!). Каждый фактор может иметь не очень-то низкую вероятность, а вот сочетание 3-4-5 факторов легко дает те самые доли процента. Одно цепляется за другое, а не просто тасуется. В итоге получается не нормальное, а логнормальное или степенное распределение, которое математически сложно обсчитывать — например, у него во многих случаях нет среднего и конечной дисперсии, и на нем нельзя считать регрессию. А так хочется упростить! Но мир устроен сложнее.
2 868
9
Мы годами строили предсказуемые монолиты и микросервисы, но AI превратил PDLC в Дикий Запад, где старые паттерны проектирован
Мы годами строили предсказуемые монолиты и микросервисы, но AI превратил PDLC в Дикий Запад, где старые паттерны проектирования больше не работают. Хватит делать вид, что ты контролируешь ситуацию, просто прикрываясь новой версией TOGAF. Приходи 1 июля на Arch.Meetup, где мы поговорим про архитектурный подход AI disrupt PDLC, и вместе со спикерами из Сбера, Вебпрактик и Газпром нефти будем учиться управлять этим хаосом, пока нейросети не начали проектировать системы вместо нас. 🔗Выбирай удобный формат и регистрируйся по ссылке   📍Встречаемся очно на Кутузовском 32, а ссылку для онлайн пришлем накануне.
1 600
10
Удивительно, но я оказывается не писал здесь про 6D's фреймворк: 6 'Ds' цифровизации. То есть, что нам цифровизация вообще да
Удивительно, но я оказывается не писал здесь про 6D's фреймворк: 6 'Ds' цифровизации. То есть, что нам цифровизация вообще дает? Это аналитический фреймворк Питера Диамандиса, показывающий, что происходит с вещами и процессами при цифровизации. Если мы говорим не просто об автоматизации какой-то деятельности, а о её цифровизации, по фреймворку можно проследить — что будет происходить дальше, если мы в какой-то процесс пустили цифру. Начинается всё с цифровизации, перевода данных в цифровую форму, digitized. Это дает базу для всех дальнейших эффектов: данные в цифровой форме можно универсальным образом и без искажений хранить / обрабатывать / передавать. Совмещать при этом данные из разных источников и разной природы (то, что когда-то называлось "мультимедиа"), добавлять интерактивность и изменять принципы и возможности обработки без изменения аппаратного слоя. Одновременно с этим исчезает отдельный носитель: происходит дематериализация. Физические вещи типа записных книжек, календарей, книг, видео и аудиодисков, бухгалтерских книг — всё втягивается в электронные устройства. Перейдя в цифровую форму, деятельность становится в десятки и сотни раз дешевле, а то и вообще бесплатным. Это демонетизация. Следующий эффект — обманчивость, deceptive. Точнее — обманчивая слабость. В начале цифровая технология всегда выглядит хуже альтернатив. Это всё ерунда какая-то, цифровые печать/фотография/журналистика/кино/учителя никогда не смогут заменить настоящих! Вспомните, как все смеялись над первыми произведениями генеративного ИИ. Экспоненциальный рост в начале выглядит сильно хуже линейного. Подрыв, disruptive — когда цифровая технология становится лучше, её уже не остановить, она начинает разрушать существующие способы выполнять ту же деятельность. Производители пленки и кнопочных телефонов, магазины DVD, и торговые центры разоряются или уходят на другие рынки; библиотеки, кинотеатры, отели и таксопарки чувствуют себя нехорошо и т.п. И всё это приводит к демократизации: то, что раньше могли себе позволить только крупные компании или богатые люди, теперь доступно вообще всем. Например, постановка и съемка видео, доступ к информации и товарам, возможность влиять на события и мнения. Эти 6 эффектов прослеживаются во многих случаях, и если мы говорим не об автоматизации, а о цифровизации — по ним можно отслеживать её эффект. Что исчезнет физически из мира? Что теперь могут делать ваши сотрудники и пользователи, что раньше было слишком дорого / недоступно / непредставимо? За что вы перестали платить? Какой отдел или какая роль больше не нужны? (были подорваны). Если ясных ответов на это нет, то это не цифровизация по сути, а некие ритуальные действия, возможно чисто демонстративные, как хвост у павлина.
2 123
11
Кусочек из продуктового управления. Для описания сути продуктов используются разные формулы. Част можно услышать формулу: "Мы верим, что..." 1. Мы верим, что [наше убеждение о мире, людях или индустрии]. 2. Поэтому мы создаем [наш продукт, услуга или решение]. 3. Чтобы помочь [указание на целевую аудиторию] [конкретная польза или изменение в жизни клиента]. Пример: «Мы верим, что знания можно использовать, только когда они подкреплены практикой. Поэтому во всех наших курсах участники делают много практической работы. Чтобы помочь аналитикам не просто получить информацию, а попробовать новый способ действия.» Но эта формула апеллирует к вере, что ставит нас немного в слабую позицию, а наших критиков заставляет играть роль Станиславского: "верю/не верю". Гораздо больше энергии несет другая формула, мне тут подсказали коллеги, занимающиеся социальными проектами. У них все жестче, не "мы верим", а "нас бесит": 1. Нас бесит, что [распространенная несправедливость, обман или глупость на рынке]. 2. Вместо этого должно быть [как выглядит идеальный, честный или удобный мир]. 3. Поэтому мы сделали [наш продукт или услугу], где все именно так. «Нас бесит, что в онлайн-курсах только записанные видео и тесты. Вместо этого всё обучение должно происходить через практику. Поэтому мы сделали курс, в котором 70% времени занимает практическая работа и разбор результатов» Если вдуматься, в точности подходит ко всем успешным продуктам: «Нас бесит, что и Интернете ничего не найти. Вместо этого должна быть одна страница, на которой есть все ответы. Поэтому мы сделали страницу, где можно ввести запрос и мгновенно получить ответ на любой вопрос» (тут, кстати, сразу понятно, почему ИИ убивает поиск — у них формула продукта одинаковая. «Нас бесит, что в популярных местах невозможно забронировать гостиницу в сезон. Вместо этого каждый хозяин свободной комнаты должен иметь возможность её быстро сдать. Поэтому мы сделали сервис краткосрочной аренды через Интернет» «Нас бесит, что чтобы посмотреть фильм вечером нужно идти в магазин и покупать/арендовать DVD. Вместо этого должна быть возможность посмотреть любой фильм через интернет. Поэтому мы сделали онлайн-стриминг» «Нас бесит, что чтобы показать фотки из поездок нужно собирать целую вечеринку у себя дома. Вместо все знакомы должны видеть фотку и реагировать на неё сразу, как она снята. Поэтому мы сделали соц.есть для размещения фотографий, делающий их сразу красивыми» «Нас бесит, что для доставки груза в космос используются одноразовые ракеты и это стоит дофига денег. Вместо этого разгонные ступени должны использоваться много раз. Поэтому мы сделали такое, что наш основатель стал первым в истории долларовым триллионером». В общем, продукт должен радикально что-то менять, и это что-то должно быть всем ненавистно. Прикиньте к своим продуктам, что вас, как авторов, бесит? Если непонятно, что бесит, то и продукт выходит слабый. Что нас такое всех бесило, что мы сделали портфолио школьника? У меня, честно говоря, нет ответа. Поэтому и продукт вышел так себе. То есть, он красивый, и внутри заложена концептуальная модель, которой я горжусь, но востребованность у него оставляет желать. Бывает, что непонятно решение или мало сторонников. Например, меня бесит, что цифровизация в школе сводится к показу презентаций на проекторе или доске,а вместо этого должна быть организована исследовательская игровая среда с заданиями разного уровня. Но я не знаю, что тут можно сделать, остальных-то это не бесит. В общем, не делайте ватных продуктов, радикализируйте свою формулу.
2 278
12
В продолжение предыдущего поста — зашел посмотреть, что сейчас делает Алистер Коберн. Он, конечно, делает! Написал в 2025 год
В продолжение предыдущего поста — зашел посмотреть, что сейчас делает Алистер Коберн. Он, конечно, делает! Написал в 2025 году книгу про связь User Story, Use Cases и User Story Maps. То, что я много раз рассказывал на тренингах, но в книгу не оформил, да даже и на конференциях ни разу не рассказывал, думал, это слишком просто. А вот нет, нужно говорить и писать! Впрочем, приятно чувствовать себя на одной волне с великими. Что он пишет: User Story — значимое для пользователя изменение в системе (показатель прогресса), что-то, что пользователь может увидеть и пощупать. Use Case — перечисление способов, которыми пользователь может достичь своей цели (или не достичь). Story map — раскладка карточек, где слева направо идёт процесс, а сверху вниз — приоритеты. Основные принципы: 1. Глаголы подразумевают продолжительное действие 2. Раскладывайте глаголы на более короткие (по продолжительности действия) глаголы 3. Управляйте точностью (precision — тут правильный перевод ближе к "сфокусированности", "кучности") 4. Раскладывайте (декомпозируйте) всё, не только глаголы 5. Пишите документы вместе, разработка + бизнес 6. Пишите с точки зрения пользователей 7. Пишите только потребности, а не энциклопедию всего 8. Жертвуйте совершенством ради читаемости Принципы декомпозиции: Для use cases: до уровня целей взаимодействия пользователя с системой (имеющих смысл, даже если системы нет, система — это просто один из вариантов реализации), в метафоре Коберна — до "уровня моря" Для User story — хоть до "уровня моллюсков", то есть почти бесконечно. Use case поставляет полное описание способов работы с системой, поэтому из него нарезаются единицы прироста пользы — user story. Каждая история представляет собой срез юскейса (slice). Story map объединяет user stories и use cases: верхняя строка — это успешные шаги одного большого сценария, который обеспечивает вся система (и одновременно — названия юскейсов более низкого уровня). Карточки в колонке — срезы юскейсов, варианты данных / каналов / интерфейсов, обработка ошибок. Вот такое мнение гуру. А в 2026 году он уже успел выпустить ещё одну книгу: "Упрощая проектирование программных продуктов: гениальность бюрократии". Говорит, архитектура программных систем должна строиться на двух принципах матерых бюрократов: * "Это не моя задача" * "Мне это не нужно знать" То есть, каждый модуль должен четко понимать, что не является его задачей, и не делать этого. И не интереоваться ничем, кроме своей узкой задачи. Говорит, особенно актуальны эти принципы в эпоху ИИ-агентов, когда каждый агент старается побольше сделать. Нет, нужно им прописывать личности бюрократов, которые делают только то, что положено, и не больше. И тайно всех окружающих ненавидят.
2 471
13
Описание вариантов использования — use cases — удивительно хорошо подходит для современных технологий создания ИТ-систем. Я имею в виду — создание через ИИ. Программистам всегда было сложно работать с юскейсами — они длинные, сложно структурированы, и оформлены скорее в логике пользователя, а не действий системы. Некий новый интерес к юскейсам возник в связи с описанием интеграций, для которых они хорошо подходят, но и там зачастую обходятся диаграммой последовательности. А вот в лице LLM мы находим благодарного читателя. Он читает быстро, и ему не лень перелопатить десяток сценариев. А польза несомненна — например, интерфейсы и клиентов на основе сценариев ИИ генерирует замечательно. В принципе, на основе сценариев много что можно создать — и структуру API, и модель данных, и для разбивки на микросервисы они очень помогают: отлично работают, как формализация Event Storming, и дальше удобно анализировать по ним потоки данных, границы сервисов и нагрузку. Писать самому сценарии тоже не нужно, пусть машина пишет, а мы поправим. И тут возникает ещё одна вещь, никогда ранее никем не виданная: fully dressed use case. У Коберна описана структура полного описания юскейса, примерно страницы на две. Мы же обычно в практике ограничиваемся коротким набором: * Код * Название * Действующие лица * Предусловия * Триггер * Постусловия * Шаги основного сценария * Альтернативы / Исключения / Расширения А можно ещё так много дописать! Вот смотрите, что у Коберна: * Действующие лица разделены на Главное действующее лицо и Второстепенных действующих лиц * Есть область действия (Scope): проект и система * Уровень (от бизнес-юскейса до взаимодействия модулей) * Стейкхолдеры и их интересы: кому нужен этот юскейс и в чем их интерес? * Минимальные гарантии: даже если юскейс не будет выполнен, что гарантируется? (в каком состоянии будет система) * Гарантии при успехе (отдельно) * Соответствие бизнес-правилам (ссылки на бизнес-правила) * Используемые технологии и форматы данных, их варианты * Приоритет * Целевой релиз * Частота использования * Ожидаемое время отклика / время выполнения * Каналы взаимодействия для главного действующего лица / второстепенных действующих лиц * Открытые вопросы А вот что ещё можно добавить: * Автор * Источник * Статус * Версия * Дата последнего изменения * Уровень архитектуры * Требования безопасности * Требования локализации / i18n * Требования к доступности (WCAG / ГОСТ Р 52872-2019) * Масштабируемость: число конкурирующих запросов * Нефункциональные требования (прочие) * Спецификация данных (словарь) для хранения / ввода / вывода * Интерфейсные решения / прототипы интерфейсов * Допущения и предположения * Ссылки на связанные требования * Рекомендации по тестированию Я таких юскейсов, оформленных по всей форме, пожалуй, и не видел ни разу. Ну, может быть раз-другой сам писал. но это очень утомительно, и их в итоге никто не читает. А вот машине всё равно — она и написать не затруднится, и прочитать не поленится. А самое главное — она же для себя пишет, и действительно может использовать всё написанное. А другая машина может проконтролировать, и тут чем детальнее описано, тем проще проконтролировать. На месте Коберна я бы сейчас активно продвигал какой-нибудь фреймворк для AI SDD на основе юскейсов.
2 115
14
При подготовке курса по инструментам ИИ для системных аналитиков в очередной раз задумался — а какова, всё-таки, роль человек+1
При подготовке курса по инструментам ИИ для системных аналитиков в очередной раз задумался — а какова, всё-таки, роль человека при общении с ИИ? И вспомнил модель SECI by Nonaka & Takeuchi из области управления знаниями. Модель про явное и неявное знание. Tacit и Explicit. И четыре перехода: Неявное → Явное (артикуляция) Явное → Явное (рекомбинация) Явное → Неявное (интернализация) Неявное → Неявное (социализация) Это всё про процессы обмена и обогащения знаний среди людей. И где тут ИИ? Мне кажется, генеративный ИИ — отличный инструмент для работы в области артикуляции и рекомбинации. Вы получаете некий ответ от модели и сравниваете его со своими знаниями. Если знания оформлены явно — можно автоматизировать контроль: что вы сказали модели, то она и должна сделать. Но все знания не могут быть явными. Поэтому возникают ситуации "ах ты глупый чат, всё ты не так сделал!". Это последствия свободных рамок, не заданных ограничений в промпте. Всё, про что явным образом не было сказано, как делать, будет сделано как-то. Как получилось. Как делало большинство тех, чьи результаты сформировали обучающую выборку. И тут вы видите, что всё не так. Ну или что-то не так. Может быть, вы об этом и не думали заранее. Вы даже предположить не могли, что так можно. Ну это же "очевидно"! Например, что в названиях эндпоинтов API нужно использовать существительные. Это RESTful, ну камон. При этом, если сказать в явном виде — опирайся на принципы REST, на выходе получим что? Правильно, HATEOAS, это же самый главный принцип! Ну, "это же очевидно", что мы с HATEOAS не будем упарываться, нам бы немного похожее на REST API сделать, и хватит. То есть, каждый раз, когда ИИ выдает "что-то не то", это "не то", скорее всего, относится к неявным знаниям, к тому, что вы не задали модели в промпте — скорее всего, потому что это вам кажется "очевидным", зачем об этом думать-то отдельно? И когда вы жалуетесь, что "этот ИИ какую-то ерунду пишет" — скорее всего, его вывод не соответствует вашим неявным ожиданиям. Поэтому цикл работы с участием человека выглядит так: постановка задачи (явная) → рассмотрение результата и сравнение его с неявными знаниями → их артикуляция и фиксация в промпте. Выдача ИИ превращается в стимульный материал для экстериоризации неявных знаний. Я уже собирался нарисовать соответствующую картинку, когда нашел ровно такую же статью годовой давности. Умные люди пишут не посты в малоизвестный канал, а статьи в рецензируемые журналы. В общем, статья Human-AI-Collaboration SECI Model: The Knowledge Management Model of the Experts’ Tacit Knowledges with Augmented LLM-Based AI от авторов Akashi Matsumoto, Ryu Nishikawa & Chikako Morimoto (опять японцы, да?) https://doi.org/10.1007/978-981-97-6469-3_12 Они вводят модель HAC-SECI: Human-AI-Collaboration SECI и два цикла: цикл развития агента и цикл развития человека. В цикле развития человек проявляет свои знания в процессе оценивания ответа агента, а в цикле развития агента человек передает агенту в явном виде то, что понял и осознал при оценивании. Через некоторое время такого взаимного обучения, со складыванием новых выявленных правил в хранилище и подключение его как RAG, ответы агента начинают гораздо лучше удовлетворять человека. Фактически, постепенно создается его цифровая копия. Что при этом происходит с самими человеком, исследование не раскрывает.
2 902
15
Или совсем другой подход к моделированию: встроим редактор BPMN прямо в выдачу! Вообще одной из фишек последнего времени явля
Или совсем другой подход к моделированию: встроим редактор BPMN прямо в выдачу! Вообще одной из фишек последнего времени является генерация ответа в виде html-файла. В самом деле, на что нам это красноглазие с копированием какого-то кода из одного окна в другое. Ведь даже swagger нужен лишь для того, чтобы сформировать красивую интерактивную документацию API. И теперь мы можем генерировать такую же красивую и интерактивную документацию на любую тему. А в случае BPMN мы можем сгенерировать не только диаграмму, но и страницу со встроенным редактором. Как мы знаем, в выдаче LLM могут быть мелкие недочеты, которые проще поправить руками, чем убедить переделать ИИ. Поэтому строим такой воркфлоу: ИИ делает диаграмму, показывает нам сразу в редакторе и с кнопкой "Сохранить". Мы немного меняет диаграмму, как нам нужно, и сохраняем в файл .bpmn Возможно, так и будут выглядеть интерфейсы будущего (по заветам Джефа Раскина), когда редактор генерируется сразу под формат редактируемых данных. Причем, что удивительно, качество кода самой диаграммы становится лучше — возможно, это связано с внутренней проверкой кода, а может, просьба сгенерировать код активирует какие-то слои нейросети, позволяющие лучше работать и с файлами XML. Запрос при этом используется самый примитивный: Опиши процесс согласования документов в крупной организации, организованной иерархически (управления, отделы, руководители и т.п.). Результат представь в виде модели бизнес-процесса в BPMN, размещенного на html-странице. Используй библиотеку bpmn.js Результат, наконец-то, выглядит довольно прилично. А мелкие детали можно быстро поправить вручную. Главная магия — "Используй библиотеку bpmn.js". Вы знаете, сколько этих библиотек для js уже сделано? Хоть для моделирования бизнес-процессов, хоть для анимации, хоть для визуализации, хоть для 3D. Перспективы открываются ошеломительные.
2 215
16
Я тут боролся с генерацией ИИ-шкой BPMN-диаграмм, и всё равно сразу генерировать XML очень плохо получается. В итоге я вроде
Я тут боролся с генерацией ИИ-шкой BPMN-диаграмм, и всё равно сразу генерировать XML очень плохо получается. В итоге я вроде смог объяснить ИИ синтаксис Bpmn-sketch-miner.ai, и теперь он генерирует уже почти без ошибок (ну, иногда вставляет лишние пустые строки). В итоге, процесс получается такой: 1) Вставляем в промпт текстовое описание бизнес-процесса 2) Сгенерированный код вставляем в Bpmn-sketch-miner.ai 3) Исправляем ошибки, если есть 4) Доделываем до нужного нам результата 5) Экспортируем в формат bpmn, 6) Вставляем в Camund'у или ваш любимый редактор процессов, растаскиваем элементы, чтобы визуально было красиво. Конечно, не то чтобы идеальный результат получается — визуально так и вообще кривоватый — но для набросков сойдет, не зря же он sketch называется. Для обсуждения процессов можно и не перегружать в "настоящий" редактор, можно и картинки из Bpmn-sketch-miner показывать, ещё и править их сразу на ходу. В общем, буду рад обратной связи, хочется всё-таки генерировать модели процессов автоматически, а не рисовать вручную. Промпт здесь: https://raw.githubusercontent.com/yksi12/prompts/refs/heads/main/bpmn-sketch-prompt.md
2 804
17
Многие думают, что ADR — Architecture Decision Records — это про фиксацию решений. Вообще нет, это, в первую очередь, мощный инструмент для принятия решений. Если думать про это, только как про фиксацию, то вроде и пользы не так много — ну да, мы можем отследить, когда и какое решение было принято, бла-бла... Скучно. Это из области управления знаниями, которое очень трудно продается и про которое начинают думать, когда все остальные проблемы уже решены. А проблема — это как раз принятие решений, вот что у всех постоянно западает. И в ADR есть отличные механики для этого. Про них почему-то не всегда даже пишут, а это-то самое важное, что там есть. Вот смотрите: 1) Срок действия решения. Это то, что убивает все обсуждения и заставляет их длиться бесконечно. Люди бьются, как будто каждое решение принимается навсегда! Стоит только вбросить волшебную фразу "это только на следующие полгода" — как все затыки и противоречия чудесным образом снимаются. Ну, полгода уж мы как-нибудь потерпим! Конечно, тут крайне важно, чтобы это действительно были полгода, и чтобы у вас в принципе был процесс пересмотра решений. То есть, вот прямо в план вставлены регулярные встречи для анализа и пересмотра всех действующих ADR! Хотя бы раз в квартал, ну или с какой скоростью вы двигаетесь. Ну и гибкость архитектуры важна, чтобы мы действительно могли что-то через полгода малыми усилиями поменять, а не заливать всё бетоном навечно. Если этого нет, то и ADR-ы не нужны, действительно, зачем?.. 2) Триггеры для пересмотра. Решение может изменяться не по времени, а по значению какой-то метрики. "Это решение действует, пока объем передаваемых данных / частота обращения к API / время обработки сообщения / ... не превысит значение X". Разумеется, тут нужен механизм, автоматически отслеживающий этот показатель и напоминающий, что нужно бы ADR-то пересмотреть. 3) Обратимость решения. Если решение обратимо без последствий и разумными усилиями — его вообще обсуждать долго не нужно, нужно выбрать какой-то вариант, определить метрики и критерии успеха, и посмотреть, что будет. Если не получилось — вернуться назад. В культуре Amazon ("Day 1") это называется "two-way door": дверь, в которую можно и войти, и выйти. Если пристально посмотреть и создать правильную инфраструктуру, таких решений может быть гораздо больше, чем кажется! 4) Уровень уверенности. Если вы не уверены в решении, это НЕ означает, что его не нужно принимать. Это означает, что оно должно быть обратимым и измеримым. А ещё — записать в явном виде, какой информации нам не хватает для принятия решения, и какие риски мы рассматриваем. Ещё интересно, когда стоит вообще принимать решение. В последний момент, но не позже! (Last Responsible Moment). Решение, принятое слишком рано, может быть не самым оптимальным, потому что мы ещё многого не знаем. Это как раз связано с информацией из п.4. Ключевые вопросы: нам обязательно принимать это решение сейчас? Что нас заставляет это сделать? Можем ли мы что-то делать уже сейчас, не принимая пока это решение? Что позволит нам принять более взвешенное решение (если мы будем знать что?). В общем, ADR задает хорошую структуру для обсуждения и принятия решения. Если у вас к совещанию будут подготовлены варианты с описанием почему нам нужно принять это решение (драйвер), почему именно сейчас, что мы не можем сделать без этого решения, какие альтернативы мы рассмотрели, какие у них есть преимущества и недостатки, на какой срок / до каких условий мы принимаем это решение, обратимое ли оно (и какие усилия нужно будет предпринять для отката) — ваше обсуждение пройдет гораздо более эффективно.
2 536
18
Приглашаем на третий System Analysis Meetup SberHealth ❤️ Когда: 20 мая в 18:30 Где: онлайн На митапе поговорим о навыках и п
Приглашаем на третий System Analysis Meetup SberHealth ❤️ Когда: 20 мая в 18:30 Где: онлайн На митапе поговорим о навыках и подходах, которые помогают расти системным аналитикам. Через доклады и реальные примеры рассмотрим, как создавать новые решения в работе, развивать архитектурное мышление и растить техническую экспертизу ⭐️ В программе: 🟣Ирина Облецова, старший системный аналитик, поделится, как разработала своё решение для оформления требований к мобильной разработке — диаграмму на стыке Figma и блок-схемы 🟣Мария Горгоц, старший системный аналитик, расскажет, что стоит знать аналитику, чтобы подружиться с архитектурными решениями и расти в архитектуре Приглашённый спикер: 🟡Виктория Кухтяева, эксперт по системному анализу и котикам, поделится, какие знания по кибербезопасности нужны для уверенной работы с разработкой и архитектурой, а также как закладывать требования безопасности в решения 🆕Круглый стол Обсудим, как системному аналитику перейти в архитекторы: реальные истории, рабочие практики и нужные навыки 🔜 Регистрация на митап и подробности
1 743
19
Рынок как будто начинает оттаивать, вот и митапы для аналитиков снова пошли, что не может не радовать!
1 668
20
Ещё один пост про руководителей и лидов. Конечно, хочется написать именно для руководителей аналитиков, но тут первичны навыки управления, а процесс зачастую вторичен. Вся специфика бизнес- и системного анализа заключается в поиске верного места для этой функции в общей логике создания ПО. Зачем мы это делаем? Для чего мы нужны? Какую ценность мы приносим? Что без нас будет работать хуже? А вот принципы руководства не очень сильно зависят от функции и сути деятельности, которой ты руководишь. Поэтому профессиональные управленцы довольно легко могут переходить из одной предметной области в другую, особенно если им хватает ума не залезать в конкретную технологию работы и не пытаться в ней что-то менять. Самый лучший вариант, конечно, на стыке: понимать и в управлении, и в технологии. Это такое же сильное сочетание, как понимание технологии и ИТ, или ИТ и бизнеса. Но я хотел написать про чистое управление. Я наконец дослушал курс "История бюрократии", и кое-что из него извлек. (Стоит заметить, что курс про государственное управление, и это, конечно, не то же самое, что управление организацией. Но это ещё одна метафора — организация, как государство. Кроме того, нужно учитывать, что государства у нас практически всегда начинают с персонального управления, это тоже накладывает определенную оптику). Итак, что мы можем полезного извлечь из уроков гос.управления (что прослеживается во многих государствах и системах): 1. Первое, что нужно сделать — перепись. Для государства это связано со сбором налогов, а для руководителя организации — с пониманием ресурсов, которыми он располагает. Я наблюдал несколько раз смену руководителей или объединение организаций, и опытные люди всегда начинают с этого. Что мы имеем? Что нам оставил предшественник? Ещё это очень важно, чтобы зафиксировать точку "0" — с чего мы стартуем, и отделить унаследованные косяки от наших собственных. Так что одним из результатов "переписи" должен быть список проблем, уже имеющихся на момент принятия вами руководства. 2. Второе — сохранение и опора на существующую организацию (в курсе — аристократию). Не надо ссориться, нужно встроить имеющихся людей в свою систему. Не свергать князей, а выдавать им ярлыки :) 3. Но если вы хотите что-то всерьез поменять — стройте параллельные управленческие структуры из новых людей. Какие-нибудь временные комитеты, комиссии, советы; отлично тут работают проекты. Главное — выдернуть людей из существующей структуры и наделить чрезвычайными полномочиями, лучше всего — максимально неопределенными!. Я работал на многих проектах в кризисе, и это то, что всегда делают антикризисные менеджеры — создают параллельные структуры со специальными полномочиями и подотчетностью первому лицу (или вообще совету директоров). Часто приводят с собой варягов, не связанных с организацией. В общем, преторианская гвардия и чиновники особых поручений. 4. Для остальных нужно установить понятные правила игры: что можно, что нельзя, и как решаются конфликты. Где правда? Древнерусские установления так и назывались — Правда. Обычно они отменяли всякую дичь типа кровной мести и вводили более гуманные порядки. 5. Люди, которых вы привлекаете, должны быть лично обязаны вам и зависеть от вашего успеха. Опять же, тут отлично подходят проекты (а процессы наоборот вредят). Если у вас есть процесс или функция, не дай б-г, владелец этого процесса — это как поместная аристократия, наделенная землей. Сядет на этот процесс или ресурс, и будет вести себя, как его хозяин. А если у вас постоянно временные проекты, и основные деньги исходят из оплаты этих проектов — проектами владеете вы, и можете рулить этим по своему усмотрению — начинать проекты, останавливать проекты, привлекать людей к проектам (или не привлекать, пусть сидят на голой зарплате). 6*. Для придания себе дополнительной власти можно опереться на людей и группировки, которым до этого не давали голоса. Рекомендации макиавеллианские, но это опыт поколений автократов. В демократии всё по-другому, а приведенный рецепт — это как раз инструкция по её демонтажу. Тут думайте сами — где вы и чего хотите.
2 220