Так как придумывать контент оказалось задачей не простой, а придумывать СТОЯЩИЙ контент почти невыполнимой, а писать тем не менее что-то хочется, то я немного снижу планку своего перфекциониста.
И пока вокруг все разговаривают про гендерное неравенство в разных областях и сферах работ, я бы хотела поисследовать, что делать со сложными проектами, которые идут сразу не туда, куда хочется и не так, как нужно.
Я расскажу вам о своем опыте тимлида командой разработки в крупном банке, где старые управленческие привычки иногда брали верх над здравым смыслом. Это субъективная точка зрения на реальную ситуацию, где я — Д’Артаньян, а все остальные — редиски.
Дисклеймер: статья написана на основе интервью с 1C-разработчиком А. Манаенко
Меня зовут Андрей, живу в Нижнем Новгороде. Закончил институт в 2001 году по специальности «Вычислительные машины, комплексы, системы и сети».
После института сразу пошёл работать системным администратором, в 2003 году устроился в Ростелеком инженером, стал начальником отдела. После сокращения в 2012 году пришлось всё начинать сначала сисадмином.
К сорока годам захотелось чего-то посерьезнее и более денежного.
ИИ внутри системы управления проектами способен перестроить сам подход к работе команд. Но есть условие. Это должен быть не обычный ИИ-бот, а нейросеть, которая глубоко интегрирована в ключевой функционал системы. Тогда она сможет решить запросы пользователей на качественно другом уровне.
Кажущиеся вечными ИТ-системы рушатся за день. В 2020‑м штат Нью‑Джерси в США оказался на грани: их сервис для безработных, построенный на старых мейнфреймах и ещё более старом COBOL, не выдержал потока заявок, и власти начали искать программистов-пенсионеров. При этом на COBOL обрабатывалось около $3 трлн в сутки, 95% операций в банкоматах и 80% офлайн‑платежей. Проблема оказалась не только в технологиях, но и в том, что никто не понимал, что делать.
В США до сих пор работают федеральные IT-системы возрастом 8–51 год, их поддержка (далее…)
Многие говорят: «Prompt engineering мёртв» или «Следующая версия модели сделает это ненужным». Но исследования показывают: плохой промпт может обнулить результат, а хороший — поднять точность до 90%. Модели становятся мощнее, но правильная формулировка запросов остаётся важнейшим навыком. Это похоже на новую «социальную грамотность»: нужно учиться правильно общаться не только с людьми, но и с ИИ.
Два режима prompt engineering:
Разговорный — улучшение ответов в живом чате («Сделай более формально», «Добавь шутку»).
Продуктовый (далее…)
Сегодня речь пойдёт о том, как превратить приблизительные оценки сроков выполнения задач в надёжные прогнозы, и о том, как рассказывать об этих прогнозах другим.
Оценка сроков выполнения задач — это (далее…)
