Опустим мечты учёных и фантастов 1950-ых годов о создании кибернетического сверхмозга и перейдём к практике: начиная с 1960-ых, ключевым направлением применения Искусственного Интеллекта стала автоматизация процессов управления и принятия решений. Грубо говоря, программисты думали как заменить менеджеров. В итоге получилось наоборот: менеджеры думают как заменить программистов.
Честный рассказ команды Modus , которая только что завела Storybook поверх большой легаси-базы: зачем стартуем, чего ждём и как через полгода проверим, какие получили результаты.
Представьте, что разработчику нужно поправить одну кнопку — отступ или состояние наведения. Работы на минуту, но для этого необходимо поднять всё приложение, залогиниться и прокликать половину интерфейса до нужного экрана. И так — каждый раз. К третьему заходу проще остановиться на «вроде норм», чем повторять этот цикл ради мелочи.
Нам это надоело и мы решили попробовать Storybook. А заодно — поставить над собой небольшой эксперимент.
В современной разработке AI-ассистенты для кодинга создали кризис, о котором никто не говорит. Junior-инженеры работают быстрее, чем когда-либо. Senior-инженеры проектируют архитектуру с меньшими усилиями. А что происходит с вашими middle-инженерами?
Они тихо тонут: большую часть времени вылавливают ошибки AI, которые не попадают ни на один дашборд. Без какого-то признания.
В продуктовой B2B‑компании, где я отвечал за надёжность, поставили амбициозную цель: сократить цикл разработки (dev cycle time) на 20%. Забегая вперёд, скажу: к концу года цель достигли. Но уже через несколько месяцев после старта я смотрел на график инцидентов и не верил своим глазам: рост в два раза год к году.
Эта статья — о том, почему так происходит почти всегда, когда компания оптимизирует одну метрику, как мы это починили и — главное — как продать решение руководству. Именно на продаже всё обычно и умирает.
Привет, меня зовут Дарья, я ИТ-бизнес-партнёр в БКС Банке. Часто при внедрении ИИ возникает вопрос: а нужно ли сначала стандартизировать процессы? Какой эффект это даст?
В моей статье ниже мы подробно разберем, почему при отсутствии единых правил агент вынужден восстанавливать контекст, а не контролировать результат. На примере агента, анализирующего квартальную отчётность, мы убедимся: хаотичная декомпозиция создаёт до 262 144 вариантов структуры, тогда как стандарт сводит проверку к типовому шаблону и в модельном расчёте сокращает объём входных токенов примерно на 73%.
Клиент: ООО «ИТ-Сервис» (Первый Бит)
Вендор: (далее…)
Статья — сокращенный вариант от оригинала рассылки The Human Loop. (далее…)