AI Dev Podcast #4 / Как AI-агенты убивают Jira и меняют… — Transcript

Обсуждение влияния AI-агентов на управление проектами и трансформацию менеджмента в IT в 2026 году.

Key Takeaways

  • AI-агенты становятся ключевыми элементами в управлении проектами и командами.
  • Традиционные метрики разработки требуют пересмотра и дополнения новыми инструментами AI.
  • Управление проектами в 2026 году требует интеграции мультиагентных систем и автоматизации.
  • Качество кода и процессов важнее количества сгенерированного кода.
  • Будущее менеджмента связано с автоматическим принятием решений на основе технологических данных.

Summary

  • Искусственный интеллект меняет работу на уровне индивидуальных разработчиков, команд и компаний.
  • AI-агенты активно внедряются в процессы разработки и управления проектами.
  • Персональный опыт Авенира Воронова с агентами: команда управляется AI-агентом.
  • Большая часть работы — не только кодирование, но и исследования, онбординг, администрирование.
  • Классические метрики эффективности разработки устарели, требуется более глубокий анализ с помощью AI.
  • AI Review Tool автоматически анализирует изменения в коде и строит живые дашборды.
  • Менеджмент и метрики должны трансформироваться для работы с мультиагентными системами.
  • Парадигма управления сдвигается от финансовых метрик к технологическим решениям и автоматизации.
  • Исторический обзор: 20 лет назад менеджер и трекер были центром разработки, сейчас ситуация меняется.
  • Трекеры и стандарты кода остаются важными, но их роль и функции трансформируются под влиянием AI.

Full Transcript — Download SRT & Markdown

00:00
Speaker A
Друзья, добрый день. Рад вас приветствовать. Искусственный интеллект меняет нашу с вами жизнь на уровне индивидуального контрибьютора, на уровне инструментов, на уровне команд и на уровне компаний. Сейчас от каждого из нас требуется всё больше генерировать код, всё более качественно владеть инструментами искусственного интеллекта. От команд требуются немножечко другие политики, немножечко другие метрики скорости и качества разработки, а компании полностью решили трансформироваться и поставить на службу себе не людей, а множество агентов. Об этом всём наш замечательный подкаст. И сегодня мы будем говорить про
00:20
Speaker A
второе звено вот в этой цепочке, про которое я говорил. Мы сегодня будем говорить про то, как меняются управленческие практики. А в двадцать шестом году, когда AI-агенты включаются уже не только в разработку, но ещё и в управление продуктами или проектами. И
00:44
Speaker A
для того, чтобы у нас получилась стереоскопическая картинка этого явления, мы приглашаем в нашу студию замечательных, интересных гостей. Я рад представить своих сегодня соведущих, своих друзей. Андрей Бураков, автор канала Ета назы аналитик. Андрюха, привет. И сегодня мы будем с
01:05
Speaker A
пристрастием допытываться у Авенира Ворного, моего коллегу по программному комитету Гейнбак, CSCO VI.ru, евангелист искусственного интеллекта и человекоподобных роботов. Авенир, здравствуй.
01:24
Speaker A
Х-хей. Итак, вот мы многие уже давно попробовали инструменты, генерируют код уже больше 60%. Некоторые компании рапортуют о том, что у них 90% объёма кода генерируется агентами. А сегодня мы с тобой будем о Винире говорить немножечко про другое.
01:37
Speaker A
А мы будем говорить про то, как меняется менеджмент в эпоху, когда агенты уже встроились во все пласты разработки. Давай начнём с простого. Что такое для тебя агенты? Насколько ты с ними сейчас плотно взаимодействуешь? Что
01:58
Speaker A
это такое, персональный опыт и твоё персональное отношение? [фыркает] Мой персональный менеджер — агент. Вот, то есть команда, в которой непосредственно я работаю, управляется агентом. Вот это было сознательное решение. Мы не хотим заниматься менеджментом [откашливается] и управляемся этим агентом. Также всё, что
02:19
Speaker A
мы делаем, вся деятельность, она проходит через агентов. То есть условно когда созвон с клиентом идёт, когда идёт какая-то разработка, ещё что-то. Всю информацию о том, что прошло за день, мы рапортуем агентам, и они это раскладывают в красивые папочки,
02:38
Speaker A
презентации, статусы и тому подобное. В общем, жизнь заиграла новыми красками. А конкретно по тому, что я продвигаю, чего евангелистом я являюсь. Во-первых, я не верю в то, что проблема там кода решена, да 90% кода генерируют агенты и тому подобное.
02:52
Speaker A
Для меня это звучит точно так же, что я не знаю, я печатаю со скоростью 400 знаков в минуту, но получается какая-то ерунда. Вот, на практике есть большой разрыв между количеством и качеством производимого кода и вообще, в принципе,
03:11
Speaker A
операций. Плюс мы выяснили по своим агентам, что большинство работы не состоит в кодировании. А это и исследования различные, онбординги, какие-то административные вещи, изучение legacy, ну и так далее. Вот. И это всё тоже учитывается агентами, учитывается нами. Всё это закладывается
03:24
Speaker A
в метрике. А так что, в общем-то, недостаточно измерить что-то классическими, значит, какими-то метриками для того, чтобы делать выводы.
03:44
Speaker A
Надо смотреть глубже. И агенты это как раз позволяют. Если раньше информация, мы смотрим на дашборд, видим одну метрику, и на этом, собственно говоря, исследование заканчивалось, то сейчас мы можем быстро, оперативно посмотреть на огромное количество логов, на огромное количество документов для того, чтобы
03:53
Speaker A
составить уже правильное мнение, не только на основе какой-то одной цифры. Наверное, так. Вот ещё интересная история. Вчера мы с Андреем писали подкаст с другими нашими гостями. Скорее всего, вы это увидите.
04:10
Speaker A
Это ребята сделали AI Review Tool, который автоматически подключается на все чейнджсеты, все изменения, репортит какие-то ошибочки и ещё потом отслеживает жизненный цикл вообще в целом доработки, таким образом строя живые дашборды. И знаешь, мм, очень классно, очень просто внедрять
04:24
Speaker A
какой-нибудь инструмент на уровне одной команды, но как только речь заходит, доходит до пересечения, агломерации, когда ты выходишь за рамки какой-нибудь команды, там уже другие правила, другое руководство, другие метрики, которыми они пользуются, и другие, может быть, цели вообще. А будем
04:47
Speaker A
ли мы сегодня про это говорить или оставим это за скобками? Давай поговорим, тем более, что мы с, я понимаю, что сейчас 2026 год, мы ещё находимся в некотором прошлом. И с парадигмой, через которые мы смотрим на мир, они с датированы именно этим годом,
05:06
Speaker A
да? То есть, если мы вернёмся лет на 20 назад и посмотрим на людей, как они обсуждали, ну, не знаю, там, для чего нужны телефоны, вот, то представить себе, как работать с соцсетями, а как там маркеты будут работать и так далее,
05:24
Speaker A
это было несколько недоступно для людей того времени. А они понимали, что есть коробочка какая-то. И вот там Стив Джобс, условно, когда презентовал iPhone, он показывал, что можно послать почту, можно, значит, там календарик завести и так далее, да? То
05:40
Speaker A
есть потребности того мира ограничивались вот таким малым функционалом. Естественно, рассказывал по поводу того, что вы будете там лайки за деньги продавать, это могло бы восприняться немного странно. Вот то же самое сейчас у нас происходит с метриками. А сейчас
05:53
Speaker A
мы пытаемся измерить эффективность разработки в часах, в деньгах. И в принципе это правильно на определённом уровне, когда вы уже агрегируете все данные и сетево условно принимает решение о закупке того или иного, значит, оборудования или каких-то сервисов. Но это уже устаревшая
06:08
Speaker A
технология. И в принципе вот был недавно отчёт State of Finox, в котором рассказывали, что парадигма облачных, так называемой облачной экономики, когда вы смотрите, какие затраты понесли в прошлом месяце и перерасчитываете бюджет на следующий период, а он уже несостоятелен. А сейчас
06:28
Speaker A
экономика сдвигается в то, что уже не финансовый директор, а по сути сетево должен принимать решение о том, какие технологии, какие модели он будет использовать для конкретных задач, для конкретных команд. И при этом это может происходить автоматически, а для
06:47
Speaker A
того, чтобы решить одну и ту же задачу, но за разную стоимость. Вот это очень сильно зависит от технологий. Вот поэтому с метриками метриками, но парадигма несколько расширяется. И в ближайшие годы, я думаю, что мы будем говорить не о метриках, а уже о
07:01
Speaker A
структурированных каких-то подходах перестройки вообще, в принципе, всего организма менеджмента и команд. Так что, да, давай говорить шире. Ну вот давай тогда остановимся на стандартном, привычном. Раз уж ты сказал про 20 лет назад, я не могу от этого перечеркнуть. Вот 20 лет назад стержнем всей разработки был какой-то менеджер. Вот у тебя был запланирован проект, у тебя к этому таск-менеджеру добавлялось, ну 20 лет назад, 2006, репозиторий. С этим репозиторием были определённые правила и ещё были стандарты оформления кода для того,
07:17
Speaker A
чтобы у тебя, когда ты дифы начинал генерить, для того, чтобы у тебя поменьше этих дифов было. Все инженерные практики, они были, ну, в угоду эффективности, в угоду тому, чтобы люди не ломали глаза, не тратили время лишнего и ни строчечки лишнего кода в
07:36
Speaker A
чейнджсет у тебя не улетало, да? А теперь мы говорим, что про клеарко, ну, про всякие SOLID-принципы и тому подобное. Не, я имею в виду, что в какой-то момент инженеры с при даже, ну, в идею добавили
07:56
Speaker A
правила оформления кода, когда ты делаешь форматирование кода, у тебя там, ну, помнишь эту классную классическую шутку про табы и пробельчики, да?
08:11
Speaker A
Некоторые системы различали эти строчки, и у тебя любое открытие файла автоматически превращало его в один сплошной плюс, да, минус, а потом плюс, как бы то ни было, да, и в стержнем всего является трекер.
08:29
Speaker A
А насколько трекер сейчас необходим? Какую функцию он сейчас выполняет или будет выполнять? А сейчас мы находимся на
08:38
Speaker A
Некоторые системы различали эти строчки, и у тебя любое открытие файла автоматически превращало его в один сплошной плюс, да, минус, а потом плюс, как бы то ни было, да, и в стержнем всего является трекер.
08:54
Speaker A
А насколько трекер сейчас необходим? Какую функцию он сейчас выполняет или будет выполнять? А сейчас мы находимся на переходном периоде, когда трекер ещё является нормой для того, чтобы контролировать, а что происходит в разработке, в принципе, в компании. То есть устраивается некая
09:14
Speaker A
стратегическая в, значит, некий стратегический вин наверху, дальше он спускается, раскидывается в планы, появляются какие-то проекты и так далее.
09:21
Speaker A
В конечном итоге это доходит до разработчиков и тестировщиков, э, тикетами в джере, да, некими постановкой задач. И когда мы внедряем с копилоты, например, для разработчиков, а то мы представляем отчёт, где мы показываем, сколько времени сэкономлено, значит, какой adoption, сколько денег
09:41
Speaker A
сэкономлено, значит, по каким категориям задачи разбросаны и тому подобное. И в общем-то у клиентов очень часто возникает вопрос, ну, во-первых, како посчитали сэкономленные часы э-э человека часы, да, вот, то есть обычно это а-тестирование проверяется, а мы можем вычислять, а, по работам
09:58
Speaker A
конкретным, сделанным, а сколько бы они заняли у человека, если бы он их сам делал. Вот. И, естественно, клиентам очень многим хочется [откашливается] сравнить это с трекерами, да и, собственно говоря, мы сами сравниваем, чтобы убедиться в том, что наши оценки
10:12
Speaker A
релевантны. И в G есть два замечательных параметра. Первый параметр - это оценка самими людьми, которые субъективны, но почему-то не подвергаются такому сомнению, как, например, оценка ЛОМ.
10:22
Speaker A
Вот. И вторая - это сколько прошло от статуса до статуса, ну, условно, от открытия до закрытия задач, да, или это там сколько в прогрессе сил и так далее.
10:32
Speaker A
Вот. И это берётся за сейчас за аэ условную правду, что если разработчик поставил допустим прогреress проработал 2 дня, закрыл прогress, значит, работал 2 дня. Но я думаю, что всем очевидно, что это не совсем так.
10:45
Speaker A
Вот, э, разработчик условно мог работать 20 минут и закрыть его на следующий день, когда его опнул. Вот, э, поэтому это такое соглашение между разработчиками, наверное, и менеджерами, а, о том, что, да, действительно, мы в этой парадигме существуем и верим
11:02
Speaker A
трекеру. Но когда у вас есть доступ ко всем логам, то есть всё, что послал в чат разработчик, всё, что ему пришло обратно, это не только генерация кода, это, естественно, он там может и за жизнь поговорить, о каких-то технологиях
11:14
Speaker A
расспросить, выбрать какую-то методику, может быть, сгенерировать несколько прототипов там, ну и так далее. Вот документацию посчитать, в LEGO влезть.
11:22
Speaker A
Вот. То есть у него происходит в жизни достаточно много всяких событий. И, э, чем больше он пользуется чатом, а это нарастающее, да, то есть он начинает доверять, и он, соответственно, в какой-то момент уже будет, скорее всего, сидеть там постоянно. Вот. А это уже как
11:36
Speaker A
раз показатель правды. При этом аа вот эти вот чаты, условно, когда сидит разработчик и вот он дал одному агенту задачу документацию написать, другому там стконтроollроollллер, третьему какой-то LEC, может быть, изучить. Вот.
11:52
Speaker A
И эти агенты работают в параллели, да. Он, соответственно, уже собирает, а-э, в конечный результат, его ревьют и посылает дальше, может быть, тоже на агент. И по сути он выполняет тройную, четверную и более работ, а за ту единицу времени, которую он делал до этого. А в
12:09
Speaker A
трекере, ну, как известно, идеальный инженер ведёт одну задачу прогress, вот, и переключается вот на идеальной разбивки. Он, соответственно, должен одну задачей просто цепочку выполнять. А здесь получается, что он может выполнять достаточно много, причём абсолютно разных задач, несвязанных и тому
12:25
Speaker A
подобное. Поэтому трекер в какой-то момент просто уйдёт в прошлое, и, скорее всего, будут измерения на совсем других величинах, да, то есть скорость по трекам прохождения, а там объём удовлетворения условиям. Ну и даже если посмотреть на то, как меряют
12:41
Speaker A
модели, да, допустим, что там 80% случаев а ответ верен, да, до какой-то степени, а 20% - это там на глюки, на неправильные ответы и тому подобное. Вот. Так что, в принципе здесь наверное измерения пойдут немножко в другую сторону, не в
12:58
Speaker A
трекер. Так, если они пойдут не в трекер, да, они пойдут куда-то в другое место. То есть, а вообще это эта штука, она нужна будет для того, чтобы ээ ну быть доступной? Ты вот так бодро рассказал, как агенты перекидывают друг дружке
13:13
Speaker A
задачи, и такой: "А нужен ли я там буду после того, как я повышу себе кредит доверия к этим агентам? Может быть, ну его, может быть, там вообще должен быть не человеческий интерфейс.
13:28
Speaker A
Ну, если взглянуть, э, из 2000 там соро года на 2026, то, в принципе, мы можем увидеть, наверное, соответствие. Ну, понятно, вся история она циклична, и, в общем, наши все революции, они может быть и ускоряются для нас, но в разрезе, а, в существовании всей
13:48
Speaker A
цивилизации они не столь уж значимы все эти появления телефонов и прочее. Так вот, э представьте себе, что сейчас у вас есть соцсети, достаточно много соцсетей, мессенджеры различные и тому подобное. Это везде, э, есть сообщения, которые ждут вашего прочтения. Аа когда
14:09
Speaker A
это всё дело только начиналось, мы читали всё. Мы на что-то подписывались. Это значит, что мы читаем все эти новости, мы отвечали всем друзьям и тому подобное. По мере роста информации, а, естественно, началась приоритизация, да, то есть некоторые сообщения висят
14:24
Speaker A
непросчитанными, э, там много дней, а то и лет. Вот. И в трекинговых системах такое происходит, и в почте там кто-то, значит, не читает 500 сообщений там, ну, и так далее, да? То есть мы начинаем систематизировать это всё и отслеживать
14:38
Speaker A
только то, что нам нужно. И в принципе это не влияет на качество аэ в жизни в целом. То есть нам не надо прочитать всё. Сейчас в трекерах ситуация немного обратная, да? То есть сейчас по сути нам надо все задачи, которые в присутствуют
14:52
Speaker A
в трекере, мы должны тем илино иным образом обработать. В идеале, конечно, чтобы не было там какого-то долга затянутого и так далее. Ну вот я понимаю, что в будущем, когда у вас, ну, во-первых, придётся пройти определённые шаги, да, то есть сейчас уже исполнение
15:08
Speaker A
может превышать быть быстрее, чем, а, постановка задач. Оставится задача условно, там несколько часов, а после этого она выполняется за несколько минут. Вот поэтому э растёт скоп выполненных работ. Появляются вот эти 1.00 агентов, которые, э, генерируют каждый по 1.00 тестов или каких-то
15:28
Speaker A
задач. Вот. И возникает вопрос у бизнеса, собственно говоря, даже не не столько, сколько э стоит это всё мероприятие, как это окупать, а в том числе это вызовы по поводу того, а куда эту всю энергию направить. А просто из
15:43
Speaker A
моего примера, когда мы работаем, например, с аутсорсерами, то самое очевидное, когда вы приходите и говорите об эффективности - это то, что у вас, например, работа, разработка стала работать быстрее. Вот. И с для одних это благо, а для других - это не благо,
15:58
Speaker A
потому что, а если вы не меняете ничего в компании, но при этом у вас, например, аутсорсы, вы выполняете в проекте быстрее за год. Вот можете за взять себе ещё, и по итогу у вас человек в часы остаётся те же самые, вы получаете те же
16:11
Speaker A
самые деньги. То есть надо либо делать какую-то модель бизнеса другую, либо запускать ещё больше а проектов параллельно, чтобы один человек делал не один проект, а сразу несколько. Ну и так далее. Вот. То есть здесь надо с всё это
16:26
Speaker A
перестраивать, надо работать с огромным количеством задач, проектов и с тем условием, что вы не можете проживать это просто через голову. А всё аа ну все 100%, да, не через менеджеров, не через разработчиков. Это совершенно другая парадигма.
16:42
Speaker A
А винет, получается, что как будто бы мы этот пирамиду переворачиваем с головы на на ноги, да? Изначально у нас решение долго-долго генерировалось, а потом ещё дольше мы это решение имплементировали.
16:56
Speaker A
Ну, написать код, потестировать, задеплоить, потом перетестировать. Оно занимало сильно больше времени, чем пере там постановка задачи. Сейчас ты говоришь, что происходит ровно наоборот.
17:07
Speaker A
У тебя имплементация, она стала, ну, в разы быстрее, там, минуты по сравнению с часами, которые мы тратим на то, чтобы эту нормальную постановку сделать. И ввиду этого у нас будет меняться не только процесс, но у нас ещё будут меняться
17:22
Speaker A
скилы. Ты уже уже про это упомянул. Давай попробуем сейчас пронзить а компетенционную модель руководителя или инженера, который управляет ээ каким-то роем агентов.
17:38
Speaker A
А, да, здесь могу даже пример привести, собственно, сама компания VI, да, то есть у нас, когда мы задаём какую-то новую роль, а первым делом мы, а, решаем, будет ли это человек или будет это и агент. У каждого подхода, понятно,
17:55
Speaker A
есть недостаток, да, то есть агент всё равно настраиваете должен быть человек, который это делает. Вот. Но в любом случае он забирает определённую автономию на себя, и есть определённая вероятность того, что он будет косячить. А поскольку у людей мы,
18:10
Speaker A
а не закладываем обычно это, да, то есть мы это берём как люфт по времени, но то, что он в принципе может взять даже твёрдо поставленную там смартовую задачу ни влево, ни вправо и что он не выполнит, мы считаем это инцидентом. А в
18:22
Speaker A
случае, если это делает и агент, это не инцидент, а это, как говорится, правда жизни. Вот. Э и получается следующая штука. То есть, во-первых, э, можно бесконечно платить и фактически, ну, действительно, бесконечно, да, то есть, э оборудование конечно дорогое но
18:38
Speaker A
сделать с 1.500 агентов - это не сделать 1.500 людей, да, всё-таки разное. Вот поэтому мы смотрим, какими операциями нам интересно, выгодно заниматься, какие переносят наибольшие ли. Вот. И туда сажаем людей. А то, что является какой-то операционкой, которая нам не
18:53
Speaker A
очень интересна и она не особо там критична, да, мы туда вешаем агентов, пусть они ошибаются где-то там, не знаю, таски не так заводят, вот, или там тесты какие-то неправильно пишут. Вот. Но нас это устраивает. И плюс к этому вот это
19:07
Speaker A
налагает определённые обязательства на в принципе весь персонал в компании. Вот. То есть уже там условно бухгалтер, а-а, или там какой-нибудь продуктор, а они не могут просто передать заявку на то, чтобы им какой-то софт поставили или что-то сделали, они уже сами являются
19:27
Speaker A
писателями этого софта, да, то есть они могут себе сгенерировать определённый инструмент, работать с ним, в том числе там менеджеры, да, то есть э а с там генерит себе с различные артефакты, инструменты и тому подобное.
19:39
Speaker A
Вот. И дальше, если они хотят уже закрепить свою мысль, то они её приводят в разработку. Разработка пытаются разобраться уже не со спецификациями, вот, а уже с готовым инструментом. И здесь вообще это по-другому уже смотрится, да? То есть, если мы
19:54
Speaker A
закрепляли раньше по определённым там гостам, методам спецификации, чтобы ни влево, ни вправо, и мы понимали, каким образом проводить приёмоздаточные испытания, как это всё дело принимать, выявляли эту бизнес-пользу, записывали чартеры различные и так далее. Вот, то сейчас а передача идёт
20:12
Speaker A
по сути уже таким MVP, да? То есть мы схлопнули стадию и передаём её в разработку, которая должна уже разобрать, а готовый инструмент на составляющий и переработать его, сделать. Ну, это совершенно по-другому воспринимается, в том числе разработчиками, да, то есть они
20:27
Speaker A
запускают тех же агентов изучать MVP, которые им прислал условно продуктового менеджера или из какого-то соседнего отдела. Он им составляет спецификации, а он же их обрабатывает, он же их переводит в код, и они условно с получаем MVP после этого получают ещё
20:42
Speaker A
один какой-то прототип, который им надо допиливать, уже сделанный от агента, которому они объяснили специфику разработки. То есть по сути здесь получается, что уже не исполнение важно, а экспертиза, которую человек переносит, объясняет и настраивает скилы и тому подобное. Как-то так. Смотри,
21:02
Speaker A
получается, как я слышу, в такой системе как бы каждый менеджер и, видимо, уже не только менеджер, видимо, возможно, каждый человек в компании становиёт свой род таким человеком, который может кидать задачу либо в агента, либо, возможно, в разработчика. Ему, вероятно,
21:18
Speaker A
ещё нужно будет как-то понять, с одной стороны, а с другой стороны, как вот как как я тебя услышал, что своего рода разрабы в целом превращаются в нечто такое больше кудесников какой-то платформы. который больше задач вот этих вот агентов, возможно, где-то скилы,
21:35
Speaker A
что-то ещё создать, настроить и предложить там, я не знаю, продак тамм каким-нибудь доменным, экспертам и прочее. Насколько это правдоподобная картина?
21:44
Speaker A
Ну а насколько это правдоподобная картина, когда ты сам общаешься с чат GPT там или с какими-то подобными чатами, да? То есть ты с делегируешь полностью работу или ты присутствуешь там в роли худесника или вот как ты это видишь?
21:59
Speaker A
Слушай, хороший вопрос. зависит от модельки, от инструмента. Ну, [фыркает] то есть есть определённые ожидание и есть определённое понимание, что, ну, где-то не сработает, а где-то надо помочь, но по сути ты всё равно этим пользуешься. Так, конечно. Вот, вот здесь происходит
22:17
Speaker A
примерно то же самое. То есть у тебя в зависимости от уровня твоей экспертизы ты получаешь и в зависимости от уровня модели вы получаете синергетический эффект. Да. Вот. И тут, на самом деле, у меня вот есть подозрение, что может такая быть
22:32
Speaker A
мини-революция в компаниях, потому что по большому счёту [фыркает] любая разработка, даже СИ она требует опыта, она требует, э, определённых навыков. И получается парадокс, что у тебя программисты более высокого класса, и можно давать более глупую модель.
22:53
Speaker A
Вот. Я думаю, что программисты более высокого класса не очень рады этому обстоятельству. [фыркает] И тут возникает знаешь, уже такой вопрос вида. Есть люди, которые вроде там, если экспертные, могут какие-то более-менее стабильны какие-то сложные задачи решать, а но медленно. Вот. Но они
23:14
Speaker A
живые. А есть агенты, которые вроде могут автономно делать всё быстрее, но мы не всегда ещё знаем, сколько они денег за это попросят. ээ, сколько они сколько они денег сожрут при этом. И тут у меня возникает тогда, как, я не знаю,
23:29
Speaker A
условного какого-нибудь манагера вопрос: "А как мне вообще понять, а когда мне какие задачи давать ээ агентам с учётом того, что они вроде и быстрые, но дорогие ещё не всегда предсказуемо? Есть люди, которые помедленней, но они вроде плюс-минус предсказуемо
23:47
Speaker A
понятное, сколько стоят". Да, как ты сейчас с людьми этот вопрос решаешь? [фыркает] Ну, как мы вспоминали в начале, что мы там пытаемся делать какие-нибудь экспертные оценочки, мы знаем, что сколько что человек, часы и прочее.
24:05
Speaker A
Угу. Ну, от распределения тебе дать условно Вася или Петя задачу, как ты её решаешь?
24:13
Speaker A
Ну ты слушай, ну Вася и Петя, там я могу отталкиваться, да, классически от грейдов, я догадываюсь, к чему ты ведёшь, но тем не менее от какой-то статистики и от грейдов людей и от их прошлого, да, прошлой истории по сути
24:28
Speaker A
отда тоже также спиртные оценки и прочее. Ну да. Вот. То есть в идеале, конечно, отталкиваться от скилов, понимание, что какой человек лучше это сделает. Ещё лучше от команды, когда ты можешь смешать, что вот вот этот хорошо, условно там проверяет, а этот хорошо
24:42
Speaker A
бежит вперёд, да, их смешиваем и получаем какой-то сергетический результат. По факту обычно выбирается человек, которому ты больше доверяешь, а какие-то, э, задачи, которые не очень важны, да, или там по срокам или ещё почему-то, а их отдают, а, людям,
24:57
Speaker A
которых репутация другая. Вот, то есть не обязательно они могут быть более скиловы. Вот сейчас получается, что мы с агентами поступаем примерно так же. Вот, то есть, когда мы заводим, внедряем их изначально, то люди не дают им задачи, например, покодировать. Вот они дают им
25:14
Speaker A
там по документацию написать какой-нибудь там окладкой заняться, да, и так далее. Вот. Тем более, что, ну, конкретно наши агенты, они умеют в дебагере работать, условно там нажимать брекпоинт и так далее. Вот поэтому здесь просто чудо чудесное. Сказал ему, что
25:27
Speaker A
делать. Он у тебя прямо на экране это делает. Вот. А уже переход к какому-то продакшн-коду, он наступает позже, когда растёт доверие. И то же самое происходит с настроенными агентами, да? То есть, если ты ему уже 30 раз объяснил, скилы
25:39
Speaker A
загнал, там какие-то рулы подтянул, достроил и так далее, доверие растёт, он уже твой. Вот. И в общем-то это же видно по каким-ниat GPT, да? Сначала мы там что-нибудь нейтральное спрашиваем, что чтобы никакая личная информация не ушла, а дальше уже за жизнь, там прошёл год,
25:56
Speaker A
уже за жизнь общаемся, может быть, там incognit mode включим, но все мы знаем, что это такое. Вот. Аэ, поэтому здесь ровно такая же система, когда заводятся агенты только в компанию, то понятно, что им отдают только какие-то лёгкие задачи и не надо ничего отдавать
26:11
Speaker A
серьёзного. А дальше уже начинается онбординг, скиловка их. И в какой-то момент ты понимаешь, что ты можешь доверять а там определённых вопросах, потому что они это уже решали. Вот. Но дальше больше. Вот. А это тот пласт, который на самом деле декларируется. А что
26:31
Speaker A
называется? Деюра, ну деф-факто отсутствует. Это вот вот эта команда образования, когда действительно оценивают людей по скилам. Вот как ты оцениваешь, что у тебя разработчики проработали кто кто лучше из разработчиков поработал условно там за год?
26:49
Speaker A
Да. Когда провод свалится, тогда и увидим. Ну, по сути, да, то есть по каким-то внешним вот этим вот признакам. То есть ты не оцениваешь качество самих разработчиков, да, вот с, а ты оцениваешь по там не свалился ли прод,
27:02
Speaker A
по тому, сколько линии кода зашло в гит и тому подобное, да? То есть это какие-то внешние факторы, которые говорят о том, что вот он хорошо поработал. А то, что он, например, неприменим для какого-то рода работы, да, то, что он разбирается в чём-то
27:15
Speaker A
хорошо, это то, как он коммуницирует, кто-то ему там ревью завернул, потому что у них там, не знаю, там свидание не сложилось, ещё что-то, да, вот вот это не учитывается. А сейчас мы получается, что мы заныриваем под капот и получаем
27:28
Speaker A
логи полностью то, как люди общаются, у них есть мемоory банки, да, то есть всё всё, что в голове у разработчика, все его мысли, чаяния и мечты, что называется вот в конкретный момент времени они валятся в чат. Вот. И по мере того, как он всё
27:42
Speaker A
больше, больше, больше он этим занимается, то он, соответственно, а начинает а туда сливать всё больше информации. Я приведу пример не из мира разработки, а из мира продавцов. Аа когда-то я просто занимался тем, что мы делали базы знаний. А идея была какая, что продавцы
28:01
Speaker A
бегают по куче клиентов, и у них накапливается огромное количество информации, которое, по идее, они должны сливать в какой-нибуд CRМ или, ну, в общем, какое-то хранилище. Они туда не сливают. И на первом подходе казалось, что проблема в технологии, что
28:16
Speaker A
надо сделать какую-то технологию удобную для того, чтобы они сливали информацию. А по факту оказывается, что практически у всех продавцов есть портфолио накопленных клиентов, накопленных связи и тому подобное, которые они не очень горят отдавать компании. И они свободно могут общаться, например, с каким-нибудь
28:33
Speaker A
внешним чат JPT, но не общаться с ботами компаний, которые будут всё это сохранять. Потому что если там увольняются или ещё что-то, он закрыл ноутбук, у него вся эта информация осталась, он ушёл. Вот. Аа, ну, соответственно, это его накопленный
28:48
Speaker A
опыт, накопленные знания. У программистов такого, по сути, м, не так много, да, но редкий случай, когда программист с собой таскает этот портфолио, может быть, где-то на GitHub какие-то ппроекты и так далее. А в данном случае получается, что мы эти
29:01
Speaker A
знания фактически из него выдёргиваем, у него растёт уровень доверия постепенно, и дальше мы можем эту информацию использовать для объективной оценки, которая хороша в обе стороны. То есть, во-первых, накапливается Mory Bank, который можно передавать следующим разработчикам. Ну, условно, у
29:18
Speaker A
вас есть проект, в котором есть какая-то башня знаний, да? Вот кто-то что-то знает по этому проекту. Хорошо, человек ушёл, басфактор сработал, у вас все знания остались. То есть фактически вы можете в агенту перевести, вот, либо передать следующему человеку, чтобы он
29:31
Speaker A
спросил: "А что тут вообще творилось, почему это сделано так и тому подобное". Вот. И для разработчика это является оценкой. То есть вы можете за пологом в конце года спросить: "А кто что реально делал, а кто куда потратил максимум
29:44
Speaker A
когнитивно какую угодно энергии, вот насколько сложны были работы, в каких технологиях они разбираются и тому подобное. И вплоть до того, что вы можете спросить, условно там, аа какую команду лучше собрать из вот этих 100 разработчиков, да, как распределить по
29:59
Speaker A
командам, а в соответствии с тем, что они знают, что как они общаются, какой у них психотип. условно, одни там какие-нибудь, а, шутки ниже пояса травят круглые сутки, а другие, значит, высокоинтеллигентные общаются о балете, да? Вот, может быть, совместимость как
30:14
Speaker A
раз где-то будет прослеживаться вне технического поля. Вот. Вот такие штуки же сейчас вообще ни откуда не взять. А они важны, [фыркает] они дают определённые.
30:23
Speaker A
Анир, смотри, ты так классно рассказываешь про то, что отчуждаемое знание, да, теперь эти башни могут по наследству передавать между агентами, да, но давай попробую. немножечко охладить твой пыл.
30:36
Speaker A
Но этого агента можно, наверное, использовать так же, как и человека, да. Вот ты, например, мы с тобой давно работаем, и в какой-то момент ты весь тот пласт знаний и контекстов уводишь с собой в компанию VI замечательную, и ты
30:51
Speaker A
там на конкурента начинаешь работать. Контракт у нас с тобой был нелегитимный, например, да, и ты по полной программе начинаешь меня нагинать. Но в то же самое время я понимаю, что если мы говорим, это был на самом деле не
31:04
Speaker A
авенир, а чей-то агент, который каким-то макаром утёк, да? Думал ли ты вот философски про миграцию агентов этих знаний вместе с агентами между компаниями, которые конкурировать в том числе между собой могут?
31:18
Speaker A
Даже не философски, а, собственно говоря, сейчас это уже выродилось. Ну, она же постоянно эволюционирует это, да?
31:24
Speaker A
Вот. И то, что раньше скилами не называлось, теперь оно прямо в стандартов влезло, да. У клодкода есть скилы, и этот стандарт, в общем-то, и VI есть, и в курсоре, в общем, везде с вот эти сущности начинают прорастать и
31:36
Speaker A
стандартизироваться. То есть, по сути, у нас получается, что а человек, который работает в компании, от него, а-э, помимо стандартной вот это бизнес, значит, пользы, которую он приносит тем, что он сделал какую-то конкретную штуку, нематериальные ценности он создал, Авенир,
31:52
Speaker A
он создал скилл. Он - у не думал, ты имеешь в виду, что он создал, ну, не знаю, там решение, сайт, а, интеграцию, но в это же самое время он наработал скилл, который, ты теперь говоришь, стандартизируется. Вот первое называется
32:06
Speaker A
нематериальный актив. Смотри, Шили, это может быть и материальный актив. Условно, у тебя работает на заводе некий классный мастер, который тебя вытачивает классную болванку. Он использует определённый сторону.
32:18
Speaker A
А, ну да, да, он может реально что-то физическое сделать. Согласен. Дада. Да. То есть ты учишься, собственно говоря, смотришь, что там происходит.
32:24
Speaker A
Вот. Если ты, у тебя есть какой-то канал, когда ты его присоединяешь к любой автоматике, независимо от того, будет это а там чатбот или это будет будут какие-то ручки или это будет видеокамера, с которой его снимает и тому подобное, вся эта информация
32:37
Speaker A
накапливается, и дальше ты можешь этот опыт переносить в станок, в человека подобного робота, в другого человека, вот, тем или иным способом. Ну, в общем, вот так. Что так, но пока не пока опять же тут, чтобы не выглядеть сумасшедшим,
32:51
Speaker A
надо понимать на какой на каком в каком году мы разговариваем, да? То есть если мы говорим 2026 год, то, конечно, мы записываем, что всё, что делает человек, и пытаемся это перенести маленьких агентиков. Вот.
33:05
Speaker A
Слушай, ну а вообще, ладно, я понимаю, что банк скилов есть, да? Вот я сейчас логинюсь на какой-нибудь сайт, там есть skill, а-а, CO или, не знаю, Chief Financial Officer или, прости, господи, CSCO, да, вот есть скилл, который кто-то
33:22
Speaker A
описал, ну, может быть, даже и ты. Но этого же недостаточно, там же нету очень много чего, что этот агент понаделал. Там не хватает логов, там не хватает архитектурных записей, там не хватает коммуникации внутри чатов. Это же тоже туда скармливается. Одними
33:40
Speaker A
скилами не обойдёшься, мне кажется. М вопрос следующий. А с чего там переизбыток? Какая-то дублирующая информация, которая там Слушай, ну там, наверное, ну, наверное, скажу так, там дофига какой-то информации, которая interpersonal, то есть это контекст. А когда мы с тобой,
34:04
Speaker A
Авенир, в одной компании работали и у нас были какие-то релейшны, которые напрямую вообще никак не влияют на твою продуктивность. Вот это нафиг не надо, да?
34:12
Speaker A
А давай сделаем немного шаг назад. Ты помнишь то время, когда для того даже тут цитировали из какого-то журнала древнего заметку про то, что а в сети интернет много островков, это, по-моему, 90 писалось или как когда-то, значит, много островков, сайтов, компаний и,
34:29
Speaker A
значит, вы можете перемещаться. Но для русскоязычного населения это проблематично, потому что у нас нет каталогов, компаний, в которые зайти и так далее. В современном мире это звучит немного дико, да? Ну, во-первых, у тебя есть поисковики, во-вторых, на сайт
34:41
Speaker A
компании прямо скажем, ну, вот сейчас, наверное, зайдут на vi.ru, Круто там посмотришь что-то и так далее, но а по сути сайт компании он не является э с уже каким-то значимым, да, там может быть документация какая-то и так далее.
34:54
Speaker A
Вот. Но вот это, что у каждой компании должна быть страничкой, это вообще не является а символом этого времени. Есть условные какие-то соцсети, ещё где-то.
35:03
Speaker A
То есть бизнес не обязательно иметь страничку. То же самое сейчас ты говоришь о приложении банка. Зачем нужно в принципе приложение банку? То есть сейчас тебе для того, чтобы Ну зачем ты заходишь в приложение банката, по большому счёту?
35:18
Speaker A
А для того, чтобы сделать перевод, для того чтобы, а заплатить, а для того, чтобы там на депозит положить, депозит закрыть. Вот три действия.
35:29
Speaker A
А по факту? По факту ты что делаешь? Ты открываешь какое-то приложение, ты логинишься, ты после этого смотришь какую-то рекламу, ты бегаешь по меню и так далее. ты делаешь огромное количество действий, которые по сути не являются с важными для решения твоей
35:42
Speaker A
задачи. И всё это решается условно с тем, что у тебя есть некая умная штука, а желательно, чтобы эта умная штука ещё и без тебя работала. Вот если тебя надо что-то перевести, но по большому счёту это тоже операция уже нижнего уровня. То
35:54
Speaker A
есть оперируешь а банком, а по сути тебе надо там булочку купить, вот или ещё что-то. То есть вот этот перевод денег, он вообще должен быть под капотом. Вот.
36:04
Speaker A
С для тебя Хорошо, давай попробуем нарисовать футуристическую историю. А я еду в такси и в этот момент понимаю, что моему ребёнку нужно перевести несколько рублей. Я говорю в какого-то агента: "Переведи Максиму 1.000 руб." Агент такой: "Пру-брум-брум, пробежался по моим аккаунтам, выбрал тот, который
36:27
Speaker A
наиболее подходящий, перекинул и типа всё, как бы я и даже забыл". То есть вот эти все действия, логин, отсмотр рекламы, нажатие, ругонь, потому что он не берёт мой пин-код, вот это вот всё уходит на агента. Хорошо, я согласен. Но
36:42
Speaker A
как бы давай я пытаюсь как бы предугадать, что ты дальше, куда и куда ты дальше меня, потому что ты хитрый лис, а ты сейчас скажешь про то, что типа кредит доверия, да, и так далее. Я вот сейчас не не
36:54
Speaker A
скажу этого. Мне в голову это не придёт, потому что я просто боюсь, потому что он уведёт меня не туда.
37:00
Speaker A
А ты причём, смотри, ты сейчас говоришь о кредите доверия для того, чтобы ребёнку перевести денег. Очевидно, что ребёнку-то как бы, конечно, ты хочешь перевести денег, но тут вопрос, насколько ты доверяешь агенту, может он ещё кому-то переведёт денег, да?
37:16
Speaker A
Вот ребёнку, но не твоему. [смех] Вот. Да. Но возникает вопрос, собственно говоря, о том, а как ты будешь преодолевать следующую стадию, когда за тебя будут решать, кому перевидеть денег? вообще тебя даже не спрашиваю.
37:30
Speaker A
Вот, то есть, ну, идеальная как бы система, наверное, когда ты работаешь, занимаешься, а, тем, что тебе нравится с там прилагая ровно тот уровень усилий, который значит соответствует, ну, что тебе понравилось, не переусердиваться и так далее. В общем, короче, вот это вот
37:45
Speaker A
чикснмиха поток и прочее. Вот. А, и твоя энергия, она периодически с выплёскивается на того же ребёнка, значит, который, соответственно, тоже он хочет какие-то правильные вещи, да, которые установлены у тебя рулами там и так далее. Вот, и, соответственно, он
38:00
Speaker A
получает на это добро. Вот механизм перевода денег здесь вообще неважен, да? То есть здесь по сути с ты можешь перераспределять. Это следующий уровень.
38:10
Speaker A
Когда ты сейчас, условно, не посылаешь, а какие-то пакеты или ты не заходишь в какую-то, знаешь, как-то надо пойти в компьютер, который стоит на столе, зайти в какую-то консоль и там совершить, а перевод денег. Нет, ты заходишь в банковское приложение с телефона в
38:28
Speaker A
такси. Следующая стадия, когда ты вообще этого не делаешь, за тебя это делает, собственно говоря, искусственный интеллект. Вот поэтому вот здесь как раз, понимаешь, как эту эффективность оценивать, да? То есть, по сути, наверное, по каким-то ограничениям. Вот когда, ну, условно, что не ушли деньги
38:44
Speaker A
не туда, там злоумышленник не смог сделать справедливо, да? То есть это ээ фейлрей какой-то.
38:51
Speaker A
Так хорошо. Вот я я сегодня буду лудстом. Я нашёл свою роль на сегодня. Смотрите, мы вначале говорили о том, что либо происходит, либо должна произойти у нас какая-то революция именно с точки зрения процесса разработки, управления всем этим чудом, где у нас работают агенты и
39:11
Speaker A
люди. А что первое как бы мы услышали, что да, у нас есть роли, которые выполняют агенты, есть люди, и по сути чем мы, что мы обсуждали, как бы как мы их выбираем, можем оценивать примерно по сути теми же инструментами доверие.
39:29
Speaker A
деньги ну время скорость насколько вот это можем замерить. Первое. А второе, есть фактор того, что по всему, что происходит, мы сейчас можем активно собирать аналитику, логи отовсюду, вытаскивать метрики. Но, в принципе, аналитика логи метрики - это нечто, ну,
39:46
Speaker A
напрямую не связанное с агентами и вообще, да, понятно, там что-то нам проще будет обрабатывать, но глобально это вещи, которые и так существуют. А вот здесь тогда у меня возникает вопрос: а всё-таки если с людьми, агентами мы будем работать примерно таким же
40:02
Speaker A
способом, как и раньше? Если фактор доверия у нас здесь также будет, логи вроде и так уже кто-то сейчас как-то пытается делать, а вот в чём непосредственно, в чём сильнее всего, наверное, в каком аспекте, я не знаю, взаимодействие команд, работы команд, а
40:19
Speaker A
будет вот эта вот революция проявляться. Вот у меня ещё такое ощущение, что здесь именно вопрос в первую очередь в каком-то там когнитивном факторе, в факторе вот что-то вокруг, не знаю, людей доверия, эмоций, там те же примеры с тирмками.
40:33
Speaker A
А в чём? Ну, конечно, ну понятно, что люди тупеют. Вот и здесь есть искусственный интеллект этому только способствует, помогает. Причём на первых стадиях особенно сильно, да, когда люди передают ему какие-то инструкции, они отрабатывают до определённой степени, и люди начинают вообще туда сгружать. У
40:57
Speaker A
меня просто было несколько случаев, когда заказчики приходили и говорили о том, что мы пользовались условным клод-кодом, а потом мы зашли в определённый проект, где виртуальная машина, закрытые контуры и так далее. И разработка встала, потому что разработчики просто отучились
41:16
Speaker A
программировать сами. Ну это то же самое произойдёт, если вы уберёте де условного у разработчика, да? Вот сколько разработчиков смогут писать в блокноте?
41:23
Speaker A
Наверное, не так много. Вот. То есть это уже такая просто технология, которая нам нужна. Вот насколько дальше мы уходим, да? То есть понятно, что если выбрать де, то мы а надо больше конгнитивной нагрузки. Но с другой стороны, мы де же
41:38
Speaker A
используем для того, чтобы писать огромный entтепрайз проект. Вот. И это да, то есть это даёт определённый нам выхлоп. Вот это даёт определённую пользу определённой возможности. То же самое происходит с агентами. Мы тупеем на одном уровне, но мы приобретаем на другом. Просто надо
41:52
Speaker A
дойти до следующего уровня, а не остановиться на предыдущем. Слушай, давай пере пересём страницу тогда. А changeмендмент придумали какую-то мегаштуку. Там что-то с доверием поработали, что-то в команде начали даже допускать до прода этих агентов.
42:10
Speaker A
И в какой-то момент такие типа: "Ребята, смотрите, вот витрина нашей компании или витрина нашей команды, берите этого агента, забирайте себе, доучивайте и флаг вам в руки". Что мешает этому вот по твоему опыту, Авенир? А что способствует адопшену вне рамок? Когда мы всю
42:29
Speaker A
компанию прикладываем в агентов и отдаём кому-то? Нет, на всю компанию, внутри компании. А внутри компании а мешает очень много.
42:40
Speaker A
Значит, во-первых, мы почему-то вот смотрите, у меня был недавно круглый стол, который был посвящён тому, каким образом посчитать рои от искусственного интеллекта. Там собрались директора с разных компаний, а и никто не пришёл с ответом. Вот, то есть все
42:56
Speaker A
пришли только с этим вопросом. А при этом искусственный интеллект уже внедрён у всех. Вот, значит, то есть, видимо, те величины, которые мы и меряем, они не совсем верны. Вот если их можно так легко преодолеть, да, уже всё внедрили,
43:11
Speaker A
а теперь задумались, как считать экономику. Вот. И то же самое происходит, в принципе внутри компании, когда мы пытаемся единообразно туда закинуть искусственный интеллект, потому что, например, убедили какого-то директора. Вот. Аэ такие всё мы внедряем и внутри компании всем, соответственно,
43:28
Speaker A
а не будем называть компания, допустим, вывешивается витрина, и все сотрудники должны пройти курс и, значит, э с попробовать какие-то инструменты. Этот подход, в принципе, правильный, но обучать, да, то есть без обучения понятно, что и заезжает крайне сложно.
43:42
Speaker A
Вот. Но надо ещё учитывать то, что как и у компании, у сотрудников есть, наверное, назовём это, ну, так, чтобы никого не обижать, уровнеми зрелости, но в принципе, в общем, разные уровни принятия технологий. Вот. И, ну, очевидно, есть синьоры, например,
43:59
Speaker A
которые бегут за будущим, они пытаются попробовать любую штуку. Есть джены, которые компенсируют как какую-то свою некомпетентность, а посередине есть, ну, 80% по сути людей, которым Иваш не нужён. Вот. И они так же, как когда-то, а вот как появилось опытные
44:22
Speaker A
пользователи ПК, помните, была такая тема, что все должны учиться работать на компьютере. Застали такой момент.
44:28
Speaker A
Застали. Застали. Так. И теперь что? Вот то же самое. То есть, по сути, многим людям это и не надо было, поскольку они не понимали, даже не то, что они не понимали, ну, им это действительно не надо было, да? То есть
44:42
Speaker A
они не они получают зарплату, они выполняют определённый объём работ. Жизнь прекрасна, что называется, в субботу на рыбалку. Вот. А здесь вам приходят и говорят эффективность, скорость, новые возможности. Вы сейчас будете делать не одну htmil страничку на сайте, а вы будете клепать пачками
45:01
Speaker A
реактомпонента и так далее. Зачем? Вот, то есть компания, понятно, зачем она там расширяет горизонты и так далее, там развивает бизнес, а конкретному человеку это абсолютно незачем. Поэтому спускать в просто, а внутрь а бесполезно. Вот здесь скорее э-э надо как раз работать с каждым
45:21
Speaker A
человеком, а, ну или с группами людей, а для того, чтобы где-то убеждать добрым словом. Вот, то есть это те, кто энтузиасты или те, у кого есть определённые проблемы э с чем-то, да, то есть что-то им действительно там до
45:35
Speaker A
дедлайны не решить, а какая-то рутина с них снять. Ну, в общем, короче, им можно как-то достучаться. И те граждане, которым - по сути, ну, они уже подтягиваются, да, потихонечку. То есть кто-то увидел, что о, прикольно, оказывается, можно не писать всё письмо,
45:51
Speaker A
а можно, а, его сгенерировать. Они так: "О, классно, датека тоже действительно попробую". Вот, потому что это уже получилось у кого-то, а если я пробую, у меня не получается, то это не потому, что технология плохая, потому что я не
46:01
Speaker A
умею пользоваться. И дальше уже, соответственно, это всё тянется вплоть до тех граждан, которые являются лудистами и рассказывают по поводу того, что ничего не работает, не надо ничего внедрять, и они уже просто либо принимают это по факту, либо уходят с
46:12
Speaker A
рынка вот куда-нибудь в достойную профессию, мне кажется. Так, у меня один из коллег по программному комитету рассказал такую историю. У него была долгая, долгая эпопея с тем, что один из его сотрудников долгое время вот проявлял вот это вот настроение лудизма.
46:32
Speaker A
Да, слушай, доверия к нему нету. Ну, в общем, вся вот эта история. Ну, и в какой-то момент он сказал типа: "Ребятки, слушайте, вы тут начинаете какую-то яишную трансформацию, мне это вообще не близко. Я вот хочу спокойненько пилить свои там not gs
46:46
Speaker A
приложеньки в том виде, в котором я привык". Да. И прикинь, он, короче, уволился. Уволился, нашёл другую компанию, в которой вот этого всего вашего мракобесия в умах руководства нету. Они там нормальные, короче, они вот по старинке что-то делают. А встречались вы
47:04
Speaker A
с таким? Что думаете? Слушайте, ну есть же огромный пласт технологий куда Андрей, ты вот особенно об этом наверняка знаешь на конференциях, когда начинают смешиваться, условно там фронты и бэки. И у нас есть немного докладчиков, которые ходят между конференциями, и они рассказывают
47:25
Speaker A
достаточно элементарные вещи, которые элементарны вот для их потока. Но когда они заходятся в другой поток, то вроде бы, ну, и там, и там программисты, но для них он как будто какую-то вообще открывает новую вселенную, там, не знаю, мультипоточность
47:41
Speaker A
каким-нибудь динг инженером или там даже там, не знаю, работотехникам рассказать про скраб. Казалось бы, ну, сколько уже можно-то, да? Вот приходишь такие: "Ох ты, можно же построить так". Вот.
47:54
Speaker A
Поэтому мне кажется, что всегда есть куда убежать от какой-то новой технологии. Просто перекинуться в соседнюю область и вот в робота прийти и там искусственный интеллект ещё долетит в какой-то момент, но не скоро.
48:06
Speaker A
Ну я, кстати, думал бы, что в роботов искусственный интеллект прилетит очень быстро. Аа по вот, ну я не ручаюсь там за с маяк технологии, но, по крайней мере, я за роботами слежу очень серьёзно, за человекоподобными теми же, да. Вот если
48:24
Speaker A
у нас несколько лет назад это dynamics, где атласы прыгали с кочки на кочку и вызывали, значит, восторог, по сути компания перепродавалась, а, и оттуда черпали технологии, то сейчас там, не знаю, там полгода назад приехав в Макао, я видел сотни этих роботов
48:38
Speaker A
человекоподобных от совершенно разных компаний, маленьких, больших. Вот кто-то производит там, не знаю, глиностопы для этих роботов, кто-то там, значит, в общем, сервоприводы и так далее. Вот. То есть они эту технологию сделали достаточно массовой.
48:53
Speaker A
Но на вопрос: а что там в мозгах и для чего вы используете? Ответ был: "Ну, мы для шоу используем, да? Вот смотри, вот тебе джойстик от PlayStation", он прыгать умеет, драться там и так далее, но сам он что-то по там с точки зрения
49:06
Speaker A
производства, как это нажить на производство, вот э он не выполняет, он тупой. Вот. И в искусственный интеллект, который был внедрён, а там выставка была что-то 4.000 человек или что-то такое, а максимум технологии, который был внедрён - это голосовой помощник, устроен в
49:24
Speaker A
собственно этого робота. Всё. Вот никаких там изучений мира, вот там детей нянчить нет. Этого ничего нету. Там они только в самом начале.
49:34
Speaker A
О, увы, вы Я-то думал, хоть где-то будет что-то новенькое, интересное. Это же классно. Мы можем это развивать вперёд с песнею, купить условно сейчас там какой-нибудь Unit 3 с R1, он там что-то в районе 700.000 руб. стоит. Вот можно его закупить в компанию и,
49:51
Speaker A
собственно говоря, развивать. Я думаю, что будет многим интересно. Будет такой сын полка. Здесь, возможно, здесь, возможно, тоже количественный какой-то фактор. Банально нет ещё достаточно данных, а, грубо говоря, с роботов, которые пытались с внешним миром взаимодействовать. банально недостаточных датасетов, чтобы им
50:12
Speaker A
нормально обучаться. В какой-то момент это перейдёт именно в качественный формат, когда достаточно экспериментов поставим.
50:19
Speaker A
О, и у меня под это есть классная история. Короче говоря, у нас ивент-менеджер, он квенчик профессиональный. Вот. И мы с ним обсуждали, я с ещё там поэзией увлекался когда-то, понял, что не умеют они писать с, значит, стихи. И то же самое ждали по
50:35
Speaker A
поводу юмора. Вот, э-э, значит, что он тренирует людей писать шутки. Вот он видит, когда к нему приносит и шутки, вот они выделяются. И мы стали с ним там сидели с пытались научить ей шутить. Вот. И в итоге и сдался, сказав нам, что у меня
50:54
Speaker A
нету информации о физическом мире. Вот поэтому я не могу соотнести некие курьёзы между собой, потому что мне на тексте это не выделит. Нету вот этих связей. Вот. А если мы, соответственно, вот этих роботов задействуем, то получается, что туда приходит огромный
51:10
Speaker A
пласт информации, который доступен только нам. Тогда пойдут и шутки, и стишки, вот всё это вот это мероприятие.
51:17
Speaker A
Ну и плюс это, естественно, наверное, расширит наше понимание с точнее их понимание ишное понимание, да, этого мира. Надо совершенно они станут лучше нас понимать. Слушай, Авинер, когда ты говоришь, что им не хватает информации про внешний мир, у меня немножечко диссонанс. А куча куча
51:36
Speaker A
камер, куча разметки дорожной, куча спутниковой информации. Сейчас, ну, говорят, что это фейк, про то, что на какой-то из китайских фабрик или индийских фабрик, ээ, ребята за станком, за сбороч за мелкосборочной ээ столами, они сидят с гоупрошками и показывают
51:58
Speaker A
снимают руки тоже таким образом. Возможно, обучая будущих будущие роборуки уже там. Да, мне кажется, информации дофига.
52:09
Speaker A
А, да, её просто, во-первых, снимать надо. Во-вторых, ну, гоупрошки, сам понимаешь, что это с, что называется, тебе дали съёмку с GoPro, а теперь построить трёхмерную хотя бы структуру из этого завода. Да, ну это достаточно сложная будет задача. И, кстати говоря, я не не
52:28
Speaker A
помню, где-то был доклад классный поводу того, каким образом рисуют и, например, геометрические фигуры, и вообще как решает проблемы, да? Если для нас, например, построить круг, ну, для человека это просто какое-то движение, да, это, в принципе, наверное, действительно неровное заучивание, но
52:42
Speaker A
если вы программируете, то вы просто напишите формулу, там, не знаю, x² + y² = r², да, и вперёд рисуй. Вот то же самое поводу квадрата и так далее. Это будут простые какие-то движения. А здесь, когда с GoPro вам надо
52:54
Speaker A
простроить, собственно говоря, модельмира, то по той технологии, которая сейчас происходит, ну, немножко затрудительно это будет, [откашливается] прямо скажем. И, наверное, должно пройти ещё некоторое время, накопиться датасеты. Это не просто в интернете зачерпать всю вот вот эту текстовую информацию, которую они тоже собирали
53:11
Speaker A
очень долго же, да. Вот. Так что я думаю, ещё пока недостаточно эта информация. А ещё есть ещё один момент, это то, что в модели же затачиваются.
53:28
Speaker A
Вот. Ну то есть если вы сообщаетесь много с моделями, у них у всех есть своя там, у китайской модели своя, да, у американской другая, вот и так далее. То есть там явно есть оперирование фактами, есть оперирование логикой и так далее.
53:42
Speaker A
Это выливается в том числе в то, как какие источники использовать и так далее. Поэтому здесь тоже есть определённая ограниченность. Вот. Нет у них физического мира. Есть пока что только виртуально текстовый.
53:59
Speaker A
А уж какой здесь фактор доверия будет? Ну конечно, да. Ну, условно, опять же, если сейчас мы отдаём какие-то рутинные операции из разряда, написать какой-то класс, а, значит, ещё что-то, а, и мы не учитываем тот пласт информации, которая уходит
54:18
Speaker A
владельца модели, а туда уходит очень много и не только код, туда уходит размышление разработчика, бизнес-логика, которую он обсуждает, всякие там решения и тому подобное. Дальше возникает вопрос, собственно говоря, как эта модель воспользуется этим, да, или как люди, которые ей владеют, они даже могут
54:35
Speaker A
нелазить в эту информацию, они могут просто модель спросить, собственно говоря, что с этим делать, да, и она ответит именно в контексте того, как её настроили, с как с каким философским условным подходом она к этому идёт. Вот.
54:48
Speaker A
И это может играть либо вам во вред, либо [фыркает] в вашу пользу. Поэтому я за локальная модель.
54:56
Speaker A
[смех] Вот и, ну, кстати, многие к этому сходятся сейчас. Вчера вообще был такой инсайт про то, что, э, это мы разговаривали с ребятами из Т. Они ска один из них сказал, что не видит большого смысла дообучать модели. Они провели кучу
55:13
Speaker A
экспериментов, которые показали, что ээ существенных изменений в качестве предсказаний, ну, в качестве генерации не получилось. И гораздо проще просто скилы дотачивать.
55:26
Speaker A
Точно. И ты затронул, кстати говоря, с физическим миром совершенно классную штуку. А вот там как раз это на джепоинте собирался рассказывать. У нас есть инструменты, условно Photoshop, там ID и так далее. А [откашливается] и в них есть огромное количество
55:42
Speaker A
инструментов, которые уже, ну, условно там в фотошопе, не знаю, слои фотошопа, да, вот какие-нибудь маски фотошопа и так далее. И если вы или там в Intel ID - это, соответственно, какие-то структуры кода, это рефлексии, это с, не знаю, там индексы какие-нибудь, да. Вот
56:00
Speaker A
если с вам банально в какой-нибудь идее вы написали, переименовали метод, вам подсвечивается красненьким, что вот нажми кнопочку, у тебя, собственно говоря, всё прибежит, изменится, это работает без, а, лм, без искусственного интеллекта, то в случае чистого искусственного интеллекта вы фактически
56:17
Speaker A
занимаетесь грепом, сэдом. То есть вы прогоняете это всё с полотно текста, ищете что-то подобное, а, и вы выполняете огромную работу, но при этом она более тупая, чем если использовать внутренние инструменты, которые это сделают просто вот вот так вот, да,
56:30
Speaker A
очень быстро. Вот. И результат будет так себе. То есть это вот как раз ограничение физического мира. У вас инструментов, когда нету подходящих, вот вы действуете только текстом. Вот. А если у вас есть вот этот инструментарий уже заточенный профессионально, который
56:45
Speaker A
работает без ЛОМ, но вот добавили туда просто чего-то для понимания с человеческой речи и обратного перевода, вот и у вас всё работает хорошо. Вот создание этих инструментов, мне кажется, оно сейчас должно бомбануть, потому что если раньше оно было ограничено только
57:01
Speaker A
формальной логикой, условно, здесь добавляется то, что вы можете добучаться на естественном языке, понимать какие-то там картинки, условно и литературные тексты и переводить туда обратно. Вот.
57:15
Speaker A
Угу. В том числе растя уровень доверия. Мы же доверяем больше тому, что похоже на нас, коллеги. А у нас время потихонечку подходит к концу. Что ещё хотелось бы затроть? Что мы ещё успеем?
57:27
Speaker A
А какая у нас тема обсуждения была изначально? Изначально тема обсуждения, как ИАгенты трансформируют управленческие практики.
57:37
Speaker A
Кажется, вполне себе про это поговорили, да? Всех уволят менеджеров. Да. А вот про настроение. Точно, давай про настроение. Теперь ты сказал, что ладно, и анализировать [откашливается] эффективностью это всё понятно. А настроение в команде- это для меня, короче, пишем. А, Авенир, ты в самом
57:57
Speaker A
начале нашего разговора сказал про метрики AI команды, но то, что заставило меня помнить про это, я всё-таки сейчас в концуру нашего разговора спрошу тебя, что это за такие метрики, которые настроение в команде, что ты под этим подразумеваешь?
58:16
Speaker A
Ну, смотрите, я сейчас, на самом деле, по по команде действительно смотрю первый метрик - это график настроения.
58:24
Speaker A
Вот. А он мне даёт достаточно много информации. Во-первых, график настроения, ну, условно у нас из трёх он состоит. Это позитивный, нейтральный и негативный. Вот. И если он идёт ровно, а обычно всё идёт хорошо, и задачи закрываются и значит вовремя
58:43
Speaker A
попадаем, и ничего, значит, экстраординального не происходит. В общем, процесс идёт нормально. Если я вижу всплеск, неважно, негативный или позитивный, то это значит, что есть какая-то с, значит, проблема или с что-то там найдено, надо туда идти.
58:59
Speaker A
Соответственно, я проваливаюсь метрику и смотрю, а что же в этот момент произошло. Например, я вижу, что в 3:00 ночи разработчик, а, значит, в какой-то команде, если по индивидуально брать, да, он сидел и пытался решать какую-то проблему. Вот. А, и дальше я из этого
59:15
Speaker A
какие-то могу делать выводы, собственно говоря, в чём это проблема. Если я вижу, что это коллективный идёт всплеск и он всё время происходит в одном и том же месте, то я понимаю, что вот, например, а, там, не знаю, там есть проблема с
59:25
Speaker A
бизнес-логикой какой-то, она сложная, например, да, там какая-то система лояльности написана непонятно кем, непонятно как. Её вообще надо либо выкинуть, либо переработать. Вот, либо как-то переобъяснить и так далее. Вот.
59:36
Speaker A
Либо, соответственно, я вижу, что у меня регулярно идут всплески негатива, там, допустим, с какой-то периодичностью. Ну, тоже это может быть связано с определёнными процедурами, там, не знаю, в организации спринта или вы выкладки на деплой и так далее. Вот когда это
59:50
Speaker A
происходит в команде, условно скрамовской, которая у нас там пять-7мь человек, то, в принципе, это можно отследить на уровне лида и как бы проблем-то особой нету, но единственное, что ему надо, что называется, руку на пульсе иметь там один one to one всякие
60:02
Speaker A
стендапы и так далее. А тут у вас получается, что вы запускаете 100 человек, вот, и у вас вот это с ограничением 5п-7 человек, оно снимается. И вот вам надо отслеживать, собственно говоря, как эти команды работают. На стандартных метриках без
60:14
Speaker A
эмоционального состояния это отследить достаточно сложно. Когда вы видите именно где-то пики, то вы понимаете, что у вас вот эта вот группа людей, она где-то, а, проскальзывает. Вот.
60:23
Speaker A
А Винир, всё-таки ты хорошо рассказал про то, как вы это что вы с этим делаете, а как вы это снимаете, как откуда эту метрику качаете?
60:33
Speaker A
А это как раз уже работа с инсайтами. Вот. То есть, а, аа я с, если пробегаю по всем логам, по всему, что делают разработчики, прошу выявить лм какие-то инсайты, аа, то на самом деле выявляется, ну, понятно, пачка всяких
60:48
Speaker A
рекомендаций, половина капитанских. Это вот как вот, знаете, какой-нибуд Санаркуб прогоняйте, да, он вам э с 80% расскажет того, что в принципе как бы даже не имеет особого смысла. Вот здесь всё ровно та же самая ситуация, и нужен какой-то маячок, каким образом понимать,
61:03
Speaker A
а на что обратить внимание. И по большому счёту у нас всякие приорити, северити и прочие вещи, они очень сильно завязаны на эмоциональном состоянии.
61:12
Speaker A
Вот. И очень мало команд, которые это умеют делать действительно measurable, вот приводить это в какое-то измеримое состояние. Поэтому вот эта реакция на какие-то модули кода, на какую-то бизнес-логику и так далее, вот здесь она позволяет как раз приоритизировать ваш
61:28
Speaker A
бэклок по вот этим инсайтам и понимать, где что чинить. Вот где стоит какой-то процесс добавить. Так, всё-таки не очень понял. У тебя есть чейнджлок в гите.
61:39
Speaker A
Ты на него направляешь своего агента, говоришь: "Посчитай мне, чего думал Андрей Бураков за последние 2 недели".
61:48
Speaker A
Он такой смотрит его комитсджи, смотрит джиротикеты Севериity и Приорити и комментарии в этих джиротикетов. И говорит: "Андрей Бураков был на 75% счастлив. Это на 30% счастливее, чем 2 недели назад". Ты такой: "Отлично, что-то значит случилось. Пойду покопаю.
62:05
Speaker A
Что там? Почему Андрей Бураков сейчас так происходит?" Нет, это происходит в другую сторону. То есть Андрей пишет любой запрос э в чат или использует какой-то Ну да, он должен всё-таки себя проявить. Вот что-то пишет в чат. А перед тем, как это сохраняется
62:22
Speaker A
в логе, оно проходит через оценку. Ну то есть условно спрашивают лм, с какой коннотацией это написано, да, там негативно, ещё что-то. Ну какой-то есть прома.
62:33
Speaker A
Андрея, мы прогоняем и делаем из него слепок, насколько Андрей счастлив или не счастлив. Так, только это не счастлив и не счастлив, это всё-таки оценка сообщения, потому что, например, если ты хочешь добиться аа чего-то от лол, иногда градус агрессии стоит повысить. Вот. То есть
62:52
Speaker A
здесь вот эти колебания тоже надо учитывать. Вот агрессивный промтинг является одной из технологий. Угу.
62:59
Speaker A
Поэтому важен срез видеть с с течением времени. Если у тебя уровень негатива условно 30%, то это может говорить просто о том, что люди, ну вот занимаются агрессивным кодингом. А вот если он пошёл вверх, потом вниз там и так далее, начал колбасить, то вот это
63:14
Speaker A
это то, на что стоит обратить внимание, залезть и посмотреть, запросить, собственно говоря, что там менять надо.
63:19
Speaker A
Ну понятно, понятно. То есть надо на большой дистанции. [фыркает] Хорошо. Андрей, чего-то забыли? А вот, знаешь, мне интересно стало, как Андрею Буракова, который, может быть, меньше 70% был счастлив. А если возвращаться к доверию, [тяжело вздыхает] а не приведёт ли это к тому, что
63:38
Speaker A
какие-то проблемы я как разработчик или что-то ещё, в общем, начну стараться как-то уводить в другие те же модельки, потому что я знаю, что ты это трекаешь и что это мониторишь. И мало ли, что-то накопаешь, что-то такое, что приведёт к
63:52
Speaker A
недовольству твоему. А такой немножко я параноик, поэтому, ну, если поставить норму счастья для команды, вот, чтобы она её выполняла, то, конечно, они будут подстраивать метрики и тому подобное. Вот. Но по большому [смех] Но по большому счёту же смотри, какая штука. А-э, представьте
64:11
Speaker A
себе, что ты разработчик, э-э, ты пошёл поговорил с менеджером, и менеджер такой убедительный, вот ты пошёл к нему зарплату попросить повысить, а вышел с, значит, с похлопыванием по плечу и с тем, что такой замечательный там по всем мотиваторам прошёл, такой классный
64:28
Speaker A
чувак, только что-то денег не повысил или ещё что-то, да? Вот и это как бы классно поговорили, пошёл, выставил своё резюме. Как это отследить? Вот, ну, кроме того, что отследить, что он выставил резюме, да? Вот ты, в принципе, можешь его настроение как раз
64:40
Speaker A
посмотреть. Ты ожидаешь, что ты классно всё разложил, и у него должно настроение повыситься. На самом деле оно у него упало в ноль. Вот. И он начинает, соответственно, у него меняется как раз вот этот промотик меняется. Вот поэтому по идее этому разработчику э было бы
64:56
Speaker A
даже в плюс то, что а его настроение, его какая-то вот вот эта вот штука, она отслеживается и берётся в расчёт. Вот.
65:06
Speaker A
Э, как, ну, короче, банальный пример - это когда у тебя есть условно хорошие, классные разработчики, которые такие позитивные, ты с ними хочешь работать, тебе всё нравится, и ты их поощрящаешь, а, бонусами закидываешь и тому подобное.
65:19
Speaker A
А есть Вася, которая это всё дело тащит. Вот. Но при этом ты об этом не в курсе.
65:23
Speaker A
Вот вот эти все логи не не обязательно эмоциональные, они тебе позволяют это выявить. Это ему в плюс тоже идёт.
65:29
Speaker A
Главное ему это доказать. А не удобнее ли тогда ещ либо ещё, либо в первую очередь мониторить тогда, я не знаю корпчаты?
65:42
Speaker A
Да, тут вопрос, такие системы же есть уже давно. Вопрос, до какой степени ты хочешь жить в объективной реальности? Примерно так.
65:50
Speaker A
[откашливается] То есть мониторить можно всё, но с тут тут вопрос, как это использовать. То есть есть компании, в которых, условно, ты можешь отдать это управление прямо в саму команду, чтобы они могли между собой условно обмениваться этими банками, вот, э, с разговаривать
66:09
Speaker A
по-честному и так далее. Есть компания, где это, в принципе, неприемлемо должна быть твёрдо вертикаль власти и так далее. Ну, это как бы с уже на усмотрение там миссий компании, не знаю, принципов и так далее. Вот. Тогда, да, где-то мониторить чаты, где-то у нас тут
66:23
Speaker A
личная жизнь, не знаю, ещё что-то. Вот. Ну, то есть здесь здесь тоже, наверное, упрёмся вопрос доверия, но уже к к компании сотруднику.
66:33
Speaker A
Ну да. То есть условно есть же компании, где всё решается на тонких политических моментах, да, вот где они там вот. А есть компании, где честное нормальное общение. Ну, в смысле, другие компании, да вот другое общение какое-то, да, какое-то
66:46
Speaker A
другое общение. А, друзья, мне, к сожалению, пора уже бежать. Я так понимаю, что мы более чем иссякли. Да, точно.
66:56
Speaker A
Давайте [фыркает] тогда закругляться, друзья. Спасибо вам большое. Это был офигенный подкаст. Анир в очередной раз порадовался тому, насколько глубоко ты разбираешься, насколько много экспериментов вы это вы делаете.
67:06
Speaker A
Увидимся на конференции. До следующего раза, друзья. Пока-пока. Спасибо. С вами было интересно. Пока. Всем пока. M.
Topics:AI-агентыуправление проектамиискусственный интеллектменеджментразработка ПОметрики эффективностиавтоматизациятрансформация командAI Review Toolтехнологии 2026

Frequently Asked Questions

Что такое AI-агенты в контексте управления проектами?

AI-агенты — это программные помощники, которые автоматизируют управление командами и проектами, собирают и анализируют данные, создают отчёты и помогают принимать решения.

Как меняются метрики эффективности разработки с появлением AI?

Традиционные метрики, основанные на времени и объёме кода, устарели. AI позволяет анализировать более глубокие данные, включая логи и документы, для комплексной оценки качества и продуктивности.

В чем заключается основная трансформация менеджмента в эпоху AI?

Менеджмент переходит от централизованного контроля к автоматизированным мультиагентным системам, где решения принимаются на основе анализа технологических данных и автоматизации процессов.

Get More with the Söz AI App

Transcribe recordings, audio files, and YouTube videos — with AI summaries, speaker detection, and unlimited transcriptions.

Or transcribe another YouTube video here →