Григорий Добряков – Блог про IT+AI
Блог Григория Добрякова: управление проектами, менеджмент, разработка и тестирование
Максимальный рычаг от ИИ лежит не там, где вы эксперт, а там, где вы ничего не смыслите. Почему усиливать сильную зону — почти бесполезно по деньгам.
Представьте senior-разработчика, который уже стабильно закрывает сложные задачи и получает верх рынка. Он берёт ИИ и начинает применять его к тому, что и так умеет: быстрее писать типовой код, находить ошибки и готовить черновики рефакторинга. Быстрее пишет, чище рефакторит, аккуратнее раскладывает точки с запятой по текстовым файлам.
Принесёт ли ему это заметно больше денег? Да нихуя. Он уже в топе рынка, и заказчик редко платит отдельно за разницу между «очень хорошо» и «ещё на 5% лучше».
Инженер видит в неточности модели сбой, гуманитарий — рабочий материал. Конфликт культур вокруг AI проигрывает тот, кто не заметил, что они решают разные задачи.
Понаблюдайте, как разработчик смотрит на филолога, который только что получил от нейросети текст и остался доволен. В этом взгляде читается вопрос, который технарь никогда не произнесёт вслух: «Почему ты позволяешь себе быть таким несовершенным?» Модель наврала в двух фактах, размыла третий, а человек напротив улыбается и уносит результат в работу. Для инженера это не радость — это профнепригодность, которую почему-то не стыдно показывать.
Continue reading “Две меры несовершенства: инженер, гуманитарий и один AI на двоих”
Сотни строк правил в одном файле — не признак дисциплины, а архитектурный антипаттерн. Как перестать засорять контекст агента и вынести операционную логику в обвязку.
Откройте шаблон системного промпта, который инженеры одного из AI-вендоров выложили как образец «идеального поведения агента» — и увидите сотни строк: тон голоса, порядок работы с кодом, реакция на конфликтующие требования, форматирование ответов, что делать, если пользователь резок. Это не стартап, который торопится и копирует правила со Stack Overflow. Это люди, которые саму модель обучали. Если создатели агента не удерживают его поведение в двух десятках строк, а расписывают на сотни — проблема не только в дисциплине команды: единый статичный файл плохо подходит для правил, зависящих от задачи.
Continue reading “Почему ваш CLAUDE.md превратился в свалку и как это исправить”
Спор с евангелистами — это спор с фразой, которую никто не говорил. Реальный призыв требует перестройки процессов, а не нажатия кнопки.
Спикер говорит и советует сгрузить рутину на нейросети. Часть инженеров возражает: вздохи, саркастичные комментарии, длинные треды о том, как спикеры оторваны от реальности. «ИИ не умеет думать», «он галлюцинирует», «кто потом будет переписывать этот код?»
Претензии выглядят странно по одной причине. «Отдай это AI» — метафора, ужатая до размера короткого ролика. Никто из выступающих не имеет в виду «нажми кнопку, уйди пить кофе, а алгоритм сам построит тебе космодром». Буквальное прочтение целиком принадлежит слушателю: он его додумал и критикует буквальную интерпретацию фразы.
Continue reading “«Просто отдай это AI» — это метафора, и спорят с ней не те”
ИИ-агент читает требования буквально. Если в спецификации есть неопределённость, он галлюцинирует недостающий контекст и тратит бюджет на догадки. Качество входа становится качеством выхода — без амортизации.
Живой разработчик получает тикет «ускорьте каталог» и идёт спрашивать. В курилке, в личку, на дейли. Он додумывает: знает, что каталог у нас на PostgreSQL, что прошлый раз сломались на импорте, что «ускорить» в этой компании значит p99, а не среднее. Половину требований он достраивает из доменного опыта команды, и никто этого не замечает.
ИИ-агент получает тот же тикет и, если в процессе нет шага уточнения, начинает писать код по буквальному тексту задачи.
Через три недели на ретро звучит «ИИ не тянет архитектуру». Это неправда. Он реализовал наиболее вероятную интерпретацию неполного описания.
Continue reading “Как валидировать проектные требования перед передачей ИИ-агенту”
Согласование — это алгоритм диспетчеризации трафика между людьми. Даем агенту проектную информацию, роутер и список адресатов — и получаем счетчик открытых вопросов вместо хаоса в мессенджерах.
Согласование только выглядит как разговор. На самом деле это алгоритм диспетчеризации трафика между людьми: есть список открытых вопросов, есть список адресатов, есть правило, кому какой вопрос направить, и есть момент, когда всё сошлось. Человек делает эту работу давно и плохо — просто раньше её некому было отдать. Дальше — конструкция из нескольких агентов, которая гоняет согласование по проекту без вас.
Continue reading “Как построить на ИИ машину согласования стейкхолдеров”
Промышленная AI-система — это не вызов API. Это инфраструктура контроля последствий вокруг модели. Разбор guardrails, harness и границ доверия.
Агент отправил письмо с деталями заказа не тому получателю. Другой сформировал опасный SQL-запрос к боевой базе — потому что «пример команды на удаление» лежал прямо в тексте тикета, который он читал. Третий через RAG подтянул в ответ фрагмент внутреннего документа вместе с секретом и отдал его наружу.
Это типовые сценарии, а не курьёзы. И у них общий нюанс: ни одна модель не «сломалась». Каждая отработала штатно — корректный вызов инструмента, валидный SQL, релевантный фрагмент из базы. Нежелательными оказались последствия, а не поведение модели.
Continue reading “Что творит AI, пока вы отвернулись: что такое Guardrails и Harness”
Чат пишет, git хранит состояние, сервер публикует: как из россыпи канальных скиллов собралась шина контент-юнитов — и почему оркестратор больше не пишет тексты, которые вы читаете. Этот материал сам проходит через тот контур.
Это не взгляд со стороны на «автоматизацию контента». Этот текст сам проходит через тот пайплайн, о котором написан: brief, evidence, канон, версии под каналы, проверки, публикация.
Continue reading “Как устроен пайплайн, который генерит контент, который вы сейчас читаете”
Anthropic пишет: к маю 2026 больше 80% кода, вливаемого в их production, авторствовал Claude — это их цифра, не факт из вашей организации. За ней видно главное: закупка лицензий — ещё не enablement. Что должно быть готово до старта и как устроено ревью AI-вывода на три слоя, чтобы demo-grade eval не долетел до прода.
Anthropic публично пишет: к маю 2026 больше 80% кода, который они вливают в свой production codebase, авторствовал Claude (When AI builds itself). Это их цифра и их методология атрибуции — не проверенный факт из вашей организации. Как рыночный сигнал она всё равно заслуживает внимания: лицензии Claude Code наверняка стоят и у вас, а AI там до сих пор используют как умный автокомплит — дописать строчку, сгенерировать тест, ускорить рутину.
Continue reading “Закупка Claude — это не enablement: что должно быть готово до старта”
Почему люди тянутся к сильным лидерам, зачем менеджеры избегают строить иерархию и что происходит с командой, когда формальной структуры нет.
Если вы когда-нибудь видели, как в команде «без иерархии» кто-то один всё равно заправляет всем — поздравляю: вы наблюдали закон природы. Формальной иерархии нет. Неформальная уже здесь. И вторая — всегда хуже.
