Театр трудоустройства: почему разработчики вычитывают AI-код глазами вместо написания критериев

Три часа ночи. Старший разработчик сидит перед монитором, глаза наливаются кровью. На экране — гигантский diff: нейросеть сгенерировала пятьсот строк кода за три секунды. Наш герой полчаса честно вычитывает каждую строчку, проверяя скобочки, названия переменных, логические отступы. В голове — гордая мысль: «Вот она, настоящая инженерная работа».

Со стороны — сюрреалистическая трагикомедия: ИИ потратил мгновение, человек потратил полчаса, чтобы прочитать результат глазами. При этом он категорически отказался потратить пять минут до запуска нейросети на написание чётких критериев приёмки, граничных условий и автоматического теста, который проверил бы этот же код за миллисекунды.

Этот паттерн везде.

Continue reading “Театр трудоустройства: почему разработчики вычитывают AI-код глазами вместо написания критериев”

Ключевая роль людей в разработке программного обеспечения — закончена

Вы пытались заставить живых разработчиков всегда писать автотесты? Не «договорились», не «прописали в регламент» — а чтобы реально делали перед каждым коммитом, без напоминаний? А документировать код — хотя бы комментариями? А заставить сеньора поддержать то, что три джуна написали полгода назад?

Если нет — вы не поймёте, почему результаты одного конкретного кейса, который я разберу ниже, меня уже не удивляют. Удивляет только то, что индустрия продолжает делать вид, что ничего не меняется.


Continue reading “Ключевая роль людей в разработке программного обеспечения — закончена”

ИИ — не просто кодер: как AI покрывает весь жизненный цикл разработки ПО

«ИИ — просто очень быстрый стажер-кодер» — это точное описание первого этапа. На втором ИИ становится исполнителем мышления на каждом шаге SDLC: от clarify-диалога с заказчиком в Jira до мультиагентных связок, которые ловят, исправляют и верифицируют сами себя.

Есть один популярный аргумент против AI в разработке: «Написание кода — это лишь малая часть SDLC. Есть ещё интервью с заказчиком, формулирование требований, архитектурное проектирование, тестирование, мониторинг. ИИ — это просто очень быстрый кодер, а не думающий участник команды».

Этот аргумент справедлив. Для первого этапа освоения инструмента.

На первом этапе человек видит, что AI пишет код — и делает вывод: «ИИ = кодер». Потом замечает, что кодинг — не вся разработка. Делает следующий вывод: «значит, AI не заменит разработку целиком». Логика правильная, но вывод устаревает раньше, чем его успевают произнести вслух.

На следующем витке выясняется, что нейросети прекрасно умеют делать именно то, о чём говорит этот аргумент.

Continue reading “ИИ — не просто кодер: как AI покрывает весь жизненный цикл разработки ПО”

Как мы собрали пайплайн гибридных рилсов: живой эксперт плюс AI-видеовставки

Talking-head на камеру эксперт снимает сам, а перебивки между тезисами генерирует AI: видео без лица под синтезированную речь. История о том, как из разового скрипта вырос конвейер на пять стадий — с граблями про гипнотический loop, «бесплатные» голоса за 402 и Seedance, который отказывается снимать 3 секунды.

Задача звучала обманчиво просто: короткие вертикальные ролики, где эксперт по недвижимости говорит на камеру, а между его тезисами — красивые AI-перебивки: стройка, транспорт, документ крупным планом, телефон в руке. Лицо снимает человек, атмосферу генерирует нейросеть. Из разового скрипта на одну генерацию это выросло в конвейер на пять стадий, и по дороге мы собрали почти все грабли, которые в такой сборке можно собрать.

Continue reading “Как мы собрали пайплайн гибридных рилсов: живой эксперт плюс AI-видеовставки”

Спрос на AI-специалистов в 2026: кого ищут по вакансиям

Хайп говорит «нанимайте AI». JD показывают другой спрос: production agents с evals и guardrails, Applied AI leadership, partner architecture, evaluation harness как must-have. Метод — читать кластеры ролей как org chart под давлением.

Хайп говорит «нанимайте AI». В реальных JD покупают специалистов под production agents, evals, Applied AI и partner delivery. Ниже: как читать кластеры вакансий как org chart под давлением, и пять ролевых кластеров из разобранного корпуса.

Continue reading “Спрос на AI-специалистов в 2026: кого ищут по вакансиям”

Как сделать eval критерием релиза AI-фичи, а не оценкой «на демо выглядело нормально»

Demo-grade eval одобряет фичу на тех же примерах, что и питч. Дальше прод показывает длинный хвост. Три слоя — regression из инцидентов, distribution diff к снапшоту, human spot-check — и один named owner. Минимальный harness: github.com/dobryakov/eval-harness.

Сделайте качество AI-вывода release-критерием: фиксированный regression из прошлых инцидентов, distribution-diff к снапшоту прошлого релиза (20–50 реальных входов), human spot-check перед первым продом нового вида вывода — и один человек, который подписывает sign-off. Ниже — антипаттерн demo-grade, три слоя методики и минимальный harness, который падает в CI с понятным exit code.

Continue reading “Как сделать eval критерием релиза AI-фичи, а не оценкой «на демо выглядело нормально»”

Как делать профессиональную архитектуру ПО с AI, даже не разбираясь в теме

Без предметной подложки агент выдаёт FTP и CSV и рапортует «готово». Book-as-context — книга как wiki в проекте (рядом с LLM Wiki и book-to-skill): с короткого промпта получаются outbox, очереди, идемпотентность и отказоустойчивость.

Подложите агенту авторитетную книгу по предмету как wiki в репозитории — целиком, с индексом и ссылками, а не разовым вложением файла в диалог. Тогда даже с короткого промпта он проектирует в понятиях первоисточника: очереди, гарантии доставки, идемпотентность, отказоустойчивость. Ниже — приём book-as-context, сквозной пример магазин→ERP и ограничения метода.

Continue reading “Как делать профессиональную архитектуру ПО с AI, даже не разбираясь в теме”

Зачем AI-скиллам онбординг, если их можно просто скопировать в каталог

Три скилла — нормально. Тридцать — стиль публикаций разъезжается, shared state затирается, поведение меняется без стека и лога. Копировать markdown в `.claude/skills/` — это найм без собеседования. Онбординг нужен не ради процесса, а чтобы поймать конфликт до того, как он попадёт в ежедневную работу.

Потому что копирование markdown в каталог — это не установка пакета. Это найм: ассистент получает новый кусок поведения, который завтра столкнётся с уже стоящими скиллами. Скилл здесь — пакет инструкций для AI-ассистента (Claude Code / Cursor): frontmatter, правила, заявленные read/write/calls. Пока входной контур пуст, каждый новый файл в .claude/skills/ — скрытый найм без собеседования и без записи в личное дело.

Continue reading “Зачем AI-скиллам онбординг, если их можно просто скопировать в каталог”

Как обеспечить периметр безопасности AI-агента без опоры на system prompt

«Не удаляй прод» в system prompt — это не защита. Ограничение работает, когда модель физически не дотягивается до файлов и шелла: без прямого API к хосту, с изоляцией, фильтром команд и аудитом. Пример — enterprise-code-bastion.

Чтобы вокруг AI-агента был периметр безопасности, одного system prompt мало. Модель не должна физически дотягиваться до файлов и шелла: штатные tools выключены, наружу только MCP, исполнение в Docker на пару «проект + задача», фильтр команд до запуска, audit trail. Ниже — рабочий референс и где схема ломается.

Continue reading “Как обеспечить периметр безопасности AI-агента без опоры на system prompt”

Ссылки на актуальные проекты 2026

## Видео и обучение
– YouTube-канал IT Head: https://www.youtube.com/@IT-Head
– Курс по распределённым асинхронным системам: https://www.youtube.com/watch?v=HJHUC6LEX38&list=PLUz1o7Zv6ERDPCKRatHSjaBxOTOdC0-rk
– Курс про автоматизацию HR: https://www.youtube.com/watch?v=W8hRkWJsRz4&list=PLUz1o7Zv6ERBR9boIlC47TMvHIcGszOTK
– Серия интервью с ключевыми персонажами индустрии: https://www.youtube.com/watch?v=3IsdkM_qySQ&list=PLUz1o7Zv6ERB8DEXT3e4-k5_jbEL6i-DV&index=2

## Код и продукты
– GitHub: https://github.com/dobryakov
– Next Move Engine: https://nextmoveengine.com/

## Сообщество и проекты
– Сообщество «Вступай!»:
– сайт: https://vstupai.com/
– телеграм-канал: https://t.me/vstup_ai
– Проект «AI replace us»: https://aireplaceus.com/

## Внешний мир

– СПИК-2012 (технический директор UMI, организация разработки): https://www.umi-cms.ru/company/news/spic2012/
– СПИК-2011 (highload): https://www.umi-cms.ru/company/news/spic2011/
– ZoomInfo (Enterprise Architect @ Askona): https://www.zoominfo.com/p/Grigoriy-Dobryakov/6721469491
– RocketReach (карьерная цепочка): https://rocketreach.co/grigoriy-dobryakov-email_18045897
– Стрим с Сергеем Пименовым про AI (май 2026): https://www.facebook.com/pimenov/posts/10164559459746113/

## Профили в соцсетях
– LinkedIn: https://www.linkedin.com/in/dobryakov/
– Facebook: https://www.facebook.com/dobryakov/
– Telegram (личный): https://t.me/grigoriydobryakov