Фазовый переход

В разработке цифровых продуктов уже произошел.

Несколько десятков лет назад специалисты работали с машинными командами. Пару десятков лет назад перешли на следующий уровень абстракции — языки, инкапсулирующие работу с инструкциями. 20 лет назад перешли на фреймворки, инкапсулирующие целые блоки работы систем. Последние 10 лет упрощается работа с компонентами систем. Каждый раз происходит плавное укрупнение уровня абстракции: от работы с регистрами до раскладки многокомпонентной системы по конфигу одной кнопкой.

Сейчас мы переходим на следующий слой: работа с функционалом. Теперь атомарной единицей поставки инженера перестал быть код, работа или какой-то артефакт. Теперь объектом поставки должно сразу являться решение бизнес-задачи.

Это всегда было важно, но сейчас это новая норма. Почему? Потому что раньше получить специалиста, компетентного хотя бы в одной узкой специализации разработки было очень сложно, что уж говорить о специалистах, которые и архитектуру знают, и про продукт думают, и бизнес-процессы понимают, и из стейкхолдера могут требования извлечь.

Теперь же лак компетенций в какой-либо специализации частично компенсируется ИИ-инструментами, а времени на уделение внимания другим направлениям работы становится существенно больше, потому что набирать код / писать документы становится бесплатно и быстро.

#сергей_чернобровкин 👨

🤖 AI не заменит проджектов. Или все же заменит?

Мы сейчас проживаем мощный этап роста через интеграцию AI в процессы компании. Глубина зависит от проекта и готовности заказчика работать с новыми инструментами. Где-то это базовая автоматизация. Где-то — пересборка управленческого контура.

В процессе внедрения AI в проджет-менеджмент возник вопрос, в чем ключевая экспертиза, куда искусственный интеллект еще долго не зайдет. Ответом, который сформулировали для себя, поделюсь в этом посте:

1. Доверие с заказчиком
Доверие не строится на отчетах. Оно строится на понимании контекста, на глубоком вгрузе в бизнес, на ощущении микроклимата в команде.

2. Эмпатия
Нюансы нетипичной коммуникации можно уловить только в живом контакте: по изменению интонации голоса, мимике, по частоте и регулярности встреч, готовности сторон к конструктивному обсуждению планов и задач.

3. Прогноз отношений
Можно смотреть на цифры, планы, загрузку на будущие периоды. Но устойчивость проекта часто определяется не объемом задач, а качеством отношений. Успех требует человеческой вовлеченности в проблемы и задачи бизнеса.

💚Будет ли заказчик масштабироваться с нами.
💚Готов ли обсуждать стратегию.
💚Есть ли внутренняя поддержка проекта.

AI снимает рутину и усиливает менеджера. Но не заменяет управленческое мышление и зрелость. Он не заменит сеньорные позиции проджектов, где нужно принимать решения, нести риски и ответственность, выстраивать отношения. И чем больше автоматизации в процессах, тем выше требования к проджекту как к человеку.

#юлия_антасюк 🤝

Портал в нулевые в топ-3 кейсов всего digital рынка на Ruward Award 2026

В прошлом году мы вернули ваш 2007-й вместе с Cedro и создали проект, в котором поучаствовали лучшие из лучших. Собрали на одном сайте:

— Ретро-миксы от ВКонтакте
— Лакомства из детства от ВкусВилл
— Идеи для идеального свидания в стиле нулевых от Twinby
— Тест для трушных олдов

Ностальгия сработала: в кейсе показываем внутрянку, как фан превращается в управляемый инструмент через культурный триггер и игровой сценарий.

А зайти и проверить себя на олда можно тут ➡️ kts-cedro.ru

Ограничения ИИ (человека?)

Последние месяцы я активно экспериментирую и внедряю ИИ-инструменты во все процессы, до которых хватает сил дотянуться. Также подключаю людей и команды к использованию таких инструментов в их процессах.

Основное ограничение, которое я увидел — это не «умение ставить задачи», а ограничение самого человека. То есть ИИ ограничен мышлением того, кто с ним работает. Нельзя получить результат лучше, чем сделал бы сам человек.

Причина, я думаю, в самом паттерне работы: специалист задает модели некоторый запрос/задачу, анализирует ответ и направляет рассуждение дальше. То есть делает выбор, куда двигаться. И вот этот выбор ограничен образом результата, который устанавливает для себя сам человек. ИИ лишь помогает ему быстрее/точнее в него попасть. Если же модель сама формирует образ результата, то получается, как правило, посредственный (наверно, правильнее сказать «усредненный») результат. То есть человек не имел образа результата, не смог направить инструмент в нужную сторону и докопать до чего-то лучше, чем модель выдала по дефолту. Этот эффект я наблюдал и в своей работе, и в чужих, причем в совершенно разных прикладных задачах.

Из этого следует интересный эффект, который я также наблюдаю при общении с разными руководителями. Они начинают сравнивать (даже явно, если более прямолинейны) результат специалиста с «дефолтным» результатом от модели. То есть модель уже задаёт некоторый бейслайн качества и ожидание от человека.

Это, в свою очередь, еще больше повышает значимость таких характеристик специалиста, как системное мышление, кругозор, способность к рефлексии, даже изобретательству, чтобы формировать свой образ результата.

#сергей_чернобровкин 👨

Отметились на Workspace Digital Awards/26 🏆

Workspace Digital Awards — ежегодный конкурс лучших digital-кейсов. В этом году награды получили четыре проекта KTS:

🟢2 место в номинации «Маркетинг и реклама. Креативный подход» за кейс Орево для «Бургер Кинга». Голосовая геймификации в мобильном приложении собрала 4,1 млн взаимодействий и привела 400к+ уникальных участников.

🟢3 место в номинации «SMM и PR. Спецпроекты» за проект Выживалити для «Пятницы!». Игра в Telegram, синхронизированная с телеэфиром, удержала 86% аудитории на протяжении всего сезона шоу.

🟢3 место в номинации «Сайты. СМИ, искусство и общество» за проект IGM. Помогли игровому сообществу увеличить выручку в 1,5 раза с помощью запуска e-commerce платформы.

🟢3 место в номинации «Сайты. Мебель, интерьер и товары для дома» за Флатику. Вместе с коллегами из Mish провели полный ребрендинг международной платформы под российский рынок.

Принимаем поздравления 💚

Инженер будущего

Последние 4 месяца активно работаем над формированием образа специалистов, которые должны работать в компании. Этот вопрос пересекается с производственным процессом, потому что именно он диктует формат команд и роли внутри них.

В этом посте позволю себе немного пофантазировать на тему будущего процесса разработки и места человека в нем.

Думаю, что уже сейчас человек является бутылочным горлышком в производственном цикле.

Представим роботизированную линию в каком-нибудь цеху. В нем есть участки, на которых стоят роботы с производительностью 100 изделий в час, но между участками есть этапы с людьми с производительностью 10 деталей. Общая производительность конвейера - 10 деталей.

Классический конвейер разработки выглядит так же: аналитика -> дизайн -> разработка -> кодревью -> тестирование -> релиз
Между каждыми этапами есть много административных временных издержек, а какие-то из этапов могут полностью блокироваться человеком.

Стандартный пример — согласование требований. Аналитик написал ТЗ, ждёт согласования заказчика. Оно асинхронное и даже одна итерация правок может занимать от 1 дня до недели. Это не создавало проблем раньше, так как одно согласованное ТЗ, даже если на него уходила неделя, создавало большой объем работы на следующих этапах. Соответственно общая производительность зависела от производительности «участка» разработки.

Сейчас же скорость создания артефактов в каждом участке, включая разработку, выросла в разы. И узким местом стали согласования, проверки качества и так далее. То есть все, что делает человек между участками производства.

Какой смысл от того, что я могу написать ТЗ за 1 час вместо 6, если для согласования мне все равно придется подождать минимум день? Или какой смысл от быстрого написания кода, если мне нужно ждать кодревью от другого человека (при том, что его еще и завалило сверху бОльшим количеством ревью)?

Текущие инструменты в основном применяют для ускорения участков, но не пайплайна целиком. В такой конфигурации можно получить прирост общей производительности в единицы или в лучшем случае пару десятков процентов, если «был запас». Но кратный прирост не получится.

Это значит, что нужно изменять сам пайплайн. Минимизировать ручное администрирование и контроль, при этом обеспечив те же качество и предсказуемость, что и раньше.

Тогда целевая функция инженера — не просто выдать артефакт, а доработать систему выдачи этих артефактов, чтобы в будущем результат был более стабильный и предсказуемый. Дообучить систему, короче говоря.

Тогда роль «инженера будущего» в постоянном улучшении и ускорении пайплайна. Фактически как сейчас CI/CD, только в качестве шагов — агенты, которые делают те или иные проверки, вносят изменения в создаваемый продукт, а инженер отслеживает, в чем агенты ошибаются и изменяет самих агентов, или добавляет новых, чтобы в будущем система не допускала таких же ошибок.

Тогда разработка — это полностью продукт агентов. А продукт инженера будущего — это система по автономному предсказуемому произведению цифровых продуктов с заданным качеством.

#сергей_чернобровкин 😊

AI — только для enterprise?
Доказываем, что это не так!

Миф: AI — это дорого и только для крупных корпораций.

Реальность: в проектах KTS мы видим, что ИИ-решения работают в бизнесе любого уровня. Вопрос не в бюджете, а в том, с чего начать и как измерить результат.

В новой статье собрали главное для тех, кто только присматривается к внедрению:

🌟почему проекты зависают в «вечном пилоте»
🌟 какие процессы автоматизировать в первую очередь
🌟 какие метрики действительно показывают бизнес-эффект
🌟 как платформенный подход меняет экономику AI-проектов

Рассказываем, как за 1–2 месяца сделать AI прикладным инструментом с измеримым эффектом.

От RAG до агентов: что бизнес ждет от AI?

В подкасте «Большой разговор про AI» Александр Опрышко, сооснователь KTS, рассказал, как AI уже меняет разработку и digital-рынок: от оцифровки базы знаний к агентам конкретных действий, от отдельных ассистентов к AI-центричному подходу в SDLC.

Обсудили:

▫️почему компании так активно смотрят в сторону RAG, ассистентов проектировщиков и аналитики?
▫️как бизнес оценивает эффективность AI-проектов?
▫️почему многие хотят on-premise решения?
▫️куда перестраивается рынок?
▫️какой тренд показывает наш кейс ассистента Альфа-Банка с ROI 6 месяцев?

🔴 Посмотреть выпуск

Когда опыт в менеджменте мешает

Показательный кейс: сейчас помогаю с онбордингом менеджера в одном из наших юнитов. Небольшая команда, высокая скорость, нет жёсткого разделения обязанностей, «все делают всё». Разбираемся вместе, как выстроить менеджмент в таких условиях.

Руководитель юнита поставил менеджеру задачу: по краткому перечню работ описать критерии приёмки, definition of done. Предметная область сложная — без технического специалиста сходу не разберёшься. Предложил менеджеру использовать для этой задачи AI-инструменты, так как привык так делать сам.

У опытного менеджера здесь два привычных пути.
Первый — классическое делегирование. Подключить технарей, распределить задания, выстроить приёмку общего результата.
Второй — сделать самому. Большой контекст, нет смысла погружать специалистов.

Менеджер выбрал этот вариант: потратил день-два, детально проработал материал с помощью AI и пришёл с финальным артефактом.
Когда начали смотреть вместе с руководителем юнита, оказалось, надо много переделывать. Но главное не это. Выяснилось, что руководитель уже перестроил своё мышление и изначально ждал не готовый результат, а черновик от нейронки. Чтобы вместе докрутить то, что не понравится, прямо на встрече.

И здесь появляется третий путь. Он меняет саму ткань делегирования, сам производственный процесс.
AI генерирует ровную базу за минуту. Менеджер докручивает по своим критериям — убирает очевидно слабые места, задаёт направление. И приходит с этим черновиком на обсуждение. Дальше вместе правим на ходу. Реальная экономия уже не в том, что кто-то один тратит время и приносит готовый результат. А в том, чтобы не начинать с чистого листа.

Менеджер признался, что жёстко прочувствовал эффект. Это не просто написать текст быстрее с помощью ИИ, а изменение собственных паттернов поведения. Когда годами работаешь на опыте, сложно в моменте включить голову и принять решение, как делать дальше.

В этом и есть, пожалуй, главный вызов. Не научиться пользоваться новыми инструментами — это несложно. А разобраться, в каких местах накопленный опыт теперь скорее мешает. Там, где раньше не нужно было думать, потому что ответ и так был очевиден — теперь стоит остановиться и спросить себя заново.

#максим_павлов 😀 #менеджментkts