АйТиБорода

В качестве вдохновения - вот как раз дошли руки разобрать опрос от Lenny's Newletter (1750 респондентов из продуктовых команд)
https://www.lennysnewsletter.com/p/ai-tools-are-overdelivering-results

Главный вывод: AI перевыполняет ожидания. 55% говорят, что результаты превысили их ожидания, 70% отмечают рост качества работы. Больше половины экономят минимум 4+ часа в неделю на ключевых задачах.

Кто получает максимум пользы: фаундеры компаний
49% экономят 6+ часов в неделю (в 2 раза больше, чем другие роли)
45% считают качество работы "намного лучше"
78% видят позитивный ROI

Секрет в том, как они используют AI. Фаундеры применяют его для стратегического мышления: productivity & decision support (32.9%), product ideation (19.6%), vision/strategy (19.1%). AI для них – не просто инструмент, а со-мыслитель.

Продакты и дизайнеры используют AI для решения текущих задач:
PM: написание требований (21.5%), создание прототипов (19.8%), коммуникация (18.5%)
Дизайнеры: проектирование исследований (22.3%), контент и копирайт (17.4%)

Прикольно, что продакты начали активно прототипировать без дизайнеров – Lovable (8.7%) и Cursor (7.7%) в топ-7 инструментов у PM.

Инженеры – смешанная картина:
Кодинг доминирует (51% используют для написания кода)
Но 21% отмечают ухудшение качества (самый высокий показатель негатива)
Главный запрос: автоматизировать скучные задачи после написания кода – документация (+25.8pp demand gap), code review (+24.5pp), тесты (+23.5pp)

ChatGPT доминирует у всех, кроме инженеров:
72.1% фаундеров
57.7% PM
49.6% дизайнеров

У инженеров идёт жесткая гонка топ-3:
Cursor – 33.2%
ChatGPT – 30.8%
Claude Code – 29.0%

Где самые большие возможности (хотят делать, но пока не могут в нужном качестве):
PM: user research (+27.2pp) и prototyping (+24.6pp)
Дизайнеры: prototyping & interaction design (+27.8pp)
Инженеры: documentation (+25.8pp), code review (+24.5pp), tests (+23.5pp)
Фаундеры: product ideation (+29.0pp), GTM strategy (+24.7pp), market analysis (+24.0pp)

И прикольное от Kevin Weil (VP OpenAI): «Используемая вами сегодня модель искусственного интеллекта – худшая модель искусственного интеллекта, которую вы когда-либо будете использовать в своей жизни».

🎁🎄 И финальны подарочек от подкаста "на Вайбе" 😊

АйТиБорода pinned «🎄 Финальный выпуск 2025-го! Пока все вокруг дорезают салаты и закрывают последние таски, я решил, что самое время выдохнуть, налить горячего чаю и просто пообщаться. Приглашаю вас на заключительный в этом году выпуск на канале, разговорный выпуск про место…»

🎄 Финальный выпуск 2025-го!

Пока все вокруг дорезают салаты и закрывают последние таски, я решил, что самое время выдохнуть, налить горячего чаю и просто пообщаться. Приглашаю вас на заключительный в этом году выпуск на канале, разговорный выпуск про место вайбкодинга в программировании!

Я постарался разложить всё по полочкам и рассказать, откуда вообще взялся этот термин, как он умудрился мутировать из локальной шутки в реальный метод взаимодействия с ИИ в разработке, нормально ли называть программиста "вайбкодером", оценим техническую подноготную и разберемся, куда же всё-таки несётся этот технологический поезд.

👉 https://youtu.be/2EZxvgRiaoY

Всех с наступающим Новым годом!
Побольше вам спокойствия и ясных мыслей! ✨

🌲✨ В последнем интервью года на АйТиБороде ныряем в тему Edge Computing запуск нейросетей на периферии!

Мы не просто пройдемся по верхам, а залезем «под капот»: вас ждет плотное погружение в специфику железа и базу по нейросетям. Мы постараемся понять, как и, главное, зачем крутить ИИ на периферийных устройствах.

Проводником в мир Edge AI для нас сегодня станет Иван Турасов, Senior Solutions Engineer из Qualcomm.

Так что, заваривайте чаинский / кофеинский и понали, будет базировано 🔥

https://youtu.be/oO0kdAWHoYI

Вау! Крутое видео от Маркиза, масштабы современных транзисторов объясняет шикарно: https://www.youtube.com/watch?v=Jh9pFp1oM7E

🎄🔥 Предновогодний 325 выпуск подкаста "на Вайбе" уже онлайн!

Сегодня разбираем максимально хайповую неделю в ИИ: Amazon заходит к OpenAI с миллиардными деньгами, выходят GPT-5.2, Pro и Codex, ChatGPT внезапно получает Photoshop и редактирование PDF, а Disney добровольно отдаёт своих персонажей нейросетям. Google делает Gemini 3 Flash дефолтом для миллионов, Cursor начинает покупать компании, Grok рвёт всех в speech-to-speech, появляются «наркотики для AI», роботакси Tesla за $4.20, Waymo замирает на перекрёстках, а Пентагон официально начинает готовиться к AGI. Финал - слово года «slop» и ИИ-архитекторы как «Человек года». Лампово, тревожно и очень показательно.

👉 YouTube
👉 Apple Podcasts
👉 Spotify
👉 Скачать mp3
👉 RSS
💬 Обсудить в чате

Киран Гилл опубликовал отличную статью о реальном использовании AI кодинга в продакшене.

Записал себе основные мысли.
LLM нужны две вещи:
Контекст – чтобы понимала, КАК у вас пишут код
Проверяльщик – человек, который отличит нормальный код от ерунды

Главная метрика: one-shot
One-shot = модель написала рабочий код с первого раза. Ты взял, вставил, работает.
Противоположность = переделывать 5 раз, в итоге быстрее было самому.
Как добиться one-shot чаще?

Создай папку с документами для AI:
"Вот как мы пишем API"
"Вот как мы называем переменные"
"Вот структура проекта"
"Вот как писать тесты"

И каждый раз включай это в промпт. Типа "вот тебе мануал, читай и пиши по нашим правилам".

Они делают так: каждый модуль в Django имеет файл module_api.py — это единственный вход в модуль. Все функции там, типа visit_api.handoff_to_doctor().
AI знает правило: "Нужно что-то с визитами? Иди в visit_api.py". Не нужно шарить по 50 файлам.

Если твой код – помойка, где даже люди не разберутся, AI тоже не разберется. Мусор на входе → мусор на выходе.
Тест: дай коллеге незнакомый кусок кода. Он за 5 минут понял что к чему? Нет? Тогда и AI не поймет.

Нельзя выкинуть разработчиков
Главная ошибка: "давайте AI всё сделает, а мы уволим половину команды".
Нет. AI генерирует код, но кто-то должен понимать:
- Это правильное решение или костыль?
- Это не сломает систему через полгода?
- Это вообще то, что нужно?
Поэтому инвестируй в команду, а не выкидывай её.

Бутылочное горло: проверка кода
AI генерирует код быстрее, чем люди проверяют.
Что делать:
- Автотесты на максимум
- Линтеры, проверки архитектуры
- Автоматизация QA без танцев с бубном

Итого:
Успех AI в разработке = хороший контекст + умная команда. Без этого получишь тонну кода, который придется переписывать.

🔗 https://blog.kierangill.xyz/oversight-and-guidance

Такая вот статистика за год в ChatGPT. А у вас что?
Чтобы получить её, нужно втыкнуть американский ВПН и открыть эту ссылку.

Сёння не стала файнага чалавека і шчырага беларуса - Мікіты Мелказёрава. Разам з ім мы страцілі і кроплю нашае беларускае рэчаіснасці. Гэты яскравы хлопец з Хабараўска стаў найвыбітнейшым дый найяскравейшым прыкладам станаўлення беларускасці для шматлікіх маіх суплямённікаў і суплямённіц, для мяне. Мы былі знаёмы зусім ня доўга і не глыбока, але адчуванне нібыта адарвалі кавалак жыцца, сталага і асэнсаванага, сёняшняга, нібыта сыйшоў адзін з лепшых сябраў, чарговы...

Спачуванні сваякам і блізкім. Вечная памяць Мікіце.

Тут легенда ML-индустрии, ученый Эндрю Нг, сходил в Стэнфорд и поделился своим мнением про АИ и карьеру инженеров – видео длинное и я советую смотреть его, но вот топ-10 советов оттуда:

1. Держите рабочие AI-инструменты “свежими”: отставание быстро превращается в потерю продуктивности.
Сейчас выбор среды/ассистента для кода реально влияет на скорость и качество. Если вы используете инструменты на поколение старее, вы часто просто делаете ту же работу дольше и тяжелее

2. Код стал дешевле - дороже стало “решить, что строить” и “описать это четко”.
Когда написать код проще, узкое место смещается в постановку задачи: сформулировать цель, ограничения, критерии успеха, сценарии использования. То есть не “как закодить”, а “что именно нужно получить и как проверить, что получилось”

3. Умение разговаривать с пользователями - это ускоритель разработки, а не “софт-скилл ради галочки”.
Те, кто умеют сами собрать обратную связь, понять боль пользователя и быстро уточнить требования, двигаются быстрее, потому что меньше зависят от “переводчиков” между инженерами и рынком

4. Выбирайте работу по команде и людям, а не по “громкости бренда”. И требуйте ясности по команде заранее.
Если компания не готова сказать, в какую команду вы попадёте и что будете делать (или просит “сначала подпиши, потом разберёмся”), это риск: можно оказаться на задачах, которые не развивают вас в AI-направлении

5. Сделайте портфолио так, чтобы оно “рулило” интервью: пусть вас спрашивают про ваш проект, а не про случайные загадки.
Сильная тактика: собрать проект(ы), максимально похожие на будущую работу, и описать решения, компромиссы, метрики. Тогда интервью превращается в обсуждение реальной инженерии, где вы сильнее

6. Интервью - это проверка “командности под стрессом”, а не только IQ и алгоритмов.
Совет из истории: “стой на своём” можно, но без агрессии. Когда вам указывают на баг/угол, правильная реакция - совместно улучшать решение, а не защищаться как в споре

7. Код, сгенерированный AI, почти всегда приносит “долг по обслуживанию”: думайте как финансист.

Смысл простой: любой код потом надо сопровождать

Хороший “долг” - быстрый прототип, который приносит проверенную пользу/знания и окупает поддержку

Плохой “долг” - нагенерили “что-то крутое”, но никто не понимает, зачем, как работает и как чинить.
Важная мысль: выкинуть прототип - нормально, поддерживать непонятную кашу - дорого

8. Сейчас ценится не “сделал модель”, а “довёл до боевого использования”.
То есть: качество, надёжность, мониторинг, задержки, стоимость, безопасность, удобство для пользователя. На рынке сильный сигнал - умение доводить до работающего продукта, а не до демо

9. Станьте человеком, который переводит хайп в реальность: начните с вопроса “зачем?”.
Соцсети поощряют вовлечённость, а не точность. Поэтому трендовые слова (“агенты”, “всё заменим AI”) легко уводят в сторону. Практичный подход: сначала “зачем бизнесу?”, “какой показатель улучшаем?”, “что будет считаться успехом?” - и уже потом выбирать технологию

10. Готовьтесь к двум параллельным траекториям: большие облачные модели и небольшие локальные модели “у себя”.
В одних задачах будут доминировать мощные модели “как сервис”. В других (где важны приватность, IP, контроль, стоимость) - модели, которые разворачивают внутри компании. Полезные навыки на стыке: настройка под задачу (fine-tuning/адаптация), развёртывание, ограничения по данным, безопасность и эксплуатация.

Ну, база, что скажешь еще

🔥 Запись воркшопа по Kiro и Kiro CLI.

В первой половине воркшопа Виктор Ведмич, Senior Solutions Architect из AWS, на практике покажет старые и новые функции Kiro IDE, в том числе расскажет про новинку "Powers". Ну а во второй части мы глубоко засядем в то, как работает Kiro CLI, посмотрим чем её агенты лучше агентов Claude Code, и выполним несколько практических задач из сферы devops через эту CLI. Практические задачи Виктор будет показывать прямо на инфре в AWS.

⚠️ ВНИМАНИЕ: до 21.12.2025 15:00 UTC у 30 человек есть возможность пройти практическую часть воркшопа самостоятельно на мощностях AWS, специально зарезервированных для нас (спасибо Виктору).

ЧТО ВНУТРИ
- История Kiro
- Kiro IDE (практика)
- Kiro Powers
- Kiro Autonomus Agent (анонс)
- Kiro CLI (практика)

ССЫЛКИ
- Виктор в Linkedin
- DevOps-подкаст Виктора "DevOps Kitchen Talks"

👉 Смотреть в Эволюции Кода