Блог Кирилла Позднякова

Волею судьбы подписан на замечательный блог Ирины Кузьменковой https://t.me/upstep
Прочитал сегодняшние посты про то, что сейчас нужно сидеть и не дергаться)
Очень рациональные советы, но в книгах по саморазвитию пишут обратное: кризис — время возможностей, слушай себя, иди за мечтой и т. п. Кто говорит неверно?
Я думаю все пишут верно.

Первое. Риск и неопределенность часто путают. Риск считается, неопределенность живет вне моделей. В системных кризисах доминирует неопределенность. Совет «рисковать» в такой фазе означает действовать без карты.

Второе. Кризис создает возможности, но с лагом. Сначала идет разрушение старых конструкций, потом расчистка, потом появляются точки входа. Большинство людей начинают дергаться в первой фазе, когда возможностей еще нет.

Третье. Советы «действуй смело» пишут люди, которые либо пережили кризис с подушкой, либо описывают выживших. Про тех, кто рискнул и исчез, книги не пишут.

Четвертое. «Сидеть и не дергаться» не равно пассивность. Удерживать позицию, сохранять ресурсы, наблюдать, учиться, собирать сигналы. Готовиться.

А тем временем вышла еще одна моя статья в блоге BITOBE. https://blog.bitobe.ru/article/upravlencheskaya-evolyutsiya-pochemu-izmeneniya-v-kompaniyah-provalivayutsya-ili-o-lichnom-smysle/

В ней я постарался описать свой опыт управления изменениями.

После моего предыдущего поста я получил массу тёплых слов — за это вам огромная благодарность.

Сегодня внимание — один из самых ценных активов. За него идёт невидимая и жестокая борьба. Его пытаются захватить все: от крупнейших корпораций до небольших ИП. Его требуют на работе и дома.

Заходя в кафе, мы видим людей, уткнувшихся в телефон. На конференциях многие смотрят не на сцену, а в экран. Приходим домой — и продолжается борьба за внимание: мы боремся за внимание близких, а дети борются за наше внимание.

В мире, где все что-то хотят от нашего внимания, вы отдали часть своего — мне.

И за это я благодарен вам вдвойне.

Я ухожу с роли CEO и впервые за долгое время ловлю паузу.

Мне понятно, что старый способ быть в системе завершился, а новый еще формируется.

За этот период я лучше понял себя как управленца. Мне важно создавать правила, внутри которых другим становится проще думать и действовать. Архитектура, доверие, открытость. Когда это появляется, система начинает работать. Когда этого нет, любые достижения больше похожи на временные или на имитацию.

Зрелость компании измеряется не отчетами. Она в том, как люди спорят, как признают неопределенность, как принимают сложные решения без попытки спрятаться за формальности. Если среда позволяет такие разговоры, у нее есть будущее.

Еще одно наблюдение про роль. Со временем позиция перестает быть источником развития. Она становится инструментом поддержания достигнутого состояния. Для системы это нормально. Для меня — сигнал двигаться дальше. Не вверх и не в сторону. Вглубь.

Сегодня меня больше интересуют вопросы, чем ответы.
Как управлять сложными системами, которые постоянно меняются.
Как ИИ меняет саму природу управленческих решений.
Как проектировать организации, где мышление важнее функций.

Планы есть. Они связаны с большими системами, архитектурой управления, технологиями и смыслами. Формат роли вторичен. Направление важнее.

Этот этап завершен спокойно.

С уважением к людям и к пройденному пути.

Следующий этап уже начался, просто еще без названия.

Сейчас все дружно поднимаем производительность с помощью ИИ. Подняли. Стоим, радуемся.
И тут — неприятный момент.

А дальше-то что?

ИИ работает - вопросов нет. Мы работаем помедленнее — подтормаживаем, выдаем задания. И вдруг выясняем:
если ИИ выключить, никто не помнит, как всё это делалось вручную.
Кнопки есть, головы — в отпуске.
И главный вопрос:
кто будет работать вместо ИИ?
Специалистов старой школы нет, новой — похоже и не будет.

В итоге производительность выросла,
а зависимость — выросла ещё выше.
Красиво живём.
Главное — не отключать. Потому что если отключить - то ой-ой-ой.

Есть еще мысль: раз уж мы тихо переехали из эпохи детерминизма в эпоху управления поведением, пора бы корпорациям и компаниям задуматься о Конституции для ИИ-агентов.

Слово «Конституция» звучит громко и может слегка комично. Но, возможно, это единственная адекватная метафора сегодняшнего положения. Мы сами не знаем, во что выльется массовое присутствие ИИ-агентов.

Вот идеи для такой Конституции:

1. Границы мандата
Что разрешено оптимизировать, менять, закупать, предлагать? А что категорически запрещено

2. Прозрачность работы
Как агент отчитывается за свои действия? Логи, объяснимость, протоколы действий дают инструмент анализа и контроля качества решений. Любое вмешательство должно быть воспроизводимым и объяснимым.

4. Правила эскалации
. Когда агент обязан усомниться в себе и поднять флаг: «тут странно, решайте сами». Куда он должен стучаться, если сталкивается с конфликтом интересов, этическим риском или просто ситуацией "пахнет жареным, но красиво сформулировано".

5. Механизм обновления правил
Как часто мы сами готовы переписывать эти основы. Кто вносит поправки: совет директоров, команда продукта, случайная инициативная группа? Как фиксируется опыт — ошибки, инциденты, откровенно глупые решения модели — и как он превращается в новые ограничения и принципы.

Интересно, в вашей компании или команде какие первые три пункта вы бы вписали в такую Конституцию — про ценности и границы?

Как незаметно мы попали в киберпанк — даже даты не отметили. Просто жили себе, пока технологии тихо пододвигали стул поближе.

Ещё вчера календарь скромно висел на стене. Сегодня он пишет мне сам: «У тебя важная встреча». Такое чувство, что он стал совестью, только без права на сон.

Колонка спрашивает про настроение.

Город тоже изменился. Камеры смотрят внимательнее преподавателей, реклама узнаёт быстрее друзей, а турникеты в метро встречают по лицу — строго, без сантиментов.

Телефон давно стал дополнительным органом чувств. Часы — личный врач с навязчивым характером. Навигатор — родственник, который знает, куда идти, и не терпит возражений.

Просто мы вошли в киберпанк так же, как в понедельник входят на работу — тихо, с лёгкой усталостью и без лишних вопросов.

ИТ перестаёт быть детерминированным.

Сегодня поведение ИТ более менее предсказуемое.

Процессы — линейные.
Системы — дискретные.
Ошибки — повторяемые.
Менеджмент занимается управлением отклонениями от нормы.

Детерминизм дает контроль: если прописать регламент, стандартизировать инцидент и построить SLA — система будет работать.

ИИ принесет стохастичность.
Поведение перестанет быть стабильным.
Ответы будут вероятностными.
Причины — многослойными.
Воспроизводимость — относительной.

Потребуется новая логика управления ИТ.

Если сегодня ИТ-руководитель спрашивает:
«Сколько времени заняло устранение?»
то завтра он будет вынужден спрашивать:
«Что повлияло на поведение системы?»

Вместо линейных процессов появляются контуры: данные, модель, предсказание, корректировка.

А всё это — в динамике, где каждое действие меняет саму систему.

Старые методы начинают давать сбой:
• регламент не успевает за изменением модели,
• SLA не измеряет качество, когда ответы вероятностные,
• инцидент не повторяется — ошибку создали данные, которых больше нет.

ИТ начинает вести себя как живая система.
И ей нужен другой тип управления:
не контроль отклонений, а понимание логики поведения.

Написал статью в блоге компании BITOBE

Архетипы ИТ кэптивов

https://blog.bitobe.ru/article/arhetipy-keptivnyh-it-kompaniy-zachem-oni-nuzhny-i-kak-imi-polzovatsya/

Вещи становятся ценными в рамках нашего опыта и отношения к ним. Чем больше усилий — тем больше уважения. Книга, написанная в мучениях, кажется ценнее лёгкой заметки. Кружка — просто кружка, пока не разобьётся. Тогда это уже «та самая, незаменимая».

С ИИ этот договор ломается. Он отвечает без видимых усилий. Пара секунд — и готово. Я смотрю и понимаю: не напрягался, значит, и ценности мало.

Но парадокс в том, что эти «ничего не стоящие» ответы уже влияют на нашу жизнь: по ним мы учимся, выбираем товары, курсы, решения в работе. Мы не ценим — а платим по счёту временем, нервами и иногда здоровьем.

Старый принцип «уважение в обмен на усилия» больше не работает.

Приходится учиться новому:
уважать не усилия, а последствия. Не того, кто мучился, а то, что реально может влезть в мою жизнь.

Не обязательно уважать ИИ. Но если я позволяю его ответу на себя влиять — мне придётся уважать хотя бы этот факт.

Нужен новый договор - что мы теперь уважаем, когда не видим в этом усилий

В общении с ИИ риск убедительной неточности становится почти домашним питомцем. Он ходит рядом, трётся о ноги, иногда мурлычет. И самое неприятное — он симпатичный. Его хочется погладить и поверить каждому слову

Продолжая тему наблюдаемости...

Есть бизнес‑модели, которые изначально построены на эксплуатации неэффективности контроля:

1. Оператор ИТ‑услуг

Оператор зарабатывает на том, что у него всё измерено и видно:

- есть оферта с каталогом понятных услуг, тарифы, биллинг вместо «чёрного ящика ИТ»;
- метрики по инцидентам, доступности, скоростям реакции;
- онлайн‑дашборды для клиента вместо бесконечных проверок.

Контроль заменяется на биллинг.

2. ИТ‑платформа

Платформа соединяет множество участников по единым прозрачным правилам:

- открытые API и стандартизированные интерфейсы;
- видимость действий и результатов для каждого агента;
- автоматические последствия через метрики, а не ручной надзор.

И оператор, и платформа растут за счёт того, что всем всё видно — и поэтому меньше энергии по контролю.

Наблюдаемость вместо контроля

Есть давняя управленческая привычка — если что-то идёт не так, значит нужно «усилить контроль». Это наследие дисциплинарных практик, о которых писал Мишель Фуко: порядок поддерживается через надзор и санкции. Работает, но оставляет после себя напряжение и осторожность.

Никлас Луман рассматривал систему иначе: она живёт за счёт прозрачных потоков информации. Чем яснее контур обратной связи, тем меньше поводов для домыслов и хаоса.

В реальной работе всё проще. Команда, у которой на планёрке есть нормальный дашборд — понятные цифры, текущее состояние, динамика — обычно движется быстрее и спокойнее. Не потому что кого-то проверяют, а потому что видно, что происходит.

Контроль создаёт ожидание наказания. Наблюдаемость создаёт ясность. И в ясности люди действуют раньше, чем проблемы успевают набрать силу.

Энергия организации — это доверие, а не бюджет

Бюджет даёт мощность.
Доверие — движение.

Это хорошо видно в данных: исследования PwC и Our World in Data показывают устойчивую связь между уровнем межличностного доверия и ВВП на человека. Там, где люди отвечают «большинству можно доверять», экономика работает быстрее — меньше барьеров, меньше трения, больше созидания.

В компаниях происходит то же самое.
Процессная сервисная модель даёт предсказуемость, но часто забирает скорость. Согласований становится больше, чем улучшений.

Продуктовая модель живёт по другим законам: много субъектов, распределённая ответственность, решения принимаются рядом с фактом. Гипотезы проверяются быстрее, обратная связь превращается в действие, а доверие становится рабочим инструментом, а не культурным лозунгом.

Не тратятся силы на доказательство права действовать.

Перед тем как продолжать список инструментов ИИ, нужно было разобраться с данными.

Базовый слой — это наблюдаемость и фабрика данных.
Наблюдаемость фиксирует текущее состояние инфраструктуры.
Фабрика данных объединяет данные приложений и сервисов в единый контур.
Так формируется основа для анализа и управляемости.

Следующий шаг — обработка данных через два технических инструмента:
• топологию, которая описывает связи между системами;
• временные ряды, отражающие динамику изменений.

Внутри топологии ключевую роль играет ресурсно-сервисная модель.
Она показывает, какие ресурсы обеспечивают конкретные сервисы и какие зависимости формируют цепочку предоставления услуг. Благодаря этому топология становится операционной и пригодной для аналитики.

Совместное использование топологии и временных рядов позволяет выстроить процесс RCA — выявления корневых причин инцидентов.
Есть структура зависимостей, есть последовательность событий, есть возможность точно определить исходное нарушение и его влияние.

После этого можно переходить к инструментам ИИ. В ИТ-сервисе применяются:
• автоматическое выявление аномалий;
• корреляция событий и автоматическая диагностика;
• предсказание инцидентов и деградаций;
• интеллектуальная маршрутизация обращений;
• генерация ответов на основе корпоративных знаний (RAG);
• кластеризация обращений и логов;
• оптимизация планирования работ и загрузки команд.

Эти инструменты усиливают сервисную модель, повышая скорость диагностики и устойчивость инфраструктуры.

С наблюдаемостью разобрались — теперь видно, что происходит в инфраструктуре.
Следующий шаг — понять, что происходит с самими данными приложений.

Раньше строили озёра данных (data lake) — туда сливали всё подряд: отчёты, таблицы, логи. Озеро удобно для хранения, но не для работы. Оно не знает, кто пользуется данными, зачем и что с ними делает.

Data Fabric — это уже не озеро, а фабрика данных.
Она связывает приложения, базы, API, каталоги, политики безопасности и ИИ-инструменты в единую структуру.
Данные не лежат — они двигаются, проверяются, шифруются, используются и возвращаются обратно в процессы.

Главное отличие — теперь приложения работают с данными прямо внутри фабрики.
Нет “внешних” источников, разрозненных копий или дублей — всё подчинено единой политике качества, доступа и безопасности.

Термин Data Fabric появился около 2016 года, когда аналитики Forrester (в частности, Noel Yuhanna) описали этот подход как новую архитектуру управления данными.
Позже NetApp закрепила идею в белой книге “Data Fabric Architecture Fundamentals” (2017).

Если коротко:

Data Lake — где лежат данные.

Data Fabric — где данные живут, работают и защищены.

И если вы строите архитектуру, в которой планируете использовать ИИ, — стоит смотреть в сторону фабрики данных.
С ней искусственный интеллект сможет встроиться в процессы, а не существовать рядом с ними.

Проблема чёрного ящика и наблюдаемость

В ИТ-инфраструктуре мы привыкли к объяснимым системам —
к метрикам, логам, уравнениям, конструкциям if–else.
Это способ описать причинно-следственные связи так, чтобы человек мог понять, почему что-то работает или выходит из строя.

ИИ действует иначе.
Он не объясняет — он просто находит закономерности и управляет процессом.
Для него описание закономерности — это набор чисел, иногда огромный.
Для человека эти числа ничего не значат.

Так возникает проблема чёрного ящика: результат есть, а логика, привычная нам, исчезает.

Чтобы работать с такими системами, появился термин наблюдаемость (observability).
Он пришёл из теории управления, где наблюдаемость — это свойство системы,
позволяющее понять её внутреннее состояние по внешним сигналам.
Позже этот подход переняли инженеры ИТ, чтобы лучше понимать,
что происходит внутри сложных цифровых систем.

Мониторинг — это когда мы знаем, зачем собираем данные и какие метрики анализируем.
Наблюдаемость — когда мы собираем данные шире, даже если не знаем заранее,
что именно окажется важным.
Мы создаём среду, где ИИ может находить скрытые закономерности
и помогать управлять тем, что человек объяснить уже не может.

Хотя термин пришёл из теории управления и прижился в ИТ,
сегодня он подходит для любой деятельности,
где нужно понимать внутренние процессы по внешним признакам —
от экономики до медицины.

Пузырь ли ИИ

Не мог не присоединиться к обсуждению темы пузыря и хайпа вокруг искусственного интеллекта.
Мы с коллегами часто спорим об этом — где грань между реальной революцией и очередной лихорадкой.

Один мудрый человек сказал: «Это как золотая лихорадка — больше всех заработают продавцы лопат».
И в этом есть смысл. Пока одни ищут «золото» — проверяют гипотезы, борются с нехваткой данных и сложностями внедрения — другие уже получают прибыль: строят ЦОДы, продают оборудование, выпускают модели, консультируют по внедрению.

Но нельзя сказать, что всё это — пустой шум.
Те, кто смог приручить технологию, действительно добывают результат: соцсети, роботизированные такси, розница, медицина, финансы — всё уже меняется на глазах.

На картинке — прогноз инвестиций крупнейших игроков. Пока всё выглядит оптимистично.

Как могли бы выглядеть пять смысловых структуры для ИТ-каптива — где эффекты это следствие смысла, а не цель:

1. Эволюционная структура - от объекта к субъекту
Смысл: развитие ответственности за результат.
Цель: стать партнёром бизнеса, разделяющим ответственность за достижение целей компании.
Операционализация:
• Введение продуктовых метрик (влияние, скорость, качество).
• Делегирование командам ответственности за результат.
• Формирование системы внутреннего целеполагания и управления по эффекту.

2. Архитектурная структура
Смысл: управление целостностью и прозрачностью цифрового ландшафта.
Цель: обеспечить согласованное развитие всех систем и платформ.
Операционализация:
• Архитектурный реестр систем и интеграций.
• Data Fabric и единая API-шина.
• Observability и аналитика зависимостей.
• Единые стандарты проектирования и управления изменениями.

3. Предпринимательская структура
Смысл: создание цифровых решений, которые приносят измеримую пользу людям и бизнесу.
Цель: формировать внутренние и внешние продукты, решающие реальные задачи.
Операционализация:
• Продуктовые команды с фокусом на ценности для пользователя.
• Внутренний маркетплейс цифровых сервисов.
• Развитие контуров R&D и масштабирование лучших решений.
• Модель «платформа как сервис» для корпоративных клиентов.

4. Человекоцентричная структура
Смысл: развитие профессиональных компетенций и лидерства как основы устойчивости.
Цель: создать среду, где сотрудники растут, осмысленно действуют и берут инициативу.
Операционализация:
• Корпоративная академия компетенций.
• Карьерные треки и горизонтальные переходы.
• Поддержка инициатив и проектных предложений.
• Программы лидерства и наставничества.

5. Интеллектуальная структура
Смысл: использование искусственного интеллекта как инструмента осознанного управления сложными системами.
Цель: развитие самообучающейся архитектуры и предсказуемости процессов.
Операционализация:
• Внедрение AIOps и AI-SLA для инфраструктуры и приложений.
• Использование цифровых двойников для тестирования изменений.
• Автоматизация задач поддержки и разработки.
• Применение ИИ для диагностики, оптимизации и самовосстановления сервисов.

Смыслы и прибыль. Что измеряет компания, когда считает деньги?

Прибыль — простая и красивая метрика. Она позволяет сравнивать, управлять, строить рейтинги и KPI. Но есть одна проблема: она измеряет не смысл, а следствие.

Для классического бизнеса прибыль — отражение эффективности. Но для каптивной компании (внутреннего оператора, обслуживающего корпорацию) рост выручки и прибыли часто означает обратное — рост затрат корпорации. То, что в отчетности выглядит как успех, для группы может быть экономическим паразитом.

Если прибыль — не цель, что тогда измерять?
Для каптива смысл — в эффекте, который он создаёт для бизнеса владельца, а не в размере внутреннего чека.

Сокращение цикла вывода продукта на рынок.

Повышение надёжности сервисов.

Снижение совокупной стоимости владения инфраструктурой.

Ускорение внедрения инноваций.


Настоящая метрика каптива — это скорость и масштаб пользы, которую он приносит корпорации.
Прибыль может быть инструментом, но не смыслом.

В конце концов, компания живёт не ради прибыли. Прибыль — это аплодисменты аудитории после хорошего спектакля.
Но вопрос важнее: что за пьесу вы ставите — ради денег или ради смысла?