TechnologyEducationSelf-ImprovementBusinessEntrepreneurship

Гриненко про

Владимир Гриненко

Владимир Гриненко про ИИ, технологии, образование и бизнес

Play

Open in

26 episodes
weekly
Avg 1 hr 37 min
Russian

Episodes 26

Newest Oldest Longest

All20 Unplayed20 In progress0 Played0

Counted on this page — what you have heard stays on this device, so it is not something the list can be paged by.

S1 · E28
October 8 · 1 hr 37 min
ИИ для собственника бизнеса: как выйти из операционки | Илья Савченко, Svoboda Team
Выпуск на YouTube: https://www.youtube.com/watch?v=eMaYOK2OWR4 • Telegram-канал https://t.me/devspotting • Чат сообщества https://t.me/grinenko_pro • Все выпуски https://grinenko.pro/podcast/episodes/ Может ли искусственный интеллект помочь управлять стройкой, если процессы не выстроены, сроки срываются, а собственник решает всё сам? Говорим об автоматизации строительного бизнеса, свободе и ответственности в команде и будущем управленцев в эпоху ИИ. О ГОСТЕ Илья Савченко — предприниматель с опытом в строительстве и производстве. Его команда Svoboda Team внедряет системы управления в строительные и девелоперские компании. В выпуске Илья рассказывает, как пришёл от консалтинга к созданию собственной платформы «Спутник AI» и взял на себя роль CPO. В ЭТОМ ВЫПУСКЕ — Почему покупка программы сама по себе не наводит порядок в бизнесе — Как связать процессы, сбор данных и управленческие решения — Как ИИ помогает составлять графики работ и кто должен их проверять — Что остаётся консультантам, если нейросеть уже умеет писать регламенты — Какие навыки развивать руководителю, когда часть его работы забирает ИИ ТАЙМКОДЫ 00:00 — ИИ, бизнес и свобода 00:49 — Илья Савченко и Svoboda Team 03:37 — Что значит быть свободным 08:04 — Свобода в команде и дисциплина исполнения 11:06 — Зачем консалтингу собственный AI-продукт 16:54 — Почему стройку так сложно автоматизировать 22:23 — Сроки, рентабельность и планирование 24:39 — Почему недостаточно Excel и MS Project 26:37 — Пирамида оцифровки: от процессов до решений 32:13 — Есть ли место ИИ, пока в процессах хаос 36:30 — Как ИИ составляет график производства работ 40:22 — ИИ-помощник и обучение сотрудников 45:18 — Кто проверит ошибки нейросети 47:35 — Зачем нужны консультанты, если есть ИИ 53:57 — Что важнее: внедрение, методология или программа 56:34 — Как понять, что система работает без консультантов 01:00:45 — Когда автоматизация даёт собственнику свободу 01:04:33 — Управленческий долг и выход из операционки 01:08:05 — Как довериться изменениям и взять ответственность 01:14:43 — Кого заменит ИИ и чему учиться руководителю 01:19:52 — «Пацанство» 01:22:21 — MBA или сплав: как развивать управленческие навыки 01:27:51 — Может ли ИИ заменить высшее руководство 01:34:10 — Развивать компанию и сохранять время на жизнь ССЫЛКИ ГОСТЯ • Telegram — «Система Савченко» https://t.me/il_savchenko • Личный сайт Ильи Савченко https://ilyasavchenko.com/ • Svoboda Team https://svoboda-team.com/ • Спутник AI и ИИ-ассистент EVA https://sputnikai.pro/ СМОТРИТЕ ТАКЖЕ • Внедрение ИИ в компании: как перестроить команды и процессы — Дмитрий Бобылёв, CEO Fast Forward https://www.youtube.com/watch?v=n9RMYrjMwZ8 • AI-агенты в разработке: почему программистам больше не платят за код — Глеб Михеев https://www.youtube.com/watch?v=Nq92u7yldn4 • Telegram-канал https://t.me/devspotting • Чат сообщества https://t.me/grinenko_pro • Все выпуски https://grinenko.pro/podcast/episodes/ Ведущий: Владимир Гриненко https://grinenko.pro/
S1 · E27
October 2 · 2 hr 36 min
Мультиагентный spec-driven development на OpenSpec | Кир Белевич, Яндекс
https://grinenko.pro/podcast https://t.me/devspotting Выпуск на YouTube: https://www.youtube.com/watch?v=nntQKlHS-z4 Кир Белевич выстроил свою мультиагентную систему поверх OpenSpec: https://sourcecraft.dev/deepsweet/agentic-openspec Задача состояла в том, чтобы сохранить гарантию качества, но перестать читать код за агентами. В выпуске на примере разработки редактора markdown-файлов разбираем, как Киру удалось с этой задачей справиться и какие модели он использует в своем пайплайне, чтобы не переплачивать за токены.
S1 · E26
September 24 · 1 hr 13 min
ИИ в стартапе на удаленке | Никита Уманский, Барселона
Telegram-канал — https://t.me/devspotting Чат сообщества — https://t.me/grinenko_pro Все выпуски — https://grinenko.pro/podcast/ Видео на YouTube: https://www.youtube.com/watch?v=olVSVppq5hw AI-агенты уже умеют пройти почти весь путь от задачи и макета до кода, ревью, браузерной проверки и CI. Но почему при этом команды разработчиков не исчезают — и действительно ли один инженер с Claude Code скоро сможет заменить целый отдел? Говорим с Никитой Уманским — тимлидом стартапа из Барселоны — о реальном AI-native процессе разработки, новой роли программиста как руководителя собственной команды агентов и о том, где автоматизация пока упирается не в качество моделей, а в контекст, архитектуру и человеческие решения. В ЭТОМ ВЫПУСКЕ — Как выглядит разработка, когда Claude Code получает контекст из Jira, Figma, backend-репозитория и дизайн-системы — Почему даже хороший агентный пайплайн всё ещё требует проверки человеком на каждом этапе — Что такое нейрослоп и почему AI может ускорять рост технической энтропии — Почему программист превращается в тимлида собственной команды субагентов — Как AI изменил собеседования и какие навыки теперь важнее алгоритмических задач — Как использовать Claude, MCP и транскрипцию прямо во время встреч и refinement — Почему AI хорошо работает внутри понятного scope, но сложнее справляется с формированием требований с нуля — Что останется от профессии программиста, если следующий уровень абстракции действительно станет похож на компилятор ТАЙМКОДЫ 00:00 — Никита Уманский: Барселона, стартап и путь разработчика 04:59 — Как AI уже изменил процесс разработки 06:20 — От задачи в Jira и Figma до Claude Code 07:34 — Figma MCP, backend и дизайн-система в одном контексте 09:23 — AI-ревью, браузерные проверки и CI 12:03 — Если код пишут агенты, зачем нужны программисты? 14:41 — Почему человеку всё ещё приходится проверять AI 17:31 — Можно ли сохранить весь контекст проекта в AGENTS.md 18:57 — Сколько продуктивности реально добавляют нейросети 20:38 — Почему даже хорошая спецификация разваливается в реальной разработке 22:47 — Главная работа человека — удерживать энтропию 24:25 — Как нейрослоп ускоряет расползание большого проекта 25:59 — Один разработчик теперь управляет командой агентов 27:52 — Почему все разработчики «сдвинулись на уровень вверх» 29:25 — Как AI изменил найм и технические собеседования 32:38 — AI-стек тимлида и менеджера 35:13 — Голосовой бот, MCP и работа прямо во время встречи 37:27 — Почему взаимодействие между командами всё ещё работает на людях 43:04 — Где заканчивается разработка и начинается принятие решений 45:45 — Что изменится в AI-разработке через полгода или год 50:41 — Стали ли современные модели уже достаточно хорошими 53:50 — Следующий уровень абстракции: от кода к требованиям 58:35 — Нужно ли программисту вообще понимать, что происходит под капотом 01:03:39 — Почему недетерминированность AI мешает полной автоматизации 01:07:00 — Тесты, переписывание систем с нуля и цена ошибок 01:10:34 — Кто надёжнее: человек или нейросеть 01:12:36 — Программисты всё ещё нужны — но работа уже изменилась О ПОДКАСТЕ «Гриненко про» — подкаст о том, как искусственный интеллект меняет разработку, продукты, карьеру и работу технологических команд. Telegram-канал — https://t.me/devspotting Чат сообщества — https://t.me/grinenko_pro Все выпуски — https://grinenko.pro/podcast/ Ведущий: Владимир Гриненко
S1 · E25
September 17 · 1 hr 20 min
Как найти работу в IT в 2026 | Анастасия Бианко, руководитель отдела подбора персонала в Циан
Telegram-канал: https://t.me/devspotting Чат сообщества: https://t.me/grinenko_pro Сайт: https://grinenko.pro Выпуск на YouTube: https://www.youtube.com/watch?v=i2fExyLLke4 Рынок IT сегодня: на вакансии приходят десятки и сотни откликов, кандидаты генерируют резюме и проходят интервью с нейронками, а работодатели отвечают AI-скринингом и автоматизированными собеседованиями. Вместе с Анастасией Бианко, Head of Recruitment в Циан, экс-Recruitment Partner Яндекса, разбираемся с ситуацией на рынке IT, говорим о судьбе джунов, фальсификации опыта, автоматизации найма, AI-интервью и о том, что действительно повышают шансы кандидата. В ЭТОМ ВЫПУСКЕ — почему кандидатов стало так много, а дефицит сильных специалистов при этом никуда не исчез; — как работодатели распознают накрученный и полностью выдуманный опыт; — почему рекомендации, профессиональная репутация и прямой контакт с компанией снова особенно важны; — что произошло с наймом джунов и почему от студентов теперь ждут гораздо большего; — нужно ли указывать конкретный стек, если с нейронкой можно быстро освоить новую технологию; — как Циан использует ИИ для фильтрации резюме и интервью со стажёрами; — какие AI-навыки уже стали гигиеническим минимумом для кандидата; — заменит ли ИИ рекрутеров и как может выглядеть автоматизированный найм ближайшего будущего; — почему компании пока продолжают нанимать роли, а не «универсальных продуктовых инженеров»; — чем культура найма в Циан отличается от Яндекса. ТАЙМКОДЫ 00:00 — Есть ли кризис найма и почему кандидатов стало намного больше 03:12 — Сокращения, курсы и фальшивый опыт: откуда берётся поток кандидатов 05:23 — Кризис доверия: что делать с накрученным опытом 09:12 — Сотни откликов на вакансию и AI-фильтры 12:22 — Может ли ИИ заменить рекрутера 14:39 — Почему люди всё ещё массово идут в IT 16:44 — Что стало с джунами и почему требования выросли 20:46 — Почему x10-продуктивность с ИИ не означает x10 найма 23:50 — Можно ли заменить экспертов дешёвыми джунами с AI 26:28 — Как менять отношение сотрудников к ИИ 30:39 — Фулстек против глубокой специализации 35:48 — Как Циан ищет людей с опытом работы с AI 37:38 — Почему удалёнка может помогать AI-native командам 39:56 — Как устроены воронки найма и отказы от оферов 43:37 — Как сегодня искать работу: отклики, рекомендации и репутация 47:50 — Резюме от нейронки: что в нём действительно важно 50:21 — Что делать джуну без выдуманного опыта 52:30 — Как Циан автоматизировал отбор стажёров с помощью ИИ 55:36 — Какие AI-навыки стали гигиеническим минимумом 58:30 — Как может выглядеть найм через год 01:03:04 — ATS, данные о кандидатах и AI-аналитика 01:06:43 — Нужно ли человеку конкурировать с ИИ 01:08:50 — Как AI изменил верх воронки найма в Циан 01:16:15 — Циан vs Яндекс: культура найма и право HR на вето 01:20:03 — Что стоит сделать уже сейчас МАТЕРИАЛЫ ИЗ ВЫПУСКА • LinkedIn Анастасии — https://www.linkedin.com/in/anastasia-bianco-14410292/ • Обзоры рынка труда hh.ru — https://stats.hh.ru/review СМОТРИТЕ ТАКЖЕ • Искусственный интеллект, найм и образование | Сергей Бережной, CTO Практикума, директор в Яндексе — https://studio.youtube.com/video/V3fahH0XA0M/edit Telegram-канал: https://t.me/devspotting Чат сообщества: https://t.me/grinenko_pro Сайт: https://grinenko.pro Выпуск на YouTube: https://www.youtube.com/watch?v=i2fExyLLke4
S1 · E24
September 3 · 1 hr 6 min
ИИ и IT конференции, когда знания бесплатны | Алексей Федоров, JUG Ru Group
Telegram-канал — https://t.me/devspotting Чат сообщества — https://t.me/grinenko_pro Выпуск на YouTube: https://youtu.be/VhQPchnlwo8 ИИ делает знания почти бесплатными, но понять, чего мы на самом деле хотим, кому доверять и как отличить хорошее решение от нейрослопа проще не становится. Разбираемся, что происходит с IT-конференциями, когда доступ к информации и коду перестаёт быть дефицитом. Говорим с Алексеем Федоровым — сооснователем JUG Ru Group, продюсером конференций и Java Champion — о кризисе технической экспертизы, корпоративных AI-системах и о том, почему после первого восторга от ИИ-агентов начинается гораздо более сложная работа: описывать собственную картину мира и принимать решения. ТАЙМКОДЫ 00:00 — Как ИИ меняет IT-конференции 05:13 — Что делать, когда все делают про ИИ 09:37 — Конференции перестают быть источником знаний? 11:23 — Почему «тусовка вместо докладов» — диагноз 13:57 — Как конференция пробивает информационный пузырь 15:26 — Почему принципы важнее конкретных технологий 18:24 — Что ИИ сделал с техническими докладами 21:41 — Доклад как перформанс, конференция как опыт 25:05 — Дефицит опыта и доверия 26:47 — Можно ли доверять советам нейронки 29:05 — Кризис экспертизы в эпоху ИИ 32:56 — Как JUG Ru Group использует ИИ и AI PDLC 34:24 — Этика корпоративных агентных систем 38:38 — Как AI помог починить рассинхрон видео 42:02 — Корпоративная онтология: как описать мир для агента 47:20 — Зачем самому строить AI-системы 48:56 — Почему нам не хватает языка для будущего 52:01 — Приносит ли корпоративная онтология реальную пользу? 55:14 — ИИ удешевляет реализацию. Но что меняется на самом деле? 57:54 — Может ли ИИ решить «все проблемы»? 59:38 — Руководители снова начали программировать 01:01:51 — Что происходит после первого AI-угара 01:03:18 — Почему даже лидеры AI-индустрии не знают, куда всё идёт 01:05:36 — «Заблуждались, но заблуждались искренне» ССЫЛКИ ГОСТЯ * JUG Ru Group https://jugru.org/ * Канал Алексея в Telegram: https://t.me/channel_23derevo * Профиль Алексея на Joker 2026 https://jokerconf.com/persons/bd6c248fbfb841959ffd65dd4f00792d/ * Habr Алексея https://habr.com/ru/users/23derevo МАТЕРИАЛЫ ИЗ ВЫПУСКА * Подкаст «LLM и мышление» с Андреем Морозовым — https://www.youtube.com/watch?v=WswHn_mJo8I * AI PDLC Сбера — https://developers.sber.ru/kak-v-sbere/events/arch_july_2026 О ПОДКАСТЕ «Гриненко про» — подкаст о практическом применении искусственного интеллекта, разработке и людях, которые прямо сейчас меняют IT-индустрию. Сайт — https://grinenko.pro/podcast/ Telegram-канал — https://t.me/devspotting Чат сообщества — https://t.me/grinenko_pro Ведущий: Владимир Гриненко
S1 · E23
August 27 · 1 hr 56 min
AI-агенты в разработке: почему программистам больше не платят за код | Глеб Михеев, Сбер
Telegram-канал — https://t.me/devspotting Чат сообщества — https://t.me/grinenko_pro Сайт — https://grinenko.pro Coding agents уже умеют за часы делать то, на что раньше уходили месяцы работы команды. Но означает ли это, что разработчики становятся не нужны — или, наоборот, инженер наконец перестаёт быть «человеком, который пишет код» и поднимается на уровень продукта, архитектуры и управления агентами? Говорим с Глебом Михеевым https://glebmikheev.ru — разработчиком с более чем 20-летним опытом, который сейчас развивает ГигаАгента в Сбере, — о новой роли инженера, экономике софта в эпоху AI и о том, почему главный дефицит теперь не код, а понимание того, что и зачем нужно построить. Глеб работал в NVIDIA, основал и девять лет развивал собственную компанию по заказной разработке, затем работал в Skillbox и Сбере. Сейчас развивает ГигаАгента — автономного AI-агента Сбера — и руководит программным комитетом AgenticDevConf. Автор Telegram-канала «Уставший техдир» https://t.me/tired_glebmikheev и подкаста «Фичи Катятся» ⁨@tired_glebmikheev⁩. ТАЙМКОДЫ 00:00 — В этом выпуске 00:44 — Кто такой Глеб Михеев: NVIDIA, свой бизнес, Skillbox и Сбер 04:18 — Как coding agents вернули Глеба из менеджмента в разработку 07:33 — Переход в GigaChat и работа над автономным агентом 10:04 — Зачем идти в Individual Contributor внутри бигтеха 14:17 — Лидерство без административной власти 17:09 — Как самостоятельные инженеры работали ещё до AI 20:21 — Почему coding agents возвращают эпоху универсальных инженеров 22:00 — Product engineer вместо фронтендера и бэкендера 25:40 — Реальна ли компания на миллиард долларов из одного человека 33:14 — Почему AI увеличивает количество попыток, но не количество хороших идей 36:36 — Стартап теперь можно проверить за вечер 38:49 — Как Глеб за два дня сделал продукт вместо нескольких месяцев работы команды 42:32 — Бизнес или найм: где сегодня проще зарабатывать 48:07 — Что будет с SaaS, когда производство софта станет дешёвым 50:35 — Во что инвестировать, если любой эксперт может собрать конкурентный продукт 52:32 — Зачем Сберу делать собственного автономного агента 55:27 — Зачем нужны национальные и суверенные AI-модели 01:02:45 — Можно ли просто взять открытую модель и дообучить её 01:13:49 — Почему технологическая независимость может быть важнее цены 01:18:24 — Станут ли фундаментальные модели новой стратегической технологией 01:24:14 — Модели превращаются в commodity, а ценность переезжает в harness? 01:29:50 — Почему мы используем лишь небольшую часть возможностей современных моделей 01:34:35 — Зачем вообще нужен персональный AI-ассистент 01:38:22 — Где проактивные агенты действительно полезны 01:40:18 — «Цифровые сотрудники»: фантазия или следующая стадия AI 01:42:24 — Почему сейчас нужно инвестировать в R&D и совершать ошибки 01:46:20 — Как должно измениться образование в эпоху AI 01:50:48 — За какие навыки теперь будут платить инженерам 01:53:44 — Главный навык будущего — работать в неопределённости 01:55:51 — Итоги ССЫЛКИ ГОСТЯ • Telegram — «Уставший техдир» https://t.me/tired_glebmikheev • YouTube — @tired_glebmikheev • GitHub — https://github.com/glebmachine • Сайт — https://glebmikheev.ru О ПОДКАСТЕ «Гриненко про» — подкаст о практическом применении искусственного интеллекта, разработке и людях, которые прямо сейчас меняют IT-индустрию. Telegram-канал — https://t.me/devspotting Чат сообщества — https://t.me/grinenko_pro Сайт — https://grinenko.pro
S1 · E22
August 20 · 2 hr 24 min
LLM и мышление | философ Андрей Морозов
Что такое мышление, если большую часть времени мы действуем по привычным схемам, а LLM уже умеют воспроизводить почти любую описанную практику? Разбираемся, зачем бизнесу корпоративный философ, почему определения и метрики одновременно помогают и ограничивают нас и где проходит граница между накопленным знанием и созданием принципиально нового. Говорим с Андреем Морозовым — корпоративным философом, который в аспирантуре занимался компьютерным зрением и машинным обучением, затем прошёл путь от разработчика и тимлида до CTO, бизнеса и управленческого консалтинга — о философском мышлении в бизнесе, способности LLM мыслить и навыках, которые останутся людям. По второму образованию Андрей — психолог-консультант; до философского консультирования также занимался маркетинговыми и стратегическими исследованиями. В ЭТОМ ВЫПУСКЕ — Чем мышление отличается от знания большого количества фактов — Почему мы воспринимаем мир через «схемы» и как они предопределяют наши решения — Что такое философское мышление и зачем бизнесу постоянно спрашивать «зачем?» — Закон Гудхарда — Может ли LLM мыслить, удивляться и создавать новое — Почему нейросеть можно представить как «идеального отличника», прочитавшего почти всё — Где проходят границы между алгоритмом, творчеством, субъектностью и свободой воли — Какие навыки сохраняют ценность рядом с ИИ: креативность, коммуникация и критическое мышление ТАЙМКОДЫ 00:00 — Хайлайты выпуска 00:35 — Кто такой корпоративный философ 02:04 — От инженера к философскому консультированию 03:11 — Почему история философии — ещё не философское мышление 04:00 — Отличник против троечника 14:23 — Что происходит, когда привычная картина мира перестаёт работать 18:04 — Мышление как создание новой схемы 21:01 — Что такое философское мышление: три уровня взгляда на проблему 25:34 — Как определения заранее программируют решения бизнеса 29:23 — Как компании конструируют проблемы 33:05 — Метрики, закон Гудхарда и хрупкие модели реальности 38:32 — Чем на практике занимается корпоративный философ 41:14 — Коучи, эзотерика, серебряные пули и страх неопределённости 47:52 — Философ как «психотерапевт для бизнеса» 56:51 — Почему невозможно один раз всё обдумать и выйти из рутины 01:01:12 — AGI без определения и гонка компаний за ИИ 01:09:14 — Способны ли LLM мыслить 01:17:31 — Где нейросеть перестаёт быть «идеальным отличником» 01:26:14 — Свобода воли, субъектность и технологическая сингулярность 01:38:53 — Как философ смотрит на прогнозы будущего 01:48:39 — Заменят ли LLM самих философов 01:52:36 — Как ИИ меняет маркетинговые исследования и работу с пользователями 01:57:06 — Три навыка для эпохи ИИ 02:12:04 — Как Андрей сам использует нейросети в работе 02:14:35 — Зачем делать конференцию про ИИ, если LLM уже знают почти всё 02:23:28 — Что нейросети всё-таки не заменят ССЫЛКИ ГОСТЯ • Telegram-канал Chief Philosophy Officer — https://t.me/chief_philosophy_officer • Конференция «Разработка будущего» — https://future.jokerconf.com/ О ПОДКАСТЕ «Гриненко про» https://grinenko.pro/ — подкаст о людях, технологиях и практиках вокруг искусственного интеллекта. Telegram-канал — https://t.me/devspotting Чат сообщества — https://t.me/grinenko_pro Ведущий: Владимир Гриненко
S1 · E21
August 13 · 1 hr 42 min
Внедрение ИИ в компании: как перестроить команды и процессы | Дмитрий Бобылёв, CEO Fast Forward
ИИ уже радикально ускоряет производство, но чтобы получить реальный эффект, приходится заново разбираться с устройством команд, корпоративными знаниями, данными, контролем качества и самой ролью человека в производственном процессе. Говорим с Дмитрием Бобылёвым — CEO и главным экспертом управленческого консалтинга FastForward — о том, как внедрять ИИ в уже работающие компании, почему организационный контекст становится одним из главных активов бизнеса и как может выглядеть AI-first организация, если строить её с нуля. О ГОСТЕ Дмитрий прошёл путь от разработчика до вице-президента по информационным технологиям СберМаркета, где руководил командой из более чем 1 000 человек. Сейчас строит AI-first консалтинг. Автор канала «Боб в помощь» https://t.me/ZhogloTech. В ЭТОМ ВЫПУСКЕ — Как внедрять ИИ через конкретную бизнес-боль, а не абстрактную «AI-трансформацию» — Почему накопленный контекст компании становится ценнее погони за новыми моделями и инструментами — Как выращивать внутренних AI-амбассадоров и что делать с сопротивлением сотрудников — Почему производство становится дешевле, а постановка задачи и валидация — важнее — Что произойдёт с программистами, которым нравится писать код руками — Как могут измениться роли, оргструктура и место самых опытных инженеров в производственной цепочке — Что Дмитрий перестроил бы в большой технологической компании, если бы снова управлял командой из 1 000+ человек — Почему при всей AI-революции требования к хорошему менеджменту практически не меняются ТАЙМКОДЫ 00:00 — Хайлайты выпуска 00:28 — Дмитрий Бобылёв 01:45 — Почему AI-консалтинг сложно продавать через обещания 04:20 — ИИ возвращает разработку к здравому смыслу 06:51 — Почему классическому консалтингу придётся перестраиваться 13:58 — AI-лабы и внутренние эксперты в компании 16:04 — Как выглядит AI-first консалтинг 20:33 — Главный актив компании — организационный контекст 25:00 — Почему сотрудники не хотят «выгружать» свои знания 27:22 — Внедрение ИИ через конкретную боль и быстрый результат 33:22 — SDLC схлопывается, а валидация становится важнее 39:02 — Что делать, если программисту нравится писать код руками 41:48 — Как изменится оргдизайн компаний в 2026–2030 годах 47:36 — Почему самых опытных людей нужно ставить на валидацию результата 50:53 — Код становится commodity: где остаётся инженерное мастерство 57:07 — Как ИИ меняет диагностику компаний и производство 01:01:22 — Почему ручное ревью перестаёт масштабироваться 01:09:13 — Передача знаний и зависимость компаний от моделей 01:13:19 — Что в управлении не меняется из-за ИИ 01:16:06 — Как строить AI-first компанию с нуля 01:25:32 — Что Дима сделал бы иначе, снова управляя 1 000+ людьми 01:29:59 — Новый BI: данные, метаслой и «окно-оракул» 01:34:03 — Как перестроить обучение и развитие сотрудников 01:36:53 — Инфраструктура, безопасность и выбор моделей 01:42:23 — Итоги ССЫЛКИ ГОСТЯ • FastForward — https://ff.pro/ • Telegram Дмитрия Бобылёва — https://t.me/zhoglo • Канал «Боб в помощь» — https://t.me/ZhogloTech О ПОДКАСТЕ «Гриненко про» — подкаст о том, как искусственный интеллект меняет разработку, продукты и работу технологических команд. https://grinenko.pro Telegram-канал — https://t.me/devspotting Чат сообщества — https://t.me/grinenko_pro Ведущий: Владимир Гриненко
S1 · E20
August 6 · 1 hr 34 min
Разработка AI-продуктов: контекст, evals и агенты | Федя Морозов, CTO ботов поддержки, Т-Банк
Как превратить недетерминированную LLM в продукт, которому можно доверить ответы и действия с реальными последствиями? Разбираем инженерный путь от классического чат-бота и точечных LLM-классификаторов до полноценной агентной системы: контроль качества, разметку, гардрейлы, A/B-эксперименты, контекст и инструменты. Говорим с Федей Морозовым — CTO в Т-Банке и разработчиком инфраструктуры одной из крупнейших рекомендательных систем — о безопасном внедрении генеративных моделей, устройстве команд и личных принципах делегирования задач агентам. В ЭТОМ ВЫПУСКЕ — Как измерять качество генеративного продукта, работающего с реальными пользователями — Почему наивный LLM-as-a-judge создаёт второй слой галлюцинаций — Как выстроить пирамиду разметки и контролировать качество самих оценщиков — Какие гардрейлы нужны агенту, способному выполнять действия — Почему контекст и правильные инструменты важнее выбора конкретной модели — Как внедрять LLM постепенно, не разрушая работающую систему — Когда достаточно гибридного workflow, а когда нужен полноценный агент — Как использовать агентов в разработке, управлении командой и повседневной жизни — Какие решения и части собственного голоса не стоит делегировать — Какие навыки сохранят ценность, когда большую часть кода начнут писать агенты ТАЙМКОДЫ 00:00 — Хайлайты выпуска 00:50 — Начало 01:17 — Знакомство с Федей Морозовым 02:15 — Что генеративные модели изменили в ML-продуктах 05:43 — Avito.Tech.Conf 06:31 — Может ли банковский бот выполнять действия 09:09 — Главные риски генеративного продукта 11:49 — Как построить пирамиду оценки качества 15:10 — Почему наивный LLM-as-a-judge не работает 18:53 — Как устроена поддержка Т-Банка 23:25 — Гардрейлы, авторизация и детерминированные проверки 27:07 — A/B-эксперименты и контролируемые выкладки 31:57 — Почему контекст и тулы важнее модели 34:21 — Безопасная точка внедрения LLM: классификация запросов 36:47 — Гибридные сценарии вместо полного перехода на агентов 42:36 — Как перейти к полноценному агенту 45:18 — PydanticAI, Qdrant, Python, n8n и текстовые файлы 46:53 — Кто должен входить в команду AI-продукта 50:07 — Почему генеративная поддержка всё ещё остаётся ресёрчем 52:39 — Заменит ли диалоговый интерфейс кнопки и приложения 56:45 — Персональные ассистенты, доступ к данным и контроль 01:04:49 — Единственная вещь, которую Федя не делегирует агентам 01:12:11 — Как агент освобождает руководителя от рутины 01:19:05 — Агенты в разработке и архитектурных решениях 01:27:59 — Идеальный процесс разработки новой фичи 01:30:24 — Какие навыки останутся важными для разработчиков 01:34:29 — Что стоит делегировать агентам 01:34:58 — Итоги grinenko.pro Telegram-канал — https://t.me/devspotting Чат сообщества — https://t.me/grinenko_pro
S1 · E19
July 25 · 1 hr 29 min
AI-разработка в продакшне: почему обвязка важнее моделей | Алексей Ярошевич, руководитель команды Я Банка, ex-CTO Я Образования
Что действительно ускоряет разработку с ИИ: новая модель, толпа субагентов или правильно собранная обвязка? Разбираем процесс AI-кодинга — от постановки задачи и подготовки контекста до тестирования, code review и ответственности за результат в продакшне. Говорим с Алексеем Ярошевичем — руководителем команды Яндекс Банка и ex-CTO Яндекс Образования — о harness и скиллах для кодинговых агентов, spec-driven development, изменении ролей в продуктовой команде и образовании в мире, где инструменты устаревают быстрее учебных программ. В ЭТОМ ВЫПУСКЕ — Интуиция при работе с моделями — Почему качество AI-разработки сегодня сильнее зависит от harness и контекста, чем от очередной модели — Когда skills экономят время, а когда ухудшают результат — Почему многоэтажная оркестрация агентов накапливает ошибки и расходует слишком много токенов — Как применять spec-driven development, тесты и контракты при работе с микросервисами — Что делать, когда модель не справилась: исправлять, декомпозировать или начинать заново — Как AI смещает узкие места разработки от написания кода к проверке качества и согласованию решений — Почему QA, ответственность и инженерная экспертиза остаются критически важными — Как меняются роли продакта, дизайнера и разработчика, когда прототип можно собрать за несколько минут — Чему учиться, если конкретные инструменты и навыки быстро устаревают — Как использовать модели для структурирования данных, анализа продукта и управления организацией — Какие рабочие роли и процессы, возможно, уже стали лишними, хотя компании пока этого не осознали ТАЙМКОДЫ 00:00 — Хайлайты выпуска 00:33 — Знакомство с гостем 02:10 — Алексей — AI-энтузиаст или скептик? 03:33 — Остался ли кайф от программирования вручную 05:35 — Почему всё упирается в harness, контекст и предсказуемость 07:59 — Рабочий баланс: написать самому, поручить модели или доработать вместе 10:38 — Cursor, Claude Code и постоянно меняющаяся обвязка 12:33 — Skills как новые CLI-утилиты и проблема публичных инструкций 18:36 — Почему Алексей пока не верит в оркестраторов и толпы субагентов 22:12 — Практический процесс: от задачи и контекста до готового кода 25:12 — Что делать, когда модель не справилась 28:00 — Spec-driven development, тесты и контракты микросервисов 30:31 — Несколько AI-сотрудников, ручная оркестрация и ответственность человека 36:53 — Модели вышли на плато? Где искать следующий скачок 39:31 — Как AI-разработка работает в реальной продуктовой команде 42:19 — Продакт, дизайнер и разработчик: прототип вместо идеи 46:00 — От тикета до pull request: когда задача действительно решается за 15 минут 48:35 — Почему стартап может выпускать AI-код без проверки, а enterprise — нет 55:47 — Кто должен проверять сгенерированный код и почему QA всё ещё нужен 59:23 — Главный затык AI-разработки: harness или мышление людей 59:57 — Как искусственный интеллект меняет образование 01:05:02 — Устаревают ли знания быстрее, чем человек успевает их получить 01:15:24 — Недооценённый сценарий LLM: структурирование данных 01:22:33 — Персональный AI-помощник для проектов, чатов и домашней жизни 01:28:10 — Какие люди и рабочие процессы уже могут быть не нужны. Итоги ССЫЛКИ ГОСТЯ • Telegram-канал • GitHub О ПОДКАСТЕ Telegram-канал — https://t.me/devspotting Чат сообщества — https://t.me/grinenko_pro Сайт — https://grinenko.pro
S1 · E18
July 18 · 1 hr 7 min
Автотесты с ИИ-агентами: как покрыть legacy и не сломать продукт | Дмитрий Андриянов, Яндекс 360
Может ли ИИ-агент написать автотесты не хуже человека — и как заметить момент, когда он просто подгоняет проверки под зелёный статус? Разбираем практический подход к тестированию с нейросетями: от продуктовых сценариев и legacy-кода до CI, code review и evals. Говорим с Дмитрием Андрияновым — руководителем группы в Яндекс 360, экспертом по автоматизации тестирования и автором канала test_automation_pro — о том, как научить агентов командным практикам, выбрать подходящий уровень тестов и сохранить человеческую ответственность за решение «готово к продакшну». В ЭТОМ ВЫПУСКЕ — Почему тестировать нужно продуктовые сценарии, а не внутреннее устройство приложения — Как превратить правила и договорённости команды в инструкции для ИИ-агента — Как восстановить функциональные требования в большом legacy-проекте — Когда использовать модульные, интеграционные и E2E-тесты — Почему пирамида тестирования — это результат правильных решений, а не самостоятельная цель — Чем приёмочное тестирование отличается от регрессионного и где остаётся ответственность человека — Как встроить ИИ в CI, code review, анализ покрытия и разработку небольших задач — Почему доверие к агенту необходимо заново проверять после смены модели или системного промпта — Как evals помогают контролировать недетерминированные системы — Могут ли разработчики с ИИ заменить QA-команду — Когда агент сможет провести фичу от бизнес-требования до продакшна без участия разработчика ТАЙМКОДЫ 00:00 — Хайлайты и начало 01:25 — Дмитрий Андриянов: опыт в автоматизации тестирования 02:09 — Могут ли агенты писать тесты не хуже людей 05:33 — Почему тестировать нужно продуктовые сценарии 09:55 — Требования, разработчики и ответственность за качество 14:56 — Исчезнет ли QA из-за ИИ 15:14 — Как команда учит агента писать стабильные тесты 18:57 — Ошибки нейросети и проблема доверия 24:22 — Когда агент сможет выкатить фичу от идеи до продакшна 25:13 — Как подступиться к большому legacy-проекту 27:47 — Шаг первый: восстановить функциональные требования 29:39 — Как сделать приложение тестируемым 35:47 — Пирамида тестирования: результат, а не цель 37:20 — Рефакторинг для дешёвых и быстрых тестов 39:16 — Стоит ли временно покрывать legacy E2E-тестами 43:51 — Приёмочное и регрессионное тестирование 48:19 — ИИ в CI и автоматизации пайплайна 50:27 — Нейросетевое code review и бот, который делает задачи 52:52 — Что происходит с доверием после смены модели 55:35 — Evals для недетерминированных систем 58:29 — Как Дмитрий использует ИИ вне работы 01:02:42 — Как закрывать старые side-проекты за два-три дня 01:03:41 — Space Engineers, телеметрия и улучшение игрового скрипта 01:06:10 — Главный миф об автотестах 01:06:37 — Итоги ССЫЛКИ ГОСТЯ • Канал • GitHub • Habr • Доклад «Как сделать автотесты полезными. Эволюция автотестов в Яндекс ID» О ПОДКАСТЕ • Telegram-канал про ИИ • Чат сообщества • Сайт — grinenko.pro #автотесты #ИИагенты #тестирование #AIразработка #CodeReview
S1 · E17
July 9 · 1 hr 26 min
ИИ-продакт про работу, карьеру и будущее | Даниэль Левинишников, head of products, Т-Банк
Говорим с Даниэлем Левинишниковым — руководителем AI-продуктов Т-Банка — о том, как AI меняет продуктовую разработку, клиентскую поддержку и структуру компаний; почему работа middle-менеджера должна исчезнуть; как проверять качество агентов; зачем пользователю сообщать, разговаривает он с человеком или нейросетью; почему идея и даже реализация продукта становятся commodity — и что тогда остается конкурентным преимуществом. Также поговорили про переход Даниэля в Higgsfield — самый быстрорастущий стартап в области генеративного видео. О 14–16-часовом рабочем дне в AI-стартапах, будущем интерфейсов, персональных базах знаний, MCP, агентной коммерции, GEO-оптимизации и профессиях, которые модели пока не способны заменить. В выпуске: — почему Даниэль считает, что его работа не должна существовать; — как AI трансформирует поддержку Т-Банка; — почему прозрачность в общении с ботом обходится компании в сотни миллионов рублей; — смогут ли 30 сильных IC заменить корпорацию из 3 000 сотрудников; — чему учиться начинающим продактам, инженерам и дизайнерам; — как выпускать MVP за выходные и проверять несколько гипотез в неделю; — почему пятилетние продуктовые стратегии теряют смысл; — можно ли долго работать по 14–16 часов в день и не выгореть; — какие интерфейсы исчезнут, а какие останутся; — как строить evals, когда у нового AI-продукта ещё нет данных; — почему классический поиск и SEO уступают место GEO; — что произойдёт с консалтингом, программированием и массовыми профессиями. Проекты Даниэля: Телеграм-канал Сайт Статья «Тебя нет в ответах ChatGPT. Пошаговый гайд, как это починить за один вечер» Репозиторий персонального сайта для GEO-оптимизации
S1 · E16
July 6 · 1 hr 30 min
AI-агент в продакшне: браузер, тулы и эвалы | Андрей Мелихов, DataLens, Yandex Cloud
Обсуждаем создание AI-агента для BI-системы с Андреем Мелиховым, автором телеграм-канала melikhov_dev и разработчиком DataLens: почему агент живёт в браузере, как он вызывает тулы, строит чарты, работает с данными, проверяет себя через eval harness и почему просто прикрутить LLM в продакшне быстро превращается в большую инженерную задачу. Обсудили: — почему готовых фреймворков не хватает; — как устроены AI-агенты в браузере; — SSE-стриминг, BFF, tool calling и agent loop; — проблемы разных моделей и инференсов; — evals, LLM-as-a-judge и железного пользователя; — доверие к числам в BI и проверяемые чарты; — заменит ли GenBI аналитиков; — MCP, серверные агенты и будущие API; — как Claude Code, Codex, OpenCode и другие coding agents меняют разработку; — почему AI ускоряет разработчика в 3–5 раз, но задач становится только больше; — безопасность, permissions, sandboxing и корпоративные ограничения; — AI вне работы: ремонт, ресёрч, медицина, презентации, NotebookLM и новостные боты; — bus factor, spec-driven development и контекст для агентов. Больше про ИИ я пишу в Telegram-канале «Гриненко про»: https://t.me/devspotting, а обсудить нейронки можно в чате сообщества — https://t.me/grinenko_pro ТАЙМ-КОДЫ 01:24 — Андрей Мелихов 03:30 — Почему собрать агента за 15 минут не работает в продакшне 05:08 — Что такое DataLens и GenBI 06:29 — Почему нейронке нельзя просто скормить все данные 07:45 — Что значит «фронтендер» в Яндексе 09:31 — Браузерный state, сессии и Responses API 13:38 — Разные модели, инференсы и проблемы tool calling 16:14 — Первые ошибки: Vercel AI SDK, OpenAI SDK и свой слой 18:28 — Почему без evals нельзя развивать агента 20:33 — Eval harness, LLM-судья и железный пользователь 24:52 — Архитектура агента: BFF, SSE, тулы и agent loop 28:59 — Как агент строит интерактивные чарты в чате 31:06 — Классификатор запросов и отсечение не-BI вопросов 34:55 — Заменит ли GenBI аналитиков 38:51 — Доверие к цифрам: почему LLM не должна считать сама 41:38 — Тула-судья и проверка фильтров 43:38 — Стоимость диалогов и оптимизация контекста 47:55 — MCP, API и перенос агента на сервер 51:14 — Как AI-агенты меняют работу разработчика 54:35 — Flow: план → ревью → реализация → ревью второй моделью 56:46 — Автоматизация багрепортов и тикетов 59:07 — Дежурства, логи и нейронка как третья линия поддержки 01:04:46 — Безопасность coding agents: permissions, sandboxing, open source 01:09:49 — Родные harness’ы, универсальные агенты и бенчмарки 01:14:51 — Ускорение разработки в 3–5 раз 01:18:44 — AI вне работы: ремонт, медицина, презентации 01:21:07 — NotebookLM, подкасты и подготовка к докладам 01:22:09 — Бот для AI/Frontend-новостей 01:24:01 — Что будет с разработкой через 1–2 года 01:25:26 — Bus factor, spec-driven development и контекст для агентов 01:30:28 — Финал ССЫЛКИ ПО ТЕМАМ: DataLens: https://datalens.ru/ OpenAI Responses API: https://developers.openai.com/api/docs/guides/migrate-to-responses OpenAI Chat Completions: https://developers.openai.com/api/reference/chat-completions/overview/ LangGraph: https://docs.langchain.com/oss/python/langgraph/overview Vercel AI SDK: https://ai-sdk.dev/docs/introduction Langfuse: https://langfuse.com/docs Playwright: https://playwright.dev/ NotebookLM: https://notebooklm.google/ Telegram-канал «Гриненко про»: https://t.me/devspotting Ставьте лайк, подписывайтесь на канал и делитесь выпуском с теми, кто строит AI-агентов.
S1 · E15
July 2 · 1 hr 39 min
ИИ ломает open source | Никита Пастухов, мейнтейнер AG2 и автор FastStream
Обсуждаем, как LLM изменили жизнь мейнтейнеров с Никитой Пастуховым: автором FastStream, мейнтейнером AG2 и человеком, который живёт внутри современного open source, AI-агентов и бесконечного потока сгенерированных pull request’ов. В выпуске: — open source как продукт, карьера и кошмар; — AG2, FastStream и наследие AutoGen; — почему PR от внешнего контрибьютора часто стоит дороже, чем кажется; — как AI-слоп меняет презумпцию доверия в open source; — где LLM реально ускоряют разработку; — почему архитектуру пока всё ещё должен понимать человек; — что делать мейнтейнерам с ботами, слопом и выгоранием; — как AI меняет поиск, аналитику, спорт, поездки и бытовые задачи. Ещё обсуждаем CVE-slop, «отмывание» лицензий через AI-rewrite, CLA как капчу от ботов, triage team на агентах, Claude Code, Cursor, Perplexity, бытовых AI-ассистентов, будущую Jarvis OS и то, почему следующий скачок может быть не в «умнее модели», а в дешевле, стабильнее и лучше обвязка. Проекты Никиты: Telegram FastStream AG2 GitHub Telegram-канал Гриненко про — https://t.me/devspotting ТАЙМ-КОДЫ 02:07 — Никита Пастухов 03:37 — Зачем вообще заниматься open source 05:15 — Почему компаниям выгодно платить за open source 12:38 — KPI, свобода и роль мейнтейнера в AI-стартапе 16:35 — Почему качественный продукт — это диктатура 18:48 — Поток AI-generated PR 23:34 — Pull request как маркетинг 25:39 — Почему внешние AI-контрибьюторы часто не нужны 33:24 — Triage team, лейблы, правила и агенты против слопа 36:39 — Open source становится «not so open source» 38:58 — Миллион одинаковых библиотек и проблема выбора 43:13 — Можно ли переписать большой проект на другом языке одной командой 51:03 — Chardet, лицензии и AI-отмывание GPL/LGPL 01:04:29 — Как защищаться: whitelist, pipeline, CLA как капча 01:11:35 — Хочешь в open source? 01:15:11 — Монетизация open source 01:17:27 — Как нейросети изменили жизнь вне работы 01:19:12 — Поиск через Perplexity вместо маркетплейсов 01:20:55 — Claude Code, Cursor и агенты для рабочих задач 01:21:10 — Telegram-аналитика, новости и AI-фильтр против собственного слопа 01:23:35 — Hermes-агент для спорта, питания и режима 01:25:25 — Claude в браузере: вежливые отказы и уборка веток на GitHub 01:28:17 — Планирование поездок через ChatGPT 01:29:50 — Мечта: Jarvis OS, generative UI и единый агентный интерфейс 01:30:39 — Стагнация фронтир-моделей или новая волна? 01:32:49 — Экономика токенов, Enterprise и цена агентных workflow 01:33:59 — Следующий скачок: не умнее модели, а дешевле инфраструктура 01:37:53 — Ставка на год: пайплайны станут дешевле, сложнее и качественнее Темы из выпуска: Microsoft AutoGen Contributor License Agreement Chardet v7 rewrite controversy Chardet licensing issue FFmpeg / CVE-slop Прошлый выпуск про агентов Telegram-канал Гриненко про — https://t.me/devspotting
S1 · E14
June 29 · 54 min
Субагенты не нужны? AI code review, токены и надёжность | Антон Виноградов
Обсуждаем статью Антона Виноградова You don’t need sub-agents. Разбираемся, почему мультиагентная оркестрация не всегда ускоряет разработку, как субагенты множат контекст и токены, когда один агент оказывается быстрее и стабильнее, а когда параллельные агенты всё-таки нужны. В выпуске: — почему «оркестратор + толпа агентов» может оказаться не архитектурой, а оргчартом; — как растут расходы на токены при разбиении задач на субагентов; — почему single-agent pipeline может быть проще, дешевле и надёжнее; — где субагенты полезны: read-only поиск, сбор контекста, независимые проверки; — как мерить качество AI code review: latency, токены, стоимость, количество проходов модели, rejects и продуктовые метрики; — как выбирать между скоростью, ценой и качеством в агентской разработке. Таймкоды: 01:51 — О чём статья 02:10 — Почему больше участников = больше коммуникационных расходов 03:10 — Кейс code review: специализированные субагенты против одного агента 04:37 — Главная проблема: контекст, токены и цена 06:52 — Переход к single-agent pipeline 08:32 — Сайд-эффекты субагентов: падения, пустые ответы, восстановление состояния 10:11 — Когда субагенты всё-таки уместны 12:10 — Результаты: ревью быстрее, дешевле и стабильнее 13:44 — Аналогия с командами, CI, QA и security-проверками 18:28 — Почему чтение контекста съедает выигрыш от параллелизма 20:49 — Скорость разработки, ожидания и «12 минут — уже долго» 22:03 — Как сравнивать качество ревью до и после отказа от субагентов 24:51 — Риски одного агента: фокус, конфликт целей и специализация 28:28 — Observability и дебаг: один трейс против множества процессов 32:15 — Как менять и тестировать большой prompt 35:04 — Почему фронтирные лаборатории всё равно строят мультиагентные системы 37:33 — Экономика агентов: токены, маркетинг и cost-effective разработка 40:26 — Opus, GLM и выбор модели под пайплайн 42:20 — Какие метрики собирать с первого дня 43:44 — DORA, продуктовые метрики и как не обмануть себя статистикой 49:26 — Итог: не копировать чужой подход вслепую 50:46 — Практический критерий: что выносить в субагенты 52:23 — Почему подходы меняются с релизами моделей и инструментов 53:33 — Что дальше: автономная разработка, предсказуемость и контроль Ссылки: * Статья Антона “You don’t need sub-agents”: https://dev.to/tony__vi/you-dont-need-sub-agents-1eh7 * Code Assistants: https://github.com/awinogradov/code-assistants * Telegram-канал DevSpotting / «Гриненко про»: https://t.me/devspotting Затронутые темы и материалы: * Cloudflare: Orchestrating AI Code Review at scale https://blog.cloudflare.com/ai-code-review/ * PostHog: 8 learnings from 1 year of agents: https://posthog.com/blog/8-learnings-from-1-year-of-agents-posthog-ai * Cognition: Don’t Build Multi-Agents: * https://cognition.com/blog/dont-build-multi-agents * Cognition: Multi-Agents — What’s Actually Working: https://cognition.com/blog/multi-agents-working * MAST study: Why Do Multi-Agent LLM Systems Fail? https://arxiv.org/abs/2503.13657 * Claude Code Sub-agents: https://code.claude.com/docs/en/sub-agents * Anthropic: Effective context engineering for AI agents: https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents * Anthropic: How we built our multi-agent research system: https://www.anthropic.com/engineering/multi-agent-research-system * Temporal: https://temporal.io/ * Z.ai / GLM: https://z.ai/ Поставьте лайк, подпишитесь на канал и напишите в комментариях: вы используете субагентов в разработке или предпочитаете один большой агентский loop?
S1 · E13
June 27 · 1 hr 48 min
Как не сойти с нейропаровоза, если я больше не вывожу? | Елена Джетпыспаева, коуч ICF, продакт
Подпишитесь на Гриненко про в telegram! Нужно ли гнаться за нейропаровозом — или это только иллюзия контроля? Говорим с Еленой «Мурсей» Джетпыспаевой — коучем ICF, продуктовым менеджером в нидерландском финтехе и человеком, который прошёл через выгорание, несколько профессиональных трансформаций, Яндекс, Амстердам, Лондон и переезд в Барселону. Обсуждаем, почему нейросети, которые вроде бы должны освобождать время, часто только усиливают тревогу: страх отстать, потерять профессию, стать ненужным, не справиться с новой реальностью. Говорим про разработчиков, тимлидов, open source-мейнтейнеров, AI-generated pull requests, зависимость от скорости, одиночество, ответственность, семью, работу, коучинг и попытку снова почувствовать: «я могу выбирать». Внутри: — почему ИИ так легко триггерит старые страхи — как разработчику (не)соревноваться с нейронками — чем тревога отличается от реального риска — что такое выгорание и почему это не просто «устал» — почему после выгорания нельзя снова «как раньше» — как вернуть себе опору — что делать, если хочется писать код, а рынок требует «менеджеров нейронок» — почему open source-мейнтейнеры выгорают от потока AI-PR — чем коучинг отличается от менторинга и советов как правильно жить — как выбирать коуча — как, наконец, начать жить Памятка для всех выгоревших и выгорающих. 00:01:16 — Елена «Мурся» Джетпыспаева 00:02:24 — От Яндекса к продукту и коучингу 00:07:23 — Почему нейросети усиливают тревогу, а не разгружают 00:09:53 — Тимлиды и иллюзия «у меня стало больше рук» 00:11:15 — Как найти опору в новой роли 00:15:14 — Что делать с тревогой: возвращение в тело 00:17:27 — Практика «Дерево» и телесная устойчивость 00:19:56 — Какие истории мы себе рассказываем 00:21:06 — Упражнение «полежать и ничего не делать» 00:23:19 — Что такое выгорание и чем оно отличается от усталости 00:25:56 — Личный опыт выгорания: слёзы и бессонница 00:29:06 — Почему без тебя ничего не рухнет 00:30:08 — Восстановление после выгорания 00:32:39 — Выгорание как глубокая внутренняя трансформация 00:34:31 — Как разрешить себе жить так, как хочется 00:40:37 — Что делать программисту, если ИИ меняет профессию 00:45:02 — Реальна ли угроза дауншифтинга и потери работы 00:47:33 — Как опереться на свои сильные стороны и не проходить перемены одному 00:51:48 — Когда ИИ подсаживает 00:53:55 — Зачем я работаю 24/7 00:55:42 — Взрослая позиция 00:57:02 — Одиночество после переезда и сборка жизни заново 00:59:09 — Друзья, отдых и баланс как личная ответственность 01:00:04 — Семья, ответственность и привычка тащить всё на себе 01:04:35 — Как присваивать свои достижения и собирать опору 01:06:12 — Конкуренция, коучи из каждого утюга и внутренняя устойчивость 01:07:15 — Как оставаться гибким 01:09:29 — Open source, мейнтейнеры и поток AI-пулреквестов 01:12:35 — Как мейнтейнеру не выгореть 01:14:06 — Благодарность, спасательство и ощущение «недостаточно» 01:16:15 — Правила, границы и расписание для open source 01:20:21 — Коучинг: помощь или перекладывание ответственности? 01:22:07 — Почему очевидные советы не работают 01:25:40 — Может ли коуч сам быть себе коучем 01:29:14 — Самокоучинг и его ограничения 01:37:15 — Главный вопрос коуча: какую ценность ты забираешь? 01:39:15 — Корпоративный коучинг, доверие и конфиденциальность 01:41:56 — Как выбирать коуча 01:43:56 — Год перемен Поставьте лайк, подпишитесь на канал и поделитесь в комментариях: что для вас сейчас сложнее всего в переменах?
S1 · E12
June 25 · 2 hr 13 min
ИИ в дизайне: что уже работает и что нельзя отдавать нейронкам | Михаил Колосков, Avito
Разбираемся, как нейронки меняют дизайн, продуктовую разработку и работу арт-директора в большом сервисе. В гостях Михаил Колосков, арт-директор финансовых сервисов Avito. У Михаила 15 лет опыта в дизайне: агентства, продуктовые сервисы, Яндекс и Avito. Дизайнер сегодня — не только умеет в Figma, но является специалистом на стыке продукта, бизнеса, доменной экспертизы, дизайн-систем, платформизации и продакшна. Главная тема выпуска — где ИИ уже реально помогает дизайнеру, а где пока ломается: лендинги, промо-графика, прототипы, генерация кода, Claude Design, Claude Code, Figma MCP, Cursor, Google Stitch, shadcn/ui, Vercel v0, OpenClaw, Perplexity Comet и другие инструменты. Подпишитесь на мой канал про нейросети в telegram. Тайм-коды 00:00:58 — Вступление: как нейронки повлияли на дизайн 00:01:48 — Опыт Михаила: 15 лет в дизайне, Яндекс, Яндекс.Деньги, Avito 00:03:45 — Что делает арт-директор финансовых сервисов Avito 00:04:48 — Как устроен дизайн в большом сервисе 00:07:08 — Платформизация: кубики, модули и сквозные сценарии 00:07:54 — Discovery и Delivery: где дизайн между продуктом и разработкой 00:11:16 — Дизайн — это уже не только Figma 00:14:18 — Как ИИ изменил рабочий день дизайнера 00:18:22 — Почему «документ → готовый интерфейс» пока не работает 00:23:05 — Claude Design, Claude Code и проблема самодеятельности моделей 00:25:55 — От белого листа к прототипу: голос, чат и фрейминг результата 00:28:03 — Почему доменная экспертиза всё ещё важнее насмотренности нейронки 00:30:32 — Лендинг vs платёжная страница: где ИИ справляется лучше 00:32:51 — Нужно ли дизайну выходить из Figma прямо в код 00:39:16 — Figma MCP, агенты и синхронизация дизайна с кодом 00:42:31 — Эксперимент: shadcn/ui, Figma, React и production-пайплайн 00:46:55 — Когда агент сам разворачивает среду и собирает макет 00:48:56 — Что такое OpenClaw и зачем он дизайнеру 00:51:02 — ElevenLabs, Whisper и разговор с ассистентом своим голосом 00:53:00 — OpenClaw как ассистент для встреч, документов и задач 00:57:20 — Perplexity Comet vs OpenClaw: входная точка во все модели 01:00:52 — Что сегодня можно делегировать нейронкам в дизайне 01:03:01 — ИИ упрощает жизнь, но не заменяет доменную экспертизу 01:09:34 — Будущее дизайнера через 2–3 года 01:09:53 — Markdown как главная валюта продакшна 01:12:38 — Spec-driven design: от смыслов к продукту 01:15:05 — Микрофон как главный инструмент дизайнера 01:16:58 — Что будет с интерфейсами, когда придут агенты 01:20:28 — Perplexity Comet, автопилот и агентные сценарии 01:20:02 — Партнёрства, экосистемы и борьба за внимание пользователя 01:24:06 — Почему визуальные интерфейсы всё равно не исчезнут 01:29:26 — Личный агент против экосистем: кто будет главным окном 01:33:51 — Вкус, эксперименты и нейронки 01:36:01 — «Не делай эксперименты, которые не хочешь увидеть в продакшне» 01:39:21 — Коммодитизация интерфейсов: почему приложения становятся похожими 01:42:00 — Где остаётся art direction и любовь к продукту 01:42:55 — Персонализация интерфейсов и генерация под пользователя 01:46:03 — Tone of voice, запах бренда и шрифт как интонация 01:48:45 — Почему дизайн-система не гарантирует хороший интерфейс 01:49:29 — Может ли нейронка обладать вкусом 01:55:27 — Есть ли в дизайне творчество 01:56:45 — Хороший markdown как высший пилотаж 01:58:19 — Креативная экономика, сериалы, игры и нейронки 02:03:31 — Почему ИИ даёт шанс малым командам 02:08:05 — Опыт, насмотренность и «логотип за 5 секунд» 02:10:11 — Что нельзя отдавать нейросетям
S1 · E11
June 18 · 1 hr 33 min
ИИ-агенты: что это, зачем, MCP, скиллы, A2A, AG-UI и мультиагенты | Никита Пастухов, мейнтейнер AG2, автор FastStream
Говорим с Никитой Пастуховым — Principal Engineer в AG2, который фуллтайм занимается open-source-инструментами для разработки агентов, является автором популярного фреймворка FastStream и ведет tg-канал fastnewsdev. Что вообще считать агентом? ChatGPT с инструментами — это уже агент? Зачем нужны MCP, скиллы, A2A, AG-UI, A2UI и UCP, если у нас давно есть HTTP, API и bash? Почему одного «универсального агента» всё ещё недостаточно? И правда ли будущее — это Jarvis OS, где приложения исчезают, а агент сам ходит по сервисам, покупает товары, пишет код, ревьюит PR и будит девопсов в 3 ночи? Обсуждаем инженерную кухню агентных систем: harness, tool calling, управление контекстом, мультиагентные пайплайны, guardrails, prompt injection, observability, middleware и попытки стандартизации всего на свете. Обязательно подпишитесь на канал Гриненко про в telegram — там тоже про ИИ, но текстом! Таймкоды 00:54 Знакомство с Никитой Пастуховым 01:51 Что такое ИИ-агент 03:35 LLM + harness 05:40 Ambient и reactive agents 08:00 Почему интерфейс определяет агента 10:08 OpenClaw и proactive loop 13:29 Где граница доверия к агентам 18:12 Зачем нужны агентные фреймворки 20:22 Jarvis OS и будущее приложений 23:04 Почему стандартизация агентов такая сложная 30:40 Карта протоколов: MCP, A2A, AG-UI, UCP 33:46 Bash, skills и вопрос «зачем стандарты?» 35:03 Как появился MCP 42:26 MCP vs skills 46:21 Почему MCP забивает контекст 51:45 A2A: agent-to-agent взаимодействие 56:19 AG-UI и интерфейсы для агентов 01:00:16 A2UI и generative UI 01:01:19 UCP и покупки через агентов 01:05:22 Белые пятна агентных стандартов 01:10:20 Browser-use и агент, который нажимает кнопки 01:12:34 Agent OS и мультиагентность 01:15:08 Мультиагентность как контроль контекста 01:20:34 Планировщик, исполнитель, ревьюер 01:21:56 Системы из 50 агентов 01:25:25 Guardrails и безопасность 01:28:28 Middleware, tracing и observability 01:30:02 Как Никита использует агентов в разработке 01:32:36 Итоги Ссылки по теме Канал DevSpotting Канал Никиты Пастухова AG2 FastStream MCP (Model Context Protocol) Agent2Agent Protocol Linux Foundation про A2A AG-UI Protocol AG-UI на GitHub A2UI Universal Commerce Protocol Claude Skills OpenTelemetry Prometheus n8n
S1 · E10
June 13 · 1 hr 11 min
Искусственный интеллект, найм и образование | Сергей Бережной, CTO Практикума, директор в Яндексе
Подпишитесь на Telegram-канал DevSpotting: https://t.me/devspotting Что происходит с наймом в IT после появления нейронок? Как быть джунам? Можно ли честно проходить собеседование с AI? Почему успешный GitHub-проект не заменяет интервью? И чему теперь учиться, если новые модели выходят каждую неделю? Говорим с Сергеем Бережным — директором по взаимодействию с разработчиками в Яндексе. Обсуждаем рынок труда, собеседования, джунов, сеньоров, Яндекс Практикум, онлайн-образование и то, какие навыки остаются важными, когда код всё чаще пишет нейронка. Внутри — почему вакансий стало меньше, но найм не остановился — что ИИ на самом деле меняет на рынке разработчиков — почему спрос смещается от «кодеров» к людям, создающим пользу — почему джуны с нейронками не обязательно проигрывают сеньорам — как отличить опытного инженера от новичка с AI — зачем всё ещё нужны собеседования, если задачи решает нейронка — как должны меняться тестовые задания — зачем учиться, если можно спросить ChatGPT — как встроить ИИ в ежедневную практику и не отстать от изменений Подписывайтесь на канал на YouTube и ставьте лайк — это помогает выпуску находить зрителей: https://www.youtube.com/@GrinenkoPro. А еще подпишитесь на Telegram-канал DevSpotting: https://t.me/devspotting Тайм-коды 00:49 — Сергей Бережной 01:27 — Почему вакансии есть, а работу искать сложно 04:55 — «Найм как доменная печь» 06:35 — Что сильнее влияет на рынок: экономика, демография или ИИ 07:19 — ИИ сократит вакансии или создаст новый спрос? 08:08 — Потребность в кодерах падает 09:36 — Инженер с продуктовым мышлением: новая норма? 11:43 — Нужно ли продактам в 30 раз больше идей 14:59 — Ннейро-HR и «нейроотлупы» 18:17 — Джуны после ИИ 20:46 — Почему опыт в годах не главный критерий 23:10 — Как отличить опытного разработчика от новичка с нейронкой 26:55 — Что реально проверяет собеседование: эрудицию или сообразительность 27:13 — Почему в Яндексе разрешили запускать код на интервью 29:25 — Тестовые задания, прокторинг и «проблема старшего брата» 34:21 — GitHub, звёзды и open source: почему этого мало для найма 37:14 — Разработчик vs продакт: кого на самом деле собеседуют 38:11 — Как приблизить собеседования к реальной работе 42:09 — Как готовиться к собеседованию в Яндекс 44:38 — Можно ли использовать нейронку на интервью 48:44 — Переходим к обучению: что меняется в курсах 50:20 — Зачем платить за образование, если всё есть в интернете 51:29 — Инженерный майндсет важнее фреймворка 54:54 — Как Практикум встраивает ИИ в обучение 57:20 — Почему нейронка пока даёт «рыбу», а не «удочку» 59:43 — Персонализация обучения с помощью ИИ 01:02:09 — Почему образовательные программы не успевают за ИИ 01:03:50 — Учить нужно фундаментальному и умению учиться 01:05:37 — Остался ли смысл в онлайн-курсах 01:07:15 — Как Сергей сам учится новому 01:09:13 — Как вплетать ИИ в ежедневные задачи 01:11:12 — Главное: базовые идеи всё ещё работают Сергей Бережной Канал Сергея в telegram Канал Сергея на YouTube Гитхаб Сайт-визитка Подпишитесь на Telegram-канал DevSpotting: https://t.me/devspotting
S1 · E9
June 10 · 1 hr 24 min
Финтех: Open Banking, маркетплейсы, цифровой рубль и будущее | Михаил Колосков, арт-директор Avito
Телеграм-канал «Гриненко про» Обсуждаем, куда движется финтех в России и мире: от классической цифровизации банков к Open API, цифровому рублю, ЦФА и AI-агентам, которые могут стать новым интерфейсом между человеком, банком, маркетплейсом и финансовыми инструментами с Михаилом Колосковым, экспертом по финтеху, дизайну финансовых продуктов и арт-директором в Avito. Проекты Михаила Канал про Финтех Сообщество «Блокчейн и Деньги» финтехника.рф роллаут.рф — торгово-финансовая опенсорс платформа Отраслевая аналитика В конце выпуска — конкурс: напишите в комментариях на YouTube, каким вы видите финансовый кабинет или клиентский банк будущего. Лучший ответ получит книгу Питера Зейхана «Конец мира — это только начало». Тайм-коды 00:00 — Михаил Колосков 02:10 — Что вообще считать финтехом 03:36 — Почему Тинькофф и Рокетбанк стали символами финтеха 04:30 — Что определяет банк: технологии, капитал и лицензия 05:52 — Банки и маркетплейсы: партнёрство ВТБ и Wildberries 07:19 — Почему маркетплейсам нужны банки 08:58 — Кто победит: банк, маркетплейс или инфраструктурная платформа 10:11 — Open API, Open Banking, Open Finance и Open Data 11:21 — Где AI уже применяется в финтехе 11:48 — Антифрод и безопасность как главные зоны применения ИИ 14:53 — Данные пользователя и согласие на их передачу 17:03 — Чем отличаются данные банков и маркетплейсов 19:51 — Возвращение наличных и недоверие к цифровым платежам 20:39 — Почему одновременно растут и наличные, и новые способы оплаты 21:13 — Биометрия и оплата «по лицу» 23:02 — Крипта, цифровой рубль и контроль государства 24:30 — Цифровой рубль и крипта как две разные темы 25:02 — CBDC: цифровые валюты центральных банков 26:56 — Как цифровой рубль повлияет на клиентский опыт 28:09 — Целевое использование денег и программируемые платежи 29:37 — Почему цифровой рубль — это не совсем крипта 31:19 — Цифровой рубль, цифровой тенге, цифровой юань 33:50 — Как цифровые валюты могут снижать транзакционные издержки 35:05 — Почему крипта не ушла от контроля регуляторов 37:53 — Что цифровой рубль даёт пользователю 40:15 — Почему крипта сложна для массового пользователя 43:45 — От цифровизации банков к настоящему финтеху 44:26 — Идея банка как фильтра и агента пользователя 45:49 — Эпоха постпотребления 48:09 — Почему банк будущего невозможен без Open API 49:36 — Финансовая цифровая личность пользователя 50:24 — AI-агенты пользователя и агенты маркетплейсов 52:07 — Как агент поможет накопить на машину и подобрать продукты 54:58 — OpenAI, Visa и агентная коммерция 55:31 — Perplexity и AI-браузер как интерфейс покупок 57:04 — Google, Amazon и борьба за окно в цифровой мир 59:55 — Почему банковский фрод всё ещё не побеждён 61:01 — Антифрод, дроперы и уязвимость финансовых систем 65:03 — Почему стопроцентный антифрод невозможен 68:18 — Банковская экономика, доверие и стоимость клиента 70:17 — Как банки зарабатывают на деньгах клиентов 71:04 — ЦФА и новые инвестиционные инструменты 72:17 — Цифровой рубль, Open Data и ЦФА в одной системе 75:01 — Realtime banking и динамический подбор финансовых инструментов 77:05 — Как Михаил сам пользуется финансовыми продуктами 78:52 — Проекты Михаила 82:50 — Конкурс для зрителей: каким будет банк будущего Подпишитесь на телеграм-канал «Гриненко про» https://t.me/devspotting

Showing 1–20 of 26 episodes