Список литературы по Теории Ограничений от Саши Брызгаловой.

Горячо рекомендую!

https://t.iss.one/AABryzgalova/258

Команда проекта на автопилоте.

Знакома ли вам ситуация? Вы с головой погружены в срочные задачи, отвлекаясь от общего хода проекта. Кажется, стоит только выпустить штурвал из рук, и всё развалится. Выныривая из пучины текучки, вы с ужасом представляете, как без вашего контроля работа встала, люди не передали задачи дальше по цепочке или застряли на неразрешимой проблеме. Вы судорожно бросаетесь выяснять, что происходит, и… с удивлением обнаруживаете, что дела идут на удивление хорошо. Даже не идут — мчатся!

Все знают, что в приоритете. Никто не тянет одеяло на себя. Возникают проблемы? Сотрудники знают, к кому обратиться. Что-то мешает работе? Команда собирается и вместе находит решение. Работать в таком коллективе — настоящее счастье. Все увлечены общим делом, поддерживают друг друга, подставляют плечо, если нужно. Это как единый, слаженно работающий организм.

Каждый понимает общую цель и замысел, страхует коллег и приходит на помощь, если что-то идет не по плану. Ребята сами обращают внимание на упущенные детали, подсвечивают возможные риски и предлагают, как их обойти. Все работают на достижение общей цели проекта.

Такая работа напоминает полёт на самолете. После взлёта, когда всё идёт штатно, экипаж включает автопилот, чтобы заняться другими важными, но не срочными делами. В команде проекта «автопилот» возможен, только если она сыграна, как оркестр. Каждый участник:

-   Знает сильные и слабые стороны коллег.
-   Обладает высокой квалификацией.
-   Не боится принимать решения.
-   Доверяет коллегам, не ждет подвоха и открыт к конструктивной критике.

И когда каждый из этих "музыкантов" знает не только свою партию, но и партию того, кто идёт следом, тогда и рождается слаженная работа команды, способной лететь на автопилоте.

Это. Просто. Бомба!
Openai выложили свой генератор голоса!

Теперь можно озвучивать всякое:
https://www.openai.fm/

Подумай - спланируй - сделай - проверь

В мире PMI (Project Management Institute) есть такой забавный «пиэмизм»: слово «планирование» там часто используют почти как синоним слова «подумал». И наоборот. Поначалу мне эта связь казалась натянутой – уж слишком разными выглядели эти понятия. Но со временем начинаешь видеть в этом подходе свою, довольно глубокую мудрость.

Ведь и правда, можно ли что-то толково спланировать, предварительно не подумав? Наверное, нет. И наоборот, когда мы над чем-то всерьез задумываемся, особенно в контексте какой-то задачи, мы ведь часто пытаемся понять, как действовать дальше. То есть, по сути, уже набрасываем план, пусть и в голове.

-   «Надо подумать, как поедем на дачу» — это импульс, начало размышлений.
-   «Надо спланировать поездку на дачу» — это уже постановка задачи на структурирование этих мыслей.

Вот тут и кроется ключевое различие, которое становится критичным, когда мы переходим от простых бытовых задач к проектам. Просто «подумать» перестает быть достаточным. Нужна структура, система. И планирование – это и есть та самая структура. Это формализованное, системное думание с конкретной целью и результатом.

Философия PMI тут такая: как только ты ловишь себя на мысли «надо бы подумать», это сигнал – пора садиться и планировать. То есть превращать неопределенность в конкретные шаги.

При возникновении любой неопределенности или проблемы PMI считает неправильным бросаться сразу действовать «на авось». Первым делом нужно остановиться, проанализировать ситуацию (то есть подумать структурированно) и свериться с существующими планами. Или создать/обновить их.

А чтобы было с чем сверяться – планы должны быть! Вот и получается, что вся осмысленная деятельность так или иначе сводится к классическому циклу PDCA (Plan-Do-Check-Act), просто на разных уровнях – от стратегического до операционного. Подумал (спланировал) – сделал – проверил – скорректировал (снова подумал/спланировал). И так по кругу.

Так что да, «подумать» – это необходимый компонент и предшественник планирования. Но «планирование» в проектном мире – это нечто большее: это дисциплина мысли, превращающая идеи в реальные действия.

Как грызть гранит науки.

Пол года уже изучаю один сложный курс, но продвинулся лишь на 30%. Хочется ускориться, но я понимаю, что настоящая работа с информацией требует времени. Эта статья — результат размышлений над этой дилеммой.


Представьте себе геологоразведку. Вот один подход: геолог-энтузиаст приезжает на участок, бурит сотни скважин почти наугад, собирает тонны керна и образцов породы. Его склады ломятся от камней, грузовики постоянно подвозят новые ящики. Он может гордиться масштабами своей деятельности! Но есть проблема: он понятия не имеет, есть ли там что-то ценное и где именно. Он просто копит геологический материал, путая видимую активность и объем собранного с реальным результатом – пониманием месторождения. 
 
А вот другой подход – геолог-профессионал. Он тоже собирает образцы, возможно, даже меньше. Но каждый образец для него – это данные. Он не складирует их бездумно в ангаре. Он немедленно отправляет их анализирует, интерпретирует результаты, соотносит данные из разных скважин и шурфов. Его цель – не набить склад камнями, а построить карту месторождения. Он ищет закономерности, выявляет границы рудного тела, понимает структуру пластов. Он превращает разрозненные куски породы в целостное знание о том, где скрыты сокровища и как к ним подобраться. Он не просто собирает, он перерабатывает материал в понимание. 
 
И вот тут мы подходим к самообучению. Узнаете первый тип геолога? Как часто мы поступаем точно так же? Мы "бурим" десятки книг, "собираем тонны" видеолекций и статей. Наши "склады" (закладки в браузере, папки на диске, заметки в телефоне, стопки книг у кровати) ломятся от информации. Мы потребляем гигантские объемы! Но превращается ли эта информационная "порода" в реальное понимание, в новые навыки, в способность действовать иначе? Чаще всего – увы. Мы просто складируем контент, как тот геолог-энтузиаст складировал камни, ошибочно полагая, что количество само по себе приведет к качеству. 
 
Настоящее обучение, то самое, когда мы действительно "грызем гранит науки", – это работа второго геолога, профессионала. Это не про накопление информации, а про ее глубокую переработку и отработку на практике. Это активный, порой медленный и трудный процесс: 
 
1.  Извлечение "образцов": Взять идею, факт, концепцию из книги или лекции. 
2.  "Анализ": Разобрать ее на части, понять суть, задать к ней вопросы: "Что это значит? Почему это так? Как это работает? С чем это связано?". 
3.  "Построение карты": Начать связывать этот новый "образец" с тем, что вы уже знаете. Как эта идея соотносится с другими? Куда она встраивается в вашу общую картину мира или конкретной области? Это про выстраивание сети связей у себя в голове. 
4.  "Поиск и доразведка белых пятен": В процессе построения этой карты вы неизбежно наткнетесь на пробелы в понимании, на нестыковки, на вопросы без ответа. Это нормально! Это самые ценные точки для дальнейшего "бурения" – поиска ответов, обсуждения с экспертами, уточнения деталей. 
5.  "Определение границ": Понимание, где кончается эта тема, как она связана с соседними областями, каковы ее пределы применимости. 
 
Вспомните про принцип "бочки Либиха". Вашим ключевым ограничением в обучении почти никогда не является доступ к информации (ее море!). Ограничением является ваша пропускная способность по переработке этой информации. Ваша "самая низкая дощечка" – это способность тратить время и умственные усилия на осмысление, структурирование, связывание информации и приложение её к реальному миру.  Бесполезно "заливать" в себя еще больше информации, если предыдущая не проработана.

Продолжим тему самообразования.

На этой неделе Гугл обновил свой AI сервис для работы с информацией: NotebookLM теперь он поддерживает 50+ языков, включая русский.

Загружаете .PDF и аудиофайлы, указываете ссылки на сайты, видео YouTube, документы и презентации Google. Теперь с этой информацией можно "разговаривать". Внутри NotebookLM мультимодальная ИИ-модель Gemini 2.0. По вашему вопросу, она произведёт поиск по всем вашим источникам и попробует ответить на ваш вопрос, опираясь на информацию которую нашла, указвывая ссылки на цитаты и обобщая пересечения между разными источниками.

Но самая прикольная функция на мой взгляд — создать ИИ-подкаст по этим материалам.

Перед тем, как приступать к глубокому изучению материала, можно создать несколько таких "подкастов" раскрывающих тему с разных сторон (тему подкаста можно указать в настройках) и ознакомиться в дороге. Или же можно сделать подкаст для ознакомления с объёмным источником, чтобы понять он вообще про то, что вам надо?

Пример смотри в следующем посте.

Статья "The Pen Is Mightier Than the Keyboard: Advantages of Longhand Over Laptop Note Taking" в первом комментарии внутри этого поста

Продолжаем тему самообразования.

В Телеграм мой длиннопост не влез, пришлось писать статью на VC и Дзен (Ух, как я его ненавижу!)

PDFы статей скинул в комментарии внутри этого поста в Telegram.

Приятного чтения!

https://vc.ru/education/1980639-kak-uchitsya-novomu-efektivnye-metody-konspektirovaniya

То чувство, когда твоей основной IDE становится блокнот и .... Microsoft Outlook 🚑

Свершилось! Мы теперь официально Российский производитель:
https://gisp.gov.ru/pprf/marketplace/#/product/a0bad21b-f685-49f4-918b-a3974a1e3d4c

Тут коллеги спрашивают кто и как пользуется AI сервисами.

Ниже описал свой опыт в этом деле:

1. Я ежедневно использую https://aistudio.google.com/ и модель Gemini 2.5 pro для:
- Перевод текстов с английского на русский и обратно.
- Чтения технической литературы на английском языке, поиск по ней, быстрая проработка вопросов.
- Общения с сотрудниками нашего Китайского офиса и фабриками в Китае (Перевод, адаптация текста к их культурному коду: вежливость, стилистика, обход моментов "потери лица")
- Суммаризация расшифровок совещаний, последующая нарезка задач в таск-трекер: кто и что должен сделать, описание, контекст, заголовок.
- Консультант, об которого можно подумать разные вопросы: по стратегии, по развитию, принятие не очевидных решений.
- Анализ и сравнение таблиц, документов, данных. Тенедерные документации, даташиты, результаты испытаний, проверка договоров с подрядчиками и т.д.
- Сокращаю время на написания e-mail внешним клиентам, подрядчикам, заказчикам, команде и т.д. За счет упрощения процесса формулирования мыслей в корректный текст: надиктовываю плохо связные мысли, прошу сформулировать, корректирую, дошлифовываю вручную.

2. Часто использую https://notebooklm.google.com/ для:
- Учебы, "разговора" с материалами.
- Анализа плохо изученных тем, генерации подкаста по ним
- Анализа научных статей, патентов и другой документации. Ответы на мои вопросы по этим темам.
- Формулирования терминов по учебным материалам для заучивания через Anki.
- Формулурую тесты для себя по учебным материалам, "разговариваю" по ошибкам в них, спрашиваю что не так понял.

3. Ежедневно использую модели для распознавания речи в текст, такие как OpenAI Whisper.
На работе развёрнута локальная модель, для личных нужд использую @my_voice_messages_bot в Телеграмме
- Отказался от голосовух, надиктовываю в него, потом присылаю людям нормальный текст.
- Расшифровываю чужие голосовухи.
- Голосом пишу промты и запросы для LLM
- Периодически использую как голосовой ввод текста, даже не смотря на то, что умею печатать в слепую со скоростью 300 символов в минуту. Очень выручает при работе в пути, с телефона.

4. Часто использую https://www.perplexity.ai/. (Купил платный аккаунт за 800 рублей на целый год, вот здесь инструкция).
Для:
- Поиска материалов в сети. Работает лучше Google.
- Исследования, прокапывания сложных тем (режим "лампочки"), и поиска релевантных материалов. Например, поиск научных статей, патентов, даташитов или анализ рынка, или аудитории пользователей по узким вопросам. (можно искать только по научным материалам или только по соцсетям)
- Поск файлов, PDF, даташитов, документации
- Анализ ссылок на ресурсы в и интернете, суммаризация статей, поиск товаров.
- Быстрый и безпроблемный доступ к топовым моделям разных вендоров.
- Голосовой режим, чтобы узнать погоду утром, или новости. (На порядок лучше Алисы работает)

5. Работа с конвертацией одних текстовых форматов в другие с помощью https://grok.com/
- Grok хорошо умеет работать с такими разметками документации как PlantUML или Mermaid. Конвертировать одну в другую или генерировать диаграммы сразу по вашему описанию текстом или в .xml. Помогает при разработке документации или внутренних wiki-статей.

6. Ребёнок заинтересовался Blender и генерирует себе игрушки по следующему сценарию
- Генерация картинки в https://lmarena.ai/?chat-modality=image --> Генерация 3D модели на основе картинки в https://3d.hunyuan.tencent.com/ --> доработка в Blender --> 3D печать

Всем привет! Немного диалектики вам в ленту =)

Управляя проектами нам постоянно приходится принимать решения. Для этого мы взвешиваем разные факторы, сравниваем их друг с другом, оцениваем их взаимное влияние. Часто для этого мы распологаем эти оценки у себя в голове на воображаемой линейке или плоскости. И наша плоскость, по привычке, как нас учили в школе, начинает отсчет от 0. Например мы оцениваем пользу от какого-то явления и взвешиваем: нулевая она или великая.
Но любое явление в нашей жизни имеет свою противоположность. Это не ноль, это отрицательная величина. У этого явления есть польза? Значит может быть и вред!

Для примера взглянем на матрицу Влияние-Интерес при работе с заинтересованными сторонами.

Мы привычно делим её на четыре квадрата: низкий интерес/низкое влияние (наблюдаем), высокий интерес/низкое влияние (информируем), низкий интерес/высокое влияние (удовлетворяем), высокий интерес/высокое влияние (управляем плотно). Все эти стратегии работают с теми, кто либо нейтрален, либо позитивно настроен к проекту. Нулевой интерес для нас — это просто апатия.

Но что, если мы продолжим оси в отрицательную область? Что такое «отрицательный интерес»? Это не просто его отсутствие. Это активное желание, чтобы проект провалился. Это противодействие. А «отрицательное влияние» — это не просто отсутствие власти, а способность этой властью вредить, вставлять палки в колеса, саботировать.

И вот наша простая матрица 2х2 превращается в систему посложнее. В ней можно заметить новых, крайне опасных персонажей:

- «Партизан» (низкое влияние, отрицательный интерес): Он не может остановить ваш проект, но будет портить его по-мелочи: «забывать» передать информацию, распространять слухи, тихонько критиковать ваши решения в курилке. Поодиночке они безвредны, но группой могут создать серьезные проблемы.
- «Могущественный противник» (высокое влияние, отрицательный интерес): Самый опасный тип. Он не просто хочет, чтобы ваш проект провалился, — он может этого добиться. Его стратегия — не управление, а нейтрализация или переубеждение. Игнорировать его — значит подписать проекту смертный приговор.

Этот же принцип работает везде. Фича в продукте может иметь не просто нулевую ценность (никто не пользуется), а отрицательную — она усложняет интерфейс, путает пользователей и генерирует баги. Решение может быть не просто «не оптимальным», а откровенно вредным, создающим больше проблем, чем решает.

Вывод: мысля категориями от 0 до 10, мы рискуем не заметить тех, кто играет на нашей же доске, но по другую сторону, в координатах от -10 до 0. Настоящая задача менеджера — видеть всё поле целиком. Не только искать сторонников, но и выявлять, оценивать и работать с противниками.

А вы в своих проектах учитываете «отрицательные» величины? Или фокусируетесь только на позитиве?

Подарили как-то ежедневник. Хорошая надпись, правда в моих текущих реалиях: «Если не кто, то ты» было бы уместнее.

Давай, делегирувай!

Отсутствие опыта с AI — это ред флаг или нет?

Вчера делал опрос в Продуктовошной — надо ли брать на работу продакта, у которого вообще нет опыта с ИИ.

Ещё год назад я поставил бы, что возьму. Теперь же история другая — я не представляю, в каком дремучем лесу и с каким отрицательным любопытством должен быть человек, чтобы не получить опыт с AI.

Я не говорю про вайбкодинг и прочие «у меня свои агенты».

Но уже очевидно, что есть пласт применений AI, которые здорово ускоряют исследовательскую, писательскую и презентационную работу. Это не говоря уже о каких-то простых задачах писка и анализа сырых данных.

А такой работы полно у любого специалиста в продуктовой команде. Полно.

Но это же не рокетсаенс, можно быстро научиться! Да, можно — но если за три года активного «из каждого утюга AI» у человека не возникло желания попробовать.... То фундаментально полезный навык — любопытство — явно не топовый у него.

Представьте, что лет 20 назад вы берете человека работать, а он вместо email пишет только бумажные письма. Или вместо поисковика ходит в библиотеку. Просто потому что не знал, не считает нужным и раньше всегда так делал.

В общем, должен быть дичайший мэтч по остальным критериям и полнейшее отсутствие альтернативных вариантов, чтобы я сейчас взял в команду кого-то, кто не юзает AI. Ред флаг. 🚩

Качество - это соответствие требованиям. Нет требований - нет качества.

Вроде банальщина, но пока сам в это не вляпаешься - не доходит.

Купили некое количество корпусов. Там отверстия насверлены. Отверстия гуляют от края на 0.1-0.3 мм. Через серию сочленений это влияет на конечный внешний вид устройства. Появляются щели там, где их быть не должно. Некоторые устройства вообще не собираются.

Смотрим чертеж, а там в этом месте никаких требований к допуску и нет. Я проглядел этот момент.
Что характерно - на образцах всё было идеально. В серии - разброс.
Фабрике ничего не предъявить - требований то нет. В итоге дорабатывать за свой счет.

Хотите качества - проверяйте что вы точно его попросили и вам это не показалось!

Цена страховки

Когда впервые сталкиваешься с запуском производства, быстро понимаешь, почему фабрики так не любят маленькие заказы. Для производственной линии нет большой разницы, делать 500 устройств или 50 000. В обоих случаях нужно остановить конвейер, перенастроить станки, подготовить оснастку и обучить людей. Эти стартовые затраты времени и сил практически одинаковы. И когда их стоимость «размазывается» всего на 500 изделий, цена каждого из них взлетает до небес. Выглядит как гарантированный убыток.

Коллега меня спросил: "Зачем мы тратим полтора года жизни и кучу денег на запуск продукта, который в итоге делаем таким маленьким тиражем"? Его логика понятна: чтобы конкурировать на рынке, нужна низкая цена, а низкая цена бывает только при массовом производстве.
Но как говорил Василь Иваныч, есть тут один нюанс. Это огромный риск. Запустить конвейер сразу на 50 000 штук - это как прыгнуть в бассейн, не проверив, есть ли там вода. Если мы просчитались в оценке рынка или допустили критичную ошибку в продукте, или же он просто "не зашел" потребителю, огромная партия превратится в груду замороженных денег, которые не вернуть. Это похоронит компанию.

Сейчас продвинутые комментаторы напишут мне, мол ежу понятно! Нужно делать MVP за мало денег и проверять гипотезу! Вот только когда ты делаешь промышленный роутер, советы из IT не всегда работают. Ты не можешь сделать пилотную партию «на коленке». Корпоративным заказчикам нужны сертификаты, тесты на стабильность и безопасность. А ещё они "привыкают" к продукту и долго потом не хотят менять прописанную во всех регламентах и ТЗ модель. Если мы сделаем пилотную партию по временным технологиям, а для серии потом изменим конструкцию корпуса или материалы, все сертификаты придется получать заново и менять прописанную в регламентах модель. Поэтому даже для PVT в 500 штук необходимо использовать дорогие «взрослые» технологии литья и сборки, как для крупных тиражей.

И вот тут мы приходим к к стабильности качества. На больших тиражах качество обеспечивается отлаженной системой. Инструкции, регламенты, оснастки, тестовые стенды - всё это снижает вариабельность. Обеспечивает единообразие и качество. Всё это стоит денег и времени. Кажется, что мы сами усложняем себе жизнь и завышаем себестоимость, но если этого не делать, мы получим 500 разных устройств, не будет ни одного одинакового. Если мы выпустим на промышленный рынок «сырую» партию, где качество плавает от устройства к устройству, мы испортим репутацию быстрее, чем успеем наладить продажи.

Поэтому высокая себестоимость первой партии - это не способ заработать. Это плата за опцион на масштабирование. Мы сознательно идем на высокие расходы вначале, чтобы не рисковать всей компанией если что-то пойдёт не так. Да, экономика первой партии выглядит ужасно, но это покупка страховки. И это единственный безопасный мост к тем самым заветным тиражам в 50 000 штук, где нас ждет настоящая прибыль.