Как поменяется работа Junior инженера

Главная ценность, которую инженер приносит бизнесу – это поиск экономически эффективных способов решать проблемы. Чем инженер опытнее, тем более эффективные способы он может найти.

Так вот, раньше огромное количество времени, затрачиваемого джуном на обучение, уходило на то, чтобы разобраться в куче фреймворков, с которыми предстоит иметь дело. LLM делают этот процесс существенно проще и быстрее, и джуны могут сосредоточиться на более важных вещах:

👉Начать быстрее прогружаться в продукт и в бизнес, чтобы научиться правильно определять проблемы и трейдоффы.
👉Получать глубокие технические знания, которые позволят находить нестандартные решения для этих самых проблем.

Новые AI модели и инструменты выходят каждую неделю, городские сумасшедшие хоронят программирование, а кто-то, обложившись десятком агентов, создает супер-успешные проекты. Как с этим жить, решительно непонятно.

Мы в Подлодке собрали закрытое сообщество инженеров, которые верят в то, что их профессия меняется, и хотят научиться использовать новые инструменты себе на пользу. Каждую неделю мы проводим несколько воркшопов с экспертами, которые уже используют AI в реальных проектах. Между встречами – закрытый чат, random coffee, хакатоны и куча другого движа.

В апреле-мае основной упор на несколько треков – spec-driven development, harness engineering и внедрение AI в компании. Спикеры очень классные – например, на этой неделе один из инженеров Cursor будет рассказывать, как они живут с огромной кодовой базой, которую им написал AI еще предыдущего поколения. Потом через неделю лиды платформенных команд российского и зарубежного бигтеха не под запись будут рассказывать всю правду про то, как у них внедряется AI. А еще через неделю закопаемся в тему исполняемых спецификаций и разных методов верификации агентского кода, благодаря которым AI можно подпускать к высоконагруженным mission critical системам.

Мы собрали в клубе уже 400 инженеров. Сообщество очень живое – мы вместе разбираем последние новости, помогаем решать проблемы, раз в месяц устраиваем демодень и делимся разными кейсами использования AI в работе. Ну а в апреле сделаем вообще мега-крутую штуку – что-то вроде двухнедельного хакатона, на котором маленькими группами будем пилить свои собственные оркестраторы агентов, которые автоматически решают задачи из вашего бэклога.

Клуб платный, вход через список ожидания с отбором. Первая характеристика для отбора – опыт в прикладной разработке. Мы делаем клуб именно для инженеров – людей, которые большую часть своей карьеры писали код, решали технические задачи, принимали архитектурные решения, и жили с их последствиями. Вторая – личный опыт работы с AI. Мы набираем тех, кто уже сам успел хоть как-то поэкспериментировать с AI и начать его использовать.

Подробности, расписание и заявка – на сайте. А если есть какие-то конкретные вопросы, пишите прямо в личку @etolstoy!

🤖 Готовы к Day&Night 2026?*

Открыта регистрация на флагманскую конференцию Городских сервисов Яндекса!

В программе доклады от Саши Аникина про роботакси и Кирилла Неймана про электрокар Яндекса с голосовым управлением.

А ещё много живого общения в тематических клубах, программу которых готовили Стас Макеев — технический директор Яндекс Лавки, Илья Царёв — руководитель разработки в Яндекс Go и Никита Сидоров — руководитель клиентской инфраструктуры в Яндекс Маркете.

Направления самые разные:

🔶 Инфраструктура и мобильная разработка
🔶 ИИ и машинное обучение
🔶 Аналитика

А для души — клубы музыки и винила и активного образа жизни с настольным теннисом и падел-кортом.

🍸 В завершении традиционная вечеринка до 2 ночи!

🚀 Регистрация открыта — успейте подать заявку!

Все заявки проходят модерацию, обязательно дождитесь обратной связи.
*День и Ночь

Признаки того, что кодовая база вас тормозит

👉Когда вы слышите что-то вроде "на фичу надо 3 дня, но с учетом нашей архитектуры – минимум неделя".
👉Когда команда боится деплоить проект по пятницам, или даже по четвергам.
👉Когда в проекте есть какой-то файл или модуль, который нельзя трогать под страхом смерти.
👉Когда на дэшбордах вы видите большой процент покрытия кода тестами, но на деле в критичных местах все равно все постоянно ломается.
👉Когда время от выхода на работу до первого коммита у нового инженера занимает больше пары дней.

Аудит кодовой базы за несколько git команд

Чтобы понять несколько важных сигналов про состояние проекта, можно вообще не открывать код, а вместо этого изучить историю гита:

👉Посмотреть на топ самых часто изменяемых файлов. Если среди них есть те, за которые никто не хочет отвечать, это ваши точки отказа.
👉Посмотреть на коммитеров, ответственных за большую часть кода. Если кто-то один написал больше 60%, он ваш бас фактор. Другой важный сигнал – как много из изначальных авторов системы продолжают коммитить до сих пор, или ее поддерживают другие люди.
👉Какие файлы чаще всего попадают в коммиты с "bug" в названии. Хорошо сравнивать со списком файлов из первого шага.
👉Увеличивается ли количество коммитов, остается на плато или падает со временем. Периодические пики могут сигнализировать о кранчах перед релизами, а постепенный спад активности – на замедление команды и чей-то уход.
👉Насколько часто встречаются коммиты со словами "hotfix"/"revert". Это хороший прокси-показатель того, насколько много команда борется с пожарами.

Как качество агентского кода деградирует на дистанции

Свежее исследование и связанный с ним бенчмарк, которые показывают, насколько хорошо агенты справляются не просто с написанием кода, а с его расширением в связи с изменяющимися бизнесовыми требованиями. Короче, все как в жизни.

Для того, чтобы оценить качество результата, в бенчмарке смотрят на два показателя – количество лишнего или дублированного кода и нечто под названием structural erosion, что можно приблизительно представить как излишнюю сложность решения. И все довольно плохо. В 80% случаев сложность растет, в 90% случаев растет количество лишнего кода.

Что еще интересно – в коде, написанном человеком, эти метрики со временем остаются на одном уровне, а в агентском ухудшаются от итерации к итерации.

Как менеджеры пытаются показать свою власть

Многие из этих антипаттернов проявляются неосознанно, поэтому проверьте себя на всякий случай:

👉Считают себя самым умным человеком в комнате – говорят первыми, сразу бросаются в область решений, перебивают других.
👉Скрывают часть информации, либо выдавая ее порционно, либо вообще говоря разным людям разные вещи.
👉Используют страх как инструмент мотивации – угрожают последствиями, намекают на плохой перфоманс ревью или будущее команды, используют фразы вроде "да с этой задачей любой новичок справится" или "незаменимых у нас нет".
👉Забирают всю славу себе, но сваливают вину на других.
👉Постоянно говорят о том, насколько они заняты встречами, перегружены и как ценно их время, используя это как символ статуса и повод, чтобы опаздывать на встречи и продалбывать обещания.
👉Микроменеджерят под видом заботы о качестве – ревьюят каждый документ, придираются к мелочам, заставляют аппрувить любое мелкое решение.

Кластеризуем компании, чтобы не ошибиться в выборе работы

Идея статьи в том, что большая часть происходящего в любой компании, начиная от того, как долго длятся любые согласования, заканчивая выбором технического стека, зависит в первую очередь от того, с какой стороны идет основное давление. И в зависимости от источника давления все компании можно объединить в небольшое количество кластеров. Человек, привыкший работать в одном из них, будет скорее всего очень тяжело адаптироваться в другом, даже если ему кажется, что он туда очень хочет.

Вот эти кластера:

👉Галера – аутсорс и студии разработки. Тут давление создается клиентами. Благодаря этому тут правит результат, все работают с большой скоростью, но с малой глубиной.
👉Машина – продуктовый бизнес и бигтех. Давление идет от пользователей и метрик. Вы винтик в большом механизме, работаете вглубь, и можете годы посвящать одному узкому домену.
👉Крепость – госуха, банки, энтерпрайз. Давление идет со стороны регламентов и безопасности. Царство стабильности, ценится предсказуемость, выживают лучшие дипломаты. Драйв становится дестабилизирующим фактором.
👉Цех – IT в непрофильной компании. Давление – внутренний заказчик. Ваша команда тут становится кост центром, и нужно оправдывать ее существование. Стабильность высокая, но технологический потолок очень низкий.
👉Стартапы. Давление идет от выживаемости. Любая роль становится человеком-оркестром, нужно принимать на себя кучу рисков, нет никаких правил. Нужно уметь отличать хаос роста от хаоса распада, в первом растет опыт, во втором энтропия.

В итоге, если вы ищете глубины экспертизы, то вам в машину или галеру, если предсказуемости и влияния на процессы, то в крепость, если баланса и отраслевого веса, то в цех, а если вы ждете доли в бизнесе и скорости принятия решений, то вам в стартап.

Важно помнить, что смена кластера – это очень дорого. Вы теряете много накопленного поведенческого опыта, и из-за несоответствия ожиданиям можете получить даунгрейд.

Как прикинуть окупаемость вашей команды

Команда из восьми инженеров где-то в Европе стоит около 1 миллиона евро в год – иначе говоря, 90000 евро в месяц и 4000 евро в день. Ожидания по окупаемости отличаются в зависимости от типа команды.

Если это платформенная команда, которая делает какой-то внутренний продукт, то только для выхода на самоокупаемость она должна экономить другим командам минимум 1400 часов в месяц, что в компании на 100 инженеров означает экономию каждому трех часов в месяц. Но считать только самоокупаемость не очень честно – реалистичные ожидания от такой команды это 3-5 кратный выигрыш.

Похожим образом можно посчитать окупаемость и для продуктовой команды – но рычагов, на которые можно повлиять, существенно больше. Если вы знаете, сколько денег в среднем приносит пользователь, то можете так же на салфетке посчитать, насколько оправдана польза от того, что вы в течение квартала повышали конверсию на пару процентов.

Понятное дело, что это – очень примитивные расчеты, и у каждой компании своя специфика. В большинстве случаев инженер стоит существенно дороже своей прямой зарплаты. Но понимать хотя бы самоокупаемость, и насколько вы в нее попадаете, полезно, чтобы быть лучше подготовленным к будущему.

Работаете с облачной инфраструктурой?

Apple Hills Digital проводит исследование облачных платформ: использование, выбор, сценарии внедрения.

Сейчас — быстрый отбор участников (~3 минуты).
Анкета короткая*, далее — основной опрос и розыгрыш iPhone


* Принимая участие в опросе Вы становитесь участником розыгрыша под наименованием «Если ты работаешь в IT, пройди опрос и выиграй iPhone 17 Pro». Информация об организаторе розыгрыша, сроках проведения, правилах проведения розыгрыша, количестве призов, сроках, месте, порядке получения призов размещена по ссылке

Честный опыт написания сложного проекта с агентами

Опытный техлид из Google рассказывает, как с помощью AI агентов реализовал сложный проект, который прокрастинировал восемь лет до этого – парсер для SQLite запросов и набор девтулов поверх него.

Самая интересная часть истории здесь в том, что первую реализацию автор получил за месяц, целиком отдав агентам и имплементацию, и дизайн, а сам задавая только общее направление. Но после того, как он детально поревьюил получившуюся архитектуру, ему стало понятно, что вдолгую поддерживать и расширять проект точно не получится. Во второй итерации он все выкинул, и начал с нуля, на этот раз делегируя агентам только очень четко очерченные задачи по имплементации, но оставляя за собой все архитектурные решения. И вот тут жизнь заиграла новыми красками.

Лучше всего пост подбивает вот эта цитата:

The takeaway for me is simple: AI is an incredible force multiplier for implementation, but it’s a dangerous substitute for design. It’s brilliant at giving you the right answer to a specific technical question, but it has no sense of history, taste, or how a human will actually feel using your API. If you rely on it for the “soul” of your software, you’ll just end up hitting a wall faster than you ever have before.

Как анализировать организацию работы в команде

Дмитрий Болдырев в новой статье своего мега-цикла разбирает еще одну из обязанностей тимлида - анализ распределения работы между членами команды на предмет возможных проблем.

1️⃣Собираем матрицу распределения работ – табличку, где по вертикали идут имена членов команды, по горизонтали – полный перечень функций и задач.
2️⃣В этой матрице отмечаем, кто какую из работ на самом деле выполняет, в том числе тип участия по RACI.
3️⃣Анализируем распределение и выполнение работ. Идем по каждой строке и проверяем, выполняется ли кем-то работа вообще, очевидно ли, кто должен ее выполнять в каждом случае, нет ли дублирования ролей, является ли количество исполнителей минимально достаточным, отвечает ли кто-то за конечный результат, согласована ли работа между всеми участниками, понятны ли критерии успеха, дает ли работа ожидаемый эффект.
4️⃣Анализируем каждый столбец: понятна ли роль участника команды, можно ли выделить и оценить его вклад в общее дело, ясны ли границы его зоны ответственности, соответствует ли нагрузка его компетенциям, соответствует ли объем работы его возможностям, и сбалансирована ли она относительно остальных коллег, нет ли избыточной зависимости от других участников, не страдает ли он от переключений контекста, отвечает ли за какой-то результат от начала до конца.

Как выстраивать отношения с руководителем, чтобы получать поддержку и ресурсы?

Просить о чем-то руководителя проще, когда контакт с ним уже налажен. Если же отношения еще не выстроены или между вами есть напряжение, даже самые простые запросы могут встречать сопротивление.

💥 22 апреля в 20:00 (мск) лаборатория навыков коммуникации Софт Скиллз Лаб проведет открытое занятие, на котором вы за 1,5 часа узнаете:

▫️ Как заранее налаживать контакт с руководителем, чтобы потом было проще просить поддержку?
▫️ Как менять динамику отношений, если сейчас они не складываются?
▫️ Как запрашивать обратную связь, чтобы лучше понимать ожидания руководителя?

Вы получите конкретные формулы и приемы, которые облегчат ваше взаимодействие с начальником. 

Весь материал разберете на реальных кейсах, вы сможете отправить свою ситуацию в анонимную гугл-форму.

🗣️ Спикер — Анна Мигунова, ведущий тренер Софт Скиллз Лаб, преподаватель НИУ ВШЭ и Сколково, директор по продукту в «заря.диджитал», системный аналитик в Kaspersky.

Встреча пройдет в Zoom, поэтому вы сможете задать Анне любые вопросы.

👉🏻 Запустите бота, чтобы получить ссылку на конференцию!

Закрывшиеся стартапы продают свои внутренние данные

Обанкротившиеся стартапы начали продавать все внутренние архивы корпоративных переписок компаниям, тренирующим AI модели, и получают за это что-то вроде сотен тысяч долларов.

Так что, если вам когда-то казалось, что создавать кучу тикетов в Jira, писать статей в Notion, и переписываться в Slack – это бесполезная работа, то вы просто еще не поняли, что это новое золото!

Про будущее Figma

На прошлой неделе Anthropic выпустили Claude Design – агента, который умеет готовить дизайн с полным знанием всей дизайн-системы и конвенций в вашей кодовой базе. Акции Figma, которые и так очень сильно падали весь последний год, упали еще сильнее. В статье – хороший анализ, почему Figma вообще постепенно становится нерелевантной тому, как развивается индустрия:

👉Вся Figma построена на закрытом проприетарном формате. Его сложно интегрировать со сложной кодовой базой, он отсутствует в обучающих сетах для моделей, с ним тяжело работать программно. В то же время, с кодом наоборот становится работать все проще – поэтому баланс сил в уравнении того, где находится источник правды, начинает быстро уезжать из дизайна в код.
👉Поддержа двух источников правды и синк их друг с другом требовал огромной дополнительной сложности и ресурсов. При этом, все равно реальный продукт отличался от того, что было в Figma.
👉Решение любой тривиальной задачи по дебагу или изменению происходящего в сложном Figma-файле – довольно сложная задача. В 2026 люди хотят отдавать такое агентам, а они тут не помогут.

AI вредит нашей способности учиться

Еще одно исследование про вред, который AI оказывает на наше мышление – на этот раз про упорство, тенденцию быстро сдаваться и работать самостоятельно – ключевые качества для обучения. Что конкретно обнаружили:

👉После того, как участники эксперимента поработали над задачами с AI, они гораздо хуже работали без него – быстрее сдавались и показывали хуже результаты.
👉Самые сильные негативные эффекты проявились среди тех, кто запрашивал от AI решения конкретных задач. С теми, кто обращался просто за подсказками или объяснениями все лучше.
👉Эти эффекты повторялись вне зависимости от домена задачи – и в чтении, и в математике.

Новые выпуски менеджерских подкастов

👉"Три тимлида заходят в бар" про обучение менеджеров: как много нужно учиться, чему конкретно и какими способами.
👉Бреслав и Ложечкин: продолжение предыдущего выпуска про спецификации вообще и новый язык программирования для AI в частности.
👉КОДА КОДА про сложные переговоры: какие инструменты и практики использовать, чтобы договариваться о важных вещах

Высокоамплитудная несговорчивость

Мне понравилась идея того, что несговорчивость – это не бинарная характеристика человека, а раскладывается как волна на частотность и амплитуду. Частотность – это то, насколько часто вы готовы входить в спор, чтобы отстоять свое мнение. Амплитуда – это то, на что вы готовы пойти, чтобы его отстоять.

Несговорчивость – не самый точный перевод слова disagreeableness, но лучшего нам не завезли. Мне кажется, что у него довольно сильные негативные коннотации, тогда как оригинал более нейтральный.

Подход к AI-native интервью

Если ваша команда разработки в основном пользуется агентами, а не пишет код вручную, то старый стандартный формат интервью, с секциями на знание алгоритмов и фреймворков, становится не особо показательным.

Держите кейс компании, которая переработала этот процесс так, чтобы он лучше отражал, как они работают на самом деле.

Основная часть – онсайт интервью. Оно состоит из следующих этапов:

👉Планирование. Кандидат вместе с интервьюерами вместе обсуждают, что именно надо будет запрогать. Кандидат драйвит генерацию идей, интервьюеры задают вопросы, чтобы пощупать, как он рассуждает. Проект берется из области доменных знаний кандидата.
👉Разработка. Кандидат в течение двух часов реализует продукт из первого этапа, используя любой AI и технический стек.
👉Ревью. Кандидат проводит демо получившегося продукта, а интервьюеры челленджат принятые им решения, смотрят на код, чтобы оценить технические и архитектурные подходы, обсуждают аспекты выведения его в продакшн.

Помимо такого очного интервью, проводятся еще два этапа. Один – стандартное system design собеседование, второй – взять готовый PR для существующей кодовой базы, подебажить его и улучшить.

Продолжим тему AI-native собеседований. В июне в Podlodka AI Engineers Club я планирую организовать стрим про то, как меняются процессы интервью в разных компаниях с учетом того, насколько сильно поменялась рабочая рутина разработчиков. Если вы в вашей компании делали с собеседованиями что-то интересное в этом направлении, отпишитесь в Google Form – я ищу еще пару участников, и буду рад позвать кого-то из подписчиков!

👉Гуглоформа тут

Как слышать других

Хороший менеджер слушает других во много раз больше, чем говорит сам. Но услышать, что вам говорят другие люди, часто бывает очень сложно – вот какие ошибки и заблуждения чаще всего встречаются:

👉Слышать, что вам говорят, не обязательно требует делать то, о чем вас попросили.
👉Вы недооцениваете то, как на вашу картину мира влияет ваша специализация в чем-то – очевидные для вас вещи могут быть не очевидны другим.
👉Вы делите людей на технических и нетехнических, упуская то, что это градиент.
👉Вы предполагаете, что у других людей столько же ресурсов, сколько у вас – энергии, навыков, времени.
👉Если вы один раз встретились с человеком, обладающим какой-то характеристикой, вы проецируете все его особенности на других людей с этой характеристикой.
👉Вы предполагаете, что люди и организации не меняются.
👉Вы предполагаете, что люди думают ровно то, что говорят.