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.

Как нанимать людей, которые сильнее вас

Если вы когда-нибудь собеседовали человека из абсолютно незнакомого вам домена, вы точно сталкивались с тем, что очень сложно понять, хорошо ли вообще прошло интервью. Вот несколько сильных положительных сигналов, на которые стоит обращать внимание:

👉После собеседования вы хотите побежать и реализовать те идеи, которыми кандидат с вами поделился.
👉Вы видите, что этот человек может многому научить и вас, и команду.
👉Кандидат может принести много пользы и в других доменах за счет своих междисциплинарных навыков.
👉Кандидат может качественно разобрать какую-то актуальную для вас проблему в компании – вникает в суть, задает хорошие вопросы, опирается на свой предыдущий опыт, дает не общие ответы.

В чем секрет устойчивости Selectel?

За 17 лет на рынке в Selectel научились быстро реагировать на изменения, видеть в кризисах возможности и объединять усилия команды, чтобы вместе добиваться большего.

Это подтверждают и цифры по итогам 2025 года:

✔️ 33 000 клиентов — +5 100 за год
✔️ 50+ продуктов — +9 за год
✔️ 18,3 млрд рублей выручки — +39% год к году
✔️ 1 300 сотрудников — +155 за год

Держать курс на развитие, несмотря на шторм рынка, компании помогают шесть опор, которые раскрыли в большом спецпроекте «Секреты устойчивости Selectel» — переходи на лендинг, смотри интервью с сотрудниками и исследуй каждую опору.

Спойлер: собственная ИТ-инфраструктура — это, конечно, база, но секрет не только в ней 😉

В конце исследования — розыгрыш легендарных Тирексов! 🦖

Реклама. АО "Селектел". erid:2W5zFHVc2am

Что работает и не работает для Agents.md

Agents.md, как и другие способы научить агент работать в рамках принятых стандартов – вполне себе ложится в ответственность тимлида. Поэтому держите подборку рекомендаций от Augment,
основанных на их собственных экспериментах вокруг внутреннего бенчмарка:

👉Progressive disclosure лучше, чем очень подробный файл. Лучше всего структурировать его как скилл, на верхнем уровне держать общие рекомендации, а детали и примеры в отдельных референс файлах. Лучше всего перформили в экспериментах Agents.md на 100-150 строк.
👉Один из самых эффективных паттернов – описывать задачу или сложный воркфлоу как серию пронумерованных шагов.
👉Сильно помогают decision tables – в случаях, когда в кодовой базе есть несколько разных способов решения одной задачи. По сути это набор вопросов с весами в пользу того или иного варианта.
👉Короткие сниппеты из реальной кодовой базы сильно повлияли на переиспользуемость кода.
👉Все don't надо сопровождать соответствующими do.
👉Не нужно слишком детально описывать архитектуру, в том числе во вложенных файлах.
👉Избегайте слишком длинных секций "dos/donts", когда их количество уходит за 15, все становится плохо.

Продуктивность – это ловушка

Способов повысить свою рабочую продуктивность – миллион, начиная от разных систем управления задачами и хаками вокруг календаря, заканчивая перекладыванием части рутины на AI, о чем сейчас кричат на каждом углу. Но сама по себе продуктивность не сделает вас ни счастливее, ни свободнее. Вот почему:

👉Вкачивание времени в улучшение продуктивности – прекрасная маскировка для прокрастинации. Вы получаете дофамин от того, что выполняете какие-то задачи, но по факту ни к какой полезной цели они вас не приближают.
👉Сколько бы вы ни оптимизировали свои процессы, работа продолжит занимать все свободное время. Вы просто начнете делать больше задач, которые раньше отсекались как низкоприоритетные. И легко свалиться вообще в обратную сторону – начать щелкать вот эти небольшие низкоприоритетные задачи, под которые вы подогнали свою систему, а большие важные вещи останутся нетронутыми.
👉Ваша улучшенная продуктивность быстро перестает быть превышением ожиданий и становится новой планкой на будущее. А если держать такой темп постоянно, то привет, улетевшая кукуха и выгорание.
👉Пока вы продолжаете относиться к своему списку задач как к бесконечному, вы не избавитесь от постоянного чувства вины за то, что вы решаете его недостаточно быстро.

Инженер, который говорит нет

For 50 years, software engineering ran on code rationing. Writing code was expensive, so we rationed it carefully through roadmaps, RFCs, prioritization meetings, and scope reviews.

This created a role: the No Engineer. No, that won't scale. No, we don't have bandwidth. No, that's out of scope. No, we need a design doc first. The No Engineer was valuable for 50 years. Every "no" saved real money. Their judgment was the rationing system.

LLMs will be the end of code rationing. Code is cheap now. And while the No Engineer is explaining why something can't be done, the Yes Engineer has already shipped three versions of it.

If you're a Yes Engineer, the next decade is yours.

На прошлой неделе весь твиттер спорил вокруг тейка очень умного инженера, архитектора в Nvidia, и автора гугловых TPU.

Если кратко, то суть такая: раньше самыми ценными были разработчики, которые умели говорить "нет", и таким образом сохранять деньги бизнеса, а вот ближайшие 10 лет намного ценнее будут те, кто наоборот говорит "да", и быстро-быстро пилит все с AI.

Все разумные люди, конечно же, возражали правильными аргументами:

👉То, что писать код теперь дешево, не делает дешевой его поддержку.
👉Если написать код ничего не стоит, то скорее всего и бизнесового смысла от этого будет немного.
👉Код делает дорогим не время на его написание. Дорогим становится плохой код, не решающий реальных проблем, или лишний.
👉Добавлять фичи всегда было дешевле, чем удалять их после.

Мне тоже, конечно же, в первую очередь хотелось поворчать на такой тейк. Но если немного подумать, то все-таки большое зерно истины там есть.

Лучший способ проверить какую-то идею на жизнеспособность – это провести эксперимент, а не спорить о ней на душном митинге. Чем больше идей мы проверили, тем больше шансов у какой-то из них на успех. Раньше мы пытались ускорить эксперименты в довольно ограниченных кусочках продукта – например, внедряя штуки вроде Backend-Driven UI в мобильных приложениях, который позволял очень сильно сократить цикл выкатки эксперимента. Или давая в руки продактам инструмент для быстрого запуска A/B тестов на небольшие изменения в лэйауте фронтенда.

Сейчас у нас в руках гораздо более мощный инструмент, который потенциально позволяет получить аналогичное ускорение цикла экспериментов в любой части системы. Компании, которые научатся его использовать, в среднем окажутся в более выгодном положении перед теми, кто не научится.

Поэтому на мой взгляд, правильный тейк звучит иначе – самыми ценными будут те разработчики, которые могут построить архитектуру проекта и систему оркестрации агентов таким образом, чтобы дальше сотни "yes engineers" могли спокойно катить кучу экспериментов не ломая основные сценарии, имея возможность все их быстро откатить, и не нарушая общих контрактов. Короче говоря, проектировать систему, которая говорит "нет".

🚀 Как продакту ускорить свою работу с AI — учимся на Podlodka Product Crew

Едва ли среди читателей этого канала найдется человек, который ни разу не применял AI в работе. Но есть разница: пользоваться базовыми промптами для генерации текстов и аналитики данных, или же создать рабочую систему из инструментов на основе AI.

Команда конференции Podlodka Product Crew открывает новый сезон — «AI-инструменты продакта». Он пройдет с 18 по 22 мая.

В течение недели участники познакомятся с экспертами, которые с помощью AI ускорили продуктовый цикл в разы, причём на всех этапах: от проверки гипотез и создания PRD до пользовательской аналитики.

На конфе выступят как известные в сообществе визионеры AI — например, Глеб Кудрявцев и Влад Терзи, так и продуктовые практики из ведущих российских компаний и активно развивающихся зарубежных стартапов.

👀 В программе:
— исследование с AI: от анализа до синтеза интервью,
— прототип или сервис за вечер,
— аналитика через AI-агентов,
— AI-агенты для мониторинга,
— внедрение AI в команду.

И это ещё не всё — программа дополняется! Формат такой: 5 дней, 10 сессий с демо и практикой и закрытое комьюнити в Telegram.

Отдельный плюс — цена: заметно ниже привычных конференций, при этом контента много, а новые знания можно сразу же приземлять на свои задачи.

🔗Если хотите увидеть, как продакт-менеджеры применяют AI-инструменты, ускорить свою работу и принести больше пользы бизнесу, ловите ссылку с early-bird билетами: https://podlodka.io/productcrew