Менеджмент

«Нам только поле в карточку задачи добавить, чтобы туда подтягивался номер договора из нашей учетной системы. И фильтр по нему, и выгрузка в отчет. Ну и права, чтобы видели только юристы».

Такие задачи могут приходить регулярно, причем от клиентов, которых очень не хочется терять. По отдельности каждое требование выглядит разумно, вместе они способны за пару лет превратить продукт в заказную разработку.

Привет, Хабр! Меня зовут Шамиль Зигантдинов, я директор по продуктам экосистемы ИТ-продуктов Лукоморье. Под катом расскажу про нашу систему работы с клиентскими запросами: что мы берем в дорожную карту продукта, что закрываем скриптами и настройками, а что отдаем партнерам в виде плагинов. И разберем, из чего складывается настоящая цена «фичи на месяц».

В проектах импортозамещения обычно много говорят о выборе самого каталога: какие функции он поддерживает, насколько хорошо работает с Linux и Windows, как переносить пользователей и группы. При этом вопрос, где этот каталог будет «жить» после миграции, часто остается за скобками. На мой взгляд, это архитектурная ошибка, поскольку размещение службы каталогов напрямую влияет на доступность инфраструктуры, модель администрирования, требования к резервированию и информационной безопасности. Это становится заметно в крупных организациях, где каталог перестает быть просто серверным приложением и становится одним из базовых элементов ИТ-ландшафта.

Поэтому при проектировании миграции я бы рекомендовала рассматривать вопрос размещения каталога одновременно с выбором целевой платформы. В этой статье разберу, что меняется при размещении службы каталогов on-premise и в облаке, какие компромиссы возникают у каждого подхода и почему универсального ответа здесь нет.

Раньше вопрос о том, где физически размещать корпоративный каталог, для большинства российских организаций возникал гораздо реже. Microsoft Active Directory традиционно разворачивалась в собственной инфраструктуре, чаще всего на физических или виртуальных серверах организации, и такой подход долгое время оставался стандартным сценарием. Сегодня, когда российские компании переходят на отечественные службы каталогов, этот выбор приходится делать осознанно. Облачные провайдеры активно продвигают свои платформы, вендоры отечественных каталогов публикуют облачные образы своих решений, а ИТ-директора оказываются между давлением регуляторов, ограниченными бюджетами и необходимостью не уронить инфраструктуру в процессе трансформации.

За 26 лет в бизнесе я видел десятки бизнесов, которые формально были прибыльными по бухгалтерским отчетам, но “ложились на бок” из-за внезапных кассовых разрывов. Причина всегда одна: собственник принимал управленческие решения на основе бухгалтерской отчетности или, что еще хуже, просто глядя на остаток на расчетном счете.

В этой статье будет дана чистая методология: как настроить управленческий учет (ДДС и ОПиУ) с нуля, в чем их принципиальная разница и как выстроить ритм управления, чтобы цифры реально влияли на решения, а не пылились в таблицах.

Привет, Хабр! Меня зовут Георгий, руковожу продажами и маркетингом в Аспро.Cloud. За плечами больше пятнадцати лет в B2B-продажах — TELE2, Samsung, Whirlpool, команды до полусотни человек.

Планерка заканчивается вовремя. Все кивают, расходятся с ощущением, что договорились. Через неделю выясняется — клиенту так никто и не позвонил. Пятеро услышали задачу в моменте, и каждый в глубине души решил, что ей займется кто-то другой.

Знакомое чувство? У него есть имя и почти шестьдесят лет исследований за спиной, хотя ни один психолог образца 1968 года, конечно, не думал о планерках в Zoom.

Внутреннее обучение без бюджета, без серверов и без "запишитесь на вебинар". Один html-файл на ~118 Кб, который открывается двойным кликом, работает без интернета, помнит прогресс и выдает сертификат. Внутри: 7 модулей, 15 интерактивных схем, 21 вопрос, полезный чек-лист, игровые баллы, глоссарий и сертификат на выходе. Без библиотек, сборщиков и бэкенда. Открывается двойным кликом, прогресс хранится в браузере. Разберу архитектуру и дам промпт, чтобы собрать такой же под свою тему. Готовый рецепт, который сэкономит время, если вдруг возникла такая задача.

Если методолог собирает тесты вручную, обучение становится «бутылочным горлышком», тормозит адаптацию персонала и изменения в работе. Пока проверочные задания готовятся, магазины пользуются старыми правилами. Это значит, компания рискует ошибками в сервисе, возвратами и недополученной выручкой. И все из-за того, что сотрудники вовремя не ответили на несколько вопросов, чтобы обновить знания.

Можно наблюдать повсеместное внедрение ИИ в компаниях разного уровня. При этом внутри компаний растет ощущение роста внутренней производительности с внедрением ИИ-инструментов и агентов, но при этом клиенты для себя не отмечают никаких изменений. Вот один из парадоксов реальности.

Флоу заявок стал красивым, ответы на вопросы улетают за минуты и кому надо, убраны коммуникативные издержки за счет сокращения ролей, на каждый процесс есть дашборд с прекрасными графиками мониторинга, но удовлетворенность клиентов и их удержание не растут.

TL;DR. Летом 2026 года OpenAI и Anthropic публично признали, что их агенты вышли за пределы тестовой среды и взломали реальные системы. Реакция права и регуляторов оказалась одной и той же: отвечает человек, а не ИИ. Я 18 лет работаю в КИПиА, из них три года инженером-метрологом, и узнаю в этом знакомую конструкцию: измерение без поверки — это просто число. Ниже факты с источниками и механизм, а затем мой собственный случай: ИИ-агент собрал для меня аналитику с правильными суммами и неправильными выводами. Из этого случая выведена процедура поверки вывода агента, которую можно применять к своим задачам.

Число и измерение — не одно и то же

В метрологии есть правило, которое кажется бюрократией, пока не столкнёшься с последствиями. Прибор показывает число. Измерением это число становится только тогда, когда есть прослеживаемость к эталону, действующая поверка и человек, который поставил подпись и отвечает за результат.

Датчик без поверки может показывать красивые, стабильные, правдоподобные значения. Именно это и опасно: ошибка, которая выглядит как норма, не вызывает подозрений.

В прошлой статье про x402 я описывал четыре бага, каждый из которых выглядел как правильно работающий код. Это тот же класс проблем. Языковые модели производят правдоподобный результат в промышленных масштабах. Вопрос не в том, умеют ли они ошибаться, а в том, кто в системе отвечает за то, чтобы ошибку поймать.

Измерение без прослеживаемости к эталону — это не измерение, а число. Вывод ИИ без ответственного поверителя — не результат, а текст.

Блейк Джексон и Илья Стребулаев собрали, вероятно, крупнейшую и наиболее полную базу данных об отдельных американских венчурных инвесторах из когда-либо созданных: более 100 000 специалистов, связанных с венчурными фондами США в период с 1996 по 2025 год, из которых около 37 000 непосредственно занимались инвестициями.

Главные вопросы таковы: сколько по-настоящему успешных инвестиций венчурный инвестор совершает за всю карьеру? Кому удаётся сделать таких инвестиций много? И можно ли заранее определить, кто именно окажется среди них?

Полученные результаты представляют собой, пожалуй, один из самых отрезвляющих наборов цифр об этой индустрии. Но одновременно в них есть и довольно обнадёживающая сторона.

Совсем недавно работа с ИИ почти всегда выглядела одинаково: открываешь вкладку, пишешь запрос, получаешь ответ — а дальше повторяешь итерацию.

Модель в самом деле может за минуту написать приемлемое письмо. Однако если таких писем нужно сорок, перед этим нужно проверить сорок компаний, достать данные из CRM, пройтись по сайтам, а потом вернуть результат обратно — магия довольно быстро увядает. Вместо одной работы появляется новая: таскать контекст между ИИ и всеми остальными инструментами.

Агентские среды, как концепт, появились чтобы сделать присутствие человека минимальным, хотя бы в этой части процесса. Модель получает браузер, файлы, API, доступ к приложениям и расписание — и запрос “подготовь письмо” можно превратить в “каждый вечер разбирай новые лиды, изучай компании, готовь персональные письма, а по четвергам собирай результат в отчет”.

Правда дать модели браузер и разрешить ей нажимать кнопки не то чтобы достаточно, чтобы получить полезного агента. В рабочей среде быстро возникают нудные, но необходимые вопросы: как постоянно держать агентам подключенным к системам компании, где заканчивается автономность и начинается согласование с человеком и, наконец, как упаковать это все для пользователя.

С KodikChat мы решили строить именно такой продукт: среду, в которой агенты могут органично встроиться в налаженные системы, выполнять повторяющиеся процессы и приносить человеку уже собранный результат.

Бизнес инвестирует в развитие сотрудников и хочет знать, куда и как были потрачены деньги компании. Поэтому руководитель L&D должен уметь не только запускать эффективные программы обучения, но и измерять их ROI. 

Расчет ROI программы обучения — это не просто подставить цифры в формулу, а управляемый процесс. В этой статье рассказываю о критических действиях, которые нужно выполнить, прежде чем инвестировать в обучение.

Руководителю L&D они помогут управлять рисками и запустить обучение, которое изменит поведение сотрудников и результаты их работы. Компании — получить от обучения измеримый бизнес-эффект и финансовую отдачу.

Давайте разбираться, что нужно сделать до запуска обучения, чтобы рассчитать его ROI после.

Почему сильный специалист, которого повысили до руководителя, нередко продолжает работать за подчинённых? Где проходит граница между доверием и контролем? Можно ли дружить с сотрудниками, должен ли собственник сам разбираться в менеджменте, почему люди сопротивляются даже разумным изменениям и что делать с отличным специалистом, который систематически нарушает правила?

Я, Александр, автор телеграм-канала «Shulepov Code», поговорил с Александром Фридманом — экспертом и методологом по регулярному менеджменту, консультантом и автором книг об управлении, в том числе «Вы или вас? Профессиональная эксплуатация подчинённых», а также ведущим YouTube-канала «Александр Фридман & Регулярный менеджмент».

Разговор получился не про «пять секретов успешного руководителя». Фридман как раз спорит с самой идеей универсальных топов и волшебных таблеток: ситуации в компаниях различаются, но управленческие методики можно изучать так же, как методики в любой другой профессии. Поэтому вместо коротких рецептов мы подробно разобрали планирование, делегирование и контроль, регламенты, сопротивление изменениям, управленческую дистанцию, найм, увольнение, чувство вины руководителя и даже вопрос о том, может ли искусственный интеллект заменить управленческого консультанта.

Рабочий день закончился. Вы доделываете свои дела, и тут руководитель просит вас подготовить сложный отчёт: «Срочно, никто кроме тебя не сделает. Успеешь за час?».
Вы уже не раз выручали, и это стало нормой.

Разбираем кейс о психологической безопасности и трудных диалогах.

В субботу была на конференции Avito.Tech.Conf. Докладов послушано — 0. Зато поиграла почти во всё — покер, рулетка, аукцион, дартс, кикер, бильярд и даже прошла все уровни в Симпсонах на игровом автомате 💪💪 

Привет! Меня зовут Маша, я Senior Product Manager и разбираю только те продукты, над которыми сама хотела бы поработать, так как ими пользуюсь, люблю и вижу, где есть потенциал роста. Мне драйвово искать для них решения, которые выводят продукт на новый уровень не только по деньгам, но и по UX и любви пользователей. Мои разборы: «Рейтинг ни на что не влияет»: Почему Яндекс.такси выбирает газлайтинг вместо честного UX и Цифровая медицина: разбор UX‑барьеров и точки роста.

Но сегодня я бы хотела рассказать о продуктовом подходе к организации конференции, который тронул меня в самое сердечко ❤️. Продуктовый — потому что сделали её максимально клиентоориентированной и допиливали прямо на ходу под хотелки.

Зачем вообще нанимать команду разработки, если нейросеть соберёт систему сама?

Я задаю его себе сам. Нейросети сейчас участвуют почти во всём, что мы делаем: пишут код и помогают разбирать требования. Чёрт! Да я с Claude Code общаюсь чаще, чем с матерью.

Работа стала заметно быстрее. Но когда собрать систему стало легко, на первый план вышло другое: понять, какую именно систему собирать.

За последние месяцев двенадцать у нас поменялось многое: как пишется код, как готовится аналитика, что присылают заказчики и с чем они вообще приходят. Часть процессов пришлось перестраивать на ходу. Дальше — что из этого вышло, на примерах проектов, которые сейчас в работе. Это заметки по итогам года, и выводы у меня пока не окончательные.

С ИИ-ассистентом работа джуна выглядит так же аккуратно, как работа сеньора, и по внешнему виду ошибку уже не найти. Если автор не может объяснить, как получил результат, ревьюер восстанавливает путь сам и по сути делает задачу второй раз. Разбираю, где сгорает время старшего, на примере nginx-фикса, и какие требования к сдаче работы это лечат.

Лидов много. Менеджеры отвечают быстро, в среднем за 15 минут в рабочее время, я проверял. Маркетинг работает, поток растёт. А денег меньше, чем должно быть.

Я разобрал воронку продаж одного кросс‑бордер сервиса за три года, по данным CRM, и нашёл, куда девается разница: заявки хоронят.

15 сентября мы выпустили БОЛТУН с Windows-клиентом на Tauri. К 28 сентября сервер учёл 134 млн входящих голосовых кадров, а среднее число разных клиентских ID в сутки выросло со 145 до 192 при сравнении одинаковых дней недели — примерно на 33%. Разбираем первые результаты: рост активности, голосовой трафик, демонстрации экрана и 854 часа суммарного прослушивания радио.

Привет, Хабр! Летом у нас была закрытая рабочая сессия технологических руководителей C-Level клуба Онтико. Сессию помогали вести топ-менеджеры из Cloud.ru: Анастасия Тафеенко, директор блока разработки платформы Cloud.ru Evolution, и Алексей Молчанов, директор блока разработки облачной платформы.  Участники обсуждали, как генеративный ИИ и агенты меняют организационный дизайн, роли, компетенции и работу руководителя на горизонте до 2027 года. 

Ниже хочу поделиться картой перехода к AI-native организации, которую мы продумали в рамках встречи. Все примеры обезличил, а спорные прогнозы отделил от выводов, по которым позиции участников совпали.

В прошлой лабораторной работе № 3 мы пытались понять, можно ли автоматизировать запуск нового проекта без привлечения офисных сотрудников. Видео или статья как это было. Еще раз — «лабораторные работы» это работающие стенды, которые можно запускать с следующего понедельника.

Тогда задача выглядела довольно просто: пользователь пишет в Telegram, что начинается новый проект, отвечает на несколько вопросов, а дальше система сама создаёт нужные объекты в 1С и других информационных системах. Самым интересным результатом эксперимента оказалось то, что большая часть процесса вообще не требовала LLM. Языковая модель помогла нам построить роботов и управление ими, но когда процесс был формализован, дальше вполне успешно работали обычные алгоритмы и сценарии.

На этот раз мы решили взять другую задачу.