Исследования и прогнозы в IT *

Когда я пришёл в Instameal, у нас был бэклог на сорок задач и ни одного чёткого критерия почему одно важнее другого.

Мы попробовали RICE. Потом ICE. Потом MoSCoW. Потом снова RICE с другими весами.

Проблема была не в том, что мы выбирали неправильный фреймворк. Проблема была в том, что мы думали: выберем правильный инструмент - и приоритеты выстроятся сами.

Не выстроятся.

Что такое каждый из трёх

RICE: Reach (охват) × Impact (влияние) × Confidence (уверенность) / Effort (усилия). Даёт цифру. Чем выше - тем выше приоритет.

ICE: Impact × Confidence × Ease. Проще, быстрее считается. Используется в growth-командах для быстрой оценки экспериментов.

MoSCoW: Must have / Should have / Could have / Won't have. Не числа, а категории. Используется для определения скоупа: что точно идёт в релиз, что - нет.

На бумаге выглядит логично. На практике каждый из них создаёт свою специфическую проблему.

Когда RICE вас топит

RICE создаёт иллюзию объективности.

Вы получаете число: 84.6. Задача с числом 84.6 важнее задачи с числом 71.2. Кажется, что это данные. На самом деле это ваши субъективные оценки, умноженные друг на друга и поделённые на другую субъективную оценку.

Confidence 80% - откуда? Reach 500 пользователей в месяц - это предположение или из аналитики? Impact «3» - кто решил что именно три?

В Instameal мы однажды потратили два часа на заполнение RICE-таблицы для восьми задач. В конце получили список. Топ-3 задачи в списке совпали ровно с тем, что интуитивно предлагал лид разработки до всего этого упражнения.

На Хабре сейчас высокая конкуренция среди авторов за внимание читателей. По данным самого Хабра, в 2025 году на сайте было более 10 тысяч уникальных авторов контента, а количество публикаций превысило 51 тысячу. Это означает, что даже качественный материал может не получить заметный охват из-за большого количества публикаций в ленте.

Есть распространённое мнение, что публиковать статьи нужно в предобеденное время, чтобы люди на обеденном перерыве могли почитать эти статьи, тогда охват будет максимальным. Но так как этого правила придерживаются многие, возникает высококонкурентная среда, где за час публикуются десятки статей. При этом публикации, размещённые ночью, также нередко набирают высокий охват, несмотря на ожидаемо низкую активность пользователей в это время.

Возникает вопрос:

Связано ли время публикации с охватом аудитории, и если да, то когда статьи набирают больший охват?

Поэтому я решил провести исследование:

На основе данных ленты Хабра проверить, связано ли время публикации статьи с её охватом, и определить временные интервалы, в которые статьи набирают больший охват.

Мы в Beeline Cloud решили продолжить тему увольнений, найма и кадровых перестановок, происходящих под «нейросетевым соусом». Часть компаний сокращает вакансии джунов, делая ставку на (почти фанатичное) использование ИИ в разработке — и тратит на токены больше, чем на «человеческий персонал». Другие идут «против течения» и, напротив, активнее набирают выпускников вузов на младшие позиции с целью обеспечить преемственность поколений. Разберем ситуацию и обсудим мнения!

Исследователи говорят, что трафик систем ИИ в интернете превысил человеческий. Скрейперы и краулеры собирают данные на сайтах для тонкой настройки или обучения новых моделей, а агентные системы выполняют действия от имени пользователя. Все это дало новый толчок теориям «интернет-апокалипсиса» о неизбежной кончине «человеческой» сети, в том виде, который мы знаем и любим. Разбираемся, что такое «теория мертвого интернета», что на этот счет говорят исследования и статистика, кто считает, что интернет «не умрет, но замерзнет» — и что со всем этим делать?

Систему менеджмента качества на предприятии часто воспринимают слишком узко: как набор обязательных процедур, журналов, форм, регламентов, протоколов, подписей и документов для аудита. В такой логике СМК существует рядом с реальной деятельностью предприятия: производство работает, склад принимает, закупки закупают, сервис обслуживает, ERP фиксирует документы, а система качества как будто отдельно ведёт свои формы и подтверждения.

Но у СМК есть гораздо более серьёзный потенциал. Она может быть не документальной надстройкой над предприятием, а живой инженерной моделью качества. Такой моделью, которая показывает, какие предметы качества регулируются, какие требования к ним предъявлены, какие процедуры должны быть выполнены, где в бизнес-процессах возникают события качества и какие доказательные записи подтверждают результат.

Проблема многих СМК не в том, что в них есть документы. Документы нужны. Проблема в другом: документы часто не соединены в предметную систему. Есть протокол, но не всегда видно, какой СМК-предмет он подтверждает. Есть журнал, но не всегда понятно, какое событие качества в нём зафиксировано. Есть процедура, но не всегда ясно, какая доказательная запись должна возникнуть после её выполнения. Есть архив, но не всегда понятно, какие требования реально закрыты, а какие только предполагаются закрытыми.

Именно здесь начинается предметно-ориентированный инженерный подход к СМК. Его суть в том, что система качества должна строиться не от папки документов, а от предметов качества, требований, единичных документированных процедур, событий качества, доказательных записей, реквизитов, статусов, маршрутов, приёмки и архива. То есть СМК должна отвечать не только на вопрос «какие документы у нас есть?», а на более строгий вопрос: какие предметы качества мы обязаны доказательно удерживать, какими событиями качества они подтверждаются и какие записи можно предъявить как доказательство?

В результате одного из множества обсуждений инфоповодов про поднятие цен на подписки и тредов связанных с экономикой моделей возник вопрос о цене токена:

Ниже какой цены токен в принципе не может стоить?

По идее в сухом остатке мы платим за амортизацию железа и электричество умноженное на время работы сервера и это, конечно же, не “реальная цена токена”, скорее нижняя граница, эдакий бэдрок, ниже которого токен физически не может стоить. Чтобы упростить расчёт решил не учитывать обучение моделей, зарплаты, аренду, маркетинг, юридические услуги и прочие прелести бизнеса.

Но давайте обо всём по порядку.

Сейчас мы в процессе взрывного роста кода, когда каждый гуманитарий пишет свой фреймворк или соцсеть. Взрыв велосипедостроения в коде похож на Кембрийский взрыв, огромное количество ползающих и летающих фубля.

В The New York Times в разделе "Мнения" вышла шикарная статья профессора компьютерных наук Джорджтаунского университета Кэла Ньюпорта под названием "Dear A.I. Companies, the Doom Trolling Needs to Stop".

Мне очень откликается мысль, которую пытается донести автор: одной рукой главы ИИ-компаний вливают огромные деньги в исследования и развитие ИИ, а другой - рассказывают, что нам всем скоро конец, ИИ будет править миром и это надо срочно остановить.

Тема эффективности в IT не теряет актуальности, и обсуждения последнее время становятся только горячее. Несмотря на зрелость индустрии в целом, кажется, до сих пор нет единого и стандартизированного понимания о том, что считать по-настоящему эффективной работой. Для многих компаний разработка по-прежнему остается «черным ящиком», в который вливаются большие деньги при не всегда прозрачном и предсказуемом результате. 

Попробуем погрузиться в вопрос и понять, какие подходы помогают приблизиться к адекватной оценке эффективности разработки так, чтобы при этом не навредить команде и разработчикам. 

Работая более пятнадцати лет в области приборостроения и видя происходящие в отрасли изменения, особенно в последние годы, я не мог не задаться вопросом, куда мы идём и что делается для исправления сложившейся, мягко говоря, неприятной ситуации.

Вынужденный поворот от разработки изделий на иностранных комплектующих к российской элементной базе проходит настолько «со скрипом», что «де‑факто» многие ведущие разработчики используют параллельный импорт в областях, где ничего российского не существовало со времён СССР.

Особенно плохо дело обстоит в области микроэлектроники. Если дискретные элементы мы худо‑бедно научились производить, то производство микроэлектроники в России ровно одно, и на текущий момент оно устарело морально и технически. Не говоря уже о том, что изначально было создано полностью на зарубежных технологиях, на которые теперь даже комплектующие не купить.

Привет, Хабр!  Меня зовут Александр Сахаров, я Член Правления и директор по работе с технологическими партнерами компании «Диасофт».

Недавно провели Летний день для клиентов и партнеров – на нем мы представили наше видение ИИ трансформации процесса разработки ПО и провели демонстрацию новой AI Driven версии нашей Экосистемы Digital Q.

Ключевая мысль: уже этим летом любая команда разработки может скачать с сайта Экосистему Digital Q и начать выпускать ПО высочайшего качества со скоростью в 10 раз быстрее, чем сегодня.

Будущее возникает не только из технологий или новых ограничений в цифровом пространстве.

Оно возникает и из способов, которыми люди учатся жить рядом с ними.

Например VPN, саморедактура для снижения рисков, лайки вместо ответов, mute вместо постоянной доступности. Это помогает пройти, говорить, оставаться на связи, в общем помогает продолжать движение там, где прямое и живое прохождение стало труднее.

Но со временем, то что было временной адаптацией может начать восприниматься как естественный порядок вещей, как новая Nорма.

Google DeepMind, ведущая исследовательская организация в области искусственного интеллекта (среди её известных работ: AlphaGo, AlphaFold, AlphaZero), 10 июня 2026 года публикует исследование о путях достижения ASI, системы, превосходящей по интеллекту и когнитивным способностям крупные организации людей. Не исключено, что Google DeepMind планирует уже в этом, 2026-м году выкатить нечто интересное в области ИИ. Не одному же Антропику срывать лавровые (и терновые)...

Статья представляет собой сборник методов, драйверов, рисков, узких мест развития нейросетей и посвященных этому вопросу работ на 2026 год. Интересно, что в первом же пункте исследования даются инструкции для человека, как сделать нужные выжимки с помощью LLM, и для LLM, которой получено сделать резюме текста. Но мы, сторонники старой школы чтения лонгридов, прочитаем этот текст до конца, ибо он того стоит...

Anthropic (создатели Claude) провели, пожалуй, самое масштабное качественное исследование об отношении людей к ИИ. 80 508 человек из 159 стран на 70 языках поговорили с «Anthropic Interviewer» (специальной версией Claude) о своих надеждах, страхах и реальном опыте.

В 1915 году Владимир Иванович Вернадский запустил проект, который сегодня назвали бы национальной базой данных ресурсов. Без компьютеров и цифровых технологий комиссия КЕПС собрала сведения о недрах, лесах, водах и энергии страны, заложив основы подхода «сначала данные, потом решения».

Сейчас 2026 год.

Если считать грубо, я уже около 30 лет занимаюсь ИТ — в разных формах, с разными технологиями, задачами, проектами, людьми и уровнями сложности. За эти годы было многое: автоматизация, архитектура учёта, 1С ERP, бизнес-процессы, проекты, внедрения, дедлайны, ночные запуски, жёсткие согласования, кризисы, развороты, перегрузки, удачные решения и длинные периоды, когда жизнь шла в режиме «ещё чуть-чуть, и станет легче».

И вот в какой-то момент я поймал себя на простой, но неприятной мысли.

Я оборачиваюсь назад на эти 30 лет и спрашиваю себя: что это было?

Внешне всё понятно.
Годы прошли.
Проекты сделаны.
Этапы закрыты.
Системы внедрены.
Что-то получилось.
Что-то не получилось.

Но внутренне ответ оказывается далеко не таким простым.

Потому что если убрать всю официальную хронологию — даты, проекты, договоры, внедрения, переходы, должности, результаты, — остаётся другой вопрос: а как я вообще прожил это время?

Не по календарю.
Не по проектному плану.
Не по диаграмме Ганта.
А по факту собственной жизни.

И тут возникает второй ход, ещё более жёсткий.

Я мысленно прибавляю к сегодняшнему моменту ещё 30 лет вперёд.

И мне это уже не нравится.

Потому что в этой точке вопрос становится предельно простым и предельно неприятным. Мне будет 83 года. Это уже не абстрактная перспектива. Это уже прямое упирание в окончание собственной жизни. И я не хочу отодвигать этот вопрос красивыми формулами, бодрыми лозунгами или профессиональной суетой.

Я смотрю вперёд и понимаю: если следующие 30 лет будут устроены так же, как были устроены предыдущие, то вопрос становится слишком жёстким.

Весь этот шум вокруг AI заставляет задуматься, а выживут ли традиционные интерфейсы с окнами и кнопками. Не окажется ли, что через несколько лет основным интерфейсом станет одна умная строка, в которую мы просто пишем или говорим, что хотим получить? Я думаю, что графические интерфейсы не исчезнут. Но они изменятся — как уже менялись не раз.

Графические интерфейсы не убили командную строку, смартфоны не отменили десктоп, а голосовые помощники не заменили приложения. Каждый новый интерфейс не столько стирает предыдущий, сколько забирает себе часть сценариев. В этой статье посмотрим, как менялись интерфейсы, чем они сильны и почему умная строка, скорее всего, станет не заменой графического интерфейса, а его новым слоем.

Привет, Хабр! В 2010-х появился термин «бигтех» и акроним FAANG — так называли крупнейшие технологические компании, стоявшие за потребительской революцией в интернете. Но с развитием ИИ ландшафт поменялся: четыре из пяти гигантов не успели за новым трендом, и им на смену пришли другие. Этот сдвиг пытаются закрепить новым акронимом — MANGOS (Microsoft, Anthropic, Nvidia, Google, OpenAI и SpaceX).

Три из этих компаний сейчас выходят на публичный рынок. SpaceX уже влетела с ноги на биржу, следом идут Anthropic и OpenAI. Обычно каждую из них и их IPO разбирают по отдельности, но интереснее взглянуть на картину целиком: как формируется ИИ-тех, зачем компании выходят на биржу, чем они отличаются, что их ограничивает и на что они потратят миллиардные инвестиции.

Внедрение ИИ в бизнес‑процессы подарило компаниям надежду получить недвусмысленные подтверждения роста производительности труда. На поверку оказывается, что ИИ помогает некоторым сотрудникам стать более эффективными, но это никак не сказывается на прибыли компаний. У такой реинкарнации классического парадокса Солоу есть не только экономическое, но и психологическое объяснение. Особенности взаимодействия с ИИ таковы, что человек действительно оказывается «бутылочным горлышком», но при этом по‑прежнему остается носителем уникальной доменной экспертизы.

Есть тема, которую не принято открыто обсуждать: дашборды и отчеты - инструменты визуализации данных, которые позволяют осознанно манипулировать решениями пользователей.

Каждый раз, когда вы выбираете, что поставить первой карточкой на дашборде, размер и цвет шрифта, как сформулировать заголовок или описание той или иной цифры, как и когда презентовать отчет, осознанно или нет, вы влияете на решения заказчика.

Занимаясь коммерческой аналитикой, я пришел к выводу, что большинство дашбордов показывают субьективную интерпретацию данных. Иногда интерпретация строится в пользу заказчика, иногда в пользу разработчика или того, кто за ним стоит.

В своей статье я описываю несколько важных механизмов, которые сильнее всего воздействуют на пользователей дашбордов.