Карьера в IT-индустрии

Небольшой мысленный эксперимент на стыке машинного обучения и продуктового менеджмента. О том, почему одна и та же задача «определить, что нужно клиенту» может выглядеть по-разному со стороны product'а и data scientist'а. Разбор на примере корпоративного ДМС, где у одного контракта сразу три стейкхолдера с разными работами.

Вводная: почему эта тема вообще возникла

Я много лет проработала начальником управления аналитики в страховой компании, а сейчас прохожу курс Ивана Замесина по Advanced JTBD. В какой-то момент на воркшопе меня зацепила структура, которую он назвал «графом работ» — и я поймала себя на мысли, что она похожа на знакомую мне из Data Science модель. Только с противоположным назначением.

Дальше — разбор этого наблюдения. Статья рассчитана на аналитиков, продактов и тимлидов, которые работают с корпоративной аналитикой и задумываются о том, что именно они измеряют и зачем.

Почему Фрейд и квантовая механика объясняют бизнес-решения лучше, чем большинство MBA-курсов

Я пришла в психоанализ из топ-менеджмента в IT. Последние 4 года я развиваюсь в психоанализе: как в частной практике, так и в B2B. Я практик до мозга костей и поэтому все получаемые знания сразу переношу на понятные мне бизнес-структуры. И чем дольше я работаю на стыке этих двух миров, тем отчётливее вижу одно и то же: когда бизнес буксует, он ищет причину не там.

И причина лежит не в стратегии, не в рынке, не в конкурентах.

На майских удобно проверять не только мангал, но и своё состояние. В тексте — несколько простых мини‑тестов, которые помогают отличить усталость от выгорания, и шаги, с которых можно начать изменения без «уволиться прямо сейчас».

Четвёртая статья из серии. Предыдущие: манифест, итерация 0, итерация 4 убита.

В прошлом посте я закончил так:

> Эту работу агент не сделает. Реализовать — сделает. Придумать — моя задача.

С того поста — 20 часов и 20 коммитов. На код пришлась небольшая часть. Основная — на методику.

Что не сработало в первой версии

Схема была такая: пользователь отвечает → маленькая LLM классифицирует «вопрос + ответ» в массив сигналов с весами → сигналы накапливаются → детерминированный код назначает карту по порогу.

Технически рабочий пайплайн. Я его удалил, потому что прошёл диалог сам и увидел: это анкета, не зеркало. Адаптивный вопрос на основе предыдущих ответов — механизм, не методика. Разница примерно как между «у меня есть весы» и «я знаю, что взвешивать и почему».

Что такое методика в моём случае

Сегодня я хочу вам рассказать интересную историю из своей жизни про аутстафф. Когда я только начинал карьеру, я попал на стажировку в одну аутстафф-компанию. Проходил я ее 3 месяца, и после успешного завершения спустя месяц попал на проект... мидлом с 4 годами опыта.

Эта статья - про ад и слезы. Про реальный опыт.

Сейчас есть люди, которые без опыта ставят себе 3-4 года и идут покорять горы, думая, что все это очень легко. Конечно, в мое время еще не было ChatGPT, AI-агентов и всего такого (говорю прям как дед), было сложнее. Но дело не в инструментах, а в желании и стремлении. А еще в умении не сломаться, когда на тебя орут, ты ничего не понимаешь, а заказчик думает, что ты мидл с 4 годами опыта.

Сейчас я расскажу, как я не сломался. Хотя был близко. Очень близко.

Поехали!

Мы уже создали «труд без работника». Следующий шаг — «разум без прав» или «чувства без свободы». Зачем нам чувствующий ИИ на Земле, не станет ли он экзистенциальной угрозой, и почему апгрейд собственного мозга может быть безопаснее создания «других»? Размышление на стыке этики, ИИ и эволюции человека.

Разобрал доклад Anthropic «Prompting 101» и собрал из него рабочую схему сборки промптов. С веб-сервисом и готовым Project для Claude.ai

Когда мы говорим "рабство", мы почти автоматически думаем о прошлом. О чём-то варварском, давно преодолённом и морально недопустимом в современном мире. Рабство – это люди без прав, вынужденные работать на других, не имея возможности отказаться.

Но давайте на секунду отвлечёмся от эмоций и посмотрим на сухие признаки.

Сущность, которая:

- выполняет работу вместо человека
- полностью подчиняется владельцу
- не требует оплаты, отдыха или условий
- может быть масштабирована практически бесконечно

Звучит как описание из учебника истории.
Или как описание современных ИИ-агентов.

В 2026 году вакансий, связанных с ИИ, большими языковыми моделями и агентами, стало заметно больше и в России, и за ее пределами. Технологические компании, банки и даже обычный enterprise поняли, куда движется индустрия, и начали срочно внедрять ИИ в продукты и внутренние процессы.

Если открыть hh.ru, LinkedIn или Telegram-каналы с вакансиями, легко увидеть набор ролей, которые постоянно пересекаются по описанию и требованиям.

Python уже не просто язык для скриптов и Data Science — в 2026 году он стал «клеем», который связывает микросервисы, тесты и CI/CD в Java‑проектах. Как получилось, что даже консервативные Java‑разработчики всё чаще пишут интеграционные тесты на pytest, запускают контейнеры с Testcontainers и рулят пайплайнами в GitHub Actions с помощью Python‑скриптов?

В этой статье разбираем три реальные причины популярности Python. Если вы до сих пор считаете, что Python не для вас — возможно, это изменит ваш взгляд на инструменты.

В IT профессиональный рост редко упирается только в мотивацию: чаще мешают разрозненные знания, нехватка времени на системное изучение темы и ощущение, что технологии меняются быстрее, чем получается в них разобраться. В этом дайджесте собрали демо-уроки мая по ключевым направлениям — от разработки, архитектуры и инфраструктуры до ML, аналитики, тестирования, ИБ и управления.

Это возможность посмотреть, как практикующие эксперты разбирают актуальные темы вроде Go, Kubernetes, LLM, ClickHouse, DevSecMLOps и AI-агентов, задать вопросы и понять, какие навыки стоит подтянуть дальше.

Google купил DeepMind за $650 млн, не увидев ни одного коммерческого продукта, и не прогадал. Команда DeepMind создала отличную текстовую модель Gemini и фотогенератор Nano Banana Pro. Он считался лучшим в мире на протяжении полугода.

Как Демис Хассабис создал DeepMind и кто ему помог, давайте разбираться.

Это рубрика досье SpeShu.AI. Здесь мы составляем психологические портреты людей, которые ведут всех нас в будущее искусственного интеллекта и прямо сейчас меняют мир, как в своё время изменили Лейбниц, Эйнштейн и Курчатов.

Для большинства технарей первый созвон с HR — это своеобразный налог на поиск работы. Неизбежное препятствие перед тем, как вас пустят поговорить с «нормальными» ребятами про архитектуру и реальные задачи. Отсюда — сарказм, раздражение и заваленные скрининги.

Вы можете быть гениальным сеньором, но если на первичном интервью вы покажетесь конфликтным, до техлида ваше резюме банально не дойдет. В этой статье разбираем 5 главных «красных флагов», которые пугают рекрутеров до нервного тика, и учимся отвечать на их бесячие вопросы — честно, адекватно и без ущерба для карьеры.

В последнее время у меня ощущение, что на рынке разработки что-то «сломалось».

Нанимают как будто бы только сеньоров. Требования на сеньора ниже, чем на джуна, с учетом конкуренции. Из-за этого опыт начинают крутить почти все новички: те, кто не делает этого сразу, часто не находят работу и в итоге приходят к тому же.

Можно представить, что это новая система сдержек и противовесов, где все врут, знают об этом, и в итоге оцениваются реальные знания. Но нет: оценивается только умение себя подать, подстроиться под все искусственные барьеры, не связанные с реальностью.

Моя интуиция подсказывает, что есть ребята с небольшим опытом, но умеющие писать код и справляться с большинством задач.

Стажировка перевалила за экватор. Вы вроде бы исправно закрываете таски, фиксите несложные баги и стараетесь не ронять тестовый стенд, но уверенности в заветном оффере — ноль. При этом вы замечаете, как одного стажёра с радостью забирают в штат, а с другим вежливо прощаются, хотя код они, казалось бы, писали примерно на одном уровне. Почему так происходит?

Давайте начистоту: бизнес нанимает джунов не ради их текущих навыков, а ради потенциала. Под катом — 5 практических советов (от «правила 30 минут» до дневника достижений), которые помогут выстроить работу так, чтобы в конце стажировки тимлид сам пришел к вам с предложением о работе.

Выявить уязвимость до того, как ею воспользуются злоумышленники, разобраться в тонкостях безопасности информационных систем, освоить инструменты пентестеров под руководством опытных наставников — всё это можно попробовать на практике на стажировке в DSEC by Solar. Ждем ваши заявки до 10 мая!

Tinder — это хороший пример system design задачи, где нужно быстро формировать ленту кандидатов, учитывать геолокацию и пользовательские предпочтения, а также надёжно обрабатывать свайпы и совпадения. В статье разберём архитектуру такого сервиса и узкие места, которые появляются при росте нагрузки.

Всем привет! На связи Снитч. Формально — собака, по факту — наблюдатель. Иногда кажется, что я единственный в этом доме, кто по-настоящему понимает, как всё устроено: где лежат вкусняшки, когда пора гулять и почему люди так любят усложнять простые вещи.

Хотя эта история из 2023 года, она всё ещё актуальна. Эти заметки я нацарапал тогда (лапами, не судите строго). Мы с моими людьми — Сашей, она отвечает за поддержку корпоративных клиентов и клиентский сервис в ЮKassa, и Витей, он говорил, что занимается продуктом в ЮKassa, — решили проверить одну гипотезу. Можно ли одновременно работать, ехать куда-то далеко и при этом не превращаться в выжатый лимон? Ну и заодно — каково это, путешествовать с собакой (спойлер: нормально, если собака — я).

Маршрут был такой: Нижний Новгород → Санкт-Петербург → Карелия → Нижний Новгород.

ИИ-агенты пишут код быстрее человека, но кто поручится, что они не устроят cascading failure? Разберем, как в реальном проекте совместить инженерный опыт, архитектурные шаблоны и автономных агентов, чтобы получить работающий функциональный узел, а не груду классов-переростков. Вы увидите подготовку фундамента, декомпозицию задач, диаграммы и тот самый момент, когда ИИ нужно жёстко одёрнуть.

Более 13 лет я работала в финансовом управлении МВД Санкт-Петербурга, руководила отделом и занималась крупными государственными процессами. У меня было два высших образования, стабильная карьера и понятный профессиональный путь. Но в декрете все изменилось: волонтерство, новые люди, знакомство с IT и честное ощущение, что старая версия моей жизни закончилась. Так начался мой путь в разработку, а затем - в продукт.