Карьера в IT-индустрии

За моей спиной 10 лет опыта в IT (внедрение SAP и оптимизация бизнес-процессов), и в этом году я решила кардинально поменять свою жизнь, уйдя из IT в коучинг (по стандартам ICF).

И тут началось самое интересное - негатив, с которым я начала сталкиваться, касательно этой профессии (с 1 января 2026 года профессия коуча официально включается в Общероссийский классификатор профессий (ОК 016–2025) под кодом 201869).

До того, как за коучинг (как профессию) взялись всерьез - слово “коуч” успело войти в моду и использовали его направо и налево. Любой человек мог назвать себя коучем и вкладывать в это свой произвольный смысл, который никто не контролировал. 

Так рынок заполонили “коучи”, обещающие легкие деньги, переворачивающие жизнь инсайты, быстрые результаты в чем угодно и все это без усилий. И коучинг в моей рациональной технической голове свелся к саркастической идее типа “Хочешь больше денег? Увеличь чек х2. С вас 50.000”.

Именно это было причиной моего скепсиса и страха разочарования, когда я только начала искать информацию о профессиональном коучинге. 

Но профессиональный коучинг по стандартам ICF (речь идет о международной федерации коучинга ICF) никак не связан с мотивацией, наставничеством или советами.    

Это методика работы с мышлением, основанная на нейронауке и психологии.

Сейчас профессия «коуч» официально внесена в реестр профессий, и человек, который называет себя профессиональным коучем, должен пройти обучение и подтвердить квалификацию. 

В отличие от психолога коуч не погружает в прошлое для исследования причин, ситуаций или ваших взаимоотношений с близкими, которые привели вас в текущую точку.

Введение: ловушка простых решений

Один очень хитрый математик организовал лотерею и пообещал выигравшему бесконечную сумму денег без всякого риска. Билет стоил 100 долларов. Народ повалил валом. Когда счастливчик, вытянувший выигрышный билет, прибежал за своим призом, математик объяснил ему, каким способом будет производиться выплата:

- Сегодня вы получаете один доллар, на следующей неделе еще 1/2 доллара, еще через неделю 1/3 доллара, и так далее... Эта история хорошо иллюстрирует современный рынок финансовых советов.

Не верьте пустым обещаниям тех, кто сулит золотые горы, невиданно высокие проценты, быстрые деньги и полное отсутствие риска при этом.

Я не первый год наблюдаю за потоком статей о «здоровье и богатстве», и меня настораживает их эволюция: от безобидного мотиватора «лучше быть богатым, чем больным» - до навязчивых инструкций, как жить. Когда дело дошло до советов по слепому следованию популярным книгам, пришлось вмешаться. Верю, что этот текст убережет кого-то от бесполезных и выматывающих телодвижений.

В Центре исследования киберугроз Solar 4RAYS работают эксперты в сферах Threat Intelligence, DFIR, Threat Hunting и наступательной кибербезопасности. Они освещают темную сторону: обнаруживают ранее неизвестные профессиональные группировки, описывают новое ВПО, расследуют сложные атаки и делятся информацией с профессиональным сообществом в своих отчетах и блогах.

Уже в декабре «Солар» открывает новичкам возможность присоединиться к этой команде и начать карьеру в Threat Intelligence сразу с интересных и полезных для отрасли задач. Заявки на стажировку принимаем до 10 ноября.

Какие учебные дисциплины пригодятся будущему системному администратору? Вот вы определились, что у вас технический склад ума, и хотите пойти в будущем в системные администраторы. Казалось бы, выбери только информатику и совершенствуйся в ней. Но это далеко не все знания, которые потребуются в дальнейшей работе.

Меня зовут Кирилл Малеванов, я технический директор в Selectel. В этой статье хочу, базируясь на опыте решения типовых вопросов, помочь начинающим специалистам определиться, что важно изучать еще со школьной скамьи.

И действительно, на первый взгляд может показаться, что достаточно знать только информатику. Но знание других предметов скрыто в описании задач. Именно поэтому мы сначала определим, что приходится делать системному администратору на практике, а после — выделим учебные дисциплины, которые для этого нужны. Подробности под катом!

95% корпоративных ИИ-пилотов проваливаются. IBM Watson Health - $62 млн впустую, Zillow - $880 млн убытков, McDonald’s - чат-бот, заказывающий 260 наггетсов. Почему? Потому что компании внедряют ИИ вслепую, без понимания своих процессов.

Но есть и другой путь. В этой статье я показываю, как связка ДРАКОН + LLM превращает хаос в управляемую систему и становится фундаментом для агентских ИИ.

Вместо «чёрного ящика» - понятная визуальная карта, где каждый шаг прозрачен.
Вместо слепого доверия - гибридный процесс: человек и ИИ делят зоны ответственности.
Вместо провала - три уровня автоматизации, от 30% до 70%, с чёткими расчётами времени, рисков и ROI.

На примере сети СТО мы показываем:

как LLM на основе ДРАКОН-схемы проектирует агентов для записи клиентов, управления складом и поддержки механиков,

как сократить время на создание ТЗ с месяца до недели,

как избежать «ученика Герострата» - человека, который разрушает будущее, не понимая, что делает.

Это не теория. Это инженерный план:

Уровень 1: 5-7 часов экономии в неделю, риск провала - 5%,

Уровень 2: 15-20 часов, риск - 20%,

Уровень 3: 30-35 часов, риск - 35%.

И всё это - на открытых, доступных инструментах: Llama 3, Mistral, Qwen и языке ДРАКОН, который понимает и директор, и программист.

Потому что реальный ужас - не в том, что ИИ захочет нас уничтожить. А в том, что мы сами разрушим бизнес, не понимая, как работает то, чем управляем.

Статья для тех, кто устал от хайпа и хочет действовать - с пониманием, а не на авось.

Привет! Я Максим Катрушенко, главный специалист по анализу данных и машинному обучению в ПГК Диджитал. И я тот самый человек, который просматривал десятки резюме каждый день во время поиска  стажёра или джуна на позицию в нашу компанию. Из 56 кандидатов до оффера дошло два человека. И знаете, что? Большинство отсеялось именно на этапе первичного просмотра резюме — не потому что кандидаты слабые, а потому что не могут правильно себя презентовать.

Важный момент: на позицию джуна мы не искали готового специалиста — иначе искали бы мидла. Нам был нужен человек, который:

- может показать, что он делал своими руками, а не просто "изучал теорию";

- понимает, почему выбрал конкретный подход к решению задачи;

- осознаёт, что ML — это на 80% работа с данными и только на 20% — модели.

Сила резюме начинающего специалиста — в умении показать свой потенциал через конкретные действия, даже если опыта пока немного. Прошли курс? Покажите проект после него. Написали модель? Объясните ход мыслей.

Давайте разберём типичные ошибки на реальных примерах. Имена изменены, ситуации — настоящие.

Привет! Меня зовут Полина, я работаю бизнес-аналитиком в MWS, но еще недавно моя жизнь была связана с рекрутментом: я закрывала вакансии разных уровней вплоть до топ-менеджмента. Все шло неплохо, но в какой-то момент мне захотелось не только собирать команду, но и самой влиять на продукт, делать его более полезным для пользователя.

Я вижу их повсюду. Это очень хорошо подпитывает ИИ-тревожность (уже классифицированную как отдельный вид), но не имеет никакого практического смысла. Лучшее лекарство от тревоги — понять, что именно нас «заменит», — и нет никаких сомнений: ИИ способен изменить работу любого специалиста — от аналитика до антиквара. Ключевой вопрос остаётся прежним: как работать с ним так, чтобы результат действительно улучшался, а не становился очередной цифровой иллюзией продуктивности?

Внедрять ИИ в работу — это как однажды купить тостер: после пары скептических взглядов понимаешь, что без него теперь никак. Начинал осторожно — сначала с аналитики и инструкций, потом подсел на транскрибацию: за месяц — 46 часов, а ощущение, будто нашёл чит-код к офисной рутине. UX моего рабочего дня изменился радикально. Но предостерегаю: увлекаться вайб-кодингом — коварная штука! Как-то поймал себя на мысли, что пишу код ради процесса, а не ради результата. Чистый dopamine loop. Не повторяйте моих экспериментов — только здоровый AI-энтузиазм!

Кажется, что «Лента» — это про тележки и кассы. Но внутри — полноценный инженерный контур: Big Data, DevOps, микросервисы и собственные платформенные решения. 

В статье — как Lenta Tech ломает стереотип «ретейл ≠ айти» и почему туда переходят разработчики из бигтеха.

Рубрика «Кем работать в IT» — интервью с представителями IT-профессий, в которых специалисты рассказывают о тонкостях своей работы: плюсах, минусах, подводных камнях и заработной плате. Мы надеемся, что джунам и стажёрам она поможет больше узнать о том, что их ожидает на карьерном пути, а профессионалам — посмотреть на свою специальность через чужой опыт и, может быть, открыть для себя что-то новое.

Сегодня о своём опыте работы нам рассказал Артём Бачевский, владелец продукта в компании «Солар».   

В мире IT, где всё меняется быстрее, чем обновляются версии фреймворков, умение мыслить критически стало новой суперспособностью. Без него — ни код написать, ни аргументировать архитектурное решение, ни выстоять в баталиях в комментариях на Хабре. Но за кулисами этого умения скрывается обратная сторона: постоянные сомнения, паралич анализа и выгорание от бесконечных «почему». Разберёмся, где заканчивается здоровый скепсис и становится невыносимо душно, и как развить в себе критическое мышление, не превращаясь в его жертву.

Если отбросить модные определения, критическое мышление — это умение не принимать информацию на веру. Это привычка проверять, искать второе мнение, анализировать, сопоставлять и только потом делать вывод.

Пример из практики любого разработчика: ты читаешь статью про новый паттерн проектирования — допустим, про Domain-Driven Design. Хочется сразу внедрить: «О, вот оно, правильное решение!» Но критически мыслящий инженер сначала посмотрит на контекст, изучит критику подхода, попробует на тестовом проекте и только потом решит, подходит ли это под конкретный продукт.

Именно это отличает критическое мышление от просто аналитического: не просто рассуждать, а искать объективность, балансировать между гипотезами и фактами.

Аналитика данных — направление, в котором специалисты умеют видеть в на первый взгляд сложной выгрузке данных целые процессы, закономерности и возможности для улучшения продуктов или услуг бизнеса. Например, у нас в Хабре аналитики могут посмотреть, какая аудитория читает определенный блог: выявить, откуда она приходит, понять её специализацию, средний возраст, пол, интересы в сообществе и даже готовность к работе. 

Аналитики могут строить исследования — например, о зарплатах, или составлять рейтинги. А еще могут посмотреть, какой знак зодиака преобладает среди коллег — по неформальному запросу. Но все это — большая работа с данными, которые нужно уметь правильно обрабатывать. 

Знаем, что самое сложное — понять, с чего вообще начать, если вы задумались о том, чтобы стать аналитиком. Для этого мы написали эту статью.

Привет, Habr! На связи Максим Шаланкин из команды Школы аналитиков данных МТС. Каждый год наши студенты в качестве итогового проекта решают реальные бизнес-задачи, и этот не стал исключением. Четверо выпускников — Анна Шестакова, Григорий Суханов, Михаил Футьянов, Алексей Жданов — создали InsightFinder, мультиагентную систему для автоматического анализа данных (EDA). Этот проект автоматизирует EDA и бизнес-интерпретацию данных, сокращая рутинный процесс с нескольких часов до пяти минут. 

Добавление бизнес-интерпретации повышает вариативность использования: проект становится полезным инструментом как для специалистов Data Scientist или Data Analyst, так и для менеджеров, которые занимаются развитием продуктов и которым нужна быстрая проверка гипотез.

В этом материале я не только покажу результат работы ребят, но и дам подробное руководство, как создать такое решение самостоятельно. Это будет полезно всем, кто интересуется применением LLM в аналитике, мультиагентными системами и следит за развитием анализа данных.

Привет, Хабр.

Думаю, у каждого, кто искал работу, есть этот "любимый" запрос на hh. Вбиваешь "Python Developer", ставишь фильтр "нет опыта", а тебе вываливается 500 вакансий "Senior Analyst", где в требованиях "базовое знание SQL, Python будет плюсом".

Ручной разбор этой каши убивает время и мотивацию. Мой друг Роман (он IT-рекрутер и карьерный консультант) постоянно рассказывает, как кандидаты выгорают еще до первого собеса именно на этом этапе.

Я решил, что хватит. Пора автоматизировать рутину. Казалось бы, 30-минутная задача: дернул API, отфильтровал, откликнулся. Как же я ошибался. Сегодня расскажу, на какие грабли наступил, пока пилил «Аврору» - свой инструмент для автоматизации этого ада.

Делюсь списком компаний, которые нанимают сотрудников на удаленку в 2025 году.

Что внутри:
– 70+ компаний с наймом на удаленку.
– Фильтрация по сферам (Fintech, EdTech, Ecom и т.д.).
– Ссылки на сайты компаний с вакансиями.
– Пометки удаленка в РФ или по всему миру.

Самый простой и логичный способ сменить стек — поменять направление внутри компании. Мог так сделать дважды, но тогда бы и писать было не о чем. Буду рад, если кому-то мой опыт окажется полезным или интересным.

Зачем менять стек?

В 2019 году, работая над android-приложением Auto.ru, я часто думал, что надо что-то менять в карьере. Вот несколько тезисов:

- Стать CTO в будущем будет проще с опытом в бекенде...

Вам знакома прокрастинация? Я думаю да. Заставить себя сделать что-то бывает крайне сложно. Можно ли решить вопрос с прокрастинацией раз и навсегда? Да! Для этого я и написал эту статью.

Мы привыкли думать, что «общество не допустит» появления опасного ИИ. Но что, если это иллюзия - такая же, как вера Германии в 1940-м, что атомная бомба невозможна? История показывает: технологии не ждут морального одобрения. Они распространяются тогда, когда становятся возможными - независимо от этики, запретов и «общественного мнения».

Сегодня ИИ уже здесь. Он открыт, глобален и децентрализован. Llama 3, Mistral, Qwen - доступны любому студенту. А миллионы решений о кредитах, найме и даже приговорах уже принимаются алгоритмами без участия человека.

Но главная угроза - не в «восстании машин». Она в том, что мы сами перестаём думать, делегируя всё больше решений системам, которые «знают лучше». И даже те, кто имеет доступ к самым продвинутым ИИ, часто не понимают, как они работают. Это не сознание - это статистическая интуиция, «инопланетный разум», который эффективен, но непрозрачен.

В статье мы разбираем:

почему «подпольный ИИ» - худший сценарий, а открытость - единственный шанс на контроль;

как формируется эпистемологическое неравенство: массовый ИИ для всех, а элитный - для избранных;

почему даже CEO не понимают, как работает их собственный ИИ;

и как избежать судьбы «ученика Герострата» - человека, который разрушил будущее, не осознавая, что делает.

Это не призыв к запретам. Это призыв к ответственности: развивать не только ИИ, но и наш собственный разум, чтобы научиться понимать то, что мы не понимаем.

Потому что наивность - роскошь, которую человечество не может себе позволить в эпоху ИИ.

Всем привет! Меня зовут Михаил — я студент и backend‑разработчик из Ростова‑на‑Дону. С 2021 года я хожу на хакатоны и уже принял участие в 16-ти, многие из которых были выиграны нашей командой. Этой статьей я хочу на собственном примере показать почему хакатоны — это классно и зачем в них участвовать начинающим специалистам.

Где-то раз в месяц на Хабре выходит статья о том, какие зумеры ленивые, неисполнительные, необязательные и не возвращающиеся с обедов. В комментариях хабравчане хватаются за «и вот к ним перейдет наше легаси?!».

Понимаю ваше опасения. И я знакомом с ровесниками, работать с которыми малоприятное занятие. Но разве вы не знаете таких среди ваших ровесников? Может, дело в глобальных трендах? Я решил немного разобраться, чтобы узнать, откуда взялись эти стереотипы и так ли все страшно на самом деле. Все ссылки будут в конце, но вот спойлер: да, все так страшно.