Управление проектами *

У меня есть руководитель, который очень хорошо ревьюит документы. Настолько хорошо, что один его проход по моим текстам породил 73 комментария. За один день.

Первая реакция была ожидаемая: сесть и править. Вторая пришла минут через десять и оказалась продуктивнее: это же датасет.

Дальше — история о том, как замечания одного конкретного человека превратились в чек-лист из 16 правил, чек-лист — в этап конвейера, а следующая партия документов ушла без единой правки по старым паттернам. С кодом, промптами и одним неудобным вопросом в конце.

Как вырастить digital-агентство из студенческой команды, не попасть в зависимость от нескольких крупных клиентов, пережить отказ от привычной офисной модели и сохранить бизнес после переезда основателей? Реальность агентского рынка сложнее красивых кейсов: здесь нужны фокус, системные продажи и умение адаптироваться к изменениям.

Я, Александр, автор телеграм-канала «Shulepov Code», поговорил с Никитой Михеенковым — сооснователем digital-агентства Nimax, автором телеграм-канала «Сломай и сделай нормально» и амбассадором компании с базой в Лиссабоне. В этом выпуске мы разбираем, почему агентству критически важен фокус, чем активные продажи отличаются от надежды на сарафанное радио, как искусственный интеллект меняет работу специалистов и почему международный рынок оказался сложнее российского. Никита делится практическим опытом и объясняет, как устроен реальный рост агентства.

Собственно, почему она обновлённая? Да, потому что полгода назад я уже постила похожую статью (вот она). И тогда материал получил колоссальный отклик от читателей. А так как мы с моей командой международных карьерных консультантов на постоянной основе обновляем эти цифры и факты, подумалось что выкатить небольшой апдейт на этой платформе тоже было бы кстати. Итак, строго по делу, погнали! Ниже выжимка из свежих отчетов мировых аналитических гигантов (ManpowerGroup, Eurostat, BLS, Robert Half, Hays) и открытой статистикой (hh.ru, Хабр, getmatch). По своему обыкновению и в первую очередь, под лупой мы разглядывали рынок управленческих и/или ИТ-ролей.

Ниже выжимка из свежих отчетов мировых аналитических гигантов (ManpowerGroup, Eurostat, BLS, Robert Half, Hays) и открытой статистикой (hh.ru, Хабр, getmatch). По своему обыкновению и в первую очередь, под лупой мы разглядывали рынок управленческих и/или ИТ-ролей.

Вокруг агентных автоматизаций разворачивается нешуточная битва. Евангелисты обещают, что ИИ-агенты вот-вот заменят все и всех, скептики интересуются реальными сценариями таких автоматизаций, ROI и прочей конкретикой (но обычно не получают ответов). 

Мы сами получаем много вопросов о практическом применении агентной автоматизации в бизнесе, и в этой статье расскажем, как сейчас обстоят дела и куда все движется.

Последние месяцы я довольно активно разрабатываю собственный AI SaaS-проект. Причём активность в случае AI-разработки имеет немного другой смысл, чем раньше. Когда значительную часть работы выполняют AI-агенты, скорость появления изменений резко возрастает. Агент создал изменения, открыл PR, другой агент или workflow проверил результат, если что-то не прошло, то новая итерация.

И довольно быстро я обнаружил неожиданное ограничение этой модели разработки. Если честно я ожидал и боялся упереться в токены LLM. Были небольшие опасения в производительности моего ноутбука. И даже сложность оркестрации не стала блокером.

Я упёрся в GitHub Actions квоту.

ИИ-пилоты редко проваливаются из-за «плохой модели». В наших проектах модель честно показывает 80–90% качества, но проект всё равно не взлетает. Либо экономия оказывается меньше стоимости внедрения, либо автоматизируют не тот участок процесса или данные не подтверждают гипотезу. 

Привет, Хабр! Меня зовут Василий Мухин. Я развиваю направление внедрения искусственного интеллекта в К2Тех: отвечаю за прикладные ИИ-решения, пилотные проекты и оценку эффективности применения нейросетей в реальных задачах крупного бизнеса. 

Предлагаю посмотреть на несколько реальных кейсов, где на бумаге всё красиво, а в реальности вылезают грабли. Разберем, какие вопросы стоит задать до запуска пилота, где бизнес-польза, какие ресурсы нужны, что мешает дойти до прода. Это поможет сразу отсечь проекты, которые сжигают время, деньги и доверие к технологии.

Оглавление:

Кейс 1. Экономика не сходится

Кейс 2. Неправильно найдено узкое место

Кейс 3. Перенос ответственности

Кейс 4. Дорогой старт

Решение: конвейр вместо разовых инициатив

Какие кейсы чаще всего оказываются успешными

Заключение

Привет, Хабр! На связи Никита Устриков.

Подготовил для вас статью, основанную на нескольких источниках: отчёте MIT NANDA The GenAI Divide: State of AI in Business 2025, материалах Gartner и McKinsey по корпоративным внедрениям, а также результатах стратегии ИИ в БКС и нашем докладе на TechWeek‑2026 «ИИ в бизнесе: почему 9 из 10 проектов не выходят в прод», где мы начали публично системно разбирать эту тему. Полный список источников привожу в конце статьи.

TL;DR. Финансовая модель в таблице разваливается при смене периода расчёта. Я честно старался, был аккуратен как мог, но период в модели хранится в геометрии листа: колонка — это месяц, а формулы адресуют ячейки по абсолютным координатам. На Хабре на эту боль есть два описанных ответа, оба уходят от таблиц: перенести логику в OLAP-куб с семантическим слоем или написать модель на Python. Здесь описан третий: оставить табличный интерфейс, но вынести диапазон и период в параметры модели, а адресацию перевести с координат ячеек на имена строк и колонок. Перевод модели из 10 листов с месяцев на кварталы стоит тогда 2 действия вместо 460–3060 — расчёт по шагам приведён в тексте.

В последний год я лично занимался всеми нашими продажами, занимался техническими деталями почти всех наших проектов, и за всё время, что я веду этот блог [с начала 2023 года — прим. пер.] успел пообщался на тему своих статей где‑то с 300 людьми по всему миру — от спецов, решающих узкие технические задачи до гендиров компаний из списка Fortune 500. Так что я сижу в первых рядах и наблюдаю массовое помешательство по всему частному и государственному сектору; но при этом моё благополучие не зависит от личного участия во всём этом фарсе. Поэтому я решил написать эссе, в котором опишу всю эту бредовую социальную динамику и постараюсь морально поддержать тех, кто сейчас медленно сходит с ума, пытаясь выжить в ней.

Если вкратце, лица, принимающие решения, либо не строят конкретных планов на будущее, либо вообще не видят для себя вариантов кроме как не высовываться — будь то в банках, медицинских учреждениях, государственных органах или где‑то ещё. По всему миру руководство организациями захватили легковозбудимые граждане, писающиеся кипятком от восторга при любом упоминании ИИ, а их более уравновешенные коллеги вынуждены жить в постоянном страхе и фрустрации.

Всё началось на обычной стратегической сессии в конце 2025 года. Мы с коммерческим директором обсуждали планы на следующий год, пересматривали процессы и думали, где теряем время. Тогда и появился вопрос: а где искусственный интеллект действительно может быть полезен нашей команде?

Расскажу, что мы перепробовали, какие задачи отдали машине и почему начинали совершенно не с нейросетей.

Сразу скажу: это не история успешного успеха. Где-то мы правда сократили время в разы, где-то только учимся, а где-то честно признали, что человек пока справляется лучше.

Один ИИ пишет мне код, второй его ревьюит и не пускает в master, а я плачу за обе подписки и называю это командой разработки. За 56 дней — 1393 коммита, почти три сотни спек и рабочий продукт, на который у команды ушло бы года полтора. Внутри — устройство моего харнесса, грабли, из которых вырос каждый гейт, экономика против зарплаты сеньора и почему спека у меня дороже кода.

В 2025 году я вернулась из руководства в экспертную роль. На собеседованиях этот переход регулярно называли даунгрейдом. Сразу спойлер: для меня это не падение. Я воспринимала это как возможность снова заниматься инженерными задачами, глубоко погружаться в продукт и собрать в одной точке все, что мне действительно интересно.

Одна из главных ошибок в разговоре о карьерном росте — сравнивать должности только по размеру зоны ответственности.

Когда я руководила командой сильных сеньор-аналитиков, большую часть продуктовых решений принимали они. Я могла посмотреть результат, задать вопросы, обсудить спорный момент или предложить изменения. Но моё влияние на продукт было опосредованным — через команду.

Найм, one-to-one, конфликты, отчёты, согласования и внезапные проблемы очень быстро «съедают» календарь. В какой-то момент инженерные задачи превращаются в вечернее хобби после восьми часов созвонов.

Всё, что описано ниже является строго личным мнение автора, который работал с продуктом. По всем описанным пунктам я обращался в поддержку, получил официальные ответы и привожу их тут. Ни для одной из описанных проблем не было предложено обходного варианта решения, только "это такое архитектурное решение"

EvaProject позиционируется как замена Jira. Рекламные лозунги, описания, презентации - это всё хорошо, но хочется сказать о проблемах, которые пользователь получит, когда начнёт пользоваться продуктом. Зачем? Эти проблемы не лежат на поверхности, не указаны в описании, не присутствуют в рекламных буклетах и, скорее всего, даже при первоначальной оценке EvaProject, будут упущены.

Каждый раз, когда открываю очередную статью для HR, начинаю подозревать, что бизнесом управляют не собственники, не директора и даже не бабло. Бизнесом управляет HR. Судя по этим статьям, именно HR создает компании, удерживает сотрудников, определяет стратегию, увеличивает прибыль и спасает этот сраный мир. Генеральный директор в этой схеме нужен примерно так же, как фикус в переговорке. Для атмосферы.

От провальных проектов и неудачных метрик до тренерской парадигмы и выгорания команды - всё самое интересное, что писали за последние 2 недели про управление проектами. Мы прочитали все публикации и выбрали для вас самые крутые и полезные. Читайте, сохраняйте и применяйте!

В наши дни рынок корпоративного ПО переживает фундаментальную трансформацию. На мой взгляд, происходит то же самое, что мы уже наблюдали на рынке элитной недвижимости: если десять лет назад предприниматели сравнивали «квадратные метры», то сейчас большую роль играют комфорт и окружение. В этом посте поговорим о том, как меняется психология выбора B2B-решений и почему на первый план выходят «тихая роскошь» и когнитивная приватность, почему заказчиков все меньше интересуют интерфейсы, а истинной ценностью становится операционная тишина. Желающих подискутировать на эту тему приглашаю под кат. 

Для начала: это личный опыт использования концепции нашумевшей статьи Андрея Карпаты, но в роли маркетолога. Разработчиков и технарей этим не удивить — они пользуются таким подходом давно, сначала в личных целях, а теперь эти идеи масштабируются в компаниях, где уже другой уровень использования.

Инструкцию по созданию я тут давать не буду — этого достаточно в интернете. 

Привет, меня зовут Надя, я продуктовый менеджер сервиса «Фейскит». Наша команда делает программу, которая помогает не терять шуруповерты, болгарки и пассатижи в суровой реальности стройки. Изначально мы задумывали продукт как простой и надежный способ учета инструментов и материалов. Но жизнь распорядилась иначе: за четыре года мы прошли путь от систематизации данных из Excel-таблиц до запроса на интеграцию с бухгалтерией. Рассказываю по порядку, как все было. 

Когда у вас разные точки входа в каждый отдел — в ИТ писать, в HR звонить — сотрудник половину рабочего времени бегает между разными каналами в попытке решить свой вопрос. Или хотя бы найти того, кто его решит. 

А когда вы пытаетесь сделать общий источник данных для всех обслуживающих подразделений и создать наконец одну-единственную точку входа для всех запросов сотрудника, приходится объединять интеграциями с десяток систем. Чтобы не мучаться, есть такой класс систем как ESM-платформы. Разбираемся, зачем бизнесу такое решение, оправдан ли хайп, поможет ли платформа связать разные точки входа в один удобный канал.

Привет, Хабр! Меня зовут Даниил Оларь, я разработчик в команде продукта MWS Tables — платформы для лёгкой автоматизации и совместной работы на базе таблиц. 

Недавно коллеги обратились к нам с задачей: для B2B-коммуникаций важно следить за трендами рынка, поэтому им нужна была система сбора новостей из публичных каналов. При этом управлять ей — добавлять и удалять каналы, собирать данные для аналитики — коллеги планировали без работы с кодом.

Мы сделали несколько таблиц с необходимой для работы системы информацией: источниками новостей (каналами), промптами для их обработки и правилами для отправки новостей получателям. 

Затем самописный бот собирает новости по каналам и автоматически загружает их в таблицу на платформе, а LLM отсеивает нерелевантные новости и собирает дайджест самых интересных материалов. И ещё один бот отвечает за публикацию новостей в нашу группу.   

В материале расскажу, как устроена каждая таблица и как настроена связь между ними.