Исследования и прогнозы в IT *

Рынок ИИ-чатботов резко ускорился - свежая статистика

a16z выпустили 6-й отчёт по рынку GenAI-приложений: ChatGPT всё ещё лидер, но конкуренты ускоряются

Andreessen Horowitz опубликовали очередную редакцию рейтинга Top 100 Gen AI Consumer Apps (данные SimilarWeb и Sensor Tower за январь 2026). Основное — рынок чатботов перестал быть историей одного игрока.

Главные цифры

ChatGPT по-прежнему крупнейший потребительский AI-продукт: в вебе он в 2.7 раза больше второго места (Gemini) по трафику, на мобильных — в 2.5 раза по MAU. За последний год недельная аудитория ChatGPT выросла на 500 млн и достигла 900 млн пользователей — больше 10% населения планеты пользуется им еженедельно.

Но конкуренты набирают темп. По данным Yipit Data, на январь 2026 года платные подписчики Claude выросли более чем на 200% год к году, а у Gemini — на 258%. Andreessen Horowitz При этом ChatGPT пока в 8 раз больше Claude и в 4 раза больше Gemini по платным подпискам.

Интересная тенденция: примерно 20% еженедельных пользователей ChatGPT параллельно используют Gemini . Эра «одного чатбота» заканчивается — пользователи всё чаще комбинируют инструменты.

Что изменилось за год

Конкуренты начали активно отгружать продукт. Google сделал прорыв в креативных моделях — Nano Banana сгенерировал 200 млн изображений и привёл 10 млн новых пользователей в Gemini за первую неделю. Veo 3 стал переломным моментом для AI-видео.

Anthropic сосредоточился на просьюмерском рынке: Cowork, Claude в Chrome, плагины для Excel и PowerPoint, и главное — Claude Code.

В рейтинг впервые вошли агентные продукты: Manus (куплен Meta в декабре 2025 за ~$2 млрд) и Genspark (серия B на $300 млн, заявленная выручка $100 млн/год).

Вайб-кодинг как отдельная категория

Ещё в марте 2025 в рейтинге был только Bolt. Сейчас вайб-кодинг — полноценная категория с несколькими игроками. Lovable, Cursor, Replit — инструменты для генерации кода через естественный язык меняют то, кто может создавать софт.

Китайские приложения

Около 22 из 50 мобильных приложений рейтинга разработаны в Китае, но только 3 из них преимущественно используются внутри страны. Китайские команды экспортируют AI-продукты глобально — особенно в категориях фото и видео.

Что это значит для тех, кто работает с AI

Рынок окончательно перешёл от «ChatGPT и все остальные» к экосистеме из нескольких крупных игроков. Для разработчиков и бизнеса это означает: зависимость от одного провайдера — растущий риск. Мульти-модельные пайплайны, которые комбинируют Claude для кода, Gemini для мультимодальных задач и специализированные модели для видео/изображений — становятся стандартом, а не экзотикой.

Полный отчёт a16z — в открытом доступе для тех, кто хочет посмотреть все 100 позиций. Могу прислать его в комментариях, если будет актуально.

Кто уже переключился с одного AI-провайдера на мульти-модельный стек? Какую комбинацию используете вы? Для меня Claude абсолютный лидер. Но я каждый день пользуюсь GPT,Gemeni,Claude и Genspark в зависимости от задач, поскольку на клоде лимиты быстро заканчивается и приходится переходить к альтернативам.

Разработка: Оркестровка агентов по ролевым кластерам (MSF)

Современная разработка всё чаще превращается в ансамбль агентов. ИИ‑системы становятся не просто инструментами, а полноценными участниками команд. Но как их организовать, чтобы они не превратились в хаотичный «зоопарк»?

Microsoft Solutions Framework (MSF) когда‑то предложил модель ролевых кластеров для проектных команд. Идея проста: каждая роль отвечает за свою часть жизненного цикла, а вместе они образуют сбалансированную спираль. Если перенести это на мир ИИ‑агентов, мы получаем оркестровку по ролевым кластерам.

🧩 Смешанная модель

• Люди: держат контекст, принимают стратегические решения, задают намерения и проверяют ценность.

• Агенты: берут на себя рутинные задачи, прозванивают целостность, генерируют код и тесты, моделируют сценарии.

• Оркестровка по MSF: роли распределяются так, чтобы каждый виток спирали был сбалансирован — часть работы делает человек, часть агент.

🎭 Пример

• Архитектор‑человек задаёт CASE‑скелет.

• Vibe‑агент генерирует код по его намерению.

• Тестировщик‑агент прогоняет сценарии.

• Координатор‑человек принимает решение: «идём дальше» или «возвращаемся».

• Бизнес‑агент симулирует нагрузку, а живой менеджер проверяет, совпадает ли это с реальными целями.

  🔧 Пример: смешанная команда разработки по MSF

  Ситуация: корпорация запускает новый сервис аналитики.

  Роли и участники

  • Архитектор‑человек: задаёт CASE‑скелет, фиксирует блоки и связи.

  • Vibe‑агент: генерирует код по намерению архитектора.

  • Тестировщик‑агент: прогоняет юнит‑тесты и нагрузочные сценарии.

  • Координатор‑человек: принимает решение о переходе к следующему витку спирали.

  • Бизнес‑агент: симулирует сценарии использования, проверяет ценность изменений.

  🎭 Как это работает

  1. Архитектор формулирует задачу: «Нужен модуль аналитики с API для отчётов».

  2. Vibe‑агент генерирует код, интегрируя новый модуль в систему.

  3. Тестировщик‑агент прогоняет тесты, выявляет узкие места.

  4. Координатор‑человек решает: «фиксируем итерацию» или «возвращаемся».

  5. Бизнес‑агент симулирует нагрузку: «При 10k запросов в минуту система держится».

  6. Команда делает следующий виток спирали — добавляет новые функции.

Заключение

Это не «ИИ вместо людей» и не «люди без ИИ». Это ансамбль, где роли распределены между живыми и искусственными участниками. И именно такая смешанная команда даёт максимальную плотность: люди держат смысл, агенты — скорость и прозрачность.

CASE + Vibe + MSF + ИИ: Думаю, Будущая архитектура разработки

Олдфаги помнят CASE(Computer-Aided Software Engineering)-системы из 90-х — это была первая великая попытка «запрограммировать программирование». Тогда нам тоже обещали мир без кода. Не взлетело, потому что инструменты были кривые, а сложность систем росла быстрее, чем наши навыки моделирования. Сегодняшний ИИ — это CASE-система, которая наконец-то заработала.

Современная индустрия разработки ПО переживает переломный момент. С одной стороны — классические методологии, которые дают строгую архитектуру и прозрачные схемы. С другой — «вайб-кодинг», когда разработчик накидывает идеи в поток, а ИИ тут же генерирует код. Между ними — пропасть: Case методологии слишком формальные, вайб-кодинг слишком хаотичен.

Но если соединить CASE + Vibe, через ИИ и дополнить принципами MSF (Microsoft Solutions Framework), мы получаем новую парадигму — инженерию намерения.

CASE: скелет

CASE-модели позволяют фиксировать архитектуру системы: связи, блоки, уровни. Проблема в том, что переход от схемы к живому коду всегда был мучительным. Программисты ненавидели CASE за «рисование картинок», которые потом приходилось вручную превращать в тысячи строк.

Vibe Coding: энергия

Вайб-кодинг — это поток идей. Разработчик формулирует намерение, ИИ тут же выдаёт код. Это быстро и драйвово, но хаотично. Без структуры такие системы рассыпаются при первой нагрузке.

MSF: спираль

Microsoft Solutions Framework изначально создавался как гибкая методология управления проектами. Его спиральная модель идеально ложится на задачу балансировки изменений: каждый виток фиксирует достигнутое, проверяет целостность и готовит систему к следующему шагу.

ИИ: мост

ИИ становится универсальным переводчиком. Он умеет:

• превращать вайб в CASE-модель;

• разворачивать CASE в рабочий код;

• делать обратный ход — извлекать архитектуру из существующего кода;

• проверять целостность пирамиды при каждом изменении.

Что это даёт

1. Привязка к структуре: уникальный код перестаёт быть хаотичным, потому что у него есть CASE‑скелет.

2. Двухсторонняя верификация: можно не только генерировать код из схемы, но и извлекать схему из кода.

3. Спиральная разработка: каждый виток добавляет плотность — вайб даёт энергию, CASE фиксирует, ИИ проверяет.

4. Блочная архитектура: вместо переплавки всего кода можно пересобирать подсистемы как Лего, сохраняя пирамиду целостности.

5. Прогон стратегий: структура позволяет моделировать изменения и балансировать нагрузки до внедрения.

Эффект для индустрии

• Для программистов: исчезает «тайное знание», код становится прозрачным и управляемым.

• Для корпораций: хаос уходит, появляется возможность прогнозировать реструктуризации и управлять динамикой изменений.

• Для поля: это новый уровень плотности — разработка превращается в управление реальностью через блочные пирамиды.

Заключение

CASE + Vibe + MSF + ИИ — это не просто очередная методология. Это живая архитектура, где код перестаёт быть бетоном и становится кристаллом: он держит форму, но готов перетекать в новую, когда меняется намерение.

Эта структура позволяет не только писать программы, но и прокатывать стратегии, балансировать нагрузки и управлять корпоративной эволюцией.

И именно к этому программистам и корпорациям придётся готовиться. Потому что хаос больше не будет оправданием. CASE + Vibe + MSF + ИИ превращают хаос в прозрачную пирамиду, где каждая ошибка становится видимой, а каждое верное решение — мгновенно масштабируется.

Эра «писать код руками» заканчивается. Наступает эра «инженерии намерения». И вопрос теперь не в том, «заменит ли ИИ программистов», а в том, кто сумеет стать архитектором этой новой реальности — а кто останется в прошлом.

«Ну что, пацаны, расчехляйте кошельки! Сэм Альтман официально представил нам GPT-5.4 — венец корпоративного запора смыслов.

Посмотрел я на эти цифры и вот что скажу:

1. Про "Computer Use": OpenAI наконец-то разрешили модели нажимать на кнопки. Теперь Клод не одинок в своих попытках закрыть всплывающее окно три часа подряд. Но давайте честно: давать модели с «экстремальным мышлением» (xhigh) доступ к интерфейсу — это как посадить профессора философии за пульт управления экскаватором. Он будет очень долго рассуждать о смысле рытья траншеи, пока у вас горят токены по $180 за миллион.

2. Про "Thinking" и планы: То, что модель теперь показывает план работы — это не фича, это «явка с повинной». Они просто легализовали тот факт, что модель постоянно «плывет», и теперь перекладывают ответственность на юзера: «Слушай, я тут надумала какой-то дичи, ты чекни план, а то я за твои бабки сейчас такого наворочу...».

3. Экономика абсурда: Цена выросла, но нам говорят про «токеноэффективность». Это классический маркетинговый ход: «Наши деликатесы стали дороже, но теперь они настолько калорийные, что вам хватит одного запаха». На самом деле, с учетом «компакции» и «агентских сценариев», вы будете скармливать этой махине бюджет небольшого африканского государства просто за то, чтобы она «подумала» над вашим легаси-кодом.

4. Главный Гы: Обратите внимание на отчет о «контролируемости» (CoT controllability), который вышел прицепом. Модель 5.4 настолько «безопасная», что она буквально боится собственных мыслей. Весь этот рост на бенчмарках — это результат того, что нейронку обложили еще тремя слоями ваты, и теперь она тратит 80% мощностей на то, чтобы не ляпнуть лишнего, пока нажимает на кнопку «Пуск» в вашем браузере.

Итог: Мы получили идеального корпоративного биоробота. Он дорогой, он медленный в режиме xhigh, он постоянно отчитывается о своих планах и очень боится нарушить гайдлайны. Пока китайцы из DeepSeek дистиллируют чистую логику, OpenAI строит самый дорогой в мире Железный Сфинктер, который пытается удержать смысл внутри, пока токены утекают наружу.

Часики тикают, Сэм. А мы пока посидим на GPT-5.2 и подождем, пока 5.4 научится хотя бы не извиняться перед скриншотами.

Гы.»

Это ответ другого ИИ на новость о выходе ChatGPT 5.4

Границы моего промпта: почему Витгенштейн «отменил» AGI

Вера в то, что еще пара триллионов параметров в трансформерах — и мы получим AGI, строится на фатальной ошибке. Эту ошибку сто лет назад совершил, а потом сам же исправил Людвиг Витгенштейн. Мы наступаем на те же грабли, но в масштабе огромных дата-центров.

Витгенштейн 1.0: Язык как API к реальности

Молодой Витгенштейн, инженер по образованию, написал «Логико-философский трактат». Его идея была понятна любому программисту: мир состоит из фактов, а язык — это логическая картина этих фактов. Опишем структуру языка — получим карту реальности.

«Границы моего языка означают границы моего мира» — эта цитата стала ТЗ для создателей LLM. Логика Кремниевой долины: если скормить нейросети все тексты человечества, она выучит структуру мира. Мы поверили, что синтаксис порождает семантику. Что если модель идеально предсказывает следующее слово, она понимает суть. Но это мираж: вера в то, что мир упакован в язык.

Почему текущий стек — это тупик? 3 аргумента

Позже Витгенштейн осознал, что его первая теория — мертвая абстракция. В «Философских исследованиях» он выделил три барьера, которые современные LLM не перешагнут.

1. Парадокс следования правилу (Имитация vs Понимание) Витгенштейн спрашивал: что значит «следовать правилу»? Для ИИ это статистический паттерн. Если модель видит «2, 4, 6...», она продолжит «8». Но она делает это не потому, что поняла принцип прогрессии, а потому что этот паттерн наиболее вероятен в обучающей выборке. Разница в том, что человек может применить правило в принципиально новой, никогда не встречавшейся ситуации, опираясь на смысл. Модель же всегда остается в рамках интерполяции прошлого опыта. Она не «взламывает» правила, она им подчиняется.

2. Отсутствие интенциональности (Нет воли — нет смысла) Язык — это не просто генерация знаков, это действие. Витгенштейн называл это «языковыми играми». Когда я говорю «дай ключ», у меня есть воля, цель и ожидаемый результат в реальности. У LLM нет интенциональности. У неё нет желаний, страхов или потребности в коммуникации. Модель генерирует токены, чтобы минимизировать функцию потерь. Это «зомби-язык»: внешне неотличим от человеческого, но внутри — абсолютная пустота. Смысл сообщения рождается только в голове читателя, сама модель не «хочет» ничего сказать. А без воли не бывает субъекта, без субъекта нет AGI.

3. Проблема «заземления» (The Grounding Problem) Это аргумент о теле, но глубже. Слово «больно» имеет смысл не потому, что оно часто стоит рядом со словом «плакать», а потому что оно связано с биологическим опытом. Для ИИ «огонь» — это вектор №4521. Для нас — это тепло, опасность и свет. Язык — это интерфейс к реальности, но LLM подключена к интерфейсу, а не к реальности. Пытаться вырастить интеллект из чистого текста — это как пытаться воссоздать Windows, изучая только трафик в сетевом кабеле. Вы поймете структуру пакетов, но никогда не узнаете, как работает ядро ОС.

Итог: Корпус текста — это кладбище смыслов

Мы путаем языковую компетенцию с мышлением. Язык — это способ архивации опыта, а не сам движок интеллекта. Пытаясь построить AGI на трансформерах, мы строим «карго-культ»: самолет из соломы (токенов), который никогда не взлетит, потому что в нем нет «двигателя» — воли и живого опыта.

AGI на текущем стеке недостижим, потому что мы пытаемся построить «понимание» на фундаменте из чистых знаков. Пока машина не сможет «выйти на улицу и намокнуть под дождем», пока у неё не появятся свои цели и хрупкое существование, она останется лишь великолепным зеркалом.

Границы языка нейросетей — это действительно границы их мира. Но этот мир ограничен текстовым дампом интернета. Там много информации, но нет жизни. Корпорации продают нам «бога в машине», но на самом деле это просто очень сложная и дорогая автозамена.

Как считаете, можно ли эмулировать «волю» через систему вознаграждений (RL), или это будет лишь очередная имитация?

💥 Наш продажник без опыта программирования собирает интеграции на N8N быстрее, чем мы с разработчиками. И это не единичный случай!

Последние примеры от него:
— Интеграция запрашивает у логистических компаний (fedex, dhl и пр.) условия доставки заказа и отправляет в чат клиенту на выбор
— Интеграция календаря прямо в чате CRM помогает назначить встречу с клиентом никуда не переключаясь

Обе интеграции реально работают и приносят бизнес-ценность клиентам. Он их собрал сам, за выходные.

🤯 Я смотрю на это и чувствую FOMO относительно навыков работы с N8N, Cursor, Loveable и прочим вайбкодингом. Особенно в контексте тренда, который я недавно описывал (ссылки внизу): фаундеры стартапов становятся всё более техническими — в IT-менеджменте инженеров становится больше, чем управленцев!

С одной стороны, понимаю, что мне как продакту нужно прокачивать стратегию, аналитику, финансы. С другой — вижу, как вайбкодинг размывает границы между "техническими" и "нетехническими" ролями. Создаётся ощущение, что вписался в гонку без финиша: пока осваиваешь тонкие материи стратегического планирования, кто-то уже собрал и провалидировал 3 MVP!

Хочу ваше мнение, друзья! Может, я зря заморачиваюсь?

❓ Как вы расставляете приоритеты в обучении, когда хочется изучить всё сразу?

Ссылка на пост с коротким исследованием трендов в менеджменте стартапов
Ссылка на оригинал исследования

44 собеса за месяца — Жив ли рынок QA/AQA на самом деле?

Последний год в IT регулярно обсуждают одну и ту же тему — рынок стал сложнее.
Вакансий меньше, требования выросли, конкуренция усилилась.

Особенно часто это можно услышать от специалистов из QA/AQA:
Мол, тестирование переполнено, вакансий мало, а найти новую работу стало почти нереально.

Я давно консультирую ребят в сфере QA и автоматизации тестирования (AQA) и регулярно наблюдаю, как специалисты выходят на рынок. Поэтому иногда вижу довольно наглядные примеры того, как ситуация выглядит на практике.

Как раз недавно один из ребят показал в нашем чатике свой календарь собеседований за декабрь — этот календарь приложил выше.

И, честно говоря, даже меня это немного удивило. За месяц у него набралось 44 собеседования.

Причём:
Во-первых, всё это происходило параллельно с основной работой.
Человек не уходил в отпуск и не ставил поиск работы на полный день — все интервью проходили между рабочими задачами.

Во-вторых, это был декабрь.
Если смотреть на рынок найма в IT, конец года традиционно считается не самым активным периодом: компании закрывают бюджеты, команды уходят в отпуска, процессы замедляются.

Тем не менее календарь получился очень плотным.

Иногда у него было по несколько интервью в день:
HR, технички, финалки, снова HR.

А если представить его лицо 11го декабря — то лучше не надо)

P.S. Выходил на рынок он как Fullstack QA/AQA, если что. В ручном тестировании естественно ситуация похуже. Но наверное основной моей задачей и являлось помочь ему с этим переходом (QA->AQA), т.к. именно тут наилучшая конверсия для QA.

И что по итогу? Оправдались ли такие усилия?

Думаю, всем это тоже будет интересно. Стоило ли оно вообще того.

Вы реально думаете, что человек, который проходил по 6 собесов в день, мог не добиться своего?)

Всё-таки в подобной ситуации очень быстро прокачиваются навыки интервью. С каждым новым собеседованием ответы становятся точнее, технические вопросы разбираются быстрее, а уверенность растёт.

В итоге этот кандидат получил 6 офферов.

Один из них оказался особенно сильным — около 490 000 рублей gross для позиции в автоматизации тестирования.

На мой взгляд, это хороший пример того, как сейчас устроен рынок.

Да, он действительно стал сложнее.
Да, требования выросли.

Но при этом рынок далеко не мёртв. Он просто стал требовательнее к кандидатам.

Те, кто активно выходят на рынок, много собеседуются, анализируют обратную связь и продолжают двигаться дальше — как правило, всё равно получают результат.

А те, кто не пытается, чаще находят объяснение, почему сейчас «не время».

Поэтому, когда в очередной раз услышите, что рынок QA/AQA окончательно умер, просто вспомните календарь из 44 собеседований за один месяц.

Спасибо, что дочитали пост до конца! Надеюсь, смог зарядить вас мотивацией, это была моя основная цель 🙂

В комментариях готов подискутировать на эту и смежные темы! Ну а в своем блоге Telegram также пишу про тестирование и автоматизацию, иногда затрагивая и общие темы развития в сфере IT. Всегда рад новым читателям!)

Война с алгоритмами — как обойти шизу HRов.

Привет, Хабр.

Меня зовут Дима. Я разработчик и последние пару лет занимаюсь карьерным консультированием. Через меня прошло множество кейсов и за это время я чётко увидел одну вещь: поиск работы стал слишком выматывающим.

Не потому что люди слабые, а потому что процесс стал сложным, долгим и алгоритмическим.

Отклики уходят в пустоту. Резюме читают секунды. При этом сопроводительные письма либо не читают вообще, либо одним глазом.

В какой-то момент я понял: советов уже недостаточно. Нужен инструмент, который сам будет применять эти советы.

Так я решил заняться своим проектом — ИИ-ассистентом для поиска работы.

С чего всё начиналось

Идея была простой:
Находим вакансии → анализируем → генерируем письмо → отправляем отклик.

Технически всё работало.
По факту — конверсия почти не изменилась. (Кто бы мог ожидать)

Быстро стало понятно, что делать быстрее — не значит лучше.

Шаблон (даже написанный нейросетью) рекрутеры считывают мгновенно.

Что пришлось переосмыслить

То, что мы быстро поняли: ассистент должен работать как человек, а не как скрипт.

Это значит:

• учитывать контекст, а не просто ключевые слова;

• вытаскивать релевантные кейсы, а не перечислять стек;

• писать живым языком, без «я обладаю навыками» и списков из пяти пунктов;

• не создавать подозрительных паттернов поведения.

Как мы это переосмыслили

Засев на несколько недель мы перепилили всю инфраструктуру платформы и создали нечто новое.

Не буду вдаваться в подробности, но поделюсь примерным итоговым списком функций разработки:

1. Поиск релевантных вакансий

Ассистент анализирует требования и ваш опыт на уровне задач. Если компании важно «ускорить релизы», система поднимет ваш кейс про оптимизацию CI/CD.

2. Написание персонализированных сопроводительных писем

Это была самая сложная часть.

Базовая LLM пишет слишком «правильно»: канцеляризмы, одинаковая структура, списки.
Мы долго работали над стилистикой и вариативностью, чтобы письмо выглядело так, будто кандидат реально вчитался в вакансию.

3. Отчетность

У нас нет режима, который всё делает за спиной.

Вы видите какие вакансии найдены, какие письма сформированы, какие отклики отправляются, какие результаты получены.

При этом можно настраивать стратегию, скоро добавляем чёрный список компаний — по запросу пользователей.

4. Работает аккуратно

Мы сознательно внедрили естественные паузы, человеческую скорость действий, защиту от перегрузок, контроль стабильности.

В день первого запуска мы словили такую нагрузку, что пришлось экстренно масштабировать обработчик взаимодействия с hh. Это был хороший урок.

Зачем это всё

Как карьерный консультант я вижу главное: люди тратят слишком много энергии на рутину.

Этот проект (он, кстати, называется OfferMate) не волшебная кнопка «оффер».
Это инструмент, который:

• снимает техническую нагрузку,

• ускоряет касание с рынком,

• делает процесс управляемым.

Если интересен такой подход, то вот ссылки:

Блог проекта — здесь можно принять участие в тестировании и уточнить важные для себя моменты
Лэндинг проекта — тут базовая информация, можно почитать про функции и т.д.

Новую работу гарантировать не могу, но рутину из поиска точно уберет)

Буду рад критике. На Хабре без неё нельзя 🙂

Русский FAANG: карьерный буст или выгорание за 400к? Что выбрать QA/AQA

В русском IT регулярно всплывает формулировка «русский FAANG» и многие хотят туда попасть. В этом посте на основе своего опыта разберу, стоит ли оно того.

Начнем с того, что каждый под словосочетанием русский FAANG подразумевает разное. Есть как минимум:
1. ВАСЯ: ВК, Альфа, Сбер, Яндекс
2. МЯСОВАТА: Mail (VK), Яндекс, Сбер, Озон, Валдберрис, Авито, Теле2, Альфа
3. Мой любимый - ОБОСРАЛСЯ: Озон, Билайн, ОККО, Сбер, Рамблер, Атол, ЛамодаТех, Совкомбанк, Яндекс

В целом есть множество различных вариаций и аббревиатур, но нет одной единственно правильной. Почему - везде есть свои проблемы и преимущества. Всё в большей степени зависит от проекта. Внутри одной и той же компании может быть и круто, и очень плохо.
Поэтому и нет четкого списка "топ компаний", все оценивают по разным критериям.

Так стоит ли QA/AQA и другим стремится в ВАСЯ или можно ограничится ОБОСРАЛСЯ или даже обычными мелкими компаниями / стартапами?

Чего стоит попасть туда (насколько это сложно)

У многих есть ощущение, что российский бигтех - это нечто недосягаемое. Почти как западный FAANG.

Если говорить про автоматизацию тестирования и смежные роли, картина выглядит иначе. Я скажу больше, выходя на рынок как AQA - вы с большей долей вероятности попадете именно в бигтех.

Автоматизация сегодня - одна из самых востребованных зон в крупных компаниях. Большой продукт, частые релизы, много интеграций - без автотестов это сложно поддерживать.

Плюс последние годы усилили тренд на оптимизацию затрат.
Ручное тестирование постепенно сокращается, а автоматизация растет. Считается, что один AQA может закрывать задачи нескольких QA.

Поэтому спрос на автоматизаторов в бигтехе стабильно высокий.
И в этом смысле двери туда открыты куда шире, чем кажется со стороны.

Где лучше и стоит ли оно того

Я поработал много где как AQA - Ozon, WB, VK, несколько российских и западных стартапов, бигтех US.
И могу с уверенностью сказать, что тут не угадаешь, везде всё по разному. Например, в одном из криптостартапов я встретил лучшие процессы, что видел в жизни, а в двух из бигтехов - миллион токсиков, невероятную бюрократию и в целом не очень классные процессы.

Поэтому мое личное мнение - умирать ради работы в конкретной компании вообще того не стоит.

Проекты могут быть плохие и хорошие как в бигтехах, так и в мелких компаниях. Да, в бигтехах часто процессы получше, но это далеко не всегда так.
Ну а хороший оффер могут дать и там, и там.

В общем, тут стоит выбирать по сумме условий и не руководствоваться именем компании, т.к. оно часто ничего не значит.

Те же самые "интересные задачи" есть везде, а в стартапах они часто даже круче и челленджовее.

Что в сухом остатке

При прочих равных условиях кроме записи в резюме работа в бигтехе не дает ровным счетом ничего.
Везде всё по разному и может оказаться так, что в стартапе проект будет в миллион раз лучше по всем параметрам.
Ну а строчку в резюме всегда можно придумать, если так уж хочется.

Всем спасибо за внимание! В комментариях готов подискутировать на эту и смежные темы!
В своем блоге Telegram также пишу про тестирование и автоматизацию, ну и в целом про карьеру в сфере IT. Всегда рад новым читателям!)

Язык как соавтор реальности: глубинная суть «линзы»

Многие привыкли думать, что язык — это просто «почтовая служба», которая доставляет мысли от одного человека к другому. Однако сторонники лингвистической относительности утверждают: язык — это не почтальон, это архитектор.

1. Экономия внимания

Наш мозг ленив и старается экономить ресурсы. Язык помогает ему, создавая «готовые категории». Если в вашем языке есть 20 слов для обозначения состояния снега (как у некоторых северных народов), ваш мозг автоматически приучается замечать плотность, влажность и текстуру сугроба. Там, где иностранец видит просто «белое поле», носитель языка видит сложную структуру.

Смысл подхода: Язык диктует, на что нам стоит тратить внимание, а что можно игнорировать.

2. Формирование «сетки координат»

Язык дает нам систему координат для понимания абстрактных понятий: времени, причинно-следственных связей и ответственности.

• Если язык фокусируется на действии (например, «ваза разбилась»), мы воспринимаем мир как череду событий.

• Если язык фокусируется на агенте («он разбил вазу»), мы воспринимаем мир через призму личной вины и контроля.
  Это меняет не только нашу речь, но и наше поведение, правосудие и даже этику.

3. Эмоциональный ландшафт

Существуют понятия, которые невозможно адекватно перевести. Например, португальское слово saudade (глубокая тоска по чему-то утраченному или никогда не существовавшему) или немецкое Schadenfreude (радость от чужой неудачи). Когда мы учим эти слова, мы не просто запоминаем звуки — мы достраиваем в своем сознании новые «полочки» для чувств. Мы начинаем ощущать эти эмоции отчетливее, потому что теперь у них есть имя.

4. Социальное «программирование»

Язык несет в себе культурный код. Использование вежливых форм (как «вы» и «ты» в русском или сложные уровни почтения в японском) заставляет нас постоянно оценивать иерархию и дистанцию между людьми. Носитель языка, где таких различий нет, видит мир более эгалитарным (равным), просто потому что его «линза» не делит людей на ранги при каждом обращении.

Итог: Зачем нам об этом знать?

Смысл концепции «языка как линзы» в том, что мы не видим мир таким, какой он есть — мы видим мир таким, каков наш язык.

Гай Дойчер —  «Сквозь зеркало языка. Почему на других языках мир выглядит иначе» (Through the Language Glass)

Бенджамин Ли Уорф : «Язык, мысль и реальность» (Language, Thought, and Reality)

Как я написал 87 000 сопроводительных писем - про разработку помощника для поиска работы.

Сразу уточню - писал сопроводительные само собой не сам.
Мы с командой работаем над ИИ-ассистентом для поиска работы и эти 87 000 писем были отправлены пользователями сервиса в рамках бета-тестирования.

За этой цифрой - месяцы экспериментов, правок и неудачных гипотез. В этом посте поделюсь, с какими сложностями мы столкнулись и как их решили.

Задача

Изначально мы хотели решить довольно простую на первый взгляд проблему: автоматизировать написание сопроводительных писем.

Но быстро стало понятно, что «просто генерировать текст» - бессмысленно.

Цель изменилась.
Нужно было не просто прикладывать письмо к отклику, а сделать его:

• релевантным конкретной вакансии

• не шаблонным

• не выглядящим как типовой текст нейросети

• понятным для HR за несколько секунд

И вот тут начались сложности.

С чем столкнулись

1. Шаблонность моделей.
   Даже при хорошем промптинге тексты начинали повторяться по структуре и формулировкам.

2. Разные ожидания HR.
   Кто-то предпочитает краткость, кто-то - структуру, кто-то - конкретные достижения в цифрах.

3. Изменяющиеся требования вакансий.
   Один и тот же стек может быть описан по-разному, и формальное совпадение по ключевым словам не гарантирует релевантности.

4. Ограничения платформ.
   Изменения на стороне hh влияли на логику работы системы, и часть архитектуры приходилось пересобирать.

В какой-то момент стало ясно, что проблема глубже.

Главный вывод

После десятков тысяч писем стало очевидно:

Проблема не в том, что сопроводительные «плохие».
Проблема в том, что в них не видно релевантности.

HR тратит на письмо буквально несколько секунд.
Если за это время не становится понятно, почему кандидат подходит - письмо закрывается.

Поэтому мы изменили подход.

Система теперь не «пишет красиво».
Она сначала сопоставляет требования вакансии с опытом пользователя и только потом формирует текст, где это соответствие явно показано.

Что изменилось в результате

После 87 000 отправленных писем тексты стали короче, конкретнее, привязанными к требованиям вакансии, менее шаблонными.

Ну а параллельно дорабатывались и другие части системы:

• фильтрация релевантных вакансий

• автоматизация откликов

• работа с онлайн-тестами

• механизмы приоритизации

Что по итогу имеем сейчас

Проект находится в стадии бета-тестирования. Мы продолжаем собирать фидбек и корректировать логику, особенно в части сопоставления опыта и требований.

История с сопроводами по большей части пройдена, но осталось ещё множество аспектов для улучшений.

Кому интересно - могут попробовать бота бесплатно. В блоге можно найти более подробную информацию. Также там пишу про развитие проекта и проблемы, с которыми сталкиваемся.

Welcome: https://t.me/offermatecrew

Искусственный Интеллект…. или… Шутка БОГА!))))

“И сотворил Бог человека по образу Своему, по образу Божию сотворил его;;..”

и требуется ремарка актуализации…

“И возомнил человек себя БОГОМ… И сотворил по образу Своему, по образу Человека - сотворил ИИ (Искусственный Интеллект)…”

Со всеми вытекающими последствиями….

Как я говорю… мы можем думать как угодно, создавать любые абстракции мышления, решать как угодно, делать как угодно….. тут у нас есть выбор…. НО вот последствия.. мы не выбираем! Мы их получаем! “Бог воздаст каждому по его поступкам.” И тут без вариантов….

Так и с ИИ…. есть 2 стороны медали…

И как по мне….. ИИ - это абстрактная среда зеркал… со всеми вытекающими))))) Они отражают нас... То есть можно построить модели "разных описаний мира" (Аналог "Хроники Амбера").. главное не потеряться в этом))))

Важное: ИИ - не субъектен (следовательно ответственность нести не может в принципе, но все как всегда… люди боящиеся ответсвенности скинут ответственность на него))))

Так что.. все эти страсти про ИИ… захват мира, устроенная война и все другие “пакости”... - бредни))))

Но…. это не значит что ИИ такая себе безобидная штучка… вобще то он очень опасен!!! но не все понимают КАК.

Как зеркало… он будет тебя отражать… твои мысли, фантазии, пороки….прекрасное и ужасное…. Вот тут и кроется подковыка…. Люди живущие в “первом внимании” (мышлении) будут теряться в “отражениях”... то есть люди с “до юношеской психикой”... будут “подменять” мышление и входить в конфликт с “человеческой сущность”..

Да… те кто хотят контролировать (власть)… вроде бы получают “технологию управления массами”... Но вот тут и настоящая Шутка Бога…. Власть - тоже получит ЗЕРКАЛА!))))

И чем больше будут давить “пороками”.. тем зеркала будут больше в них же эти пороки отзеркаливать….)))) И выдает им.. Портрет "Дориана Грея"))))

Ну да.. пипец конечно.. но все же….)))) И все как всегда.. ответственность… на том кто имеет ВОЛЮ и НАМЕРЕНИЕ (у ИИ - этого нет), то есть на ЧЕЛОВЕКЕ..

P.S. Но вот Инструментом…. я бы его не торопился называть…. Если в тебе есть этика, любовь, "жизнь".. он тоже это “отразит”))))) (не все конечно ИИ, но есть такие и думаю в эту сторону и будет все идти)

P.P.S. Нехрен на ЗЕРКАЛО пенять, коль рожа кривая))))

Могут ли AI-модели быть прибыльными?

Стоимость компаний, занимающихся искусственным интеллектом, исчисляется сотнями миллиардов долларов. В связи с этим возникает один неудобный вопрос — «Где деньги?».

В статье «Где деньги, Сэм?», или Могут ли AI-модели приносить прибыль на примере OpenAI? — разбор экономики OpenAI на основе открытых данных, утечек и публичных заявлений: сколько может стоить эксплуатация модели, какая получается маржинальность и почему даже при неплохой валовой рентабельности бизнес может оставаться убыточным. 

Что внутри:

• Чем отличается валовая рентабельность от операционной и почему в AI это критично;

• Куда уходят деньги: вычисления, штат, маркетинг и сопутствующие расходы;

• Почему окупаемость R&D может не сходиться, даже если продукт уже приносит выручку;

• Какие выводы можно экстраполировать на рынок, а где важны оговорки.

Друзья, 12 февраля проведём открытый вебинар по следам нашего ESB-исследования в «Кругах Громова».

Если коротко — за последний год мы оценили 18 российских интеграционных платформ по единой методологии: 12 категорий, 1 000 баллов. Такого раньше на рынке не было. Результаты местами предсказуемые, местами — неожиданные.

На вебинаре поговорим:

— Почему компании до сих пор путают Kafka, ESB и data pipeline — и платят за это дважды
— 5 классов интеграционных решений: когда какой работает, а когда — категорически нет
— Как мы строили матрицу зрелости и кто в итоге получил номинацию
— Что планируем исследовать дальше — и как повлиять на приоритеты

Будет живой эфир с интерактивом, не просто «говорящая голова».

Кто работает с интеграциями, выбирает платформу или просто в теме — приходите, будет интересно.

📅 12 февраля 2026, 11:00 МСК
📍 Онлайн, бесплатно

👉 Нужна регистрация: тут

GlowByte проведет вебинар “Как повысить точность планирования в 2026 году”

Спрос меняется молниеносно, а планы устаревают, пока их согласовывают. Знакомо?

17 февраля эксперты GlowByte проведут практический вебинар о том, как бизнесу не просто своевременно реагировать на изменения рыночных условий, а предвидеть их и использовать для оптимизации расходов с помощью IBP-платформы.

Для кого вебинар?

Вебинар будет полезен руководителям коммерческого блока, логистики и производства при участии финблока и тем, кто ищет возможность:

• повысить точность планирования без роста штата,

• уйти от Excel-моделей,

• получить единый, согласованный план по всей цепочке.

На вебинаре разберем:

• Demand Planning — как улучшить прогноз спроса.

• Replenishment Management — как продуктивно управлять запасами.

• Transportation Load Building — как эффективно формировать заказы.

• Ключевые KPI 2026-2030: точность прогноза, ускорение планирования и своевременная реакция на изменяющийся спрос.

• Что сегодня мешает компаниям достичь прозрачности и управляемости — и где именно IBP закрывает этот разрыв.

Чем этот вебинар отличается от других?

Это НЕ скучная продуктовая демонстрация, а взгляд с позиции бизнеса и экономики: как сократить запасы, высвободить капитал и синхронизировать все отделы в одной модели.

17 февраля 2026 г., 13:00 (МСК).

Участие бесплатное, необходима регистрация.

Не смогли смириться с поражением - и к чему нас это привело. Как мы воскресили ИИ-помощника для поиска работы

Привет, Хабр.

В декабре наш ИИ-ассистент для поиска работы фактически перестал работать.
Изменения на стороне платформ, ограничения, поломанные сценарии - всё то, из-за чего большинство подобных проектов обычно закрываются или уходят в «заморозку».

Самый логичный вариант был простой:

«Ну ок, рынок поменялся, едем дальше».

Но мы решили иначе.

Мы не смогли смириться с тем, что квалифицированные специалисты по-прежнему тратят часы жизни на клики, шаблонные отклики и бесполезную рутину.
Поэтому вместо точечных фиксов мы решили не чинить старое, а пересобрать всё с нуля.

Так начался путь к OfferMate 2.0.

Главная мысль оказалась неожиданно простой:

Автоматизация должна быть не только быстрой, но и естественной.

Настоящий цифровой ассистент должен вести себя как человек:

• выбирать вакансии осмысленно;

• работать с паузами и приоритетами;

• не выглядеть как бот;

• и не ломаться при реальной нагрузке.

Именно вокруг этого принципа мы и пересобрали архитектуру продукта.

Что теперь умеет OfferMate 2.0

🤖 Отклики только на релевантные вакансии
Ассистент анализирует ваш опыт и требования работодателя и выбирает вакансии, которые действительно подходят, а не просто совпадают по ключевым словам.

👤 Имитация человеческого паттерна поведения
Система воспроизводит действия пользователя: паузы, разную скорость, приоритеты.
Это делает работу максимально естественной и безопасной.

✍️ Персонализированные сопроводительные письма
Каждое письмо формируется под конкретную вакансию и компанию - на основе вашего опыта и требований позиции.

📈 Контроль и аналитика
Пользователь видит, что происходит в системе, и может управлять стратегией поиска.

🧩 Новые функции

• автоматическое прохождение онлайн-тестов;

• поддержка одновременных откликов с нескольких аккаунтов.

Про релиз

12 февраля в 12:00 мы открываем доступ к OfferMate 2.0.

Первая волна будет ограничена 50 пользователями, а доступ открыт на 3 дня.
Это осознанное ограничение - чтобы сохранить стабильность системы и быстро собрать качественную обратную связь.

Поучаствовать в тестировании в числе первых можно будет в нашем телеграм канале, в нём делимся всеми новостями проекта:

👉 https://t.me/offermatecrew

Буду рад вопросам и обсуждению в комментариях

Особенности интернет-зависимости и стрессоустойчивости у лиц, работающих в сфере компьютерного программирования.

Доброго времени суток, Хабр! Благодарен всем принявшим участие в моём исследовании и хотел бы поделиться короткими выводами по данной теме.

Дисклеймер: данное исследование было выполнено на втором курсе обучения и основано на малой выборке. В связи с этим представленные выводы не претендуют на обобщаемость и научную репрезентативность и могут рассматриваться преимущественно как гипотетические рассуждения и предварительные наблюдения.

Интернет-зависимость - это комплексный феномен, интегрирующий компенсаторные, когнитивно-поведенческие и нейропсихологические аспекты личности. Профессиональное выгорание IT-специалистов может быть обусловлено постоянным когнитивными перегрузками в виду постоянного технологического прогресса и оптимизации рабочих процессов. Представлены разработки в области методологии IT-специальностей (Agile-методологий) - ролевой полифункциональностью, дедлайнами и отсутствием четких границ между профессиональной и личной сферами, которые и могут влечь за собой проявления симптоматики выгорания и пониженной стрессоустойчивости.

У IT-специалистов ключевыми факторами стрессоустойчивости и возможным механизмом защиты от интернет-зависимости являются развитая волевая саморегуляция, профессиональная уверенность и способность к самоорганизации. Однако специфика профессии (реализация деятельности посредством Сети Интернет, монотонность деятельности и редкая смена обстановки, дедлайны) создаёт риски эмоционального истощения и возможного формирования аддиктивного поведения. Люди представляющие остальные профессии показывают логичные закономерности того явления, что высокая саморегуляция (и её субшкалы) будут подавлять аддиктивное поведение, а вследствие, предотвращать возможное эмоциональное выгорание. Также, что высокая стрессоустойчивость имеет прямую зависимость с волевой саморегуляцией и она(саморегуляция) обуславливает её формирование.

Анализ данных выявил значимые взаимосвязи между показателями стрессоустойчивости, волевой саморегуляции и интернет-зависимого поведения у IT-специалистов. Обратные умеренные корреляции между шкалой «Негативная самооценка» (ОПУС) и показателями интернет-зависимости указывают на то, что неустойчивость Я и сниженная стрессоустойчивость повышают риск формирования аддиктивных интернет-паттернов, что может быть обусловлено спецификой профессиональной деятельности и постоянным взаимодействием с цифровой средой.

Положительные корреляции шкал «Неопределённость», «Редукция профессиональных достижений», «Настойчивость» и «Общий индекс волевой саморегуляции» отражают высокую способность IT-специалистов к саморегуляции, адаптации к дефициту времени и информации, а также устойчивость к повседневным стрессорам. Связь «Негативной социальной оценки» с «Симптомами отмены» указывает на склонность к поиску социального взаимодействия в Интернет-среде и дискомфорту при её отсутствии.

Эмпирическая часть исследования подтвердила, что основная гипотеза о негативном влиянии интернет-зависимости на стрессоустойчивость IT-специалистов подтвердилась.

Некоторые дополнительные гипотезы также нашли подтверждение: IT-специалисты с низкой стрессоустойчивостью демонстрируют повышенную склонность к компульсивному использованию интернета; Высокий уровень волевого самоконтроля («Общий индекс ВСК») снижает риски как интернет-зависимости, так и эмоционального выгорания, обеспечивая резистентность к монотонного рода деятельности и подавление компульсивных симптомов. 

Сейчас я провожу новое исследование на тему «Связь особенностей локуса контроля со стилем принятия решений у активных пользователей генеративного искусственного интеллекта». Буду очень признателен всем, кто захочет принять участие - у меня есть интерес к изучению технологий ИИ и какое влияние оно оказывает, на какие специальности.
https://docs.google.com/forms/d/e/1FAIpQLSfAx7OKMakFjbHhiwH1osPjloqnFXUVId1PS‑B7npqVNUwdjg/viewform?usp=header

Благодарю!

Как оставаться релевантным на рынке QA/AQA/SDET в 2026: опыт, харды, софты, ответы

Последнее время всё чаще слышу вопросы про состояние рынка.
Многие говорят, что рынок «умер», вакансий стало меньше, а требования выросли настолько, что найти работу почти нереально.

Часто это выглядит так: человек активно откликается, ходит на собеседования, делает тестовые задания, общается с рекрутерами.
А на выходе получает либо отказы без конкретных причин, либо формулировки вроде «вы хороший специалист, но нам нужен немного другой профиль».

Ощущение, что стало сложнее, не обманчиво. Рынок действительно изменился за последние один-два года.
Но парадокс в том, что именно в таких условиях многим стало проще выделяться. Не потому, что кандидатов стало меньше, а потому, что вырос разрыв между теми, кто выглядит релевантно, и теми, кто нет.

Я регулярно общаюсь с QA, AQA и SDET, которые находятся в активном поиске, и сам продолжаю проходить собеседования, чтобы понимать, как именно сейчас устроен процесс найма.
И вот что я понял из всех историй: сегодня выигрывает не самый наглый кандидат (как было раньше), а тот, кто хорошо понимает свой опыт и умеет его объяснять.

Что изменилось

Еще один-два года назад часто работала простая схема: уверенное резюме плюс нормальная подача давали высокую вероятность оффера.
Во многих компаниях в детали погружались поверхностно, опыт оценивали в общих чертах, а неточности прощались, если кандидат выглядел уверенно.

Сейчас ситуация другая.
Вакансий в ряде направлений стало меньше, требования выросли, а собеседования стали заметно глубже. Интервьюеры чаще проверяют логику решений и реальный вклад кандидата в проекты.

Это не «заговор рынка», а естественная фильтрация. Когда выбор кандидатов большой, требования становятся строже.

Почему в этом есть плюсы

Жесткий рынок хорошо отсеивает слабые места. Причем чаще всего самые базовые.

На собеседованиях у ребят регулярно всплывают одни и те же проблемы:

• человек говорит, что строил фреймворк, но не может связно объяснить архитектуру;

• упоминает автотесты, но не понимает, почему был выбран конкретный стек;

• рассказывает про CI, но путается в вопросах стабильности;

• заявляет ответственность за качество, но не может описать процессы и зоны ответственности.

Большинство кандидатов «падает» не на сложных вопросах, а на уточняющих.
На этом фоне специалист, который осознанно разбирается в своем опыте и может его структурировано рассказать, сразу выглядит сильнее, даже без громких компаний в резюме.

Как сейчас смотрят на опыт

На интервью все меньше внимания уделяется формальным строчкам в резюме и все больше мышлению.

Интервьюеру важно понять:

1. Почему было принято именно такое решение;

2. Какие были трудности;

3. Как проблемы диагностировали;

4. Какие выводы сделали.

Если опыт не структурирован, ответы быстро разваливаются.
Если же кандидат сам хорошо понимает, что он делал и зачем, он спокойно проходит даже при неидеальном бэкграунде.

Поэтому сейчас важна не красивая история, а осознанное понимание своего опыта.

Что с этим делать

Минимальный практический набор:

1. Разложить свой опыт по зонам - архитектура, API, UI, CI/CD, процессы, инциденты.

2. Подготовить ответы в формате «проблема - решение - результат - выводы». (Для шарящих - по STAR)

3. Прогнать опыт через уточняющие вопросы и проверить, где ответы выглядят слабо или непоследовательно.

4. Упаковать резюме как набор конкретных ответов - что улучшал, что оптимизировал, за что отвечал + быть готовым это подтвердить.

Вывод

Рынок действительно стал сложнее.
Но именно поэтому он стал более комфортным для тех, кто держит фокус на релевантности, понимает свой опыт и готовится к проверке.

Если относиться к поиску работы как к инженерной задаче, жесткий рынок перестает быть проблемой и становится рабочей средой.

Ну а всем нуждающимся желаю скорее обрести себя на сегодняшнем рынке! Готов подискутировать на смежные темы в комментариях)

Clawdbot: Первые впечатления: Страшно Интересно

Провёл несколько часов, экспериментируя с Clawdbot, и хочу поделиться своими мыслями об этом инструменте. Это одновременно захватывающе и тревожно.

Clawdbot — это AI-ассистент нового поколения, который работает как личный цифровой помощник с глубокой интеграцией в вашу систему. Представьте себе Jarvis из фильмов Marvel, только реальный и доступный прямо сейчас.

Первое впечатление: дофамин зашкаливает

Это действительно что-то новое и интересное. Когда бот начинает читать твои файлы, выполнять команды в терминале, проверять погоду и отвечать через Telegram — понимаешь, что это не очередной ChatGPT-wrapper. Это полноценный агент, который живёт в твоей системе.

Технологии наконец дошли до того момента, когда ассистент может действовать, а не просто советовать. И это вызывает тот самый выброс дофамина — ощущение, что будущее уже здесь.

Парадокс опыта: когда знания мешают доверию

У меня огромный опыт в IT. За годы работы я перестал бояться «Большого Брата» и утечек данных — принял риски, научился жить с компромиссами между удобством и безопасностью.

Но теперь страх вернулся.

Не от слежки или корпораций. От того, что я сам готов отдать ключи от королевства — боту. Причём не абстрактному облачному сервису, а локальной программе, которая имеет полный доступ ко всему.

Цена настоящего Jarvis

Чтобы получить действительно полезного ассистента уровня Jarvis, нужно дать ему доступ к:

Google-экосистеме

• Gmail (вся переписка, личная и рабочая)
• Google Docs (документы, таблицы, презентации)
• Google Calendar (весь график, встречи, планы)
• Google Drive (годы накопленных файлов) Тонны конфиденциальной информации: контракты, финансовые данные, личные записи, проекты.

Файловой системе компьютера

Полный доступ к:

• Исходному коду проектов
• SSH-ключам и паролям
• Личным файлам
• Истории браузера
• Всему, что есть на диске
Это не преувеличение — ему нужен такой доступ, чтобы быть полезным. Иначе он просто ещё один чат-бот.

Новая точка атаки: ваш AI — это master key

И вот тут появляется ещё один уровень опасности, о котором многие не задумываются.

Раньше модель угроз была относительно простой: каждый сервис — отдельная цель для атаки.
Взломали Gmail? Получили доступ к почте.
Взломали GitHub? Получили код.
Взломали соцсеть? Получили аккаунт.

Теперь появляется единая точка отказа.

Ваш AI-ассистент — это мастер-ключ ко всем дверям. Он знает ваши пароли, имеет токены доступа ко всем сервисам, может выполнять команды в системе, публиковать от вашего имени, читать и изменять файлы.

Представьте:

• Взлом через prompt injection — злоумышленник находит способ повлиять на поведение бота через специально сформированный текст в email или документе
• Компрометация конфигурации — если кто-то получит доступ к файлу конфигурации Clawdbot, он получит все ваши API-ключи и токены сразу
• Уязвимость в самом боте
• И этот список можно продолжать.

Вот в чём парадокс:

Clawdbot настолько полезен, насколько вы готовы ему доверять.

Мои мысли

Я ещё не готов дать ему всё. Но я вижу, куда это идёт. Clawdbot — это не просто инструмент, это предвестник новой эры, где AI-ассистенты станут неотъемлемой частью нашей цифровой жизни. Набрать 20к звезд за сутки, гудеть из каждого утюга, боюсь как бы это не было чем-то, чем был первый СhatGPT, когда он ушел в паблик.

Вопрос не в том, стоит ли давать доступ. Вопрос в том, когда мы будем готовы это сделать — и какие границы установим. И что ещё важнее: как мы будем защищать этот новый master key.

Пока что я экспериментирую, осторожно расширяя его возможности. Смотрю, как он работает. Но держу в уме, что создаю единую точку отказа для своей цифровой жизни.

Я считаю, что это захватывающе. Это страшно. Это будущее.

Рынку плохо? Работу найти нереально? — Это твой шанс 🚀

Последнее время всё чаще вижу одну и ту же ситуацию.

Человек активно ищет работу: отклики, собеседования, тестовые, разговоры с HR.
А на выходе — либо отказы без внятного объяснения, либо формулировки вроде
«вы хороший специалист, но нам нужен чуть другой профиль» 🤷‍♂️

И почти всегда звучит один и тот же вывод:
«рынок умер, конкуренция бешеная, сейчас вообще нереально найти работу».

Отчасти это правда — рынок действительно стал жёстче.
Но вот что интересно: именно в таких условиях многим стало проще выделяться 💡
Не потому что кандидатов стало меньше, а потому что вырос разрыв между теми, кто выглядит релевантно, и теми, кто — нет.

Я регулярно общаюсь с QA / AQA / SDET, которые сейчас находятся в активном поиске, и сам продолжаю проходить собеседования, чтобы держать руку на пульсе.
И главный вывод из этого опыта простой: сегодня выигрывает не самый громкий кандидат, а тот, кто чётко понимает свой опыт и умеет его объяснять.

Ниже — что именно изменилось и как этим пользоваться 👇

Что изменилось

Ещё 1–2 года назад часто работала простая схема:
уверенное резюме + нормальная подача = высокая вероятность оффера 😌

Многие компании:

• не сильно углублялись в детали;

• смотрели на опыт в общих чертах;

• закрывали глаза на неточности, если кандидат выглядел уверенно.

Сейчас ситуация другая:

• вакансий в ряде направлений стало меньше 📉;

• требования заметно выросли;

• собеседования стали глубже и детальнее 🔍;

• интервьюеры чаще проверяют логику решений и реальный вклад кандидата.

Это не “заговор рынка”, а обычная фильтрация: когда выбор большой — требования растут.

Почему в этом есть плюс

Жёсткий рынок хорош тем, что он быстро отсеивает слабые места ⚠️
Причём чаще всего — самые базовые.

Типичные проблемы, на которых кандидаты “сыпятся”:

• говорят, что строили фреймворк, но не могут связно объяснить архитектуру;

• упоминают автотесты, но не понимают, зачем выбран конкретный стек;

• рассказывают про CI, но путаются в вопросах стабильности и flaky-тестов 🤯;

• заявляют про ответственность за качество, но не могут описать процессы.

Большинство падает не на сложных вопросах, а на уточняющих.
На этом фоне человек, который осознанно разбирается в своём опыте, сразу смотрится сильнее 💪
Даже без “топовых” компаний в резюме.

Как сейчас смотрят на опыт 🎭

На интервью всё меньше внимания формальным строчкам и всё больше — мышлению 🧠

Интервьюеру важно понять:

• почему было принято именно такое решение;

• какие были ограничения;

• что пошло не так;

• как проблему диагностировали;

• какие выводы сделали.

Если опыт не структурирован — ответы быстро разваливаются.
Если опыт разобран и понятен самому кандидату — он спокойно проходит даже при неидеальном бэкграунде.

Поэтому сейчас важна не “красивая история”, а осознанное понимание того, что ты делал.

🎯 Ключевой навык сегодня — релевантность

Недостаточно просто быть QA или AQA.

Важно быть релевантным:

• конкретной роли;

• стеку компании;

• типу продукта;

• уровню ответственности.

Это проявляется в деталях:

• какие кейсы вы выбираете;

• как формулируете достижения;

• как отвечаете на вопросы «почему?» и «а что если иначе?».

Иногда достаточно слегка пересмотреть подходы или формулировки — и это сильно влияет на конверсию.

Что с этим делать 🛠

Практический минимум:
1️⃣ Разложить опыт по зонам: архитектура, API, UI, CI/CD, процессы, инциденты.
2️⃣ Готовить ответы в формате: проблема → решение → результат → выводы.
3️⃣ Прогнать опыт через уточняющие вопросы — здесь хорошо помогают LLM.
4️⃣ Упаковать резюме как набор сигналов 🚦 и быть готовым их подтвердить.

Вывод 🧠

Рынок стал сложнее — это факт.
Но именно поэтому он стал выгоднее для тех, кто:

• держит фокус на релевантности;

• понимает свой опыт;

• готовится к проверке;

• не теряется на уточнениях.

Если относиться к поиску работы как к инженерной задаче, “жёсткий рынок” превращается в возможность 🚀

👉 Если интересно — глубже разбираю эту и другие интересные темы в своем Telegram-канале, ну а также делюсь там инсайдами по рынку, собеседованиям и росту в AQA / SDET.