Обновить

“Death march” Эда Йордана: коротко о книге.

Книга написана в 1997 г., и может показаться, что автор, начавший карьеру в 1960-ые, писал про мир, совсем далекий от привычного нам IT. Но это не так.

Эта книга про высокорисковые проекты, параметры которых (бюджет, срок, команда, требования/”скоуп” и т.д.) отклоняются от нормальных на > 50%. Причем такие проекты - не какое-то исключительное, а вполне себе распространенное явление. 

Хотя в названии акцент сделан на “разработчике”, роль менеджера проекта - едва ли не главная в модели Йордана. Проджект - связующий элемент, балансир между стейкхолдерами, командой и результатом проекта.

Один из основных принципов в модели - triage, приоритезация. Спасение “безнадежного” проекта напрямую зависит от того, на чем команда сфокусируется. Это компенсирует нехватку ресурсов и лавинообразный рост требований. 

Еще один антикризисный принцип - ежедневная сборка проекта, сужение итерационного цикла с месяцев и недель до одного дня, как если бы он был последний для проекта.

И раз уж высокорисковые проекты становятся нормой, разумно формировать в компании культуру работы с ними. Учиться оценивать проекты, управлять манипуляциями “акционеров”, набирать и управлять командой, которая готова к таким проектам, вводить и поддерживать инфраструктуру, которые не подведет в горячий период.

Death March - полезный и актуальный гайд по управлению “проблемными” проектами, и я рекомендую ее абсолютно всем, кто работает в ИТ.

Архив обзоров и дайджестов по проектам.

Теги:
Всего голосов 3: ↑2 и ↓1+1
Комментарии0

Я перестал пользоваться самыми умными ИИ‑моделями. Программировать стало быстрее и дешевле

В отпуске есть время подумать и исследовать. Я натолкнулся на несколько вещей и открытий для себя. Оказалось, что мне как программисту перестали быть нужны самые умные и дорогие ИИ‑модели. Оказывается, есть такой параметр «Cost per Task», и по этому параметру на первое место вырвалась модель GPT-5.6 Luna (max).

При этом, если вы пользуетесь Codex, она самая тупая в списке моделей. Artificial Analysis Intelligence Index у нее всего 38. Для сравнения, у самой умной GPT-6 Astra (max) этот индекс равен 53. В итоге цена выполненной Luna задачи составляет $0.18 против $3.26 у Astra. Разница почти в 20 раз.

Как я понимаю, бенчмарк «Cost per Task» высчитывается так: когда ставится нормальная, грамотно описанная задача, замеряется, сколько токенов было потрачено на ее выполнение. То есть не в формате «из ХЗ сделаю ТЗ», а в формате, когда в хорошо заданном вопросе уже содержится половина ответа.

Я сначала не поверил, что так и есть, и стал работать, используя самую тупую модель Luna в линейке. И знаете, какие меня ожидали результаты?

Я перестал пользоваться самыми умными ИИ‑моделями. Программировать стало быстрее и дешевле

Публикации