Teamlead Good Reads – ежедневные советы про менеджмент людей и команд

Как устроены инженерные революции То, как AI сейчас меняет разработку, по своей структуре сильно похоже на научную революцию 60 лет назад – полностью меняется парадигма, на которую привыкли опираться миллионы людей. Похожи и защитные механизмы, которые используют скептики: 👉Оправдание аномалий. Когда какой-то факт не встраивается в текущую картину мира, он интерпретируется таким образом, чтобы все-таки встроиться. 👉Несоизмеримость. Люди с разных сторон не просто не могут согласиться про факты – они считают фактами абсолютно разные вещи. Условно говоря, разработчики, которые не верят в AI, используют свои критерии качества кода – элегантность, гордость за код, либо какие-то конкретные его свойства. Разработчики с другой стороны баррикады не думают про эстетику кода вообще, для них это лишь функциональный артефакт, от которого нужно только чтобы он выполнял задачу и не содержал ошибок. 👉Переформулировка с сохранением парадигмы. К этой категории можно отнести довольно часто встречающийся сейчас тейк "написание кода никогда не было бутылочным горлышком, так что ускорение ничего не меняет". Сторонники этого защитного механизма не думают о том, как AI изменит другие этапы SDLC, и не смотрят дальше последствий первого порядка. 👉Специфическая аргументация. К новой парадигме применяются стандарты, которые никогда не применяли к старой. Например, критика LLM за галлюцинации упускает тот факт, что не меньше ошибок содержалось и в копируемых налево и направо сниппетах кода со Stack Overflow. 👉Гейткипинг. Апеллировать к тому, что все, кто топит за новую парадигму, просто никогда нормально не работалив старой. Иначе говоря, все, кто активно использует AI, никогда и не были настоящими разработчиками. На мой взгляд, часть параллелей все-таки притянута за уши – но эссе все равно любопытное, советую почитать.

AI только увеличивает количество работы Подъехало интересное ежегодное исследование продуктивности белых воротничков – 1.100 организаций, 170.000 сотрудников. Самый интересный вывод, хотя и вообще не неожиданный – адопшн AI заметно уменьшил количество глубокого фокусного времени, и при этом увеличил время, проводимое в разных приложениях: почте, мессенджерах, разных менеджерских тулах. Короче говоря, работы у кожаных мешков только прибавилось. Вот что еще интересного есть в исследовании: 👉AI в работе используют 80% опрошенных, на 50% больше, чем два года назад. При этом время работы с AI выросло аж в 8 раз. 👉Среди тех, кто работает с AI, выделяемое на глубокую работу время упало на 9%. Среди остальных такого изменения нет. 👉Продолжительность рабочего дня упала на 2%, но вот интенсивность подросла: сильно выросла коллаборация, мультизадачность, и работа по выходным.

Как стать 10x менеджером с помощью AI Я очень люблю всех подписчиков этого канала, поэтому сразу раскрою тайну – никак, даже с помощью AI. Но сделать свою работу приятнее можно довольно легко. На недавней конференции Стратоплана я делал доклад про то, как я использую OpenClaw для того, чтобы автоматизировать большое количество рутины – его наконец выложили в открытый доступ, так что делюсь и тут. Для затравки, вот несколько конкретных идей: 👉Раз в неделю бот анализирует все расшифровки моих созвонов на предмет того, приятный ли я в целом в общении человек, и накидывает области для улучшений. 👉У меня более-менее завелась практика регулярных decision records, и они получаются довольно глубокими благодаря тому, что агент меня интервьюирует. 👉Пробую перенести карточки сотрудников под управление AI – и обновлять их автоматически с учетом разных входных данных, которые я в бота вкидываю.

Новые выпуски тимлидских подкастов Лучше регулярных силовых тренировок могут быть только тренировки под подкасты. Держите свежую подборку интересных эпизодов: 👉"Три тимлида заходят в бар" про финансовые вопросы команды – сразу два выпуска (1,2) про зарплаты, их прозрачность, премии, бонусы, контр-офферы и прочее из той же серии. 👉КОДА КОДА про рынок труда для руководителей – почему менеджеру найти работу стало существенно сложнее и как с этим быть. 👉"Едим слона целиком" про организационную психологию и работу с мотивацией команды.

Про бэкграунд агентов Очень хороший ликбез по тому, как работают бэкграунд агенты и как их правильно оркестрировать. А главное – как они могут повлиять в будущем на ваш SDLC, и как это изменит роль инженеров.

Как эффективно работать с инцидентами Как показывают последние месяцы, количество серьезных инцидентов начало резко расти. Вы и раньше от них не были застрахованы, а теперь, когда постоянно ложатся базовые сервисы вроде Cloudflare, AWS и GitHub, вы стали еще уязвимее. Поэтому держите статью про то, как прокачивать себя и команду, чтобы справляться с инцидентами эффективнее: 👉Все должны понимать в деталях, из каких шагов состоит деплой. 👉Не нужно быть экспертом во всех компонентах вашей системы, но надо иметь общее представление об ее архитектуре, железе и его конфигурации, сетевом стеке, пути запроса и всей инфраструктуре. 👉Нужен хороший тулинг, который позволяет легко вытащить стектрейсы эксепшнов, посмотреть на метрики железа и приложения. 👉Нужно развивать насмотренность на стектрейсы – понимать, какие части касаются вашего кода, а какие библиотечного, учиться быстро находить их источник. 👉Постройте практику war room – во время инцидента собирать всех релевантных людей из разных функций в одном физическом или виртуальном пространстве, чтобы быстро обмениваться информацией. 👉Введите роль инцидент лида – у этого человека должны быть полномочия перенаправлять других людей на разные части расследования, принимать решения по отключению фичей, поддерживать всех в курсе происходящего.

Простые решения не приносят промо Большинство процессов, в которых группа людей оценивает чье-то инженерное решение, ведут к излишней сложности. В интервью, решениях о промо, дизайн-ревью в первую очередь выделяются инженеры, которые придумывают сложные и умно выглядящие решения. А инженеры, которые вместо создания новых слоев абстракции решили проблему в несколько строк, и наоборот избежали сложности, остаются незамеченными. Сложные решения впечатляют людей, а простые гораздо менее интересны. Уровень инженера очень часто оценивается по тому, насколько сложные системы он строил, поэтому мотивации решать вещи простыми способами особо нет. Что с этим делать инженерам: 👉Нужно стараться сделать свои простые решения видимыми и не менее впечатляющими. Не "реализовал фичу Х", а "оценил три возможных подхода к реализации, и отсек А и Б как неоправданно сложные по таким-то факторам, в итоге реализованное мной решение вызвало 0 инцидентов". 👉Когда на дизайн-ревью вас спрашивают что-то вроде "насколько это решение масштабируемо?", защищайте свою позицию – дайте оценку того, сколько усложнение будет стоить прямо сейчас, и насколько возможно будет доработать решение в будущем, когда это станет действительно нужно. 👉Вовлекайте своего менеджера, он тоже должен быть в курсе принципов, по которым вы принимаете решения, и разделять их.

Почему продакты не должны коммитить в прод Последний год долг чести каждого продакта – похвастаться, что он самостоятельно завайбкодил и выложил целую фичу в прод без участия разработчиков. Почему это антипаттерн: 👉Если фича действительно важна, а ее не делали, то лучше исправить сломанную систему приоритизации 👉Продакт программирует в лучшем случае как джун, а стоит компании как сеньор 👉Если продакты начнут рандомно запускать свои пет-проекты, то технический долг начнет бесконтрольно накапливаться 👉Когда продакты пушат своих знакомых сеньоров поревьюить их код, они довольно бесполезно тратят их время 👉Фичи от продактов чаще всего дают только иллюзию того, что что-то делается, и материал для поста в LinkedIn, а не реальный импакт В каких случаях продактам надо программировать: 👉Чтобы сделать прототип, который лучше объяснит команде их идею 👉Чтобы лучше понимать устройство системы. ее ограничения 👉Чтобы проводить быстрые эксперименты с пользователями с использованием близких к реальности прототипов 👉Чтобы в редких случаях использовать какие-то свои уникальные доменные знания

Вопросы, скрытые за вопросом Часто важен не конкретный вопрос, который вам задали, а те глубинные вопросы, тревоги и опасения, которые скрыты за ним. Пока вы с ними не разберетесь, собеседник не почувствует, что на его вопрос действительно ответили. 👉Не ввязывайтесь в бесконечное повторение одного и того же. Если ответ не заходит, сделайте шаг назад, подумайте, а чего от вас действительно хотят, и попробуйте другой заход. 👉Подумайте о вашем собеседнике – какие риски его волнуют, что поможет ему почувствовать себя в безопасности, что добавит уверенности в вас. 👉Прощупывайте, задавая уточняющие вопросы. Что-то вроде "Если расскажете, что для вас важнее всего, я смогу дать более релевантный ответ". 👉Когда вы сами задаете вопрос, старайтесь быть более явным, и озвучивать как контекст и все ваши глубинные вопросы.

Результаты опроса про использование менеджерами AI Пару недель назад я закидывал в канал опрос, в котором спрашивал вас, в каких категориях задач вы используете AI, и где он приносит вам больше всего пользы. Как и обещал, вот результаты! 👉Самые популярные категории: редактирование текста (ага-ага, а потом жалуемся, что текст стал дешевым), анализ текста, программирование, создание конспектов встреч и помощь в принятии решений. 👉А вот самый максимальный эффект помимо категорий работы с текстом AI дал в саморазвитии – составлении плана собственного роста, симуляции сложных тем и разговоров. 👉"Максимальный эффект" – это, в первую очередь, ускорение работы и повышение ее качества, на третьем месте – уменьшение стресса от задачи. 👉Менеджеры неплохо научились экономить время с помощью AI. Треть экономит больше 8 часов в неделю, еще четверть – от 4 до 8. А вот и некоторые из конкретных кейсов, забирайте себе идеи: • проработал 121 с коллегой консерватором, как лучше к нему подойти, что использовать, чтобы посеять в нем зерно и готовность к изменениям, сам меняться не хотел и я не мог подобрать ключик • Сделал бота, которому пересылаю сообщения из телеграма и он создает задачи в Джире. Тот же бот трекает время при необходимости. • Создание встреч в календаре с голоса • granola.ai собирает все звонки команды, раскладывает их по папкам, у меня есть чатик с контекстом каждой папки Фан факты: есть отдельные папки по вакансиям при найме, удобно по конкретной вакансии сравнивать кандидатов Отдельный кейс: ИИ-ревью тестовых заданий кандидатов • Автоматическое ведение деловой переписки на английском. Я наговариваю голосом ответы, получаю готовые сообщения в Teams, письма в оутлук, материал для презентаций • Делегирую ИИ формулировку задач. Пишу поток сознания с идеями и гипотезами, а ИИ формулирует задачу так, чтобы разработка/проектирование могли максимально быстро и точно понять требования. Ещё один пример - обработка фидбека в свободной форме - он сваливается в таблицу, откуда ИИ разбирает его и систематизирует по категориям. Это позволяет отсортировать самые популярные запросы (больше всего обращений с такой болью) и взять их в работу • Задача: исчерпывающе описывать технические задачи. С продуктовыми проблем нет, т.к. их описывают аналитики. Технические таски часто были слишком абстрактными. При помощи ChatGPT получилось формировать описание, которые вызывает минимум вопросов у разработчиков. Для этого сделал отдельный проект с указаниями задавать вопросы от лица разработчика до тех пор пока не будет понятно что нужно сделать (на уровне целей и критериев успеха, не пошаговых инструкций) • Использую агента для саммаризации под конкретных людей • На основании митингов, AI ассистент предлагает создать конкретные задачи в jira. Я только апрувлю. Почти не приходится редактировать. • Написание документов и инструкций - все пишу через ии. Разбираю рабочие ситуации и даже конфликты с коллегами и ии подсвечивает где как лучше сделать. Далее уже выбираю что считаю нужным. Строю личные планы развития и практикуюсь прямо с ии • Подготовка к защите оценки на perfomance review. Чат гпт загрузила матрицы компетенций, результаты полугодия, шаблоны, примеры, попросила сопоставить сильные стороны подчиненных. Это помогло сократить время на анализ данных, но до финального вида сама доводила.

Как AI меняет SDLC Еще один взгляд на то, как фундаментальные свойства агентской разработки могут в скором будущем поменять весь SDLC: 👉Классический SDLC (Requirements->Design->Code->Test->Review->Deploy) представлял из себя довольно долгий цикл, который в лучшем случае мог занимать несколько часов, а в худшем – недели и месяцы. В работе с агентом этот цикл схлопывается и становится намного быстрее – и в отличие от классического может прогоняться очень много раз. 👉Этап сбора требований размазывается по нескольким прогонам такого цикла – нет смысла заранее сильно вкладываться в спеку, если многие детали можно будет обраружить после первой наивной попытки реализации фичи. 👉Похожая история и с этапом дизайна. Разумнее становится не пытаться проработать всю архитектуру до старта задачи, а дать агенту правильный контекст, вместе с ним исследовать возможные опции, и выбрать подходящую вам по трейд-оффам. 👉TDD становится дефолтной методологией, а не чем-то, о чем чаще всего рассказывают на конференциях. 👉Code review должен отмереть в своем текущем виде – человек должен вовлекаться в цикл только в том случае, когда агент сам не может принять какое-то важное решение. В остальном роль человека – выстроить правильный harness, чтобы цикл мог исполняться без него. 👉Аналогично и с deployment, он должен происходить автоматически, без участия человека – но мониторинг становится еще более важен.

Организации оптимизируют под комфорт Любая система стремится оставаться в состоянии покоя. С инженерными организациями ситуация такая же. Они оптимизируют работу не под техническую корректность, а под комфорт. Почему так происходит: 👉Исправление проблем создает видимое неудобство прямо сейчас. А неисправление невидимо, пока не случится инцидент. Организации всегда выбирают невидимое, ведь инцидент всегда можно списать на случайность, если он вообще произойдет. 👉Чаще всего изменения требуют согласия тех, чье поведение должно измениться. Эти люди конечно же голосуют против. 👉Этому очень способствует наличие ответственности за решение последствий проблем без полномочий эти проблемы предотвращать. Условно, если вы чините аварии, это не дает вашему голосу больше веса, чем у остальных участников команды. 👉Часто споры вызывает не само конкретное изменение, а в целом попытка расшатывать устоявшуюся систему.