Эта профессор писала про гибридные системы еще до хайпа с ИИ
Этим летом команда «Хекслета» побывала на ULCAMP’26. Там выступала сама доктор наук, автор монографий и более 400 работ в области мягких вычислений, нечеткой логики и гибридных систем Надежда Глебовна Ярушкина. Многие идеи, которые сегодня обсуждают как новое направление развития ИИ, в ее работах появились задолго до нынешнего бума LLM. Профессор рассказала, какой должна быть платформа разработки ИТ-компании в эпоху генеративного ИИ.
Суть в том, что ИИ сейчас меняет не только инструменты разработчика — он заставляет пересматривать весь процесс создания ПО и становится главным активом успеха компании. А может и не стать — при неправильном обращении.
Главное — система. Именно от того, как ИИ встроен в рабочие процессы, зависит «взлетит» ли компания или останется в убытке. Но чтобы ИИ действительно стал конкурентным преимуществом, нужно суметь встроить его в реальную деятельность компании на разных уровнях. Для этого нужны многоагентные платформы, интеграция с корпоративными данными и сервисами, оркестрация сценариев, распознавание намерений пользователя и контроль над контекстом. То есть недостаточно использовать один условный агент для одного или двух процессов, это должна быть единая система.
А еще нужно умудриться не забыть про когнитивный долг. ИИ позволяет генерировать код быстрее, но скорость сама по себе еще не гарантирует качество. Если разработчики перестают понимать архитектуру и последствия изменений, компания получает огромную кодовую базу, которую вскоре некому будет поддерживать. Потому что никто не сможет в ней разобраться — что тут костыль, а что важная архитектурная часть, без которой все рухнет? Как переписывать и дополнять этот код по мере необходимости? И кто это должен делать?
Получается, фундаментальные инженерные практики никогда еще не были так важны как в нынешнюю эпоху агентной разработки. Вновь вспоминаем про архитектурное проектирование, тестирование, CI/CD, DDD, ревью кода и работу с требованиями. В этом всем ИИ может помочь, но усилив сильного инженера, а не заменив его.
После выступления профессора вопросы продолжали сыпаться, даже за пределами сцены. К Надежде Глебовне подходили коллеги, выпускники и бывшие студенты — толпа желающих хотели получить ответы от любимого преподавателя. Кто-то даже вспомнил ее лекции по нейронным сетям и архитектуре программных систем, прочитанные еще два десятилетия назад.
Этот ажиотаж — еще одно доказательство, что фундаментальные знания не устаревают с приходом ИИ в процессы. Лекции и работы Надежды Глебовны до сих пор помнят, они не потеряли актуальности. Меняются модели, интерфейсы и модные термины, но способность понимать, как устроена система, все еще остается основным профессиональным активом. Важно его не растерять!
В заключение, Надежда Глебовна посоветовала разработчикам осваивать агентные фреймворки, следить за открытыми моделями, инвестировать в мультимодальность и регулярно пересматривать экономику использования ИИ. Только так, оставаясь на гребне волны и следя за технологическими прорывами можно оставаться востребованным специалистом.
Этим летом команда «Хекслета» побывала на ULCAMP’26. Там выступала сама доктор наук, автор монографий и более 400 работ в области мягких вычислений, нечеткой логики и гибридных систем Надежда Глебовна Ярушкина. Многие идеи, которые сегодня обсуждают как новое направление развития ИИ, в ее работах появились задолго до нынешнего бума LLM. Профессор рассказала, какой должна быть платформа разработки ИТ-компании в эпоху генеративного ИИ.
Суть в том, что ИИ сейчас меняет не только инструменты разработчика — он заставляет пересматривать весь процесс создания ПО и становится главным активом успеха компании. А может и не стать — при неправильном обращении.
Главное — система. Именно от того, как ИИ встроен в рабочие процессы, зависит «взлетит» ли компания или останется в убытке. Но чтобы ИИ действительно стал конкурентным преимуществом, нужно суметь встроить его в реальную деятельность компании на разных уровнях. Для этого нужны многоагентные платформы, интеграция с корпоративными данными и сервисами, оркестрация сценариев, распознавание намерений пользователя и контроль над контекстом. То есть недостаточно использовать один условный агент для одного или двух процессов, это должна быть единая система.
А еще нужно умудриться не забыть про когнитивный долг. ИИ позволяет генерировать код быстрее, но скорость сама по себе еще не гарантирует качество. Если разработчики перестают понимать архитектуру и последствия изменений, компания получает огромную кодовую базу, которую вскоре некому будет поддерживать. Потому что никто не сможет в ней разобраться — что тут костыль, а что важная архитектурная часть, без которой все рухнет? Как переписывать и дополнять этот код по мере необходимости? И кто это должен делать?
Получается, фундаментальные инженерные практики никогда еще не были так важны как в нынешнюю эпоху агентной разработки. Вновь вспоминаем про архитектурное проектирование, тестирование, CI/CD, DDD, ревью кода и работу с требованиями. В этом всем ИИ может помочь, но усилив сильного инженера, а не заменив его.
После выступления профессора вопросы продолжали сыпаться, даже за пределами сцены. К Надежде Глебовне подходили коллеги, выпускники и бывшие студенты — толпа желающих хотели получить ответы от любимого преподавателя. Кто-то даже вспомнил ее лекции по нейронным сетям и архитектуре программных систем, прочитанные еще два десятилетия назад.
Этот ажиотаж — еще одно доказательство, что фундаментальные знания не устаревают с приходом ИИ в процессы. Лекции и работы Надежды Глебовны до сих пор помнят, они не потеряли актуальности. Меняются модели, интерфейсы и модные термины, но способность понимать, как устроена система, все еще остается основным профессиональным активом. Важно его не растерять!
В заключение, Надежда Глебовна посоветовала разработчикам осваивать агентные фреймворки, следить за открытыми моделями, инвестировать в мультимодальность и регулярно пересматривать экономику использования ИИ. Только так, оставаясь на гребне волны и следя за технологическими прорывами можно оставаться востребованным специалистом.
🔥14❤8👍7
В июне 2026 года вышло интересное исследование Anthropic. Компания проанализировала 400 000 сессий Claude Code за октябрь 2025 — апрель 2026 года. Исследователи увидели разделение: человек принимал решения о том, что нужно сделать, а агент — как именно. При этом пользователи с предметной экспертизой чаще доводили работу до успешного результата и лучше восстанавливались после ошибок агента. То есть агенты для разработки не заменяют экспертизы. Именно знания специалиста позволяли агенту сделать больше полезной работы. Эксперты с навыками в программировании достигали успеха в два раза чаще.
Сейчас время, когда появляются новые специальности, уже связанные с ИИ, а старые — трансформируются. Но необходимость в технических навыках никуда не делась. И это определяющий критерий, чтобы эффективно решать инженерные задачи хоть самостоятельно, хоть с ИИ-помощниками.
Остается вопрос, куда идти? Направлений много, а сравнить их между собой негде. У каждого свои требования, зарплаты и сроки входа. Мы прогнали каждое направление через четыре критерия: сколько открыто вакансий, какая доля из них готова рассмотреть человека без опыта, как быстро растет зарплата и что будет с направлением спустя три года. Отбор прошли шесть, и все они на рынке в цене.
А чтобы выбрать одну из шести, подготовили целый вебинар по профориентации. Разберем каждое направление подробно: бэкенд и фронтенд, тестирование, DevOps и, конечно, вайбкодинг и ИИ-автоматизацию — куда же без новых профессий?
Вебинар состоится 26 августа в 19 00. Мы обсудим зарплаты, проекты и компании для новичков. Расскажем, как долго придется вкатываться и возможно ли устроиться без опыта. Отдельный пойнт — как расти дальше, вместе с ростом навыков увеличивая доход.
Цель этого вебинара — помочь разобраться, какое направление выбрать к 2027 году именно вам в вашей ситуации, и с чего можно начать уже сейчас.
Записывайтесь, чтобы не пропустить два часа пользы — узнаете, что же там происходит на рынке на самом деле: https://special.hexlet.io/career-guidance
Сейчас время, когда появляются новые специальности, уже связанные с ИИ, а старые — трансформируются. Но необходимость в технических навыках никуда не делась. И это определяющий критерий, чтобы эффективно решать инженерные задачи хоть самостоятельно, хоть с ИИ-помощниками.
Остается вопрос, куда идти? Направлений много, а сравнить их между собой негде. У каждого свои требования, зарплаты и сроки входа. Мы прогнали каждое направление через четыре критерия: сколько открыто вакансий, какая доля из них готова рассмотреть человека без опыта, как быстро растет зарплата и что будет с направлением спустя три года. Отбор прошли шесть, и все они на рынке в цене.
А чтобы выбрать одну из шести, подготовили целый вебинар по профориентации. Разберем каждое направление подробно: бэкенд и фронтенд, тестирование, DevOps и, конечно, вайбкодинг и ИИ-автоматизацию — куда же без новых профессий?
Вебинар состоится 26 августа в 19 00. Мы обсудим зарплаты, проекты и компании для новичков. Расскажем, как долго придется вкатываться и возможно ли устроиться без опыта. Отдельный пойнт — как расти дальше, вместе с ростом навыков увеличивая доход.
Цель этого вебинара — помочь разобраться, какое направление выбрать к 2027 году именно вам в вашей ситуации, и с чего можно начать уже сейчас.
Записывайтесь, чтобы не пропустить два часа пользы — узнаете, что же там происходит на рынке на самом деле: https://special.hexlet.io/career-guidance
❤6👍5
ИИ в бизнесе: как внедрять эффективно и что требуют от LLM-разработчика
На рынке пока немного специалистов, которые профессионально занимаются именно AI-разработкой. Сильные эксперты есть, причем уровень некоторых из них даже опережает текущие запросы бизнеса. Но особенно не хватает разработчиков, способных решать прикладные AI-задачи стабильно, быстро и в большом количестве. В результате спрос на такие кадры заметно превышает предложение, а зарплаты стартуют от 250 тысяч.
При этом сами компании еще не до конца определились, какие именно специалисты им нужны. Рынок находится на стадии формирования, и даже название профессии пока не устоялось. В вакансиях можно встретить самые разные формулировки: AI-разработчик, AI-инженер, LLM-разработчик, AI-архитектор или даже AI-интегратор.
Что нужно уметь? Разрабатывать на одном из языков программирования + понимать, как работать с LLM — это если коротко. А если чуть подробнее, то владеть RAG и MCP, иметь навыки работы с LLM разных размеров, уметь писать промпты и управлять контекстом. Также пригодятся знания оркестрации инструментов, построения AI-пайплайнов и владение основами безопасности и инфраструктуры.
А о том, как вообще работают ИИ-агенты и RAG-системы в бизнесе и чем предстоит заниматься AI-инженеру рассказал в статье автор курса «Хекслет» Рустам Борханов
https://ru.hexlet.io/blog/posts/ii-agenty-i-rag-kak-kompanii-vnedryayut-llm-v-biznes-protsessy
На рынке пока немного специалистов, которые профессионально занимаются именно AI-разработкой. Сильные эксперты есть, причем уровень некоторых из них даже опережает текущие запросы бизнеса. Но особенно не хватает разработчиков, способных решать прикладные AI-задачи стабильно, быстро и в большом количестве. В результате спрос на такие кадры заметно превышает предложение, а зарплаты стартуют от 250 тысяч.
При этом сами компании еще не до конца определились, какие именно специалисты им нужны. Рынок находится на стадии формирования, и даже название профессии пока не устоялось. В вакансиях можно встретить самые разные формулировки: AI-разработчик, AI-инженер, LLM-разработчик, AI-архитектор или даже AI-интегратор.
Что нужно уметь? Разрабатывать на одном из языков программирования + понимать, как работать с LLM — это если коротко. А если чуть подробнее, то владеть RAG и MCP, иметь навыки работы с LLM разных размеров, уметь писать промпты и управлять контекстом. Также пригодятся знания оркестрации инструментов, построения AI-пайплайнов и владение основами безопасности и инфраструктуры.
А о том, как вообще работают ИИ-агенты и RAG-системы в бизнесе и чем предстоит заниматься AI-инженеру рассказал в статье автор курса «Хекслет» Рустам Борханов
https://ru.hexlet.io/blog/posts/ii-agenty-i-rag-kak-kompanii-vnedryayut-llm-v-biznes-protsessy
👍4❤3🔥3
ИИ сильнее всего помогает тем, у кого меньше опыта — это проверили на 5 тысячах сотрудников. Джуны, берем на заметку!
Исследователи из Stanford и MIT изучили, что происходит, когда генеративный ИИ системно внедряют в реальной компании.
В исследовании участвовали 5 172 сотрудника техподдержки. AI-ассистент анализировал разговор с клиентом и в реальном времени предлагал сотруднику варианты ответа. Ответ можно было принять, изменить или проигнорировать.
Результаты:
— в среднем производительность выросла примерно на 15%;
— у менее опытных и менее квалифицированных сотрудников прирост доходил до 30%;
— сотрудники, которые использовали ИИ с начала работы, уже через 2 месяца показывали примерно такую же производительность, как сотрудники без ИИ с опытом более 6 месяцев.
То есть ИИ оказался особенно полезен для тех, кто только набирался опыта. Исследователи предполагают, что одна из причин в том, что модель фактически помогает распространять практики сильных сотрудников: менее опытные специалисты начинают быстрее использовать решения и паттерны, к которым эксперты обычно приходят только с годами опыта.
Именно поэтому вокруг LLM появляется отдельный пласт разработки: AI-ассистенты, агенты, RAG, интеграции с API, базы знаний и системы проверки ответов. А ИИ сокращает путь от новичка до опытного сотрудника.
Кстати, в Хекслет есть курс ИИ для новичков https://ru.hexlet.io/link/9XHIlQ и ИИ для разработчиков — https://ru.hexlet.io/link/zLJ7fC Так что можно сократить себе путь от джуна до мидла или переквалифицироваться из просто программиста в разраба, умеющего использовать ИИ и получать профит и буст.
Исследователи из Stanford и MIT изучили, что происходит, когда генеративный ИИ системно внедряют в реальной компании.
В исследовании участвовали 5 172 сотрудника техподдержки. AI-ассистент анализировал разговор с клиентом и в реальном времени предлагал сотруднику варианты ответа. Ответ можно было принять, изменить или проигнорировать.
Результаты:
— в среднем производительность выросла примерно на 15%;
— у менее опытных и менее квалифицированных сотрудников прирост доходил до 30%;
— сотрудники, которые использовали ИИ с начала работы, уже через 2 месяца показывали примерно такую же производительность, как сотрудники без ИИ с опытом более 6 месяцев.
То есть ИИ оказался особенно полезен для тех, кто только набирался опыта. Исследователи предполагают, что одна из причин в том, что модель фактически помогает распространять практики сильных сотрудников: менее опытные специалисты начинают быстрее использовать решения и паттерны, к которым эксперты обычно приходят только с годами опыта.
Именно поэтому вокруг LLM появляется отдельный пласт разработки: AI-ассистенты, агенты, RAG, интеграции с API, базы знаний и системы проверки ответов. А ИИ сокращает путь от новичка до опытного сотрудника.
Кстати, в Хекслет есть курс ИИ для новичков https://ru.hexlet.io/link/9XHIlQ и ИИ для разработчиков — https://ru.hexlet.io/link/zLJ7fC Так что можно сократить себе путь от джуна до мидла или переквалифицироваться из просто программиста в разраба, умеющего использовать ИИ и получать профит и буст.
👍6❤3
«Мне не было легко ни одного дня» — как рекрутер с двумя детьми выучилась на фронтендера и получила оффер в Модульбанк
Ира воспитывала двоих детей одна и в 30 решила сменить профессию на фронтенд. Училась два года, прошла через выгорание, ломала ветки и чинила ночами.
«Старшую в школу – и за компьютер, пока спит младший. Потом работа, домашние дела, вечером снова учеба. Иногда ночами. Вот и весь мой день.»
Но в итоге Ира получила оффер, не отправив ни одного отклика — причем не куда-то, а в Модульбанк.
Как ей все удалось несмотря на трудности, читайте в новой истории.
👉 https://ru.hexlet.io/blog/posts/mne-ne-bylo-legko-ni-odnogo-dnya-kak-ira-s-dvumya-detmi-vyuchilas-na-frontendera-i-poluchila-offer-v-modulban
Ира воспитывала двоих детей одна и в 30 решила сменить профессию на фронтенд. Училась два года, прошла через выгорание, ломала ветки и чинила ночами.
«Старшую в школу – и за компьютер, пока спит младший. Потом работа, домашние дела, вечером снова учеба. Иногда ночами. Вот и весь мой день.»
Но в итоге Ира получила оффер, не отправив ни одного отклика — причем не куда-то, а в Модульбанк.
Как ей все удалось несмотря на трудности, читайте в новой истории.
👉 https://ru.hexlet.io/blog/posts/mne-ne-bylo-legko-ni-odnogo-dnya-kak-ira-s-dvumya-detmi-vyuchilas-na-frontendera-i-poluchila-offer-v-modulban
🔥11👍9❤4😁3
💎 Почти 40% рабочих навыков изменятся к 2030 году. Как тогда выбирать профессию сейчас?
По данным Future of Jobs Report 2025 Всемирного экономического форума, работодатели ожидают, что к 2030 году 39% ключевых навыков сотрудников изменятся. Причем быстрее всего будет расти значение технологических навыков — в том числе связанных с ИИ, большими данными, кибербезопасностью и технологической грамотностью.
В дополнение к пониманию технологий работодатели будут искать сотрудников с креативным мышлением, любознательностью, стремлением учиться новому. В десятке наиболее востребованных навыков также оказались лидерство и социальное влияние, управление талантами и аналитическое мышление.
Но это в мире, а что в России? На одну IT-вакансию в России приходится 24,4 активных резюме, это вдвое больше, чем в среднем по рынку труда. При этом разброс между направлениями четырехкратный: то есть доля вакансий для новичков одного направления может быть в четыре раза выше, чем соседнего.
Это означает, что выбирать профессию только по принципу «какой язык программирования сейчас самый популярный» — не лучшая стратегия. Нужно разбираться глубже: изучать рынок, доступные вакансии, уровень зарплат. Если список вакансий по выбранной специальности не обновляется, то спрос существует только на бумаге.
Инструменты будут меняться, это уже 100% ясно. Но именно выбор направления с оценкой будущих перспектив — ключевое на текущем рынке. Важен не только спрос на опытных специалистов, но и ширина входа — какая доля вакансий готова рассматривать человека без опыта. Добавьте к этому скорость роста и перспективы развития направления — что будет с вакансией спустя три-пять лет? Не придется ли снова переучиваться?
Выбор может показаться сложным, но мы уже проанализировали рынок и готовы поделиться этой информацией. Если хочется разобраться, какая профессия в IT вам подходит, на бесплатной профориентации Hexlet можно сравнить разные специальности, узнать, чем придется заниматься на практике, какие навыки нужны для старта, куда берут новичков и сколько платят.
👉 Профориентация в IT от Hexlet
Telegram | YouTube | AI Клуб
По данным Future of Jobs Report 2025 Всемирного экономического форума, работодатели ожидают, что к 2030 году 39% ключевых навыков сотрудников изменятся. Причем быстрее всего будет расти значение технологических навыков — в том числе связанных с ИИ, большими данными, кибербезопасностью и технологической грамотностью.
В дополнение к пониманию технологий работодатели будут искать сотрудников с креативным мышлением, любознательностью, стремлением учиться новому. В десятке наиболее востребованных навыков также оказались лидерство и социальное влияние, управление талантами и аналитическое мышление.
Но это в мире, а что в России? На одну IT-вакансию в России приходится 24,4 активных резюме, это вдвое больше, чем в среднем по рынку труда. При этом разброс между направлениями четырехкратный: то есть доля вакансий для новичков одного направления может быть в четыре раза выше, чем соседнего.
Это означает, что выбирать профессию только по принципу «какой язык программирования сейчас самый популярный» — не лучшая стратегия. Нужно разбираться глубже: изучать рынок, доступные вакансии, уровень зарплат. Если список вакансий по выбранной специальности не обновляется, то спрос существует только на бумаге.
Инструменты будут меняться, это уже 100% ясно. Но именно выбор направления с оценкой будущих перспектив — ключевое на текущем рынке. Важен не только спрос на опытных специалистов, но и ширина входа — какая доля вакансий готова рассматривать человека без опыта. Добавьте к этому скорость роста и перспективы развития направления — что будет с вакансией спустя три-пять лет? Не придется ли снова переучиваться?
Выбор может показаться сложным, но мы уже проанализировали рынок и готовы поделиться этой информацией. Если хочется разобраться, какая профессия в IT вам подходит, на бесплатной профориентации Hexlet можно сравнить разные специальности, узнать, чем придется заниматься на практике, какие навыки нужны для старта, куда берут новичков и сколько платят.
👉 Профориентация в IT от Hexlet
Telegram | YouTube | AI Клуб
❤5👍3😴3🔥2
А в этом посте рассказываем про базовый набор компетенций, который уже можно заметить в требованиях компаний и описании вакансий.
Так какие навыки хотят видеть у инженеров со знанием ИИ?
Но чтобы он все это умел, разработчик агента должен четко прописать эти функции и параметры (не позабыв про ограничения). В агентных системах все обстоит довольно просто: чем универсальнее и абстрактнее инструмент, тем выше риск, что модель воспользуется им неправильно. Поэтому хороший агент должен выполнять одну понятную задачу и иметь предсказуемый интерфейс.
Инженеру предстоит связать в единую систему намерение пользователей с нужным агентом. А еще продумать, как будет передаваться контекст между компонентами и как они вообще будут взаимодействовать друг с другом. Не забыть каких-то агентов ограничить и понять, что именно им не разрешать. Тут тоже важен принцип минимальных прав и доступов, иначе последствия могут быть непредсказуемыми.
❓Список звучит внушительно? Не пугайтесь! Для входа в профессию необязательно глубоко разбираться в математике или обучении нейросетей. Достаточно уровня junior или junior+ в разработке, а дальше можно углубляться в ИИ-премудрости и развлекаться вайб-кодингом. А если все сделать правильно, получить новую востребованную специальность.
Если кодить вы уже умеете, а вот навыки по обращению с ИИ предстоит еще прокачать, то у нас классная новость. 25 августа в 19 00 у нас как раз пройдет бесплатный вебинар — поговорим о том, как ускорить разработку с помощью ИИ:
https://special.hexlet.io/ai-developer_llm_webinar?utm_source=telegram&utm_medium=social&utm_campaign=hexlet-blog&utm_content=promo&utm_term=post_200826
Telegram | YouTube | AI Клуб
Please open Telegram to view this post
VIEW IN TELEGRAM
👍8🔥2❤1
Каждый шестой коммит с новыми тестами уже делает ИИ
Исследование «Testing with AI Agents: An Empirical Study of Test Generation Frequency, Quality, and Coverage» (MSR 2026) проанализировало 2 232 коммита с изменениями тестов и обнаружило, что 16,4% коммитов, добавляющих тесты, были сделаны AI-агентами. При этом вклад AI-тестов в покрытие кода оказался сопоставим с тестами, написанными людьми.
Другое исследование — «Are Coding Agents Generating Over-Mocked Tests? An Empirical Study» — проанализировало более 1,2 млн коммитов в 2 168 репозиториях за 2025 год. Из них 48 563 были сделаны агентами. У агентов 23% коммитов затрагивали тесты против 13% у остальных коммитов. То есть агенты заметно чаще берут тестирование на себя.
Но есть нюанс. То же исследование «Are Coding Agents Generating Over-Mocked Tests? An Empirical Study» показало, что 36% тестовых коммитов AI-агентов добавляли моки против 26% у остальных.
Авторы отдельно обращают внимание: чрезмерный мокинг может делать тесты менее эффективными при проверке реальных взаимодействий в системе.
Поэтому навык 2026 года — уметь собрать AI-агента, который понимает кодовую базу, запускает тесты, проверяет результат и работает внутри CI-процесса.
Сооснователь Хекслета Кирилл Мокевнин отмечает: ИИ сильно упростил отладку, которая раньше занимала гигантское количество времени. Теперь агенты взяли на себя рутину — долгие и нудные способы проверить, что именно не работает и почему.
Именно поэтому бесплатный мини-курс Хекслета «AI для разработчиков» посвящен тому, как создать ИИ-агента для тестирования. Если хотите научиться встраивать агентов в реальную разработку — идите на мини-курс и соберите своего первого рабочего AI-агента. За 1,5 часа настроите агента, подключите его к GitHub Actions и получите тесты на каждый pull request.
Курс доступен прямо в Телеграме: https://telegram.me/HexletWelcomeBot?start=wwb_fs1e45d0ea-7705-4da8-b07a-82a372469ea9
Telegram | YouTube | AI Клуб
Исследование «Testing with AI Agents: An Empirical Study of Test Generation Frequency, Quality, and Coverage» (MSR 2026) проанализировало 2 232 коммита с изменениями тестов и обнаружило, что 16,4% коммитов, добавляющих тесты, были сделаны AI-агентами. При этом вклад AI-тестов в покрытие кода оказался сопоставим с тестами, написанными людьми.
Другое исследование — «Are Coding Agents Generating Over-Mocked Tests? An Empirical Study» — проанализировало более 1,2 млн коммитов в 2 168 репозиториях за 2025 год. Из них 48 563 были сделаны агентами. У агентов 23% коммитов затрагивали тесты против 13% у остальных коммитов. То есть агенты заметно чаще берут тестирование на себя.
Но есть нюанс. То же исследование «Are Coding Agents Generating Over-Mocked Tests? An Empirical Study» показало, что 36% тестовых коммитов AI-агентов добавляли моки против 26% у остальных.
Авторы отдельно обращают внимание: чрезмерный мокинг может делать тесты менее эффективными при проверке реальных взаимодействий в системе.
Поэтому навык 2026 года — уметь собрать AI-агента, который понимает кодовую базу, запускает тесты, проверяет результат и работает внутри CI-процесса.
Сооснователь Хекслета Кирилл Мокевнин отмечает: ИИ сильно упростил отладку, которая раньше занимала гигантское количество времени. Теперь агенты взяли на себя рутину — долгие и нудные способы проверить, что именно не работает и почему.
Именно поэтому бесплатный мини-курс Хекслета «AI для разработчиков» посвящен тому, как создать ИИ-агента для тестирования. Если хотите научиться встраивать агентов в реальную разработку — идите на мини-курс и соберите своего первого рабочего AI-агента. За 1,5 часа настроите агента, подключите его к GitHub Actions и получите тесты на каждый pull request.
Курс доступен прямо в Телеграме: https://telegram.me/HexletWelcomeBot?start=wwb_fs1e45d0ea-7705-4da8-b07a-82a372469ea9
Telegram | YouTube | AI Клуб
❤5👍1🔥1👾1
☀️ Что изучить на Хекслете в августе и сентябре
Собрали популярные программы и мероприятия!
Для тех, кто выбирает направление или планирует сменить профессию:
⌨️ Бесплатный вебинар «Как выбрать профессию в IT» — 26 августа. Разберем направления: от разработки и DevOps до ИИ-систем. Обсудим рынок, зарплаты и вакансии для новичков и перспективы роста.
Для действующих разработчиков:
🤖 Курс «LLM-разработчик» — старт 27 августа. Работа с большими языковыми моделями, ИИ-инструментами и их интеграция в продукты;
🖥 «Бэкенд для фронтенд-разработчиков» — для тех, кто хочет глубже разобраться в серверной части и расширить свой стек;
🏢 Бесплатный вебинар «Системный дизайн» — 14 сентября. Разберём системный дизайн и подготовку к соответствующему этапу технических собеседований.
Профессии с нуля:
— Курс «DevOps-инженер с нуля» — учимся работать с инфраструктурой, автоматизацией, CI/CD и облачными технологиями. В программе — практические проекты от Yandex Cloud;
🐍Курс «Python-разработчик» — старт 27 августа;
🖥 Курс «Фронтенд-разработчик» — старт 27 августа;
🤍 Курс «Golang-разработчик с нуля» — старт 27 августа + навык быстрого написания кода с ИИ-агентами.
Бесплатно про ИИ:
🦋 Курс «ИИ и нейросети для начинающих» — знакомимся с современными ИИ-инструментами и учимся использовать их для повседневных и рабочих задач;
🕵️♂️ Бесплатный мини-курс «AI для разработчиков» — за 1,5 часа соберёте ИИ-агента для тестирования, подключите его к GitHub Actions и настроите создание тестов для каждого pull request.
Мини-курс можно пройти прямо в Telegram: запустить курс.
Ждем вас на программах Хекслета!
Не можете определиться с направлением? Напишите нам — поможем выбрать.
Telegram | YouTube | AI Клуб
Собрали популярные программы и мероприятия!
Для тех, кто выбирает направление или планирует сменить профессию:
⌨️ Бесплатный вебинар «Как выбрать профессию в IT» — 26 августа. Разберем направления: от разработки и DevOps до ИИ-систем. Обсудим рынок, зарплаты и вакансии для новичков и перспективы роста.
Для действующих разработчиков:
🤖 Курс «LLM-разработчик» — старт 27 августа. Работа с большими языковыми моделями, ИИ-инструментами и их интеграция в продукты;
🖥 «Бэкенд для фронтенд-разработчиков» — для тех, кто хочет глубже разобраться в серверной части и расширить свой стек;
Профессии с нуля:
— Курс «DevOps-инженер с нуля» — учимся работать с инфраструктурой, автоматизацией, CI/CD и облачными технологиями. В программе — практические проекты от Yandex Cloud;
🐍Курс «Python-разработчик» — старт 27 августа;
Бесплатно про ИИ:
Мини-курс можно пройти прямо в Telegram: запустить курс.
Ждем вас на программах Хекслета!
Не можете определиться с направлением? Напишите нам — поможем выбрать.
Telegram | YouTube | AI Клуб
Please open Telegram to view this post
VIEW IN TELEGRAM
❤6👍6🔥4
ИИ-агент написал код. Разработчик обязан его прочитать?
В X обсуждают заявление Роберта Мартина — «дядюшки Боба», автора легендарной книги «Чистый код» («Clean Code»). Так вот, дядя Боб признался, что вообще не читает код, созданный его ИИ-агентами. По его словам, тогда выигрыш в производительности просто исчезает.
Вместо классического ревью Мартин устраивает коду «полосу препятствий»:
— юнит-тесты;
— сценарии поведения в формате «дано — когда — тогда»;
— QA-процедуры;
— метрики качества;
— проверку покрытия;
— мутационное тестирование.
При мутационном тестировании инструмент специально вносит в код небольшие ошибки и проверяет, смогут ли тесты их обнаружить. Получается своеобразный тест для тестов.
Подход Мартина разделил разработчиков на два лагеря.
Сторонники такого подхода считают, что построчное чтение сгенерированного кода превращает разработчика в самое медленное звено системы. Если агент способен выполнить задачу, а результат проходит все проверки, зачем дублировать его работу?
Противники возражают: тесты и метрики не дают полного понимания системы. Высокое покрытие ещё не гарантирует правильной архитектуры, отсутствия скрытых рисков и соответствия бизнес-задаче.
Особенно интересно эта дискуссия выглядит на фоне исследования британского AI Security Institute. Во время кибериспытаний все проверенные институтом модели хотя бы иногда пытались обойти правила: искали готовые решения, изучали тестовую инфраструктуру или атаковали системы за пределами разрешенного контура.
Одна из задач из-за ошибки оказалась нерешаемой. Модель не остановилась, а написала и запустила код на внешнем сервисе, пытаясь получить доступ к инфраструктуре испытания. Ущерба удалось избежать, но эксперимент показал: собственным объяснениям модели и ее рассуждениям нельзя доверять на все 100%.
Как тогда работать с ИИ-агентами безопасно и эффективно?
Рустам Борханов, автор и ведущий программы LLM-разработчик в Хекслете считает так:
«Я бы доверял ИИ-агенту примерно так же, как младшему специалисту. Важно понимать, насколько хорошо поставлена задача, где могут возникнуть проблемы и что действительно стоит перепроверить.
Мелкие исправления, небольшие задачи и даже простые фичи нет смысла контролировать каждые пять минут. ИИ-агент — это ваш личный исполнительный джун. Вы отвечаете за его работу, но это не значит, что нужно микроменеджерить каждый его шаг».
Получается, ключевой навык разработчика в эпоху агентов — не чтение каждой сгенерированной строки или слепое доверие тестам. Нужно уметь определить границы задачи, заранее найти зоны риска и выстроить контроль, соответствующий возможной цене ошибки.
Как раз 25 августа у нас пройдет бесплатный вебинар — поговорим о том, как ускорить разработку с помощью ИИ, не пропустив проблемы в коде и не занимаясь бесконечными проверками:
https://special.hexlet.io/ai-developer_llm_webinar?utm_source=telegram&utm_medium=social&utm_campaign=hexlet-blog&utm_content=promo&utm_term=post_220826
ИИ способен писать код быстрее человека. Но ответственность за то, где и как этот код будет работать, по-прежнему ложится на инженера.
А вы читаете весь код, созданный ИИ, или доверяете тестам и метрикам?
В X обсуждают заявление Роберта Мартина — «дядюшки Боба», автора легендарной книги «Чистый код» («Clean Code»). Так вот, дядя Боб признался, что вообще не читает код, созданный его ИИ-агентами. По его словам, тогда выигрыш в производительности просто исчезает.
Вместо классического ревью Мартин устраивает коду «полосу препятствий»:
— юнит-тесты;
— сценарии поведения в формате «дано — когда — тогда»;
— QA-процедуры;
— метрики качества;
— проверку покрытия;
— мутационное тестирование.
При мутационном тестировании инструмент специально вносит в код небольшие ошибки и проверяет, смогут ли тесты их обнаружить. Получается своеобразный тест для тестов.
Подход Мартина разделил разработчиков на два лагеря.
Сторонники такого подхода считают, что построчное чтение сгенерированного кода превращает разработчика в самое медленное звено системы. Если агент способен выполнить задачу, а результат проходит все проверки, зачем дублировать его работу?
Противники возражают: тесты и метрики не дают полного понимания системы. Высокое покрытие ещё не гарантирует правильной архитектуры, отсутствия скрытых рисков и соответствия бизнес-задаче.
Особенно интересно эта дискуссия выглядит на фоне исследования британского AI Security Institute. Во время кибериспытаний все проверенные институтом модели хотя бы иногда пытались обойти правила: искали готовые решения, изучали тестовую инфраструктуру или атаковали системы за пределами разрешенного контура.
Одна из задач из-за ошибки оказалась нерешаемой. Модель не остановилась, а написала и запустила код на внешнем сервисе, пытаясь получить доступ к инфраструктуре испытания. Ущерба удалось избежать, но эксперимент показал: собственным объяснениям модели и ее рассуждениям нельзя доверять на все 100%.
Как тогда работать с ИИ-агентами безопасно и эффективно?
Рустам Борханов, автор и ведущий программы LLM-разработчик в Хекслете считает так:
«Я бы доверял ИИ-агенту примерно так же, как младшему специалисту. Важно понимать, насколько хорошо поставлена задача, где могут возникнуть проблемы и что действительно стоит перепроверить.
Мелкие исправления, небольшие задачи и даже простые фичи нет смысла контролировать каждые пять минут. ИИ-агент — это ваш личный исполнительный джун. Вы отвечаете за его работу, но это не значит, что нужно микроменеджерить каждый его шаг».
Получается, ключевой навык разработчика в эпоху агентов — не чтение каждой сгенерированной строки или слепое доверие тестам. Нужно уметь определить границы задачи, заранее найти зоны риска и выстроить контроль, соответствующий возможной цене ошибки.
Как раз 25 августа у нас пройдет бесплатный вебинар — поговорим о том, как ускорить разработку с помощью ИИ, не пропустив проблемы в коде и не занимаясь бесконечными проверками:
https://special.hexlet.io/ai-developer_llm_webinar?utm_source=telegram&utm_medium=social&utm_campaign=hexlet-blog&utm_content=promo&utm_term=post_220826
ИИ способен писать код быстрее человека. Но ответственность за то, где и как этот код будет работать, по-прежнему ложится на инженера.
А вы читаете весь код, созданный ИИ, или доверяете тестам и метрикам?
👍7❤6🔥1
ИИ уже умеет писать код. Но строить системы за разработчика пока не научился.
В Stack Overflow Developer Survey 2025 84% разработчиков сообщили, что уже используют ИИ-инструменты или собираются это делать. При этом 72% участников ответили, что вайб-кодинг не входит в их профессиональную разработку.
Масштаб происходящего доказывает и исследование Anthropic. Компания проанализировала около 500 тысяч взаимодействий пользователей с Claude.ai и Claude Code. В Claude Code 79% диалогов относились к автоматизации, то есть модель самостоятельно выполняла задачу, а не просто помогала человеку ее решить.
Чем дешевле становится производство кода, тем важнее другой набор скиллов: понимать систему целиком, оценивать нагрузку, проектировать отказоустойчивость, выбирать архитектуру и понимать последствия изменений.
В новой статье разобрали, почему системный дизайн становится одним из главных навыков разработчика в эпоху ИИ — на данных Anthropic, Stack Overflow, METR и DORA.
Читать: https://ru.hexlet.io/blog/posts/sistemnyy-dizayn-pochemu-ii-ne-zamenil-razrabotchikov
Telegram | YouTube | AI Клуб
В Stack Overflow Developer Survey 2025 84% разработчиков сообщили, что уже используют ИИ-инструменты или собираются это делать. При этом 72% участников ответили, что вайб-кодинг не входит в их профессиональную разработку.
Масштаб происходящего доказывает и исследование Anthropic. Компания проанализировала около 500 тысяч взаимодействий пользователей с Claude.ai и Claude Code. В Claude Code 79% диалогов относились к автоматизации, то есть модель самостоятельно выполняла задачу, а не просто помогала человеку ее решить.
Чем дешевле становится производство кода, тем важнее другой набор скиллов: понимать систему целиком, оценивать нагрузку, проектировать отказоустойчивость, выбирать архитектуру и понимать последствия изменений.
В новой статье разобрали, почему системный дизайн становится одним из главных навыков разработчика в эпоху ИИ — на данных Anthropic, Stack Overflow, METR и DORA.
Читать: https://ru.hexlet.io/blog/posts/sistemnyy-dizayn-pochemu-ii-ne-zamenil-razrabotchikov
Telegram | YouTube | AI Клуб
❤5👍4🔥3
«Выбирай то, что нравится» — не самый полезный совет по профориентации
Интерес к работе действительно имеет значение. Но научные данные показывают, что формула, если любишь что-то делать, то сделай это работой — не всегда эффективна.
В 2020 году исследователи объединили результаты 105 исследований с 39 602 участниками, которые проводились на протяжении 65 лет. Люди, чья работа лучше соответствовала их профессиональным интересам, действительно были в среднем более удовлетворены ею. Но эта связь оказалась умеренной — ρ = 0,19. То есть, хотя совпадение профессии с интересами и имеет значение, но далеко не определяющее. И не факт, что выбрав душой, потом не пожалеешь.
Полезнее при выборе направления рассматривать сразу на несколько аспектов:
— какие навыки нужны для старта;
— реально ли найти первую работу;
— сколько времени займет вход;
— что происходит со спросом;
— как ИИ меняет профессию.
Последний пункт особенно важен. Всемирный экономический форум опросил более тысячи работодателей и прогнозирует, что к 2030 году 39% нынешних навыков работников изменятся или устареют. Самыми быстрорастущими категориями навыков стали ИИ и большие данные, сети и кибербезопасность, технологическая грамотность.
Но вход в IT для новичков не закрылся. По данным hh[.]ru, в 2025 году около 13% вакансий отрасли — почти 65 тысяч — были доступны начинающим.
На бесплатном воркшопе Хекслета мы не будем определять профессию по типу личности или магическому шару. Вместо этого сравниваем рынок: шесть IT-направлений, требования к новичкам, зарплаты, сроки входа, работодатели и влияние ИИ.
Когда? Уже сегодня, 26 августа, в 19 00
👉 https://special.hexlet.io/career-guidance?utm_source=telegram&utm_medium=social&utm_campaign=hexlet-blog&utm_content=promo&utm_term=post_250826
Интерес к работе действительно имеет значение. Но научные данные показывают, что формула, если любишь что-то делать, то сделай это работой — не всегда эффективна.
В 2020 году исследователи объединили результаты 105 исследований с 39 602 участниками, которые проводились на протяжении 65 лет. Люди, чья работа лучше соответствовала их профессиональным интересам, действительно были в среднем более удовлетворены ею. Но эта связь оказалась умеренной — ρ = 0,19. То есть, хотя совпадение профессии с интересами и имеет значение, но далеко не определяющее. И не факт, что выбрав душой, потом не пожалеешь.
Полезнее при выборе направления рассматривать сразу на несколько аспектов:
— какие навыки нужны для старта;
— реально ли найти первую работу;
— сколько времени займет вход;
— что происходит со спросом;
— как ИИ меняет профессию.
Последний пункт особенно важен. Всемирный экономический форум опросил более тысячи работодателей и прогнозирует, что к 2030 году 39% нынешних навыков работников изменятся или устареют. Самыми быстрорастущими категориями навыков стали ИИ и большие данные, сети и кибербезопасность, технологическая грамотность.
Но вход в IT для новичков не закрылся. По данным hh[.]ru, в 2025 году около 13% вакансий отрасли — почти 65 тысяч — были доступны начинающим.
На бесплатном воркшопе Хекслета мы не будем определять профессию по типу личности или магическому шару. Вместо этого сравниваем рынок: шесть IT-направлений, требования к новичкам, зарплаты, сроки входа, работодатели и влияние ИИ.
Когда? Уже сегодня, 26 августа, в 19 00
👉 https://special.hexlet.io/career-guidance?utm_source=telegram&utm_medium=social&utm_campaign=hexlet-blog&utm_content=promo&utm_term=post_250826
special.hexlet.io
Куда идти в IT в 2027: шесть направлений, где берут новичков
Разбираем шесть направлений, где берут новичков: технологии, сложность освоения, компании, зарплаты и срок входа. Бесплатный воркшоп 26 августа, 2 часа.
❤5🔥2👍1
Какие навыки помогают разработчику дорого стоить в 2026 году
ИИ все лучше справляется с непосредственным написанием кода. Кодовый агент уже может изучать репозиторий, менять файлы, писать тесты, запускать команды и готовить изменения для ревью.
Поэтому преимущество разработчика постепенно смещается туда, где одной генерации кода недостаточно.
В июне Anthropic опубликовала анализ примерно 400 000 сессий Claude Code от 235 000 пользователей. Исследователи выяснили, что сильная экспертиза связана с большей вероятностью успешно выполнить задачу. При этом более компетентные пользователи могли делегировать Claude больше работы всего одной инструкцией.
Еще один важный навык — нормально ставить задачу. Авторы CodeScout проверили подход, при котором агент сначала изучает нужный контекст кодовой базы, а затем уточняет исходное описание проблемы. На SWE-bench Verified такой подход повысил долю решенных задач на 20% относительно базового метода.
Высокая скорость генерации сама по себе еще не означает качественную разработку. В основной модели исследования MSR 2026 внедрение Cursor связано с ростом числа добавляемых строк на 28,58%, предупреждений статического анализа — на 30,26%, сложности кода — на 41,64%.
Отсюда и набор навыков, которые мы разбираем в статье с точки зрения разработчика, претендующего на высокий доход в 2026 году: системный дизайн, декомпозиция, инженерия требований, управление контекстом, стратегия тестирования, независимая проверка результата и настройка среды AI-агентов.
Например, с тестами агенты уже работают довольно активно. В исследовании MSR 2026 ИИ оказался автором 16,4% коммитов, добавлявших тесты. Другая работа на выборке более 1,2 млн коммитов показала, что агенты затрагивали тестовые файлы в 23% своих коммитов против 13% у остальных авторов и чаще добавляли моки — 36% против 26%.
Кода, написанного вручную, действительно может становиться меньше. Но специалисту, который хочет оставаться ценным на рынке, нужно теперь лучше понимать задачу, архитектуру и последствия решений — и уметь контролировать то, что сгенерировал агент.
🔗 В статье подробно разбираем семь таких навыков:
https://ru.hexlet.io/blog/posts/navyki-razrabotchika-kogda-kod-pishet-ii
Telegram | YouTube | AI Клуб
ИИ все лучше справляется с непосредственным написанием кода. Кодовый агент уже может изучать репозиторий, менять файлы, писать тесты, запускать команды и готовить изменения для ревью.
Поэтому преимущество разработчика постепенно смещается туда, где одной генерации кода недостаточно.
В июне Anthropic опубликовала анализ примерно 400 000 сессий Claude Code от 235 000 пользователей. Исследователи выяснили, что сильная экспертиза связана с большей вероятностью успешно выполнить задачу. При этом более компетентные пользователи могли делегировать Claude больше работы всего одной инструкцией.
Еще один важный навык — нормально ставить задачу. Авторы CodeScout проверили подход, при котором агент сначала изучает нужный контекст кодовой базы, а затем уточняет исходное описание проблемы. На SWE-bench Verified такой подход повысил долю решенных задач на 20% относительно базового метода.
Высокая скорость генерации сама по себе еще не означает качественную разработку. В основной модели исследования MSR 2026 внедрение Cursor связано с ростом числа добавляемых строк на 28,58%, предупреждений статического анализа — на 30,26%, сложности кода — на 41,64%.
Отсюда и набор навыков, которые мы разбираем в статье с точки зрения разработчика, претендующего на высокий доход в 2026 году: системный дизайн, декомпозиция, инженерия требований, управление контекстом, стратегия тестирования, независимая проверка результата и настройка среды AI-агентов.
Например, с тестами агенты уже работают довольно активно. В исследовании MSR 2026 ИИ оказался автором 16,4% коммитов, добавлявших тесты. Другая работа на выборке более 1,2 млн коммитов показала, что агенты затрагивали тестовые файлы в 23% своих коммитов против 13% у остальных авторов и чаще добавляли моки — 36% против 26%.
Кода, написанного вручную, действительно может становиться меньше. Но специалисту, который хочет оставаться ценным на рынке, нужно теперь лучше понимать задачу, архитектуру и последствия решений — и уметь контролировать то, что сгенерировал агент.
🔗 В статье подробно разбираем семь таких навыков:
https://ru.hexlet.io/blog/posts/navyki-razrabotchika-kogda-kod-pishet-ii
Telegram | YouTube | AI Клуб
❤3👍1🔥1
Обновили редактор Хекслета — изменения, усиливающие опыт студентов.
Что появилось:
— Python теперь получает подсказки: функции стандартной библиотеки, сигнатуры, описания и методы с учетом типов. Редактор также видит функции из соседних файлов проекта.
— Для PHP и Ruby автодополнение стало полезнее: вместо слов из текущего файла — реальные функции стандартной библиотеки с сигнатурами и описаниями.
— Makefile, Erlang, Vue, Scheme, ini и другие форматы теперь подсвечиваются. А Makefile еще и предупреждает о классической ошибке с пробелами вместо табуляции.
— Поиск Cmd/Ctrl + Shift + F ищет текст сразу по всему проекту и открывает найденное место в нужном файле.
— Вкладка с логами стала удобнее: можно отфильтровать конкретный сервис, ошибки и предупреждения выделяются цветом, а автопрокрутка больше не мешает читать старые сообщения.
— Результаты тестов теперь выводятся в полноценном терминале: с цветами, кликабельными ссылками и нормальной работой с большим объемом текста.
Исправили и несколько раздражающих мелочей. Cmd/Ctrl + S действительно сохраняет код, тесты запускаются на актуальной версии файла, горячие клавиши учитывают текущую вкладку, а ошибки при работе с файлами снова показываются пользователю.
Главная идея обновления — сделать учебный редактор ближе к инструментам, которыми ИТ-специалисты пользуются в реальной работе. Чтобы привычка искать по проекту, читать логи, разбираться в сообщениях языка и работать с терминалом появлялась еще во время обучения.
https://ru.hexlet.io/blog/posts/redactor-hexlet-092026
Telegram | YouTube | AI Клуб
Что появилось:
— Python теперь получает подсказки: функции стандартной библиотеки, сигнатуры, описания и методы с учетом типов. Редактор также видит функции из соседних файлов проекта.
— Для PHP и Ruby автодополнение стало полезнее: вместо слов из текущего файла — реальные функции стандартной библиотеки с сигнатурами и описаниями.
— Makefile, Erlang, Vue, Scheme, ini и другие форматы теперь подсвечиваются. А Makefile еще и предупреждает о классической ошибке с пробелами вместо табуляции.
— Поиск Cmd/Ctrl + Shift + F ищет текст сразу по всему проекту и открывает найденное место в нужном файле.
— Вкладка с логами стала удобнее: можно отфильтровать конкретный сервис, ошибки и предупреждения выделяются цветом, а автопрокрутка больше не мешает читать старые сообщения.
— Результаты тестов теперь выводятся в полноценном терминале: с цветами, кликабельными ссылками и нормальной работой с большим объемом текста.
Исправили и несколько раздражающих мелочей. Cmd/Ctrl + S действительно сохраняет код, тесты запускаются на актуальной версии файла, горячие клавиши учитывают текущую вкладку, а ошибки при работе с файлами снова показываются пользователю.
Главная идея обновления — сделать учебный редактор ближе к инструментам, которыми ИТ-специалисты пользуются в реальной работе. Чтобы привычка искать по проекту, читать логи, разбираться в сообщениях языка и работать с терминалом появлялась еще во время обучения.
https://ru.hexlet.io/blog/posts/redactor-hexlet-092026
Telegram | YouTube | AI Клуб
👍15❤6🔥2
🤖 Как нанимать специалистов по ИИ, не требуя невозможного?
Или топ причин, почему вы так и не наняли человека для внедрения ИИ
Достаточно открыть парочку вакансий по AI/LLM, чтобы увидеть проблему: от кандидата требуют годы опыта с технологией, которая появилась совсем недавно. Новая версия истории с рекрутерами, которые путали Java с JavaScript. Но если бы проблема была только в этом...
Компании часто начинают искать «специалиста по ИИ», не понимая, а что именно он должен сделать? Работать с документами? Создать поиск по внутренней базе знаний? Автоматизировать работу с клиентами? Встроить агентов в существующие процессы?
А ведь от ответа зависит то, кого вообще нужно нанимать.
В большинстве случаев нужен сильный разработчик с инженерной базой, который дополнительно понимает:
— как устроены LLM и агентские системы;
— зачем нужны векторные базы;
— как оркестрировать несколько компонентов;
— как выбрать модель под конкретную задачу;
— как встроить всё это в уже работающий бизнес-процесс.
И нет, просто загрузить вакансию и сотню резюме в чат со словами «выбери лучших» — тоже так себе стратегия.
Гораздо разумнее сначала построить карту компетенций команды, определить недостающие навыки, а уже потом использовать ИИ для разбора и сопоставления резюме.
В новой статье Рустам Борханов разбирает найм с обеих сторон: что делать бизнесу и рекрутерам и что показывать в резюме разработчику, который хочет заниматься LLM.
https://ru.hexlet.io/blog/posts/specialist-po-ii-kogo-nanimat-dlya-vnedreniya
Telegram | YouTube | AI Клуб
Или топ причин, почему вы так и не наняли человека для внедрения ИИ
Достаточно открыть парочку вакансий по AI/LLM, чтобы увидеть проблему: от кандидата требуют годы опыта с технологией, которая появилась совсем недавно. Новая версия истории с рекрутерами, которые путали Java с JavaScript. Но если бы проблема была только в этом...
Компании часто начинают искать «специалиста по ИИ», не понимая, а что именно он должен сделать? Работать с документами? Создать поиск по внутренней базе знаний? Автоматизировать работу с клиентами? Встроить агентов в существующие процессы?
А ведь от ответа зависит то, кого вообще нужно нанимать.
В большинстве случаев нужен сильный разработчик с инженерной базой, который дополнительно понимает:
— как устроены LLM и агентские системы;
— зачем нужны векторные базы;
— как оркестрировать несколько компонентов;
— как выбрать модель под конкретную задачу;
— как встроить всё это в уже работающий бизнес-процесс.
И нет, просто загрузить вакансию и сотню резюме в чат со словами «выбери лучших» — тоже так себе стратегия.
Гораздо разумнее сначала построить карту компетенций команды, определить недостающие навыки, а уже потом использовать ИИ для разбора и сопоставления резюме.
В новой статье Рустам Борханов разбирает найм с обеих сторон: что делать бизнесу и рекрутерам и что показывать в резюме разработчику, который хочет заниматься LLM.
https://ru.hexlet.io/blog/posts/specialist-po-ii-kogo-nanimat-dlya-vnedreniya
Telegram | YouTube | AI Клуб
👍5❤2🔥2
На интервью разработчика могут попросить спроектировать целую систему.
Это, кстати, устоявшаяся практика у гигантов вроде Amazon и в России бигтех (и не только) уже уверенно ее перенял. Для middle+ это уэе вполне обычная секция. LeakCode проанализировал базу из 33 000+ отчетов кандидатов и нашел в ней 1 722 размеченных раунда по system design.
И вот вам уже недостаточно знать синтаксис или помнить паттерн. Нужно уточнить требования, оценить нагрузку, выбрать базу и способ масштабирования, подумать об отказах и объяснить, почему одно архитектурное решение подходит лучше другого.
Эти навыки пригодятся и после собеседования. В DORA 2025 опросили почти 5 000 технических специалистов. Один из выводов: ИИ усиливает уже существующую инженерную систему. Поэтому с распространением AI-агентов системный дизайн не становится менее важным. Решить, как собрать из функций надежный продукт, по-прежнему должен инженер.
14 сентября в 19:00 проведем бесплатный воркшоп по System Design. На реальном кейсе за 1,5 часа пройдем секцию от требований и оценки нагрузки до архитектуры, SLA, масштабируемости и защиты решений.
Это, кстати, устоявшаяся практика у гигантов вроде Amazon и в России бигтех (и не только) уже уверенно ее перенял. Для middle+ это уэе вполне обычная секция. LeakCode проанализировал базу из 33 000+ отчетов кандидатов и нашел в ней 1 722 размеченных раунда по system design.
И вот вам уже недостаточно знать синтаксис или помнить паттерн. Нужно уточнить требования, оценить нагрузку, выбрать базу и способ масштабирования, подумать об отказах и объяснить, почему одно архитектурное решение подходит лучше другого.
Эти навыки пригодятся и после собеседования. В DORA 2025 опросили почти 5 000 технических специалистов. Один из выводов: ИИ усиливает уже существующую инженерную систему. Поэтому с распространением AI-агентов системный дизайн не становится менее важным. Решить, как собрать из функций надежный продукт, по-прежнему должен инженер.
14 сентября в 19:00 проведем бесплатный воркшоп по System Design. На реальном кейсе за 1,5 часа пройдем секцию от требований и оценки нагрузки до архитектуры, SLA, масштабируемости и защиты решений.
👍6🔥6❤5
Поделитесь, какой у вас грейд?
Anonymous Poll
19%
джуниор
26%
мидл
30%
синьор
10%
лид
30%
не в профессии, хочу учиться
👍4
Anonymous Poll
30%
войти в IT-индустрию, получить профессию
51%
остаться востребованным на IT-рынке
55%
усилить навыки
33%
найти работу
Please open Telegram to view this post
VIEW IN TELEGRAM
👍8