Телеграм

Max: AI, Engineering and Startups

@max_about_ai Программирование и разработка
РКН: проверяем Не иноагент
Авторский канал про ИИ, разработку и стартапы от Head of AI & Product Engineering.
Стараюсь писать полезно и кратко. Делюсь возможностями, лайфхаками, личным опытом, ресёрчем и рефлексией.
Фидбек, советы, предложения: MaxAboutAI@gmail.com

Статистика обновлена 19.11.2026 в 06:10 · 4 просмотра страницы · Хотите больше просмотров?

Подписчики15 745 +2 за 2 дня
Охват поста7 352 47% от подписчиков
ERR за месяц46,69%
ERR за 24 часа40,04%

Динамика за 30 дней

Рекламные публикации

Рекламных публикаций не найденоЗа последнее время мы не нашли на площадке ни одного рекламного поста.

Последние публикации

Все посты канала →
Max: AI, Engineering and Startups tg15 тыс. подписчиков
Открыть пост ↗
Нравится нам это или нет, но бизнес все меньше хочет платить за код и закрытые таски в Jira, и все больше задается вопросом какую ценность компании принес конкретный сотрудник. Если бизнес - продуктовый, то успех продукта ~ успех бизнеса, а значит успех продукта ~ успех его разработчика.

И тут нам на помощь приходит продуктовое мышление.

Суть продуктового мышления довольно проста: думать о цели и результате, а не только о поставленной задаче.

Продуктовый подход предполагает, что разработчик задает дополнительные вопросы: какую проблему мы решаем, почему она важна, можно ли решить ее проще и как мы поймем, что получили хороший результат?

Представим типичную задачу (лично занимался ей 2 года): разработать AI ассистента для поиска информации во внутренних документах компании.

Обычный подход: выбираем LLM, строим RAG (или не RAG, если считаем что он мертв), подключаем векторную БД, оптимизируем latency, покрываем тестами и выкатываем в production. Фокус разработчика в данном подходе - на новых интересных технологиях. Хорошие разработчики не забудут про масштабируемость, безопасность и другие нефункциональные требования.

Продуктовый подход: сначала выясняем, кто именно ищет информацию, что пытается найти, сколько времени на это тратит и почему существующий поиск не справляется.

Вполне возможно, что вместо AI ассистента компании достаточно реструктурировать хранение документов, написать пять страниц нормальной документации или использовать готовое решение.

В итоге в первом случае результатом становится работающий AI ассистент. Во втором - измеримое сокращение времени поиска информации. Это совершенно разные критерии успеха. И если компании важнее именно эффективность, а не AI для галочки, то понятно, какое решение и какого разработчика она предпочтет.

Умение добиваться цели и приносить ценность - вот за что компании будут всегда охотно платить.

Подробнее про продуктовое мышление для разработчиков я расскажу на конференции AI Dev Live 2026 в этот четверг в 18:35 (мск).

Регистрация и детали
👁 6.3 тыс. 👍 47❤ 13🔥 9 💬 7 ↻ 66 9 ноября
Max: AI, Engineering and Startups tg15 тыс. подписчиков
Открыть пост ↗
Когда я изучал программирование 20+ лет назад, каждый год выходили новые языки программирования, “революционные” фреймворки, паттерны проектирования, базы данных и даже отдельные направления - web-разработка, мобильная разработка, machine learning и т.д. Это было одновременно увлекательно и сложно - изучать столько нового за короткий промежуток времени.  Последние лет десять, до предыдущего года, изменения в разработки были косметические. Да, появлялись новинки типа Kotlin, GraphQL или Clickhouse, но они не несли радикальных изменений в подходах к разработки. Из существенного я смог вспомнить только объединение ООП и ФП во многих ЯП, взлет и падение NoSQL баз данных и появление DeepLearning. Чтобы попробовать новые технологии и научиться чему-то новому, разработчикам зачастую приходилось менять проект. 2025 год поменял все. Индустрия разработки, привыкшая к стабильности, начала бурно меняться. Теперь чтобы быть востребованным приходится учить новые инструменты и подходы чуть ли не каждый месяц. Да, это требует когнитивной нагрузки и больше никто не хочет платить 300к/сек за перекладывания xml в json по готовой спеке. Но это же делает нашу жизнь интереснее и открывает новые возможности. Мы снова учимся - а это главный навык всех инженеров.  И чтобы учиться AI разработки эффективнее, побороть страх перед неопределенностью и увидеть новые возможности, наше коммьюнити AI авторов решило организовать онлайн-конфу: AI Dev Live 2026.  В программе доклады o: - SOTA подходах к разработке c AI,  - управление AI SDLC пайплайнами,  - работе с большими проектами и легаси-кодом, 

- качестве, безопасности и измерение эффективности AI-разработки,

- влияние AI на профессию разработчика и инженерные процессы,

- навыках, ставших важными с появлением AI,  - и многом другом. Это не очередная проходная конфа. В прошлом году у нас было 3000+ участников и под сотню положительных отзывов. В этот раз мы хотим быть еще полезнее, поэтому готовим сразу два дня топовых докладов и несколько бесплатных сайд-активностей для помощи в карьере.

Даты: 11-12 ноября, c 14:00 (МСК).

Программа и регистрация: https://ai-dev.live/
👁 8.4 тыс. 🔥 24👍 8❤ 6 💬 6 ↻ 25 30 октября