Все началось с новости Gartner: к 2028 году расходы на LLM превысят среднюю зарплату разработчика. Станислав заметил, что зато вырастет скорость выпуска фич, Азат уточнил – скорость написания строк и открытия PR, продуктивность по-прежнему меряют не тем. Станислав пошел дальше: PR как сущность должен уйти. Андрей возразил одной фразой, вокруг которой и крутилась вся неделя: PR – это единица понимания, а понимание своей деятельности нельзя аутсорсить. Ответ Станислава был не менее коротким: понимание не равно чтению кода.
Поводом стал пост в LinkedIn, где автор отказался ревьюить пулреквест на 20 000 строк и попросил не присылать больше 1 000. LSTR увидел в этом невыученный принцип «разделяй и властвуй» и ответственность, переложенную на разработчика задним числом. Азат добавил ироничную деталь: утром вместо одного PR на 20 000 строк приходит двадцать по 1 000, и их тоже кто-то должен ревьюить. LSTR же точно описал обе стороны: Станислав не оспаривает ответственность за прод, он оспаривает необходимость читать код досконально, а владелец прода не поверит, пока не будет наработана практика метрик, которая позволит не читать каждую строку.
Андрей спорил всерьез и с аргументами. Поведение системы под нагрузкой не опишешь ни английским, ни схемой, ни даже моделью формальной верификации – большинство схем оптимизированы под happy path. За 60 лет индустрия таких диаграмм не придумала, UML как попытка генерировать код из схем провалился. И отдельно – осторожность со словом «верификация»: маркетинг продает формальную верификацию как решение проблем ИИ, и есть риск, что верификацией станут называть обычные тесты. Дмитрий согласился, что речь о разных вещах: он говорит о прикладной верификации и допустимой, а не стопроцентной корректности, и о слое артефактов для людей с надежной механикой перевода их в код. Василий зашел с третьей стороны: а где гарантии, что человек правильно понял требования и правильно все заревьюил? Гарантии людей не выше гарантий агентов, и это можно проверить A/B-тестом на одном и том же PR.
Две недели назад чат пришел к схеме, где агент ревьюит не код, а набор проверок, а Станислав перечислял артефакты, которые стоит ревьюить вместо кода. Эта неделя впервые дала этой схеме серьезного оппонента и честный итог: Станислав сам признал, что опыта у него пока мало, а Андрей – что вопрос неоднозначен. Последний довод Андрея стоит запомнить: цель ревью еще и в том, чтобы люди знали концепции соседних модулей, и этого LLM за команду не сделает. Что в вашей команде хранит это знание, если PR перестанут читать?
«Ты не можешь аутсорсить понимание своей деятельности» – Андрей
«Я не оспариваю сохранение ответственности за прод и за решение. Я оспариваю необходимость чтения кода досконально» – Станислав
LSTR вернулся с питонячьего митапа с наблюдением: четыре доклада про ИИ, и ни слова про SDD, разработку от спецификаций. Его гипотеза – у докладчиков просто не было задач, которые не влезают в контекст: у одного из спикеров задачи сразу end-to-end, контекст держится в 100 тысячах токенов, а доказательство выполнения задачи собирается через управление браузером. Дмитрий ответил, что более-менее серьезный проект, который нужно поддерживать, без SDD не сделаешь, но это и сложнее, чем просто слать промпты агенту.
Сложность он объяснил тут же: в индустрии нет единой классификации, что такое спецификация. Василий предложил свою – это то, что генерится при планировании: как есть, как будет и какую цель преследуем. Дмитрий показал пример из OpenSpec, где спека – статический список требований со сценариями «дано – когда – тогда», а план и проектное решение лежат в отдельных design.md и tasks.md. Андрей узнал в этом знакомый запах огурца – Cucumber и BDD. Через десять минут Дмитрий подвел итог: у всех разное понимание SDD, в этом и сложность. Василий не согласился – это не разное понимание, а адаптация под организации.
Вторая половина разговора была про то, как писать требования для людей, а не только для машин. Андрей попросил научить модель не писать в требованиях конструкцию «X, а не Y». LSTR посоветовал прямые указания вместо запретов – модели плохо слушаются «не делай так» и хорошо – «делай так». Отсюда вырос спор про антропоморфизм: Василий считает, что работа с ИИ – это работа с людьми, и если можно научить человека, научишь и модель. LSTR возразил, что модель не обучается в процессе работы, обучение – это претрейн и файнтюн, а мы на самом деле учимся сами объяснять модели, что нам нужно.
Две недели назад в чате спросили, что почитать про SDD, и Артем ответил, что ни один из фреймворков ему не подошел. Эта неделя объясняет почему: фреймворки спорят не о реализации, а о том, что вообще считать спецификацией. Андрей попросил в конце простого – посоветовать книги о том, как писать техническую документацию и требования. Прямого ответа он так и не получил. А в вашей команде слово «спека» означает один документ или три разных?
«Ну вот за 10 минут обсуждения мы и пришли к тому, что у всех разное понимание, что такое SDD. В этом и сложность» – Дмитрий
«Мы не обучаем модели. Мы сами обучаемся, как лучше объяснить модели, что нам требуется» – LSTR
Спор начался с реплики Азата: зачем обучать модель, если она и так умнее меня, нужно только найти путь к нужным весам. Василий возразил: модель общего назначения полна мусора, а если нужно что-то узкое и дешевое в работе, дообучение – вариант, и вообще будущее за маленькими автономными моделями. Азат ответил «горьким уроком» Ричарда Саттона и цифрами: даже небольшая модель требует железа на год подписки на фронтир, данные дороже железа, а обучение с заметным выхлопом на продакшен-уровне – это миллионы долларов. По соотношению цена–качество подписки и дешевые китайские фронтиры выиграют у всего, что можно обучить самому без семизначного бюджета.
Практик в споре оказался один. Станислав для своего приложения обучил две модели общим весом около 11 мегабайт – это даже не SLM, а сверточная сеть, которая ищет экран с цифрами на фото заправочной колонки и распознает, что на нем написано. Готового решения не нашлось: модели, которые распознают одну цифру, есть, а моделей поиска экрана колонки нет. Пришлось строить по исследованиям, данные он собирал сам. Его модель хуже фронтира, но быстрее и работает прямо на телефоне. Для чеков, напротив, все уже есть – PaddleOCR, корпуса на 500–2 000 чеков и встроенный OCR в мощных телефонах.
Павел собрал из спора рабочий список, когда файнтюн имеет смысл: база знаний не влезает в контекст, задача узкопрофильная и ее нет во фронтирах, задача настолько простая, что ее потянет элементарная модель, или важна автономность и ресурсы машины. В остальных случаях хватает обвязки, которую легко сделать с помощью крупных моделей. Азат описал будущее как разное: тривиальное – на модели в смартфоне, сложное – на API, которые подешевеют до безлимитных подписок.
Две недели подряд чат обсуждал модели-классификаторы, которые отвечают «да», «нет» или числом, и идею разбивать работу на маленькие проверяемые решения. Эта неделя довела мысль до конца: маленькие модели никуда не делись, а их обучение подешевело именно благодаря большим. Сколько задач в вашем продукте решает LLM просто потому, что маленькую модель никто не пробовал?
«Везде пихать LLM – это оверкил. А SLM и маленькие модели были раньше и остаются актуальными сейчас» – Станислав
«Обучать и дешевая вместе не бывает» – Азат
Василий принес кейс: подчиненный регулярно не выполняет обязанности, команда жалуется, данные это подтверждают. Менеджер – хороший контрибьютор – хочет дать еще один шанс, и их было уже несколько. Что делать с менеджером? Станислав, вместо ответа, начал задавать вопросы: в чем косяк, как он влияет на бизнес, сколько людей в команде, не бутылочное ли это горлышко и нужен ли вообще менеджер, если все так зависит от одного человека. Андрей предложил выделить IC-трек: если менеджер вместо работы занимается контрибьютом, это плохой менеджер, а его руководитель плохо справился с ролью наставника.
Самым содержательным оказался ответ Станислава про ценности. В менеджменте нет правильных ответов, и решение зависит от того, что вы цените. Для него «попасть в обещанный срок» – не ценность: люди не умеют планировать, 80% сроков искусственные, а бизнес продавливает те, что ему нравятся. Если человек сделал продукт, который решает задачу, а срок сорван без вреда для бизнеса, менеджер берет этот «косяк» на себя. Но если страдают другие в команде, а человек кормит завтраками, это проблема, и надо действовать. И важно понять, почему менеджер не принимает меры – может, он как раз защищает хорошего работника.
Василий честно признал, что кейс – ретроспектива его собственной ошибки: нужно было убрать нерешительного менеджера, а потом и работника, но он посчитал это слишком. Менеджера он хотел перевести на место работника, но свободных мест не было – получился deadlock. И добавил наблюдение: многие лиды вообще не принимают решений о найме и увольнении, а «увольнять у нас не принято». Андрей усомнился: точно менталитет, а не просто неприятный процесс? Тут же прозвучал и второй урок: на собеседовании на вопрос о самой важной задаче лучше рассказывать не про увольнение, а про что-то социально приемлемое, с однозначным результатом.
Василий приносит в чат такие кейсы не впервые. В мае это был сотрудник, которого нельзя уволить, в августе – год, после которого из команды ушли все, кроме него, и спор, проблема ли это людей или процессов. Тот же спор повторился и сейчас: что считать косяком, если сроки ставятся под давлением. А в августе он же рассказывал про отказ на собеседовании за слишком честный ответ – и урок про «социально приемлемую» историю звучит как продолжение. Кейс договорились разобрать на онлайн-встрече на следующей неделе. Какую ценность защищает ваш менеджер, когда в очередной раз дает шанс?
«В менеджменте нет правильных ответов. Менеджмент часто идет по ценностям» – Станислав
«Моя ошибка была, что я не смог уволить менеджера за нерешительность, а потом и работника вместе с ним» – Василий
Андрей принес исследование Epoch AI: стоимость работы ИИ падает на 47% ежеквартально, быстрее, чем дешевело секвенирование ДНК. На бенчмарке FrontierMath результат 25% в январе 2025 года стоил около 0,55 доллара, а через полтора года – примерно 0,0015. Егор Смоляков сразу спросил о главном: а что со стоимостью работы людей? Никита ответил коротко – все еще дороже подписки за 100 долларов.
Дальше разговор разошелся по двум осям. Станислав: стоимость человека только дорожает, зарплаты в ИТ растут быстрее. Азат: исследование меряет стоимость задачи, а она с ИИ дешевеет и у человека, и никому не нужно время – нужно выполнение задач. LSTR добавил третье: нагрузка на человека при плотной работе с ИИ тоже растет. Азат вспомнил эффект Баумоля – когда в одних отраслях производительность растет, а в других нет, зарплаты все равно растут везде, и отстающие отрасли дорожают. Николай нашел ту же мысль в фильме про BlackBerry: в минуту человеку можно продать только одну минуту, это предел роста.
В конце недели этот же сюжет вернулся с обратной стороны: Gartner прогнозирует, что к 2028 году расходы на LLM превысят среднюю зарплату разработчика. Если стоимость единицы работы падает почти вдвое каждый квартал, а общий счет растет, значит, растет объем. Две недели назад чат обсуждал коридор бюджета на токены от 100 до 5 000 долларов на разработчика, и эта неделя объясняет, почему он такой широкий: цена падает, а аппетит к токенам растет быстрее. Что вы планируете в бюджете – цену токена или количество задач, которые захотите отдать агентам?
«Время никому не нужно. От человека нужно выполнение задач» – Азат
«Вы можете продать человеку в минуту только одну минуту. Это предел вашего роста» – Николай, цитата из фильма о BlackBerry
Станислав спросил Егора, зачем в его компании Kafka. Ответ «как без нее, она же везде» его не убедил: очереди нужны, но зачем комбайн, если для .NET RabbitMQ проще в обслуживании? Дальше в защиту Kafka выступил Василий. У нее есть история сообщений, которую можно перечитать после факапа, пропускная способность на порядок выше, и любое хранилище данных с «риэлтайм данными» в итоге строят на ней. У него было пять инцидентов с RabbitMQ за два года, в том числе ночной звонок дежурного, когда очередь заблокировалась после потери одной ноды, а в банке не было экспертизы, чтобы понять почему.
Станислав ответил опытом: на отказоустойчивом RabbitMQ с персистентностью они делали 120–200 сообщений в секунду, и этого хватало, чтобы банк работал. А то, что сообщение после чтения исчезает, – так и должна работать очередь. Андрей сформулировал главное: ни RabbitMQ, ни Kafka не про распределенные системы, все проблемы – от того, как спроектирован протокол. А для банка важны две вещи: общая политика компании и возможность открутить асинхронные коммуникации назад, поэтому Kafka там вполне уместна.
Самый казахстанский аргумент принес Василий: на местном рынке лучше брать то, под что есть кандидаты, а не то, что больше подходит, – людей мало, а Kafka в вакансиях везде. Станислав возразил: такая изоляция не приводит к развитию компетенций в стране. Василий ответил, что развитие не обязано идти через стек, инструменты меняются каждый год, а микросервисы, которые пришли на рынок, сожрали другие знания – у тебя десять пользователей и десять микросервисов под них.
В мае чат уже спорил о микросервисах с казахстанской спецификой – 18 миллионов человек это не хайлоад, зачем сложные трюки. Тот спор был про нагрузку, этот – про рынок труда: технологию выбирают не под задачу и не под нагрузку, а под то, кого получится нанять. Это рационально для компании, но кто тогда вырастит людей, которые умеют что-то кроме Kafka? Что определило выбор вашего брокера – задача, мода или резюме кандидатов?
«На рынке КЗ лучше брать то, где есть кандидаты, чем то, что тебе больше подходит» – Василий
«Ни реббит, ни кафка – это не про распределенные системы. Все проблемы не от инструментов, а от того, как ты протокол сделал» – Андрей
Kolesa Group запустила ежегодное исследование зарплат разработчиков, админов и QA в Казахстане, а прошедшим опрос открывает свою матрицу грейдов. LSTR назвал ее куцеватой и задал вопрос с подвохом: может, слишком куцая матрица хуже, чем ее отсутствие? Андрей ответил, что спорить можно, когда что-то есть, а когда ничего нет – спорить нельзя. Станислав просто похвалил за то, что выложили.
Дальше чат прошелся по пунктам. Андрей запретил бы мидлам «умение системно рефакторить» – у них нет опыта понимать, что рефакторить нельзя, а инициировать стоит разговор о рефакторинге, а не сам рефакторинг. «Опыт конфигурирования компилятора» для мидла вызвал у него смех, выступления на внешних конференциях для третьего грейда мидла – вопросы, а «поддерживать open-source библиотеки без ущерба для других обязанностей» для сеньора – возглас «где вы?». Отдельно он заметил, что у фронтендеров в матрице нет ни одного требования по софт-скиллам. Никита отписался коротко: «Я по ней джун».
В июне чат разбирал, как прозрачный грейдинг предсказуемо теряет обиженных людей, а непрозрачный копит несправедливость, и тогда Станислав описывал систему, где грейдируются универсальные навыки, не привязанные к стеку. Матрица Колес показывает обратную крайность: публичная, но перечень навыков, а не описание того, какую ответственность человек несет на каждом уровне. Тем не менее публичная матрица от крупного работодателя – редкость, и ее появление дает рынку повод спорить. Что в вашей матрице отличает мидла от сеньора – список умений или масштаб решений, за которые он отвечает?
«Можно поспорить, что слишком куцая матрица еще хуже, чем ее отсутствие» – LSTR
«Не могу придумать, когда мидл должен инициировать рефакторинг, а не разговор о нем» – Андрей
Андрей спросил Никиту, который работает в банке, как люди встречают LLM: хотят ли апскиллиться, тянет ли их в бизнес или в код. Никита разделил всех на три группы. Первая – энтузиасты, которые не ждут, пока работодатель даст доступ, все уже попробовали и знают, как работать. Вторая – те, кто хочет, но находит причины не использовать ИИ на полную: мучаются на бесплатных или 20-долларовых подписках и слабых моделях и ждут, пока им на тарелочке принесут подписку и способ с ней работать. Третья – застрявшие в 2023 году: тогда впервые пощупали ChatGPT, увидели, как так себе он генерирует код, и решили, что им это не понадобится.
Заметнее всего было наблюдение про мотивацию. Большинство видят себя разработчиками и воспринимают инструменты как экзоскелет, который в какой-то момент может сесть – то есть рассчитывают дотянуть руками, если кончится недельный лимит. Андрей признал, что видит и другую картину, и связал разницу с регулируемой отраслью, где никто не торопится рисковать, а безопасность забирает доступы.
LSTR подбросил к разговору ступени принятия LLM из доклада с питонячьего митапа: «не использую» – первая, свой харнесс – одна из верхних, а десктопные приложения, неожиданно, стоят выше терминала. Объяснения нашлись быстро: в десктопе больше контроля над сессиями и входными данными, можно управлять браузером и другими приложениями, проще закинуть картинку, а в терминале больше двух-трех сессий уже требуют менеджера. Неделю назад чат пришел к тому, что одна и та же модель в двух харнессах ведет себя как две разные, и ступени принятия – продолжение той же мысли: зрелость меряется не моделью, а обвязкой. В какой из трех групп сидит ваша команда и что ей мешает перейти в следующую – доступ или привычка?
«Все видят себя больше разработчиками и инструменты воспринимают как экзоскелет, который может в какой-то момент сесть» – Никита
«Десктопные приложения дают больше контроля над сессиями и тем, как подаются данные на вход» – LSTR
Через неделю после скандала с HackAlem.AI в чат пришло объявление тех же организаторов: ищут экспертов в техническое жюри, оценить около 30 проектов на GitHub, сделанных за пять часов, в обмен на сертификат и благодарственное письмо от министерства. Станислав отреагировал смехом и заметил, что 30 проектов от 2 500 участников выглядят как копейки: на хакатоне Hackload, который делало сообщество, было 15–20 проектов от 100 участников. LSTR спросил прямо: а до этого экспертов не было, как планировалось оценивать? Дмитрий пошутил, что были, просто кончились недельные лимиты.
Из иронии вырос конструктив. Андрей спросил, не повторить ли Hackload, и Станислав ответил, что нужно, – организация уже переехала в профильный чат, а Егор предложил медиаподдержку от еще одного местного сообщества. Тем, кто не застал прошлый раз, напомнили формат: участникам давали среду, которая измеряла производительность их системы под нагрузкой. И почти одновременно LSTR получил статус Microsoft MVP по .NET – третий в Казахстане. Андрей тут же отрапортовал, что количество MVP в стране за год утроилось.
Неделю назад, разбирая провал хакатона, чат спорил, хватит ли публичной критики, если скандал замнут. Эта неделя дала ответ, который чат уже формулировал летом про конференции: критика планку не поднимает, а сделать свое – поднимает. Месяц назад, когда в чате появился второй MVP, вывод был, что признание растет из видимой работы в сообществе, – третий за пару месяцев только подтверждает его. Если бы вы организовывали хакатон, что бы вы измеряли у участников – работающую систему под нагрузкой или презентацию?
«30 проектов от 2,5 тыс. участников – выглядит как копейки» – Станислав
«Были, просто недельные лимиты закончились» – Дмитрий, об экспертах жюри
Хотите продолжить обсуждение?
Обсудить в Telegram