Техдир на аутсорсе

Писал много последнее время про сложности поиска работы в ИТ. Есть на эту тему подгон для Java и C# разработчиков, которые сейчас ищут работу. Наши друзья DevDad помогают пройти этот путь: натаскают по теории, подготовят к мок-собеседованиям, помогут оформить опыт в резюме. В общем, проведут за ручку. И важно, это сейчас нужно и опытным разработчикам. Куча историй о том, что по полгода скиловые люди не могут найти место. Если есть вариант повысить вероятность успеха, то это хороший вариант. Дого...

Рынок ИТ стал жёстче После жирных лет (теперь их хочется назвать жирными)) рынок в РФ стал спокойнее и местами жёстче. Соискателей много, компании стали внимательнее к найму, бюджеты считают 😌 Условно, стало больше «докажи, что принесёшь пользу». Это не значит, что работы нет. Работа есть, и её много. Но повышается конкуренция за хорошие места и повышается требование к взрослости. Всё меньше ценится знание технологии всё больше – умение доводить до результата. Для бизнеса вывод простой: качайте...

Куда развиваться на горизонте в 5-10 лет в РФ Если смотреть на горизонт 5-10 лет, то, на мой взгляд, спрос будет смещаться в сторону трёх вещей: данные, безопасность, интеграции. Данные: люди, которые умеют собирать, чистить, строить борды, делать аналитику и на этой базе внедрять ИИ. Не обязательно чистый дата-сайенс, а скорее инженерия данных + понимание бизнеса. Безопасность: чем больше ИИ и автоматизации, тем выше риски. Будут нужны спецы, которые понимают, как защищать данные, как выстраива...

«Ребят, вы вообще понимаете, что происходит?!» Наткнулся на статью: shumer.dev/something-big-is-happening Я перед её прочтением подумал: «о, классно, напишу про неё пост, расскажу тезисно, чтобы людям полностью не читать». Но нет, категорически призываю каждого прочитать эту статью полностью (на русском с браузерным переводчиком встроенным тоже хорошо получится). Автор написал этот пост из заботы и я хочу распространить ее дальше. Человек из тусовки ИИ очень аргументированно рассказывает, что ми...

Новые профессии вокруг ИИ Вокруг ИИ растёт целый слой ролей, которые раньше почти не были нужны. AI-тренеры, люди, которые учат модель на конкретном домене. Специалисты по разметке данных. Люди, которые строят и проверяют качество ответов, чтобы агент не врал и не ломал процессы. Ещё отдельная роль, которую я вижу всё чаще: AI-интегратор. Это не научный сотрудник, а практик, который умеет взять бизнес-задачу и собрать решение из готовых блоков: LLM + база знаний + CRM + автоматизация в каком-то ...

AI Solutions Architect Ищем для партнёра специалиста, невероятно опытного в AI, для помощи в построении roadmap нового продукта. Если подходите, откликайтесь и напишите «с тг-канала», чтобы рекрутер первым делом на вас посмотрел: https://hh.ru/vacancy/129436024 А если нужна помощь с подбором ИТ-специалистов в вашу команду, пишите нам: @letitgoHR 😌

Гибридность: почему бизнесу нужны люди на стыке Пример: AI Product Manager. Он не обязан быть гениальным ML-инженером, но обязан понимать, где ИИ даст эффект, как посчитать экономику, как встроить в процессы, как сделать так, чтобы этим пользовались. Другой пример: MLOps. Это смесь девопса и ML, человек, который превращает модельку, развернутую на ноутбуке в сервис, который работает в проде, мониторится и обновляется. Почему это важно? Потому что ИИ-проекты ломаются не на модели, а на внедрении....

AI-грамотность становится как Excel Раньше умение работать с нейросетями было про продвинутость. Сейчас это постепенно становится базовым требованием. Как когда-то было с Excel, Google Docs, таск-трекерами. И речь не про поболтать с чатиком. А про навык: поставить задачу, получить результат, проверить, не накосячил ли ИИ, (переделать пару раз) и встроить это в работу. У многих компаний уже появляются политики: что можно скармливать модели, что нельзя, как хранить данные, как использовать ассисте...

Бережливый вайбкодинг (патентую термин этим постом!) Пришла прикольная мысль: конвейер Toyota, бережливое производство, теория Голдратта, DevOps, продуктовый подход и нынешний вайбкодинг, они же про одно и то же. Про то, как быстрее доставлять ценность и быстрее учиться. У Toyota магия была не в «конвейере». Конвейер был у многих. Магия была в том, что они выстроили поток так, чтобы ценность шла непрерывно, а потери выжигались. Ошибки не прятались до последних этапов, а всплывали сразу. И в итог...