Александр Морозов и Дарья Чуканова. От кризиса компетенций к новой модели: взгляд на будущее найма

Рассказываем, как подразделение из 75 человек с выручкой около 25 млн рублей в месяц встроило GenAI в подготовку проектной документации, разработку и тестирование и превратило эксперименты с ИИ в измеримый бизнес-эффект. Разбираем результаты: экономию около 320 человеко-часов в месяц на работе с документацией, сокращение одной итерации тестирования, ускорение выхода на SLA и дополнительную непроектную выручку. Показываем, как внедрять и масштабировать инструменты с минимальным CAPEX через вовлечение и нематериальную мотивацию команды, а также преодолевать сопротивление изменениям. Объясняем, почему не стоит усложнять промпт-инжиниринг, и делимся готовыми шаблонами промптов, системой метрик и принципами безопасной работы с данными в открытых нейросетях. Доклад в виде статьи: https://infostart.ru/pm/2767200/

Разбираем, почему проекты внедрения ESB, MDM и BI нельзя вести по тем же правилам, что и ERP: их промежуточный результат часто остается невидимым, зависимости проявляются слишком поздно, а привычные burn-down charts показывают активность команды, но не реальную готовность системы. На практических кейсах показываем, как отсутствие ключевого архитектора, скрытая связанность систем и одна ошибка в формате данных могут запустить каскад проблем и привести к серьезному перерасходу времени и бюджета. Объясняем, почему для технологических проектов нужен фазовый подход – от проверки концепции на реальных данных до MVP и полноценного запуска – с совместными контрольными точками и метриками по фактическому результату. Отдельно отмечаем, где ИИ-инструменты действительно помогают развивать аналитику и инновационные сценарии, а где не способны компенсировать ошибки архитектуры и низкое качество данных. Доклад в виде статьи: https://infostart.ru/pm/2766098/

Разбираем, как манипуляции маскируются под взаимопомощь, командность и заботу – и почему даже в сплоченной команде они постепенно забирают время, энергию и доверие. На реальных кейсах из IT показываем, как распознавать лингвистические и психологические крючки, отделять эмоциональное давление от рабочего запроса и отвечать так, чтобы не разрушать отношения с коллегами. Объясняем, почему одной личной защиты недостаточно и как прозрачная нагрузка, четкие протоколы и регулярные ретроспективы помогают выстроить культуру, где помощь остается осознанной, а отказ не превращается в обвинение в некомандности. Доклад в виде статьи: https://infostart.ru/pm/2762734/

Delivery – это не доставка еды, а доставка ценности в продакшн: разбираем, как выстроить процесс поставки на примере команды, работающей с 1С:ЗУП. Показываем, как за пару лет удалось почти вдвое сократить срок поставки решений, увеличить количество релизов с пяти до двенадцати в месяц и уменьшить периоды бизнес-фризов – за счет процессов, автоматизации и фокуса, а не переработок. Объясняем, как Lead Time, предсказуемость и другие метрики помогают находить узкие места и оценивать эффективность команды. Делимся практическими кейсами, сложностями и результатами – без лишней теории, только опыт. Доклад в виде статьи: https://infostart.ru/pm/2761627/

Рассказываем, чем оценка руководителя ИТ-проекта отличается от оценки других участников команды и почему для РП важны не только профессиональные знания, но и системное мышление, переговоры, управление рисками и ожиданиями. Разбираем, как выстроить сбалансированную систему мотивации, которая учитывает продуктовые метрики, сроки, качество, удовлетворенность клиента и рентабельность проекта. Объясняем, когда уместны оценка 360 градусов и обратная связь от заказчика, а также всегда ли ошибки команды находятся в зоне ответственности руководителя. Также продемонстрируем, какие косвенные показатели – от текучести и переработок до повторных контрактов и характера эскалаций – помогают оценить реальную эффективность РП. Доклад в виде статьи: https://infostart.ru/pm/2754579/

Разбираем разницу между проектным и продуктовым подходами в управлении и причины того, почему они редко существуют в компаниях в чистом виде. Объясняем, когда достаточно процессного подхода, когда нужен проектный, а когда без продуктового управления уже не обойтись. Показываем ключевые критерии каждого подхода: жизненный цикл, роль команды, метрики успеха, организационную структуру и фокус управления. Отдельно разбираем риски неправильного выбора подхода – от лишних затрат до конфликтов ролей между руководителем проекта, владельцем продукта и менеджером по продукту. Доклад в виде статьи: https://infostart.ru/pm/2753642/

AI-разработка становится повседневной практикой, но правовое регулирование только формируется, и цена ошибок уже измеряется штрафами, исками и репутационными потерями, которые могут превысить бюджет проекта. Рассказываем, как встроить правовой комплаенс в жизненный цикл AI-системы, не превратив разработку в бесконечное согласование, и как выбрать подходящую модель проверки с учетом уровня риска. Разбираем российскую судебную практику, распределение ответственности между разработчиком, заказчиком, пользователем и владельцем системы, а также показываем практические инструменты: карту рисков, контрольные точки, чек-листы и договорные механизмы защиты. Доклад в виде статьи: https://infostart.ru/pm/2753069/

Рассказываем, как в условиях кадрового дефицита отдел 1С-разработки отказался от ставки на поиск готовых специалистов и выстроил автономную систему выращивания программистов – от вакансии и отбора до адаптации, обучения и работы на реальных проектах. Эксперименты с вакансиями, проверкой способности учиться и собственными форматами развития помогли обеспечить стабильный поток подходящих кандидатов и постепенно расширять компетенции команды. Доклад в виде статьи: https://infostart.ru/pm/2751976/

Разбираем ISO/IEC 42001:2023 – самостоятельный стандарт по системам менеджмента искусственного интеллекта, построенный на логике ISO/IEC 27001 и расширяющий привычные подходы информационной безопасности на разработку, поставку и использование ИИ-систем. Показываем, как типовая модель оценки рисков дополняется анализом воздействия на бизнес и общество, а приложение А объединяет меры управления рисками в десять групп контролей. Объясняем, чем отличаются требования к разработчикам, поставщикам и пользователям систем искусственного интеллекта и какие риски каждая из сторон должна учитывать на своих этапах жизненного цикла. Материал будет полезен специалистам по информационной безопасности и разработчикам информационных систем, интегрированных с ИИ. Доклад в виде статьи: https://infostart.ru/pm/2751884/

Разбираем, что на практике скрывается за нормализацией НСИ и почему она нужна не только для наведения порядка в справочниках. Показываем, как единые и качественные данные помогают сокращать издержки, принимать управленческие решения и выстраивать бизнес-процессы компании. Объясняем, почему нормализация становится важным условием успешной автоматизации, и как она связана с качеством данных. Также рассматриваем основные инструменты работы с НСИ: методологию, классификацию, шаблоны описания, поиск дублей и подготовку данных к миграции. Доклад в виде статьи: https://infostart.ru/pm/2749413/