Бизнес-архитектор: Финансы, Путешествия и Роботы

Прочитал на Хабре заметку про spec-driven development и поймал себя на мысли: это не про «как лучше промптить». Это про управляемость. Когда ИИ пишет код быстро, размытые требования превращаются в огромные MR и бесконечные правки. Симптом знакомый: «написали много, а что именно хотели - так и не ясно». Мой рабочий рецепт на 7 шагов (и он одинаково годится и для Python-сервисов, и для агентных штук): 1. 🎯 Зафиксируйте контракт фичи Одна страница: проблема, границы, что НЕ делаем, критерии приемки (проверяемые), 2-3 примера вход-выход...

Набившая оскомину аксиома: «меньше бюрократии - быстрее решения». В целом не врут. Знаете, когда в компании появляется первая формальная процедура? Не когда «повзрослели». А когда случилась чувствительная потеря денег: недозаработали или налетели на лишние расходы. Почему так бывает? Один подумал, что другой сделает «как обычно». Третий в это время сделал по-своему. Итог - спор, откат, деньги, срок. Процедуры часто написаны «пролитой кровью и потерянными деньгами». Это не про любовь к регламентам, это про 🛡️ риск-контур...

» Я люблю смотреть на это глазами собственника: сколько стоит ваш информационный шум. Часто проблема не в людях, а в настройках системы. В статье, которая мне понравилась, рабочий день сводят к трем ручкам: • λ (лямбда): сколько прерываний в час • Δ (дельта): сколько минут уходит, чтобы снова «въехать» в задачу • θ (тета): сколько непрерывного времени нужно, чтобы это была настоящая работа ⏱️ Автор берет цифры из исследований: в среднем около 7,5 уведомлений в час (почта + мессенджеры), а возврат в концентрацию после прерывания может занимать 10-16 минут...

” Самый важный сдвиг ближайших лет не в том, что LLM стали умнее. А в том, что ИИ начал получать руки, датчики и право нажимать кнопки. То есть он может не только отвечать на входные данные человека, а сам обогащать знания через эксперимент. 📌 Два поля, где это уже происходит 1. Self-driving labs: автономные лаборатории, где ИИ сам выбирает следующий опыт, запускает оборудование, снимает измерения и обновляет гипотезу. Это не “автоматизация лаборатории”, а замкнутый цикл: планирование - действие - измерение - обучение...

? Я все чаще ловлю себя на мысли: начинающие фаундеры ходят по кругу с вопросом “какие слабые стороны вы видите?”. Вопрос нормальный, но он редко про победу. Победу дает сила - то, что рынок оплачивает и что инвестор считывает за полминуты. Сила часто перекрывает слабости: можно быть средним в упаковке, если у вас железный канал продаж или уникальные данные. А вот “мы решаем проблему” - это база. Как на татами: все умеют бороться. Есть любопытная подсказка из исследований про людей. По данным Gallup, когда человек использует сильные стороны каждый день, он в 6 раз более вовлечен...