Гриненко про

Выпуск на YouTube: https://youtu.be/9d5JXwNeVjI

Telegram-канал — https://t.me/devspotting
Чат сообщества — https://t.me/grinenko_pro

ИИ-агенты пишут код всё быстрее — но кто проверит результат? Обсуждаем ИИ в разработке, инфраструктуру, тестирование, найм инженеров и вайбкодинг с Сергеем gurugray Сергеевым из Manychat.

В ЭТОМ ВЫПУСКЕ
- Почему CI и код-ревью становятся узким местом?
- Можно ли перестать читать сгенерированный код?
- Как оценивать кандидата, если на вопросы собеседования отвечает нейросеть?
- И что происходит с инженерным опытом, когда прототип можно собрать за одну прогулку с собакой?

Сергей рассказывает, как меняется работа команд, почему он пока не расширяет свои команды по два человека и зачем выделять отдельное время на освоение ИИ-инструментов. Спорим о границах вайбкодинга, ответственности за продакшн и о том, кто будет поддерживать продукт после первого MVP.

В финале — ИИ в творчестве, Suno и вопрос о том, как продолжать развиваться, когда генерация сама по себе приносит удовольствие.

ТАЙМКОДЫ
00:00 Начало выпуска
00:27 Сергей Сергеев: Manychat и автоматизация с ИИ
02:28 ИИ-агенты, Git и новый смысл коммитов
06:19 CI и code review: где возникает узкое место
11:34 Как ИИ меняет работу команд
16:54 Стали ли мы быстрее — и стали ли делать лучше?
22:34 Вайбкодинг: семейный банкинг в Telegram
24:50 ChatGPT и MCP: аналитика Magic: The Gathering
29:19 Голосовые интерфейсы и идеи на прогулке
31:15 Что мешает доверить ИИ большой продукт
35:54 Как проверять код и тесты, написанные ИИ
42:20 Где команды всё ещё читают сгенерированный код
45:47 Почему меняется найм инженеров
49:04 Вайбкодинг: кто будет поддерживать продукт после MVP
53:08 Собеседования с ИИ: как оценить кандидата
1:00:24 Команды по два человека и будущее специализаций
1:03:34 Время на освоение ИИ и бюджеты на токены
1:06:35 Можно ли повторить Manychat с помощью агентов
1:10:08 ИИ в маркетинге и творчестве: где преимущество человека
1:14:08 Suno и дофамин от генерации
1:22:11 Обесценит ли ИИ инженерный опыт?

ССЫЛКИ ГОСТЯ
Сайт — https://gray.guru/
github — https://github.com/gurugray
YouTube — https://www.youtube.com/@gurugray
LinkedIn — https://www.linkedin.com/in/grayguru
X — https://x.com/gurugray

СМОТРИТЕ ТАКЖЕ
* AI-агенты в разработке: https://studio.youtube.com/video/Nq92u7yldn4/edit
* Внедрение ИИ в компании: https://studio.youtube.com/video/n9RMYrjMwZ8/edit

Telegram-канал — https://t.me/devspotting
Чат сообщества — https://t.me/grinenko_pro

Выпуск на YouTube: https://www.youtube.com/watch?v=eMaYOK2OWR4

• Telegram-канал https://t.me/devspotting

• Чат сообщества https://t.me/grinenko_pro

• Все выпуски https://grinenko.pro/podcast/episodes/

О ГОСТЕ

Илья Савченко — предприниматель с опытом в строительстве и производстве. Его команда Svoboda Team внедряет системы управления в строительные и девелоперские компании. В выпуске Илья рассказывает, как пришёл от консалтинга к созданию собственной платформы «Спутник AI» и взял на себя роль CPO.

В ЭТОМ ВЫПУСКЕ

— Почему покупка программы сама по себе не наводит порядок в бизнесе

— Как связать процессы, сбор данных и управленческие решения

— Как ИИ помогает составлять графики работ и кто должен их проверять

— Что остаётся консультантам, если нейросеть уже умеет писать регламенты

— Какие навыки развивать руководителю, когда часть его работы забирает ИИ

ТАЙМКОДЫ

00:00 — ИИ, бизнес и свобода

00:49 — Илья Савченко и Svoboda Team

03:37 — Что значит быть свободным

08:04 — Свобода в команде и дисциплина исполнения

11:06 — Зачем консалтингу собственный AI-продукт

16:54 — Почему стройку так сложно автоматизировать

22:23 — Сроки, рентабельность и планирование

24:39 — Почему недостаточно Excel и MS Project

26:37 — Пирамида оцифровки: от процессов до решений

32:13 — Есть ли место ИИ, пока в процессах хаос

36:30 — Как ИИ составляет график производства работ

40:22 — ИИ-помощник и обучение сотрудников

45:18 — Кто проверит ошибки нейросети

47:35 — Зачем нужны консультанты, если есть ИИ

53:57 — Что важнее: внедрение, методология или программа

56:34 — Как понять, что система работает без консультантов

01:00:45 — Когда автоматизация даёт собственнику свободу

01:04:33 — Управленческий долг и выход из операционки

01:08:05 — Как довериться изменениям и взять ответственность

01:14:43 — Кого заменит ИИ и чему учиться руководителю

01:19:52 — «Пацанство»

01:22:21 — MBA или сплав: как развивать управленческие навыки

01:27:51 — Может ли ИИ заменить высшее руководство

01:34:10 — Развивать компанию и сохранять время на жизнь

ССЫЛКИ ГОСТЯ

• Telegram — «Система Савченко» https://t.me/il_savchenko

• Личный сайт Ильи Савченко https://ilyasavchenko.com/

• Svoboda Team https://svoboda-team.com/

• Спутник AI и ИИ-ассистент EVA https://sputnikai.pro/

СМОТРИТЕ ТАКЖЕ

• Внедрение ИИ в компании: как перестроить команды и процессы — Дмитрий Бобылёв, CEO Fast Forward https://www.youtube.com/watch?v=n9RMYrjMwZ8

• AI-агенты в разработке: почему программистам больше не платят за код — Глеб Михеев https://www.youtube.com/watch?v=Nq92u7yldn4

• Telegram-канал https://t.me/devspotting

• Чат сообщества https://t.me/grinenko_pro

• Все выпуски https://grinenko.pro/podcast/episodes/

Ведущий: Владимир Гриненко https://grinenko.pro/

https://grinenko.pro/podcast

https://t.me/devspotting

Выпуск на YouTube: https://www.youtube.com/watch?v=nntQKlHS-z4

Задача состояла в том, чтобы сохранить гарантию качества, но перестать читать код за агентами.

В выпуске на примере разработки редактора markdown-файлов разбираем, как Киру удалось с этой задачей справиться и какие модели он использует в своем пайплайне, чтобы не переплачивать за токены.

Telegram-канал — https://t.me/devspotting

Чат сообщества — https://t.me/grinenko_pro

Все выпуски — https://grinenko.pro/podcast/

Видео на YouTube: https://www.youtube.com/watch?v=olVSVppq5hw

Говорим с Никитой Уманским — тимлидом стартапа из Барселоны — о реальном AI-native процессе разработки, новой роли программиста как руководителя собственной команды агентов и о том, где автоматизация пока упирается не в качество моделей, а в контекст, архитектуру и человеческие решения.

В ЭТОМ ВЫПУСКЕ

— Как выглядит разработка, когда Claude Code получает контекст из Jira, Figma, backend-репозитория и дизайн-системы

— Почему даже хороший агентный пайплайн всё ещё требует проверки человеком на каждом этапе

— Что такое нейрослоп и почему AI может ускорять рост технической энтропии

— Почему программист превращается в тимлида собственной команды субагентов

— Как AI изменил собеседования и какие навыки теперь важнее алгоритмических задач

— Как использовать Claude, MCP и транскрипцию прямо во время встреч и refinement

— Почему AI хорошо работает внутри понятного scope, но сложнее справляется с формированием требований с нуля

— Что останется от профессии программиста, если следующий уровень абстракции действительно станет похож на компилятор

ТАЙМКОДЫ

00:00 — Никита Уманский: Барселона, стартап и путь разработчика

04:59 — Как AI уже изменил процесс разработки

06:20 — От задачи в Jira и Figma до Claude Code

07:34 — Figma MCP, backend и дизайн-система в одном контексте

09:23 — AI-ревью, браузерные проверки и CI

12:03 — Если код пишут агенты, зачем нужны программисты?

14:41 — Почему человеку всё ещё приходится проверять AI

17:31 — Можно ли сохранить весь контекст проекта в AGENTS.md

18:57 — Сколько продуктивности реально добавляют нейросети

20:38 — Почему даже хорошая спецификация разваливается в реальной разработке

22:47 — Главная работа человека — удерживать энтропию

24:25 — Как нейрослоп ускоряет расползание большого проекта

25:59 — Один разработчик теперь управляет командой агентов

27:52 — Почему все разработчики «сдвинулись на уровень вверх»

29:25 — Как AI изменил найм и технические собеседования

32:38 — AI-стек тимлида и менеджера

35:13 — Голосовой бот, MCP и работа прямо во время встречи

37:27 — Почему взаимодействие между командами всё ещё работает на людях

43:04 — Где заканчивается разработка и начинается принятие решений

45:45 — Что изменится в AI-разработке через полгода или год

50:41 — Стали ли современные модели уже достаточно хорошими

53:50 — Следующий уровень абстракции: от кода к требованиям

58:35 — Нужно ли программисту вообще понимать, что происходит под капотом

01:03:39 — Почему недетерминированность AI мешает полной автоматизации

01:07:00 — Тесты, переписывание систем с нуля и цена ошибок

01:10:34 — Кто надёжнее: человек или нейросеть

01:12:36 — Программисты всё ещё нужны — но работа уже изменилась

О ПОДКАСТЕ

«Гриненко про» — подкаст о том, как искусственный интеллект меняет разработку, продукты, карьеру и работу технологических команд.

Telegram-канал — https://t.me/devspotting

Чат сообщества — https://t.me/grinenko_pro

Все выпуски — https://grinenko.pro/podcast/

Ведущий: Владимир Гриненко

Telegram-канал: https://t.me/devspotting

Чат сообщества: https://t.me/grinenko_pro

Сайт: https://grinenko.pro

Выпуск на YouTube: https://www.youtube.com/watch?v=i2fExyLLke4

Рынок IT сегодня: на вакансии приходят десятки и сотни откликов, кандидаты генерируют резюме и проходят интервью с нейронками, а работодатели отвечают AI-скринингом и автоматизированными собеседованиями.

Вместе с Анастасией Бианко, Head of Recruitment в Циан, экс-Recruitment Partner Яндекса, разбираемся с ситуацией на рынке IT, говорим о судьбе джунов, фальсификации опыта, автоматизации найма, AI-интервью и о том, что действительно повышают шансы кандидата.

В ЭТОМ ВЫПУСКЕ

— почему кандидатов стало так много, а дефицит сильных специалистов при этом никуда не исчез;

— как работодатели распознают накрученный и полностью выдуманный опыт;

— почему рекомендации, профессиональная репутация и прямой контакт с компанией снова особенно важны;

— что произошло с наймом джунов и почему от студентов теперь ждут гораздо большего;

— нужно ли указывать конкретный стек, если с нейронкой можно быстро освоить новую технологию;

— как Циан использует ИИ для фильтрации резюме и интервью со стажёрами;

— какие AI-навыки уже стали гигиеническим минимумом для кандидата;

— заменит ли ИИ рекрутеров и как может выглядеть автоматизированный найм ближайшего будущего;

— почему компании пока продолжают нанимать роли, а не «универсальных продуктовых инженеров»;

— чем культура найма в Циан отличается от Яндекса.

ТАЙМКОДЫ

00:00 — Есть ли кризис найма и почему кандидатов стало намного больше

03:12 — Сокращения, курсы и фальшивый опыт: откуда берётся поток кандидатов

05:23 — Кризис доверия: что делать с накрученным опытом

09:12 — Сотни откликов на вакансию и AI-фильтры

12:22 — Может ли ИИ заменить рекрутера

14:39 — Почему люди всё ещё массово идут в IT

16:44 — Что стало с джунами и почему требования выросли

20:46 — Почему x10-продуктивность с ИИ не означает x10 найма

23:50 — Можно ли заменить экспертов дешёвыми джунами с AI

26:28 — Как менять отношение сотрудников к ИИ

30:39 — Фулстек против глубокой специализации

35:48 — Как Циан ищет людей с опытом работы с AI

37:38 — Почему удалёнка может помогать AI-native командам

39:56 — Как устроены воронки найма и отказы от оферов

43:37 — Как сегодня искать работу: отклики, рекомендации и репутация

47:50 — Резюме от нейронки: что в нём действительно важно

50:21 — Что делать джуну без выдуманного опыта

52:30 — Как Циан автоматизировал отбор стажёров с помощью ИИ

55:36 — Какие AI-навыки стали гигиеническим минимумом

58:30 — Как может выглядеть найм через год

01:03:04 — ATS, данные о кандидатах и AI-аналитика

01:06:43 — Нужно ли человеку конкурировать с ИИ

01:08:50 — Как AI изменил верх воронки найма в Циан

01:16:15 — Циан vs Яндекс: культура найма и право HR на вето

01:20:03 — Что стоит сделать уже сейчас

МАТЕРИАЛЫ ИЗ ВЫПУСКА

• LinkedIn Анастасии — https://www.linkedin.com/in/anastasia-bianco-14410292/

• Обзоры рынка труда hh.ru — https://stats.hh.ru/review

СМОТРИТЕ ТАКЖЕ

• Искусственный интеллект, найм и образование | Сергей Бережной, CTO Практикума, директор в Яндексе — https://studio.youtube.com/video/V3fahH0XA0M/edit

Telegram-канал: https://t.me/devspotting

Чат сообщества: https://t.me/grinenko_pro

Сайт: https://grinenko.pro

Выпуск на YouTube: https://www.youtube.com/watch?v=i2fExyLLke4

Telegram-канал — https://t.me/devspotting

Чат сообщества — https://t.me/grinenko_pro

Выпуск на YouTube: https://youtu.be/VhQPchnlwo8

ИИ делает знания почти бесплатными, но понять, чего мы на самом деле хотим, кому доверять и как отличить хорошее решение от нейрослопа проще не становится. Разбираемся, что происходит с IT-конференциями, когда доступ к информации и коду перестаёт быть дефицитом.

Говорим с Алексеем Федоровым — сооснователем JUG Ru Group, продюсером конференций и Java Champion — о кризисе технической экспертизы, корпоративных AI-системах и о том, почему после первого восторга от ИИ-агентов начинается гораздо более сложная работа: описывать собственную картину мира и принимать решения.

ТАЙМКОДЫ

00:00 — Как ИИ меняет IT-конференции

05:13 — Что делать, когда все делают про ИИ

09:37 — Конференции перестают быть источником знаний?

11:23 — Почему «тусовка вместо докладов» — диагноз

13:57 — Как конференция пробивает информационный пузырь

15:26 — Почему принципы важнее конкретных технологий

18:24 — Что ИИ сделал с техническими докладами

21:41 — Доклад как перформанс, конференция как опыт

25:05 — Дефицит опыта и доверия

26:47 — Можно ли доверять советам нейронки

29:05 — Кризис экспертизы в эпоху ИИ

32:56 — Как JUG Ru Group использует ИИ и AI PDLC

34:24 — Этика корпоративных агентных систем

38:38 — Как AI помог починить рассинхрон видео

42:02 — Корпоративная онтология: как описать мир для агента

47:20 — Зачем самому строить AI-системы

48:56 — Почему нам не хватает языка для будущего

52:01 — Приносит ли корпоративная онтология реальную пользу?

55:14 — ИИ удешевляет реализацию. Но что меняется на самом деле?

57:54 — Может ли ИИ решить «все проблемы»?

59:38 — Руководители снова начали программировать

01:01:51 — Что происходит после первого AI-угара

01:03:18 — Почему даже лидеры AI-индустрии не знают, куда всё идёт

01:05:36 — «Заблуждались, но заблуждались искренне»

ССЫЛКИ ГОСТЯ

* JUG Ru Group https://jugru.org/

* Канал Алексея в Telegram: https://t.me/channel_23derevo

* Профиль Алексея на Joker 2026 https://jokerconf.com/persons/bd6c248fbfb841959ffd65dd4f00792d/

* Habr Алексея https://habr.com/ru/users/23derevo

МАТЕРИАЛЫ ИЗ ВЫПУСКА

* Подкаст «LLM и мышление» с Андреем Морозовым — https://www.youtube.com/watch?v=WswHn_mJo8I

* AI PDLC Сбера — https://developers.sber.ru/kak-v-sbere/events/arch_july_2026

О ПОДКАСТЕ

«Гриненко про» — подкаст о практическом применении искусственного интеллекта, разработке и людях, которые прямо сейчас меняют IT-индустрию.

Сайт — https://grinenko.pro/podcast/

Telegram-канал — https://t.me/devspotting

Чат сообщества — https://t.me/grinenko_pro

Ведущий: Владимир Гриненко

Telegram-канал — https://t.me/devspotting

Чат сообщества — https://t.me/grinenko_pro

Сайт — https://grinenko.pro

Coding agents уже умеют за часы делать то, на что раньше уходили месяцы работы команды. Но означает ли это, что разработчики становятся не нужны — или, наоборот, инженер наконец перестаёт быть «человеком, который пишет код» и поднимается на уровень продукта, архитектуры и управления агентами?

Говорим с Глебом Михеевым https://glebmikheev.ru — разработчиком с более чем 20-летним опытом, который сейчас развивает ГигаАгента в Сбере, — о новой роли инженера, экономике софта в эпоху AI и о том, почему главный дефицит теперь не код, а понимание того, что и зачем нужно построить.

Глеб работал в NVIDIA, основал и девять лет развивал собственную компанию по заказной разработке, затем работал в Skillbox и Сбере. Сейчас развивает ГигаАгента — автономного AI-агента Сбера — и руководит программным комитетом AgenticDevConf. Автор Telegram-канала «Уставший техдир» https://t.me/tired_glebmikheev и подкаста «Фичи Катятся» ⁨@tired_glebmikheev⁩.

ТАЙМКОДЫ

00:00 — В этом выпуске

00:44 — Кто такой Глеб Михеев: NVIDIA, свой бизнес, Skillbox и Сбер

04:18 — Как coding agents вернули Глеба из менеджмента в разработку

07:33 — Переход в GigaChat и работа над автономным агентом

10:04 — Зачем идти в Individual Contributor внутри бигтеха

14:17 — Лидерство без административной власти

17:09 — Как самостоятельные инженеры работали ещё до AI

20:21 — Почему coding agents возвращают эпоху универсальных инженеров

22:00 — Product engineer вместо фронтендера и бэкендера

25:40 — Реальна ли компания на миллиард долларов из одного человека

33:14 — Почему AI увеличивает количество попыток, но не количество хороших идей

36:36 — Стартап теперь можно проверить за вечер

38:49 — Как Глеб за два дня сделал продукт вместо нескольких месяцев работы команды

42:32 — Бизнес или найм: где сегодня проще зарабатывать

48:07 — Что будет с SaaS, когда производство софта станет дешёвым

50:35 — Во что инвестировать, если любой эксперт может собрать конкурентный продукт

52:32 — Зачем Сберу делать собственного автономного агента

55:27 — Зачем нужны национальные и суверенные AI-модели

01:02:45 — Можно ли просто взять открытую модель и дообучить её

01:13:49 — Почему технологическая независимость может быть важнее цены

01:18:24 — Станут ли фундаментальные модели новой стратегической технологией

01:24:14 — Модели превращаются в commodity, а ценность переезжает в harness?

01:29:50 — Почему мы используем лишь небольшую часть возможностей современных моделей

01:34:35 — Зачем вообще нужен персональный AI-ассистент

01:38:22 — Где проактивные агенты действительно полезны

01:40:18 — «Цифровые сотрудники»: фантазия или следующая стадия AI

01:42:24 — Почему сейчас нужно инвестировать в R&D и совершать ошибки

01:46:20 — Как должно измениться образование в эпоху AI

01:50:48 — За какие навыки теперь будут платить инженерам

01:53:44 — Главный навык будущего — работать в неопределённости

01:55:51 — Итоги

ССЫЛКИ ГОСТЯ

• Telegram — «Уставший техдир» https://t.me/tired_glebmikheev

• YouTube — @tired_glebmikheev

• GitHub — https://github.com/glebmachine

• Сайт — https://glebmikheev.ru

О ПОДКАСТЕ

«Гриненко про» — подкаст о практическом применении искусственного интеллекта, разработке и людях, которые прямо сейчас меняют IT-индустрию.

Telegram-канал — https://t.me/devspotting

Чат сообщества — https://t.me/grinenko_pro

Сайт — https://grinenko.pro

Что такое мышление, если большую часть времени мы действуем по привычным схемам, а LLM уже умеют воспроизводить почти любую описанную практику? Разбираемся, зачем бизнесу корпоративный философ, почему определения и метрики одновременно помогают и ограничивают нас и где проходит граница между накопленным знанием и созданием принципиально нового.

Говорим с Андреем Морозовым — корпоративным философом, который в аспирантуре занимался компьютерным зрением и машинным обучением, затем прошёл путь от разработчика и тимлида до CTO, бизнеса и управленческого консалтинга — о философском мышлении в бизнесе, способности LLM мыслить и навыках, которые останутся людям.

По второму образованию Андрей — психолог-консультант; до философского консультирования также занимался маркетинговыми и стратегическими исследованиями.

В ЭТОМ ВЫПУСКЕ

— Чем мышление отличается от знания большого количества фактов

— Почему мы воспринимаем мир через «схемы» и как они предопределяют наши решения

— Что такое философское мышление и зачем бизнесу постоянно спрашивать «зачем?»

— Закон Гудхарда

— Может ли LLM мыслить, удивляться и создавать новое

— Почему нейросеть можно представить как «идеального отличника», прочитавшего почти всё

— Где проходят границы между алгоритмом, творчеством, субъектностью и свободой воли

— Какие навыки сохраняют ценность рядом с ИИ: креативность, коммуникация и критическое мышление

ТАЙМКОДЫ

00:00 — Хайлайты выпуска

00:35 — Кто такой корпоративный философ

02:04 — От инженера к философскому консультированию

03:11 — Почему история философии — ещё не философское мышление

04:00 — Отличник против троечника

14:23 — Что происходит, когда привычная картина мира перестаёт работать

18:04 — Мышление как создание новой схемы

21:01 — Что такое философское мышление: три уровня взгляда на проблему

25:34 — Как определения заранее программируют решения бизнеса

29:23 — Как компании конструируют проблемы

33:05 — Метрики, закон Гудхарда и хрупкие модели реальности

38:32 — Чем на практике занимается корпоративный философ

41:14 — Коучи, эзотерика, серебряные пули и страх неопределённости

47:52 — Философ как «психотерапевт для бизнеса»

56:51 — Почему невозможно один раз всё обдумать и выйти из рутины

01:01:12 — AGI без определения и гонка компаний за ИИ

01:09:14 — Способны ли LLM мыслить

01:17:31 — Где нейросеть перестаёт быть «идеальным отличником»

01:26:14 — Свобода воли, субъектность и технологическая сингулярность

01:38:53 — Как философ смотрит на прогнозы будущего

01:48:39 — Заменят ли LLM самих философов

01:52:36 — Как ИИ меняет маркетинговые исследования и работу с пользователями

01:57:06 — Три навыка для эпохи ИИ

02:12:04 — Как Андрей сам использует нейросети в работе

02:14:35 — Зачем делать конференцию про ИИ, если LLM уже знают почти всё

02:23:28 — Что нейросети всё-таки не заменят

ССЫЛКИ ГОСТЯ

• Telegram-канал Chief Philosophy Officer — https://t.me/chief_philosophy_officer

• Конференция «Разработка будущего» — https://future.jokerconf.com/

О ПОДКАСТЕ

«Гриненко про» https://grinenko.pro/ — подкаст о людях, технологиях и практиках вокруг искусственного интеллекта.

Telegram-канал — https://t.me/devspotting

Чат сообщества — https://t.me/grinenko_pro

Ведущий: Владимир Гриненко

ИИ уже радикально ускоряет производство, но чтобы получить реальный эффект, приходится заново разбираться с устройством команд, корпоративными знаниями, данными, контролем качества и самой ролью человека в производственном процессе.

Говорим с Дмитрием Бобылёвым — CEO и главным экспертом управленческого консалтинга FastForward — о том, как внедрять ИИ в уже работающие компании, почему организационный контекст становится одним из главных активов бизнеса и как может выглядеть AI-first организация, если строить её с нуля.

О ГОСТЕ

Дмитрий прошёл путь от разработчика до вице-президента по информационным технологиям СберМаркета, где руководил командой из более чем 1 000 человек. Сейчас строит AI-first консалтинг. Автор канала «Боб в помощь» https://t.me/ZhogloTech.

В ЭТОМ ВЫПУСКЕ

— Как внедрять ИИ через конкретную бизнес-боль, а не абстрактную «AI-трансформацию»

— Почему накопленный контекст компании становится ценнее погони за новыми моделями и инструментами

— Как выращивать внутренних AI-амбассадоров и что делать с сопротивлением сотрудников

— Почему производство становится дешевле, а постановка задачи и валидация — важнее

— Что произойдёт с программистами, которым нравится писать код руками

— Как могут измениться роли, оргструктура и место самых опытных инженеров в производственной цепочке

— Что Дмитрий перестроил бы в большой технологической компании, если бы снова управлял командой из 1 000+ человек

— Почему при всей AI-революции требования к хорошему менеджменту практически не меняются

ТАЙМКОДЫ

00:00 — Хайлайты выпуска

00:28 — Дмитрий Бобылёв

01:45 — Почему AI-консалтинг сложно продавать через обещания

04:20 — ИИ возвращает разработку к здравому смыслу

06:51 — Почему классическому консалтингу придётся перестраиваться

13:58 — AI-лабы и внутренние эксперты в компании

16:04 — Как выглядит AI-first консалтинг

20:33 — Главный актив компании — организационный контекст

25:00 — Почему сотрудники не хотят «выгружать» свои знания

27:22 — Внедрение ИИ через конкретную боль и быстрый результат

33:22 — SDLC схлопывается, а валидация становится важнее

39:02 — Что делать, если программисту нравится писать код руками

41:48 — Как изменится оргдизайн компаний в 2026–2030 годах

47:36 — Почему самых опытных людей нужно ставить на валидацию результата

50:53 — Код становится commodity: где остаётся инженерное мастерство

57:07 — Как ИИ меняет диагностику компаний и производство

01:01:22 — Почему ручное ревью перестаёт масштабироваться

01:09:13 — Передача знаний и зависимость компаний от моделей

01:13:19 — Что в управлении не меняется из-за ИИ

01:16:06 — Как строить AI-first компанию с нуля

01:25:32 — Что Дима сделал бы иначе, снова управляя 1 000+ людьми

01:29:59 — Новый BI: данные, метаслой и «окно-оракул»

01:34:03 — Как перестроить обучение и развитие сотрудников

01:36:53 — Инфраструктура, безопасность и выбор моделей

01:42:23 — Итоги

ССЫЛКИ ГОСТЯ

• FastForward — https://ff.pro/

• Telegram Дмитрия Бобылёва — https://t.me/zhoglo

• Канал «Боб в помощь» — https://t.me/ZhogloTech

О ПОДКАСТЕ

«Гриненко про» — подкаст о том, как искусственный интеллект меняет разработку, продукты и работу технологических команд.

https://grinenko.pro

Telegram-канал — https://t.me/devspotting

Чат сообщества — https://t.me/grinenko_pro

Ведущий: Владимир Гриненко

Как превратить недетерминированную LLM в продукт, которому можно доверить ответы и действия с реальными последствиями? 

Разбираем инженерный путь от классического чат-бота и точечных LLM-классификаторов до полноценной агентной системы: контроль качества, разметку, гардрейлы, A/B-эксперименты, контекст и инструменты.

Говорим с Федей Морозовым — CTO в Т-Банке и разработчиком инфраструктуры одной из крупнейших рекомендательных систем — о безопасном внедрении генеративных моделей, устройстве команд и личных принципах делегирования задач агентам.

В ЭТОМ ВЫПУСКЕ

— Как измерять качество генеративного продукта, работающего с реальными пользователями

— Почему наивный LLM-as-a-judge создаёт второй слой галлюцинаций

— Как выстроить пирамиду разметки и контролировать качество самих оценщиков

— Какие гардрейлы нужны агенту, способному выполнять действия

— Почему контекст и правильные инструменты важнее выбора конкретной модели

— Как внедрять LLM постепенно, не разрушая работающую систему

— Когда достаточно гибридного workflow, а когда нужен полноценный агент

— Как использовать агентов в разработке, управлении командой и повседневной жизни

— Какие решения и части собственного голоса не стоит делегировать

— Какие навыки сохранят ценность, когда большую часть кода начнут писать агенты

ТАЙМКОДЫ

00:00 — Хайлайты выпуска

00:50 — Начало

01:17 — Знакомство с Федей Морозовым

02:15 — Что генеративные модели изменили в ML-продуктах

05:43 — Avito.Tech.Conf

06:31 — Может ли банковский бот выполнять действия

09:09 — Главные риски генеративного продукта

11:49 — Как построить пирамиду оценки качества

15:10 — Почему наивный LLM-as-a-judge не работает

18:53 — Как устроена поддержка Т-Банка

23:25 — Гардрейлы, авторизация и детерминированные проверки

27:07 — A/B-эксперименты и контролируемые выкладки

31:57 — Почему контекст и тулы важнее модели

34:21 — Безопасная точка внедрения LLM: классификация запросов

36:47 — Гибридные сценарии вместо полного перехода на агентов

42:36 — Как перейти к полноценному агенту

45:18 — PydanticAI, Qdrant, Python, n8n и текстовые файлы

46:53 — Кто должен входить в команду AI-продукта

50:07 — Почему генеративная поддержка всё ещё остаётся ресёрчем

52:39 — Заменит ли диалоговый интерфейс кнопки и приложения

56:45 — Персональные ассистенты, доступ к данным и контроль

01:04:49 — Единственная вещь, которую Федя не делегирует агентам

01:12:11 — Как агент освобождает руководителя от рутины

01:19:05 — Агенты в разработке и архитектурных решениях

01:27:59 — Идеальный процесс разработки новой фичи

01:30:24 — Какие навыки останутся важными для разработчиков

01:34:29 — Что стоит делегировать агентам

01:34:58 — Итоги

grinenko.pro

Telegram-канал — https://t.me/devspotting

Чат сообщества — https://t.me/grinenko_pro