3 AImigo

Вечером оставляешь агентам несколько задач. Утром получаешь изменения, результаты тестов и новые вопросы. Кто проверит результат, разрешит слияние и остановит опасное действие? А если агентов тысячи?

В 13-м выпуске обсудим, как меняется инфраструктура разработки под нагрузкой от агентов. Проследим путь изменения от постановки задачи до выпуска:

• Как дозировать поток задач и сохранять историю после сбоя агента?
• Что происходит с CI, контролем версий и очередями слияния?
• Как проверить результат — и самого проверяющего?
• Как выдавать и отзывать полномочия агентов?
• Как считать стоимость принятого изменения с учётом неудачных попыток, проверок и откатов?

Сопоставим подходы Anthropic, OpenAI и других компаний и обсудим, с чего начать своей команде.

Приносите свои примеры: где агентная разработка уже упирается в инфраструктуру у вас?

В новом выпуске 3 AImigo подводим итоги октября и обсуждаем, какие новости AI меняют работу инженерных команд.

Anthropic подала заявку на IPO: разбираемся в выручке, убытках и обязательствах по вычислениям. Новые модели обещают более дешёвую работу, а расследования действий агентов заставляют внимательнее смотреть на их полномочия.

Обсудим:

• IPO Anthropic: что раскрыла заявка и какие вопросы возникают к экономике AI.
• Mythos 5 и другие инциденты: почему объяснить запрет и соблюдать его для агента могут оказаться разными задачами.
• Terra, Sol, Sonnet 5.5 и Gemini 4 Argon: как меняются цены и что считать, кроме стоимости токенов.
• Oracle, OpenAI, Cursor и GitHub: как AI встраивается в рабочие процессы.
• Математика и биология: кто проверит результаты тысяч агентов.
• Muse Spark Open и DeepSeek: что дают открытые веса и альтернативное оборудование.
• и многое еще

Ведущие: Александр Поломодов, Евгений Сергеев и Алексей Литвинов.

Присоединяйтесь к эфиру и приносите вопросы. Какие новости октября уже повлияли на вашу работу, а какие пока остались только громкими анонсами?

Все выпуски 3 AImigo доступны на сайте Александра Поломодова https://polomodov.tech/3-aimigo/ и в его tg-канале https://t.me/book_cube

Материалы Алексея Литвинова:
- Инженерная программа и материалы по работе с AI-агентами: https://edu.alekseilitvinau.com/?utm_source=youtube&utm_medium=organic&utm_campaign=3-aimigo&utm_content=3ai-012
- Внедрение управляемых AI-процессов в компаниях: https://alekseilitvinau.com/?utm_source=youtube&utm_medium=organic&utm_campaign=3-aimigo&utm_content=3ai-012
- Telegram-канал: https://t.me/tip_podcast

Государство внедрило ИИ — стало ли оно AI-Native? И что вообще должно измениться для человека, который ждёт пособие, разрешение или решение по своему делу?

В пятницу, 23 октября 2026 года, в 12:00 МСК выйдет 11-й выпуск 3 AImigo. Вместе с Евгением Сергеевым и Алексеем Литвиновым обсудим, что происходит, когда идеи AI-Native компании переносят на государство.

Поговорим о том:

• Где заканчивается аналогия между государством и бизнесом.
• Что показывают реальные кейсы разных стран и чем результаты отличаются от обещаний.
• Кто отвечает за решение с участием ИИ и как гражданину добиться исправления ошибки.
• Что означает технологический суверенитет: свои модели и вычисления, контроль над данными или право принимать решения.

Три ведущих, три взгляда: Евгений Сергеев, Алексей Литвинов и Александр Поломодов.

А какой признак убедил бы вас, что ИИ действительно улучшил работу государства?

Что нужно, чтобы поручить AI покупку целиком: выбрать подходящий товар, уложиться в бюджет и заплатить? Сколько агент должен знать о наших привычках — и сколько самостоятельности мы готовы ему дать, когда речь идёт о деньгах?

В десятом выпуске 3 AImigo продолжаем разговор об автономности агентов и переходим к покупкам и платежам. Обсуждают Александр Поломодов, Алексей Литвинов и Евгений Сергеев.

Поговорим о том:

• какие повседневные покупки хочется делегировать агенту и что мешает довести их до оплаты;
• как объяснить ему свои предпочтения, ограничения и бюджет;
• где оставлять подтверждение человека и что делать, если покупка не подошла;
• зачем нужны платёжные протоколы для агентов и как в эту историю вписываются банки, магазины и AI-платформы;
• кто будет выбирать, что мы покупаем, если основным посредником между человеком и магазином станет AI-ассистент.

Начнём с собственных бытовых задач и экспериментов, а дальше посмотрим на устройство сервисов и интересы компаний. Разговор для тех, кто строит агентные продукты, работает с платежами или просто хочет однажды делегировать покупку продуктов без подробной инструкции на каждый случай.

Все выпуски 3 AImigo доступны на сайте Александра Поломодова https://polomodov.tech/3-aimigo/ и в его tg-канале https://t.me/book_cube

Материалы Алексея Литвинова:
- Инженерная программа и материалы по работе с AI-агентами: https://edu.alekseilitvinau.com/?utm_source=youtube&utm_medium=organic&utm_campaign=3-aimigo&utm_content=3ai-010
- Внедрение управляемых AI-процессов в компаниях: https://alekseilitvinau.com/?utm_source=youtube&utm_medium=organic&utm_campaign=3-aimigo&utm_content=3ai-010
- Telegram-канал: https://t.me/tip_podcast

Поручить агенту исправить баг, реализовать целую фичу или довести проект до результата — насколько это разные задачи? И как понять, что работу действительно можно оставить без постоянного присмотра?

В девятом выпуске 3 AImigo поговорим о границах автономности AI-агентов: какую работу им стоит делегировать, что для этого нужно подготовить и как проверить результат. Обсуждают Евгений Сергеев, Алексей Литвинов и Александр Поломодов.

В программе:

• от отдельного действия до работы «под ключ»: как меняются требования к агенту и человеку;
• что агенту нужно знать о задаче, её цели и ограничениях, прежде чем начинать работу;
• как проверять готовность результата и где оставлять контрольные точки;
• какие решения мы готовы делегировать, а в каких хотим участвовать сами.

Будем опираться на собственные эксперименты и рабочие задачи: от разработки приложений до исследований и поддержки проектов. Сравним, где агенту можно дать больше самостоятельности, а где проверка его работы сама становится непростой задачей.

Все выпуски 3 AImigo доступны на сайте Александра Поломодова и в его tg-канале

Материалы Алексея Литвинова:

• Инженерная программа и материалы по работе с AI-агентами
• Внедрение управляемых AI-процессов в компаниях
• Telegram-канал

Timeline
00:00 - Тема выпуска и соведущие
03:26 - От действия до результата под ключ
07:55 - Автоматизация выпуска контента во Flo Health
10:59 - Почему генерация упирается в согласования
18:20 - Пересмотр инструкций при смене модели
27:04 - Задача, направление и зона ответственности
35:38 - Риски и ответственность за действия агента
45:49 - Перенос игры: проверка через эмуляторы
54:02 - Обложки и границы повторяемой автоматизации
59:04 - Что оптимизировать в личном и рабочем проекте
1:05:53 - METR: размер задачи и вероятность успеха
1:14:28 - Контекст, намерение и архитектурные решения
1:23:11 - Восстановление кода из знаний о системе
1:32:40 - Псевдоавтономность и скрытая работа человека
1:39:29 - Как меняется управление людьми и агентами

Раздать сотрудникам AI-инструменты — и компания стала AI-native? Или придётся заново продумать, как устроены её продукт, процессы и команды?

В пятницу, 2 октября, в прямом эфире 3 AImigo поговорили об AI-native компаниях. Попробовали разобраться, что стоит за этим понятием и как оно меняет подход к созданию и развитию бизнеса.

Обсудили:

• Чем AI-native компания отличается от компании, в которой активно используют AI.
• Что стоит строить иначе, если сегодня запускаешь бизнес с нуля.
• Как подступиться к такой трансформации в уже работающей организации.
• Где AI даёт бизнесу новые возможности и что для этого должно измениться в работе людей и агентов.

Три ведущих, три взгляда: Евгений Сергеев, Алексей Литвинов и Александр Поломодов.

Timeline
00:00 - Тема выпуска и новая роль Евгения
05:05 - Три взгляда на AI-native организацию
17:43 - Как строить новый бизнес с людьми и агентами
23:07 - Разрыв в практиках и стимулах использования AI
30:08 - Внимание человека и очередь решений
36:44 - Аудит, пилоты и поддержка изменений
45:11 - Когда компания готова меняться
52:11 - Внутренние лидеры изменений и их мотивация
57:51 - Общий контекст как повседневная работа
1:05:21 - Эволюция или революция: разногласие ведущих
1:14:15 - Собственные инструменты по потребности
1:16:50 - Готовый сервис или своя разработка: цена владения
1:27:38 - Как меняется профиль сотрудника
1:29:27 - Переобучение, сокращения и новая полезная работа
1:41:10 - От наблюдения за трендами к собственной роли

В августе мы попробовали в 3 AImigo формат новостного AI-дайджеста. В сентябре продолжаем: снова соберёмся втроём и обсудим, что произошло за месяц и какие изменения заслуживают внимания.

У такого разговора есть полезное свойство: можно отойти на шаг от ежедневной ленты и посмотреть, как отдельные события складываются в общую картину. Что они меняют в работе инженеров и команд? Какие обещания уже можно проверить на практике? Где пока больше вопросов, чем ответов?

Формат оставляем августовский: отбираем важные сюжеты, разбираемся в контексте и обсуждаем последствия. Попробуем понять, что стоит попробовать в своей работе, за чем полезно понаблюдать и с какими выводами лучше подождать. Заодно сверим наши взгляды — втроём интереснее замечать то, что каждый по отдельности мог упустить.

Как обычно, с вами Евгений Сергеев, Алексей Литвинов и Саша Поломодов.

Приходите обсуждать вместе с нами. И приносите свои вопросы к сентябрю — будет с чем сравнить нашу картину месяца :)

Новые модели, агенты, обвязки, исследования и «AGI уже случился» летят быстрее, чем их успеваешь проверить. Но попытка следить за всем быстро превращает развитие в бесконечное потребление новостей — без времени на практику и собственные мысли.

В этом выпуске обсуждаем:

— как фильтровать шум и справляться с FOMO;
— зачем нужен личный «компас» тем и целей;
— как отличать реальный прогресс от обычной занятости;
— что можно поручить агентам: сбор новостей, deep research, заметки, рутину и даже роль персонального тьютора;
— почему глубокое размышление агента всё равно не заменяет ваше;
— как сохранять внимание и ресурс, когда мир AI требует постоянного самообновления.

У нас три разных подхода: автоматизировать поток, учиться через практику или сознательно ограничивать входящую информацию. Универсального рецепта нет — зато есть конкретные процессы, инструменты и честный разговор о цене постоянных изменений.

Ведущие: Алексей Литвинов, Евгений Сергеев и Александр Поломодов.

А как вы остаётесь в контексте и не выгораете?

Timeline
00:00 - Приветствие и тема шестого выпуска
04:30 - Личный компас и фильтрация информации
08:00 - Аудиозаметки и простая база знаний
12:29 - Внимание, интересы и бюджет времени
17:10 - Технологический радар с обратной связью
19:27 - Персональный агент-тьютор и пределы нагрузки
23:33 - Учиться через практику и ограничивать новости
30:35 - Схемы и собственное размышление
36:00 - Заметки, выступления и паузы без подкастов
40:20 - Страх отстать и смена профессионального курса
50:30 - Сравнивать себя с собой и отличать занятость от прогресса
54:20 - Агентный цикл и изменение роли руководителя
57:20 - Отказ от видимости работы и время для фокуса
1:04:50 - Направления развития и правила распределения внимания
1:10:30 - «Пока не умею»: готовность учиться и меняться

Начать делать продукты в IT стало проще. Начать получать за это деньги — сложнее. AI-агенты уже справляются с багфиксами и небольшими фичами, на которых джуны раньше «тренировались на кошечках». А если простые задачи исчезают, то как теперь вырастить следующего инженера?

В пятом выпуске 3 AImigo продолжаем разговор о найме, но смотрим на него со стороны тех, кто только выбирает профессию, заканчивает университет или пытается получить первую работу.

У привычной лестницы "junior → middle → senior" сломалась нижняя ступень. Индустрии всё ещё нужны новые инженеры, но отдельному бизнесу выгоднее усилить опытного специалиста агентами, чем годами растить новичка. Для индустрии это риск, для джуна — новая реальность.

Обсудим, что может стать рабочим входным билетом:
— собственный end-to-end проект: от проблемы и критериев приёмки до production, поддержки и плана отката;
— умение не просто получить код, а объяснить решение агента, проверить его и принять ответственность;
— способность учиться: находить пробелы, задавать вопросы и встраивать ответы, а не складывать их в чек-лист;
— интерес к бизнесовой задаче и пользователю, а не только к технологии;
— отношения с людьми и профессиональное сообщество — этот путь никуда не исчез.

Как обычно, разбираемся втроём: Евгений Сергеев, Алексей Литвинов и Александр Поломодов.

Timeline
00:00 - Как войти в IT, когда простые задачи забирает AI
02:18 - Как меняется первая ступень инженерной карьеры
03:19 - Почему агенты забирают привычные учебные задачи
05:04 - Отношения с людьми и техническая подготовка
10:32 - Собственный проект и прохождение полного цикла разработки
13:27 - Стажировки для сильных начинающих: что можно перенять
16:09 - Почему отдельному бизнесу не всегда нужен джун
17:17 - Теория игр: кто должен растить будущих инженеров
26:55 - Почему самостоятельное обучение стало доступнее
30:23 - Начать делать и начать зарабатывать — разные задачи
36:30 - Что показать работодателю в собственном проекте
40:30 - Оглавления книг как карта того, чего вы ещё не знаете
49:50 - Активное чтение и проверка собственного понимания
1:02:40 - Как построить обучение вокруг защиты решений и выпуска продукта
1:08:20 - Открытые процессы разработки как учебная среда

#AI #AI4SDLC #Agents #Engineering #Career #Education

AI соискателя встречается с AI нанимающего — мегазорд против супер-рейнджера. Запрет AI не делает интервью AI-free, резюме всё хуже подтверждает способность работать, а старые онлайн-этапы дают всё более шумный сигнал. Вопрос у компании прежний: сможет ли человек успешно работать в этой роли?

В четвёртом выпуске 3 AImigo смотрим на найм с двух сторон — кандидата и нанимающего менеджера — и обсуждаем, как пересобрать его под AI-Assisted Engineering.

• Как собрать hiring process как eval-систему: определить признаки для роли, подготовить банк задач с сильными решениями и проверить, что каждый этап измеряет нужный сигнал.
• Как сочетать AI-on и AI-off, собеседования онлайн и офлайн. Без AI проверять фундамент, с AI — реальную работу: запуск кода, выбор того, что делегировать агенту, и проверку результата.
• Почему важнее не скорость генерации, а инженерное суждение: уточнение требований, декомпозиция, поиск контекста, system design, debugging, тесты, безопасность, failure modes, trade-offs, ownership финального решения и способность отвергнуть убедительный, но неверный ответ модели.
• Почему единого трека больше может не быть. Product engineer, платформенный и R&D-инженер создают разную ценность — значит, им нужны разные сигналы и задания.
• Что меняется для кандидата: AI усилил обе стороны, рынок расслаивается, знакомства не являются новым лайфхаком, поиск становится почти full-time работой, а первой потерей работы из-за AI может оказаться вакансия, которую компания просто не открыла.

Как обычно, разбираемся втроём: Евгений Сергеев, Алексей Литвинов и Александр Поломодов. Смотрите выпуск: [ссылка]. И напишите, какой этап вашего последнего собеседования действительно предсказывал будущую работу, а какой проверял умение проходить собеседования.

Timeline
00:00 - Как AI меняет инженерный найм
02:20 - Как был устроен привычный процесс собеседований
14:46 - Почему старые способы оценки кандидатов теряют надёжность
18:40 - Работа стала агентной, а задания на интервью остались прежними
22:00 - От доски к работе с агентом и проверке результата
28:26 - Что проверять с AI, а что — без него
39:02 - Системный дизайн в песочнице: как увидеть больше навыков
41:46 - Почему собеседование остаётся разговором двух сторон
57:35 - Разные интервью для продуктовой разработки, платформ и R&D
58:46 - Две крайности: эксперт без AI и пользователь AI без основ
1:12:09 - Как меняются рынок труда и поиск работы
1:16:39 - От узкого стека к самостоятельности и ответственности
1:33:14 - Как искать работу: исследование компаний и воронка возможностей
1:46:22 - Внутренняя мобильность как карьерная стратегия
1:52:54 - Итоги и следующий выпуск про начинающих инженеров

#AI #AI4SDLC #Engineering #Management #Evals #Interview #Career

В последнем выпуске августа решили попробовать новый формат — новостной дайджест AI за месяц.

За последние несколько недель вышло слишком много всего, чтобы просто пролистать ленту и забыть: новые модели и продукты, исследования, заметные кейсы, изменения в подходах команд к разработке с AI. Мы выбрали новости, доклады и тренды, которые показались нам действительно важными, и обсудим не только «что произошло», но и что за этим стоит.

Где за громким анонсом есть реальное изменение для инженеров и компаний, а где пока больше шума, чем практической ценности? Что стоит попробовать уже сейчас, а за чем лучше просто понаблюдать?

Как обычно, разбираемся втроём: Евгений Сергеев, Алексей Литвинов и Саша Поломодов.

Если формат зайдёт, будем делать такой выпуск в конце каждого месяца.

Timeline
00:00 - Приветствие и формат августовского дайджеста
04:48 - Почему AI дешевеет, а внедрение усложняется
05:24 - McKinsey: продуктивность сотрудников и отдача для бизнеса
15:52 - SAP и Dremio: корпоративные данные в эпоху AI
29:50 - Почему интеграторы снова становятся востребованными
37:26 - Как компании выстраивают единый контур управления AI
52:41 - Почему снижение стоимости AI увеличивает потребление
54:35 - Цена и качество быстрых моделей
58:32 - Cursor и SpaceX: полный цикл обратной связи
1:02:58 - Stripe и OpenRouter: выбор моделей под задачу
1:09:56 - Безопасность AI и новости NVIDIA и Hugging Face
1:13:28 - Инцидент OpenAI и Hugging Face
1:19:51 - Anthropic: проверка моделей на задачах кибербезопасности
1:29:05 - Harness, evals и самоулучшающийся цикл разработки
1:41:08 - Итоги августа: от возможностей моделей к рабочим системам

В новом выпуске подкаста 3 AImigo разбираемся с парадоксом, который всё чаще встречается в командах: AI заметно ускоряет отдельного инженера, кода становится больше, а до пользователей доходит примерно столько же изменений. Локальная скорость не равна принятому результату — и размер компании от этого не защищает.

Обсуждать будем втроём: Евгений Сергеев, Алексей Литвинов и я. У нас разная оптика: управление большой инженерной организацией, практическое внедрение AI-Assisted Engineering и архитектура AI4SDLC. Не будем искать одну «правильную» картину - сравним наши взгляды.

Поговорим о продуктовой команде, в которой после ускорения разработки вырос поток задач в тестирование, но вместе с ним увеличились возвраты и время переделки. Разберём AI-native стартап, где агенты закрывают множество задач, работают в изолированных окружениях и дежурят после релизов. Будет и пример крупной корпорации, где AI-инструменты широко используются, но важная миграция всё равно движется значительно медленнее ожиданий.

Отдельно обсудим границу автоматизации. В геймдев-компании AI успешно справлялся с миграциями и изменениями, которые можно проверить компиляцией или тестами.

Поговорим о том, как находить настоящее бутылочное горлышко и что оптимизировать первым. Почему fire-and-forget не работает без замкнутого контура обратной связи. Как построить организационную память: собрать доступный агентам контекст, создать семантический слой и сделать знания действительно пригодными для поиска.

Обсудим и изменения инженерных ролей: что теперь должен уметь разработчик, как меняется карьерная лестница, куда перемещается ответственность и действительно ли hard skills становятся менее важны. А ещё — почему некоторым людям и подразделениям организационно невыгодно ускорять процесс.

Будут не только истории успеха, но и честные примеры того, что не сработало. Главный вопрос выпуска: что нужно изменить в системе разработки, чтобы скорость агентов стала скоростью бизнеса, а не просто новым объёмом кода?

В пятницу, 14 августа, в 12:00 МСК прошел прямой эфир с первым выпуском подкаста 3 AImigo. Начнём с точки отсчёта: где сегодня находится AI-разработка, что уже стало рабочей нормой, а что пока живёт в сильных экспериментах и красивых демонстрациях. Обсудили эту тему втроём: Евгений Сергеев, Алексей Литвинов и я. У нас разная оптика: управление большой инженерной организацией, практическое внедрение AI-Assisted Engineering и архитектура AI4SDLC. Не будем искать одну «правильную» картину - сравним наши взгляды.

За словами «мы используем AI в разработке» могут скрываться автодополнение в IDE, диалог с ассистентом, агент, приносящий pull request, или почти автономный контур. Поэтому спор об эффекте AI часто оказывается спором о разных процессах и уровнях ответственности.

В первом выпуске попробовали разложить этот ландшафт:

• Что уже можно считать базовой практикой отдельного инженера;
• Какие сценарии становятся командным процессом, а не личным трюком;
• Где заканчивается помощь с кодом и начинается агентная разработка;
• Что требуется вокруг модели: контекст, спецификации, тесты, проверки качества (evals), права доступа и наблюдаемость;
• Какие идеи - долгоживущие агенты, многоагентные процессы и автономная поддержка систем - пока остаются на горизонте.

Отдельно поговорили о том, а куда смещается узкое место. Когда код дешевле произвести, больше времени уходит на постановку задачи, проверку, архитектуру и исправление последствий. Локальное ускорение разработчика ещё не ускоряет всю инженерную систему.

Для нас это был «нулевой срез»: общая карта, к которой можно возвращаться в следующих выпусках и проверять, что действительно изменилось. Без рейтинга инструментов и обещаний полной автономности - с практическими примерами, разногласиями и вопросами, на которые у индустрии пока нет окончательного ответа.