Да и сложно представить айтишника без стрессоустойчивости, ведь постоянно на проектах что-то случается.
Ещё в начале своей карьеры я задался вопросом - а в чём собственно суть профессионализма, если спустя 5-10-15 лет работы у тебя на проекте "постоянно что-то случается".
Задача формирования команд существует тысячи лет и по большому счёту сводилась к идее, что квалифицированный руководитель в состоянии самостоятельно нанять квалифицированного сотрудника к себе в команду. Схема работала для монументамельных строек и походов, длившихся десятилетиями - запредельные по логистической сложности задачи для нынешних IT-менеджеров.
В IT-рекрутинге в какой-то момент рекрутёрам стало лень звонить кандидатам и делать скрининг (тогда кандидатов было 3-5 на позицию) - и они придумали концепцию "красных флагов". Кандидаты отреагировали увеличением объёма рассылки резюме, чтобы увеличить вероятность обхода бессмысленных red-flag фильтров.
С приходом GenAI рекрутинговый процесс действительно потерял смысл.
Но есть подозрение, что если бы каждый кандидат наверняка знал, что на каждое отправленное им резюме получит скрининговый звонок на 5-10 минут - то кандидаты бы не закидывали сотни резюме, не вникая в соответствие позиции. И рекрутинг вновь бы обрёл смысл.
IT в целом - это индустрия неопытной молодёжи из-за экспоненциального роста сотрудников. И выходит, что голоса неопытных людей в IT всегда массовее и громче. Отсутствие опыта даёт уверенность, что все самые лучшие изобретения в IT случились с момента начала их профессиональной деятельности. И мы видим гордые описания в linkedin уровня "architect with 6 years of experience". Но деды с перфокартами в 1966 посадили на Луну станцию, а их современники со Scrum, google и мощными Macbook в 2023 - нет.
если вы более 10 лет в компании, и все, с кем вы начинали, давно уже в лидах, а вы «просто кодите», как и 3-5 лет назад (а ещё хуже — все 10+ лет на том же проекте) — то да, для рекрутеров вы ходячий red flag
В больших компаниях для разработчиков считается нормой остановиться в карьере на позиции senior и работать так до выхода на пенсию. Немногие хотят переходить на уровень Staff и Principal, потому что эти роли подразумевают новые, нетехнические обязанности. Более того, в таких компаниях зоопарк технологий (от древних до новых), поддерживающих критические части бизнеса, поэтому опыт 10-15+ является обязательным для senior позиции - т.к. энергичные "сеньоры 5+" даже с GenAI не осилят работать с этим зоопарком.
Рекрутёрам желаю не симулировать работу, выдумая "красные флаги" гаданием на кофейной гуще, а научиться отбирать кандидатов без угадайки, основанной на GenAI-сгенерированном резюме.
Если GenAI действительно позволяет писать production-ready код, то за последние 2 года мы должны были увидеть бум новых приложений, созданных с помощью GenAI. На каждую статью "я сделал за 8 часов то, что команда из 10 человек делала бы год" приходился бы завершённый результат разработки.
Какие новые (не примитивные) приложения появились за последние 2 года?
Заметили ли вы значительные улучшения (производительность, функционал и пр.) в существующих продуктах за последние 2 года?
У меня пока создаётся ощущение, что пользу от GenAI измеряют в-основном количеством публикаций (зачастую проплаченных создателями моделей) о чудесах производительности.
Из моего опыта кодирование ни ни одном проекте не было bottleneck и занимало менее 30% времени разработчика. LLM может ускорить эти 30% раза в 2-3 и дать суммарный рост производительности в 15-20%.
Остальное - понимание контекста, анализ и декомпозиция требований, определение что и как делать, как релизить и деплоить, коммуникация и синхронизация между командами. Эти 70% очень тяжело ускорить за счёт LLM, так как скорость конвертации разговоров в промты по сути равна скорости разговоров.
Разработчики верят, что если попросить LLM нагенерить 100% покрытие куска кода (увеличив кодовую базу фичи в 4-5 раз), то количество сгенерированных "зелёных" тестов как-то уменьшит количество реальных багов в нём.
Компании возвращают людей в офисы, потому что отрасль значительно тупее в целом, чем кажется.
Начали политику RTO Google, Microsoft и Apple, остальные за ними повторили.
Также как и с наймом - на собеседованиях у менеджеров в bigtech спрашивают о стратегиях развития сотрудников, методиках оценки производительности, планировании проектов и т.д и т.п.. В реальности всё заканчивается такими "сложными" стратегиями как овертаймы и массовые лейофы для решения задач "успеть в срок" и "улучшить финансовые показатели компании".
Т.к. результаты, выдаваемые GenAI, заведомо не имеют 100% достоверности, то увеличение производительности от его использования ограничено производительностью review сгенерированного кода. То есть GenAI может сделать из middle разработчика более производительного middle, но не senior. Исходя из этого - меня пугает тенденция вкидывать все деньги в AI вместо обучения инженеров фундаментальным вещам.
"Рутинные задачи" никогда не являлись ограничителем успеха проекта - популярность дешёвых локаций типа Индии обусловлена именно этим. А вот описание контекста и решение "нерутинных" задач настолько нетривиально, что даже за описание контекста для GenAI никто браться не хочет.
Пример нерутинной инженерной задачи: слабо понимающий предметную область недавно нанятый product owner нагенерил с помощью GenAI фичу, состояющую на 90% из воды и зачитал её команде инженеров. Команда инженеров пожала плечами и имеет 2 опции:
принять фичу как есть и что-то выяснять на ходу
отправить фичу на доработку, начав бесконечный цикл "моя твоя не понимать", который закончится эскалацией в отношении инженерной команды от Product. Которая в свою очередь завершится переходом к опции "принять фичу как есть".
С возрастом стал больше ценить время - и поэтому вместо наигранного веселья в компании людей, с которыми меня объединяет лишь желание зарабатывать деньги, предпочту побыть с близкими мне людьми либо одному.
Хотя если в компании есть близкие по духу люди - почему бы и нет?
Так ревьюверы не могут справиться с тоннами сгенерированного текста, чтобы ответить на этот вопрос.
В условиях тотальной генерации кода/текста, узким местом становятся ревьюверы.
По итогу имеем ситуацию, когда тысячи строк сгенерированного с 95% точностью кода бросаются на ревью, а ревьюверы с уверенностью 50% клацают Approve, чтобы не быть bottleneck.
Если у компании есть ресурс долго искать (например, более двух месяцев), то сильный кандидат «замылится» в итоге.
Сильный кандидат получит офер в том месте, где нет проблемы с "замыливанием" кандидатов.
Я думал рекрутёры в курсе, что "рынок работодателя" - это не ситуация, когда в EPAM стоит очередь уволенных из FAANGа, а когда длина очереди из посредственных кандидатов увеличилась в 3 раза.
Если интервьювер опытный, то он с радостью согласится на первого кандидата, если тот действительно хорош. Никому не интересно тратить время на закрытие позиции месяцами.
В целом действительно хороших кандидатов всегда мало, и выбор чаще всего сводится к выбору между вариантами "на троечку по пятибалльной", при котором неспешность решений по оферам вполне объяснима.
Сайтов и сервисов действительно много, но почти все ужасно лагают и глючат.
Буквально каждую неделю я сталкиваюсь с критическим багом в каком-либо популярном сервисе (общественный транспорт, такси, медицина, интернет-торговля и пр.) - отваливается логин, не проходят платежи, не приходит смс, поиск не работает и пр.
Общее ощущение, что айтишка насытилась говнокодом настолько, что любой программный продукт не может проработать и дня без ручного рестарта сервисов для фикса критического бага.
Меня расстраивает, что информационное пространство стало полностью заполнено коммерческим мусором - от спекулятивных мнений инфоцыган как в данной статье, до замаскированной продажи продуктов бигтеха под видом инженерных статей о "лучших практиках и паттернах проектирования".
Компании могут хотеть всё что угодно от кандидатов - это их право. С каждой такой хотелкой они отсекают процент квалифицированных кандидатов, которые решат не заморачиваться.
От того, что 10% компаний решили залейофить 10% сотрудников, найм не превратился в "найм работодателя". Как и раньше, толковых сотрудников на рынке разбирают очень быстро, и сейчас по сути тратится больше времени на найм для выбора из сортов г..на. Потому что GenAI уравнял толковых и бестолковых кандидатов в качестве резюме, и автоматизированный отсев превратил выбор кандидата в лотерею.
Более того, информационный хайп и раздувание новостных пузырей приводит к тому, что толковые кандидаты соглашаются на первый офер.
В качестве нанимающей стороны, я не вижу никакого увеличения квалифицированных кандидатов от talent acquisition отдела.
Комментарии
А вы попробуйте "побегать от работодателя к работодателю" и расскажите нам, легко ли сделать так, чтобы оферы на голову сыпались.
В моём понимании, специалист, регулярно меняющий работодателя, постоянно подтверждает свою квалификацию на рынке труда.
Если компания не может удержать сотрудников конкурентными зарплатами и условиями - это скорее вопрос конкурентоспособности компании, чем сотрудников.
Вот сейчас топ-специалисты по AI скачут по компаниям, получая в каждой семизначные бонусы - а могли бы сидеть и не отсвечивать.
Ещё в начале своей карьеры я задался вопросом - а в чём собственно суть профессионализма, если спустя 5-10-15 лет работы у тебя на проекте "постоянно что-то случается".
Задача формирования команд существует тысячи лет и по большому счёту сводилась к идее, что квалифицированный руководитель в состоянии самостоятельно нанять квалифицированного сотрудника к себе в команду. Схема работала для монументамельных строек и походов, длившихся десятилетиями - запредельные по логистической сложности задачи для нынешних IT-менеджеров.
В IT-рекрутинге в какой-то момент рекрутёрам стало лень звонить кандидатам и делать скрининг (тогда кандидатов было 3-5 на позицию) - и они придумали концепцию "красных флагов". Кандидаты отреагировали увеличением объёма рассылки резюме, чтобы увеличить вероятность обхода бессмысленных red-flag фильтров.
С приходом GenAI рекрутинговый процесс действительно потерял смысл.
Но есть подозрение, что если бы каждый кандидат наверняка знал, что на каждое отправленное им резюме получит скрининговый звонок на 5-10 минут - то кандидаты бы не закидывали сотни резюме, не вникая в соответствие позиции. И рекрутинг вновь бы обрёл смысл.
IT в целом - это индустрия неопытной молодёжи из-за экспоненциального роста сотрудников. И выходит, что голоса неопытных людей в IT всегда массовее и громче. Отсутствие опыта даёт уверенность, что все самые лучшие изобретения в IT случились с момента начала их профессиональной деятельности. И мы видим гордые описания в linkedin уровня "architect with 6 years of experience". Но деды с перфокартами в 1966 посадили на Луну станцию, а их современники со Scrum, google и мощными Macbook в 2023 - нет.
В больших компаниях для разработчиков считается нормой остановиться в карьере на позиции senior и работать так до выхода на пенсию. Немногие хотят переходить на уровень Staff и Principal, потому что эти роли подразумевают новые, нетехнические обязанности. Более того, в таких компаниях зоопарк технологий (от древних до новых), поддерживающих критические части бизнеса, поэтому опыт 10-15+ является обязательным для senior позиции - т.к. энергичные "сеньоры 5+" даже с GenAI не осилят работать с этим зоопарком.
Рекрутёрам желаю не симулировать работу, выдумая "красные флаги" гаданием на кофейной гуще, а научиться отбирать кандидатов без угадайки, основанной на GenAI-сгенерированном резюме.
Предположим, после вашего совета у половины кандидатов появятся такие надписи на страницах - как вы проверять эти заявления собираетесь?
Посмотрел линкедин профиль Линуса Торвальдса - очень слабо по меркам современных рекрутёров.
Если GenAI действительно позволяет писать production-ready код, то за последние 2 года мы должны были увидеть бум новых приложений, созданных с помощью GenAI. На каждую статью "я сделал за 8 часов то, что команда из 10 человек делала бы год" приходился бы завершённый результат разработки.
Какие новые (не примитивные) приложения появились за последние 2 года?
Заметили ли вы значительные улучшения (производительность, функционал и пр.) в существующих продуктах за последние 2 года?
У меня пока создаётся ощущение, что пользу от GenAI измеряют в-основном количеством публикаций (зачастую проплаченных создателями моделей) о чудесах производительности.
До первой critical security issue.
Из моего опыта кодирование ни ни одном проекте не было bottleneck и занимало менее 30% времени разработчика. LLM может ускорить эти 30% раза в 2-3 и дать суммарный рост производительности в 15-20%.
Остальное - понимание контекста, анализ и декомпозиция требований, определение что и как делать, как релизить и деплоить, коммуникация и синхронизация между командами. Эти 70% очень тяжело ускорить за счёт LLM, так как скорость конвертации разговоров в промты по сути равна скорости разговоров.
Разработчики верят, что если попросить LLM нагенерить 100% покрытие куска кода (увеличив кодовую базу фичи в 4-5 раз), то количество сгенерированных "зелёных" тестов как-то уменьшит количество реальных багов в нём.
Компании возвращают людей в офисы, потому что отрасль значительно тупее в целом, чем кажется.
Начали политику RTO Google, Microsoft и Apple, остальные за ними повторили.
Также как и с наймом - на собеседованиях у менеджеров в bigtech спрашивают о стратегиях развития сотрудников, методиках оценки производительности, планировании проектов и т.д и т.п.. В реальности всё заканчивается такими "сложными" стратегиями как овертаймы и массовые лейофы для решения задач "успеть в срок" и "улучшить финансовые показатели компании".
Это всё, что нужно знать про уровень менеджмента в айтишке, где можно работать на двух работах и менеджер этого может не заметить.
Т.к. результаты, выдаваемые GenAI, заведомо не имеют 100% достоверности, то увеличение производительности от его использования ограничено производительностью review сгенерированного кода. То есть GenAI может сделать из middle разработчика более производительного middle, но не senior. Исходя из этого - меня пугает тенденция вкидывать все деньги в AI вместо обучения инженеров фундаментальным вещам.
"Рутинные задачи" никогда не являлись ограничителем успеха проекта - популярность дешёвых локаций типа Индии обусловлена именно этим. А вот описание контекста и решение "нерутинных" задач настолько нетривиально, что даже за описание контекста для GenAI никто браться не хочет.
Пример нерутинной инженерной задачи: слабо понимающий предметную область недавно нанятый product owner нагенерил с помощью GenAI фичу, состояющую на 90% из воды и зачитал её команде инженеров. Команда инженеров пожала плечами и имеет 2 опции:
принять фичу как есть и что-то выяснять на ходу отправить фичу на доработку, начав бесконечный цикл "моя твоя не понимать", который закончится эскалацией в отношении инженерной команды от Product. Которая в свою очередь завершится переходом к опции "принять фичу как есть".
С возрастом стал больше ценить время - и поэтому вместо наигранного веселья в компании людей, с которыми меня объединяет лишь желание зарабатывать деньги, предпочту побыть с близкими мне людьми либо одному.
Хотя если в компании есть близкие по духу люди - почему бы и нет?
Так ревьюверы не могут справиться с тоннами сгенерированного текста, чтобы ответить на этот вопрос.
В условиях тотальной генерации кода/текста, узким местом становятся ревьюверы.
По итогу имеем ситуацию, когда тысячи строк сгенерированного с 95% точностью кода бросаются на ревью, а ревьюверы с уверенностью 50% клацают Approve, чтобы не быть bottleneck.
И все молятся, чтобы это работало в Production.
Сильный кандидат получит офер в том месте, где нет проблемы с "замыливанием" кандидатов.
Я думал рекрутёры в курсе, что "рынок работодателя" - это не ситуация, когда в EPAM стоит очередь уволенных из FAANGа, а когда длина очереди из посредственных кандидатов увеличилась в 3 раза.
Если интервьювер опытный, то он с радостью согласится на первого кандидата, если тот действительно хорош. Никому не интересно тратить время на закрытие позиции месяцами.
В целом действительно хороших кандидатов всегда мало, и выбор чаще всего сводится к выбору между вариантами "на троечку по пятибалльной", при котором неспешность решений по оферам вполне объяснима.
Сайтов и сервисов действительно много, но почти все ужасно лагают и глючат.
Буквально каждую неделю я сталкиваюсь с критическим багом в каком-либо популярном сервисе (общественный транспорт, такси, медицина, интернет-торговля и пр.) - отваливается логин, не проходят платежи, не приходит смс, поиск не работает и пр.
Общее ощущение, что айтишка насытилась говнокодом настолько, что любой программный продукт не может проработать и дня без ручного рестарта сервисов для фикса критического бага.
Большинство важных знаний о мире не оцифровано и ИИ никогда не сможет им обучиться.
Меня расстраивает, что информационное пространство стало полностью заполнено коммерческим мусором - от спекулятивных мнений инфоцыган как в данной статье, до замаскированной продажи продуктов бигтеха под видом инженерных статей о "лучших практиках и паттернах проектирования".
Компании могут хотеть всё что угодно от кандидатов - это их право. С каждой такой хотелкой они отсекают процент квалифицированных кандидатов, которые решат не заморачиваться.
От того, что 10% компаний решили залейофить 10% сотрудников, найм не превратился в "найм работодателя". Как и раньше, толковых сотрудников на рынке разбирают очень быстро, и сейчас по сути тратится больше времени на найм для выбора из сортов г..на. Потому что GenAI уравнял толковых и бестолковых кандидатов в качестве резюме, и автоматизированный отсев превратил выбор кандидата в лотерею.
Более того, информационный хайп и раздувание новостных пузырей приводит к тому, что толковые кандидаты соглашаются на первый офер.
В качестве нанимающей стороны, я не вижу никакого увеличения квалифицированных кандидатов от talent acquisition отдела.