Teamlead Good Reads – ежедневные советы про менеджмент людей и команд

описание

Самые интересные статьи, видео и новости, связанные с управлением людьми, командами, разработкой и продуктами. РКН: https://gosuslugi.ru/snet/67b4386d2a44e21839a0f87f Продуктовая папка: https://t.me/addlist/YvmnHCHUp700Nzky Реклама: @tanyasanovna

← к каналу @leadgr

28 347

подписчиков

Охват к подписчикам

18,8%

ERR

Реакции к просмотрам

0,66%

890 на 25 постов

Пересылки к просмотрам

1,12%

1 525

Постов в день

1,0

всего 25

Где отзываются чаще

доля реакций к просмотрам

11 авг.Было?2,13%
5 авг.Не понимать кодовую базу – нормально Один из стандартных набросов на LLM – это то, что разработчики, слишком сильно полагающиеся на агентов, довольно быстро теряют понимание кодовой базы проекта. Но если задуматься – а насколько это понимание было и раньше, когда код писали руками? А если подумать не про сравнительно компактные кодовые базы, а огромные энтерпрайзные проекты? Планируя изменение программы, мы всегда оперируем своей собственной теорией о том, как она работает. В больших кодобазах эта теория всегда будет неверной или неполной – просто невозможно все детали удержать в голове. Поэтому в любом случае нужно уметь работать в таких условиях – сжимать зубы, выдвигать гипотезы о том, как программа работает, проверять их, и обновлять свою теорию. AI, конечно, усложняет поддержку теории об устройстве программы в собственной голове. Но, с другой стороны, он помогает гораздо быстрее поднимать контекст про незнакомые или забытые части системы, и очень быстро тестировать свои гипотезы – поэтому прямо однозначно сказать, что AI в этой части сделал все хуже, нельзя.1,84%
6 авг.Про скорость ради скорости Задумайтесь – а насколько часто, когда вы пытались ускориться сами, или просили об этом команду, это действительно было важно? В нашей индустрии уже довольно давно стало моветоном не пытаться всеми силами оптимизировать time to market. А итоги у этого не всегда положительные: 👉Предложения замедлиться и подумать по умолчанию воспринимаются как контрпродуктивные. 👉Многие ненужные фичи делаются только потому, что их можно сделать быстро. Они дают ощущение прогресса, хотя на самом деле могут быть просто броуновским движением. Реальная скорость происходит не от бездумной спешки, а скорее от противоположного – траты лишнего времени на то, чтобы принять нужные решения, убедиться, что задача всем понятна, и нужный контекст собран. И, что еще важнее, когда потрачено время на то, чтобы ответить на сложные неудобные вопросы вроде "а нужную ли вещь мы вообще делаем?". Золотая статья!1,16%
13 авг.Не будьте мясным прокси Я нашел свое новое любимое выражение – meat proxy, которым можно называть человека, который просто бездумно копирует сообщения от AI, не вкладывая туда ни ту самую экспертизу, ни просто хоть сколько-то своего внимания. Среди разработчиков есть свой вид митпроксинга: 👉Отправить ссылку на задачу агенту без лишних слов 👉Не читая ни спеку, ни код, отправить на ревью 👉Скопировать комментарии агенту, запушить результат1,05%
08:03Как правильно вписаться в систему промоушнов Держите байку из мира FAANG про то, как прийти к успеху. Следите за пальцами: 👉Промо основаны на сложности задач, скоупе, независимости и лидерстве. По внутренним правилам, нельзя промоутить людей чаще, чем раз в два года. Поэтому несколько следующих циклов после повышения бесполезны. 👉Один менеджер организовал все так, чтобы на каждом полугодовом цикле 25% его команды получали повышение. Фокус простой – они приписывали себе заслуги от всего, сделанного командой, с полного согласия остальных. Затем то де самое повторялось для следующих 25%, и так далее. 👉Из-за того, что все видели, как быстро растут люди в команде этого менеджера, к нему стояла очередь из внутренних кандидатов. Хедкаунт рос, менеджера промоутили за все заслуги вместе с ним. 👉При этом команда работала где-то на 50% своего капасити, так как сразу после промо можно было отдыхать. 👉В итоге почти вся команда получает $1М+ компенсации. Конечно, вся история может быть выдуманной, но элементы ее точно происходят во всех крупных корпорациях.0,95%
14 авг.Про принцип антитезиса Мы стали как-то очень редко вспоминать Канемана и его монументальный труд по изучению когнитивных искажений – хотя я каждый день вижу, как многие из них получают новое лицо во взаимодействиях людей и AI. Но речь не об этом. Так вот, со знанием когнитивных искажений можно делать две вещи: 1️⃣Использовать его, чтобы выстраивать свою тактику работы с людьми. Если вы можете предсказывать, как они себя поведут, вы точно сможете использовать это себе во благо. 2️⃣Использовать его, чтобы отлавливать эти же искажения в самом себе, и пытаться переопределять свое дефолтное поведение до той степени, пока оно не станет антитезисом к названному искажению. Вот второй путь и есть принцип антитезиса. Он важен, потому что, если вы будете вести себя не как подавляющее большинство людей вокруг, вы сможете открыть для себя возможности, им недоступные. Самый простой пример – обучение. Большинству людей проще учиться, когда образовательный контент их активно вовлекает и развлекает. Соответственно, если вы намеренно отдаете предпочтение не развлекательному способу обучения, например, читаете длинные сложные книги, то вы сможете пройти путями, которые все остальные пропустят.0,90%
10 авг.Эффект Даннинга-Крюгера под вопросом На всякий случай напомню, что суть эффекта Даннинга-Крюгера состоит в том, что некомпетентные в какой-то области люди склонны переоценивать свои способности в ней. В качестве доказательства этого эффекта чаще всего приводят график из оригинального исследования (первая картинка), в котором студентов просили дать прогноз своей оценки за тест, а затем сравнивали с реальной оценкой. Так вот, при более близком рассмотрении, этот график не выдерживает критики – если сгенерировать рандомные значения результата теста и самооценки, затем отсортировать людей по результату и побить на квартили, получится абсолютно такой же результат (вторая картинка). Он возникает просто из-за группировки, регрессии к среднему и сравнения двух не очень коррелирующих измерений – потому что самооценка зависит от миллиона разных факторов. Короче говоря, само наличие эффекта не опровергнуто - людям правда свойственно оценивать себя неточно, и компетентность должна уменьшать эту погрешность. Но смело говорить, что чем человек тупее, тем он увереннее, потому что ему не хватает ума понять свою тупость, я бы точно не стал, как и приводить оригинальный график.0,89%
3 авг.Почему CTO сейчас стало особенно тяжело Всю прошлую неделю в Твиттере обсуждали интересный тренд – многие CTO / VP of Engineering / Head of Development в стартапах и компаниях среднего размера сейчас жестко выгорают и увольняются, проработав буквально пару месяцев. Причины называют вот такие: 👉Роль, на которую их взяли, довольно расстрельная, с нереалистичными ожиданиями из-за AI 👉У компании нет никакой стратегии и видимого будущего с учетом изменений рынка, вызванных AI 👉В этой компании не получить так называемый AI-native опыт, который им точно в будущем для карьеры понадобится 👉Человек, на замену которого их наняли, уволился из-за тех же причин 👉Начать свой стартап сейчас в целом не очень сложно, деньгами в хороших инженерных лидов готовы кидать 👉СЕО словил AI психоз, перешел в founder mode, и работать стало невозможно Ну а вообще вакансии для инженерных руководителей сейчас как будто бы разделились на два типа: 1️⃣Наша компания умирает из-за AI, пожалуйста, спасите нас и сделайте AI трансформацию разработки. Все сильные люди уволились. Никого нового сильного нанять вы не сможете. Платить мы вам сможем примерно как стафф-инженеру в бигтехе. Но вот если все поправите, получите премию! 2️⃣У нас переоцененный AI стартап, пожалуйста, помогите нам начать делать настоящие AI штуки. У нас никогда не было технического лида, только 25 летний кофаундер, который разобрался с консолью AWS. Платить мы вам сможем примерно как стафф-инженеру в бигтехе. Но вот если все поправите, получите премию! Короче, цитаты твита и реплаи там прямо золото, рекомендую почитать!0,77%
12 авг.LLM вознаграждают экспертизу Все мы используем одни и те же модели, и по умолчанию получаем одни и те же усредненные ответы. Чтобы добиться от модели действительно качественного результата, нужно знать, в какую сторону ее запушить, какие ответы принимать, за какие идеи зацепиться. А именно это и требует глубокой экспертизы в вопросе. Например, не зная хорошо своей кодовой базы, вы не сможете оценить, насколько предложенный моделью подход дублирует что-то уже существующее. Не имея собственного опыта дизайна, будет очень сложно почувствовать, что AI предложил чрезмерно упрощенное решение.0,69%
30 июл.Управленческие антипаттерны, характерные для России 👉Гиперцентрализация, когда все решает один человек. Иногда вырастает до культа личности основателя, который плох с двух сторон – если такой человек уходит, компания разваливается, а если остается – то компания начинает копировать все его недостатки. 👉Отсутствие стратегии и в целом короткий горизонт планирования. 👉Кумовство – при найме предпочтение может отдаваться личным отношениям, а не реальным компетенциям. 👉Недостаточная работа с людьми, из-за чего текучка получается довольно большой, а навыки и эффективность не особо растут. 👉Непрозрачная бухгалтерия. С одной стороны, это ведет к тому, что бизнес не получится продать, как не получится и найти желающих в него инвестировать. С другой – бюрократии в таких компанияз будет поменьше. 👉Рыночная конкуренция подменяется лоббированием, из-за чего игрвоое поле становится неравным. Побеждает в итоге не тот, кто работает эффективнее, а тот, у кого лучше доступ к госзаказу или политические связи.0,68%
4 авг.😔 79% уволившихся называют причиной ухода недостаток признания. Руководители переоценивают частоту похвалы: им кажется, что они говорят «спасибо» каждую неделю, на самом деле сотрудники получают признание в лучшем случае несколько раз в год. Результат — выгорание, демотивация и уход лучших. Команда Яндекс Практикума собрала гайд из 30 способов похвалы, которые реально работают с любым бюджетом. Внутри: ✅ Идеи от простого «спасибо» до опционов и жилищных программ ✅ Реальные кейсы из Т-Банка, 2ГИС, Ozon и ВТБ ✅ Пошаговый план по созданию культуры признания ✅ Советы по автоматизации похвалы с помощью ИИ ✅ Готовые фразы, чтобы не ломать голову, что сказать Скачивайте бесплатно и начните внедрять лучшие практики уже завтра Реклама, ООО Яндекс, ИНН 7736207543, erid: 2Vtzquo2GYz0,68%
7 авг.Как стафф инженеру найти достойные проблемы Большинство компаний сходятся на том, что главная черта, отличающая стаффа от сеньора – это умение самостоятельно находить самые ценные точки приложения своих усилий. Вот простой алгоритм, как можно это делать: 👉Накапливайте знания о проблемах в вашей области компетенции, на которые жалуются люди. 👉Не бросайтесь на первую проблему, которая показалась важной. Дайте им накопиться, и беритесь за то, что проявляется хотя бы несколько раз для разных команд. 👉После того, как вы выбрали кластер связанных проблем, с решением тоже не спешите. Потратьте побольше времени на то, чтобы найти наилучшую форму решения, которая сможет закрыть сразу все эти проблемы. 👉До того, как начать полноценную реализацию, потратьте еще сколько-то времени на то, чтобы сделать дешевый прототип, показать его заинтересованным людям, и перепроверить, а туда ли вообще вы копаете. Обратите внимания на классные пересечения со вчерашней статьей – ни один из этих пунктов не сработает, если главная ценность вашей компании – скорость.0,67%