Закон Паркинсона гласит, что работа растягивается на всё отведённое под неё время. А в современную эпоху ИИ у людей вообще появился инструмент, способный масштабировать результаты их работы до той степени, до которой они смогут нагенерировать целевой контент, то есть почти безгранично.
То, что я наблюдаю в своём профессиональном поле на протяжении двух последних лет, сложно описать. Первый явный звоночек я заметил чуть меньше, чем полтора года назад. Тогда я обратил внимание, что коллега отвечает мне в переписке с помощью ИИ. Его выдала пунктуация — длинные тире там, где их никто не использует; ритмическая структура текста и уверенное рассуждение на тему технологий, в которых он заведомо не разбирался. Я задумался над этой ситуацией, пытаясь понять, стоит ли спорить с человеком, который явно просто копирует ответы модели. Канал был публичным, и мне приходилось тратить уйму времени на исправление элементарных вещей. В конечном итоге я сдался — какого-то осмысленного диалога со встречной стороны всё равно не было.
Генеративный ИИ способен выдавать результаты, которые кажутся экспертными, но по факту таковыми не являются. В итоге здесь возникает два вида проблем. Во-первых, новичок может быстрыми темпами воспроизводить работу, по содержанию близкую к работе старших специалистов, не имея достаточного опыта для оценки её качества. Во-вторых, люди могут получать от ИИ галлюцинации или артефакты в тех областях, в которых они не разбираются. С виду это похожие проблемы, но между ними есть разница. Первую удалось хорошо измерить с помощью исследований. Но не вторую, и по своему опыту могу сказать, что она самая опасная.
Генерация за гранью компетенции
Люди, которые не умеют писать код, создают ПО. Люди, которые никогда не проектировали системы данных, проектируют эти системы. Большинство таких проектов не доходит до продакшена. Продукт создаётся, зачастую ценой многих часов усилий, и может даже активно презентоваться внутри компании, негласно использоваться внутри неё, а иногда и демонстрироваться клиенту, не вызывая особого восторга. Сотрудники бывают одержимы некой идеей и даже уходят в глубокие переработки. Среди нас есть специалисты, которые грамотно используют текущие агентные инструменты для создания комплексных вещей, но таких единицы, и, по моим наблюдениям, обычно это касается генерации кода. Вопреки всему потенциалу ИИ в руках отдельных людей, в моей рабочей среде эти инструменты масштабировать не получается.
У меня есть коллега, внимательный и умный человек, занимающий не инженерную роль. В начале этого года он два месяца работал над созданием системы, которую должен был проектировать специалист, имеющий практические знания по архитектурам данных. И если оценивать его работу, реализованную при помощи ИИ, по современным стандартам, то справился он отлично. Он создал очень много кода, очень много документации и очень много того, что казалось прогрессом для тех, кто не знал, на что важно обращать внимание. При этом он не мог ответить на вопрос, как всё это реально работает. Его работа пошла не в то русло с самого начала. Схемы, и, самое главное, задачи, были сформированы настолько неудачно, что это стало бы очевидно для любого, кто варится в этой сфере пару лет. Некоторые из нас это понимали. И когда дело дошло до обратной связи, даже на уровне вице-президента, мой коллега активно отстаивал свою работу. Настрой совещаний был таким, что любое возражение воспринималось не как здоровая критика, а как членовредительство. Его менеджеры были слишком увлечены иллюзией прогресса, чтобы позволить кому-то эту иллюзию разрушить. И эта работа наверняка продолжится вплоть до момента демонстрации результатов стейкхолдерам, которые, конечно, не захотят в неё инвестировать.
И это та сторона всеобщего феномена, о которой писать сложнее всего. Сам инструмент не сделал моего коллегу хуже. Он лишь позволил ему в течение долгого времени делать вид, что он разбирается в области, которую не изучал. Причём это притворство оказалось достаточно качественным, чтобы склонить все ключевые ресурсы организации к поддержке этого проекта. Быть может, это провал менеджмента, но я вижу, с какой готовностью менеджеры принимают работу ИИ, соглашаясь на все возможные риски.
Думаю, с этим можно было бы и смириться, если бы инструменты ИИ позволяли честно оценить результат их работы. Исследователи из Стэнфордского университета этой весной опубликовали в журнале «Science» результаты своей работы [1]. В ней они подтвердили, что каждый типичный пользователь знал и так: передовые модели примерно на 50% чаще соглашаются с пользователем, чем респонденты-люди. То есть они могут одобрять действия пользователя, даже когда это одобрение ничем не подкреплено. Кроме того, метаанализ центра макроэкономических исследований Беркли [4] показал, что тесно работающие с ИИ люди часто переоценивают свои результаты. Особенно интересен момент, когда сотрудники выходят за пределы своих знаний. Национальное бюро экономических исследований (NBER) провело анализ сервисов техподдержки [2], выяснив, что в них генеративный ИИ повышает продуктивность новичков примерно на треть, а экспертам особой пользы не приносит. Аналогичную закономерность исследователи из Гарвардской школы бизнеса обнаружили в работе консультантов [3]. Получается, мы имеем сверхуверенных новичков, которые могут повышать личную продуктивность в тех областях, где корректность своей работы они оценить не смогут. Что же может пойти не так?
Проблема «слепого посредника»
Это явление всё чаще называют отрывом результатов от компетентности (output-competence decoupling) [5]. В прошлом качество отдельного элемента работы являлось более-менее надёжным индикатором компетентности создавшего его человека. Эссе новичка читалось как эссе новичка, а код новичка ломался в ожидаемых местах. ИИ же эту связь нарушил. Теперь новичок выдаёт результаты, которые не раскрывают его невежество, поскольку отражают не его компетентность, а компетентность алгоритмов. Человек в этой цепочке становится эдаким слепым посредником, способным передать вывод модели получателю, но неспособный оценить его.
Навыки выполнения работы и её оценки всегда намеренно разделялись, но сам факт её выполнения уже учил этой оценке. Теперь же первый из этих навыков, по большей части, принадлежит машинам. Второй по-прежнему остаётся за нами, хотя всё меньше людей озадачиваются его выработкой или применением.
Критика архитектуры, которая раньше поступала от того, кто уже неоднократно её создавал и ломал, теперь выдаётся моделью, не имеющей реального физического опыта создания или разрушения чего-либо. Неспешность не являлась издержками реальной работы, в ней и заключалась суть этой работы. Именно за счёт этого работа становилась качественной, как и специалисты, которые её выполняли. И именно благодаря этому компания-подрядчик могла обещать клиенту, что предоставит продукт, который был проработан индивидуально, а не слеплен по общей кальке.
Текущее поколение агентных систем выстроено вокруг идеи, что человек является слабым звеном — что весь цикл станет быстрее и чище, если исключить из него неловкие задержки, когда специалист пытается разобраться, что может произойти, и решает, должно ли это произойти. Но по факту во множестве случаев всё наоборот. Присутствие человека в цикле — это не пережиток прошлого. Человек — это единственная поистине живая часть процесса. Исключение H из HITL (Human-in-the-Loop) — это не повышение эффективности. Это отказ от единственного механизма, который есть у системы для самопроверки.
Слоп внутри компаний
Документы с требованиями, которые раньше составляли одну страницу, теперь содержат двенадцать. Обновления статуса, которые включали три предложения, теперь превратились в списочные сводки. Ретроспективные заметки, отчёты об инцидентах, проектные памятки, установочные встречи — растягивается всё, что только можно растянуть. И делают это те, кто сам не читает, что создаёт — для тех, кто не читает, что им присылают.
Сегодня стоимость создания документа упала практически до нуля, а стоимость его прочтения, напротив, растёт, потому что читателю приходится вникать в синтетический контекст, стараясь раскопать его изначальную суть. Каждое отдельное решение по растягиванию выглядит адекватным и обоснованным, так как читающие склонны больше доверять длинным сгенерированным пояснениям вне зависимости от того, верны они или нет [5]. В конечном итоге всё это ведёт к тому, что становится сложнее отыскать главный посыл содержания. Основные моменты оказываются утоплены в куче контекста, даже когда топящие их люди искренне стремятся выражаться «кратко».
Это новая форма слопа, и она обходится дороже публичной, так как её создатели получают за это зарплату. Конвейер по производству будущих экспертов истончается с обеих сторон. Работа, на которой раньше люди учились оценивать собственные результаты, теперь поручена инструменту, а должности начального уровня, на которых происходила наработка опыта, замещаются ИИ. Во многих компаниях, включая мою, всё это ведёт к взрывному росту видимой активности, на выходе которой получается гораздо меньше толку, чем раньше.
В то же время скрытые издержки накапливаются очень быстро. Общественность в первую очередь беспокоит то, что ИИ заполонил открытые площадки, и проведённое Университетом Флориды исследование [6] является одним из прямых тому подтверждений. При этом куда меньше говорят о том, что внутри организаций царит та же проблема. Сколько времени тратится на использование ИИ для задач, которые того не требуют; для создания документов, которые никто не будет читать; для реализации процессов, которые существуют только благодаря тому, что ИИ удешевил их создание; на презентации, разъясняющие базовые вещи, которые раньше были понятны по умолчанию.
Что с этим делать?
Рекомендации по дисциплине в этом случае будут весьма старомодными и для большинства могут даже казаться очевидными — ровно до тех пор, пока не возникнет соблазн их нарушить. Используйте инструмент там, где вы можете досконально проверить его результаты. Никогда не просите у модели одобрения. Она соглашается со всеми — но грош цена такому согласию, которое ничем не грозит тому, кто его даёт.
Генеративный ИИ прекрасно справляется с задачами, где есть быстрая обратная связь, где достаточно примерной точности, и где финальным проверяющим выступает человек. Составление рабочих черновиков, генерация примеров, обобщение материала — всё, что читающий при желании может перепроверить. В руководстве по генеративному ИИ от Университета Иллинойса [7] и опубликованной в журнале «PLOS Computational Biology» работе «Ten Simple Rules» [8] многие такие моменты перечисляются открыто: брейншторминг, литературное редактирование, переформулирование собственных идей или обнаружение паттернов в данных, суть которых уже ясна.
В каждом рекомендуемом сценарии инструмент обеспечивает пропускную способность, а человек отвечает за принятие решений. Это более твёрдая концепция, нежели Human-in-the-Loop. Здесь инструмент находится вне рабочего процесса и включается в него, только когда пригласят. Такой подход противоположен тому, под который сегодня создаётся большинство агентных систем.
В свете всего этого конкурентное преимущество компаний, которые продолжают делать упор на качество своих услуг, сохраняется. Более того, оно растёт, потому что многие конкуренты молча превращаются в конвейеры по генерации контента с расчётом на то, что клиент не заметит.
И эта проблема уже достигает самых верхов. Взять один из громких примеров, когда корпорация Deloitte была вынуждена вернуть часть своего гонорара, составлявшего $440 000, за правительственный отчёт, в котором ИИ навыдумывал данные.
А ведь это может оказаться и продакшен-система, построенная на основе сгенерированной спецификации. Либо какой-то старший инженер вдруг осознает, что последний год чисто номинально проверяет работу ИИ, которую больше не может компетентно оценить. Отдача будет суровой. Компании, которые продолжают делать свою работу на совесть, смогут просить за неё сполна. А те, которые исключили из своей структуры «неэффективные» элементы, обнаружат, что эти элементы и обеспечивали то, за что им платил клиент.
Масштабы недопонимания и злоупотребления ИИ угрожающе растут. Во многих профессиональных обсуждениях, где я оказываюсь, экспертов просят переключиться на другие приоритеты — на скорость поставки, увеличение её объёмов, более глубокую интеграцию ИИ — и не мешать тем, кто «делает дело». В итоге количество документов множится, а работа — нет. И где-то по другую сторону всего этого бесконечного потока отчётности клиент открывает готовый проект, читает сводку и может решить перепроверить всё самостоятельно.
Дисклеймер: это не академическая работа, а личный очерк от человека, который провёл в разработке более двадцати лет. За основу статьи я взял свой собственный опыт, сопроводив её ссылками там, где счёл это уместным. Если свести её к какому-то одному выводу, то им будет, что люди — впечатлительные существа. Да, я использовал ИИ при её написании, но только так, как здесь и рекомендуется: для брейншторминга, набросков и перепроверки материала следом за мной. Ну а тем читателям, кто иронично подметил, что статья является примером того, на что сама жалуется, скажу: «Вы абсолютно правы». Я, как и искусственный интеллект, довольно многословен и могу повторяться.
Ссылки
1. Sycophantic AI decreases prosocial intentions and promotes dependence (Cheng, Lee, Khadpe, Yu, Han, & Jurafsky, 2026). Science. ↩
2. Generative AI at Work (Brynjolfsson, Li, & Raymond, 2025). The Quarterly Journal of Economics, 140(2), 889-942. Also: NBER Working Paper No. 31161, April 2023. ↩
3. Navigating the Jagged Technological Frontier (Dell’Acqua, McFowland, Mollick, et al., 2026). Organization Science. Originally HBS Working Paper No. 24-013, 2023. ↩
4. Seven Myths About AI and Productivity: What the Evidence Really Says (Berkeley CMR, 2025). Meta-analysis confirming asymmetric AI productivity gains and user overconfidence. ↩
5. Beyond the Steeper Curve: AI-Mediated Metacognitive Decoupling (Koch, 2025). Longer AI explanations make users more confident regardless of correctness. ↩
6. Generative AI and the market for creative content (Zou, Shi, & Wu, 2026). Forthcoming, Journal of Marketing Research. ↩
7. Generative AI Guidance (University of Illinois). Recommended uses and limitations of generative AI in academic and professional work. ↩
8. Ten simple rules for optimal and careful use of generative AI in science (Helmy, Jin, et al., 2025). PLOS Computational Biology, 21(10), e1013588. ↩
Комментарии (43)
Pwlo
17.05.2026 09:26Отличная статья. Как иллюстрацию хотелось бы добавить: -
Настойчивость, энергия, упорство, инициативность, энтузиазм — это отрицательные качества, если человек тупой. А нейросети возводят это ещё и в степень.
anonymous
17.05.2026 09:26
Kahatanna7
17.05.2026 09:26Не смотря на то, что статья прекрасно написана, думаю, "эффективных менеджеров по оптимизации работы" убедить может только личный опыт по провалу проекта, написанного ИИ-агентом от и до. А до тех пор будут огонь-аргументы в духе "Вы просто неправильно готовите ИИ, вот я свою эффективность поднял на 300% и получил over9000 денег в виде гранта на вторую версию продукта".
dvbscript
17.05.2026 09:26К сожалению, "эффективных менеджеров" и интересует только прибыль в краткосрочной перспективе. И если он получил over 9000 денег, то, по его модели он действительно поднял эффективность. А когда, уже после получения этого гранта, проект будет провален, персональную ответственность он вряд ли понесёт. Так что остается только ждать спадания волны хайпа, работать в своем стиле, но с аккурантым использованием нового инструмента.
Octagon77
17.05.2026 09:26Я продвинутые AI не пользую из жадности и ленности, а от не продвинутых, встроенного в поиск Google на десктопе и Deep Seek на планшете, в полном восторге. У них потрясающая эрудиция, а это вторые по силе утверждения (о существовании, первые - о не существовании) как из рога изобилия. Две беседы меня посто поразили и привели в восторг - о китайском сериале Three-Body и об обменах культурой придворных ритуалов и обычаями между дворами императоров Японии, Китая и Кореи. И ощущается непрпрывный прогресс.
Код у них пока получается обычно или глупый или с ошибками, но обсудить общие вопросы, вплоть до выбора библиотеки - вполне надёжно. Недавно обсуждал направление развития Android и HarmonyOS Next - аргументировано, верифицируемо, грамотно, подробно, непредвзято, а что очень печально - так с этим не к ИИ. Вчера в беседе обнаружилось, что у TigerVNC появился w0vncserver, мне это приятно, AI Google в курсе, а Arch Wiki - нет.
По рассказам об успехам ИИ и по отсутствию рассказов об успехах там, где они в первую очередь должны были бы быть, предполагаю вплоть до убеждённости - открытая часть ИИ толком пока не работает, это да. Но и то, что работает - это настоящая продуктивность, а никак не её иллюзия.
cdriper
17.05.2026 09:26У них потрясающая эрудиция
то, что ты можешь за пару минут найти в гугли или википедии.
при этом огромное количество из этого потока "эрудиции" в твоих беседах может оказаться враньем или банальными галлюцинациями.
Octagon77
17.05.2026 09:26Отнюдь. Чтобы найти по ссылкам, нужно точно знать что искать, то есть эрудиция должна быть своя собственная. Википедия - вообще не у дел ибо фатально отстаёт по времени. Плюс запретительно огромный объём работы по просматриванию ссылок и отсеиванию 99% к делу не относящегося.
И тут зависимость - чем примитивнее и тривиальнее запрос, тем лучше работают и ссылки и Википедия. И то, на весьма тривиальный вопрос легко гуглится пара страниц постов “О да, у меня тоже не работает”.
Оказаться враньём или галлюцинациями - может, но почему-то не оказывается. А в области конкретных вопросов, что-то подсказывает - некоторых конкретных вопросов, типа писать код, опять же по ощущениям - определённого типа код, действительно оказывается.
Хороший пример - w0vncserver. Как изволите гуглить? Не то что в Википедии, в самой Вики Арч, ничего нету. Откуда должно придти озарение - а не начал ли TigerVNC поддерживать Wayland? А если озарение пришло, то можно и yay -Ql tigervnc | grep usr/bin или даже man tigervnc.
anwender95
17.05.2026 09:26Я очень редко пользуюсь нейронками, но один из-за дерьмификации современного поиска совсем не мог найти название космического проекта по смутным воспоминаниям, мне за 5 минут чат гопота таки помогла найти Лунный музей!
А у меня по очень старым воспоминаниям запомнилось только то, что сотрудник Наса нарисовал член на артефакте, который послали в космос.Вот, кстати, так выглядит, если кто не видел.
MasterMentor
17.05.2026 09:26Очередной плач очередной Яросланвы, который сводится к одному предложению: "я встретила дурака, который не умеет пользоваться нейросетью".
Набило оскомину читать эти "камингауты".
PS Тот кто настрочил полотно этих "особо умных мыслей" недалеко ушёл от того про кого он пишет. Одного (умственного) поля ягоды.
MasterMentor
17.05.2026 09:26Знаешь, дружище, ты подаёшь "противоречивые" "сигналы". В этой статье ты ИИ - опускашь, а несколькими статьями раньше - восхвалял. Напомню:
Мне несказанно повезло, что я успел получить высшее образование до наступления бума ChatGPT. Я закончил Университет Карнеги-Меллона по направлению “программная инженерия” в 2021 году. LinkedIn уже тогда был завален корпоративным слопом для вовлечения пользователей. Но этот слоп, хотя бы, писался людьми, а не LLM. Эх, были же времена. Когда я начал изучать рынок труда, оценка навыков джуниора, по сути, сводилась к одному бинарному вопросу: «Умеешь ли ты писать код?» В то время, если я хотел запустить с нуля приложение, на это требовался минимум месяц усилий. И даже если ты знал, какие и как использовать библиотеки, как настроить аутентификацию, на что обратить особое внимание, как докеризировать своё приложение и как настроить автодеплой в пайплайне CI/CD, ты всё равно был обречён мучительно и монотонно набирать код, рискуя наплодить ошибок. Сегодня же вся эта рутина полностью исчезла. Масштабируемые, обслуживаемые и красивые веб-приложения можно деплоить с Macbook Pro на собственном домене, меньше чем за 6 часов. Я знаю это, потому что сам так делал. Неоднократно. Самые ценные навыки молодого разработчика испарились, и мы по этому поводу даже не чешемся. Мне страшно за будущее джуниор-разработчиков, и в этой статье я расскажу, почему.
...
Сегодня же этого временного барьера просто…нет. ИИ может писать качественный код за считанные часы при минимальном содействии со стороны человека. И если бы это было пределом его возможностей, то вся моя тирада утратила бы смысл. Но ChatGPT вышел 30 ноября 2022 года. То есть прошло всего три года. А что будет ещё через три?
За невинный комментарйи выше мне тут же прилетел минус в карму. Каков поп - таков и приход. Я больше не твой подписчик.
Bright_Translate Автор
17.05.2026 09:26Здравия! Никакого отношения к вашей карме не имею. Прошу заметить, я не автор статьи, и мысли в ней изложенные не являются моими собственными и не обязательно отражают мои личные убеждения. Это перевод. Просто перевод статей от разных авторов. Отсюда и расхождение.
LinkToOS
17.05.2026 09:26Генеративный ИИ способен создавать, казалось бы, экспертную работу, сам при этом экспертом не являясь.
Generative AI can produce work that looks expert without being expert
Генеративный ИИ может создавать работы, которые выглядят профессионально, но на самом деле таковыми не являютсяBright_Translate Автор
17.05.2026 09:26Это вы с помощью ИИ перевели или сами решили, что такой вариант как будто вернее? Оборот "without being expert" здесь по замыслу автора вряд ли относится к work. Дальше по тексту он конкретно развивает эту мысль, поясняя, что ИИ создаёт работу по знакомым ему шаблонам, а не исходя из личного физического опыта. В целом смысл один, но в моём варианте он передаётся согласованно со вторым вхождением той же идеи в статье и чуть глубже передаёт ироничность мысли автора.
Vytian
17.05.2026 09:26Но "создавать работу" -- это не по-русски, надо "выполняет работу". Создаёт работу дурной начальник безправным подчиненным.
Bright_Translate Автор
17.05.2026 09:26Согласен, просто здесь речь о результатах генерации, которые выглядят экспертными. Выполнение тут не подходит в контекст. Чтобы исправить этот нюанс, придётся перестроить предложение и тогда уже действительно привязать without being expert к work. "Генеративный ИИ способен выдавать результаты, которые кажутся экспертными, но по факту таковыми не являются". BTW, безправным тоже не по-русски ;)
olivera507224
17.05.2026 09:26Почему люди вдруг начали тире называть длинным тире? Откуда это пошло? Есть дефис (-), есть тире (—), как, по-вашему, должно выглядеть длинное тире? ———?
ulisma
17.05.2026 09:26Есть длинные тире (—), а есть короткие (–). Определяются условно-исторически по длине букв m и n, соответственно.
Перенос/дефис - это 8208.
Mishootk
17.05.2026 09:26Я пытаюсь вспомнить свою школу, урок русского языка. Как писали сочинения с просто "черточками", так и писали. Никто никогда к их длине не придирался. Меняется ли смысл, интонация, произношение, еще что-то в тексте, в котором размер "черточки" исполнен не так как надо?
olivera507224
17.05.2026 09:26В общем, для тех, кто как и я застрял в школьном курсе по русскому языку 2000х годов. В русском языке есть дефис и есть тире, да, но русский язык - он не единственный язык. В английском языке также есть дефис и тире, но помимо обычного тире в английской типографии есть ещё и короткое тире, применяется для написания дат, выделения пунктов списков и черт его знает для чего ещё. По сути, что для нас обычное тире - то в английском это вполне себе тире длинное, так как есть тире короткое. Странно, что банальное тире стало мерилом человечности текстов.
GidraVydra
17.05.2026 09:26Его выдала пунктуация — длинные тире там, где их никто не использует;
Главное в расследовании - не выйти на самих себя...
Evlampy
17.05.2026 09:26Брейнштормы напоминают диалог с через чур оптимистичным аутистом, вне зависимости от модели. Который подталкивает к действию не имея полный контекст темы и полноценного исследования. У самурая нет цели. Главное начни, кругом голубые океаны.
Alex_RF
17.05.2026 09:26Вот в последнее время, кроме проблемы с ИИ я сталкиваюсь еще с проблемой полной некомпентецией некоторых коллег, которые они прикрывают уверенным высказыванием бредовых идей. А тут ИИ который хоть говорит разумно. Может проверить - задал вопрос "Как изменится производительность разработчика в первый и 10 год проекта, если не было контроля архитектуры на проекте и была частая смена разработчиков" - Google AI - получил развернутый ответ. А вот руководящий состав и кадровые специалисты ГК "ГринАтом" (это IT компания "РосАтом") уверено считают, что если при старте проекта за 3 месяца разработчик делал 30 задач средней сложности - то через 10-15 лет - при смене 6 или 7 внешних фирм разработчиков (ну через аукционны крупные дороботки делали - кто дешевле - то и кодит) и текучки (много комитов от уже не существуещих людей, я должен не только выполнить эту норму и перевыполнить. Так что не чего на ИИ тут жаловаться.
Dhwtj
17.05.2026 09:26Ну так клепай задачи через ИИ, вгоняй тупой гринатом ещё глубже в технический долг!
Как раз ИИ буста хватит на полгода. Последователи повесятся.
Alex_RF
17.05.2026 09:26Я в отличии от других не стал такого делать - просто тыкал пальцем тех-лиду во все косяки предшественников, которые поступали именно так - по этому меня просто выставили.
Dhwtj
17.05.2026 09:26мы полгода так тыкали, потом договорились по мирному
Alex_RF
17.05.2026 09:26Похоже разумные менеджеры попались. Поняли, что это не саботаж - а просто попытки выполнить свою работу качественно.
Dhwtj
17.05.2026 09:26Решается договоренностью сколько тратить времени на рефакторинг.
Я когда пришёл в легаси проект сразу потребовал 30-40% на рефакторинг. Я бы даже сказал пришёл только на этих условиях, карма позволяла)
В первый год так не дали: тушили пожары, разбирались с бизнес процессами и нельзя было дестабилизировать. Во второй год уже пошел рефакторить до 50% времени, много архитектурных изменений. Вполне интересно. Так что всё честно.
Замечу, что во время рефакторинга число ошибок временно растёт не смотря на все усилия по сверке кода и тестированию. И доля повторных правок растёт (велика у стула ножка, подпилю её немножко, а теперь вот эту ножку подпилю ещё немножко...)
Dhwtj
17.05.2026 09:264я ссылка отличная, Беркелей
Почему я не прочитал это год назад? Или прочитал но не поверил.
bentall
17.05.2026 09:26Ох уж эти длинные тире... А если меня в детстве покусала Цветаева — и я использую тире в том числе чисто интонационно, а потом, в юности — Лебедев, и я на любом своём устройстве первое, что делаю — нахожу, как ставить длинное тире, я LLM?
Идея, блестяще выраженная заголовком, кажется мне довольно очевидной, но вот это «Его выдала пунктуация — длинные тире там, где их никто не использует; ритмическая структура текста» бесит.
DarkGenius
17.05.2026 09:26Всегда удивляет упоминание длинного тире как маркера нейрослопа. Я его использовал в письме задолго до ИИ просто потому, что это правильно и выглядит лучше
vashu1
17.05.2026 09:26Многие инструменты автоматически превращают дефис в длинное тире если ставить пробел после - мне лично результат визуально нравится.
Древний жж в такое может, а хипстерский хабр нет.
vadimr
А особенно в нейрослопе раздражает плебейская (по-другому не скажешь) американская манера начинать теоретические рассуждения с истории из обыденной жизни.
accurate_random
Я как обычный плебей, напомню вам, что в обыденной жизни, у нас плебеев, существует ещё и понятие демагогии. Никоим образом не стремлюсь вызвать у Вас раздражение - просто хочу обратить Ваше внимание на одну деталь:
Вести плотный диалог не смогу, так как лимит сообщений у меня - одно в день, но если мне ответят, то через сутки от своего крайнего ответа - ответить я смогу.
yahooyaks
крайний ответ крайней плоти
accurate_random
Когда аргументы оппонента скатываются к физиологии, это лишь подтверждает, что лимит конструктивного контекста у него исчерпан. Увы, не хлебом единым жив человек, и каждый человек видит во всём свою пищу для своего ума, поэтому тут оппонентам, грубо обособляющих себя от плебса, можно только пожелать не оголодать окончательно. Впрочем, по их комментариям видно, что они не брезгуют ничем во время своих "голодовок". Удачи.
AcckiyGerman
Вам лаконично и с юмором указали, что ваша привязанность к словам мешает вам видеть истину.
accurate_random
кто ясно мыслит - ясно излагает, остальное - демагогия.
yahooyaks
О, Боже! Это же был намёк на негpaмотность!
yahooyaks
Как же такое случилось? Не поленился и дал почитать ваш комментарий чату гопоты и он сразу разобрался.
«крайнего ответа» — в литературной норме обычно «последнего сообщения».
Лингвистические модели отлично подходят для лингвистического разбора. Не ленитесь.