Выпуск #19 · 25 июля 2026 г. · 1:29:52
AI-разработка в продакшне: обвязка важнее моделей | Алексей Ярошевич, Яндекс Банк
Описание
Руководитель команды Яндекс Банка, ранее CTO Яндекс Образования.
В выпуске
- Интуиция при работе с моделями
- Почему качество AI-разработки сегодня сильнее зависит от harness и контекста, чем от очередной модели
- Когда skills экономят время, а когда ухудшают результат
- Почему многоэтажная оркестрация агентов накапливает ошибки и расходует слишком много токенов
- Как применять spec-driven development, тесты и контракты при работе с микросервисами
- Что делать, когда модель не справилась: исправлять, декомпозировать или начинать заново
- Как AI смещает узкие места разработки от написания кода к проверке качества и согласованию решений
- Почему QA, ответственность и инженерная экспертиза остаются критически важными
- Как меняются роли продакта, дизайнера и разработчика, когда прототип можно собрать за несколько минут
- Чему учиться, если конкретные инструменты и навыки быстро устаревают
- Как использовать модели для структурирования данных, анализа продукта и управления организацией
- Какие рабочие роли и процессы, возможно, уже стали лишними, хотя компании пока этого не осознали
Тайм-коды
00:00 — Хайлайты выпуска
00:33 — Знакомство с гостем
02:10 — Алексей — AI-энтузиаст или скептик?
03:33 — Остался ли кайф от программирования вручную
05:35 — Почему всё упирается в harness, контекст и предсказуемость
07:59 — Рабочий баланс: написать самому, поручить модели или доработать вместе
10:38 — Cursor, Claude Code и постоянно меняющаяся обвязка
12:33 — Skills как новые CLI-утилиты и проблема публичных инструкций
18:36 — Почему Алексей пока не верит в оркестраторов и толпы субагентов
22:12 — Практический процесс: от задачи и контекста до готового кода
25:12 — Что делать, когда модель не справилась
28:00 — Spec-driven development, тесты и контракты микросервисов
30:31 — Несколько AI-сотрудников, ручная оркестрация и ответственность человека
36:53 — Модели вышли на плато? Где искать следующий скачок
39:31 — Как AI-разработка работает в реальной продуктовой команде
42:19 — Продакт, дизайнер и разработчик: прототип вместо идеи
46:00 — От тикета до pull request: когда задача действительно решается за 15 минут
48:35 — Почему стартап может выпускать AI-код без проверки, а enterprise — нет
55:47 — Кто должен проверять сгенерированный код и почему QA всё ещё нужен
59:23 — Главный затык AI-разработки: harness или мышление людей
59:57 — Как искусственный интеллект меняет образование
01:05:02 — Устаревают ли знания быстрее, чем человек успевает их получить
01:15:24 — Недооценённый сценарий LLM: структурирование данных
01:22:33 — Персональный AI-помощник для проектов, чатов и домашней жизни
01:28:10 — Какие люди и рабочие процессы уже могут быть не нужны. Итоги
Материалы и ссылки
Продолжить тему
Смотреть следующим
Выпуск #20 · 1:35:14 Разработка AI-продуктов: контекст, evals и агенты | Федя Морозов, CTO ботов поддержки, Т-БанкСмотреть и слушать
