Данила Штань: AI не отменяет фундамент и инженерную ответственность (Рубрика #AI4SDLC)
Посмотрел выпуск Beyond Coding с CTO Nebius Данилой Штанем. В заголовке обещают рассказ о навыках, с которыми берут на работу, но для меня разговор оказался шире: найм, устройство инженерной организации и подход к доверию AI-коду у Штаня сходятся в одном принципе — автономность не убирает контроль, а переносит его ближе к тому, кто принимает решение и отвечает за последствия.
Интересно, что в 2021 году на Highload++ я как раз рассказывал доклад о том, как меняется эта роль при росте организации. Ответ Штаня вполне определённый: техническая глубина остаётся, но по мере роста организации CTO прежде всего строит команду, отвечает за результат, разрешает конфликты инженерии с бизнесом и управляет ожиданиями. Обещание важно не только выполнить — отклонение нужно показать до того, как оно стало сюрпризом для чужого плана.
С инженерными навыками похожая картина. По словам Штаня, для многих задач AI-облака не обязателен опыт именно в AI: нужны инженеры по распределённым системам, драйверам, сети, низкоуровневому хранению, GPU-ядрам и оптимизации инференса. Это хорошо рифмуется с недавним разбором vLLM и PagedAttention: проблему управления памятью KV-кеша решили с помощью классической идеи виртуальной памяти.
Знание конкретной библиотеки или фреймворка отходит на второй план, фундаментальное мышление — нет. В описанном Штанем процессе найма проверки написания кода и алгоритмического мышления проходят без AI, а для опытного инженера есть разбор недавнего проекта целиком: откуда пришли требования, кто принимал решения, зачем строили продукт, что произошло после запуска и видел ли кандидат эксплуатационные последствия. Отдельную сессию работы с агентом компания на момент записи только проектировала. Это описание процесса из публичного разговора, а не обещание, что он останется неизменным.
Организационно тот же принцип выглядит жёстче. По описанию Штаня, у инженерных команд Nebius нет отдельного архитектора и архитектурного комитета: команда сама проектирует систему, запускает её, дежурит и отвечает за сервис. Свобода решения оплачивается эксплуатационной ответственностью. Иначе автономность быстро превращается в локальную оптимизацию за чужой счёт. Интересно, что я примерно всю дорогу пропагандировал такой подход в Т-Банке, когда отвечал за архитектурную функцию, хотя мне часто ставили в укор то, что у нас нет департамента корпоративной архитектуры как в Сбере (хотя к концу моей работы в Т-Банке внутри некоторых крупных блоков появились свои отделы корпоративных архитекторов, но это инициатива на местах:))
С AI-агентами Штань проводит похожую границу. Он сравнивает работу с агентом с работой с младшим инженером: у агента нет полного контекста, он предлагает странные идеи и может далеко их развить. По словам Штаня, на момент записи в компании были доступны модели OpenAI и Codex, но не было широкого доступа к Claude Code. Он объяснял это не «запретом AI», а нехваткой защитных правил и наблюдаемости.
Желаемый им протокол для пул-реквеста с участием AI включает отметку об участии агента, сохранение полной траектории сессий, возможность аудита и обсуждение не только кода, но и исходного замысла: где человек направлял модель и спорил с ней. В выпуске это именно целевое состояние, а не уже внедрённая обязательная политика. Владелец изменения в рабочей системе при этом остаётся человеком.
Последние посты про Cursor Cloud Agents, одного агента с файлами вместо сложной обвязки и удаление 80% системного промпта Claude Code складывались в техническую историю: сильной модели всё меньше нужно диктовать каждый шаг, а сложность переезжает в среду, инструменты, состояние и проверки. Штань добавляет организационное продолжение: чем больше свободы получает агент или команда, тем яснее должны быть границы и человеческая ответственность за результат.
Для меня главный вывод: AI удешевляет локальное производство кода, но повышает ценность владения системой. Постановка задачи, понимание ограничений, независимая проверка, эксплуатационный контекст и готовность отвечать за последствия не исчезают. Наоборот, именно они отделяют автономность от бесконтрольности.
#AI4SDLC #AI #Agents #Engineering #Architecture #Management
Посмотрел выпуск Beyond Coding с CTO Nebius Данилой Штанем. В заголовке обещают рассказ о навыках, с которыми берут на работу, но для меня разговор оказался шире: найм, устройство инженерной организации и подход к доверию AI-коду у Штаня сходятся в одном принципе — автономность не убирает контроль, а переносит его ближе к тому, кто принимает решение и отвечает за последствия.
Интересно, что в 2021 году на Highload++ я как раз рассказывал доклад о том, как меняется эта роль при росте организации. Ответ Штаня вполне определённый: техническая глубина остаётся, но по мере роста организации CTO прежде всего строит команду, отвечает за результат, разрешает конфликты инженерии с бизнесом и управляет ожиданиями. Обещание важно не только выполнить — отклонение нужно показать до того, как оно стало сюрпризом для чужого плана.
С инженерными навыками похожая картина. По словам Штаня, для многих задач AI-облака не обязателен опыт именно в AI: нужны инженеры по распределённым системам, драйверам, сети, низкоуровневому хранению, GPU-ядрам и оптимизации инференса. Это хорошо рифмуется с недавним разбором vLLM и PagedAttention: проблему управления памятью KV-кеша решили с помощью классической идеи виртуальной памяти.
Знание конкретной библиотеки или фреймворка отходит на второй план, фундаментальное мышление — нет. В описанном Штанем процессе найма проверки написания кода и алгоритмического мышления проходят без AI, а для опытного инженера есть разбор недавнего проекта целиком: откуда пришли требования, кто принимал решения, зачем строили продукт, что произошло после запуска и видел ли кандидат эксплуатационные последствия. Отдельную сессию работы с агентом компания на момент записи только проектировала. Это описание процесса из публичного разговора, а не обещание, что он останется неизменным.
Организационно тот же принцип выглядит жёстче. По описанию Штаня, у инженерных команд Nebius нет отдельного архитектора и архитектурного комитета: команда сама проектирует систему, запускает её, дежурит и отвечает за сервис. Свобода решения оплачивается эксплуатационной ответственностью. Иначе автономность быстро превращается в локальную оптимизацию за чужой счёт. Интересно, что я примерно всю дорогу пропагандировал такой подход в Т-Банке, когда отвечал за архитектурную функцию, хотя мне часто ставили в укор то, что у нас нет департамента корпоративной архитектуры как в Сбере (хотя к концу моей работы в Т-Банке внутри некоторых крупных блоков появились свои отделы корпоративных архитекторов, но это инициатива на местах:))
С AI-агентами Штань проводит похожую границу. Он сравнивает работу с агентом с работой с младшим инженером: у агента нет полного контекста, он предлагает странные идеи и может далеко их развить. По словам Штаня, на момент записи в компании были доступны модели OpenAI и Codex, но не было широкого доступа к Claude Code. Он объяснял это не «запретом AI», а нехваткой защитных правил и наблюдаемости.
Желаемый им протокол для пул-реквеста с участием AI включает отметку об участии агента, сохранение полной траектории сессий, возможность аудита и обсуждение не только кода, но и исходного замысла: где человек направлял модель и спорил с ней. В выпуске это именно целевое состояние, а не уже внедрённая обязательная политика. Владелец изменения в рабочей системе при этом остаётся человеком.
Последние посты про Cursor Cloud Agents, одного агента с файлами вместо сложной обвязки и удаление 80% системного промпта Claude Code складывались в техническую историю: сильной модели всё меньше нужно диктовать каждый шаг, а сложность переезжает в среду, инструменты, состояние и проверки. Штань добавляет организационное продолжение: чем больше свободы получает агент или команда, тем яснее должны быть границы и человеческая ответственность за результат.
Для меня главный вывод: AI удешевляет локальное производство кода, но повышает ценность владения системой. Постановка задачи, понимание ограничений, независимая проверка, эксплуатационный контекст и готовность отвечать за последствия не исчезают. Наоборот, именно они отделяют автономность от бесконтрольности.
#AI4SDLC #AI #Agents #Engineering #Architecture #Management