Программисты делают бизнес

Как вайбкодинг меняет работу с заказчиком 

К нам приходят клиенты с нейросетевыми прототипами и сервисами, причём речь не о микростартапах, а о довольно крупных компаниях. Сам по себе этот сценарий уже никого не удивляет.

На одном из последних таких проектов у нас получилось по-настоящему круто выстроить совместную работу: не просто взять прототип за основу, а встроить вайбкодинг заказчика в совместную работу.

В стандартном SDLC есть заказчик со стороны бизнеса, бизнес-аналитик и системный аналитик, которые детализируют задачу. Затем менеджер всё планирует, дизайнер проектирует решение, разработчик реализует, а тестировщик проверяет.

Мы изменили этот процесс: клиент самостоятельно вайбкодит прототипы доработок и новых фичей в безопасной среде и прямо по ходу работы передаёт нам требования в таком виде.

В результате получаем не просто ТЗ и даже не прототип, а уже работающий фрагмент продукта — например, отдельный модуль.

Дальше берём этот фрагмент, перерабатываем его, повышаем инженерную зрелость и UX, улучшаем результат, который изначально выдала нейросеть клиента. А клиент уже на работающем решении показывает, что устраивает, а что нужно изменить. Так требования уточняются по ходу, а не передаются один раз на старте.

Главный эффект — time-to-market сокращается в разы. На входе у нас не абстрактные ожидания и пожелания, а решение, которое в целом закрывает потребность клиента, плюс конкретные комментарии к нему.

Конечно, в таком процессе есть шероховатости, которые нам приходится устранять. Но полученный эффект значительно превосходит все потенциальные проблемы.

Мир меняется.

Наш Head of QA Рома делится рабочими находками. За день он может согласовать новый процесс, доработать матрицу грейдов и собрать внутренний инструмент, но спустя полгода следы этой работы приходится искать по трекеру, чатам и календарю.

Чтобы не тратить два дня перед перф-ревью, Рома собрал персональный рабочий контур на базе Claude Code, Obsidian и Markdown-файлов. Он рассказывает ассистенту, чем занимался, а тот ведёт журнал и канбан-доску, сохраняет договорённости со встреч, готовит отчёты к 1:1 и складывает достижения в отдельную папку.

В статье на Хабре Рома рассказал, как система устроена, что изменилось за два месяца и какие правила безопасности стоит заложить сразу. В конце оставил готовый промт, который поможет собрать такой же контур под свою роль и задачи.

Материал пригодится проджектам и руководителям, чья работа состоит из множества встреч, решений и небольших задач, которые обычно теряются между системами.

#роман_авдонин

Разработка ускорилась — заново изобрели планирование

За 10 лет у нас было много разных проектов, но сейчас мы работаем над реально инновационным. Делаем его небольшой командой специалистов. В продукте много связанных сущностей, интерфейсов и данных в активной разработке, а требования уточняются по ходу. При этом сроки жёсткие, а горизонт планирования короткий.

Если бы мы работали над проектом как раньше: фронтендеры, бэкендеры, тимлид, аналитик, менеджер + нейронки, то шли бы по длинному пайплайну из нарезанных задач. В нужный срок мы бы так не уложились.

Поэтому для проекта мы заново изобретаем планирование и используем подход AI SDLC. Его ключевой элемент — продакт-инженеры + экспертиза узких специалистов.

Например, инженер, с сильной экспертизой во фронте, но не шарящий за бэк, идёт к бэкендеру за детализацией на уровне текущей архитектуры.

Так как требования к лид тайму высокие, то с одной стороны надо делать больше задач под ключ, с другой стороны качественно планировать распределение взаимосвязанных задач.

В основе планирования здесь четыре группы факторов:

1. Требования и пользовательская ценность. Нужно так разбить и расположить задачи, чтобы каждый законченный блок давал пользу клиенту.

2. Технические зависимости. Данные, интерфейсы и API-контракты связывают разные части продукта. Нельзя независимо разрабатывать функции, которые зависят друг от друга или затрагивают одни и те же участки кода.

3. Владение кодом. На старте выгоднее отдавать доработку тому, кто уже погружён в конкретную часть продукта. Позже экспертизу можно распределять между командой, чтобы снижать бас-фактор.

4. Приоритеты и сроки. Нужно соотносить ценность задач с затратами, менять очерёдность и при необходимости резать скоуп ближайшего релиза.

Поверх этого есть ещё один слой — реальное состояние разработки. Какая-то задача заняла больше времени, другая закончилась раньше, третья заблокировала коллегу. Вчерашнее распределение уже не работает, и план нужно пересобирать.

Обычно весь этот контекст разделён между аналитиком, менеджером и тимлидом. Аналитик отвечает за продуктовую декомпозицию, менеджер — за приоритеты и соотношение выхлопа с затратами, тимлид — за технические зависимости и распределение задач с учётом владения кодом. Пока все синхронизируются, принятие решения растягивается.

Сначала я пытался уместить всю эту конструкцию в голове. Потом вспомнил собственную рекомендацию: не надо долго думать над чистым листом, сначала получи первую версию от нейронки.

Я передал Claude пользовательские истории с описаниями и критериями приёмки, код из всех активных веток и приоритеты ближайшего релиза.

За 4-5 итераций Claude собрал план разработки.

Сначала он прошёлся по всем пользовательским историям и сопоставил их описанный статус с тем, что реально есть в коде: что уже готово, что сделано частично, где пока стоят заглушки и что ещё предстоит реализовать.

Затем объединил истории в пакеты работ. Для каждого пакета указал:

— какую ценность он даёт пользователю;
— какие истории в него входят;
— что уже готово и что осталось сделать;
— от каких контрактов, данных и элементов интерфейса он зависит;
— кто из разработчиков лучше владеет нужными участками кода.

Также он предложил три варианта группировки задач: по пользовательским сценариям, разделам интерфейса и сущностям продукта. Я выбрал сценарный вариант.

Для него нейронка собрала отдельный граф зависимостей между пакетами: какой API-контракт или готовый элемент интерфейса одна часть команды должна передать другой. На этой же основе предложила, кому из разработчиков отдать каждый блок, и зафиксировала открытые вопросы, которые нужно разобрать с командой.

Буквально за полчаса получилась рабочая карта разработки. Документ можно актуализировать или пересобрать за пару запросов к ИИ.

Я вижу здесь тот же переход, который происходит с разработчиками. Для менеджера остаётся всё меньше зон, где он сам не может ничего сделать.

#максим_павлов 😀

Создали AI-поиск для Level Group: точность ответов превысила 90% 

В корпоративной базе знаний — сотни регламентов, инструкций и проектных документов. Нужная информация часто разбросана по разным статьям, поэтому обычный поиск находит отдельные фрагменты, но не собирает из них полный ответ.

Вместе с Level Group мы запустили ИИ-ассистента, который видит связи между документами, отвечает на вопросы сотрудников и прикладывает ссылки на источники. На подготовленном массиве точность ответов превысила 90%.

В статье показываем внутреннюю кухню проекта: как готовили данные, зачем объединили векторный и графовый поиск и почему начали с пилота на одном источнике.

Выбери своего бойца или забери сразу всех!

В KTS одновременно внедряют AI-агентов, создают сервисы для стройки, делают спецпроекты для брендов, развивают конструктор чат-ботов и учат IT-специалистов. У каждой команды накопилось достаточно экспертизы, кейсов и мемов для собственного Telegram-канала.

Рассказываем, что полезного можно найти в каждом:

✅ Внутри AI — как мы внедряем AI-агентов в бизнес и перестраиваем собственные процессы. Делимся кейсами, технологиями и результатами экспериментов. 

✅ Код в каске — как цифровизировать строительство, продажи и эксплуатацию недвижимости.

✅ Геймификация: игра на результат — как геймификация, in-app- и mini-app-решения помогают брендам расти, увеличивать продажи и влюблять в себя клиентов.

✅ Smartbot Pro — как собрать чат-бота, ИИ-ассистента и сценарии для маркетинга, продаж и поддержки.

✅ Metaclass — бесплатные курсы для разработчиков, аналитиков и менеджеров.

А в «Программисты делают бизнес» продолжаем говорить об управлении, разработке и жизни KTS.

Подписывайся на интересное или добавляй всю подборку 😎

⚡️ KTS — в топе по отраслям

Рейтинг Рунета опубликовал срезы за 2025 год. Мы попали в топ-5 во всех ключевых индустриях: 

⭐️ HRTech — 1-е место в разработке веб-сервисов.
⭐️ PropTech— 1-е место в мобильной разработке.
⭐️ Retail— на 2 месте по услугам: мобильная разработка, AI-интеграции и геймификация.
⭐️ FinTech— 4-е место среди AI-интеграторов. 

Радуемся результатам вместе с вами 💚 Продолжаем накапливать опыт в этих и других отраслях и применять его в проектах — от веб- и мобильных продуктов до AI и геймификации.

От первого пилота Stackland — к техническому гайду

Мы уже рассказывали, что начали работать с Yandex Cloud Stackland. Фишка платформы: инфраструктура остаётся на собственном железе внутри закрытого контура, а управляется как в облаке.

KTS разворачивает платформу на bare metal, готовит инфраструктуру и конфигурации, запускает встроенный мониторинг и управляемые сервисы, а также сопровождает внедрение в enterprise-среде. 

Практический опыт собрали в подробной статье с пошаговой установкой, примерами конфигураций и разбором ошибок, которые могут остановить развёртывание кластера.

Материал пригодится DevOps- и инфраструктурным командам, которые планируют тестировать или внедрять Stackland: по нему можно проверить требования к инфраструктуре и заранее изучить проблемные места.

Проджектам и техническим руководителям статья поможет оценить реальный объём подготовки, учесть риски в плане проекта и предметно обсудить с инженерами сценарий запуска.

Приятного чтения и предсказуемых внедрений.

Ваш KTS и тут и там показывают

Рассказали в программе Наука и Техника на Рен ТВ @rentv_channel про нашу разработку — мобильное приложение Локки, которое помогает контролировать время в соцсетях.

Ограничить соцсети очень просто: открываете Локки, выбираете, какие приложения заблокировать и задаете период доступа. А ограничения снимаются по физическому ключу-карте.

Смотрите сюжет, скачивайте на Google play и тестируйте.

P.S. Концепт приложения собрали всего за пару часов.

Где AI приносит пользу бизнесу быстрее всего?

Именно в повторяющихся сценариях с понятной логикой внедрение AI даёт измеримый результат за короткое время. 

В новой статье разбираем примеры решений, которые помогли сократить затраты, ускорить работу и разгрузить сотрудников:

🌟AI-база знаний для Альфа-Банка ускорила поиск данных в 20 раз
🌟Чат-бот для банка обрабатывает 97% запросов за 3 секунды
🌟Ассистент для строительной компании помог увеличить конверсию в лид с 38% до 55%

Статья будет полезна всем, кто изучает варианты автоматизации и хочет оценить возможный эффект: читать в блоге KTS.