Research Digests

29 сентября — 14 октября 2026 Лейтмотивы двух недель Надёжность на фоне растущего объёма AI-кода. Pragmatic Engineer три выпуска подряд об устойчивости систем; LeadDev — о code coverage как предохранителе для AI-генерированного кода; TLDR IT — о протоколе для AI-агентов. Доказательство эффекта от AI. LeadDev готовит отчёт Engineering Team Performance Report 2026 и серию событий «prove your AI gains»; Pragmatic Engineer публикует срез индустрии с новыми данными GitHub, Factory AI и Linear. Подотчётность, когда код пишет агент. Опрос LeadDev: кто отвечает, когда агент пишет, AI ревьюит, автоматика мержит; кейсы Marks & Spencer и Meta. Эрозия компетенций. Исследование UNSW в пересказе LeadDev и «Spoon-Feeding Competence Rot» Маартена Далмейна — один вопрос с двух сторон: что происходит с обучением и самостоятельностью суждения. Гонка моделей продолжается. Frontier-релизы Meta, OpenAI, Google, Anthropic, Mistral и Reflection в каждом выпуске TLDR AI. Куда сходить и записаться 21 октября — воркшоп LeadDev «Prove your AI gains, then improve them». Как увидеть, что агенты реально стоят и доставляют, а затем улучшать результат. 22 октября — панель LeadDev «The truth about engineering team performance in 2026». О том, что лидеры измеряют в 2026 и какие метрики выжили. 4 ноября — панель LeadDev «Code coverage makes code quality visible». Как валидировать AI-генерируемый код и раньше ловить риски. 9–10 ноября — LeadDev Berlin. В программе: измерение эффекта AI, масштабирование доверенного AI code review, перевод AI-демо в продукты, которыми пользуются. В любое время — AI Fluency for Product Team Members: self-paced курс Scrum.org о том, как использовать AI в продуктовой работе и проверять её ответы. Кластеры тем 1. Надёжность и устойчивость систем в эпоху AI-агентов The Pragmatic Engineer — подкаст с Сэмом Ньюманом о книге Building Resilient Distributed Systems: Ньюман переделывал книгу три года вместо двух, чтобы учесть, что меняет AI. Гергей Оросц связывает рост аутажей с тем, что AI-агенты деплоят больше кода — и больше багов уходит в прод. The Pragmatic Engineer — «Building resilient AI-powered software»: продолжение темы — планирование отказов заранее, для софта, в котором AI-составляющая растёт. The Pragmatic Engineer — The Pulse: глобальный аутаж Firebase: iOS-приложения на Firebase SDK падали при первом открытии; отдельно разобрано «шокирующе плохое» управление инцидентом. TLDR IT — выпуск 8 октября: «AI Agents Get a Protocol» — появление протокольного слоя для межагентного взаимодействия. 2. Измерение инженерной эффективности и доказательство AI-эффекта LeadDev — готовит Engineering Team Performance Report 2026: что лидеры измеряют в 2026 и какие метрики выжили. The Pragmatic Engineer — «The state of the tech industry in 2026»: кейноут с LDX3 (2000+ лидеров) после визитов в OpenAI, Anthropic, Ramp, Uber; новые данные GitHub, Factory AI, Linear; тезис «скорость изменений никогда не была такой высокой». TLDR Product — «predictability vs outcomes» (13 октября): спор о предсказуемости против результата. 3. Code review и подотчётность, когда код пишет агент LeadDev — опрос для Code Review Report: как AI меняет объём/размер/cycle time PR; кто отвечает, когда «агент пишет, AI ревьюит, автоматика мержит»; улучшают AI-ревью инструменты исходы или добавляют шум. LeadDev — «Meta turned engineers’ judgment into agent skills»: как в Meta «разлили» суждение сеньоров по агентным скиллам. LeadDev Berlin — кейс Marks & Spencer: доверенный AI code review на 200+ инженеров за $200/месяц. 4. Эрозия компетенций: джуны и «сверхопека» LeadDev — «Your juniors aren’t learning»: исследование UNSW — AI-инструменты делают код студентов лучше, но проверка того, что они реально усвоили, переворачивает результат. Главный вопрос выпуска: если джуны шипят работу до того, как понимают её, откуда возьмутся будущие сеньоры. Maarten’s Newsletter — «Spoon-Feeding Competence Rot»: правила и процессы, спроектированные под наименее компетентных, отбирают степени свободы у наиболее компетентных — и делают их слабее. Maarten’s Newsletter — «Descoping is the Lazy and Incompetent Approach…»: про оценки, сроки и честный разговор с CEO вместо вычёркивания скоупа. 5. Путь менеджера и продукта в эпоху AI Leadership in Tech — три выпуска подряд: LT#352 «How to make better decisions», LT#353 «How strategy stopped intimidating me», LT#354 «The manager’s path in the age of AI». TLDR Product — «AI PM salary in 2026» (13 октября) и «death of the interface» — интерфейс умирает, когда агенты покупают и действуют за пользователя; «will agents have network effects?» и «your moat is dead» (9 октября). Scrum.org — «AI ускоряет доставку, только если вы умеете подвергать сомнению то, что она вам даёт»; плюс практики Product Backlog Refinement. Warp — Warp Factories: «Terraform для вашей софтверной фабрики», агенты и автоматизации как код, теперь с нативной интеграцией в Microsoft Teams и Azure DevOps. 6. Гонка моделей и агентов TLDR AI (по выпускам 2–14 октября): Meta — Muse Wonder / Wonder Full, первые frontier-модели компании с активной памятью; OpenAI — GPT-6.1 Ultrafast (до 8× быстрее Sol Standard, $12/$60 за млн токенов) и Decisions API; Google — универсальный Gemini-агент для knowledge work и AI coworkers; Anthropic — Claude Haiku 5.5; Mistral — Mistral Large 4; Reflection — модель на 501B параметров и луч Beam; Nano Banana 2.1; AI self-replication; текстовые водяные знаки OpenAI; «mathpocalypse» и OpenAI-математика. TLDR IT: Microsoft представила чип Maia 300 — третье поколение собственных ускорителей, +40% производительности на мегаватт, масштабный деплой с 2027; Amazon — план на $8B в чипы; Huawei–Qualcomm сделка; Nvidia присматривается к аквихайру Reflection. TLDR: Apple HomeView и домашняя экосистема, WebMCP, iPhone Duo-приложения, ephemeral testing, Google Docs markdown, «интерфейс умирает». 7. Экономика агентов и бизнес-модели TLDR Founders (2–13 октября): agent network effects — появятся ли сетевые эффекты у агентов; AI-rollup TAM и «infinite SaaS»; inference economy и AI margin trap; Agent API tolls — платные «пропуска» для агентов; AI CFO era; «software’s centaur age» и «owning intelligence»; hiring breakpoints и возврат найма сеньоров; «builders are underestimating AI». TLDR IT: OpenAI поставила IPO на паузу; SaaS-акции отскочили; Lambda поднимает $4B; «hardware costs keep rising». 8. Большие вопросы: сознание, жизнь, slop Big Think готовит печатный номер «Made In Our Image: The philosophies of AI and what they reveal about us» — все статьи двух недель из него: «China is mass-producing slop» о промышленных масштабах генерированного мусора; «If AI becomes conscious…» — сознание как моральная, а не только метафизическая загадка, подсказки из отношения к животным. The Big Think Interview — Google CTO Блез Агюера-и-Аркас: единая теория жизни, интеллекта и технологий; «AGI уже здесь»; функция определяет жизнь больше, чем материал. Наука рядом: ведущая теория происхождения жизни столкнулась с проблемой (статья в PNAS), почему нельзя обогнать свет, либерализм как «величайшая технология человечества» (Джонатан Раух). William B. Irvine — «Is Morality Relative?», «The 400-Word Wall» и квиз «Are You a Thinker?»: короткие эссе о мышлении и морали. 9. Русскоязычный и региональный сегмент The Bell — вебинар с директором по развитию Nebius (запись доступна); подписка The Bell.Unlimited. ProductSense — дайджест за август–сентябрь: двойная конференция, новая Академия, бесплатные материалы. Leader-ID Партнёры — «Как вывести IT-продукт на рынки стран СНГ?».

Коротко Product Engineer — неудобное название для важного сдвига. Под ним легко найти hardware, дизайн или presales. Вакансии говорят более конкретным языком: end-to-end ownership, full ownership, Engineer-Owner, you build it, you run it. Это запрос на специалиста, который держит в руках весь путь изменения: понимает проблему и ограничения, принимает технические решения, доводит их до production, видит эффект и участвует в исправлении последствий. Название роли вторично. У такого запроса нет честного международного счётчика: формулировки слишком разнородны, чтобы рисовать график роста «E2E-вакансий». Есть другие наблюдаемые сигналы: язык вакансий, спрос на AI-навыки и распространение внутренних платформ с выделенными platform teams. Последнее показывает, что компании выстраивают среду для более самостоятельной и надёжной поставки. Распространённость E2E ownership эти показатели не измеряют. ...

Коротко Product Engineer — не новая профессия, которую изобрёл AI. Это современная этикетка для давно знакомого сильного профиля: T-shaped инженера. Вертикаль T — глубокая инженерная компетенция: система, код, архитектура, надёжность. Горизонталь T — способность понимать проблему, работать с продуктом и данными, доводить изменение до production и видеть последствия. Такие специалисты были востребованы всегда: senior/staff engineers, founding engineers, сильные full-stack-разработчики, инженеры, которые «build it, run it». Рынок не начал внезапно хотеть этот профиль. Он начал делать его более достижимым. ...

Коротко Product Engineer пока нельзя честно назвать новой массовой профессией 2025–2026. Это исторически неоднозначное название, которое в разработке у части компаний стало обозначать инженера с более широкой продуктовой ответственностью: он помогает понять проблему, выбрать решение, реализовать его, довести до эксплуатации и посмотреть, сработало ли оно для пользователя. Практика существует, но данные не показывают ни стандартизированной профессии в статистике труда, ни массового перехода рынка к одному человеку на весь PDLC. Более того, само название встречается и в производстве, и в электронике, где означает другое. Поэтому для руководителя полезен не титул, а проверяемая конструкция ответственности: где действительно теряется контекст при передаче работы между ролями, какие решения можно отдать ближе к инженеру и какие контуры обязаны остаться независимыми. ...

Supported findings The evidence supports that AI adoption is widespread in the 2025 Stack Overflow Developer Survey: 84% of respondents were using or planning to use AI tools, and 51% of professional developers used AI tools daily.[1][2] The evidence also supports that trust is lower than usage: 46% of developers actively distrust AI tool accuracy, while 33% trust it, and only 3% report highly trusting the output.[1][2] The evidence supports that 64% of developers do not perceive AI as a threat to their jobs.[3] Blocked or unsupported claims The 52% AI-agents aggregation should not be presented as verified, because the gathered evidence does not establish that figure.[1][2][3] The product engineer compensation benchmark claim should not be presented as verified, because no supporting compensation evidence was gathered. The Russian IT market claim should not be presented as verified, because the gathered evidence does not include market data for that conclusion. Evidence caveat Evidence repair budget is exhausted, and the evidence remains insufficient to verify the unsupported claims. Any facts not directly supported by the gathered evidence must be labeled as unverified rather than asserted as true.[1][3] Recommended next-step framing Use only the passing claims in the summary: AI adoption is high, trust lags usage, and most developers do not see AI as a job threat.[1][3] Explicitly flag missing market or compensation evidence instead of filling gaps with assumptions. Keep unsupported figures and market statements clearly marked as unverified until corroborating evidence is available.

Период: 28 июля — 3 августа 2026. Основной сигнал: AI в разработке выходит из фазы «ускорили написание кода» и упирается в систему доставки — ревью, верификацию, governance, стоимость, архитектуру, управленческую ответственность. Что изменилось За неделю пришёл плотный набор писем про одну и ту же трещину: локальная скорость растёт быстрее, чем способность организации проверять, сопровождать и превращать эту скорость в результат. Pragmatic Engineer показал, как Anthropic меняет разработку изнутри: больше AI в тестировании и ревью, проекты на 1–2 инженера, больше параллельной работы, больше цены у верификации. LeadDev рядом с этим ставит холодную рамку: индустрия ждала 10x, реальный эффект ближе к 10%. TLDR и Leadership in Tech добавляют цифры про pull requests, баги, токены и AI-секреты. ...

Агенты уже вошли в разработку. Из каждого утюга слышно: AI пишет код, закрывает pull request, помогает с тестами, ускоряет ревью. Команды внедряют IDE-ассистентов, agentic workflows и внутренние инструменты для миграций, тестов, code review и анализа репозиториев. Метрики процесса начинают шевелиться: выше throughput, быстрее отдельные задачи, больше автоматизации вокруг delivery pipeline. Дальше включается старая продуктовая экономика. Если команда быстрее пишет код, она может быстрее выкатывать фичи. Если быстрее выкатывает фичи, она может запускать больше A/B-тестов. Если запускает больше A/B-тестов, чаще находит прибыльные гипотезы. Значит, AI должен привести к большему количеству денег. ...

Методология: Extended Search Research · 8 потоков · 17+ источников · 2025-2026 Классические фиче-команды и платформенные команды с переходом к Product Engineer проблем не вызывают: «все учат делать всё», стек однородный, AI-агенты подстраховывают. Проблемы начинаются в гибридных командах, где комбо из принципиально разных стеков: Прикладная разработка + дата-инженерия (Java + Trino/Airflow/ClickHouse) Прикладная + коробка + стриминг Карточный процессинг: Java + данные + COTS + персонализация Команда внутри разбивается по системам и стеку. И главный вопрос: как в такой конфигурации выглядит Product Engineer? ...