Kurgan-Telecom Ru | Информационные технологии

Аналитики обошли разработчиков. Банки нанимают каждого седьмого, но зарплату почти не показывают. 1С — второй по популярности инструмент рынка. И пара вещей про Go и GPT, которые вас удивят.

Мы собрали все активные IT-вакансии на hh.ru — по России, Беларуси, Казахстану, Узбекистану и Грузии. Итог после отбора: 20 000 позиций от 8 000 работодателей.

Зарплату указали только в 35% объявлений. Все медианы в этом тексте — только по ним. Работодатели, которые не показывают вилку, платят, возможно, иначе. Держите это в голове.

Ко мне на кафедре обратились двое старшекурсников. Они пишут программу для археологов: пользователь фотографирует, что нашел, программа лезет в модель (которая натренирована на исторические архивах) и возвращает карту вероятностей, где поблизости могут лежать неметаллические артефакты, которые металлоискатель не ловит. Дерево, керамика, кость, ткань и тд. Для обучения модели им нужен был большой датасет фотографий находок времен WW2 (значки, гильзы, медали, фрагменты обмундирования) под разными углами и наклонами.

Они прикинули два варианта: либо снимать каждый предмет вручную с разных ракурсов, перетаскивая штатив или поворачивая объект пальцами, либо сначала вылепить 3D-модель каждого артефакта вручную и потом программно крутить её в виртуальной сцене под разным светом, рендеря оттуда кадры для датасета. По обоим выходило пара месяцев работы.

Я предложил собрать автоматическую поворотку. Спроектировал, напечатал, написал прошивку и питоновский скрипт. Сразу не заработало, переделал пару дней. К ночи рабочей версии я сидел за столом и каждые 12 минут жал ресет на Arduino, меняя предмет на платформе. К утру датасет был готов.

Представьте типичную продуктовую команду. У них все просто и понятно: вот бэклог, вот новые фичи, вот спринты, а в конце довольный бизнес считает прибыль. Метрики эффективности прозрачны: выпустили фичу вовремя, и если за ней не последовал шлейф багов, все молодцы.

А теперь представьте команду внутренней Платформы. Они не создают продукт для внешних заказчиков. Их клиенты — это соседние отделы разработки. И когда платформа работает идеально, ее никто не замечает. Но если нет, разработчики фич тихо страдают.

Здесь мы ступаем даже не на хрупкий лёд, а по пояс проваливаемся в туман над болотом. У нас нет единого определения интеллекта, сознания, а нейробиология как наука находится в фазе стремительного роста, что, сугубо по мне, соответствует этапу развития подростка. Но никак не зрелой личности. Поэтому, руководствуясь тем, что можем наблюдать и краеугольным: «я так чувствую», лезем в дебри методологических анализов. И щупаем наличие сознания у машины, и не только у неё.

«Напишем сами, там простая логика», — так говорит каждая вторая команда из тех, с кем мы работаем. Простая логика оказывается льготными периодами, пересчётами при смене тарифа и разработчиком, который единственный знает, почему вот этому клиенту выставляется именно такая сумма. Четыре грабли и список того, что стоит заложить до первого клиента.

Как же сделать цифровой рубль инструментом сбережения?

Всё относительно просто. Центральный банк может разрешить гражданам приобретать не физическое золото из государственных резервов, а его цифровые эквиваленты (токены) в обмен на цифровые рубли. На сегодняшний день прямые продажи золота из резервов населению не ведутся — они осуществляются лишь банкам и госкомпаниям. Однако законодательная база для более широкого оборота драгметаллов постепенно создается, что делает такой сценарий не фантастикой, а вопросом будущего.

В рамках предлагаемой модели после сделки реальное золото останется на хранении в ЦБ, а цифровые рубли за приобретенные золотые токены будут изъяты из оборота — произойдет их ремиссия (своего рода «сжигание» денег). Спустя оговоренный срок (например, год) Центральный банк сможет выкупить этот золотой токен обратно, произведя эмиссию цифровых рублей уже по рыночной цене золота на момент покупки. Разница в цене и составит доход держателя токена.

Как-то раз на одном из программистских форумов я наткнулся на интересную задачку. Интересна она была тем, что требовалось рекурсивное решение на Java. Мне захотелось разобраться…

Cursor, Copilot и другие AI‑инструменты обещают быстро закрыть рутину с unit‑тестами: сгенерировать кейсы, расставить моки, добавить ассерты и поднять покрытие. Но зелёные тесты ещё не означают, что код защищён от регрессий.

В статье разбираем пять типичных паттернов, из‑за которых AI‑сгенерированные тесты выглядят убедительно, но пропускают реальные баги.

Случайная продажа молодого продукта может выглядеть как подтверждение рынка. На практике она часто оказывается коммерческой аномалией: деньги пришли, но не по той логике, которую команда собиралась проверять. Такая выручка приятна, но опасна, если на её основании начинают менять стратегию, продукт и продажи.

Иногда щука действительно оказывается в лодке после удара веслом. Но это ещё не делает весло рыболовной снастью. В продажах молодого продукта случайная выручка работает похожим образом: событие было, а метода пока нет.

VK без предупреждения удаляет IP-адреса. Доступ к Telegram блокируют со всех российских VPS. Обход белых списков классическим способом - под угрозой. Это не список проблем — это первые два месяца работы VPN-сервиса в 2026 году.

Все начиналось обычно: без мата, ругани, алкоголя...

Привет, Хабр! Меня зовут Анна Пушкарева, я системный аналитик в компании «СИБИНТЕК‑СОФТ». Три года назад я перешла из разработки в аналитику и сейчас участвую в создании внутреннего сервиса для управления проектами — от первых требований до тестирования на реальных пользователях.

В этой статье я расскажу о профессии системного аналитика с практической точки зрения. Материал в первую очередь ориентирован на тех, кто работает или планирует работать в ИТ‑сфере, но будет полезен и аналитикам из других областей — многие подходы и принципы универсальны. Я поделюсь не только теорией, но и конкретными примерами из своего проекта, покажу, какие задачи реально приходится решать и с какими инструментами работать.

Разбираю что делать, когда есть трафик, но нет заявок заявок, и на каком этапе теряются клиенты.

Эта статья выросла из одного наблюдения. К нам регулярно приходят предприниматели с одной и той же жалобой: «Мы платим за SEO-продвижение. Позиции растут. Трафик растёт. Отчёт красивый. А в кассе тихо». Я настолько часто это слышу, что решил один раз подробно разобрать, где именно ломается система.

В своей прошлой статье: «статья», я описал примеры из реальной работы, когда ИИ-инструменты повышают продуктивность разработчика и помогают командам быстрее закрывать таски.

Однако, к сожалению, я хочу признать, что до этой статьи я написал целую серию постов, где разбирал тему проектирования публичного API, которая не нашла какого-то интереса со стороны читателей. И с учётом анализа айтишного поля в инфопространстве сейчас есть лишь две темы, которые обсуждают люди: «Смерть айтишной профессии (в том числе массовые увольнения)» и ИИ-связанные темы. И я решил подумать, а почему это происходит.

«Смерть айтишной профессии» обсуждать не будем, ибо это тема для дум-скроллеров, поговорим про ИИ.

ИИ — потенциальный gamechanger

Если мы предполагаем, что навыки написания кода у ИИ будут развиваться с такой же скоростью, как они развивались после появления ChatGPT, то в какой момент изучение айтишного инструментария станет бесполезным?

Записать созвон — легко. Сложнее потом найти, где именно обсуждали сроки, бюджет и того самого человека, которого нужно было добавить в копию письма.

В какой-то момент я понял, что проблема не в записях, а в доступе к смыслу: файл лежит, но пользоваться им почти так же неудобно, как если бы его не было.

Из этой боли получился pet-проект для работы с голосовой информацией — с распознаванием, поиском, AI-сценариями, шарингом и всеми радостями реального мира: 20 ГБ видео, многочасовыми аудио, плохим интернетом, бот-скриптами и пользователями, которые всегда используют продукт не так, как ты ожидал.

Многие переживают из-за ИИ, который нас тут всех заменит и останемся мы без работы. Не буду отставать от мэйнстрима, и тоже выскажусь на эту тему – поглядим на проблему с разных сторон.

Всё сказанное - сугубо моё личное мнение, на полноту и истину не претендую. Кстати, можете воспользоваться современной опцией - кинуть ссылку в ИИ и спросить, чушь тут написана или нет, и стоит ли её читать :)

Да, и статья - про программистов 1С. Если вы отсюда - вам сюда. Если не отсюда - читните, как оно у нас.

Я изучаю английский уже много лет и перепробовал разные типы приложений — какие-то лучше подходят для заучивания слов, какие-то для оттачивания грамматики, а где-то просто можно классно провести время в формате игры и узнать что-то новое.

В этой статье я расскажу о приложениях, которые мне понравились больше всего. Сразу скажу, что это не рейтинг от лучшего к худшему. Все приложения разные и по-своему хороши — просто выбирайте под свои цели.

Главная проблема корпоративного ИИ — не модели, не инженеры и не промпты. Главная проблема — доверие, узкие места и зрелость процессов.

После семинара легко было бы написать привычный текст про ChatGPT, Claude, Gemini, RAG, GraphRAG, агентов, рынок труда и кодогенерацию. Все эти темы действительно прозвучали. Но главная мысль оказалась не технической.

ИИ ломает не профессию программиста и не профессию преподавателя. Он ломает привычную организацию труда. И именно там начинается настоящая сложность.

Модель можно купить. API можно подключить. Векторную базу можно развернуть. Агентный фреймворк можно выбрать. Но всё это почти ничего не значит, если сотрудники не доверяют результату, данные лежат в хаосе, процессы не описаны, источники истины неизвестны, а ускорение одного отдела просто переносит пробку в следующий отдел.

Поэтому главная проблема внедрения ИИ — не про модели и не про инженеров. Она про доверие, узкие места и дисциплину процессов.

Технология здесь, как ни странно, последнее, о чём стоит беспокоиться.

TL;DR. Один «безобидный» foo.GetAsync().Result в middleware способен превратить ASP.NET Core, державший 50k RPS с p99 = 40 мс, в сервис с 12k RPS и p99 = 4 с — при CPU 8 %. Виноват не сам blocking call, а hill-climbing — фидбэк-луп в ThreadPool, в недрах которого живёт дискретное преобразование Фурье. Разбираем по исходникам CoreCLR, почему это вообще возможно, воспроизводим эффект на ~80 строках кода и разбираемся, почему SetMinThreads — не решение, а анестезия.

Когда я начал поднимать PostgreSQL через Docker для своих проектов, всё выглядело просто: описал сервис в docker-compose.yml, запустил контейнер - база доступна.

Проблемы начались когда, я начал запускать миграции вместе с контейнерами. Иногда миграции стартовали раньше чем PostgreSQL успевал принять подключения, и приложение падало с ошибкой подключение к базе данных.

OpSec (Операционная Безопасность) — способ скрыть важную пользователю информацию в сети для избежания утечек или взлома аккаунтов.

Сам по себе OpSec не является чем то сложным. Соблюдать базу операционной безопасности может абсолютно каждый, достаточно простых знаний того, как работает компьютер или другая электроника.