Продуктивность разработки / как её измеряет DX (Рубрика #DeveloperProductivity) Наш выпуск 3 AImigo откладывается на пятницу - выздороветь за выходные у одного из ведущих не получилось, но сегодня я проведу другой эфир на близкую тему по версии платформы DX, что была куплена Atlassian прошлой осенью за 1 млрд долларов. Вопрос про продуктивность может звучать так: если команда стала выпускать больше pull request’ов, как понять, выросла ли её продуктивность? И как оценить вклад AI, если код пишется быстрее, а очередь на ревью растёт? В прямом эфире сегодня в 17:00 по Москве разберу, как на эти вопросы отвечает платформа DX 🔸 История DX С чего начиналась платформа и как исследования опыта разработчиков легли в основу её подхода к измерению продуктивности 🔸 DX Core 4 Что фреймворк взял из DORA, SPACE и DevEx и как объединяет четыре измерения: скорость, эффективность работы разработчиков, качество и влияние на бизнес 🔸 AI Measurement Framework Как связать использование ассистентов и агентов с изменениями в работе команды и оценить, во сколько обходится полученный эффект 🔸 CAFE(S) Как проверить, понятен ли контекст агенту, можно ли по нему действовать, точен ли он, достаточно ли в нём нужной информации и безопасно ли её передавать Что изменилось в 2024–2026 годах. Сравню отчёты DX о потоке pull request’ов и покажу, что можно узнать из этих данных о скорости разработки и где стоит отдельно смотреть на время до первого ревью. #Management #Leadership #Engineering #Software #Productivity #Processes #Metrics
Open in Telegram
Книжный куб
Разборы книг, статей и докладов про архитектуру, инженерное лидерство и AI в разработке. Каждый день. Автор: Александр Поломодов (@apolomodov), технический лидер, ex-CTO и Technical Fellow. YouTube: youtube.com/@TellMeAboutTech Сайт: polomodov.tech
Subscribers, 30 days
Nov 8 – Nov 15+1,896 (+10.8%)
Show as table
| Date | Subscribers |
|---|---|
| Nov 8, 2026 | 17,504 |
| Nov 9, 2026 | 17,622 |
| Nov 10, 2026 | 17,977 |
| Nov 11, 2026 | 19,363 |
| Nov 12, 2026 | 19,495 |
| Nov 13, 2026 | 19,450 |
| Nov 14, 2026 | 19,425 |
| Nov 15, 2026 | 19,400 |
Average views per post by day
By publication day
Show as table
| Date | Avg views per post |
|---|---|
| Nov 4, 2026 | 2,505 |
| Nov 5, 2026 | 2,285 |
| Nov 6, 2026 | 2,316 |
| Nov 7, 2026 | 2,310 |
| Nov 8, 2026 | 2,279 |
| Nov 9, 2026 | 2,583 |
| Nov 10, 2026 | 2,859 |
| Nov 11, 2026 | 2,933 |
| Nov 12, 2026 | 2,440 |
| Nov 13, 2026 | 2,520 |
| Nov 14, 2026 | 1,925 |
| Nov 15, 2026 | 1,693 |
| Nov 16, 2026 | 1,188 |
Most viewed this month
- 01Views3KForwards19Reactions8Comments9
- 02Views2.99KForwards30Reactions5Comments0
- 03Views2.93KForwards54Reactions13Comments18
- 04Views2.87KForwards12Reactions11Comments0
- 05Views2.81KForwards46Reactions13Comments0
Latest posts
От продуктов к потребностям: как меняется организация — материалы выпуска (Рубрика #Management) В это воскресенье вышел очередной выпуск Code of Leadership (S2E31, #89) на это раз о том, как в одном большом финтехе попробовали выстроить работу вокруг потребностей клиента. Представьте: человек накопил на первый взнос за машину и получил одобрение по кредиту. Потом выясняется, что страховка слишком дорогая, и покупка срывается. У страховщика были свои причины назначить такую цену. А кто в этой схеме отвечает за всю покупку? В выпуске разобрал: 🔸 Где заканчивается автономия продуктовой команды Вертикали позволили бизнесам развивать свои продукты и меньше зависеть от общей очереди. А при покупке машины на каждом шаге важно знать, какую машину клиент присмотрел, сколько отложил и на какой кредит рассчитывает. Тут командам приходится договариваться, кто передаёт этот контекст и кто решает, что делать, если один из шагов застопорился. 🔸 Зачем нужны сегменты Одному человеку машина нужна сейчас, другой готов подождать и накопить на больший взнос. Потребность одна, а подходящие размер кредита и ежемесячный платёж могут отличаться. 🔸 Как считать экономику нескольких продуктов На условном примере с вкладом, инвестициями и страхованием жизни показываю, как считать взвешенный LTV: вклад каждого продукта в ценность отношений с клиентом зависит от вероятности, что тот его оформит. 🔸 Откуда взялся тессеракт На слайдах вращаю проекцию четырёхмерного куба (тессеракта): потребности, сегменты, продуктовые и технические платформы. По моим наблюдениям, после редизайна в некоторых случаях согласований стало больше. Поэтому я бы взял один клиентский сценарий и посмотрел, какие решения в нём команды теперь принимают иначе. Материалы выпуска: — Страница выпуска с таймкодами и слайды — Видео: YouTube, VK Видео — Аудио: Podster, Apple Podcasts — Текстовый конспект А у вас кто принимает решение, когда одной команде выгодно сказать «нет», а клиенту без неё дальше не пройти? #CodeOfLeadership #Management #Leadership #OrgDesign #Product
Open in TelegramDX Q3 2026 и цена доверия к коду (Рубрика #AI4SDLC) В двух выпусках Research Insights Made Simple мы с Евгением Сергеевым разбирали, как ребята из DX предлагают измерять инженерную продуктивность и эффект от AI (вот подкасты про DX Core 4 в общем и про измерение влияния AI). В октябрьском отчёте DX применяет обе рамки. Core 4 показывает скорость поставки, опыт разработчиков, качество и долю времени на новые возможности. AI Measurement Framework добавляет использование AI, его эффект и расходы. В основе отчёта — телеметрия и опросы из более чем 500 организаций, которые используют платформу DX. С Q4 2025 по Q3 2026 медианный недельный TrueThroughput вырос на 75,5%, с 1,43 до 2,51 взвешенного PR на инженера. За последний квартал разработчики заметно лучше оценили отладку в проде (+13,3%), документацию и сборку с тестированием (по +10,4%). Оценка того, насколько легко доводить изменения до выпуска, выросла на 3%. Доля неудачных изменений и время восстановления после неудачного деплоя остались примерно на прежнем уровне. Доля рабочего времени на новые возможности по опросам сдвинулась с 57% до 59% за четыре квартала. По телеметрии около 56% наблюдаемых AI-сессий шли на поддержку и исправления, 11% — на новые возможности. Здесь мне нравится, что есть два разных способа посмотреть на работу команды. Опрос показывает, как инженеры распределяют своё время, а сессии — для каких задач они зовут агента. Чтобы понять, куда ушли сэкономленные часы, надо проследить сами задачи от начала до конца. А теперь к тому, что я пометил на полях. 1️⃣ Из чего сложились +75,5%? TrueThroughput взвешивает влитые PR по сложности при помощи модели. Размер diff в строках — один из сигналов, и медианный PR за этот период вырос на 122%. Тут мне хочется увидеть рядом обычное число мержей на инженера и средний вес PR по одним и тем же компаниям. Пока по графику трудно понять, сколько роста дали дополнительные мержи и сколько — более тяжёлые по оценке DX изменения. На стр. 10 мелькает ещё +47% к delivery volume. Было бы интересно узнать у DX, что именно они там посчитали. Немного про это рассказывал Аби Нода из DX в рассылке, когда говорил о весах этой модели. 2️⃣ Почему первое ревью приходится ждать дольше? В Q3 у компаний с долей AI-кода 20–40% медианное ожидание первого ревью было 40 минут, а в группе с 80% и выше — 82 минуты. Я бы рядом со временем ожидания посмотрел на число PR на ревьюера и время активной проверки одного PR. Если ревьюеры просто заняты другими изменениями, можно перераспределить нагрузку. Если им приходится подолгу восстанавливать контекст каждого изменения, это уже вопрос к тому, что приходит на ревью. 3️⃣ Расходы на AI на разработчика выросли примерно в 21 раз за один год Я обвёл обе точки на графике, $63 в Q4 2025 и $1 314 в Q3 2026. Ещё 94% токенов в последнем квартале пришлись на чтение из кеша. Чтобы понять, сколько денег уходит на повторное чтение контекста, нужна разбивка биллинга по типам токенов. Дальше хочется посчитать, во сколько обходится одна задача, прошедшая ревью и тесты, и как эта цена меняется по мере роста расходов. Это продолжение моего поста про token burn. 4️⃣ Цена доверия к изменению DX предполагает, что часть работы ревьюера уходит на восстановление того, чего не было в контексте агента. Зачем вообще нужна эта правка? Какие ограничения действуют? Как поймём, что задача решена? Авторы предлагают оценивать контекст через фреймворк CAFE(S), и в Q3 это пока гипотеза о причинах задержек. Мне было бы интересно проверить её на похожих задачах. Если заранее записать архитектурные ограничения и критерии приёмки, сколько человеческого времени удастся сэкономить от открытия PR до мержа, включая переделки? #AI #AI4SDLC #Engineering #Metrics #Research
Open in TelegramЗаходите на прямой эфир про трансформацию от продуктов к потребностям, где я расскажу в чем была суть и как развивались дела дальше после истории про "Организационный редизайн подразделения в 1к инженеров", о которой я рассказывал неделю назад.
Open in TelegramViews growthHide views growth
Views growth
Hours after publication
Show as table
| Hours after publication | Views |
|---|---|
| 0 h | 0 |
| 1 h | 410 |
| 15 h | 1,650 |
| 29 h | 1,963 |
- After 1 hour410
- After 24 hours1,963
- Total to date1,963
Views growthHide views growth
Views growth
Hours after publication
Show as table
| Hours after publication | Views |
|---|---|
| 0 h | 0 |
| 15 h | 1,480 |
| 29 h | 1,963 |
- After 24 hours1,963
- Total to date1,963
Views growthHide views growth
Views growth
Hours after publication
Show as table
| Hours after publication | Views |
|---|---|
| 0 h | 0 |
| 15 h | 1,483 |
| 29 h | 1,976 |
- After 24 hours1,976
- Total to date1,976
Views growthHide views growth
Views growth
Hours after publication
Show as table
| Hours after publication | Views |
|---|---|
| 0 h | 0 |
| 15 h | 1,478 |
| 29 h | 1,964 |
- After 24 hours1,964
- Total to date1,964
Views growthHide views growth
Views growth
Hours after publication
Show as table
| Hours after publication | Views |
|---|---|
| 0 h | 0 |
| 15 h | 1,441 |
| 29 h | 1,880 |
- After 24 hours1,880
- Total to date1,880
Views growthHide views growth
Views growth
Hours after publication
Show as table
| Hours after publication | Views |
|---|---|
| 0 h | 0 |
| 15 h | 1,428 |
| 29 h | 1,869 |
- After 24 hours1,869
- Total to date1,869
Views growthHide views growth
Views growth
Hours after publication
Show as table
| Hours after publication | Views |
|---|---|
| 0 h | 0 |
| 15 h | 1,430 |
| 29 h | 1,870 |
- After 24 hours1,870
- Total to date1,870
Connections
Similar channels
DEKSDEN notes@deksden_notesTechnologies3.24K
42 секунды@ftsecTechnologies19.4K
Кот на связи.@kotsvzstTechnologies19.3K
Точки над ИИ@tochkinadaiTechnologies19.6K
Kali Novskaya@rybolos_channelTechnologies19.1K
Техасский Вестник@starbasepostTechnologies19.7K
Глеб Кудрявцев — мастер AI@gleb_pro_aiTechnologies19K
AbstractDL@abstractdlTechnologies18.9K