Поддержка исследовательского развития инженеров-менеджеров (МИМ)

Особенность финансовых систем состоит в том, что с ними очень легко полностью уйти в работу с описаниями и описаниями описаний, полностью оторвавшись от реальности. Часто это происходит, когда появляются: — производные инструменты, — цепочки взаимосвязанных обязательств, — схемы децентрализованного учёта, — AI-автоматизация, — неочевидные связи ролей и интересов, — системы, где большая часть объектов существует только в модели будущего, отражаясь в ожиданиях, намерениях, договоренностях. Тогда команда постепенно теряет возможность ответить на простые вопросы: Что именно является продуктом? Где возникает ценность? Какая система у нас моделируется? Что существует в реальности, а что только как описание? Что именно переходит между участниками? И как всё это связано с архитектурой системы? На семинаре Виктора Агроскина будут разбираться именно такие случаи. Например: 🔧 AI помогает описывать и даже проектировать систему для финансового рынка, но постоянно галлюцинирует и путается в терминологии, потому что модель проекта не сведена в единую эпистему. 🔧 Учётная система разрастается слоями "операций", "сделок", "обязательств", "лимитов", “остатков” и "средств в пути", и теряется способность трассировать между собой эти объекты из разных версий требований, документации, схем баз данных и моделей бизнес-логики. 🔧 Инвестиционная платформа одновременно существует как: — "доступ к инвестициям" для клиента, — "доходность/риск" для инвестора, — интерфейс и back-end для команды, — набор прав обязательств для юристов, — нормативных требований для compliance. Все говорят об одном продукте, но видят разные системы. Семинар интересен тем, что Виктор разбирает такие проекты не через "мотивацию", "продуктовый подход" или "визионерство", а через различение: — системы, — описаний, — ролей, — обязательств, — ценностей, — намерений, — и версий будущего, в которых это всё реализуется. 📌 Разбор кейса за 20 минут может показать больше, чем месяцы обсуждений внутри команды. Сегодня е

Что даёт устойчивость в быстро меняющейся области? Ответы устаревают, инструменты меняются, SoTA сдвигается. Даже сильный ИИ может уверенно дать аккуратный, но уже устаревший ответ. Поэтому человеку всё чаще нужно задавать не только вопрос, но и правила работы: что проверить, какие источники считать свежими, где ответ может устареть и какой результат можно использовать дальше. Для исследовательского развития FPF даёт общий язык рабочих ходов: сформулировать проблему, выбрать объект, удержать контекст, построить варианты, принять решение, довести до работы и улучшить результат. Следующий шаг — учиться строить предметные регламенты для ИИ-агентов. SPF переносит эту работу в конкретную область: — какие проблемные ситуации там повторяются; — какие профессиональные ходы сейчас сильны; — какие ошибки типичны; — какие источники и примеры действительно меняют решение. ❗️На бесплатном семинаре 28 июня Анатолий Левенчук проведёт практикум, где можно получить первый результат: SPF-0 для одной вашей задачи за 90 минут. Это более персональный вход в FPF: выбрать повторяющуюся задачу, увидеть, где обычный ИИ промахивается, и собрать короткий регламент, который можно дать агенту после встречи. Ссылка, запись и все материалы будут в канале "Рабочее развитие": @mim_workdev Там же — информация о подготовке к бесплатному практикуму, где соберём первый регламент для ИИ-агента в вашей работе🤝

Экономия токенов начинается раньше токенов. Дорогая работа с AI часто начинается не в счёте за API, а в неясной задаче. Если предметная логика не собрана, агенту приходится угадывать: что важно, какие ограничения держать, где нужен источник, что считать ошибкой, какой результат годится для следующего шага. Чем сильнее модель, тем убедительнее выглядит её ответ. И тем труднее заметить, где она промахнулась. В итоге человек платит не только токенами. 🔧 Он платит временем, вниманием, ручной доводкой, повторными объяснениями и разбором гладких, но непригодных черновиков. Поэтому, важнее — какое мышление должно быть у человека и AI-агента, чтобы они могли работать в одной предметной области? FPF даёт общий язык рабочих различений: проблемная ситуация, решение, архитектурный вопрос, проверка, документ, выполненная работа, пригодность результата, следующий ход. DPF переводит этот язык в выбранную предметную область: правила отрасли, ограничения, типовые ошибки, проверки, примеры и признаки пригодного результата. И здесь ценность появляется не только для агента. ✅ Когда человек собирает DPF, он сам пересматривает свою предметную логику: где действует по привычке, где метод выбран под задачу и ресурсы, какие ошибки повторяются, что уже изменилось в области и где тем же ресурсом можно получать более точный результат. Это уже не про экономию пары фраз в промпте. Это про смену класса работы: от надежды на хороший ответ модели — к рабочему языку, на котором человек и AI-агент могут удерживать задачу, проверку, архитектуру и пригодность результата. Серия по FPF и DPF — редкая возможность разобрать это с Анатолием Левенчуком на новом содержании FPF: архитектурном мышлении, точности языка, предметных моделях и сборке DPF для выбранной области или класса задач. Пять 3-часовых практикумов стартуют 12 июля. Можно выбрать один практикум или пройти весь маршрут. Подробная программа: https://system-school.ru/list Оплата иностранными картами и для юрлиц: @Gelya1848

Коллеги, сегодня начинаем серию практикумов по FPF. Для исследовательского развития здесь, кажется, самый весомый повод. AI уже умеет быстро делать обзоры, сводки, гипотезы и планы исследования. ✅ Но исследовательская ценность появляется там, где видно: какой вопрос задан, на какие источники опираемся, где свидетельства, где слабое место, где граница использования вывода и когда нужно обновить основание. FPF даёт язык для таких рабочих утверждений. DPF позволяет перенести этот язык в конкретную предметную область: типовые ошибки, сильные источники, SoTA, проверки, критерии пригодного результата. Сегодняшний первый семинар — вход в эту работу: как читать ответ AI-агента как гипотезу о модели ситуации, а затем превращать его в запись, по которой можно продолжать исследование, обсуждение или сборку DPF. ❤ Если вы работаете с источниками, knowledge base, обзорами, научными вопросами, методами и проверками, это одна из самых близких серий, которая может упростить и усилить вашу работу одновременно. Старт — 12 июля, 11:30 МСК. Запись будет, но лучше не откладывать: ценность этой серии будет расти в живой подаче. Вопросы, первые пробы, ошибки применения и язык группы начнут собираться в ближайшее время. Потом можно будет пересмотреть содержание, но сложнее будет догнать момент, где это понимание рождается вместе с практикой. Присоединиться к группе: @SystemsSchool_bot Подробности: https://system-school.ru/list