Карьера

На рынке труда в США сейчас намного лучше живётся без высшего образования. У молодых работников 22–34 лет без диплома безработица одна из самых низких за последние ~20 лет. С высшим образованием, наоборот, туго — уровень безработицы постоянно растёт 🥴 Причина простая: огромный спрос на профессии «работяг» вроде строителей, заводчан, официантов и так далее. Иммиграция упала, а старшее поколение, которое занималось подобным всю жизнь, ушло на пенсию Для тех, кто закончил вуз, ситуация обратная — выпускников бакалавривата стало больше чем раньше, а многие начальные позиции в корпорациях забрал себе ИИ В общем, путь «закончил хороший вуз → сразу же получил работу» сломался — временно или навсегда, никто не знает ¯\_(ツ)_/¯

Задолбали принимать плохие решения Если ты умный, талантливый, красивый руководитель, прекрасно танцуешь и увлекаешься спортом, то тебя раздражает, что твои сотрудники все время притаскивают какие-то идиотские решения. Ты, разумеется, знаешь как правильно и объясняешь им, но в следующий раз ситуация повторяется один в один. И чем больше ты подсказываешь им правильные решения, тем больше они к тебе ходят. Замкнутый круг! Настало время правды, дружище: твои решения кажутся ТЕБЕ лучше только потому, что их придумал ТЫ. Потом ты продавливаешь их и в результате они принимаются. А на самом деле хз вообще как правильно. В результате ты начинаешь больше принимать великолепных решений за своих сотрудников, они теряют волю и начинают бегать к тебе по любому вопросу вообще. Лучшее, что ты можешь сделать в такой ситуации - отвалить от своих людей и дать им возможность решать самим, ошибаться самим и исправлять свои косяки тоже самим. Попросят помочь - поможешь. Если нужно - задашь вопросы, чтобы убедиться что твои ребята продумали все нюансы. Можешь предложить свою идею, но финальное решение оставь за людьми, иначе так и будешь возиться с ними как с детьми и у тебя не останется времени на ведение Телеграм канала.

Послевкусие встречи Обращали внимание, что после встреч с разными людьми остается совершенно разное состояние? После разговора с одним хочется что-то сделать: написать человеку, запустить проект, принять решение, которое давно откладывал, поделиться контактами, кому это может быль полезно. После другого вроде поговорили обо всем правильно, но через час даже сложно вспомнить, зачем встречались. А после третьего иногда нужно время, чтобы просто переключиться. И мне кажется, мы сильно недооцениваем этот эффект в коммуникации. Обычно деловую встречу оцениваем довольно рационально: ▪️договорились ли о следующем шаге ▪️получили ли нужный контакт ▪️появилась ли сделка ▪️узнали ли что-то полезное Но есть еще один результат, который сложно положить в CRM: в каком состоянии человек ушел после разговора с вами. Ему стало интереснее? Появились новые идеи? Захотелось действовать? Или следующие полчаса он думал только о том, зачем вообще согласился на эту встречу. Причем этот эффект накапливается. Мы можем через год уже не помнить, о чем конкретно разговаривали с человеком, но довольно хорошо помнить ощущение, которое осталось после общения. Наверное, поэтому к одним людям хочется возвращаться, приглашать их в проекты, знакомить с друзьями и рекомендовать. А с другими в календаре постоянно почему-то «нет свободных окон». Социальный капитал формируется не только из того, кого знаете вы. Но и из того, что остается у людей после встречи с вами. Поэтому после следующей встречи интересно задать себе не только привычное: «Что я от нее получил?» Но и другой вопрос: «С чем после встречи со мной ушел другой человек?»

Сегодня сделай иначе Я довольно долго работал в одной компании на старте своей айтишной карьеры. Менялись роли, продукты, зоны ответственности, даже случался внутренний рост, что для меня вообще редкость, потому что рос обычно с переходом. Ну и закис, конечно. Больше 3-4 лет на одном месте ощущается уже тревожно, как будто мир бежит вперёд, а ты сидишь в болотце, прислонившись спиной к кулеру. Уходить куда-то было страшно (обычная история, меня в итоге практически силой потом схантили), и я начал раскачивать себя с микро-изменений: • Каждый день старался ходить к метро новым маршрутом, и в результате изучил все дворы на районе. В этих дворах находил редкие, старые или просто интересные тачки, фоткал их. Так родился мой первый канал "тачки-дворы", который я не раскачал, но получил опыт и удовольствие огромное! • Не откладывал никакие дела и экстремально делегировал, в итоге на работу уходило час-полтора в начале дня, а дальше мог заниматься своими делами. Так и вышел на ребят со странным стартапом, которые меня в итоге и вытащили из болотца. Ну и всё. Этого оказалось уже достаточно. Я подсознательно начал добавлять совсем немножко неопределённости в жизнь — новые маршруты, новые люди, и маховик изменений получил достаточный импульс, чтобы начать раскручиваться. Сейчас другие времена и надо приложить больше усилий. Не обязательно делать сразу радикальные мувы, так что с нынешним закисанием борюсь по той же технологии: раньше встаю, пробую новые виды спорта (пост), упростил рабочее планирование и трекинг времени, выстраиваю команду для жизни (пост) и живу микро-жизни (пост). Сегодня понедельник, сделайте хотя бы какую-то мелочь иначе. Да хотя бы кофе по пути на работу возьмите другой. Фильтр вместо рафа вас вштырит, может идея какая в голову придёт вместо утренней сахарной комы.

😳 Кандидаты готовы ждать — но не в неизвестности Данные HRMOST и Авито Работы, опубликованные 4 сентября, показывают: скорость ответа важна, но ещё важнее для кандидата понимать, что происходит с его откликом. Авторы опросили более 9 тыс. россиян, которые самостоятельно искали работу. 🔵69% дольше сохраняли бы интерес к вакансии при автоматических уведомлениях о статусе 🔵На практике 22% переключаются на другие предложения уже после одного дня молчания, ещё 41% — через 2–3 дня 🔵59% сталкивались с ситуацией, когда работодатель переставал отвечать без объяснения причин 🔵42% хотят получать краткую обратную связь даже при отказе 🔵38% важно заранее знать сроки решения, а 37% — видеть текущий статус отклика Кандидаты не обязательно требуют мгновенного оффера. Чаще им нужна предсказуемость: принят ли отклик, когда ждать следующий контакт и завершён ли отбор. Даже сообщение «вернёмся через три дня» снижает неопределённость лучше, чем обещание ответить «в ближайшее время». Для бизнеса молчание — это не только проблема репутации. Пока компания обсуждает кандидата внутри, тот продолжает сравнивать предложения. Поэтому длинный процесс не всегда проигрывает короткому, а непрозрачный — проигрывает почти всегда. Если человек понимает этапы и сроки, он может оставаться в воронке дольше даже без окончательного решения. Автоматизация здесь полезна не как замена человеческому общению, а как страховка от информационных провалов. Подтверждение отклика, уведомление о переносе сроков и корректное закрытие вакансии можно отправлять автоматически. Содержательная обратная связь и обсуждение решения всё равно остаются задачей рекрутера и руководителя. HR-команде стоит измерять не только time-to-hire. Более чувствительные показатели — медианное время до первого ответа, доля кандидатов без финального статуса, число этапов с нарушенным сроком и отказы соискателей после длительного ожидания. Так становится видно, где воронка теряет людей из-за качества процесса, а не из-за условий вакансии. Опрос фиксирует заявленные ожидания, а не фактическую конверсию в найм. Кроме того, в открытом релизе не раскрыты период сбора данных и способ формирования выборки. Поэтому проценты лучше использовать как ориентир для проверки собственной воронки, а не как универсальный норматив. ✅ Вывод Хороший кандидатский опыт начинается не с подарка после интервью, а с управляемой неопределённости. Компании не обязательно принимать решения за сутки — достаточно соблюдать обещанные сроки и не оставлять человека без статуса. В найме тишина тоже передаёт сообщение, и обычно оно работает против работодателя.

Как-то у меня невиданными просмотрами разлетелся рилс, где я говорю, что можно быть добрым и опасным. И советую это каждому руководителю. Друг рассказал, что он эту тему развил дальше, и отслеживает теперь, сколько раз каждый день от своих коллег он что-то требует и сколько раз он хвалит. Про требовать интересное. Для некоторых из нас это самое сложное - быть конкретным и сказать, как я хочу, и что для меня хороший результат. Будто от моей конкретики мир куда-то разрушится и кто-то пострадает. Где-то рядом и похвала: а за что хвалить, а разве и так непонятно, что если все ок, то и реакция моя ок. А люди сложнее, им важно, им хочется, они готовы додумывать, но будут это делать в другую сторону. Так что да, завтра рабочая неделя. Те из нас, у кого счет ноль-ноль в требовать-хвалить, могут потренироваться. А там и люди нас удивят, и чаще положительно удивляют, кстати ❤️

Бен Эванс поделился тут скепсисом в отношении прогнозов и сценариев от Antropic. И сослался на свой майский пост «Predicting AI job exposure». Не настолько этот пост классный, чтобы читать его целиком. Но на одну идею нам точно надо обратить внимание: AI может не сильно повлиять на профессию, но радикально трансформировать бизнес-модели в некоторых индустриях. Мобильные технологии не меняли рынок такси, но Uber поменял. Это же можно сказать и про маркетплейсовую и классифайдную модели. То есть мы ещё долго может не увидеть на рынке труда масштабных прямых эффектов от AI. Но косвенные мы видим уже сейчас. Их будет больше, они будут накапливаться, и создавать неочевидные последствия. А текущие подходы в прогнозах AI Job Exposure этого не учитывают. → https://www.ben-evans.com/benedictevans/2026/5/24/ai-job-exposure

Восемь часов онлайн ≠ восемь часов работы. Зачем мы вообще логируем время сотрудников? Разработчик два часа пишет код, потом закрывает IDE и лезет в документацию, спорит о решении с коллегой, идёт за кофе. И вот на этой прогулке, когда не двигается ни мышь, ни клавиатура, до него доходит, что предыдущий вариант архитектуры вообще не стоит трогать. Самое ценное за три часа случилось там, где ни один таймер ничего не засёк. А контроль присутствия видит совсем другое. Зелёный статус, запущенный счётчик, аккуратные восемь часов в отчёте. Красивая цифра, которая о результате не говорит ровным счётом ничего. Стоит начать требовать эти часы, и человек быстро научится их показывать, без всякого злого умысла, просто подстроившись под правила игры. Ловушка захлопывается тем крепче, чем умнее работа.

Я 2 года в свое время думал что мне не хватает знаний чтобы уйти в кибербез … Читал про SSRF, учил Burp, смотрел видосики… А потом понял - мне не знаний не хватало. Мне не хватало одной закрытой задачи… Вот в чем прикол новичков в кибербезе: Ты учишь 10 тем на 10%. И кажется что ты ничего не знаешь. И страшно идти на собес. Это все понятно и даже нормально … А надо наоборот - взять 1 тему и закрыть ее на 100% до результата… Не "выучить OWASP Top 10" (это и так все знают), а "найти 1 Security Misconfiguration на своем проекте и написать про это кейс". Увидите, как вы окрылитесь ))) Один закрытый кейс дает больше уверенности чем 10 прочитанных статей, инфа 100% Я это увидел на своих 20+ учениках, которые до меня учились на скиллбоксах. Те кто пытался учить все - сливались через месяц-два(кроме шуток), потому что результат ваще не видно, ворде ты учишь и все в стол. Вам надо взять одну дыру и довести ее до конца Короче народ на этой неделе предлагаю челлендж: не учим ничего нового. Берем одну тему - Security Misconfiguration. И ищем ее (PS: ищите либо на своем проекте либо же локально, чужие сайты не трогаем, это золотое правило!!! Кто найдет - кидайте в комменты что нашли, разберем.

Почему специалисту по безопасности/пентестеру нужен аккаунт на Hugging Face

После наших постов про локальные (и не только) uncensored-модели стало особенно очевидно: если вы занимаетесь классическим ИБ, AI Security или пентестом - аккаунт на Hugging Face уже почти такая же базовая вещь, как GitHub.

Зачем: 📌 искать и скачивать open-source LLM, включая uncensored / abliterated / security-oriented модели; 📌 находить GGUF и другие квантизации для локального запуска; 📌 изучать model cards, архитектуры, датасеты и чужие эксперименты; 📌 публиковать свои модели, датасеты и исследования; 📌 делать Spaces - работающие демки своих проектов; 📌 использовать профиль как портфолио в резюме. Ссылка на собственный benchmark или security-проект выглядит куда убедительнее строчки «работаю с нейронками». У HF есть и платные опции (Клеман Деланг вообще не мать Тереза). И часто возникает вопрос, а нужен ли HF PRO? Стоит $9/месяц и интересен уже тем, кто активно экспериментирует: больше лимитов и private storage, повышенные API limits, расширенный доступ к ZeroGPU, до 10 ZeroGPU Spaces и compute credits для inference/Jobs/Spaces. Если своего GPU нет, вычислительные ресурсы для Spaces можно арендовать отдельно - от сравнительно дешёвых T4/L4 до A100 и более мощных GPU.

Итог для резюме, портфолио и собесов: GitHub показывает, что вы умеете писать и проектировать код. Hugging Face - что вы действительно умеете работать с современным AI.

HF прямо запрещает контент, предназначенный для нарушения работы, повреждения или получения несанкционированного доступа к системам (кажется, это про вас), а также контент, который пытается передавать или генерировать малвари, трояны и вирусы. За такое HF может применить меры к контенту/аккаунту (и это не pro подписка в подарок, как вы поднимаете). Для регистрации используем proxy, для активации SMS, для оплаты - анонимные карты. Все как и всегда 🫶.

Готовлю презентацию для Product Camp. Я проанализировала вакансии 20 стартапов (со всеми внутренними заметками), в которые инвестировали известные венчурные фонды, и поняла, что такие данные я не смогу показать 😂 Пришлось все очень обобщать. Потому что у слушателей взорвется мозг. Поэтому оставлю честную презентацию у себя. Например, одна команда просила не подавать кандидатов из определенных банков, финтехов и страховых (перечислены имена), считая, что они слишком полагаются на AI-инструменты и плывут на фундаментальных технических вопросах. 🙈 Пытаюсь писать между строк, потому что материал очень крутой, но опять кто-то на меня пожалуется.

Хорошее время для QA-инженеров. Часто слышу тезисы в духе:

AI-coding убил QA

Это не так. Точнее – не совсем так. Если мы внедряем AI-инструменты в процессы разработки, то написание кода достаточно сильно ускоряется. В зависимости от дисциплины и ответственности конкретного разработчика, это ускорение может в большей или меньшей степени влиять на качество производимого кода. Уже на первых этапах внедрения AI-инструментов в процессы разработки, мы получаем "затор" на стадиях ревью и тестирования. Этот затор кому-то придётся разгребать... Желательно – тоже с использованием AI в качестве инструмента. Здесь и появляется QA-инженер. Учитывая, что качество кода – одна из основных претензий к AI-generated-коду, роль грамотного QA (и грамотного QA внутри каждого разработчика) сильно повышается. QA-инженер отвечает за выстраивание quality-gates на разных этапах SDLC, а также организовывает процессы тестирования. QA-инженер даёт гарантию, что код, попавший в продакшн, соответствует конкретным критериям качества. Проблема в том, что в небольших командах QA-инженеры встречаются достаточно редко. Там чаще:

Ну, сидит у нас тестировщик, за плошку риса интерфейсы тыкает, проверяет, что они тыкаются

Эти тестировщики на процесс AI-SDLC влияют, скорее, негативно. Так как, под большим напором задач от AI-accelerated-разработчиков, выбора у них два – либо накапливать себе объёмы для тестирования, либо снижать качество проверок. В первом случае мы получаем нивелирование ускорения time-to-market, как одного из преимуществ AI-SDLC, а во втором – снижение стабильности прода. На этой неделе был "День тестировщика" (9 сентября). Я чуть опоздал с пожеланиями, но всё же: Пользуйтесь теми возможностями, которые предоставляют изменения на рынке. Изучайте глубже процесс AI-SDLC и то, как вы можете повлиять на качество кода на выходе. Потребность в QA-инженерах, способных работать в цикле AI-SDLC, будет только расти. Вопрос для дискуссии: Готовы ли QA-инженеры заменить в формате Tiny-teams разработчиков, не бравших на себя ранее ответственность за то, что их задача доедет до прода?

Отвратительные вопросы для Гофера Автор собрал вопросы по Go, которые в реальной работе почти не встречаются. Вызвать приватную функцию из чужого пакета, объяснить, чему равна длина слайса, почему у пустых структур могут совпадать адреса. Знать это, чтобы писать код, необязательно. Зато по тому, как кандидат отвечает, видно, отвечает он сам или подсовывает вопрос модели. Логика тут двойная. На части вопросов срабатывает то, как именно приходит ответ, и это выдаёт того, кто спрашивал не свою голову. А есть зеркальные вопросы, где всё переворачивается. Живой разработчик отвечает спокойно, а модель уверенно ошибается, потому что до нужной версии Go её знания просто не дотягивают.

Зачем компаниям культура и ценности? Потому что так устроен нормативный контроль. Я в целом конечно немного упрощаю. Но идея имеет обоснование и подтверждения: нормативный контроль как менеджерская стратегия исследуется уже много десятилетий. В чём суть? Можно управлять через формальные процедуры, отчётность, KPI и другие инструменты прямого контроля. Но это влияет на ощущение субъектности и автономности у сотрудников. И плохо работает в задачах, где нужна креативность, инновационность, предпринимательское мышление и другое сложное экспертное поведение. Поэтому американская менеджерская мысль изобрела нормативные способы организовывать людей. Через базовые принципы, почти заповеди, благодаря которым человек может сам принимать решения: как должна быть устроена работа, как формируются отношения и коммуникация, что считается нормой, и как должен выглядеть правильный результат. В какой-то момент эти принципы интернализируются. И тогда огромное количество решений уже не нужно отдельно описывать, согласовывать и контролировать — люди сами понимают что как надо делать. На эту тему есть очень хорошая статья 1992 года — «Design and Devotion: Surges of Rational and Normative Ideologies of Control in Managerial Discourse». Авторы разобрали историю американского менеджмента с 1870-х годов и показали, что рациональный и нормативный подходы сменяют друг друга примерно каждые 30 лет: 1870–1900 Industrial betterment (нормативный) 1900–1923 Scientific management (рациональный) 1923–1955 Welfare capitalism / Human relations (нормативный) 1955–1980 Systems rationalism (рациональный) С 1980-х Organizational culture (нормативный) Они сопоставили эти пять волн с большими экономическими циклами и обнаружили, что рациональные подходы усиливаются в периоды экономического роста, а нормативные — в периоды спада и сокращения. В период экспансии выгоднее инвестировать в технологии. Драйвить идеи автоматизации. Перестраивать производство. Люди не так важны. Но когда отдача от технологий и инфраструктуры снижается и экономика переходит в фазу замедления, бизнес начинает искать в людях новый источник производительности: Как повысить доверие? Как снизить конфликты и противоречия? Как добиться максимально эффективного сотрудничества? Как сделать так, чтобы люди были заинтересованы в целях и успехах компании? Я думаю, что нас ждёт рост популярности нормативных способов управления в следующие десять лет. И рост популярности «культурного» менеджмента. Тут можно возразить: а как же AI? Разве мы не входим в эру процветания и новую большую волну автоматизации — то есть в тот самый период, когда должны побеждать рациональные модели управления? Только если мы верим, что AI и правда запустит новый цикл экономического подъёма. Но мы же не верим? В комментариях оригинал статьи и текстовый саммари.

Джуны перестали быть дешёвыми Ещё несколько лет назад всё было просто: ''сильные спецы стоят дорого, берём молодых и растим под себя''. Сейчас это уже не выгодно и вот почему: Наставник нужен дольше, чем на время стажировки. Он ведёт человека до пре-мидла. Всё это время старший разработчик сидит в чужом коде, а не в проектах. Первые полгода вы платите дважды. Человек долго заходит в проекты, качество кода низкое, баги за ним правят другие. Через шесть-восемь месяцев он просит больше. Оставаясь при этом по уровню джуном. Поднять зарплату всем джунам разом — так себе вариант. Джуны часто уходят на пре-мидле. До этого грейда человек учится за ваш счёт, а в полную отдачу начинает работать, являясь мидлом. Получается, обучение оплатили целиком вы, а работать в полную силу он идёт уже к другим. Кто уже мидл и старше, обычно остаётся надолго — но таких доходит мало. Про грейды, конечно, можно говорить бесконечно, но всё сводится к цифрам. Проектная маржинальность — главный показатель производства. Под ней должны быть отчёты по часам: сколько отработано и сколько оплачено. И ещё два процента: доля сорванных сроков и доля верных оценок. Соберите это по проектам за квартал в разрезе людей. Может выйти, что дорогой мидл приносит больше маржи, чем трое дешёвых. Поэтому многие студии разработки джунов уже не берут, риски слишком высоки. А как у вас, нанимаете ещё джунов? Удачный опыт или пожалели? Расскажите в комментариях 👇

Мне в последнее время очень интересно думать о том, как вообще будет выглядеть наша жизнь через 10 лет. Потому что скорость изменений сейчас какая-то совершенно ненормальная. Я всю жизнь считала себя человеком максимально нетехническим. Творческим, гуманитарием — кем угодно, только не человеком, который будет что-то программировать. Когда я работала product manager, мне постоянно говорили: тебе нужен технический бэкграунд. Нужно понимать инфраструктуру, архитектуру, как всё устроено под капотом. И долгое время мне казалось, что это действительно какой-то отдельный мир, куда без специального образования особо не зайти. А сегодня я сижу и настраиваю агентов. Ставлю им задачи. Собираю автоматизации. Думаю, как связать разные системы между собой. И в какой-то момент поймала себя на мысли: а что вообще осталось от этого барьера между «техническими» и «нетехническими» людьми? Потому что в большинстве обычных бизнесов тебе вообще не нужно знать, как именно технически будет построено решение. Тебе нужно хорошо понимать бизнес-задачу. Что должно произойти. Какие данные откуда взять. Какой результат получить. Где человек сегодня тратит время впустую. А дальше очень многое уже можно собрать с помощью AI. Сейчас я ещё периодически использую какие-то no-code обходные пути, чтобы не лезть непосредственно в код. Но самое странное, я вообще больше не воспринимаю код как что-то недоступное. Мне кажется совершенно реалистичным, что ещё несколько месяцев вот такого погружения, и я начну собирать часть этих решений уже напрямую с помощью AI и кода. И вот здесь у меня начинает немного взрываться голова. Потому что если настолько сильно всё изменилось буквально за пару лет, то что будет через десять? Я недавно видела прогноз Илона Маска о мире, в котором из-за автоматизации и роботизации деньги в какой-то момент могут потерять ту ценность, которую имеют сегодня: огромная часть базовых товаров и услуг станет настолько дешёвой в производстве, что будет практически доступна каждому. Не знаю, сбудется ли именно этот сценарий. Но почему-то впервые он не кажется мне научной фантастикой. И это напомнило мне «Атлант расправил плечи», который я прочитала ещё то ли в школе, то ли в университете. Меня тогда больше всего зацепил даже не сюжет, а мир, который появляется ближе к концу книги. Мир, где каждый человек что-то создаёт. Где ты не просто винтик в огромной системе, а отдельная единица, которая умеет производить ценность и обменивать её на ценность других людей. Где гораздо важнее не количество денег на твоём счёте, а то, что ты умеешь делать и что можешь дать другим. Конечно, реальность вряд ли будет выглядеть именно так. Возможно, наоборот, нас ждёт период огромного неравенства, сложной перестройки рынка труда и очень болезненного перехода между старой и новой экономикой. Но мне безумно интересно наблюдать, куда всё это придёт. Что думаете?

Обратила внимание еще на одну прекрасную особенность написания резюме с AI. Если за ним не следить, он вам очень быстро напишет, что сами мы не местные. Поймала машину на том, что она очень хочет быть честной. Прямо пионер какой-то! Весь ваш неамериканский опыт она с удовольствием начинает дополнительно маркировать: 🫣International experience. 😂Outside the U.S. 🤩Global role based in… 💩International markets. Хотя ее вообще никто об этом не спрашивал. Такое ощущение, что AI очень боится кого-нибудь случайно ввести в заблуждение и поэтому на всякий случай сам на вас настучит. Но еще веселее становится, если вы сами плохо объяснили ему свой вклад. Потому что мы же как рассказываем по-русски? «Ну, команда сделала». «Мы запустили». «Я там немного помогал». «Ну, я рядом стоял». И если вы нигде нормально не объяснили, что конкретно было вашим ownership, машина не подумает: «Ага, человек сейчас скромничает. Наверняка на самом деле тащил весь проект». Нет. Она вам радостно напишет: Supported… Assisted… Contributed… Helped coordinate… И вот вы уже не человек, который вел проект на $20M, выбил бюджет, собрал пять команд и пережил три эскалации. 👉🏻Вы немножко помогали команде рядом постоять. AI не знает, что наше «ну мы там сделали» иногда означает: я это придумал, согласовал, продавил, собрал людей, принял решения и довел до production. Поэтому если пишете резюме с AI, ему надо очень четко объяснять: что было YOURS. Что вы решили. Что инициировали. За что отвечали. На что повлияли. Какие решения принимали лично. Какой был результат. И потом все равно перечитать. Потому что иначе этот честный пионер вам такого напишет, что recruiter решит, что вы последние пять лет просто были очень supportive colleague. #resume #chatgpt

25 лет со дня 9/11. Дайан Брэди, редакционный директор Fortune, в своей рассылке CEO Daily вспоминает руководителей, которым в то утро пришлось на практике выяснить, что значит управлять компанией в кризис✍️ Джефф Иммельт был CEO General Electric всего второй день. Утром 11 сентября он находился в Сиэтле, где должен был провести встречу с сотрудниками. Перед ней занимался на степпере и в какой-то момент увидел по телевизору, как второй самолет врезался во Всемирный торговый центр. Его предшественник Джек Уэлч в это время был в Нью-Йорке. В телестудии он давал интервью о своей книге Straight from the Gut, когда в первую башню врезался первый самолет. За несколько дней до этого Брэди брала интервью у Иммельта в штаб-квартире GE в Коннектикуте. Он пил диетическую колу, ел претцели и уверенно рассказывал, как собирается руководить одной из крупнейших и самых дорогих компаний Америки. После терактов все рейсы отменили, и Иммельт на три дня застрял в Сиэтле. Работал оттуда, пытался разобраться в происходящем, организовывал помощь сотрудникам. Двое сотрудников GE погибли. Все планы больших преобразований и сделок пришлось отложить. Брэди называет то, что осталось, «менеджментом 101»: звонить клиентам, держать связь с сотрудниками, распределять ресурсы, помогать пострадавшим и действовать по кризисному плану. Говард Лютник в то утро, наоборот, опоздал на работу. Нынешний министр торговли США тогда возглавлял Cantor Fitzgerald. 11 сентября он решил сначала отвезти сына Кайла в детский сад — и поэтому не оказался в офисе. Cantor Fitzgerald занимала верхние этажи Северной башни. Лютник потерял брата и 657 сотрудников — больше двух третей компании. Через несколько недель Брэди встретилась с ним. Она вспоминает, как плакала, пока Лютник рассказывал, что значит в один день потерять больше двух третей сотрудников, а затем пытаться продолжать платить их семьям, когда доходы самой компании рухнули. Cantor Fitzgerald выжила и до сих пор каждое 11 сентября отдает всю выручку за этот день на благотворительность. Саму Брэди редакция 11 сентября отправила в Нижний Манхэттен, в больницы, — искать выживших и брать у них интервью. Но выживших туда не привезли. При этом тысячи людей успели выйти из башен. Многие благодаря Рику Рескорла, отвечавшему за безопасность Morgan Stanley. Рескорла был ветераном Вьетнама и давно считал Всемирный торговый центр возможной целью террористов. Еще за три года до теракта 1993 года он предупреждал о вероятности атаки с помощью заминированного грузовика. После того теракта Рескорла изучил ошибки при эвакуации, составил новый план и заставлял сотрудников Morgan Stanley регулярно тренироваться. 11 сентября это спасло им жизнь. После попадания первого самолета администрация Всемирного торгового центра призвала людей в Южной башне вернуться на рабочие места. Рескорла решил не выполнять это распоряжение и начал эвакуацию. Считается, что благодаря ему из башни вышли около 2700 человек. Сам Рескорла погиб. @karpovaventures✍️