Это разве аналитика?

Прагматичный инженер написал The state of the tech industry in 2026, в отчете он рассказал про основные изменения в индустрии, которые уже очевидны для многих “пользователей” и “клиентов” ИИ. Структура доклада: 1. Скорость изменений. Темп перемен, в первую очередь из-за ИИ, беспрецедентный. 2. Что изменилось. Разработка уходит от ручного кодирования к автоматизированным процессам с несколькими ИИ-агентами. Число pull request'ов, созданных агентами, резко растёт. 3. Что сломалось. Появились проблемы с качеством и надёжностью кода. Привычное код-ревью перестаёт справляться с объёмом. 4. Что осталось прежним. Команды по-прежнему решают, выйдет ли проект. Планирование остаётся критичным, несмотря на ИИ. 5. Что дальше. Облачные кодинг-агенты станут доминирующими, а ИИ глубже встроится в процесс разработки. Команды и проекты станут меньше, а доля работы агентов вырастет. Выводы • Агенты ускоряют написание кода, но ответственность за результат остаётся на людях. Ревью, архитектура и надёжность важнее, чем раньше. • Процессы придётся перестраивать: старое код-ревью не рассчитано на поток изменений от агентов. Нужны новые подходы к тестированию и контролю качества. • Узкое место смещается от написания кода к его пониманию и проверке. Ценятся постановка задач и умение оценивать решения. • Командная работа и планирование не устаревают. ИИ помогает исполнять, но не решает, что строить. • Тренд на меньшие команды при большей роли агентов. Мне как инженеру этот тренд очень заметен. Недавно я ради эксперимента проанализировал количество коммитов и PR в GitHub: ИИ позволил нетехническим пользователям создавать PR так же быстро, как и техническим. Примерно такая же статистика, как все быстро пишут код, как на картинках. Другой вопрос — их качество и суть. Самый простой пример — новая dbt-модель. Вроде всё красиво и работает, но запрос выполняется в 30 раз дольше и читает много данных. Очевидно, ИИ сделал модель, но ему всё равно на стоимость Snowflake Compute. Спустя полгода code review уже невозможно делать без агентов, потому что весь код написан агентом. Совершенно не остаётся времени на coding art: подумать, сравнить, выбрать лучший вариант. Клик-клик, и вот уже новая фича. Сейчас у меня на Mac 6 виртуальных рабочих столов, на каждом открыт терминал, а в каждом терминале по 4–6 сессий. Я прыгаю с одной на другую, а в промежутках — Slack и Zoom.

ИИ уже анализирует данные. Но умеет ли он делать это правильно? Нейросеть может быстро обработать таблицу, найти закономерности и подготовить выводы. Но без правильной постановки задачи легко получить ошибочные расчеты, неверные гипотезы и выводы, которым нельзя доверять. На открытом уроке 20 октября в 20:00 МСК разберем, как применять ИИ в анализе данных: от подготовки запроса и очистки данных до поиска аномалий, проверки гипотез и создания аналитических выводов. Вы узнаете, какие задачи можно передать нейросети, как проверять ее результаты и превращать данные в рекомендации для принятия решений. Урок пройдет в преддверие старта курса «Аналитик данных». Занятие подойдет аналитикам, системным и бизнес-аналитикам, которые хотят сократить рутинные задачи и эффективнее работать с данными. Освойте практический подход к анализу данных с помощью ИИ и используйте новые инструменты в работе: https://clck.ru/3WKAFJ Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576, www.otus.ru

БД + ИИ = ❤️ Современные БД уже давненько ушли от SQL или около того запросов. Помню как 16 лет назад писал на C# функции, которые MS SQL Server исполнял. Ну или в SAP Hana на стороне движка БД исполнять C++ или JS код. DuckDB добавила поддержку Jev как расширения и SQL запросы теперь слились с натуральными запросами к ИИ. В какие чудесные времена живем.