惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

C
Cisco Blogs
T
Threatpost
S
Secure Thoughts
Hacker News: Ask HN
Hacker News: Ask HN
T
The Exploit Database - CXSecurity.com
宝玉的分享
宝玉的分享
cs.AI updates on arXiv.org
cs.AI updates on arXiv.org
F
Fortinet All Blogs
D
Docker
The Register - Security
The Register - Security
S
Schneier on Security
Blog — PlanetScale
Blog — PlanetScale
B
Blog
博客园 - 三生石上(FineUI控件)
WordPress大学
WordPress大学
博客园 - 叶小钗
Google DeepMind News
Google DeepMind News
Recent Commits to openclaw:main
Recent Commits to openclaw:main
P
Privacy International News Feed
Cyber Security Advisories - MS-ISAC
Cyber Security Advisories - MS-ISAC
腾讯CDC
T
Threat Research - Cisco Blogs
H
Hackread – Cybersecurity News, Data Breaches, AI and More
S
SegmentFault 最新的问题
W
WeLiveSecurity
S
Security Archives - TechRepublic
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
www.infosecurity-magazine.com
www.infosecurity-magazine.com
T
Tailwind CSS Blog
T
Troy Hunt's Blog
TaoSecurity Blog
TaoSecurity Blog
L
LangChain Blog
The Hacker News
The Hacker News
Engineering at Meta
Engineering at Meta
Webroot Blog
Webroot Blog
Project Zero
Project Zero
Schneier on Security
Schneier on Security
AI
AI
The GitHub Blog
The GitHub Blog
Microsoft Azure Blog
Microsoft Azure Blog
E
Exploit-DB.com RSS Feed
H
Hacker News: Front Page
博客园 - 聂微东
T
Tor Project blog
K
KPMG report finds enterprise disconnect between AI and its ROI | CIO
小众软件
小众软件
量子位
G
Google Developers Blog
Threat Intelligence Blog | Flashpoint
Threat Intelligence Blog | Flashpoint
O
OpenAI News

Все публикации подряд на Хабре

Ловим музу за клавиатуру: как айтишнику стать автором Что умеет Midjourney в 2026? Мой немного грустный разбор этого шикарного инструмента Никто не любит писать тесты, но ИИ может исправить это IPv8 выглядит как мечта. Поэтому почти наверняка не взлетит Производители вернули в продажу материнки с DDR3. Что происходит? Управление агентом с телефона через Telegram теперь в KodaCode От координации к лидерству: как меняется роль руководителя разработки Я сделала родителям бизнес вместо пенсии: зарабатываем 70 тысяч, мама не даёт продать В три раза быстрее приемка товара и оптимизация трудозатрат на 73%: как «РСТ-Инвент» помог Gulliver Group ИИ-шечный мир победил? О влиянии искусственного интеллекта на игропром Кремль снижает давление на Телеграмм пока Европа строит интернет по паспорту Как CEO, CTO и CIO за 8 часов собрали ИИ-директора, который умеет держать позицию под давлением Как (не) потерять домен за выходные Вместо 8 разных VPS: как я организовал практику студентам на одном сервере Почему твой Open Source проект не замечают? R&D: искусство управления неопределенностью в разработке AI-дефляция: вакансий для разработчиков больше, а рост зарплат — худший за 15 лет Мы отдали управление роботами OpenClaw. Что из этого вышло Галактический ID: система идентификации для всех форм разумной жизни Шесть основ бизнес-анализа: начинаем с вопроса «Кто в игре?» Код-ревью, в котором дело не в коде Данные переехали. Команда — нет Системной подход к сдаче OSWE в 2025 Почему комната управления реактором покрашена в цвет морской пены 4 YAML-файла вместо PySpark: как аналитикам строить пайплайны без разработчиков LLM-агент для поиска свободных доменов: автоматизируем подбор Когда, зачем и как правильно начинать новую сессию в Claude Code? Как я заставил нейросеть писать макросы для FreeCAD Анатомия ИИ‑агента для подбора персонала. От тысячи резюме к топ‑10 за минуты Опыт разработчика как экономика внимания Автономность как точка невозврата: кто будет субъектом в цифровом будущем Обучение ИИ в «диких» условиях: как рутинные действия превращаются в датасеты Как измерить LLM для задач кибербеза: обзор открытых бенчмарков Где хранить код? Сравнение GitHub, GitLab и Bitbucket Математика объясняет, почему нормальное распределение встречается повсюду Почему ваш FinOps не работает: 12 тезисов от практиков Как подписать проектную документацию УКЭП с использованием бесплатных лицензий Pilot Адаптивное администрирование Sigla Vision Я грузил уран в бочки, а потом 20 лет строил ИТ в атомной отрасли Чем позвонить с Эвереста? История и обзор спутниковой связи. Часть 2 Как языковая модель помогает контролировать качество инструктажей по охране труда в металлургии Как не передать на desktop свой IP в РКН Анатомия SAP Privileges: как устроено управление правами в macOS MoneyDev: Сказка про три главных слова Обновлённый токенизатор видео K-VAE 2.0 от Сбера Как сделать диспетчеризацию дома на 1284 квартиры почти бесплатно Как мы разогнали железную дорогу Мы дали агентам рутину. Теперь надо решить — что делать с освободившимся временем Токсичный контент, промпт-хакинг и защита ИИ — всё о Guardrails для LLM Умный город начинается с точного взгляда: как «Фалькон Тех» меняет пространство к лучшему Навайбкодил приложение для анализа графов Почему Дюну так интересно читать? Упрощаем работу с рутиной или как стать Гендальфом Белым Деконструкция Go: CPU, RAM и что там происходит. Go Assembler база. Часть 1.1 Какие профессии исчезнут из-за ИИ, а какие появятся? И что с этим делать Как мы построили IT-отдел, где хочется расти: архитектурные встречи, прозрачные метрики и книжные подарки Rufler: Делаем из Claude Code автономный рой через один YAML-конфиг Sing-box и белый список приложений Как построить надёжный обмен сообщениями в микросервисах: лучшие практики для enterprise OpenAI строит MLM-пирамиду, а McKinsey и Accenture помогают ей в этом Дом, который не построил Фишер (Часть 2) «Сверхзвуковой математик» против «Вдумчивого логиста»: битва алгоритмов 3D-упаковки Мультимодальные модели – грубый и дорогой инструмент Разговоры ничего не стоят. Код тоже Проверки физических лиц: с кого начнет ФНС Топ-10 бесплатных нейросетей для создания видео в 2026 году Первые слои кода: как наши решения сегодня определяют архитектуру ИИ на десятилетия Разработка нового статического анализатора: PVS-Studio JavaScript Поиск уязвимостей ПО: базовый минимум или роскошный максимум Почему оценка персонала не работает как инструмент управления Как мы разработали ИИ-ассистента и сократили рутину продуктовой команды на 50% Как я ушел из найма, нажарил косточек и продал на маркетплейсах на 168 млн в год Когда 1С:ERP уже внедрена, а нормального производственного плана всё ещё нет Как я сделал Claude мультимодальным, подключив к нему Qwen Omni Как приглашение на вакансию мечты превращается в атаку Infrastructure as Code: философия и лучшие практики IaC Тестируем Yandex Code Assistant на задаче, в которой нужно хранить секреты nxs-universal-chart v3.0: новое поколение универсального Helm-чарта Callback Injection: Техника, которая отправила Microsoft Defender в глухой нокаут «Все идеи на стол»: митап как способ вывести проект из тупика Сегодня я узнал нечто новое о GPU благодаря багу в своей игре Как заставить LLM ̶ ̶г̶а̶л̶л̶ю̶ ̶ эволюционировать Карта событий как фундамент аналитики: практический кейс для E-commerce Что выбрать для AI: x86, ARM или RISC-V? Дайджест железа за март Роль соматических мутаций в развитии аутоиммунных заболеваний: путь к избирательной терапии Mythos от Anthropic — тревожный сигнал для всех, а не только для банков Guardrails для LLM на Java: как приручить промпт‑инъекции и токсичные ответы Green-VLA: как мы собрали VLA-модель для реального антропоморфного робота и не потеряли обобщение Финансовая гонка вооружений: почему умные люди добровольно в ней участвуют Эра ИИ-агентов наступила: выбираем лучшего цифрового сотрудника # Практический опыт внедрения WinCC Redundancy на производственном предприятии Сделал MVP за 3 дня, а потом неделю прикручивал оплату. Оно того стоило? Физика против Маска: почему Starship V3 может оказаться ещё одной катастрофой Нефть Венесуэлы: крупнейшие запасы в мире, но не крупнейшая нефтяная держава JPA 4. Переосмысление Hibernate Почему зеркальная фотокамера Nikon D5 десятилетней давности идеально подошла для миссии «Артемида-2» Проект «Уровень-Спутник» или как мы сделали платформу для гидрологов «Замедлиться, чтобы ускориться»: почему ИИ повышает цену ошибок в требованиях и архитектуре Как с нуля поднять трафик IT-компании на 1657% при бюджете 55 тыс. и выжить Pixel-perfect Downsampling — идеальная отрисовка 50 миллионов точек без потерь
T-shape ≠ Full-stack: почему сложным системам нужны не универсалы, а люди с широким мышлением
Николай Малышков · 2026-06-15 · via Все публикации подряд на Хабре

Простой

12 мин

5

Привет Хабр! Меня зовут Николай Малышков, я 15 лет в ИТ, был тестировщиком, аналитиком, frontend-разработчиком. Однажды я понял, что мне очень нравится строить процессы и организовывать команды. Последние лет 10 я занимал различные руководящие позиции. Сейчас работаю ведущим менеджером проектов в Т1 и готов делиться своим опытом с комьюнити.

В последние годы всё чаще можно услышать: «Нам нужен T-shape специалист!», а потом ищут мифического full-stack, потому что путают эти понятия чаще, чем зумеры меняют работу. Разберёмся, в чём разница и почему в больших технологических системах T-shape — это не модный ярлык, а ответ на реальную сложность.

Начнём с определения:

T-shape — это специалист с глубокой экспертизой в одной узкой области (вертикальная линия буквы T) и широкими знаниями в смежных областях (горизонтальная линия буквы T).

Именно сочетание глубины и широты позволяет накладывать на свою экспертизу ширину взглядов для поиска более качественного понимания.

T-shape — не просто метафора, а модель, подтверждённая академическими исследованиями, в которой сочетание глубины и широты навыков служит основой для эффективной командной работы и инноваций.

T‑shape и Full‑stack — это разное 

Full-stack — это про набор технологий. Обычно предполагается, что этот человек способен закрыть фронтенд, бэкенд, базу данных, CI/CD, дизайн — то есть весь производственный процесс (при этом писать он будет идеально, так что тестирование не нужно).

То есть Full-stack — это про ширину в профессиональных навыках.

А T-shape — это про когнитивную модель мышления. Про сочетание глубины в одной области и понимания смежных контекстов.

Если упростить:

Параметр

Full-stack

T-shape

Фокус

Технологии

Контекст и последствия

Ценность

Может сделать всё

Принимает зрелые системные решения

Риск

Поверхностность

Перегруз и распыление

 Идеальный T-shape умеет широко оценить задачу: со стороны бизнеса, трендов отрасли, опыта смежных команд или даже других индустрий. И уже затем применить свою глубинную экспертизу, чтобы предложить взвешенное, зрелое, реалистичное решение.

Чаще смотрят немного у̒же, предполагая, что, например, сеньор-T-shape-back-разработчик сможет не просто спроектировать фичу, но и подумать:

  • как с ней будет работать фронтенд;

  • как сделать её надёжной и предсказуемой для тестирования;

  • как вводить в эксплуатацию быстро и безопасно;

  • как это повлияет на сопровождение и дальнейшее развитие.

T-shape совсем не обязан уметь всё реализовывать самостоятельно. Это история не про «я всё напишу сам», а про «я понимаю, как это должно работать и какие решения будут оптимальными».

Я часто говорю, что читать справочник по C# нужно не для того, чтобы всё выучить, а для того, чтобы в нужный момент знать, что есть какой-то инструмент, который может помочь тебе в решении твоей проблемы. Тут похожая ситуация.

Почему вообще появился тренд на T-shape

Мне кажется, причина не в самом T-shape, а в другом, более общем тренде «думаем о клиенте». Чтобы это перестало быть лозунгом, а стало реальной практикой, на каждом этапе производства люди должны понимать:

  • кто будет пользоваться результатом;

  • как и в каких условиях;

  • что пойдёт дальше после их части работы.

И вот тут узкие роли начинают давать сбой.

Я бы выделил несколько причин, почему компании всё чаще смотрят в сторону T-shape.

  • Низковисящие фрукты уже собрали. Всё, что можно было оптимизировать изолированно, внутри одной функции, уже оптимизировали. Дальнейшие улучшения происходят на стыках: между командами, системами, ролями, процессами. А на стыках особенно важно понимать не только свой кусок, но и соседние.

    Кросс-функциональные команды работают быстрее, когда говорят на одном языке. В ИТ-холдинге Т1 мы уверены, что работа над комплексными решениями сильно ускоряется, если ты понимаешь, что было до тебя, что будет после и какие ограничения есть у смежных ролей. Это не про «я всё умею», а про «я понимаю последствия решений». Именно здесь T-shape даёт максимальный эффект.

    А ещё команды с разнообразной экспертизой демонстрируют более оригинальные и действенные в долгосрочной перспективе результаты по сравнению с однородными командами.

  • Проекты становятся динамичнее. Проекты открываются и закрываются, контексты меняются. Собирать под каждый новый проект идеально подходящую команду — дорого и долго.

    T-shape в этом смысле хороший сигнал адаптивности. Если человек умеет погружаться в новые области, задавать вопросы, учиться и связывать контексты, то его не страшно перевести на другое направление.

    Да, потребуется адаптация. Но такая команда быстрее восстанавливает продуктивность, чем набор узких специалистов без общего понимания.

В итоге T-shape — это не про моду. Это про:

  • сложность систем;

  • фокус на клиенте;

  • необходимость думать шире своей роли.     

Появление агентов меняет правило игры

Если агентность ИИ будет развиваться так же быстро, как и сейчас, то каждый инженер сможет закрывать простые смежные себе задачи с помощью агентов. Но нужно учитывать, что ИИ-агент хорошо помогает там, где пользователь понимает:

  • какую задачу нужно решить;

  • какой результат будет приемлемым;

  • какие ограничения есть у создаваемого решения;

  • как проверить качество полученного результата;

  • и какие ещё сферы (агентов) может затронуть это решение.

То есть ценность смещается в сторону широты понимания полноценно работающего элемента системы. Да, возможно, ты не можешь экспертно оценить содержание выполненной работы, но ты должен уметь создать такие условия и ограничения, чтобы результат удовлетворял конечным требованиям. Хотя, конечно, стоит проверять содержание на откровенный бред, но в каких-то случаях и эту часть могут закрыть агенты.

T-shape профиль позволяет нам перейти от просто использования генератора к построению цепочек принятия решений. И получается, что развитие ИИ агентов увеличивает цену T-shape специалистов.

В зрелой агентной парадигме важно не только правильно описать алгоритм выполнения задачи, но и понимать, зачем это нужно или как этим будут пользоваться, какой эффект ожидается, какие последствия могут быть после внедрения и до какой поры можно доверять сгенерированному результату.

Но, опять же, я считаю, что описанием инструкций для агента должен заниматься человек, который будет обладать высоким уровнем экспертности в той области, в которой работает агент. Без этого не получится создать агентную систему, даже при высоком уровне развития агентов.

Главная проблема — «переводчики»

Долго работая в компании, занимающейся аутсорс-проектами, мне удалось познакомиться с множеством совершенно разных компаний, от стартапов малого бизнеса до гигантов промышленной индустрии. Во многих из них я сталкивался с одной и той же ситуацией: чтобы корректно реализовать задачу, нужен «переводчик» с бизнес-языка на инженерный, с языка разработки на язык тестирования, с архитектурного на операционный. На это уходит время.

Но хуже другое — в отсутствие переводчика:

  • делают не то, что нужно;

  • реализуют не так;

  • релиз останавливается из-за недопонимания;

  • инциденты появляются уже в эксплуатации.

Каждый такой «перевод» — это семантическая потеря информации. Чем больше свободных интерпретаций, тем выше вероятность системной ошибки. Культура T-shape снижает эти потери.

Когда человек понимает, кто будет пользоваться результатом, что произойдёт после его этапа и какие ограничения есть у соседних ролей, то качество решений растёт.

В моей практике кросс-функциональная команда, участники которой способны разбираться в смежных проблемах, привела к  снижению количества инцидентов на 20%, более качественным грумингам — итераций проработки стало  примерно вдвое меньше, а значит меньше встреч и больше времени на реализацию, стали точнее попадать в оценку. К тому же это повлияло на настроение в команде, так как стало ощущаться что решения стали более быстрыми и взвешенными.

Один T-shape — это плохо

Есть важный момент: если в команде всего один T-shape, который «спасает проект», то это не зрелость. Это зависимость. Это точка отказа. Это bottleneck. Это операционный риск. Зрелость начинается тогда, когда T-shape становится культурой, а не героизмом одного человека. Когда не нужны переводчики, каждый понимает последствия своих решений, а обсуждения проходят на одном языке.

Как T-shape меняет управленческую роль

Для меня лично развитие в сторону T-shape повлияло на управление. Я стал быстрее принимать решения, точнее оценивать последствия, заранее видеть потенциальные проблемы на разных этапах создания ценности и проще договариваться с экспертами в смежных областях.

Понимание контекста снижает количество эскалаций и упрощает коммуникацию. Это не про контроль всего, а про понимание системы целиком.

Когда T-shape не нужен

При этом очень важно не превращать T-shape в идеологию. Я выделяю две стороны, когда это НЕ нужно бизнесу и когда это НЕ нужно человеку. T-shape — это не цель и не универсальный стандарт. Это всего лишь профиль, а для компании — один из инструментов.

Когда T-shape специалист не нужен компании

Когда важны предсказуемость и повторяемость результата. Если цель стабильно забивать гвозди, то лучший инструмент — молоток, а не швейцарский нож. T-shape в таких системах начинает задавать лишние вопросы, экспериментировать и выводить процессы из состояния стабильности. Иногда это полезно, иногда — нет.

Когда критична глубокая экспертиза в одной области. Есть сферы, в которых глубина важнее широты. Распыление когнитивной нагрузки на смежные области в таких случаях может забирать энергию, снижать фокус и, в итоге, влиять на качество результата.

Когда система простая и роли легко формализуются. Если система несложная, зоны ответственности чётко разделены и взаимодействие между ролями минимально, то T-shape просто не даёт ощутимой добавочной ценности.

Когда T-shape не нужен человеку

Когда выбран путь глубокой экспертизы. Как справедливо заметил мой коллега, навыки T-shape часто коррелируют с тем, что требуется от руководителя. Если же человек осознанно выбирает роль, ориентированную на глубину и качество в одной области, то развитие вширь может быть не лучшей инвестицией времени и энергии.

Когда широта начинает перегружать. Тут работает старая поговорка: за двумя зайцами погонишься — ни одного не поймаешь. Постоянное переключение контекста требует много энергии, подходит не всем, и при неправильном балансе может приводить к выгоранию.

Когда культура компании не поддерживает T-shape. Если среда не поощряет широту, то попытка развиваться в этом направлении может привести к тому, что человека будут воспринимать не как T-shape специалиста, а как того, кто может закрыть несколько позиций сразу. Раз уж ты всё это умеешь, всё это и делай.

Общий риск и для компании, и для человека. Когда один человек начинает контролировать и закрывать собой много сфер, он становится незаменимым. Это плохо для компании, потому что это риск — угроза операционному процессу из-за потери сотрудника. Также это плохо для человека, потому что потенциально влечёт за собой постоянные переключения и перегруз.

Не стоит слепо следовать тренду. Если вы прекрасный молоток, то не всегда стоит менять рукоятку на штопор. Гораздо важнее понимать, какой профиль нужен системе и подходит ли он вам самим.

Как распознать T-shape специалиста?

Невозможно убедиться на собеседовании, что перед тобой сидит T-shape. Но, на мой взгляд, есть некоторые признаки, которые могут свидетельствовать об этом.

На собеседовании в первую очередь проверяем «I-глубину». Тут всё по стандарту: примеры из опыта, задания, технические примеры, проверка понимания фундаментальных принципов или правил.

А дальше переходим к горизонтали. Тут у всех разные способы, сначала расскажу про то, с чем я столкнулся на собеседовании в одной крупной девелоперской компании. У менеджера был огромный список из разных слов, он просил каждое из них прокомментировать. В огромном темпе я давал определения, говорил, как это применял или для чего это в целом. Набор был примерно такой: BPMN, Agile, Git, асинхронное взаимодействие, тестирование чёрного ящика, User Story, ООП...

Это был интересный опыт, у меня сложилось впечатление, что всю свою жизнь я готовился именно к этому собеседованию, потому как хоть что-то я смог ответить почти на всё. НО, я не думаю, что это хороший подход, ведь обладание знаниями ещё не говорит об умении их применить.

Я верю, что широта мышления и взглядов не может проявляться только на работе. Если человек широко мыслит и у него есть интерес к познанию, то это будет проявляться во всех сферах.

Я с другом поразгонял эту тему, и мы придумали забавный синтетический вопрос: «Почему гладиус короткий?» При ответе на него вероятный T-shape специалист проявит такие положительные признаки:

  • Знает, что такое гладиус, или примерно знает.

  • Представляет эпоху.

  • Может порассуждать, когда короткий меч хорош, а в каких случая нет.

  • Может рассказать, в каких условиях он применялся.

  • Может прикинуть технологии производства.

  • Может оценить массовость изделия.

  • Может предположить скорость обучения владением.

  • Может пояснить плюсы применение в плотных построениях.

И ещё много всего. Тут нет погони за истиной, а важна разносторонность взгляда и построение цепочки предположения до объяснения.

Подобных синтетических вопросов можно придумать множество, в зависимости от роли они могут быть разного характера. Главная цель в том, чтобы подобрать такой вопрос, на который нет очевидного правильного ответа.

Как развить в себе T-shape и не обмануть себя

Сначала — I. Самое важное, без чего дальше ничего не получится — это та самая глубокая экспертиза в одной из областей, на основе которой вы будете выращивать свою широту. Я убеждён, что достаточно много людей не имеют хорошей I в принципе, нахватаются по верхам всякой информации из какой-то сферы, а потом говорят, что они просто T-shape, поэтому «тут не могут дать какую-то экспертную оценку», и вообще нигде не могут её дать. Важно хорошенько прочувствовать: «Здесь я точно понимаю глубину. Я знаю ограничения. Я знаю цену ошибки».

У каждого должна быть опора — и у человека, и у проекта. Если взглянуть широко, то кто-то строит великолепные проекты из идеи и маркетинга, а потом инженеры строят что-то похожее на эту идею, и это взлетает. Кто-то делает ставку на шрифты, UX и дизайн, кто-то — на прорывные инженерные идеи. Но я уверен, что без основы это не сработает.

И тут нужно сразу сказать, что эта самая I — это не диплом, не первый стек, с которым вы работали, и не количество лет в профессии.

Глубина рождается сама, когда вы найдёте что-то, что вас зажигает. Когда вы в какой-то момент понимаете, что делаете уже что-то настолько сложное, что точно можете сказать, что вы в этом эксперт. Когда вы отвечали за последствия, видели, как ваши решения эксплуатируются, сталкивались с отказами, инцидентами и ограничениями.

В больших технологических системах иллюзия глубины быстро вскрывается. Сложность не прощает поверхностности.

Я долго искал свою I, начинал с тестирования и аналитики, потом казалось, что нащупал свою I во фронтенд-разработке. Но в итоге я уже 8 лет в менеджменте, и, похоже, это у нас по любви.

Перейдём к —. Сначала то, что рядом. Когда у вы определились с I и понимаете, что вам этого мало, начните изучать смежные дисциплины. Именно от знания того, что происходит рядом, будет наибольшая польза.

Лично я в начале карьеры, когда работал тестировщиком, сразу хотел побольше узнать о том, как реализована та или иная функциональность, чтобы я смог лучше её протестировать. Да и в целом хотел двигаться дальше в сторону разработки. Когда же я стал разработчиком, меня хвалили за качественный код, а всё потому, что я представлял, как это будут тестировать.

Так, изучая смежные дисциплины, вы не только будете лучше понимать контекст происходящего вокруг вас, но и делать свою работу качественнее.

Ещё одно достоинство этого подхода в том, что у вас всегда будет возможность попробовать новые знания на практике, даже если не своими руками, а при помощи коллег. Такие знания гораздо лучше усваиваются и их будет проще применить в будущем.

Бизнес-контекст. Вторым важным пунктом я считаю изучение сферы, в которой вы работаете. Важный момент в том, что разных бизнесов очень много, и пытаться понять, как устроен какой-то абстрактный бизнес, сложно. А вот осознание своего места в том бизнесе, в котором вы работаете, — ценное знание. В идеале, вы сможете узнать, сколько приносите или экономите компании, а когда все карты на столе — легче решить, что и как делать.

Исходя из этой потребности я начал углубляться в продакт-менеджмент. Я видел, как раз за разом моя команда сталкивается с проблемой, что реализованная фича не нужна пользователю. Множество постоянных предположений в головах инженеров совершенно не стыкуются с потребностями клиентов. Особенно это было заметно, когда я развивал портал для малого и среднего строительного бизнеса.

Страшно представить сколько всего хорошего, но бесполезного мы бы сделали в продукте, если бы не начали проводить интервью с клиентами.

Самая свежая история с текущей работой у меня связанно с тем, что я долго руководил развитием высоконагруженного сервиса, а когда перешел на развитие другого сервиса, головой продолжал жить в старом контексте, поэтому периодически предлагал оверинженерные решения, которые не имели большого смысла в текущих нефункциональных требованиях. Хорошо, что я работаю не в одиночку и команда качественно челенжит решения в своих профессиональных областях.

Мышление. И последнее из важного на мой взгляд — развивать навыки философа. Переходить от общего к частному и обратно. Находить абстракции и общие черты у событий, процессов и понятий в разных областях. Это то, что позволяет быстро осваивать новые контексты без ощущения хаоса. По сути, это и есть интеллектуальная горизонталь.

Я долгозаставлял себя задавать вопросы. Кажется, у меня до сих пор остаётся страх, показаться глупым, но хорошо, что этот страх с лихвой окупается пониманием и уверенностью в том, что происходит. А ещё бонусом достаются новые знания, ведь порой не знаешь, к чему приведёт тебя простой вопрос: «А как это используется?», или «Пять почему».

Но не только в диалоге можно развивать этот навык. Например, в этом году я наконец-то добрался до книги «Дизайн для не дизайнеров», там оказалось прекрасное описание фундаментальных аспектов вёрстки, основанной на примерах из типографии. Казалось бы, я достаточно много занимался вёрсткой, будучи frontend-разработчиком, и у меня была хорошая насмотренность и знание основных паттернов. Но, прочитав книгу, я всё равно нашёл для себя что-то новое из создания визиток и буклетов.

Что можно сделать уже сейчас:

  1. Честно ответить себе: в чём моя I?

  2. Довести это до состояния экспертности.

  3. Начать изучать ближайшие зоны вокруг неё.

  4. Разобраться в бизнес-смыслах.

  5. Тренировать мышление, а не только накапливать факты.

Не нужно читать историю Римской империи, чтобы стать T-shape. Любознательность — это хорошо. Но широта кругозора ≠ широта мышления. Широта без глубины — это не T-shape, это иллюзия компетентности. А иллюзии в сложных системах долго не живут.

Итог

T-shape — это не про умение делать всё. Это про умение понимать систему целиком и принимать решения, осознавая их последствия. T-shape структуры признаются и индустриальными отчётами, такими как отчёт CFA Institute, где T-shape команды рассматриваются как ключевой фактор успеха в сложных цифровых проектах. Потому что это способ снизить системные потери и повысить эффективность на стыках, в коммуникациях, интерпретациях и релизах.

И самое главное — это не тренд. Это ответ на растущую сложность технологических систем.

А вы сталкивались с тем, что T-shape подменяют full-stack'ом? Или, может, у вас есть свой «гладиус» — вопрос, который вы задаёте на собеседованиях? Делитесь в комментариях, интересно обсудить

PS: эта статья — результат соединения ряда серии постов про T-shape, которые я публиковал в своём канале t.me/sorryetotaknerabotaet и сетке set.ki/7NTK2xD.