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

GbyAI
GbyAI
博客园 - 三生石上(FineUI控件)
S
Securelist
U
Unit 42
The Cloudflare Blog
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
Simon Willison's Weblog
Simon Willison's Weblog
让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
cs.CV updates on arXiv.org
cs.CV updates on arXiv.org
Threat Intelligence Blog | Flashpoint
Threat Intelligence Blog | Flashpoint
B
Blog
T
Tenable Blog
The Hacker News
The Hacker News
The Register - Security
The Register - Security
IT之家
IT之家
博客园 - 【当耐特】
Spread Privacy
Spread Privacy
P
Privacy & Cybersecurity Law Blog
博客园_首页
T
Tailwind CSS Blog
人人都是产品经理
人人都是产品经理
C
Cybersecurity and Infrastructure Security Agency CISA
Know Your Adversary
Know Your Adversary
NISL@THU
NISL@THU
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
阮一峰的网络日志
阮一峰的网络日志
T
Tor Project blog
C
CERT Recently Published Vulnerability Notes
Apple Machine Learning Research
Apple Machine Learning Research
Stack Overflow Blog
Stack Overflow Blog
T
Threat Research - Cisco Blogs
T
The Exploit Database - CXSecurity.com
V
Vulnerabilities – Threatpost
A
Arctic Wolf
cs.CL updates on arXiv.org
cs.CL updates on arXiv.org
V
V2EX
aimingoo的专栏
aimingoo的专栏
大猫的无限游戏
大猫的无限游戏
Scott Helme
Scott Helme
L
LINUX DO - 热门话题
Cyberwarzone
Cyberwarzone
V
Visual Studio Blog
月光博客
月光博客
爱范儿
爱范儿
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
美团技术团队
G
GRAHAM CLULEY
cs.AI updates on arXiv.org
cs.AI updates on arXiv.org
H
Heimdal Security Blog
K
KPMG report finds enterprise disconnect between AI and its ROI | CIO

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
Принцип ограничения некомпетентности, или почему «варяг» лучше?
Nik_el_gato · 2026-06-19 · via Все публикации подряд на Хабре

Данная статья — попытка объяснить с научной точки зрения почему лучше нанянть внешнего кандидата, чем повышать своих.

Важно: Всё, что написано ниже — не истина в последней инстанции и не выжимка из каких‑то научных статей. Это вольные размышления автора на тему, основанные на личном опыте работы в крупной корпорации (где такого добра — вагон и маленькая тележка). Гипотеза, если хотите. И как у любой теории у неё есть ограничения, некоторые из них в конце перечислю. Если у вас есть своё объяснение или опровержение — милости прошу в комментарии.

Вместо введения

Вы наверняка сталкивались с одним из классических абсурдов корпоративного мира: на вакансию чаще берут человека «с улицы», чем повышают кого‑то из своих.

В этой статье я постараюсь рассмотреть этот кейс с неожиданной, но кажется логичной стороны. И попробую сделать какие‑то выводы, как с этим жить.

И сразу спойлер: ответ не в жадности начальников и не в их любви к «чужакам». Ответ — в математике и управлении риском.

Сначала база

Есть такой Принцип Питера (1969 год, Лоуренс Питер). Звучит примерно так:

В иерархической системе каждый сотрудник со временем достигает своего уровня некомпетентности.

Суть любое повышение переводит вас на уровень, где вы в какой‑то мере и какое‑то время некомпетентны. Хороший инженер при повышении становится плохим тимлидом. Хороший тимлид — плохим начальником отдела. Хороший продавец — плохим руководителем отдела продаж.

Это не проклятие. Это свойство системы: задачи на новом уровне требуют других навыков, и не факт, что они у вас есть.

Для нас здесь важно другое: система (компания, начальник, HR — любое лицо, принимающее решение) про это свойство знает, и, возможно, принимает решение опираясь на эти знания...

Начнем погружение в процесс.

Допустим, неважно почему, в организации появилась вакансия: начальник ушёл в другую компанию, сотрудник уволился или просто добавили новую позицию. Для ее закрытия есть ровно два варианта:

Вариант А. «Цепочка своих». Повышаем Васю. На его место ставим Петю (тоже своего). На место Пети ставим Диму. И только в самом низу цепочки нанимаем кого‑то с улицы.

Вариант Б. «Один чужой». Нанимаем одного человека с улицы прямо на освободившуюся позицию. Все остальные остаются где сидели.

Казалось бы, вариант А — свой, лояльный, и возможно даже дёшево (зарплату повысили, но не до рынка, что‑то там рассказали про перспективы, высокое доверие которое надо оправдать, ну и тому подобное). Вариант Б — дорого, рискованно, неизвестность.

Почему же так часто выбирают Б?

И вот тут начинается магия.

Магия математики: считаем точки некомпетентности

Вариант А: Двигая цепочку, вы создаёте столько новых точек некомпетентности (по Л. Питеру), сколько перемещений произошло.

  • Вася на новой должности — одна точка.

  • Петя на Васиной должности — вторая.

  • Дима на Петиной должности — третья.

Три новых потенциальных некомпетентных сотрудников (далее для сокращения будет применяться термин — «дурак», не сочтите его обидным, просто он короче:) ).

Вариант Б: Вы создаёте одну новую некомпетентную точку — нанятого Евлампия.

Добавим магию эмерджентности

Многие подумают: «Три своих дурака — это три маленькие проблемы». А вот один внешний «дурак» это одна большая проблема.

И это самая главная ошибка!

Три дурака в связке дают не три проблемы, а качественно больше.

Почему? Потому что работает эмерджентность. Простыми словами — целое больше суммы частей.

И работает она потому, что они связаны: свои, доверяют друг другу, ходят на обед вместе и синхронно принимают дурацкие решения.

Механизмы эмерджентности

Механизм первый: усиление. Некомпетентный А не знает, как делать X. Идёт к некомпетентному Б (своему, доверенному). Б тоже не знает, как делать X, но очень хочет помочь. Он придумывает Y. А делает Y. Ошибка не исправлена — она умножена.

Механизм второй: лавина. На уровне 1 приняли плохое решение. На уровне 2 его не смогли критически оценить и развили. На уровне 3 из него выросла катастрофа.

Механизм третий: своя среда. Чужого дурака проверяют все. Своего — никто. Своим принято доверять, своих принято не подсиживать. В итоге глупость беспрепятственно растёт.

Формула (пальцем в небо, но передающая суть):

1 дурак = проблема P
3 дурака в связке = проблема P2

И вот тут и получаем первый вывод: математика говорит, что риск ошибки взаимосвязанных компонентов системы выше риска одного элемента.

Где‑то тут может/должна возникнуть мысль: «Минуточнку! Свой сотрудник на новой должности — он же не идеально глуп. Он знает компанию, процессы, людей. Его некомпетентность — маленькая. А чужой, даже если он профессионал, первые полгода будет плавать в специфике (почти научный факт). Его некомпетентность — большая. Может быть, даже больше, чем у троих своих вместе взятых!»

Да, такое бывает. И часто.

Почему же система всё равно выбирает чужого?

Потому что сравнивать нужно не только «суммарную величину глупости», а характер риска и возможность управления им.

  • Один чужой, даже очень некомпетентный — это локальная проблема. Он один. Его ошибки точечны. Их можно отслеживать, страховать, поправлять. И в крайнем случае — уволить. Гланое: риск предсказуем и ожидаем, а для новых вакансий вообще несущественен (вся остальная работа как выполнялась профессионалами, так и продолжает выполняться).

  • Трое своих с маленькой некомпетентностью — это связанная система. Их маленькие ошибки накладываются друг на друга, усиливаются, искажаются, растут как снежный ком. Через три шага получается такой коллапс, которого не создал бы ни один из них по отдельности. А главное это же «свои», мы им верим то есть не проверяем. И ошибка выстрелит в самое неудачное время.

Получается второй вывод: система выбирает предсказуемую проблему (даже большую) вместо непредсказуемого коллапса (даже из маленьких ошибок).

Кроме того, у чужого может быть бонус: он может приносить не только риск, но и новые знания, новые практики, и даже оказывать давление на «застой», а это еще один плюс в его копилку.


Важное уточнение: логика не зависит от того, кто именно ушёл — начальник или рядовой специалист, вопрос в величине цепочки и риска соответственно. Пример:

Кадровое событие

Цепочка своих

Один чужой

Уволился руководитель

3–4 новых точки

1 новая точка

Уволился специалист

2–3 новых точки

1 новая точка

Создали новую позицию

N человек повысили/подвинули — N новых точек

1 новая точка

Везде цепочка длиннее. Везде риск выше. Везде система выберет одного чужого, даже если он дороже и непонятнее.

Для тех, кто любит метафоры

Если вы менеджер, ваша метафора звучит примерно так:

В корпоративной культуре есть известная история: «Если в банку с солёными огурцами положить один свежий — он просолится». Это про то, что один чужак адаптируется к среде.

Но представьте обратное. В банку кладут не один свежий огурец, а три, четыре, пять… Концентрация соли падает критически. Вся банка может закиснуть.

Это наша цепочка из своих на новых местах. Каждый из них — «свежий» в своей новой роли. По отдельности — не страшно. Но вместе они создают критическую массу некомпетентности. И система, которая раньше справлялась с одним новичком, теперь просто не может их всех «просолить» одновременно. Закладывается бомба...

Мораль: один чужой огурец — безопасен. Три своих свежих — риск для всей банки.

Если вы ИТ‑шник, вот ваша метафора:

  • Это похоже на управление отказоустойчивостью: лучше иметь один узел с контролируемым отказом, чем несколько взрывоопасно связанных узлов без изоляции.

  • Как при изменениях конфигурации: rolling update лучше, чем перестановка всех подов одновременно.

  • Применимо к управлению привилегиями: лимитировать blast radius — «один чужой» ограничивает blast radius; цепочка внутренних перемещений увеличивает его.

    Тот же принцип: постепенность и изоляция снижают эмпирический риск.

Как обещал: ограничения теории

Прежде чем вы начнёте писать «А вот у нас в компании всё не так» — давайте договоримся. Теория работает не всегда. Вот когда она точно не работает:

1. Если у компании есть крутой кадровый резерв.
Когда сотрудника готовят к новой роли загодя, его некомпетентность в новой роли близка к нулю. Тогда эмерджентный риск цепочки своих минимален и повышать своих — правильно. Важная оговорка: «готовят» — это когда реально занимаются развитием, учат, делегируют, ставят в замещение и так далее, а не отрабатывают преемственность «для галочки».

2. Если повышения разнесены во времени.
Мы говорим о единовременной цепочке. Если между повышениями проходят месяцы, и каждый успевает вработаться — эмерджентность не страшна. Правда, остаётся вопрос: Васю повысили, и он в новой роли готов, но кто работает на освободившемся месте Васи?

3. Если перемещение горизонтальное.
Ротация на том же уровне ответственности — не наш случай. Мы про вертикальные повышения.

4. Если чужой — действительно гений.
Бывает, что некомпетентность чужого = 0 (идеальное попадание). Тогда понятно, почему выбрали его. Наша теория объясняет выбор в остальных случаях. Но на практике я такого никогда не видел, особенно в разговоре о крупных компаниях. Чем крупнее — тем больше специфики. Сюда же относится история про «черных лебедей», причем как в поизитивном так и в негативном смысле.

5. Если чужой — он только вам чужой.
Широко распространенный тезис о протекции на основе семейственности и тому подобное. Иногда это миф, а иногда нет...

6. У вас стартап.
В быстрорастущих стартапах или R&D «свежая кровь» часто полезнее (см. тезис про бонусы чужака).

Короче: теория описывает поведение среднестатистической компании, где кадровым резервом не занимаются (или занимаются для галочки), а повышения делают быстро и без подготовки. Если ваша компания не такая — вы счастливчик, и теория не про вас. Пришлите название компании в комментарии:)


Выводы

Что это значит для вас как для простого сотрудника

Если вы работаете в компании несколько лет и видите, что на вакантные позиции регулярно нанимают «варягов» — не обижайтесь и не рефлексируйте. Это не значит, что вы дурак или дураки вокруг вас. И не значит, что вас не любят.

Это значит, что система боится цепочек ошибок и митигирует риски ставя в компромис цену потери лояльности внутренних талантов.

Парадокс: чем дольше вы работаете в компании, тем выше вероятность, что на открывшуюся вакансию выше вас возьмут человека со стороны.

Система платит не за вашу квалификацию. Система платит за управляемость риска. И если чужой обходится дороже, но даёт один риск вместо трёх — система выберет чужого.

Что это значит для компаний

Тут вполне очевидные выводы, в большинстве своём пересекающиеся с любыми другими статьями про кадровую политику, но, возможно, будут полезны.

Если вы управляете компанией или отделом — вот вам три практических вывода.

Первый. Не выстраивайте длинных цепочек одновременных повышений. Каждое перемещение — это новая точка некомпетентности. Три перемещения подряд — это не три проблемы, а бомба.

Второй. Если вам нужно повысить сотрудника, делайте это с паузами. Дали новую роль — дайте время вработаться. Только потом повышайте следующего. Разрыв во времени снижает эмерджентный риск.

Третий. Инвестируйте в кадровый резерв. Если вы снизите некомпетентность в новой роли до околонулевых значений, баланс сместится в сторону внутренних повышений. Но это требует ресурсов.

Вместо послесловия

Эта статья родилась в одной из моих попыток ответить на вопрос коллег и подчиненнных: ты же давно в системе, почему же так...

Никаких грантов, никаких диссертаций и сильных исследований, только живой опыт и желание разобраться, почему мир устроен именно так, а не иначе.

Поскольку на просторах Интернета каких‑то таких выводов у других я не нашел, скромно предлагаю назвать описанную закономерность «принципом ограничения некомпетентности». Если приживётся — будем считать, что статья написана не зря. А если нет — что ж, хотя бы было весело.

Если вы дочитали до конца — вы, скорее всего, сами не раз сталкивались с этой логикой в своей правктике. Или, наоборот, принимали такие решения.


P. S. Делитесь в комментариях: был ли у вас случай, когда вас обошли «чужим», хотя вы были готовы расти? Или, может, вы сами принимали такое решение как руководитель? А может, вы нашли ещё что‑то, что я упустил? Рассказывайте. Если наберётся достаточно контраргументов — возможно, сделаем вторую часть, с опровержениями или уточнениями.