Performance Review: кормим LLM историей рабочих активностей и помогаем Техлиду принимать решения
Программный комитет ещё не принял решения по этому докладу
Целевая аудитория
Тезисы
Перформанс-ревью часто превращается в театр абсурда. Техлиды жалеют стагнирующих сотрудников, придумывают им "удобные" мелкие задачи и боятся сложных разговоров. Сотрудники выгорают от синдрома самозванца.
А ведь у нас есть всё, чтобы разорвать этот порочный круг. У нас есть гигабайты текстовой истории: калибровки за прошлые годы, селф-ревью, статистика git (размер и суть коммитов), логи Jira и активности в мессенджерах.
Если перестать демонизировать LLM и включить инженерный подход, AI становится идеальным, беспристрастным помощником руководителя. Модель не умеет "жалеть", она видит паттерны, "жалеет" человек!
В докладе я на реальных (анонимизированных) кейсах покажу, как мы скормили LLM данные и научили её подсвечивать слепые зоны менеджмента.
Главный по Development Platform в MWS Cloud Platform для разработчиков на Golang и Kotlin/Java. Отвечает за процесс найма разработчиков. Более десяти лет занимался инфраструктурой в Яндексе и делал managed-сервисы в Yandex Cloud. Разрабатывал внутренние библиотеки и инфраструктуру для других команд. В целом большой опыт разработки проектов в области дистанционного обучения, медицины, интернет-поиска, облачной инфраструктуры.
Видео
Другие доклады секции
База
