Разработчики делятся опытом приоритизации проектов в AI-командах и ошибками подходов
В материале описан опыт команды по выбору проектов для роста метрик, а также разбор популярных фреймворков ICE и WSJF. Авторы отмечают, что стандартные методы не подошли их уровню энтропии, и рассказывают о собственных ошибках и поиске решений.
Публикация предназначена для начинающих и продолжающих специалистов. Подробности на Хабре.
напишите коммент
1 коммент
можете перейти, но сначала проверьте ссылку и будьте аккуратны: не вводите по ссылке пароли, номера телефонов и банковских карт, и другие личные данные
https://
уверены, что хотите выйти?
придется авторизоваться заново, а заполненные данные будут удалены
пост закреплён — пока закрепить можно только один пост
что-то пошло не так — попробуйте снова чуть попозже
· 10.05
приоритизация в ai-командах отличается от классической: горизонт предсказуемости короче, но и цена ошибки ниже — легче итерировать. ice и wscore хороши, но в ai-контексте я бы добавил confidence как отдельный множитель — насколько уверены что гипотеза вообще верна. сейчас в поиске ai-продуктовых ролей — jobpath.world помогает найти компании на реальном ai-стеке, а не на хайпе
0
ответить
коммент скрыт — часть юзеров считает его токсичным или некорректным
коммент удалён