Які AI-скіли реально потрібні DevOps-інженеру у 2026 та 2027 роках?
Починаю помічати, що у вакансіях також вимагають «Досвід роботи з AI». Що конкретно за цим стоїть, зазвичай ніхто не пише.
Питання до досвідчених DevOps/SRE: Які інструменти чи навички дали вам справжній поштовх у роботі? Що порадите вчити мідлам і джунам, щоб бути в темі через два чи три роки? Також цікаво, як ви вибудовуєте робочий процес з AI.
6 коментарів
Додати коментар Підписатись на коментаріВідписатись від коментарівЯ би розділив вимоги на декілька типів:
1. Особисте використання.
ШІ — це інструмент, який може прискорювати і мультиплікутувати як хороше, так і погане. Відповідно, цим інструментом треба вміти користуватись і не довіряти сліпо всьому, що воно видає. Як каже мій колега: You cannot call AI an idiot.
Ми в компанії проводимо інтерв’ю з ШІ, і дуже багато кандидатів використовують ШІ наївно, просто пишуть у промпт: fix tests, find bugs і т.д., як у тому мемі про make no mistakes.
Сюди ж відносяться штуки навколо «AI harnessing»: написання skills, правил, менеджмент контексту, управління доступом, і таке інше. Щоб не стати людиною, що пише в Xitter , як Клод зніс їм продакшн базу.
2. Використання ШІ в контексті команди/ компанії
Поширення skills із колегами, вплетення ШІ в існуючі процеси тиску код ревʼю і автоматизації рутини. Побудова цілісних агентних воркфлоу.
3. Безпосередньо створення ШІ
Тур може бути і про дата-пайплайни, і про дотренування, і про деплой LLM, наприклад, в Куби.
Відповідно, в залежності від того, чим компанія займається, і як далеко вона зайшла у використанні ШІ, будуть дивитись на щось із цього.
Я би розділив вимоги на декілька типів:
1. Особисте використання.
ШІ — це інструмент, який може прискорювати і мультиплікутувати як хороше, так і погане. Відповідно, цим інструментом треба вміти користуватись і не довіряти сліпо всьому, що воно видає. Як каже мій колега: You cannot call AI an idiot.
Ми в компанії проводимо інтерв’ю з ШІ, і дуже багато кандидатів використовують ШІ наївно, просто пишуть у промпт: fix tests, find bugs і т.д., як у тому мемі про make no mistakes.
Сюди ж відносяться штуки навколо «AI harnessing»: написання skills, правил, менеджмент контексту, управління доступом, і таке інше. Щоб не стати людиною, що пише в Xitter , як Клод зніс їм продакшн базу.
2. Використання ШІ в контексті команди/ компанії
Поширення skills із колегами, вплетення ШІ в існуючі процеси тиску код ревʼю і автоматизації рутини. Побудова цілісних агентних воркфлоу.
3. Безпосередньо створення ШІ
Тур може бути і про дата-пайплайни, і про дотренування, і про деплой LLM, наприклад, в Куби.
Відповідно, в залежності від того, чим компанія займається, і як далеко вона зайшла у використанні ШІ, будуть дивитись на щось із цього.
Вузькоспеціалізована доменна експертиза
Наприклад, досвід міграції фінансового софту з майнфремів IBM в хмару AWS.
Привіт! 👋
Стопану свій комент відразу на декількох питаннях:
1) Що порадите ... щоб бути в темі через два чи три роки?
Сорі, але поїзд їде і без вас (нас) 🤷♂️ Ми або зараз слідкуємо, підписуємося там на стрічки новин, наприклад, або це буде неактуальним за пів року. АІ дав поштовх (🔥) до самої суті інженерної думки та підходів до роботи — це докорінна революція, хто б там що не казав. Якщо ми зараз не будемо за цим слідкувати, розвивати свої навички/проєкти/юніти/компанії, то дуже скоро це буде дуже плачевним та деструктивним 📉 В мене вже DevOps/SRE адаптовані практики (а я мовчу за минулорічні Ральфи там всякі) ріжуть мені роботу на 70%, а що було б, якби всі так працювали? Сама інженерія тепер швидше працює і випускається 🚀
2) Вектори застосування, якщо коротко і базово:
1️⃣ Це персональне використання — базові скіли Gen AI (такі, як у всіх технарів, але і в принципі всім в ІТ я би сказав), робота з різними API та системами, робота з CLI тулінгом (gh/glab, kubectl/docker/helm і так далі), робота з клаудом (сервісами, даними і так далі).
2️⃣ Бойове використання на середовищах — побудова аналітики по об’ємам даних 📊 (це база насправді всім, просто хочу окремо це висвітити), побудова автоматизацій включно поверх звичайного CI/CD процесу (security, MR/PR review, agents, workflows, N8N etc) 🤖, notifications- або metric-inteligence через агентів, Incident Management ланцюжок 🔗, скедулед задачі/роботи з участю AI API.
⚡Є інші, звісно, вектори, наприклад, побудова agentic BI або прикладне застосування LLM. Але це вже вузьконапрямлений вектор.
3) Де брати скіл і розуміння? Куди далі рухатись?
Зовсім спокійно та нетоксично у вас запитується: Ну а де ви навчились Докеру? А де ви навчились дебажити Кубер? Як ви зрозуміли, що треба вчити для вступу в DevOps/SRE?
Ну і так само для АІ.
🧠 Висновок залишу тут (з деяким акцентом): Девопс та і вцілому інженер без АІ-first підходів ще вчора — це як відсутність кубернетес на докерезованих мікросервісах 10 років тому (ну або зараз, в кого як).
Дякую за коментар! Дійсно достойна відповідь!
Дуже смішний коментар)🚀🧠⚡📊📉1️⃣враховуючи топік