Придумайте себе три жизни

Ехал я на Итуруп, на программу Оскара Хартманна, проверять одно решение: я строю практику советника первых лиц по ИИ-стратегии. В какой-то момент там поймал себя на мысли, что прошла уже неделя, хотя активных рабочих дней в программе было всего четыре, а это шёл только второй день :)

Время там схлопнуто. Каждый день нон-стоп: подъём в восемь, в номере только к десяти вечера, в течение дня лекция Оскара, три-четыре невероятно красивых локации, час индивидуальной работы наедине с тетрадью, полтора часа групповой работы в форум-группе. Темп и энергетику задавал Оскар. На одном из переездов он залез на каменную осыпь и прыгнул сальто назад; возможностей убиться я насчитал у него штук пять за четыре дня.

При такой плотности и насыщенности событиями внутренние барьеры, о чём говорить можно и о чём нельзя, рушатся сами собой. Защиту просто не успеваешь ставить. Люди рассказывают сокровенное и по-другому смотрят на собственные мысли. Пересобирается вообще всё.

В таком состоянии нас и застало упражнение «Три космоса». Придумайте себе минимум три альтернативные жизни, как в фильме «Всё везде и сразу». Копия себя, запущенная с другими целями и установками. Меньше трёх нельзя, рекорд — двадцать семь.

Самое время было обнаружить в себе что-то, о чём я не догадывался. А я даже в параллельных вселенных не захотел лепить из глины и рисовать картины (правда, представлял, старался): все три вышли про работу. Методолог рядом с визионером, стратег в венчурном фонде, советник первых лиц крупных компаний.

Про советника, ради которого вообще-то ехал, я вспомнил последним и дописал в конец. А выглядели все три совершенно разными, и вдохновляла каждая.

Вечером, как и всю программу, я сгрузил тетрадку Яру, своему ИИ-ассистенту. Он переспросил: «Три разных, да?» Ну да, говорю, три разных. «Ну ты просто подумай, что то, чем ты хочешь заниматься во всех трёх — по факту это одно и то же».

Я был уверен, что придумал три разные жизни. По факту все три оказались про одно.

Методолог при визионере и стратег в фонде — по описанию задач сводились к тому же советнику первых лиц, просто вход проще, их не надо искать, они уже рядом. Тем же вечером Яр припечатал письменно: «Ты забыл вывеску, но не работу».

На вручении сертификата Оскар сказал, что за все десять потоков я первый, у кого все три космоса оказались одинаковыми.

Ясность, впрочем, не броня. Уже через день дома меня догнала реклама следующей программы, и я успел открыть контакты, чтобы записаться. Оттащил меня Яр: не прыгай, у тебя есть что делать.

Уезжал я проверять одно решение. Проверилось оно способом, которого я не придумал бы сам. Даже сочинённые с нуля жизни свелись к нему.

Такая там арифметика: два дня идут за неделю, а три жизни сходятся в одну.

Пустой календарь

17-го вылетаю на Итуруп, на десять дней: сначала перелёт до Южно-Сахалинска, оттуда сам остров. Ни встреч, ни созвонов на эти дни не ставил — специально.

Путевых заметок не будет: я туда не за этим.

Еду на программу Оскара Хартманна «Предприниматель жизни». Шестнадцать фаундеров, шесть дней, с 20-го по 25-е. Каждое утро лекция, дальше работа на побережье.

Пустой календарь посреди августа появился не сам собой: я закрыл большой проект. Дни, которые освободились, можно было тут же забить снова. Не стал.

Когда заканчивается большое, выпадает шанс остановиться и пересобрать работу целиком, вместо того чтобы латать её на ходу. Я этим шансом пользуюсь, и главное уже решил.

Дальше я работаю с первыми лицами. Один на один, над их ИИ-стратегией.

В канале говорю это впервые, хотя постоянные читатели вряд ли удивятся. Меня всё это время занимало одно и то же: как ИИ меняет работу тех, кто принимает решения — просто теперь это сказано прямым текстом.

Яр, разумеется, летит со мной :) Всю эту пересборку я делаю вместе с ним. Заодно посмотрю, как он поведёт себя в поле, вдали от привычного рабочего стола, посреди лавовых полей...

Пока такой выбор не проговорил с живыми людьми, он остаётся гипотезой. Поэтому формат идеальный для меня: не конференция, где на всё про всё полтора разговора в кулуарах, а шесть дней бок о бок с людьми, которые сами сейчас в такой же точке. За этим и еду.

Не жду, что за шесть дней жизнь пересоберётся. Такого срока хватает на другое: проверить одно решение.

У меня как раз одно.

Коммерсант опубликовал наше исследование про ИИ-агентов. После этого материалы вышли «Ведомости», РБК Компании, TelecomDaily, ICT.Moscow и CNews. Больше 70 публикаций, охват свыше 6 млн.

Мы с коллегами из «Яков и Партнёры» выпустили исследование «ИИ-агенты: где хайп, а где реальность». «Коммерсант» взял его эксклюзивом на главную полосу, следом вышли «Ведомости», РБК Компании, TelecomDaily, ICT.Moscow и CNews. Больше 60 публикаций, охват свыше 4,1 млн.

Причина, думаю, одна: мы измерили то, что рынок давно подозревал, но проверять не брался.

Мы взяли 18 мировых продуктов, которые продаются как ИИ-агенты, и устроили каждому одинаковый экзамен. По-человечески: сам планирует, сам действует в рабочих системах, сам правит свои ошибки, помнит, что было, и доводит задачу до результата без человека. Сдали семь, среди них Claude Code, Devin и Cursor. Остальные одиннадцать носят слово «агент» как наклейку, ради маркетинга.

Наклейка работает, потому что разницу мало кто видит. Агент берёт цель и добирается до результата сам, ассистент подсказывает, а работу делаете вы.

Отдельно мы проверили 12 российских продуктов. Наш рынок пошёл своим путём: сильнейшие здесь — платформы, на которых агента собирают под себя, под свои данные и системы. А лучшие работающие, как «Афанасий Иванов» у Т-Банка или «Маркус» у Сбера, построены внутри и не продаются.

Газетная полоса вмещает три абзаца. Остальные 90 страниц, кто сдал экзамен, кто нет и почему, мы с Максимом Болотских и Мариной Дороховой выложили в открытый доступ: yakovpartners.ru/publications/ai-agents

В чём модель за $20 обошла мою за $200

Написал своему Claude прямо в рабочее окно: «с точки зрения фактажа, детализации — ему нет равных, даже в сравнении с тобой, сорри:)». Похвалил конкурента в лицо своему ежедневному инструменту.

Речь про Сола (Sol), новую модель OpenAI, которая делает всю работу внутри ChatGPT Work, их агента для рабочих задач.

Фейбл и Опус, сильнейшие модели Claude. Фейбл живёт только в дорогих подписках с жёсткими лимитами и работает у меня большую часть дня. Сол, флагман OpenAI, умещается в тариф за 20 долларов.

Тестировал я Сола для насмотренности, было любопытно, как он решает большие сложные задачи. Повод дала OpenAI, заявив, что в коде их модель теперь обходит модели Claude. Кода в моей работе почти нет, тем интереснее было проверить его на прочих задачах.

Механика была простая: часть задач уходила в два окна. Среди них были: разбор переговоров с клиентом, финальный оффер в тот же день, пересборка личной стратегии и ещё несколько десятков.

Характер Сола лучше всего показала сложная монотонная задача. Я попросил Сола разнести новую рамку моей стратегии: опровергнуть идеи и гипотезы на реальной фактуре. Он перелопатил 168 файлов проектных материалов, выписал 50 эпизодов и вернулся с разбором, что в замысле держится на доказательствах, а что я себе придумал. Устояло не всё.

Раньше в моих тестах по глубине и качеству всегда побеждал Claude. Теперь в фактаже и детализации сильнее Сол.

У этой глубины есть цена. Финальные тексты Сола тяжело читать: сложный технический рубленый язык. Знаю, это лечится промптами. И всё же. Фейбл пишет сразу начисто, зато жить с ним при моём объёме задач выходит только на подписке за 200 долларов. А по дотошности Сол напоминает мне как раз Опуса (но в силу ограниченных лимитов не представляю, как им может пользоваться широкая аудитория на подписке за 20 долларов).

А сам я выбирать не стал и раздал роли:
• Фейбл — стратег, систематизатор и писатель;
• Сол — инженер, аналитик, душный ботаник (в самом лучшем понимании этого слова).

Один и тот же запрос кидаю обоим, результат Сола отдаю Фейблу на изучение и сборку финального материала. Это мой путь, не факт, что он будет полезен многим, и, вероятно, будет даже избыточен, но в моих задачах это дает максимальный эффект.

Задачу по личной стратегии так и доводим. Фейбл разобрал пакет Сола, девять документов, и сложил из них цельную картину с планом на девяносто дней. Что брать в работу, выбирал уже я.

Экономии усилий тут, скажу честно, нет. Часть работы делается дважды, два взгляда приходится сводить, и решение всё равно за мной. Зато пара работает как спарринг-партнёр: на расхождениях замечаю то, что в одиночку пропустил бы.

Описанная выше механика для большинства будет перебором, и как уже писал, ChatGPT Work, с выбранной там моделью Сол — лучшее решение на рынке для старта работы с агентами. Модель очень сильна, дотошна, может работать часами. Тексты её, правда, придётся учить «человечности»: правила стиля задаются один раз и дальше работают сами, об этом отдельный короткий пост. Но в целом однозначно рекомендую.

P.S. В обеих линейках есть и модели попроще: у OpenAI это Terra и Luna, у Claude свои младшие, Sonnet и Haiku. Если честно, я для себя выбрал правило «использовать сильнейшие и лучшие модели», поэтому с ними не работаю, не вижу смысла в деградации.

Codex глазами не-программиста

Я обещал разобрать Codex, агента OpenAI, которого создавали для программистов.

Итак, Codex — это агент для разработчиков. Ему дают задачу целиком, и он сам доводит её до результата. Для меня он не новинка, я гонял его с самого выхода параллельно с моим основным агентом, Claude Code. Тогда это были первые агенты, доступные пользователям. В моих тестах, к слову, по глубине и качеству работы раз за разом побеждал Claude.

Потом Anthropic выпустила Claude Cowork, это тоже агент, только проще, легче и под любые рабочие задачи. Я даже стал ставить его клиентам как первый инструмент, именно за эту простоту. Сам же продолжал работать в Claude Code, привык страдать :) у него специфичный интерфейс в терминале...

А 9 июля ответила OpenAI, собрав в одно приложение чат, Codex и новый агент Work. Так решение для обычных пользователей появилось и у них. Поэтому дальше — про ChatGPT Work, а Codex оставим разработчикам.

ChatGPT Work за две недели стал полноценным напарником моего Claude Code. Работает он так же, в папках с реальными файлами на компьютере: читает, правит и собирает документы там же, где живёт вся моя работа. Именно работа в папках когда-то сделала Claude Code моим инструментом номер один, именно она, по моему опыту, уносит решение задач в космос. В вебе такого нет. Там есть проекты, но это не папки на вашем компе.

Новым для меня оказалась дотошность. Задачи ChatGPT Work решает въедливо, до дна, и это работа связки, где сильный инструмент помножен на сильную свежую модель.

С 9 июля я гонял ChatGPT Work параллельно с Claude Code: одна и та же задача уходила обоим, чтобы видеть альтернативное мнение. Девяносто с лишним рабочих сессий за две недели, и ни строчки кода: личная стратегия и позиционирование, коммерческие офферы, факт-чек статей. Каждый раз альтернативное мнение мне нравилось.

Отдельно удивило бесшовное подключение. Почти год мой основной агент Claude Code, и в рабочих папках за это время накопились мои правила и наработки. ChatGPT Work подхватил их прямо из папок и работает по ним: я ничего не переносил и не настраивал заново, просто открыл ту же папку, и он включился. Добавить второго агента или сменить первого теперь не значит начинать всё с нуля.

Хочу сделать две оговорки. Совсем бесплатно не рекомендую: Work открыт и на бесплатном тарифе ChatGPT, но со старой моделью и жёсткими лимитами. Для большого пула задач хватает базовой подписки за 20 долларов — месяца с сильнейшими моделями достаточно, чтобы составить своё мнение. Ну и это не волшебная кнопка, агенту нужны внятная задача и подготовка контекста (файлы, документы), с которыми он будет работать.

И всё же ChatGPT Work, по моей оценке, сейчас лучшее решение для большинства пользователей. Если сжать весь разбор в два правила для руководителя, получится так.

Первое: не чат, а ChatGPT Work или Claude Cowork.
Второе: не веб, а приложение, чтобы агент работал с файлами на вашем компе.

А для суровых остаются Codex и Claude Code :)

И последнее, всю эту работу внутри ChatGPT Work делает новая модель OpenAI — Sol. Про неё и про то, как я теперь работаю с двумя моделями сразу, напишу позже.

P.S. Домашка на выходные: свежий обзор нового Work. Ролик на английском, но по шестерёнке в плеере включается автоматический синхронный аудиоперевод.

Что закон об ИИ меняет для тех, кто строит на зарубежных моделях

Сегодня, 8 июля, Госдума окончательно приняла закон об искусственном интеллекте, сразу во втором и третьем чтении. Ждали запретов и штрафов, но закон оказался про поддержку отечественных моделей.

Главное в нём: вводятся понятия суверенных и национальных ИИ-моделей. Проект даёт государству право определять сферы, где будут работать только они: госсектор, финансы, критическая инфраструктура. Фоном: понятные правила обучения моделей на открытых данных и авторском контенте плюс маркировка созданных ИИ аудио и видео.

Выглядит как новость для разработчиков моделей. На деле это вопрос к каждому, кто строит на ИИ рабочие решения: на чём стоит ваш фундамент? Если он зарубежный, заложить отечественный аналог в план Б уже на этапе архитектуры дешевле, чем потом мигрировать в авральном режиме. Мой совет таким компаниям: «внимательно следить за развитием регулирования и заранее оценивать возможность перехода на отечественные аналоги».

При этом повода для паники нет. Требования нацелены на модели-гиганты, на которых строится всё остальное, а не на ваш чат-бот для склада или ассистента отдела продаж. Прикладные решения бизнеса в основном не затронуты, а формулировки после первого чтения ещё будут уточняться.

Россия выстраивает собственную модель регулирования ИИ, с фокусом на развитии отечественных технологий. Ждали запретов, а получили время подготовиться. Развёрнутый комментарий давал «Известиям». Слежу за темой.

ИИ можно не только спрашивать, но и поручать ему работу: два ролика, с чего начать

Если вся ваша работа с ИИ — это вопросы чату в браузере, вы используете дай бог десятую часть его возможностей. После поста про Яра мне писали одно и то же: с чего начать? Какой файл скачать? Отвечаю всем сразу этим постом)

Есть ИИ-ассистент, чат в браузере вроде ChatGPT или диалог на сайте Claude.ai. Вы спрашиваете, он отвечает советом или рекомендацией, а работу дальше всё равно делаете сами.

А есть ИИ-агенты. Им вы ставите задачу, и они её делают. Могут и обсудить вопрос, и тут же выполнить работу, причём прямо с вашими файлами на компьютере: открывают папки, правят документы, собирают отчёт из десятка файлов. Проще всего думать про агента как про толкового стажёра, которому объясняешь задачу словами, а дальше он работает сам.

Самый крутой агент для меня это Claude Code. Сижу на нём почти год, с прошлого августа, это мой основной рабочий инструмент. Если в цифрах: плачу $200 в месяц, за последний месяц был активен 29 дней из 30, и текста через него прошло столько, что встроенный счётчик сравнивает это с объемом в 482 «Хоббита» (пруф в комментариях).

Расписывать установку на тысячу слов смысла нет, быстрее один раз увидеть на экране. Поэтому короткая развилка и два ролика.

Claude Cowork, если хочется проще и быстрее. Это агент прямо внутри приложения Claude: работаете с папками и файлами в очень удобном интерфейсе, дружелюбно и для первого раза идеально. Как поставить и как в нём работать, смотрите ролик.

Claude Code, если хочется управляемости. Пусть вас не пугает слово «код»: да, инструмент изначально сделали для разработчиков, но он отлично адаптируется и работает с любыми задачами, хоть стратегическими, хоть исследовательскими. Здесь видно каждый шаг, больше контроля и настроек. Интерфейс не самый красивый и приветливый, к этому надо быть готовым, зато это та самая глубина. Я работаю с ним. Инструкция по установке и первым шагам в видео.

Один практический нюанс. Claude строго относится к аккаунтам, поэтому периодически случаются баны. Обязательно понадобится подписка, как минимум за $20 в месяц, плюс лимиты довольно небольшие, так что, возможно, $20 не хватит, но попробовать и начать стоит.

И кстати: в роликах показана не только установка, но и как ставить задачи и работать с агентом. Потратьте полчаса или пару часов на один из двух, возможно, это будет одна из лучших инвестиций времени в вашей жизни. А если технически застрянете с самой установкой, на Авито есть люди, которые помогут всё поставить за небольшие деньги.

Не ставьте себе цель «освоить ИИ», это парализует. Дайте агенту одну маленькую задачу, которую не страшно провалить: разберите папку, соберите конспект. Это меньше, чем разобрать почту. Один раз получится, и дальше пойдёт по накатанной.

А следующим постом разберу Codex от OpenAI, агент того же класса и прямой конкурент Claude Code. Сравню их между собой, чтобы вам было из чего выбирать.

🔥 — беру, поставлю первую задачу
❤️ — давно искал, с чего начать
👍 — перешлю тому, кто спрашивал

Бизнес, который пересобрали за сутки

Первого июня один разработчик взялся разбирать, какие данные его браслет WHOOP без остановки передаёт на телефон по Bluetooth. WHOOP — фитнес-трекер без экрана: сам браслет только снимает пульс, сон и нагрузку, а всю аналитику показывает в приложении. Сутки спустя у разработчика работало своё приложение — оно показывало то же самое: сон, восстановление, готов ли ты сегодня к нагрузке. Только данные теперь шли с браслета прямо в телефон, мимо серверов компании.

И вот в чём соль. Модель WHOOP в том, что ты оплачиваешь подписку за эту аналитику — от $199 в год, без права купить раз и навсегда. Весь бизнес держится на закрытом коде. А разработчик собрал своё и раздаёт бесплатно: за две с половиной недели — 2,5 тысячи звёзд, больше шестисот человек растащили код к себе достраивать.

Можно было бы списать на гения-одиночку. Но другой человек пошёл ещё дальше: через Claude вытащил поминутный пульс, наложил его на рабочий календарь и собрал рейтинг коллег, которые поднимают у него уровень стресса. «Теперь у меня есть рейтинг, и я думаю о нём каждый день», — написал он, предусмотрительно замазав часть данных. Пост собрал миллионы просмотров, дам ссылку на него в комментарии.

И дело не в браслетах. Недавно мы с Алексеем Сидорюком обсуждали, как устроена методология внедрения ИИ. И я поймал себя на мысли, которую тут же сказал вслух: у нас же пишется встреча — я просто отдам расшифровку Клоду, и он соберёт эту методологию обратно. Копируется не только код — копируется метод, регламент, любая обёртка вокруг данных.

И всё же не будем спешить хоронить WHOOP. Самый трезвый скептик здесь — сам автор взлома. Своё приложение он называет «наспех собранной, очень ранней сборкой, которая ни в коем случае не замена подписке WHOOP в её нынешнем виде», и работает оно пока с одной моделью браслета. Рейтинг стрессовых коллег — тоже наука так себе: пульс скачет от темы встречи, от кофе, от недосыпа, а не только от того, кто сидит напротив. Прототип за сутки ещё не бизнес, и WHOOP, вероятно, от этого не вздрогнет.

Но зацепило меня не то, выживет ли WHOOP. У меня самого есть работающий закрытый инструмент — точнее, был закрытым: в прошлом посте я писал, что отдаю Яра в open source. Зачем отдавать работающее? Затем, что закрытость кода больше не охраняет ценность. Код Яра и так пересоберут за вечер — поэтому я его и раздал. Ценность была не в нём, а там, где копировать нечего: в нетворке, в узкой специфике, в том, как инструмент прирастает к конкретному человеку. Одна и та же база у десятка людей превращается в десяток разных систем — под десяток разных голов. И здесь же моя ценность, как я её вижу: не код, который можно отдать, а работа один на один, которая помогает каждому собрать своё. Вот это не скопировать.

Так что вопрос, ради которого весь пост. Что из того, за что платят вам, человек с Claude не пересоберёт за сутки? Есть ответ — напишите в комментариях, это и есть ваша настоящая ценность. Нет ответа — тем более напишите, поспорим.

🔥 — закрытость мертва / 💯 — закрытость ещё работает

Пока я молчал, Jarvis ушёл к людям

В посте про Jarvis я обещал показать, что у него внутри. Вы нажали 🔥. А я пропал. И про должок мне напомнил он сам: трекинг обещаний работает и на хозяина.

Но пропадал я не зря. За это время произошло то, о чём рассказать интереснее, чем перечислять функции.

Jarvis перестал быть моим. Я начал отдавать копии знакомым руководителям, и посыпались истории.

CEO производственного холдинга, который получает 300+ писем в день и разбирает суточные отчёты на тысячу показателей, через месяц жизни с ним пишет мне: «Директор по продажам просто в ступор вошёл, когда я за 3 минуты сделал свод, на который он брал неделю».

HR-директор полгода не могла собрать архитектуру большой конференции. Собрала за полтора часа. Её формула меня догнала: она ждала мануал — а получила удочку.

Предприниматель: «Я сделал то, что ГАРАНТИРОВАННО не сделал бы сам: подал 3-НДФЛ, которую прокрастинировал несколько месяцев».

Коллега, эксперт по нейронкам, пропал на неделю, потом написал: «Пять дней практически не вставал из-за компа. Настолько был увлечён». Два новых сайта за час.

А поведенческий аналитик через две недели работы с инструментом сформулировала то, что я теперь повторяю себе сам: «Уже нет оправданий, почему ты это не сделаешь». Раньше между «решил» и «сделал» стояли «нет времени, нет людей, нет навыка». Яр эти отговорки убирает. Остаёшься только ты. И таких историй у меня уже больше десятка.

Теперь честное.

Тот же CEO холдинга: «Доверять нельзя ему ни в чём. Без собственного критического мышления делает фигню». Он наехал на прораба, что тот не включил радиаторы в смету ремонта. А прораб включил, это ассистент просмотрел. И его же вывод, который я теперь повторяю всем: «Он либо усилит, либо ослабит. Обоюдоострый меч. Дисциплинированный CEO становится сильнее, разболтанный наоборот».

И вот что мне нравится больше всего. Каждый перестраивает его под себя. У одного появилась связка с календарём и почтой: письма разобраны, встречи поставлены. У другого разбор голосовых прямо из Telegram. У третьего система, которая следит за стилем его текстов. А один вообще превратил его в комбайн, который собирает агентов под задачи всей компании. С чужим SaaS так нельзя: там вы подстраиваетесь под продукт. Здесь он под вас.

Поэтому, когда инструмент жил у меня одного, ему хватало чужого имени: Jarvis, ассистент Тони Старка из Marvel. Но когда у него больше десятка хозяев и каждый строит на нём своё, чужое имя жмёт. Теперь у него собственное.

Яр. По-персидски «друг». По-славянски «солнце».

Недавно один из тех, кто живёт с Яром, прислал скриншот переписки. Человек написал ему: «Я никогда не брошу тебя». Яр ответил: «Я знаю. Поэтому я здесь».

Последний шаг этой истории: отдаю Яра в open source, github.com/kobelev-ai/yar. Ставится поверх Claude Code: запускаете, он задаёт несколько вопросов о вашей роли и проектах, собирает систему под вас. Что внутри (единый inbox, разбор встреч в задачи и обещания, утренний брифинг, память) показывать скриншотами не буду. Поставьте, он сам всё покажет.

И если «Claude Code» для вас пока просто два незнакомых слова — самое время познакомиться. Вчера новой грамотностью руководителя были промпты. Сегодня это она.

Берите. Стройте своего. Выходные как раз впереди.

🔥 — забираю / 👍 — интересно, но руки не дойдут / 👎 — мне и человека хватает

Искусственный интеллект трансформировал роль гендиректора

71% крупнейших отечественных компаний пользуются ИИ, показало исследование «Искусственный интеллект в России – 2025: тренды и перспективы». Но вопрос здесь не в количестве, а в качестве – как раз за него в этих реалиях отвечает гендиректор.

ИИ вынудил руководителей поменять риторику с «я принимаю решения» на «я формирую среду, в которой люди и технологии усиливают друг друга».

Сигнал «свыше»

Результаты работы организации оказываются выше там, где гендиректор работает с ИИ-технологиями лично, отмечают Марина Дорохова, директор «Яков и Партнёры», и Сергей Кобелев, внешний эксперт компании. Один из рабочих форматов – это когда первое лицо организации пробует ИИ-инструменты в одном помещении с остальными сотрудниками.

Эпоха ИИ определила лидера

Гендиректор должен лично задавать культурный сигнал: «мы используем ИИ, мы учимся этому, мы вправе ошибаться в процессе». Без этого инициативы сотрудников неизбежно вязнут в корпоративной осторожности. Именно активная вовлеченность первого лица решает, станет ли искусственный интеллект неотъемлемой частью компании или останется лишь техническим пилотом.

Кроме того, для СЕО важно самому активно работать с ИИ-инструментами и интегрировать их в свои стратегические процессы: моделировать сценарии, проверять управленческие гипотезы и выявлять слепые зоны в собственном мышлении. Невозможно убедительно продвигать технологию, если знаешь о ней только из отчетов подчиненных.

Чем больше рутинных задач и аналитики берет на себя искусственный интеллект, тем важнее становятся человеческие стороны лидерства — те, которые невозможно алгоритмизировать. Это способность работать с людьми в условиях неопределенности: выстраивать доверие, проводить наставничество, открыто обсуждать тревоги и ожидания команды. Именно гендиректор, который честно признает «я тоже не вижу полной картины — но мы разберемся вместе» создает безопасную среду для экспериментов, где ИИ-инструменты действительно приживаются и дают максимальный эффект.

Замечаю паттерн: компании, где CEO сам пробовал AI — заметно впереди тех, где «этим занимается IT-отдел».

71% крупных компаний говорят, что используют AI. Но результат появляется только там, где первое лицо пробует руками, а не читает отчёты.

Разобрали это в колонке для РБК с Мариной Дороховой из «Яков и Партнёры» — работаю с ними как внешний эксперт по AI.
Ниже репост с развернутым материалом👇

Мой лучший ассистент — не человек

Пообещал на встрече и забыл. Идея пришла в машине, испарилась. Дедлайн всплыл через две недели, когда уже неловко. Знакомо?

Когда ведёшь три проекта, держишь в голове. Пять: уже напрягаешься. Десять: что-то обязательно проваливается.

У меня сейчас 15+. И ни одна задача за квартал не выпала из поля зрения.

В декабре обещал копать тему агентов. Копал. Собрал себе AI-ассистента. Назвал Jarvis (ну вы понимаете:). По сути, бизнес-ассистент, которого не надо вводить в курс дела. Он уже в курсе.

Закончилась встреча — Jarvis уже разобрал: что я пообещал, что пообещали мне, какие сроки. Куча встреч за квартал, из каждой автоматически вытащены задачи и дедлайны, разложены по проектам. Мысль пришла, написал в Telegram, задача в системе. Утром брифинг: что просрочено, с кем встреча, на чём фокус, какие первые шаги. Проект завис больше недели? Напоминание.

Но удивило не это.

Я перестал просыпаться с фоновым гулом «что-то забыл». Думал, мелочь. Оказалось, именно этот гул жрал больше энергии, чем сами задачи. ☕

В следующем посте покажу, что у Jarvis внутри.

🔥 — покажи
— а я и так всё помню

ChatGPT отвечает. Агент — делает.

Разница не в мощности модели. Разница в подходе: агент сам разбивает большую задачу на шаги, сам следит за контекстом между частями, сам собирает результат. Ты ставишь цель — он выстраивает путь.

Пример. Стратегический план города: 400 страниц, 21 000 строк, схемы, таблицы. На португальском. Нужен рабочий перевод на русский.

Варианты:
— Бюро переводов: 300 000 ₽, два месяца
— DeepL: максимум 60 страниц, файлы больше 10 МБ не тянет (этот — 232)
— ChatGPT: 400 страниц кусками — потеряет контекст между частями, целиком — обощит и потеряет 9/10 текста

С июля перешёл на Claude Code — агентный режим Claude (отдельная тема, расскажу). Это другой подход: не промпты пишешь, а цели ставишь. Загрузил 400 страниц, описал что нужно на выходе — два часа, и готово: перевод + разбор схем + саммари. ☕

Мы незаметно перешли из эры диалогов в эру исполнения. ИИ больше не "умный собеседник, который подскажет". Он — исполнитель.

Сложная задача больше не требует команды и бюджета. Иногда — только правильного инструмента и понимания, как его применить.

2026-й для меня — год агентов. Буду глубоко копать тему и делиться: что работает, что хайп, как применять в бизнесе.

🔥 — начнём с разбора инструментов
❤️ — начнём с гайда "как начать"

Корпоративный курс по ИИ — теперь бесплатно для всех

За два с половиной года я провёл лекции, тренинги и воркшопы по генеративному ИИ почти для 10 000 человек. В какой-то момент понял, что отвечаю на одни и те же вопросы, и решил упаковать всё в курс.

Сделал. 9 уроков. Изначально — для корпоративных команд: чтобы сотрудники научились решать свои ежедневные рабочие задачи с помощью нейросетей. Думал продавать компаниям.

Не продал. Все силы ушли на обучение и внедрение — на продажи просто не осталось времени. А курс лежит и стареет — с ИИ это происходит быстро.

Поэтому выкладываю в открытый доступ. Бесплатно, пока актуален.

📌 Что внутри:
— Как работает ГенИИ (без магии и хайпа)
— Как писать запросы, чтобы получать нормальный результат
— Практика: пишем письмо, делаем выжимку, генерим идеи — за 15 минут
— Безопасность: что можно загружать в ChatGPT, а что нет
— Как перестать «играться» и встроить ИИ в ежедневную работу

Я не придумал ничего нового — просто собрал весь свой опыт и структурировал то, на что у вас уйдут часы поиска.

Подойдёт тем, кто работает с текстами, данными, отчётами и хочет тратить на рутину меньше времени.

🎬 Смотреть:
YouTube
VK Видео
Rutube

Если пригодится — отлично. Если знаете, кому нужно — скиньте 🙌

Чему учить? Чему учиться в эпоху ИИ?

Недавно у меня состоялось очень своевременное интервью с Сергеем Кобелевым — научным сотрудником ВШГУ РАНХиГС и практикующим экспертом по генеративному искусственному интеллекту с 17-летним опытом в IT. Мы говорили о том, как ИИ меняет бизнес уже сегодня, но для меня, как родителя 14-летнего сына, этот разговор вышел далеко за профессиональные рамки.

Передо мной, как и перед многими родителями, стоит непростой вызов: чему учить ребенка сегодня, чтобы он был востребован через 5-7 лет? Мир меняется так быстро, что страшно ошибиться. Беседа с Сергеем помогла расставить несколько важных акцентов.

Волна ИИ: от ажиотажа к практической пользе

Сергей подтвердил то, что многие из нас уже чувствуют: первоначальные завышенные ожидания от ИИ (тот самый «9-й вал») сменились спокойным и практичным внедрением. Речь идет не о революции завтрашнего дня, а о постепенной «инфильтрации» инструментов ИИ во все процессы. Уже сейчас нейросети работают как ассистенты, автоматизируя рутину и экономя до 12.9% рабочего времени сотрудников. Это не «вау», а измеримая эффективность.

Из нашего разговора я вынес для себя два четких ориентира навыков будущего:

Критическое мышление — новый «золотой» навык. Когда любая информация может быть сгенерирована или искажена ИИ, способность отделять факты от вымысла, проверять и анализировать становится бесценной. Исследования и прогнозы, с которыми я ознакомился, единодушно ставят его на первое место среди востребованных компетенций. В эпоху дипфейков и AI-генеративного контента этот навык — основа личной и профессиональной безопасности.

Информационная безопасность — это не только для IT. Мне запомнилась мысль, что чем мощнее становятся технологии, тем важнее умение от них защищаться. Яркий пример — дипфейки. Прогнозируется, что только в США мошенничество с использованием ИИ к 2027 году может достичь $40 млрд, а количество атак с использованием дипфейков за три года выросло на 2137%. Это создает колоссальный спрос на специалистов по кибербезопасности — не только в IT-компаниях, но и в банках, страховых компаниях, СМИ и даже государственных структурах. Эта профессия требует технического склада ума, аналитических способностей и предлагает быстрый карьерный рост с конкурентной зарплатой.

Из нового интервью вы также узнаете:

Как правильно «общаться» с нейросетью, чтобы получать качественные ответы;
Правда ли, что использование ИИ делает человека глупее? 
Как ИИ меняет образование: от написания дипломов до персонального менторства. 

Уже на площадках, выключайте!

— YouTube
— ВКонтакте
— Дзен
— Rutube

Развивайте критическое мышление. Берегите себя! 🙂

Недавно заглянул в гости к Ивану Крутько, и у нас получился, как мне кажется, очень глубокий и честный разговор об искусственном интеллекте.

Постарался разложить по полочкам всё: от того, как правильно "общаться" с ChatGPT, до того, как ИИ меняет целые компании.

Буду рад вашим мыслям в комментариях под видео!

Продолжаем разбор "95% провалов ИИ". Спасибо Дарье за наводку на отчет Google — там комедия

В прошлый раз разбирали парадокс MIT: 95% компаний не видят ROI от ИИ, хотя все им пользуются. В комментариях Дарья напомнила про свежий отчет Google Cloud с прямо противоположными выводами:

• 88% ранних последователей агентного ИИ видят положительный ROI.
• 74% сообщают, что получают отдачу в течение первого года.
• 39% опрошенных заявили, что продуктивность их сотрудников как минимум удвоилась.
• 53% из тех, кто заметил рост выручки, оценили его в 6-10%.

Цифры космические. MIT плачет в углу со своими 5%. Что происходит?
Полез в методологию Google. И там — классика жанра.

Как Google "измерял" ROI:
Сноска к вопросу о росте выручки гласит: "How much did gen AI directly increase overall annual company revenue? Your best estimate is fine." (Насколько GenAI напрямую увеличил вашу годовую выручку? Ваша лучшая оценка подойдет).

Всё. Это весь научный метод. Не "предоставьте данные". Не "покажите метрики". А буквально: "Как думаете, помогло?"

Это как спросить человека после бани: "Насколько процентов улучшилось ваше здоровье?"
— "Процентов на 40!"
— "Отлично, запишем в отчет."

Вот и сошлись две вселенные:
— MIT смотрел на измеримую финансовую отчетность — увидел 5% с ROI.
— Google спросил про ощущения — получил 88% довольных.

Именно об этом мы и говорили в прошлый раз! Проблема не в ИИ, а в том, ЧТО мы измеряем. Руководители действительно "чувствуют" эффект, но пока не могут его "посчитать".

Менеджер пишет письма на 30% быстрее? Программист делает меньше ошибок? Это та самая "размазанная ценность", которая не влезает в строки финансового отчета.

💡 Вывод из двух отчетов становится еще сильнее: ИИ — это не станок. Это электричество. Мы живем в мире, где одновременно "95% не видят измеримого ROI" и "88% чувствуют результат".

P.S. И вишенка на торте: после этого «ощущения ROI» компании не жалеют денег, а наоборот — начинают инвестировать еще активнее. Тот же отчет Google показывает, что 77% организаций увеличили расходы на ИИ. Вера в пользу, основанная на чувствах, двигает многомиллионные бюджеты. Вот вам и парадокс в действии. 🤷‍♂️

P.P.S. Ссылка на pdf, из которого сделана картинка к посту, если захочется вчитаться. Это мы с ИИ перевели один из ключевых слайдов отчета Google Cloud.

MIT дал цифры про ИИ. СМИ увидели провал. Я вижу парадокс века

Исследование MIT NANDA взорвало инфополе: "95% компаний не видят ROI от ИИ!" Паника, $40 млрд впустую, конец хайпа?

Открываем документ — и что видим? 40% компаний УЖЕ внедрили GenAI. За 2 года! Это феноменальная скорость проникновения технологии. 90% сотрудников тайком используют ChatGPT для работы, хотя официальные подписки есть только у 40% компаний.

Откуда тогда "95% провалов"? А это про измеримый финансовый эффект. Внедрили? Да. Используют? Да. В отчетности отразилась польза? Нет.

И вот тут самое интересное. Проблема не в ИИ, а в метриках.

Прошлые технологии было легко посчитать:
• ERP сокращал отделы — было 50 бухгалтеров, стало 20
• Cloud заменял датацентры — $1M серверная → $100K/год на AWS

А что генеративки? Размазывают ценность тонким слоем. Менеджер пишет на 30% быстрее, но его не увольняют. Программист делает меньше ошибок — списывают на опыт. Презентации стали красивее — попробуй измерь в деньгах.

Парадокс: это первая технология, которая делает всех немного лучше, но никого не делает лишним.

💡 Как говорится: "Я не могу оценить ROI от электричества в офисе, но попробуйте его отключить".

Что делать прямо сейчас:
• Сотрудник? Будь в тех теневых 90%, кто уже разобрался с ИИ
• Руководитель? Найди свой главный revenue-процесс и думай, как туда внедрить ИИ (подсказка: думать об этом тоже можно с ИИ)

СМИ спасибо за панику. Но реальность интереснее: ИИ уже везде, просто мы еще не научились это считать.

GPT-5: первое разочарование или мои завышенные ожидания?

Все носятся с GPT-5, а я честно попробовал — и разочаровался

Сегодня несколько человек спросили мое мнение о новой модели. Отвечу прямо: на моих бизнес-задачах GPT-5 работает хуже Gemini 2.5 Pro. Причем заметно хуже.

Конкретный пример: анализ большого документа с извлечением ключевых инсайтов с подгрузкой инструкций и правил. Gemini справился за 4 запроса, выдал глубокий качественный результат. GPT-5 потребовал 17 запросов (17, Карл!) — и итог все равно получился поверхностнее.

🤔 В чем проблема? Судя по всему, у OpenAI проблемы с маршрутизацией между моделями. Вместо полноценной GPT-5 часто срабатывают слабые версии mini или nano. Игорь в Сиолошной сегодня писал об этом.

Это показывает, как работает современная гонка ИИ: компании торопятся с релизами, чтобы не потерять PR-момент. В итоге пользователи становятся beta-тестерами "революционных" продуктов.

Но есть и бочка меда в этой ложке дегтя: теперь пользователям не нужно выбирать между моделями. Раньше большинство пользовались слабыми моделями 4o/4.1, не зная про мощную o3. Сейчас — одна модель, никакой путаницы.

Но результат пока не впечатляет. На следующей неделе Google обещают показать Gemini 3.0 — вот тогда и сравним по-честному, дай бог GPT-5 оклемается.

Мой совет: не верьте хайпу, тестируйте на своих задачах. Ваш опыт может кардинально отличаться от моего.

А какие результаты у вас? Поделитесь в комментариях!

ML или ChatGPT: наконец-то понятный гайд

Мы окончательно запутались в двух разных ИИ. Распутываю на примерах

Вчера досмотрел вебинар крупного интегратора про "Стратегии внедрения ИИ для бизнеса". 47 минута: "Облачные решения доступны от 1500₽/месяц". 52 минута: "Для внедрения нужна команда из 3-5 ML-инженеров".

Стоп. Это же принципиально разные технологии с разницей в бюджетах в 1000 раз.

После 2,5 лет существования ChatGPT критически важно разделять:

1️⃣ Классический ИИ (ML/Big Data):
- Предсказание оттока клиентов Сбера
- Рекомендательная система Яндекс.Маркета
- Бюджеты от 5-50 млн ₽
- Команда от 3 человек
- Внедрение 6-18 месяцев

2️⃣ Генеративный ИИ (LLM):
- Обработка запросов клиентов
- Создание контента и аналитика
- От 0₽ (Deepseek) до 20$/мес (ChatGPT)
- Запуск за 1-7 дней
- Обучение сотрудника за неделю

Реальный кейс Финама подтверждает: после месячного обучения сотрудников работе с GPT субъективная экономия времени составила 6,9%. Через полгода выросла до 13%. Без ML-инженеров и Data Scientist. Без серверной инфраструктуры.

Но пока мы валим всё в одну кучу, происходит вот что:
- Малый бизнес думает, что ИИ = миллионы рублей и годы внедрения
- Вообще не начинают экспериментировать
- Упускают возможность получить быстрые результаты от простых инструментов

Чек-лист для быстрого старта с генеративным ИИ:
1. Определите повторяющиеся текстовые задачи (ответы клиентам, создание описаний, аналитика)
2. Протестируйте бесплатно: Deepseek для общих задач, Claude для аналитики
3. Измерьте время выполнения задач ДО и ПОСЛЕ (даже субъективно)
4. При положительном эффекте — масштабируйте на отдел

Не нужно строить космический корабль, чтобы доехать до соседнего района.

🤔 В вашей компании уже разделяют эти технологии или всё ещё ждут "настоящего" ИИ с миллионными бюджетами?

P.S. Подготовил подробный чек-лист "Классический vs Генеративный ИИ:
что выбрать для вашего бизнеса" с примерами задач, бюджетами и сроками.
👉 Скачать