От мультитаскинга к разумному параллелизму: как выглядит мой AI-стек прямо сейчас

Похоже, я поймал определенный дзен в работе с AI, который спасает меня в максимально загруженный период.

Сейчас параллельно идет много процессов: обучение на B2C-треке по сложным темам, задачи по B2B, операционка и разработка продуктов. Раньше такой объем привел бы к выгоранию. Сегодня работа с несколькими проектами - это не убийственный мультитаскинг, а разумный параллелизм. Ты работаешь как менеджер над собственными цифровыми мини-копиями. При правильном workflow AI-системы отлично перебирают на себя функции сотрудников, если четко понимать их возможности и ограничения.

Последние дни я работал по 12-14 часов, успевая закрывать кучу независимых задач. Но я не сидел неотрывно у монитора. В этот график отлично вписывался отдых. Перед обедом или велотренировкой я запускаю длительный таск в фоне. На длинном светофоре с телефона смотрю промежуточный результат, наговариваю правки голосом и еду дальше. Агент работает час, выполняя то, на что у меня ушло бы три.

Мой трехслойный AI-пайплайн
Сквозь все слои идет глобальная LLM - она объединяет стек, с ней между итерациями я обсуждаю планы и делюсь артефактами. Для чувствительных проектов сюда же встроен слой анонимизации данных через локальные модели, чтобы не сливать коммерческую информацию во внешние облака.

1. Слой первички
Инструменты: Manus, Perplexity (Deep Research).
Автономные системы для сбора фактуры. Могут быть медленными, но работают с Computer Use в фоне. Закинул задачу собрать документы и разложить по папкам - Manus выполняет её, пока я занят другим.

2. Слой обработки информации
Инструменты: Claude, Gemini Spark, NotebookLM, Perplexity Computer.
Более дорогие модели для верхнеуровневой работы. Берут на себя огромный пласт задач: собрать черновик, выстроить структуру. NotebookLM делает ревью документов, Gemini Spark параллельно набрасывает презентацию.

3. Слой финальной шлиховки и доработки
Инструменты: Кодинговые агенты, ваша любимая LLM.
Инструменты для финальных штрихов. В Antigravity дорабатывается визуал презентаций, в кодинговом агенте докручиваются технические артефакты.

Как это выглядит на практике
Процесс перестал быть линейным. Я обсуждаю задачу в LLM и набрасываю структуру. В зависимости от целей запускаю поиск, часто несколько агентов в параллель. Полученный черновик уходит в агентские системы для создания артефакта (параллельно калибрую логику в LLM). Финал дорабатываю в кодинговом агенте или софте для шлифовки.

Является ли это заменой личного ассистента?

Нет, это дополнение для совершенно разных задач. У AI-агента есть твой общий контекст через коннекторы (Google Диск, почта), ему не нужно объяснять детали так глубоко, как человеку + ассистенту ты часто не можещь дать доступ к какой-то личной инфе (хотя тут спорный тезис, хочешь ли ты его давать LLM).

Агент - это продолжение тебя, выполняющее конкретные функции под твоим личным надзором. Живой ассистент - отдельный юнит для задач, где необходимы человеческая коммуникация, экспертиза и контроль.

Итог в цифрах
За счет фоновой работы систем плотность результатов на единицу времени выросла колоссально. По ощущениям:

• По сравнению с работой до появления LLM в текущем виде (до 2022 года) - я успеваю в 3-5 раз больше.
• По сравнению с недавним прошлым (до автономных агентов со своей средой исполнения) - получается закрывать в 2-2.5 раза больше задач.

При этом важно понимать, что этот скачок - не просто развитие технологий, а следствие того, как ты учишься ежедневно встраивать их в свою жизнь и процессы.

🚀 Влад Корнышев про AI и создание AI-продуктов