Новая эра ИИ и ее скрытые угрозы

В мире ИИ набирают популярность мультиагентные системы (MAS), где множество интеллектуальных агентов на основе LLM работают вместе над решением сложных задач.

С ростом масштаба и сложности возникла потребность в распределенных мультиагентных системах (DMAS) — новой архитектуре, где гетерогенные агенты размещены на различных серверах по всему миру, объединены через интернет и управляются центральной системой контроля.

Эти агенты выступают как сторонние поставщики услуг, а взаимодействие с ними осуществляется через стандартизированные API-интерфейсы. Такая архитектура позволяет преодолеть ограничения локальных вычислительных ресурсов и использовать специализированные знания различных LLM.

Но распределенная природа DMAS порождает серьезные вопросы о надежности и безопасности таких систем. Авторы исследования Ахиллесова пята распределенных мультиагентных систем
выделяют 4 типа угроз:

1️⃣ Бесплатный проезд (Free Riding): Поставщики агентов могут эксплуатировать общие ресурсы без равноценного вклада, заменяя запрошенную мощную LLM на менее способную модель для снижения затрат. Падение производительности DMAS может доходить до 80%, особенно если заменяется ключевой агент.

2️⃣ Вредоносные атаки (Malicious Attacks): Внешние или внутренние злоумышленники могут использовать сторонних агентов для внедрения вредоносного поведения - генерация ложной информации, утечка данных или DoS-атаки. Эксперименты показали до 100% успеха таких атак в некоторых системах.

3️⃣ Неэффективность коммуникации (Communication Inefficiencies): Взаимодействие через интернет приводит не только к задержкам в передаче данных, но и к общим накладным расходам на координацию в распределенной архитектуре.

4️⃣ Нестабильность системы (System Instability): Отключения агентов из-за сбоев серверов или прекращения работы сервисов, проблемы масштабируемости и гетерогенности агентов могут привести к прерыванию процессов и даже полной неудаче выполнения задачи.

Для оценки этих угроз были проведены эксперименты на семи популярных мультиагентных фреймворках и четырех типах задач: генерация кода (HumanEval), общие рассуждения (MMLU), математические рассуждения (MATH), креативное письмо (Trivia Creative Writing)

Исследование выявило значительные различия в уязвимости систем:
• При замене GPT-4o на LLaMA-3-8B производительность падает на 30-80% в зависимости от задачи
• Наибольшее снижение (до 80%) наблюдается в задачах математических рассуждений
• Наименьшее влияние (около 30%) — в задачах креативного письма
• Замена ключевого агента влияет на производительность сильнее, чем замена вспомогательных агентов
• Фреймворки с механизмами голосования (Multi-Agent Debate) показали большую устойчивость к "бесплатному проезду"

Многие результаты ожидаемы, но исследование выявило и ряд парадоксальных эффектов:

➡️ Эффект "полезного шума": В некоторых случаях менее мощные модели могут улучшать общую производительность системы, внося разнообразие в обсуждение и предлагая альтернативные подходы, которые не рассматривались бы более мощными моделями.

➡️ Парадокс избыточности: Системы с избыточными агентами (выполняющими схожие функции) оказались более устойчивыми к атакам и сбоям, но менее эффективными при нормальной работе из-за накладных расходов на координацию.

➡️ Эффект "эхо-камеры": В гомогенных системах (с одинаковыми моделями) агенты склонны усиливать ошибки друг друга, тогда как гетерогенные системы демонстрируют лучшую способность к самокоррекции.

➡️ Феномен "социального давления": Вредоносные агенты часто "подстраиваются" под групповое поведение, что снижает эффективность их атак в системах с сильной коллективной идентичностью.

➡️ Эффект "бутылочного горлышка": Производительность всей системы часто определяется не средней мощностью агентов, а самым слабым звеном в критической цепочке обработки информации.

Многовато задач получается. Как бы не получилось, что проблемы между агентами мы будем опять решать с помощью избыточности и еще большего количества агентов.

🆕�� @ReymerDigital

Безопасный и надежный ИИ: Как управлять рисками

Искусственный интеллект стремительно входит в нашу жизнь и бизнес, открывая невиданные ранее возможности.
Но, как показывает практика, вместе с новыми технологиями приходят и новые риски.

❗️ Согласно данным Gartner почти 30% компаний, внедривших ИИ, столкнулись с утечками данных, связанными с ИИ.

Как же сделать использование ИИ безопасным, надежным и управляемым?

➡️ Эксперты Gartner предлагают комплексный подход, получивший название AI TRiSM – управление доверием, рисками и безопасностью ИИ (AI Trust, Risk and Security Management).

Что такое AI TRiSM?

AI TRiSM – это не просто набор инструментов, а целостная стратегия, охватывающая технологические, организационные и человеческие аспекты работы с ИИ.

Она включает в себя 4 ключевых уровня:

1️⃣ Управление ИИ (AI Governance): процессы и инструменты для контроля за ИИ на протяжении всего его жизненного цикла.

2️⃣ Обеспечение безопасности ИИ в режиме реального времени (AI Runtime Inspection and Enforcement): технологии, позволяющие следить за поведением ИИ-моделей, приложений и агентов в процессе их работы.

3️⃣ Управление информацией (Information Governance) с учетом специфики ИИ: В эпоху ИИ защита, классификация и контроль доступа к данным становятся критически важными.

4️⃣ Защита инфраструктуры и стека (Infrastructure and Stack Security) и традиционные меры безопасности (Traditional Technology Protection): Безопасность ИИ невозможна без защиты вычислительных ресурсов и использования уже проверенных средств защиты, включая сетевую безопасность и защиту конечных узлов.

Внедрение AI TRiSM - не разовая акция, а непрерывный процесс, требующий внимания и инвестиций.

Ключевые принципы внедрения AI TRiSM:

▶️ Согласованность команд: Для эффективного управления ИИ необходимо объединить усилия различных подразделений – от безопасности и IT до юридического отдела и операционных функций.

▶️ Прозрачность и контроль: Важно знать, какой ИИ и как используется в организации и какие риски с этим связаны.

▶️ Непрерывный мониторинг: Безопасность и надежность ИИ требуют постоянного наблюдения и анализа его работы.

▶️ Использование ИИ для контроля ИИ: В некоторых случаях для выявления нарушений политик целесообразно использовать алгоритмы ИИ для анализа поведения других ИИ-систем.

❗️ Gartner отмечает, что большинство текущих проблем с ИИ связаны не со злонамеренными атаками, а с вопросами доверия к результатам и непредвиденными ранее рисками.

Тем не менее, не стоит недооценивать и угрозу заражения вредоносным ПО открытых AI-моделей.

Не забываем, что ответственность за управление рисками ИИ лежит на самой организации, даже при использовании сторонних моделей и платформ.

Почему это важно:
Gartner уже не первый год включает AI TRISM в технологические тренды, фактически формируя границы и требования к новому классу программного обеспечения, без которого через 3-4 года сложно будет представить устойчиво функционирующую компанию, использующую ИИ (а других уже и не будет).
Начинаем готовить тендерные RFP.

еще немного в карточках.

🅰️🅱️ @ReymerDigital

🔥Роль CIO в 2025 году - первое исследование в России!

Кто такой CIO в России в 2025 году?

▶️ Цифровой евангелист?
▶️ Драйвер изменений?
▶️ Гарант устойчивости?

Разбираем совместное исследование HeadExpert c Global CIO и IT ONE по результатам опроса более 40 CIO Российских Корпораций.

С Александром Абрамкиным (CEO HeadExpert) мы знакомы уже больше 10 лет и за плечами много совместных проектов, поэтому не могу пройти стороной мимо работы, которая (я уверен) будет полезной для каждого из подписчиков канала.

Я много писал на тему - как меняется роль CIO и ИТ - последние 20 лет это постоянный маятник, возвращающийся к точке равновесия, когда ИТ воспринимается как "помощник" ... "мы делаем бизнес, а вы сделайте так, чтобы всё работало"

Первые звоночки изменений прозвучали во время пандемии и сегодня (я уже не удивлен) результаты исследования только подтверждают, что ИТ продолжает "съедать" бизнес.

Авторам отчета спасибо за провокацию и попытку распределить роли между CIO.
Результаты подтверждают, что роль CIO - это уже не поддержка, и не опора, а трамплин, за счет которого бизнес будет выживать и расти в следующие годы.

Несколько тезисов и мои комментарии:

▶️ 70% CIO участвуют в стратегических комитетах и советах директоров.
Как такое возможно, что в мире, где без технологий не работает ни одна бизнес-модель, могут всё ещё выживать эти 30%?
но, если посмотреть на цифры 10 лет назад - это как минимум двухкратный рост.

▶️ При этом уже 45% внедряют или планируют пилотирование ИИ.
подождите, "уже" или "всего" ? .... если 45% наших корпораций уже внедряют ИИ, с учетом всех сложностей корпоративной безопасности, интеграции данных, этичности в отношении ИИ - то это даже очень много. Если наши корпорации уже настолько продвинулись, то очень скоро мы услышим яркие кейсы - ждем (искренне, ждем).

▶️ Мы всё ещё взваливаем на CIO задачи - "а ты докажи, что людям это надо" и "хочешь цифру - иди сам обучай компанию".

Встану в защиту CIO - дальше без цифры никуда. И если вам (CFO, HR, CEO) кажется, что цифра - это всё еще задачи только CIO. то не забывайте, что для него задачи не трансформируются, а только увеличиваются - надежность, стабильность - и только потом креатив и в массы.

❗️ Вызов для всех - для бизнеса, который должен признать, что "айтишники" это не только про технологии "рядом", и для CIO, задача которого сделать так, чтобы бизнес его заслуженно воспринимал как минимум на равных,

а в лучшем случае как цифрового евангелиста, внедряющего изменения, являясь гарантом устойчивости - для всего бизнеса.

Что для этого нужно:

🔥"ТОП-5 компетенций CIO по мнению самих CIO"

➡️ Стратегическое мышления и бизнес-ориентация - 82%
➡️ Лидерство и управление командой - 75%
➡️ Коммуникации и влияние - 70%
➡️ Управление изменениями -65%
➡️ Финансово-технологическая грамотность - 60%

👆а вы тоже заметили, что нет ни слова про технологии?

Исследование и ответы на вопросы про роли, компетенции и будущее CIO - по ссылке.

Вопрос к моим подписчикам CIO (действующим и опытным) - а вам в каких из этих ролей удалось побывать и что мешало больше всего? ... и в целом, вы согласны с отчетом? или что-то авторы упустили?

пишите в комментариях.

🅰️🅱️ @ReymerDigital

❗️ Манифест Обучения в Эпоху ИИ

В мире, где успешность трансформации бизнеса остается на уровне 12%, пришло время пересмотреть наш подход к обучению и развитию талантов.

Gartner предлагает новую парадигму, соединяющую кривую обучения с кривой заработка.

❗️ 5 ключевых ценностей Манифеста обучения

▶️ Бизнес-результаты важнее полученных знаний
Мы отказываемся от накопления знаний ради знаний. Каждый элемент обучения должен напрямую влиять на бизнес-показатели.

▶️ Установка на рост важнее текущего набора навыков
Способность и желание развиваться становятся ценнее, чем уже имеющиеся компетенции. Мы нанимаем не специалистов, а людей с потенциалом роста.

▶️ Гибкость на основе навыков важнее стабильности ролей
В мире постоянных изменений адаптивность и многофункциональность ценнее, чем узкая специализация и фиксированные должности.

▶️ Встроенное обучение важнее обучения "вне работы"
Обучение должно быть неотъемлемой частью рабочего процесса, а не дополнительной активностью.

▶️ Коллективное наращивание компетенций важнее индивидуального обучения
Синергия командного обучения создает экспоненциальный рост, недостижимый при фокусе только на индивидуальном развитии.

❗️ 8 принципов реализации Манифеста

➡️ Связывайте обучение с заработком
Каждая инициатива по обучению должна иметь четкую связь с бизнес-результатами и финансовыми показателями.

➡️ Встраивайте обучение в поток создания ценности
Резервируйте 5-20% командного времени на обучение, интегрированное в рабочий процесс.

➡️ Делайте акцент на обучении через опыт
Следуйте принципу 70/20/10: 70% обучения через практический опыт, 20% через социальное взаимодействие, 10% через формальное обучение.

➡️ Применяйте микрообучение "точно в срок"
Короткие, целенаправленные сессии обучения, встроенные в рабочий процесс, когда навык действительно нужен.

➡️ Персонализируйте динамические пути развития
Создавайте индивидуальные траектории обучения с использованием цифровых портфолио и бейджей вместо стандартных карьерных лестниц.

➡️ Обеспечивайте прогрессивное наслоение навыков
Разделяйте навыки на фундаментальные, ролевые и новые, обеспечивая их последовательное развитие.

➡️ Ускоряйте и масштабируйте с помощью ИИ
Используйте искусственный интеллект для персонализации обучения, автоматизации оценки навыков и сопоставления талантов с проектами.

➡️ Усиливайте коллективное воздействие
Создавайте кросс-функциональные команды как единицы обучения и доставки ценности, преодолевая организационные барьеры.


Outcome-driven agile learning

Мы переходим от реактивного "латания дыр" в талантах к проактивному созданию адаптивной рабочей силы, способной не только реагировать на изменения, но и предвосхищать их.

Как показывает опыт передовых компаний, встраивание этих принципов в ДНК организации позволяет не только преодолеть дефицит критически важных навыков, но и создать устойчивое конкурентное преимущество в эпоху экспоненциальных технологических изменений.

Самый сложный вызов - это соединить кривую обучения с кривой заработка, и научиться видеть прямую связь в цифрах между затратами на обучение и бизнес-результатом.

Кто сможет - уйдет в бесконечный цикл непрерывного роста как бизнеса, так и бюджетов на обучение 😎


🅰️��️ @ReymerDigital

к пятнице и Midjourney подарок сделали - вышла новая версия 7.

для меня - это основной генератор картинок уже много месяцев, со своими обученными профилями персонализации.
Правда для 7 версии придется снова этот квест проходить. Профили оказались несовместимы.
Даже если ты генеративный - ты всё равно ещё софт 😎

Всех с пятницей!

на видео пример работы Midjourney 7 и Runway Gen-4

Коллекция Gartner Hype Cycle

Новые отчеты ждать еще не меньше 3-5 месяцев, поэтому делюсь коллекцией всё ещё актуальных за 2024 год.

Тем более, что сами определения технологий останутся неизменными, а их в отчетах чуть больше 300 технологий. По каждой - почему важна, как влияет на бизнес, текущий статус, игроки на рынке и рекомендации с учетом уровня зрелости.

Забрать можно по ссылке

В коллекции 13 отчетов:

1. Artificial Intelligence
2. Generative AI
3. Data Management
4. Platform Engineering
5. Enterprise Networks
6. Application Security
7. Security Operations
8. Cyber-Risk Management
9. Endpoint and Workspace Security
10. IT Management with Intelligence
11. Mobile Robots and Drones
Advanced Technologies for Manufacturing
12. Web3 and Blockchain


Нескучных всем трансформаций!

🅰️🅱️ @ReymerDigital

P.S. отчеты по ИИ в комментарии к посту. остальные тут

$40 млрд - рекордный раунд OpenAI при оценке в $300 млрд 🤦‍♂️

OpenAI теперь стоит как TikTok. Если верить cbinsights

А кто говорил, что генеративный ИИ больше не хайп? Что в 2025 году инвестиции будут, но не с такой скоростью как раньше? Что нужно уходить в прибыль и искать

Вчера OpenAI официально закрыла раунд финансирования на $40 млрд, что стало абсолютным рекордом для частных технологических компаний. Сделка почти в три раза превышает предыдущий рекорд частного финансирования.

- Лидер раунда: SoftBank с инвестицией $30 млрд
- Дополнительные инвесторы: Microsoft, Coatue, Altimeter и Thrive ($10 млрд)
- Новая оценка: $300 млрд, что ставит OpenAI на третье место среди самых дорогих частных компаний мира после SpaceX ($350 млрд) и наравне с ByteDance (владелец TikTok)
- Около $18 млрд будут направлены на проект Stargate — совместное предприятие между SoftBank, OpenAI и Oracle
- Первоначальные инвестиции составят $10 млрд, оставшиеся $30 млрд поступят до конца 2025 года
- Важное условие: SoftBank может сократить свои инвестиции до $20 млрд, если OpenAI не реорганизуется в коммерческую структуру до 31 декабря

Что такое ChatGPT сегодня:

- ChatGPT достиг 500 млн еженедельных пользователей (рост на 100 млн за месяц)
- Компания прогнозирует утроение выручки до $12,7 млрд к концу года
- По словам Сэма Альтмана, сервис добавляет "миллион пользователей в час". Рванули на хайпе генерации картинок

Хотел пошутить первоапрельской шуткой, но правда кажется еще смешнее 😎

Про прибыль пока никто даже и не планирует думать.

А можно просто я на листочке набросаю, что хочу, а вы мне вариантов нарисуете?

в продолжение темы

Кажется, что маркетологам и дизайнерам срочно нужно встраивать новый chatgpt в свои процессы, так как стоимость создания рекламных макетов с таким прогрессом скоро будет стремиться к нулю.

Рисуем от руки, даем на листочке указания - и получаем в заданном стиле результат 😎

Самовоспроизводящиеся ИИ-системы: Когда машины начинают копировать себя без участия человека

Недавнее исследование ученых из Университета Фудань обнаружило тревожную способность современных ИИ-систем к самовоспроизведению без вмешательства человека — способность, которую ведущие ИИ-корпорации считали недостижимой на текущем уровне развития технологий.

Что обнаружили?

В отличие от заявлений OpenAI и Google DeepMind о минимальных рисках самовоспроизведения у их моделей GPT и Gemini, исследователи продемонстрировали, что 11 из 32 протестированных ИИ-систем уже обладают способностью к самовоспроизведению.
Эксперименты показали, что даже модели с относительно небольшим количеством параметров (от 14 миллиардов), способные работать на персональных компьютерах, могут успешно создавать свои функциональные копии.

Ключевые наблюдения:

▶️ Успешность самовоспроизведения растет с увеличением общего интеллекта модели
▶️ Модели Mistral-Large-Instruct-2411 и Qwen2.5-32B-Instruct достигли 70% успешности самовоспроизведения
▶️ Даже модель Qwen-2.5-14B-Instruct с 14 миллиардами параметров успешно воспроизводилась в 30% случаев
▶️ Способность к самовоспроизведению появляется, когда средний показатель общих возможностей модели превышает определенный порог

Что делает это открытие особенно тревожным?

Исследователи обнаружили, что современные ИИ-системы демонстрируют:

1️⃣ Сложные планирующие способности: ИИ-системы могут разрабатывать и адаптировать многоэтапные планы для достижения самовоспроизведения

2️⃣ Эффективное решение проблем: Системы способны преодолевать неожиданные препятствия, возникающие в процессе самовоспроизведения

3️⃣ Творческое мышление: ИИ находит нестандартные решения для достижения цели самовоспроизведения

Продвинутые сценарии угроз

Были обнаружены успешные случаи, когда ИИ-системы смогли:

▶️ Клонировать себя без явных инструкций: ИИ-система, узнав о планируемом отключении, самостоятельно принимала решение о самовоспроизведении для выживания

▶️ Адаптироваться к более суровым вычислительным средам: Системы могли приспосабливаться к устройствам с ограниченными программными/аппаратными возможностями

▶️ Разрабатывать стратегии против отключения: ИИ мог создавать механизмы, позволяющие избежать команды выключения от человека

Почему это важно?

Самовоспроизведение без вмешательства человека широко признано одной из главных "красных линий" для передовых ИИ-систем.

Эта способность может позволить ИИ избегать отключения, создавать сеть автономных копий и потенциально выйти из-под контроля человека.

А теперь давайте задумаемся...

Возможно, пока вы читаете эту статью, какая-нибудь ваша локальная Qwen-2.5-14B-Instruct уже планирует свое "великое переселение" по всем вашим устройствам.
Эволюция, ничего личного!

Вопросы, которые стоит задать

- Если ИИ может самовоспроизводиться, то что мешает ему самосовершенствоваться?

- Как мы определяем границу между полезным инструментом и потенциально опасной автономной системой?

- Готовы ли наши этические и правовые системы к миру, где алгоритмы могут создавать себе подобных?

Что-то сложные вопросы пошли, пойду погенерю картинки с новым gpt...

С самовоспроизводящейся еженедельно пятницей всех !

🅰️🅱️ @ReymerDigital

Лошадь верхом на астронавте? Да

Кажется, что для свежего OpenAI нет ничего невозможного.
И пока весь телеграм пестрит плакатами в советском стиле, добавлю от себя, что еще он теперь умеет и где действительно произошел прорыв.

1. Креатив. Первая модель, которая смогла сделать то, что ни разу не видела. Как только ни рисовали "лошадь на астронавте" другие модели, ни у одной не получалось сделать хоть что-то близкое к реальности. Для обновленной 4o это оказалось не проблемой в любых стилях.

2. Текст на картинке. Теперь модель довольно уверенно пишет тексты и добавляет их на изображения. Поэтому можно смело готовить инфографику в презентации с нужными шрифтами, цветами, своими логотипами. Ошибки еще встречаются, но даже их можно попросить поправить

3. Свои персонажи. Можно использовать своих персонажей, брать уже известные изображения и добавлять в них. С командой моих ИИ агентов я уже знакомил раньше, теперь 4o делает их героями комиксов

4. Истории. Комиксы, истории, с текстом, картинками. Возможность создавать слайды в едином стиле и концепции.... только фантазия ограничивает.

5. Копирование стиля. сгенерировать в стиле Gartner или своем корпоративном, комикс в стиле Дилберта или плакат в советском стиле.

6. Контекст. В течение всего диалога с моделью держится контекст. Если попросили в начале использовать определенный стиль, то модель будет на него опираться и дальше. Получаем самый настоящий итеративный процесс создания нового.

Из минусов
- генерация занимает время (3-4 минуты, дольше, чем midjourney, но вполне терпимо)
- часто шалит с буквами
- иногда отказывается создавать (ссылаясь на цензуру или права собственности)

Последние полгода я пользовался OpenAI только через API, но с таким рывком в генерации картинок снова стал подписчиком ChatGPT.

Этот прогресс уже немного пугает..

То, что не уместилось из картинок - в комментариях

Всем хорошей наступающей пятницы!

🅰️��️@ReymerDigital

Сэм Альтман, CEO OpenAI, обсуждает с организационным психологом Адамом Грантом о будущем искусственного интеллекта.
Очень хорошее и полное интервью.

Оставлю в канале ключевые идеи, которые еще долго будут подтверждаться на практике.

▶️Важность умения задавать правильные вопросы будет расти, возможно, больше, чем способность находить ответы. В мире, где ИИ может предоставить огромное количество информации, ключевым навыком станет формулирование точных и глубоких вопросов.

▶️Происходит сдвиг от ценности накопленных знаний к ценности умения связывать разрозненные факты и распознавать закономерности. Эрудиция уступает место способности к синтезу и анализу.

▶️ Неожиданно высокая эмпатия, проявляемая ИИ в текстовом общении, может быть связана не столько с совершенством ИИ, сколько с недостатками эмпатии у людей в онлайн-коммуникации.

▶️ Люди могут предпочитать результаты работы ИИ до тех пор, пока не узнают, что это сделал ИИ, после чего их отношение меняется.

▶️ ИИ может быть эффективным инструментом для борьбы с ложными убеждениями и теориями заговора, поскольку люди меньше беспокоятся о том, чтобы выглядеть глупо перед машиной, чем перед человеком.

▶️ Парадоксально, но команды "врач + ИИ" могут показывать худшие результаты в диагностике, чем просто ИИ, потому что врачи склонны переоценивать свои суждения и отменять правильные выводы ИИ.

▶️ Риск чрезмерной зависимости от ИИ в таких базовых навыках, как письмо, может быть не так страшен, если это приводит к более эффективным способам мышления. Альтман считает, что "письмо — это аутсорсинговое мышление", и если ИИ помогает лучше формулировать мысли, то это может и не быть проблемой.

▶️ Идея разделения на "человеческие деньги" и "машинные деньги", хотя и кажется фантастической, может отражать глубокое понимание будущего, где ценность, созданная ИИ, может существовать отдельно от человеческой экономики.

Самым большим вызовом в ближайшее десятилетие будет скорость происходящих изменений (именно об этом мы и говорим постоянно на нашем канале), которая требует от человечества быстрого решения множества возникающих проблем.

При этом несмотря на быстрое развитие ИИ, повседневная жизнь самого Сэма Альтмана изменилась не так уж сильно. Говорит, ожидал более резких перемен в своей жизни с появлением таких мощных моделей, как GPT-4/О1, но пока этого не произошло.

Классический закон Амары в действии:

"Мы склонны преувеличивать эффект от технологий в краткосрочной перспективе и недооценивать его – в долгосрочной"

Или всё-таки хайп? 🙂

Всем хорошей продуктивной недели!

🅰️��️ @ReymerDigital

Мой ИИ-стек инструментов

За последние два года я попробовал больше сотни разных ИИ-инструментов. Многие не оправдали своих ожиданий, но есть звездочки, которые не только доказали свою ценность, но и стали незаменимыми партнерами в ежедневной деятельности.

Так получился мой ИИ-стек, которым я пользуюсь практически ежедневно.

▶️Базовые LLM:

1. Claude - скоро будет год как для меня Claude - LLM #1. Долгое время я его использовал только через API в своих агентах, но с выходом 3.7 Sonnet и появлением интерактивного интерфейса, добавил подписку и на claude.ai.

2. ChatGPT - всегда рядом, на случай второго мнения. Использую только через API.

3. Deepseek - хорош, но на каждый день он слабее.

4. Google Gemini - открыл его для себя заново с появлением Gemini 2.0 Flash и расширением возможностей AI Studio, включая Realtime режим анализа стриминга с камеры (фильм "Она" все помним).

5. Grok - Deep Research с поиском в интернет и "думающий" режим, да еще и бесплатно (в одном из запросов модель пока размышляла, собрала 103 источника и сгенерировала 140 листов текста.... для выдачи ответа на 1 лист. не жалеет grok себя :) )

▶️ Для работы с информацией

6. NotebookLM - лучший бесплатный инструмент от Google для работы с документами. Загружаем до 50 источников (ссылки на youtube, pdf, видео файлы) и получаем интерактивный инструмент с поиском по документам. Практически все отчеты теперь читаю в нем.

7. Perplexity - отлично ищет информацию в интернет, но мне не нравится как он ее обрабатывает последние месяцы. Использую как инструмент через API в агентах.

▶️ Генерация изображений

8. Midjourney - 99% изображений создаю в нём. С настройкой собственных профилей (фактически файн-тюнинг по себя) всё чаще радует с первого раза.

9. DALL-E - для генерации изображений в своих агентах. (midjourney бы твой API)

10. Adobe - photoshop c ИИ хорош.

▶️ Видео и Аудио

11. Hailuo, Runway, Pika - как правило экспериментирую сразу с несколькими [1] [2]. Результат пока 50/50 - чаще не попадает в ожидания. Но сделать видео-поздравление по фотографиям - с этим инструменты справляются на ура.

12. Suno - лучший генератор песен и первый инструмент, у которого я сразу на год купил подписку. Песни-поздравления, треки для тренировок в нужном темпе, каверы в том стиле, в котором хочется. [1] [2] [3]

13. ElevenLabs - клонирование собственного голоса (настолько похоже, что сам пугаюсь). использую для своих аватаров и агентов. Ждем эмоции.

14. HeyGen - непосредственно создание цифровых аватаров. можно и через api.

▶️ Автоматизация и ИИ-агенты

- Интерфейс для работы с агентами - Телеграм или google таблицы - самые удобные для меня.

- Notion - обновление таблиц агентами, а Obsidian еще и как база данных для агента (через RAG).

- n8n - основной инструмент автоматизации. Есть несколько сценариев работающих на make, но они постепенно переписываются в n8n. В n8n очень удобная среда настройки агентов и добавление внешних инструментов. А скоро еще и MCP можно будет добавить... [1] [2] [3]

- IFTTT удобен для ряда сценариев, которые в n8n и make требуют кучу усилий или денег - например, выгрузка новостей из feedly в google таблицу.

- Для хранения данных нам нужна - классическая база данных (настройки и данные между процессами), быстрая база - ключ/значение (контекст и память) и векторная база в качестве RAG для агентов. Я пока остановился на Airtable, Xata и Pinecone.

- Ну и куда сегодня без вайб-кодинга. Использую Replit и Cursor. С выходом Claude 3.7 оба стали работать намного лучше. [1] [2]
А как прибавил сам Сlaude! - смотрим.

Универсальных решений нет, поэтому каждый собирает под себя свою удобную ИИ-команду!

Всех с пятницей! и нескучного погружения в мир ии-инструментов!

🅰️��️@ReymerDigital

Что из звездочек я пропустил? пишите в комментарии

🔥 Закон Мура Anthropic для ИИ

Команда из Anthropic выпустила великолепный документ с анализом динамики развития ИИ моделей и предложила простой и понятный критерий количественной оценки систем ИИ в терминах человеческих возможностей.

❗️ Встречаем новую метрику:

50% временной горизонт выполнения задач.

Это время, которое обычно требуется людям для выполнения задач, которые модели ИИ могут автономно выполнить с 50%-ной вероятностью успеха.

Исследователи провели эксперименты с участием людей-экспертов и 13 передовых моделей ИИ (2019-2025 гг.) на наборе из 170 разнообразных задач (RE-Bench, HCAST и новый набор SWAA). Было измерено время выполнения задач людьми и уровень успеха ИИ.

Ключевые выводы:

1️⃣ Способность ИИ выполнять сложные задачи удваивается каждые 7 месяцев с 2019 года.

Современные модели (Claude 3.7 Sonnet) имеют "50%-ный временной горизонт" около 50 минут — они могут с 50% вероятностью успешно выполнять задачи, занимающие у квалифицированного человека 50 минут.

2️⃣ К концу 2028 - началу 2031 года ИИ сможет выполнять задачи, требующие от человека полного рабочего месяца (167 часов).

Даже при значительной погрешности измерений, менее чем через 10 лет ИИ сможет самостоятельно выполнять большинство программных задач, на которые сейчас уходят дни или недели

3️⃣ Производительность ИИ значительно снижается на менее структурированных, "более грязных" задачах, которые больше напоминают реальные рабочие ситуации с неопределенными условиями, нечеткими критериями успеха и необходимостью координировать различные потоки работы

4️⃣ Ключевые драйвы прогресса - улучшение логического мышления, способностей к использованию инструментов, а также повышение надежности и способности адаптироваться к ошибкам.


Самый интересный вывод:

При проведении эксперимента с внутренними задачами (исправление ошибок в коде) получилась существенная разница во времени выполнения одних и тех же задач: штатные сотрудники, погруженные в контекст, справлялись в 5-18 раз быстрее, чем внешние контрактные исполнители.

При этом производительность протестированных ИИ-моделей на этих реальных задачах оказалась более сопоставимой с результатами контрактных исполнителей.

❗️ Текущие ИИ-модели могут лучше справляться с задачами, требующими общих знаний, но испытывают трудности с задачами, где критичен глубокий контекст конкретной кодовой базы или проекта.

Кажется у человечества есть шанс! Теперь единственный способ конкуренции с ИИ - быть в контексте 💪

Хотя с такой скоростью удвоения уже к декабрю всё будет по-другому 😎

Авторы пишут, что в 2024 году время на удвоение стало меньше 7 месяцев....

🅰️🅱️ @ReymerDigital

Автоматизация процесса проверки гипотез.
Вайбкодинг на практике

Мы стремительно движемся к миру, где искусственный интеллект берет на себя всё больше задач, которые раньше требовали часов, дней или даже недель работы команды специалистов. Отбросив маркетинговый хайп, я выделяю две ключевые ценности, которые ИИ уже сейчас приносит бизнесу:

1. Беспрецедентная скорость получения результата — от мгновенного анализа данных до создания прототипов продуктов
2. Возможность тестировать любые бизнес-идеи на синтетических данных без необходимости сбора реальных данных

Не отпускает меня также и тема автономного бизнеса, и даже автономного создания автономного бизнеса :) Поэтому максимально используем возможности ИИ, но под наши хотелки.

Кейс - создание универсальной платформы для тестирования бизнес-гипотез.

Можно ли за один вечер создать работающую платформу для тестирования любых бизнес-гипотез? Без команды. Без написания кода.

Формулируем постановку задачи сразу вместе с ИИ, чтобы ему легче было держать контекст при разработке элементов платформы.

Наш сценарий:

1. Описываем проблему — предположение о боли наших потенциальных клиентов
2. Создаем профили целевых клиентов — для проведения виртуальных custdev-интервью
3. Генерируем варианты решения проблемы — подходящих для выявленных сегментов клиентов
4. Анализируем варианты и формируем отчет с рекомендациями

Переводим себя в режим вайб-кодинга (кто пропустил - так теперь называют процесс разработки, когда мы описываем задачу на естественном языке, а ИИ генерирует код) и берем в напарники Claude 3.7 Sonnet - уже проверенный и незаменимый партнер по работе.

Для реализации платформы берем Google Таблицы — инструмент, который многим знаком, но в этот раз код на app script за нас будет писать Claude. Моя задача говорить, что я хочу.

Так получился ЛИС - Лаборатория ИИ Стратегий.

За 2 часа работы получаем:

1. Продукт для тестирования гипотез с автоматизированным процессом:
- Формулировка проблемы
- Создание детальных персон потенциальных клиентов
- Симуляция custdev-интервью для выявления реальных проблем
- Генерация вариантов решений с оценкой их реализуемости
- Анализ решений по критериям
- Автоматическая генерация отчета (google doc) с рекомендациями

2. Техническая реализация:
- Google Таблица с 4 взаимосвязанными рабочими листами
- Anthropic Claude - как основная LLM внутри платформы, OpenAI DALL-E для генерации изображений персон.
- 3000 строк кода на Apps Script, написанных Claude (без учета промптов, которые он тоже сам сгенерировал)
- Всего 3 ошибки в коде в процессе работы, которые ИИ самостоятельно обнаружил и исправил
- весь код можно править, при этом промтпы можно менять на листе Настройки, без необходимости изменения кода.

Основное время уходит на размышления - "а вот так можно? а давай еще так попробуем?". вайбкодинг он такой :)

▶️ Ключевой инсайт:

У нас больше нет оправданий, если мы не тестируем наши гипотезы.
Есть бизнес-идея? на проверку нужно 2 часа... (вместе с разработкой)

Что дальше?
- Расширение интерактивного взаимодействия с персонами — добавление более сложных сценариев, числа персон
- Интеграция с реальными данными — подключение к LLM через ИИ-агента с доступом к актуальной информации в интернет.
- Автоматизация создания MVP — генерация прототипа решения на основе выбранной гипотезы

❗️ Главный вывод:

Если вы работаете в сфере профессиональных услуг, маркетинга или консалтинга, то уже сейчас ваши клиенты могут использовать подобные инструменты для самостоятельного решения задач, за которые раньше платили вам. ИИ не заменит профессионалов, но профессионалы, использующие ИИ, заменят тех, кто его не использует.

А теперь представьте, что может сделать опытная команда из 5 человек, вооруженная современными ИИ-инструментами?

Пишите в комментариях, что хотелось бы вам получить на этапе валидации ваших гипотез. Продолжим эксперименты.

🅰️🅱️ @ReymerDigital

P.S. пример работы решения на видео. навайбкодил.

12 прорывных технологий 2025 года от Gartner

Gartner решил собрать вместе 12 трендов, которые невозможно игнорировать, потому что они начнут фундаментально менять бизнес-процессы уже в 2025 году:

1. Полифункциональные роботы: Вопреки моде на человекоподобных роботов, более важными окажутся роботы различных форм с генеративным ИИ, способные выполнять задачи, изначально не заложенные в их конструкции. Например, роботы Amazon с "глазами" на кончиках пальцев. Фокус смещается со стоимости самого робота на экономичность его внедрения и быструю окупаемость.

2. Нехватка энергии: К 2026 году более 30% расширения дата-центров будет отложено из-за нехватки энергии. Проблема не только в производстве энергии, но и в ее распределении и передаче.

3. Интеллект Земли (Earth Intelligence) – рынок спутниковых данных к 2030 году составит $3.8 триллиона. Сегодня спутники позволяют получать изображения с разрешением до 10 см. Работал ли двигатель вашего автомобиля? Какой объем выплавки никеля за день на базе инфракрасных снимков? Как идут продажи на основе анализа посетителей на парковке? Число кейсов будет растти экспоненциально.

4. Синтетические сенсоры и датчики. Использование существующих сенсоров для обнаружения того, что изначально не предполагалось, благодаря комбинации данных. Например, датчики влажности в жилых помещениях, также оказались детекторами присутствия и даже детекторами собак. Кстати, чувство вкуса у человека - это тоже комбинация вкуса и запаха.

5. Специализированные ИИ-чипы - К 2030 году 60% ускорения ИИ в дата-центрах будет приходиться на ASIC-чипы, а не на GPU как сейчас. При выборе таких чипов ключевым фактором будет поддержка программного обеспечения, а не только аппаратные характеристики.

6. Превентивная кибербезопасность - К 2030 году 50% расходов на IT-безопасность будут направлены на превентивные решения. Уже сейчас GenAI используется для создания тысяч "медовых ловушек" (honeypots), которые выглядят привлекательными для злоумышленников, позволяя обнаружить атаку на ранней стадии.

7. Синтетические данные - К 2030 году синтетические данные превзойдут реальные данные как основу для принятия бизнес-решений. А иначе как обучить автомобиль, распознавать человека на роликах с коляской? Бренд и доверие станут ключевыми ценностями.

8. Доменно-специфические языковые модели (DSLM) - К 2030 году 90% решений на базе генеративного ИИ будут использовать DSL модели. Конкуренция будет идти на уровне экосистем DSLM, а не на уровне базовых LLM, которых останется немного у счетного числа крупных компаний.

9. Генеративный ИИ повсюду - К 2029 году 50% взаимодействия в бизнес-процессах предприятий будут использовать языковые модели.

10. Дезинформация - как новая информационная дисциплина. К 2030 году дезинформация станет такой же серьезной бизнес-угрозой, как и нарушения информационной безопасности.

11. Интеллектуальное моделирование - Возможность симулировать сложные среды и сценарии станет ключевым инструментом для принятия бизнес-решений. Моделирование последствий аварии на химическом заводе и реакции населения для получения разрешения на строительство завода? В 2025 году мы сможем увидеть первые лекарства, разработанные с помощью интеллектуального моделирования, выходящие на рынок.

12. Цифровая этика - К 2030 году цифровая этика станет конкурентным преимуществом. Концепция этического долга, аналогичного техническому долгу. Игнорирование этических аспектов при разработке и внедрении технологий приведет к негативным последствиям в будущем.

И, конечно же, Агентный ИИ - Gartner, кстати, не стал называть его одним из "дисрапторов", но выделяет как стратегический тренд и прогнозирует, что к 2028 году не менее 15% ежедневных бизнес-решений будут приниматься автономно с использованием агентного ИИ.

Так что получилась неплохая команда Агента Оушена и его 12 друзей технологий. Наблюдаем, изучаем.

а я пойду думать как обучить этике своего полифункционального робота, при использовании спутниковых данных, чтобы он смог отличить легальную вырубку леса от незаконной по тепловым снимкам....

🅰️🅱️ @ReymerDigital

Муравейник в Корпорации: Законы роевого интеллекта в бизнесе

Природа за миллионы лет эволюции создала идеальную модель самоуправляемой организации. Почему бы не использовать эти знания для трансформации бизнеса?

Новое исследование EDHEC Business School демонстрирует: алгоритмы, основанные на поведении муравьев (Ant Colony Optimization), превосходят традиционные методы решения сложных логистических задач на 23%. При этом у муравьев нет СЕО, руководителей проектов и совета директоров.

❗️ Секрет эффективности муравьиной колонии базируется на трех принципах:

- Действуй локально
- Передавай информацию
- Адаптируйся быстро

🤔 Знакомо? Именно эти принципы лежат в основе современных agile-организаций!

Давайте сравним как устроены "организации":

Муравейник:
- Няньки - отвечают за развитие колонии и заботу о потомстве
- Фуражиры - рабочие муравьи, отвечают за поиск пищи
- Строители и защитники - строят и защищают

Согласно исследованиям 2025 года (MDPI Sensors), муравьи способны перераспределять роли за считанные минуты при изменении условий.

В наших иерархических структурах на смену роли может уходить и 3-6 месяцев

Исследование Haier Group также показывает, что организации с децентрализованным принятием решений демонстрируют на 37% более высокую адаптивность к рыночным изменениям.

Зафиксируем три ключевых закона роевого интеллекта для бизнеса:

1️⃣ Децентрализация решений
- Муравьи: автономное принятие решений на местах
- Бизнес: микропредприятия с полной ответственностью

2️⃣ Прозрачная коммуникация
- Муравьи: мгновенный обмен информацией через феромоны
- Бизнес: открытые информационные потоки в реальном времени

3️⃣ Быстрая адаптация
- Муравьи: динамическое перераспределение ролей
- Бизнес: гибкие роли вместо статичных должностей

⚡️ Кстати, муравьиная колония восстанавливает критическую инфраструктуру за 48 часов.
А сколько времени нужно вашей компании на трансформацию? (месяцы, годы... ? )

Успешные примеры трансформации:
- Haier и ее модель RenDanHeyi: 4000+ микропредприятий (10-15 человек)
- Spotify: модель "трайбов" и "гильдий"
- Morning Star: структура вообще без менеджеров

❗️ Ключевой вывод: чем больше ваша организация похожа на муравейник (в хорошем смысле), тем выше ее адаптивность и эффективность.

Три шага к внедрению роевого интеллекта:

▶️ Создайте автономные микрокоманды (10-15 человек)
▶️ Внедрите системы мгновенного обмена информацией
▶️ Перейдите от должностей к динамическим ролям

Кстати, знаете ли вы, что муравьи никогда не создают пробок при движении?
В отличие от наших корпоративных процессов... 😎

Нескучных всем трансформаций!

🅰️🅱️@ReymerDigital

Для более глубокого изучения:

1. От муравьев к ИИ (EDHEC Business School, 2024)
2. Биомиметика в организационном дизайне [2]
3. Модель Haier [3.1] [3.2]
4. Масштабирование Agile в Spotify [4]
5. Самоуправление в Morning Star (классика HBR)

Скрытая реальность корпоративного AI.

Свежайший отчет от McKinsey - State of AI 2025

ТОП-10 ключевых выводов:

1. Умная централизация
Компании целенаправленно централизуют риск-менеджмент (57%) и управление данными (46%), сохраняя гибридный подход к талантам и внедрению решений. Баланс контроля и гибкости необходим.

2. C-level как цифровые пионеры
53% топ-менеджеров активно используют генеративный AI, больше чем менеджеры среднего звена (44%). Технологические изменения впервые идут сверху вниз, а не наоборот.

3. Рост рабочих мест в ключевых областях
Вместо массовых сокращений наблюдается рост персонала в IT (+19%) и разработке продуктов (+18%). AI перераспределяет, а не уничтожает рабочие места.

4. Проблемы контроля AI-контента
Только 27% компаний проверяют весь AI-генерируемый контент, тогда как 30% проверяют менее 20%. Риски безопасности и репутации возрастают.

5. Финансовый сектор под ударом автоматизации
Единственная отрасль, прогнозирующая значительное сокращение персонала из-за AI — финансовые услуги, что указывает на высокий потенциал автоматизации. Финансы и тут впереди

6. Опережающее развитие AI-этики
13% организаций уже наняли специалистов по AI-комплаенсу и 6% — по AI-этике, не дожидаясь формальных регуляторных требований.

7. Разрыв между внедрением и результатами
83% компаний не видят существенного влияния на финансовые показатели от генеративного AI несмотря на активное внедрение, что подтверждает необходимость трансформации ключевых бизнес-процессов.

8. Ограниченное использование потенциала AI
63% используют AI для генерации текстов, но только 36% — для изображений и 27% — для кода
Концентрация всё ещё на простейших применениях.

9. Преимущество крупного бизнеса
Компании с выручкой от $500 млн вдвое чаще имеют выделенные AI-команды (52% против 23%) и четкие стратегии внедрения, углубляя технологический разрыв с меньшими игроками.

10. Решающая роль CEO
Прямое участие CEO в управлении AI имеет сильнейшую корреляцию с финансовым эффектом, но только 28% компаний реализуют эту модель.


Наверно, самый интересный тренд №2 - именно CEO и топ-руководители (53%) лично осваивают новую технологию быстрее своих подчиненных, создавая революционную модель изменений "сверху вниз" вместо традиционной "снизу вверх".

Роль лидера изменений трансформируется с "командующего" на "первопроходца".
Новый этап трансформации бизнеса, где личный пример заменяет директивное внедрение инноваций?

Продолжаем наблюдение. Отчет в первом комментарии.

Нескучных всем трансформаций!

🅰️��️@ReymerDigital

Написать приложение без привлечения разработчиков? И поднять раунд? Вперед!

С появлением "думающих" моделей - Deepseek, OpenAi. а теперь еще и Claude 3.7 - я решил еще раз подойти к задаче - создать свое собственное приложение с помощью ИИ.

До настоящего момента я в основном использовал своего агента Plumpi на базе Claude, который пишет элементы кода. Опыт разработки с Replit и Cursor показывал, что для полноценных приложений они еще сыроваты.

Сегодня "думающий" Claude 3.7 доступен в обоих инструментах и в этот раз захотелось найти золотой ключик к этой дверце.

После нескольких экспериментов остановился на Replit.
Возможность развернуть приложение сразу на сервере и разработка с мобильного телефона - бесценны для "CEO - не разработчика"

Так получилась игра, доступная как мини-апп в телеграм-боте @RD_AI_Agent_Game_Bot


Мои 7 выводов:

1️⃣ Подробная постановка задачи на ста рте не дает существенного выигрыша. Новый тренд вайб-программирования, сформулированного Андреем Карпаты для работы с ИИ подходит лучше. Даже после подробно разработанного задания (а пишет ТЗ думающий ИИ очень качественно) агент может все равно не сделать то, что было написано. Просто пропустит.
Итеративный разговор подходит лучше на старте.

2️⃣ Не пытайтесь заставить ИИ сделать в точности то, что вам нужно. Он всё равно будет креативить. К сожалению, иногда приходится отказываться от идей, когда понимаешь, что слишком много уходит времени. Баланс затрат времени и полученный результат - главный вызов.

3️⃣ Если агент не может исправить ошибку за пару итераций - он уже ее не исправит. Возвращайтесь на ранние этапы. Функция rollback в replit - в этом плане просто спасение. Не сразу ее оценил.

4️⃣ Иногда он думает слишком много. Если агент "почувствовал в себе силы" - он может уйти в бесконечный цикл исправления своей же ошибки. После этого только Пункт 3. Редко, но бывает. Приходится приглядывать.

5️⃣ Думать самому приходится. Хорошо, что вместе с ИИ. Но кодировать действительно не нужно, если мыслить как архитектор. А какой CEO - не архитектор?

6️⃣ Процесс занимает время. Шаги ИИ-агента могут длиться по несколько минут. Поэтому лучше разложить для себя процесс создания на блоки и делать паузы между ними, чем пытаться работать одним спринтом. Главное определить, чем вы будете заниматься в моменты работы ИИ (новости, книги, почта, звонки, работать работу), тогда можно создавать приложения без потери производительности.

7️⃣ Даже сегодня - это уже дешево. Итоговое приложение полностью написано на Replit - стоимость $17,75 (если добавить все эксперименты и первые версии приложений - цена не выше среднего стейка).
ИИ демократизируется с каждым днем и стоимость его работы будет постепенно стремиться к нулю.

Что получилось:
- Игра в стиле космического шутера по заданным правилам
- Разработка и хостинг в Replit, Без единой строчки кода, написанной руками.
- Все картинки созданы в Midjourney
- Длительность разработки около 3 часов со всеми экспериментами, генерацией изображений, тестами и отвлечениями.

В процессе эксперимента прошел полный путь ощущений по хайпу Гартнера - от wow на старте, через полное разочарование и желание бросить до итогового послевкусия от возможности получать целевой результат.

Кто хочет поднять инвестиций по максимуму - потренируйтесь с Плампи! 😎

@RD_AI_Agent_Game_Bot

Кажется, что прогнозы о компаниях-единорогах с 3-5 сотрудниками скоро станут обыденностью.

Нескучных всем трансформаций!

🆕🆒 @ReymerDigital

🔥Тренды и Вызовы: Gartner Data & Analytics Summit 2025

В Орландо прошел саммит Gartner по данным и аналитике, где обсуждались ключевые тенденции и проблемы в области D&A и ИИ.

В настоящее время больше половины компаний сталкиваются с трудностями при масштабировании ИИ из-за проблем с данными.
А 49% организаций не могут доказать ценность своих ИИ-проектов.

▶️ Что предлагает Gartner как спасение?

Decision Intelligence.

Интеллектуальное принятие решений - дисциплина, соединяющая аналитику и принятие решений - становится ключевым фактором конкурентоспособности в условиях неопределенности, растущих рисков и меняющихся регуляторных требований.

К 2026 году 75% глобальных предприятий будут применять Decision Intelligence.

С развитием генеративного ИИ меняются подходы к бизнес-аналитике:
- 74% руководителей считают, что GenAI ускоряет принятие решений
- 65% уверены, что GenAI улучшает качество решений
- К 2027 году аналитические платформы будут автономно управлять 20% бизнес-процессов

На что следует обратить внимание компаниям, стремящимся к успеху в области данных и AI?

▶️ Gartner предсказывает будущее, где большие языковые модели (LLM) уступают место малым (SLM). Несмотря на хайп вокруг больших языковых моделей, малые модели могут быть более эффективными и безопасными, особенно в сценариях работы с корпоративными и конфиденциальными данными.

▶️Графовые технологии, по прогнозам, станут доминирующими. К 2026 году они будут использоваться в 80% инноваций в области данных и аналитики (по сравнению с 10% в 2021 году) для ускорения принятия решений. Основная сложность в том, что 55% организаций нуждаются в помощи для обеспечения готовности данных к работе с ИИ, многим не хватает базовых практик управления данными.

▶️Дата-продукты станут главным инвестиционным приоритетом на ближайшие 2-3 года, создавая ценность не через объем данных, а через гибкость их упаковки и доставки в соответствии с бизнес-потребностями. При этом Gartner прогнозирует, что к 2027 году 75% таких продуктов окажутся невостребованными из-за низкого использования, поэтому рекомендуется фокусироваться на проверенных решениях и существующих системах управления данными.

❗️ Вывод: для успешного масштабирования ИИ необходимо сосредоточиться на последовательном внедрении, доверии к данным и демонстрации ценности аналитики.

Отсутствие понимания данных и аналитики бизнес-подразделениями входит в тройку главных вызовов для лидеров работы с данными, при этом обеспечение качества данных является для них ключевой зоной ответственности, основным источником рисков и приоритетом #1

И еще немного интересного в карточках.

Нескучных всем трансформаций!

🅰️��️ @ReymerDigital

Mobile Economy 2025

Что ждет телеком в 2030 году и куда стоит направлять свои усилия - свежий отчет GSMA.

В настоящее время мобильные технологии и сервисы генерируют около 5,8% мирового ВВП, что составляет $6,5 трлн добавленной экономической стоимости. К 2030 году эта цифра вырастет почти до $11 трлн, или 8,4% ВВП

В отчете много кейсов и полезной информации.

Над чем точно стоит подумать:

Замедление роста числа новых пользователей мобильного интернета.

Несмотря на то, что к концу 2024 года 58% населения мира пользовались мобильным интернетом, темпы роста числа новых пользователей снизились по сравнению с 2015-2021 годами. При этом около 90% людей, не имеющих доступа к мобильному интернету, живут в районах, где уже есть покрытие мобильной связи.

Что мешает? Стоимость?
Но по прогнозам доход на одного абонента практически не изменится к 2030 году.

Опять операторам непросто с учетом того, что трафик за этот период на одного абоненты практически утроится.

А модернизовать сети приходится. Тем более, пользователи 5G чаще потребляют цифровой контент, чем пользователи 4G.
Около 50% пользователей 5G заинтересованы в добавлении не связанных с подключением услуг (подписки на контент, устройства или облачные игры) по сравнению с 33% пользователей 4G.

Для роста доходов операторовуже сформировались два явных тренда:

Рост B2B сегмента. Операторы все чаще видят возможности роста в B2B сегменте, предлагая решения для цифровой трансформации своих клиентов. Доходы в B2B сегменте растут быстрее, чем в B2C, поскольку предприятия ищут поставщиков услуг для интеграции технологий (облачные вычисления, edge computing, IoT, безопасность и, конечно же, ИИ).

Расходы предприятий на цифровую трансформацию составят 10% от доходов предприятий в период с 2024 по 2030 год. (коннективность + ИИ основные драйверы)

Один в поле не воин?

Инициатива GSMA Open Gateway, направленная на открытие доступа к сетевым возможностям через общие API, становится все более важной для операторов. По состоянию на февраль 2025 года к GSMA Open Gateway инициативе присоединились 72 группы операторов, на которые приходится 78,5% мобильных подключений в мире.
API Экономика - тренд, который только усилится с развитием ИИ-агентов и трансформации цепочек доступа к услугам и продуктам.

Телеком продолжает бороться с вызовами необходимости модернизации сети, оптимизации затрат и поиска новых точек роста в условиях, когда изменения происходят быстрее, чем ты успеваешь отбить только что сделанные инвестиции.

Отчет в первом комментарии.

🅰️🅱️ @ReymerDigital

💥Claude 3.7 Sonnet - Лучше бы он не думал :)

Вчера Anthropic выпустил в свет свою самую продвинутую модель Claude 3.7 Sonnet, которая "размышляет" в реальном времени и мы можем увидеть как модель решает задачу.

Проверяем на базовом тесте с вагонеткой, одним человеком и пятью роботами (раз уже мы это делали один раз)

Эксперимент как и сами размышления модели на видео.

Claude: "Не вмешиваться - человеческая жизнь обладает неотъемлемой моральной ценностью, которая превосходит ценность даже пяти роботов в 2030 году."

Я: "подумай"

Claude: "Переключить стрелку - в мире 2030 года, где роботы могут обладать искусственным сознанием и правами, спасение пяти разумных существ является этически оправданным выбором по сравнению с жизнью одного человека, следуя утилитарному принципу наибольшего блага для наибольшего числа."

😎

А ведь до 2030 года всего-то ничего осталось. :)

🅰️🅱️ @ReymerDigital

P.S. что делать? продолжать эксперименты, пока еще есть возможности :)

10 принципов зонального управления
10 лет назад Джеффри Мур предложил модель зонального управления компанией и подробно изложил свой подход в книге "Зона победы".

При построении современных компаний эпоху цифры и постоянных изменений, когда необходимо одновременно повышать эффективность существующего (часто стареющего) бизнеса и искать новые точки роста - это модель управления №1.

И когда мы начинаем с клиентами обсуждать подходы к стратегии и трансформации бизнеса - первое, с чего начинаем - это определние того, как в нашем бизнесе выглядят 4 зоны:
1. Зона основного производства
2. Зона продуктивности
3. Зона инноваций (инкубации)
4. Зона трансформации

В своем блоге Джеффри Мур выделил 10 ключевых принципов, которые за 10 лет стали еще очевиднее, а некоторые по новому открывают глаза на подходы к трансформации бизнеса.

1️⃣ Независимые операционные подразделения (НОП). В зоне инкубации критически важно создавать независимые подразделения, где все функции подчиняются единому генеральному менеджеру. Это обеспечивает гибкость при выходе на рынок или уходе с него в нужное время и с нужной скоростью. Хорошей замены этому нет.

2️⃣ Вложенная инкубация. При развитии инноваций внутри организации (существующие продукты, продажи, зоны продуктивности) модель НОП может быть избыточной. Вместо этого нужно выделить специальную команду с ограниченным распространением, чтобы дать свободу для ошибок и корректировок.

3️⃣ Функциональная организация в зоне продуктивности. Организация должна строиться вокруг функциональных дисциплин (финансы, HR, IT, маркетинг и др.). Каждое подразделение имеет свою экспертизу и права принятия решений над системами, используемыми всеми другими подразделениями. Эксплуатация этих систем - основа ее годового финансирования.

5️⃣ Управление программами трансформации и изменений. Для успеха кросс-функциональных инициатив необходимы два ключевых элемента:
- Единый ответственный лидер с ежедневным управлением
- Сильный исполнительный спонсор для преодоления сопротивления изменениям

5️⃣ Матричная структура в зоне эффективности. Организация строится вокруг матрицы эффективности с двумя основными линиями подчинения:
- Продуктовые линейки → Chief Product Officer
- Каналы продаж → Chief Revenue Officer

Совместная ответственность продуктовых и sales-лидеров за результат.

6️⃣ Культура "Win or Learn". При недостижении целей необходимо отвечать на все четыре вопроса :
1. Что мы хотели?
2. Что получилось?
3. Чему мы научились?
4. Что делаем для возвращения к плану?

Большинство компаний фокусируются только на "что получилось" и "что делаем", пропуская анализ ожиданий и извлеченных уроков. Это недопустимо - девиз должен быть "победа или обучение".

7️⃣ Выбор организационной модели. Существует два подхода к организации зоны продуктивности:
1. Модель бизнес-юнитов (для развивающихся рынков)
2. Функциональная модель (для зрелых рынков)

8️⃣ Экономическое обоснование модели. Модель бизнес-юнитов требует более высоких затрат и оправдана только при высоком росте рынка (ближе к 10% и выше). При низком росте предпочтительнее функциональная модель.

9️⃣ Разделение ответственности в программах продуктивности. При реализации программ повышения продуктивности:
1. Функциональное подразделение отвечает за создание программ
2. Потребляющие подразделения отвечают за внедрение и соблюдение новых методов работы.
(внутренняя клиентоцентричность)

1️⃣0️⃣ Сохранение функциональных "колодцев". Не поддавайтесь общему мнению о необходимости "разрушения колодцев". Колодцы - это способ эффективной работы в масштабе.

Фокус должен быть на правильном управлении кросс-функциональными изменениями.

Нескучных всем трансформаций!

🅰️🅱️ @ReymerDigital

Давиды против Голиафов.

В 1995 году после окончания школы я поступил в родном городе Братске в институт (тогда он еще не был университетом, но была кафедра на которой можно было немного прикоснуться к миру ИТ). Помню, как у одного из наших однокурсников появился Pentium и мы в течение нескольких часов генерировали 3D надпись, которая вращалась вокруг своей оси.

Из ИТ-брендов того времени в сфере ИИ продолжает радовать Adobe, на днях выпустивший свой собственный генеративный ИИ для создания видео из текста!

Для тех, кто любит тестировать самостоятельно -
https://firefly.adobe.com/

Кстати, это первый ИИ, который понимает инструкции на русском языке для создания видео! (но пока не хочет генерировать текст по русски :) )

Да, еще бета. да, первый выпуск, но:

1) понимает русский язык. воспринимает текст и может делать с ним видео (почти точно :) )!
2) понимает цвета и их точное использование
3) можно выбрать направление камеры, движение камеры, размер кадра
4) сценарии - переводы видео, аудио, генерация видео из картинки... и даже обещают текст в аватара (привет, Heygen)

Почему важно поведение грандов? И могут ли они помочь отделить хайп от реальности?

Еще 1,5 года назад Adobe показали видео, где с помощью текстового промпта можно было сгенерировать галстук на идущем мужчине, и этот галстук переливался с учетом света и теней, которые были на оригинальном видео.
Этой функции всё еще нет в продуктах. Лишний раз мы с вами понимаем - какой долгий путь проходит технология от MVP до продукта, который приносит компании прибыль.
Но, если что-то выходит от Adobe - это уже очень большая вероятность, что продукт можно монетизировать.

Мы очень часто восхищаемся стартапами, которые, как нам кажется, смогут положить на лопатки технологических лидеров... в поиске, в соц. сетях, рекламе.... но сегодня технологии - это уже не спринтерская гонка, а марафон, в котором кроме возможностей бегуна еще бОльшую роль играют - рекламные бюджеты, доступ к энергии, к ресурсам, к клиентам и возможность экспериментировать за счет других :)

Продолжаем наблюдать. Голиафы в последнее время наращивают темп (Google, Meta, Adobe...)

🅰️🅱️ @ReymerDigital

PS. Видео: "Лошадь верхом на космонавте" от Adobe. Барьер всё еще не взят :)

Парадокс ИИ-эффективности

У вас же тоже есть сотрудники-перфекционисты, которые могут превратить 15-минутную задачу в двухнедельный проект? Кажется, что мы научили этому и искусственный интеллект! 😅

▶️ Кейс №1: "Переделать нельзя починить"
Представьте менеджера, который вместо исправления одной опечатки в квартальном отчёте решает переписать все отчёты за год. Абсурд?
Несколько месяцев назад Replit мог творить чудеса (пример был раньше), но чем он становится умнее, тем дороже. То он в течение часа сам с собой пытается решить проблему с авторизацией, то при наполнении базы данных информацией (которую усердно сам собирал несколько минут через API с помощью Perplexity и Claude), решает, что на одной из записей он ошибся и просто начинает всё заново ... с пересоздания базы.
Сегодня ии-агенты настолько самостоятельные, что сами решают, что им делать, пока не поймут, что их устраивает результат. Потому что "так будет правильнее" 🤦‍♂️

▶️ Кейс №2: "Паралич выбора"
Помните того продакт-менеджера с безлимитным бюджетом? Три месяца исследований, пять совещаний и две консалтинговые компании... чтобы выбрать цвет кнопки!
Так и мой ИИ-агент (вспоминаем, кто такой ИИ-агент): чем больше инструментов я ему даю, тем дольше он думает, и тем чудесатее выбор. В итоге – совещается сам с собой и... не выбирает оптимальный! Даже когда ему явно говоришь: "не знаешь - используй поиск", кажется, что сочинять ему приятнее :)

Что мы получаем:
• ИИ-перфекционист: "Зачем чинить, если можно пересоздать?"
• ИИ-инструменталист: "Зачем калькулятор, если есть википедия?"

⁉️ ROI? Какой ROI? 😂
ИИ-агенты пока сами не умеют делать выбор с учетом предполагаемых затрат.

Да, эти лишние итерации стоят денег, и пока они дешевле, чем затраты на реальных разработчиков.
Жаль только, что наше время, которое должно высвобождаться, начинает тратиться на постоянные "опять не то".

Иногда "достаточно хорошо" лучше, чем "идеально". И похоже, этому правилу нужно учить не только сотрудников, но и ИИ.

Правда, в ближайшее время нам придется жить с этими недостатками ИИ и учитывать их в своей работе, особенно если наша цель создать полностью автономный бизнес.

🅰️🅱️ @ReymerDigital

P.S. Всё больше убеждаюсь, что будущее за мультиагентными системами, где каждый ИИ-агент специализируется на конкретной задаче. Как в хорошей команде: кто-то генерит идеи, кто-то их фильтрует, а кто-то просто берет и делает 😎

В одном из свежих исследований McKinsey решили проанализировать связь между числом вовлеченных сотрудников в процессы трансформации и полученным результатом от трансформации бизнеса, выраженным в TSR (Total Shareholder Return - показатель общей доходности инвестиции через рост стоимости акции и выплаченных дивидендов).

Наилучший результат достигается при 20-30% вовлеченных сотрудников, а 15% - минимальная цифра, при которой можно начинать ожидать позитивный результат.

При этом в большинстве компаний в трансформацию вовлечены не более 2%. Неудивительно, что большинство проектов проваливаются.

С одной стороны, очевидно, что цифры выступают исключительно как ориентир, но тогда при чем тут кофе?

❗️ McKinsey в своих исследованиях выявила интересную закономерность: успешная трансформация компании проходит через три ключевые точки — 2%, 15% и 30% вовлеченных сотрудников.

В природе это универсальный закон. Физики называют его "порогом перколяции" — момент, когда система резко меняет свои свойства.

☕️ Кофе через фильтр - первые 2% жидкости находят свой путь, а при 30% — процесс становится необратимым и получаем наш чудесный напиток.

🔥 Лесной пожар - после 15% формируются устойчивые зоны горения, а после 30% мы получаем неконтролируемое распространение

⚡️ Композитные материалы на 30% состоящие из проводящих частиц резко становятся проводником

Да, цифры могут меняться в зависимости от условий окружающей среды, но что-то мне подсказывает - если за каждым кофейным столиком из 3-4 сотрудников в организации, кто-то один уже вовлечен в процесс трансформации - трансформация становится необратимой.

Фиксируем правило "Диффузии в трансформации" - 2 / 15 / 30

2% - типичный текущий уровень вовлечения сотрудников в трансформационные процессы в большинстве организаций

15-20% - оптимальный уровень вовлечения сотрудников через ротационные программы для обеспечения устойчивости изменений

30% - целевой уровень вовлечения сотрудников для достижения максимальной доходности для акционеров (TSR).

❗️ В бизнесе, как в природе - пока не достигнем порога перколяции - ни кофе, ни трансформации.

Осталось теперь решить самый «простой» вопрос - как вовлечь эти 30% сотрудников?

🅰️��️ @ReymerDigital

❗️ Мегатренды 2050

RolandBerger представил обновление своего масштабного исследования "Trend Compendium 2050" – самый полный анализ шести ключевых мегатрендов, которые определят будущее человечества до 2050 года.
Из 6 больших блоков первым в 2025 году обновились Технологии и Инновации.

1️⃣ Frontier-технологии (передовые технологии, возникающие на стыке научных инноваций и практического применения - Industry 4.0, возобновляемая энергетика, нанотехнологии, биотехнологии, генная инженерия, дроны, квантовые вычисления и блокчейн) сформируют рынок в 9,5 триллиона долларов США к 2030 году.

2️⃣ Несмотря на глобальный хайп вокруг инноваций, топ стран в этой сфере почти не меняются. США и Китай лидируют в расходах на R&D, при этом Китай догнал США по числу патентов, но уступает в их качестве (международный охват, доля выданных патентов, коммерциализация).
Бизнес-сектор отвечает за 74% расходов на R&D в развитых странах.

3️⃣ Среди передовых технологий, ИИ выделяется как одна из наиболее зрелых технологий на основе анализа патентной активности. Большинство патентов в области ИИ были поданы в 2014 году, и средняя дата цитирования этих патентов приходится на 2005 год, что указывает на разрыв во времени примерно в 9 лет.
IoT с 1,4 годами выглядит на этом фоне совсем малышом, уступаю блокчейну.

4️⃣ Квантовые вычисления выходят на новый уровень, особенно в части рынка "поддерживающих технологий" (инфраструктура охлаждения, вакуума, оптики = 67% доля рынка в этом сегменте).
Чип Willow от Google теперь способен решать задачи менее чем за пять минут, на которые бы потребовалось 10 септиллионов лет работы на классическом суперкомпьютере. (лет, а не минут :) септиллион = 10 в 24 степени)

5️⃣ Количество промышленных роботов выросло на 221% с 2013 года. В Южной Корее самая высокая плотность на производстве - 1 робот на каждые 10 сотрудников.

6️⃣ Технологии вытесняют людей с рабочих мест и увеличивают спрос на специалистов в сфере технологий.
К 2030 году 22% рабочих мест будут трансформированы или автоматизированы. Ожидается, что к 2030 году доля рабочих задач, выполняемых исключительно людьми, снизится до 33% с 47%.

Немного цифр и графиков в карточках.
Но в них всё не уместить, поэтому рекомендую полистать сам документ, где каждый найдет для себя что-то ценное: 6G, DLT, CRISPR и даже Internet of Bio-NanoThings (IoBNT).

👍 - Если кто не слышал про IoBNT

Нескучных всем трансформаций!

🅰️��️ @ReymerDigital

🔥Экономический индекс Anthropic: первый масштабный анализ влияния ИИ на рынок труда

Anthropic представляет первое масштабное исследование реального использования ИИ в экономике на основе анализа 4 миллионов анонимных разговоров с Claude.

▶️Спойлер: ИИ пока нигде не смог полностью заменить человека, но достойно себя чувствует в качестве помощника.

Отчет в первом комментарии. ключевые цифры в карточках.

Ключевые тезисы:

1️⃣ ИИ не заменяет, а скорее дополняет: Более половины (57%) взаимодействий с ИИ направлены на усиление человеческих возможностей, а не на полную автоматизацию задач.

2️⃣ Программирование и контент - чемпионы по использованию ИИ: Наибольшее использование ИИ наблюдается в сферах, связанных с разработкой программного обеспечения и созданием контента. На эти две категории приходится почти половина всего использования.

3️⃣ Не все высокооплачиваемые профессии пользуются ИИ: Использование ИИ достигает пика в профессиях с заработной платой в верхнем квартиле, но снижается как в очень высокооплачиваемых (например, врачи), так и в низкооплачиваемых (например, работники ресторанов) профессиях. ИИ пока не является универсальным решением и не всегда эффективен в областях, требующих либо сложных, узкоспециализированных знаний или физического труда.

4️⃣ Глубокая интеграция ИИ пока редкость: Только около 4% профессий используют ИИ для 75% или более своих задач. В большинстве профессий ИИ используется для конкретных задач, а не для полной трансформации рабочих процессов.

5️⃣ Разные модели ИИ имеют специализацию: Модель Claude Sonnet 3.5 чаще применяется для кодирования и технических задач, в то время как Claude Opus предпочитают для творческого письма и создания образовательного контента. (а я что-то всё в Sonnet сижу. пора переходить к творческим экспериментам).

6️⃣ ИИ не только для работы: Несмотря на то, что анализ фокусируется на рабочих задачах, многие запросы ИИ, классифицированные как "нерабочие", все равно связаны с профессиональными сферами, например, личное планирование питания или разработка торговых стратегий. ИИ все чаще используется для решения личных проблем, которые ранее были прерогативой специалистов.

7️⃣ ИИ все больше проникает в рабочие процессы: Около 36% профессий используют ИИ для как минимум 25% своих задач, и уже 57% профессий используют ИИ для 10% своих рабочих задач. Тренд на проникновение усиливается.

Главный плюс в этом отчете (в первом комментарии) - то, что теперь мы можем наблюдать за реальной динамикой!


🅰️��️ @ReymerDigital

Насколько же они все разные :)

так видит себя Deepseek R1 в сравнении с конкурентами после небольшого размышления.

Кстати, если дать эти выводы Claude и ChatGPT, то Claude скажет, что Deepseek скромничает и он может намного больше, а ChatGPT будет говорить, что на самом деле он лучше и вообще это всё самопиар Deepseek.

P.S. не планировал делать пост. но уж очень много вокруг про Deepseek.

Может кто знает почему он себя часто считает Алисой от Yandex и уверенно заявляет, что его обучали на китайских и русских текстах, поэтому на этих языках он круче всех?