C AI теперь можно делать больше, чем просто прототипы.

Меня редко чем можно удивить в области ИИ. Все-таки, когда работаешь в индустрии, у тебя образуется некоторая предвзятость: большую часть инноваций, вызывающих “вау-эффект”, ты либо видел сам, либо читал в статьях/видел в демо, как это сделали другие.

То, что AI можно использовать для быстрого прототипирования, тестирования гипотез, - уже ни для кого не секрет. Сервисы вроде Lovable и Bolt - одни из моих любимых и наиболее часто используемых. Но можно ли запустить цифровой бизнес с помощью AI?

Давайте отбросим момент с генерацией идей, здесь AI может помочь, но реально креативную идею, которая будет отвечать рынку, все же должен генерировать человек. Предположим, что у нас такая есть. Встает вопрос: а до какой степени я могу полагаться на AI в ее реализации? Нужна ли мне команда разработки?

Здесь все зависит только от вас
Чтобы построить цифровой продукт, вам нужно: во-первых, желание сидеть и разбираться с инструментами для AI-кодинга, во-вторых, базовое понимание принципов разработки, архитектуры и обеспечения безопасности. Если у вас есть это, то, как говорится, sky is the limit. Реализовать хороший MVP с помощью AI - можно! Подчеркиваю, что именно MVP. Я разделяю понятия прототипа, MVP и полноценного продукта.

Прототип - это про потестировать гипотезу.
MVP - базовый продукт в том виде, за который готовы платить, имеет интеграцию с парой сервисов, например, БД + платежка.
Полноценный продукт - масштабируемая история, которая может справляться с большим потоком пользователей и имеет интеграцию с большим количеством сервисов.

Какого рода MVP можно построить с AI сегодня?
1. Информационные продукты - как делал я с тренингами. В Bolt сделал лендос, с помощью Cursor подключил к нему платежку, развернул open source LMS для хранения материалов и написал пару ботов для обучения.
2. Обертки для LLM - можно относительно просто создавать MVP, ядром которых будет любое взаимодействие с AI. Это могут быть как веб-, так и мобильные приложения. Можете прикрутить туда свою базу знаний, запромптить ассистента и продавать.
3. Интернет-магазины - создаем базу данных, делаем витрину, прикручиваем платежку и какую-нибудь CRM-ку.

Какие есть ограничения?
1. Главное - усидчивость и желание разобраться в технических деталях и архитектуре.
2. Чем сложнее продукт - тем детальнее должно быть ТЗ.
3. Вы должны быть готовы работать поэтапно и, в случае чего, - упрощать логику и идти на компромиссы.
4. Вам нужно думать о безопасности самостоятельно. Пытаться “сломать” свой продукт и латать обнаруженные дыры.

Благодаря этому подходу сегодня я за 8 часов собрал веб-приложение с авторизацией, базой данных, RAG, встроенным AI и админкой, на реализацию которого ушло бы 3 дня дизайна и 2 недели разработки.

Кому интересно - на скрине стек проекта

Как запустим — поделюсь здесь 🙂

Как развернуть свой сервер для Affine и прикрутить к нему GPT, чтобы не платить за подписку

Ранее я писал про сервис, на который перешел с Notion, если не читали - вот пост. Там также есть AI-функционал. Подписка на Affine AI стоит 8 баксов в месяц, но я его так активно не использую, поэтому поднял сервер и прикрутил туда свой API-ключ Openrouter. На данный момент AI официально не поддерживается для селф-хостинга, но я посмотрел код и нашел, как это обойти. Публикую неофициальный способ завести AI.

1. Вам понадобится арендовать сервер с IP не в РФ. Можно на Digital Ocean или VDSINA. ОС выбираем 24.04 Ubuntu, оперативка минимум 1 гб, памяти - сколько вам нужно. Также вам понадобится купить любой домен (к нему мы будем подключаться). Домен привязываем к IP сервера, как сделать - обычно написано там, где покупали домен. Также вам понадобится установить nginx, об этом в процессе спросите Gemini.

2. Подключаемся к серверу средствами командной строки (проще всего прямо с сайта вашего хостинга). Зовем на помощь Gemini или любую другую LLM, просим помочь установить версию canary в папку ~/affine-docker Копируем отсюда весь текст документации и просим помочь развернуть AFFINE на своем сервере и подключить nginx, говорите, чтобы давал вам пошаговые инструкции и присылал по одной конкретные команды. В случае проблем - копируем текст ошибки и просим ее решить. Сначала он вам поможет установить docker, а затем все остальное

3. После того, как установили и запустили - идем в приложение Affine, добавляем свой сервер по домену. Создаем аккаунт и попадаем в админку, она будет по адресу ваш_домен_для_affine/admin, там находим себя в списке пользователей, жмем Edit и включаем для себя UnlimitedCopilot. Остальные настройки с AI трогать не нужно. В боковом меню будет тумблер с AI, но он не работает (способ неофициальный).

4. Возвращаемся на сервер, выполняем следующую команду:

nano ~/.affine/self-host/config/config.json

5. Откроется редактор текста, надо поправить его на такой, вставив свокй апи ключ

{
"$schema": "https://github.com/toeverything/affine/releases/latest/download/config.schema.json",
"copilot": {
"enabled": true,
"providers.openai": {
"apiKey": "sk-or-v1-ВАШ_API_КЛЮЧ_Openrouter,
"baseUrl": "https://openrouter.ai/api/v1"
}
}
}

6. Как поправили - жмем control+S, а затем control+X, чтобы сохраниться и выйти из редактора

7. Выполняем команду:

sudo chmod 644 ~/.affine/self-host/config/config.json

8. Выполняем команду:

docker compose up -d --force-recreate

9. Ждем, пока все запустится и ждем еще минутку

10. Далее выполняем команду:

docker compose logs affine | grep -i 'copilot\|openai\|provider'

11. У вас появятся логи, там надо найти

Copilot provider [openai] registered - это значит, что все ОК

12. Перезапускаете свой клиент Affine и у вас заработает AI

Авторы обещают добавить официальную поддержку AI для селф-хостинга в течении пары месяцев, а это значит, что скоро можно будет туда подключить бесплатный DeepSeek от OpenRouter или Gemini и вообще не платить за AI ни цента!

Как AI помогает мне трекать прогресс в английском

ChatGPT - полная фигня по сравнению с тем, о чем пойдет речь!

Еще во время работы в Skyeng, в далеком 2021, я делал ресерч платформ с AI, которые реально эффективны в обучении английскому языку. Тогда я наткнулся на сервис Small Talk 2 Me. И это очень крутая штука. Сервис направлен на подготовку к IELTS через говорение. Понятно, что полноценного преподавателя это не заменит, но если вы хотите получить измеримый результат, понять свою стартовую точку и трекать со временем прогресс - он подходит идеально. А еще там есть упражнения, которые помогут вам прокачать те места, в которых у вас пробелы.

Под капотом лежит алгоритм, который оценивает ваш вокабуляр, уровень грамматики, беглости речи, произношения и ряд других параметров. В начале вам надо пройти тест, примерно на 15-20 минут, в котором вам предстоит: прочитать текст, ответить на простой вопрос, описать картинку, а затем несколько раз говорить на случайные темы. То есть в целом, проверяются все основные навыки устной речи, которые могут вам пригодиться. Единственное, что отмечу, так это если вы пользуетесь сервисом раз в год, как я, то метрика объема вокабуляра будет не самой точной, если постоянно, то с каждым вашим упражнением показатель будет ближе к реальности. Остальным показателям можно доверять.

В Skyeng мы пытались сделать нечто подобное, при мне мы разработали алгоритм оценки речи. Уже после моего ухода ребята обернули это в продукт: Skyeng Avatar, который буквально копирует оригинал :) Прикольно наблюдать за тем, как твои идеи реализуются уже после твоего ухода.

Как определить свой уровень точнее? Пройдите оба теста. Скаенговский мы обучали на своих записях и теоретически должен точнее определять уровень русскоговорящих, а Small Talk - международная история, но очень точная. Тест проходил как я отдельно, так и мой преподаватель, чисто из интереса. Вместе пришли к выводу, что результаты, в целом, соответствуют действительности :)

Тест я прохожу примерно раз в год. С прошлого раза получилось +300 слов к вокабуляру, +2 слова в минуту к скорости речи и собрал еще кучу ачивок.

Кидайте результаты своих тестов в комментарии и делитесь впечатлениями, точно ли определился ваш уровень?

#инструменты

В понедельник послушал эфир state of the union от Байрама Аннакова, рекомендую и вам

Кто не знает Байрама, в свое время он основал App In The Air (то самое приложение для путешестенников), занял офигенную долю рынка и после - продал компанию. Последние несколько лет Байрам плотно занимается AI, onsa.ai - его сервис для автоматизации B2B продаж.

Байрам регулярно проводит эфиры, где анализирует текущее состояние индустрии, разбирает интересные статьи, тренды и делает какие-то предикшены, которые очень часто попадают в цель, и State of the union - как раз один из таких эфиров. В общем, делает то, что люблю делать и я сам. Видимо, играет роль, что мы прошли через одну школу в МГУ 😄

Так вот, лично для меня самая главная ценность и показатель экспертности — это когда ты, даже разбираясь в теме, получив контент, уходишь с какими-то инсайтами для себя, и прошедший эфир - как раз один из таких кейсов. Байрам много говорил про то, куда движется индустрия и как это может отразиться на бизнесе, подраскрыл свои мысли о возможной разработке гуглом аналога Google Play для AI агентов. Под конец эфира он противопоставил два подхода восприятия ИИ: AI 2027 и AI is Normal Technology. Первый я детально разбирал в канале, второй пока не успел, но он представляет собой более сдержанную оценку к тому, как будет внедряться AI в нашу жизнь.

В процессе встречи в чатике я высказал позицию, что AI 2027 - больше история про привлечение внимания к проблемам через некоторую однобокость, в то время как второй лонгрид - уже больше про реальную жизнь, и здесь наши мнения настолько совпали, что у меня создалось впечатление, будто я веду какой-то внутренний диалог с собой, при этом Байрам накидал еще несколько умных мыслей с разных углов. В общем, было реально полезно и интересно, и двухчасовая встреча буквально пролетела.

В общем, если вам нравится, о чем пишу я, но вы хотите посмотреть на это немного под другим углом, рекомендую еще и на канал Байрама подписаться.

Не взаимопиар и не реклама, а полезная рекомендация. Мне в личку даже пару подписчиков писали, скидывая его канал со словами “Влад, читаю твой канал, нравится, а еще есть такой чувак, Байрам Аннаков, тоже интересно пишет”. Решил, что многим тут будет полезно 🙂

Протестировал llama 4 в реальных задачах: на бенчмарках Лев Толстой, а на деле текст - отстой

Спустя несколько дней после релиза новых моделей Llama, компанию Цукенберга начали обвинять в том, что бенчмарки накручены (раз, два). При этом сама компания усердно это отрицала.

Мне стало очень интересно, как оно на самом деле, и я практически 2 недели тестировал новые модели для своих задач. На прошлой неделе я писал про то, как экономить на LLM, там же рассказал про Openrouter, в котором, очень кстати, новые модели Llama 4: Maveric и Scout доступны бесплатно. Учитывая их миллионный контекст, я решил использовать эти модели для тех же задач, для которых сейчас использую Gemini.

И, честно говоря, модели меня очень разочаровали. По качеству ответов в моих личных сценариях они часто не оправдывали ожиданий. Более того, Llama 4 проигрывает не только Gemini PRO 2.5, которая была единственной моделью на llm arena. По моим ощущениям, модель работает хуже, чем оба DeepSeek (R1/V3), Qwen 2.5, gpt 4o, Gemini Flash 2.0 и многие другие. То есть модель, которая новее, инновационнее и имеет больше параметров, работает хуже, чем более старые или легковесные конкуренты.

В чем проявилось это "хуже" в моих задачах и что это за задачи, которые я решал с помощью моделей?

Начнем с задач:
- брейнсторминг
- написание ТЗ
- суммаризация текстов
- написание промптов к другим моделям
- поиск багов в коде

Что мне не понравилось:
1. Модель очень склонна торопиться. В задачах, где я выполняю какой-то пошаговый процесс, например, генерацию ТЗ, я предпочитаю идти по шагам. И если Gemini, с которой я обычно работаю, задает мне уточняющие вопросы, то Llama, во-первых, давала меньше детализации, отвечала короче и все время торопилась перейти к следующему этапу. Ощущалось это как работа с каким-то ленивым работником, который пытается сделать тяп-ляп и пойти дальше.
2. Непонимание финальной цели задачи, над которой работаем. Например, с той же генерацией ТЗ. Я делал ТЗ на создание лендинга. В первоначальном промпте прописал, что мне нужно создать ТЗ, по которому я дальше буду кодить. И если Gemini после просьбы о последней правке радовался и спрашивал, есть ли еще пожелания по правкам, то Llama, даже не убедившись в том, доволен я или нет, говорила, что теперь будет сама писать код. Вроде как и хочется похвалить за инициативность, но моя первоначальная задача была другая.
3. Требуется большее количество перегенераций, чтобы получить качественный ответ. С таким я не сталкивался, наверное, со времен GPT 3. Я даю модели вполне понятный промпт - получаю некачественный ответ. Ради эксперимента жал кнопку "перегенерировать", хороший ответ получался с 3-4 раза. Отправлял такой же промпт в Gemini Flash 2.0 - модель дает качественный ответ с первого раза, DeepSeek V3 - ответ с первого раза.
4. Странная работа с контекстом. Я генерировал несколько промптов для создания картинок. Обычно делаю это в одном чате и промпты для 4-5 картинок получаюстя нормально. В случае с Llama - модель в последующих картинках пыталась вставить элементы предыдущих.

В целом, модель ощущается как некий откат на 1 - 1.5 года назад, и если тогда это ощущалось нормально, то на фоне современных моделей это выглядит как даунгрейд.

Откуда я узнаю про изменения в законодательстве по ИИ

Друзья, в своем посте с прогнозами на 2025 я как-то упомянул, что 2025 год - станет тем годом, когда ИИ попадет на радар регуляторов.

Это неизбежно: технология становится настолько мощной, что вопросы ее разработки и последствий внедрения должны регулироваться со стороны государств.

Причем, делать это нужно очень осторожно и ответственно, т.к., например, Калифорнийская инициатива прошлого года, хоть и имела за собой благие намерения, фактически убивала технический прогресс. Произошло это ввиду того, что среди авторов просто не было специалистов в области ИИ.

В целом, вопросы законодательного регулирования ИИ лежат на стыке этики, права и технологии. И если с этикой и технологиями я на "ты", то для того, чтобы ориентироваться в праве, а особенно, на международном уровне, я предпочитаю обращаться к проверенным источником.

Сегодня я хочу поделиться именно таким: канал ИИ и Право. Автор канала - Марина, специалист в области цифрового права, и должен сказать, это один из тех каналов, которые я читаю с мыслями "вау, я этого не знал!", который при этом помогает мне не потеряться в тематике. Также отмечу, что здесь много материала не только на юридические, но и на этические темы

Среди последних постов я бы выделил:
- Пост про обратный эффект слабого регулирования ИИ в сфере безопасности - очень тонкая тема
- Разбор исследования от Anthropic про то, что ИИ скрывает свои мысли - именно его я упоминал в своем посте про AI 2027.
- Цикл постов по вопросам ИИ и авторского права, например этот

В общем, канал очень рекомендую.

👉🏻Подписаться на канал ИИ и Право

Cursor навайбкодили ИИ-ассистента, который знатно накосячил

Наткнулся на забавную новость, которая в очередной раз напоминает: до того, что ИИ заменит разработчиков нам пока еще далеко. И самое ироничное - эта история произошла с Cursor, всем известным редактором кода :D

Итак, что же случилось?
Один из пользователей Cursor хотел использовать инструмент и на рабочем и на личном компьютере и заметил странную вещь: при переключении между устройствами его сеанс работы с редактором кода постоянно завершался. Он обратился в поддержку, где ИИ-бот по имени Сэм сообщил ему, что это новая политика компании, связанная с безопасностью.

Весь сок в том, что никакой новой политики не существовало :D Бот просто сгаллюцинировал и отправил ее пользователю.

Это привело к волне возмущения среди пользователей и угрозам отмены подписки. Разработчики, мягко говоря, офигели :)

Отдельно стоит отметить, что такой критически важный функционал, как сапорт, видимо, был просто "завайбкожен" либо плохо запромптчен, не прошел полной проверки и выложен в продакшн.

Cursor, конечно, быстро исправили саму проблему и пользователю сделали возврат, но осадочек, как говорится, остался.

Итого, что мы имеем:
- ИИ-саппорт все еще не идеален
- Даже сами разработчики AI-тулов косячат
- Программисты пока могут спать спокойно (ну, относительно спокойно).

Как вам такое? Лично меня новость певеселила)

Выступлю на вашем мероприятии в Белграде, в Москве или по видео-связи

Друзья, знаю, что меня читает много людей из корпоративной среды, в том числе, организующих различные мероприятия как внутри компаний, так и на конференциях.

В конце апреля я выдвигаюсь из США в сторону России. По пути несколько дней проведу в Сербии по визовым вопросам, а в России задержусь до начала июля.

В этот период я хотел бы максимально продуктивно использовать время, посетив конференции, митапы или, возможно, организовать очное корпоративное обучение. Также рассматриваю для себя возможность записаться в подкасте или сделать нечто подобное. Если у вас есть какие-либо предложения или вы готовы помочь в организации подобного мероприятия, пожалуйста, напишите мне в личку @vladkor97 - обсудим детали.

О себе писал в закрепе.

Ориентировачная доступность:
- Сербия, Белград - 29 апреля - 4 мая.
- Россия, Москва - 10 мая - 1 июля. Во время пребывания в России также рассматриваю и другие города для посещения.
- Удаленно - практически любое время.

Крайние даты могут измениться в зависимости от разных факторов, но в обозначенные сроки точно буду в странах из списка выше.

Google добавили Veo 2 и Whisk в подписку Google One с Gemini

С каждым днем подписка от Гугла становится все более выгодной. Ребята прямо нормально качают свою экосистему и просто убивают необходимость подписываться на сторонние сервисы. 15 числа компания объявила о том, что Veo 2 теперь будет доступна как в веб-интерфейсе Gemini (в списке моделей), так и в Whisk. Будет доступно 100 генераций в месяц, и мне уже предоставили доступ!

Про Gemini знают все, а про Whisk стоит рассказать. Плюс дам вам полезной инфы, о том, как можно пробовать всякие штуки от гугла раньше времени.

У Google есть такая инициатива - Google Labs. Туда в раннем доступе добавляют множество интересных инструментов, о которых блогеры потом восторженно рассказывают. Это своего рода акселератор внутри компании, направленный на различные эксперименты. Большинство из них, как сейчас принято, сконцентрированы на AI. Из Labs вышли такие продукты, как NotebookLM, Firebase Studio (ранее назывался IDX), а теперь в более широкий доступ отдали Whisk.

Благодаря Labs я попробовал Whisk еще в декабре прошлого года, как и Firebase Studio. В общем, если хотите раньше всех узнавать об инициативах Google, рекомендую следить за Labs.

Для участия в Google Labs нужно подавать запрос и иметь аккаунт из США (желательно). После этого некоторые инструменты становятся доступны всем, в то время как доступ к другим предоставляется по спискам ожидания. Так вот, Whisk я попробовал еще раньше, а сейчас его значительно улучшили. Если раньше можно было генерировать картинки и персонажей, менять их окружение и многое другое, то сейчас добавили возможность анимации сгенерированных картинок и персонажей. И это работает гораздо интереснее, чем Veo в AI Studio. Есть возможность сначала точечно отредактировать картинку либо создать что-то на ее основе.

Мне продукт очень понравился. Я не люблю генерировать что-то реалистичное, поэтому вот вам несколько примеров анимаций, которые я в нем сделал. Кажется, что очень скоро у родителей появится больше контроля над тем, какие мультики смотрят их дети :)

Представьте: захотел обучить ребенка чему-то и вместо того, чтобы включать традиционные мультфильмы, с помощью пары промптов создаешь сюжет с определенными персонажами, прописываешь текст, мораль и прочее, и на выходе получается уникальный мультик, в котором вы контролируете все:

- персонажей
- сюжет
- когда и как показывать его ребенку
- когда выходят новые серии

В целом, такое и сейчас возможно, но пока для этого нужно неплохо владеть, как минимум, парой ИИ-инструментов и видеоредактором :)

🚀 NGI дайджест за неделю (№5)

1. Как получить набор лучших ИИ-инструментов за $200 вместо $14 000+ - рассказываю про подписку от Ленни, которая дает доступ к AI-тулам. Промокоды на курсор закончились, но подписка все еще выгодна

2. Разбираем предложение от Ленни: стоит ли оно того? - объяснил, почему подписка не скам, что может быть полезно, что нет и кому стоит брать

3. Поигрался с Google Veo 2: лучшая, но далеко неидеальная модель для генерации видео - делюсь впечатлениями про модель Гугла для генерации видео, к которой у меня появился доступ

4. Affine - симбиоз Notion и Miro, напичканный AI - рассказываю как я нашел лучшую, на мой взгляд, альтернативу Notion, в котором есть и AI и функции Miro

5. Про Vibe Coding - здесь рекомендую подписаться на канал моего коллеги, в котором много информации по ИИ-программированию, или так называемом Вайб Кодинге.

6. Как работают иностранцы: мой опыт кросскультурной коммуникации - рассказал про свой опыт работы с иностранцами, в комментариях подписчики поделились своим. Собираем базу отзывов 🙂

7. Экономим на подписках: как использовать все LLM эффективно и тратить меньше - поделился своим подходом к экономии на LLM и парой приложений и сервисов, которые в этом помогут

8. Опрос о необходимости разработки курса по ИИ-программированию - в рамках обоих моих тренингов у меня есть модуль по ИИ-программированию. Работая над уроком понял, что материала там вполне хватает на отдельный курс, который можно было бы пройти в более спокойном темпе. Если вам интересно такое, проголосуйте в опросе и я запущу фокус-группу в ближайшее время.

9. Что посеешь, то и пожнешь: почему новые модели OpenAI галлюцинируют чаще старых - разбираю, что не так с послежними моделями с опорой на самые свежие исследования

Прошлый дайджест тут

В общем, навайбкодил :)

Пока думаю над форматом. Вдохновлялся, думаю, сами знаете чем 😁

P.S. Делал в Cursor, и, все-таки, сравнивая Cursor и Bolt, в Bolt мне больше нравится делать сайты. Режим Агента в Cursor вобще не зашел, часто творит дичь. + постоянное переключение между браузером и IDE - тоже такая себе штука. + в плане точечного редактирования и работы с адаптивами Bolt выигрывает.

Что посеешь, то и пожнешь: почему новые модели OpenAI галлюцинируют чаще старых

Помните, я как-то упоминал исследование Google DeepMind? Они тогда еще подсветили интересный момент: OpenAI активно использует автоматизацию для исследований в области ИИ. Google напирал на то, что правильное применение автоматизации - это ускорение исследований, а не полное перекладывание на машину цикла обучения моделей. Подход OpenAI они как раз критиковали. Мол, так можно наплодить ошибок.

Вспомним еще пару моментов. В статье DeepSeek про их метод обучения SPCT (когда модель сама себя критикует и учится на этом) тоже отмечались риски: увеличение предвзятости (bias) и галлюцинаций. Логика простая: если в исходных данных была ошибка, то при самообучении количество таких ошибок будет только множиться. А в статье "AI 2027", о которой я также писал, предсказывался сценарий, где OpenBrain, автоматизировав создание ИИ, получил на выходе AI с проблемой рассогласования целей (Missalignment).

К чему я это все? А к тому, что очень похожую картину мы сейчас наблюдаем с последними моделями от OpenAI - o3 и o4-mini. Их позиционируют как state-of-the-art, особенно в задачах, требующих "рассуждений". Но вот незадача: согласно последним данным, галлюцинируют они чаще, чем их предшественники.

Смотрите сами на результаты внутренних тестов OpenAI на бенчмарке PersonQA (проверка знаний о людях):
- o3: галлюцинирует в 33% случаев.
- o1 и o3-mini (предыдущие "reasoning" модели): 16% и 14.8% соответственно.
- o4-mini: вообще 48%!

То есть, модели, заточенные под агентский ИИ, под задачи, где нужно не просто выдать текст, а "подумать", построить цепочку рассуждений, совершают больше ошибок. Сама OpenAI в своем отчете признает, что пока "требуется больше исследований", чтобы понять, почему так происходит. (Не видят слона в комнате). Одна из гипотез: модели стали делать больше утверждений в целом, и среди них, естественно, растет как число верных, так и число неверных. Подобное также отмечают и исследователи Transluce.

И это огромная проблема.

Чтобы агентский ИИ был реально полезен, количество ошибок нужно не увеличивать, а сокращать. Мы же хотим использовать ИИ для работы в реальном мире, верно? А теперь представьте: вы - обычный айтишник, собрались в отпуск и решили делегировать планирование ИИ-агенту, сказав “Я хочу хорошо отдохнуть в Монако”. А он возьми и сгаллюцинируй: забронировал вам с карты пару мишленовских ресторанов, яхту и отель, на который уйдут все сбережения. Вроде цель "сделать крутой отдых" достигнута, но какой ценой? 🙂

И это еще самое безобидное. Представьте, что такому "галлюцинирующему" агенту доверят более серьезные задачи: управление бизнес-процессами, научные расчеты, решение социальных проблем. Последствия могут быть куда масштабнее. Некоторые исследователи предполагают, что проблема может быть в методах обучения с подкреплением, которые используются для o-серии и могут усиливать проблемы, обычно сглаживаемые на других этапах.

Нам постоянно говорят, что ИИ сделает жизнь лучше, автоматизирует рутину. Но чтобы этого достичь, нельзя бежать впереди паровоза в безумной гонке за AGI. Если ставка делается на самообучение без должного контроля, то количество предвзятостей и галлюцинаций рискует расти в геометрической прогрессии, и человек просто потеряет контроль.

Очень надеюсь, что текущие "сырые" модели - это все же эксперимент, и OpenAI предпримет меры. Хотя, глядя на действия Альтмана, скорее верится в то, что финансовые показатели и хайп вокруг "гонки вооружений" важнее надежности и безопасности.

Экономим на подписках: как использовать все LLM эффективно и тратить меньше

Решил поделиться небольшой инструкцией, как я экономлю на подписках. Не смотря на то, что у меня есть доступ к платным LLM на рабочих аккаунтах, не все я могу использовать регулярно. Сейчас стандартная цена подписки на одну LLM — $20 в месяц. Я считаю, что в арсенале нужно иметь минимум 2 модели для разных задач, а лучше 3. Получается, базовый ежемесячный расход на LLM — $40-60. + к этому добавьте еще пару сервисов вроде Cursor. Сначала кажется, что это не так много, но за год набегает почти $1000 из которой можно половину сэкономить, а на эти деньги купить себе что-то приятное.

В чем секрет?
Вне зависимости от задач, большинство из нас не будет использовать возможности LLM на все $20. Шанс выйти за лимиты велик только если постоянно использовать самую продвинутую модель, но это нужно далеко не всегда. Исходя из этого, предлагаю покупать подписку только на одну, самую нужную LLM, а остальные использовать на бесплатном тарифе или по API.

У меня это выглядит так: я плачу только за Gemini (входит в мой тариф Google One), а в качестве API-провайдера выбрал Openrouter. У Openrouter есть много бесплатных моделей, включая DeepSeek, Llama 4, экспериментальные Gemini и другие. Удобство в том, что вы получаете один API-ключ для доступа ко всему. Плюс, если разрешаете использовать свои промпты для дообучения, получаете скидку на платные модели. А еще, ключ от Openrouter вы можете вставить в Cline и иметь полный аналог Cursor бесплатно с Gemini 2.5 PRO. В общем, плюсов много.

Для подключения API-ключа я использую приложения Intellibar и Chatbox AI.

Про первое я уже рассказывал, а вот про второе хочу немного добавить. Chatbox AI дает контроль над параметрами, которые недоступны в стандартных пользовательских интерфейсах, например, температура, TOP-P, количество сообщений в контексте. При этом там есть все нужные инструменты: поиск, готовые ассистенты, чтение ссылок. В общем, для базового ежедневного использования — очень классная штука. К тому же, модель можно сменить прямо во время диалога. Условно, начали работать с Gemini, но решили переключиться на ChatGPT, сохранив контекст — в Chatbox это делается легко. Альтренатива чатбоксу, если вы не боитесь командной строки - Open WebUI, там настроек еще больше.

Главный минус такого подхода: если используете бесплатные модели от Openrouter, ваши данные будут использоваться для дообучения. Хотя это происходит и в классических интерфейсах того же ChatGPT и Gemini. Для платных заверяют, что нет (но я в это не верю). Поэтому для приватных задач лично я использую локальные модели через Ollama и LMStudio, но о них расскажу в отдельном посте.

#инструменты

Поигрался с Google Veo 2: лучшая, но далеко неидеальная модель для генерации видео

На прошлой неделе Google открыли доступ по API и начали постепенно раскатывать в AI Studio доступ к модели. Мне повезло попасть в волну раскатки на этой неделе, несколько дней игрался с моделькой, пробовал разное, чтобы понять, в чем она хороша, а в чем неочень. К посту прикрепляю примеры (как плохие, так и хорошие)

В целом, как и ожидалось, модель стала лучшей в своей категории. На лидербордах она регулярно делала конкурентов с отрывом. Генерация видео - одно из самых прикольных и, на мой взгляд, обделенных вниманием направлений. Понятное дело, что AI-видео не всем нужны, но кейсов его применения достаточно много.

Из того, что мне приходит в голову:
- коммерческая анимация
- презентации
- демо продуктов
- моделирование
и многое другое…

Итак, в чем хороша VEO?
Анимация: то, с чем модель справляется лучше всего. Всякие мультики, анимирование существующих картинок - прямо делает очень приятно. Есть некоторые артефакты, но уровень достаточно крутой!
Пейзажи: хорошо передает природные кадры, видео из гор мне прямо напомнило Армению.
Крупные планы: видимо, модель тренировали довольно сильно на видео с крупными планами. Объекты и люди у нее получаются прекрасно.

Где модель страдает:
Физика: обратите внимание на примерах на движение ног, воды, и то, как идет стабилизация видео. Выглядит все это неестественно.
Байас на цвет кожи: гугл снова наступили на те же грабли, когда Gemini создавал чернокожего Наполеона. Специально не указывал в промпте цвет кожи. Когда генерировал видео с девушкой, белую девушку удалось получить только с 4 раза. Все остальные были чернокожие
Динамичные сцены: если у вас много движения и деталей модель вообще плывет (см видео с терминатором и людьми на концерте)

Однако, не смотря на недостатки, данная модель все равно лучше конкурентов + очень по-умному распределили нагрузку, видео генерятся не одновременно, а в порядке некоторой очереди, причем очередей несколько. поэтому все проходит довольно быстро. В AI Studio в день дают ограниченное число генераций и видео 8 секунд генерируется примерно за 30 секунд.

👉🏻 Накидайте 20 реакций на пост, и расскажу, как я составляю промпты для генерации видео и картинок

Разбираем предложение от Ленни: стоит ли оно того?

У многих, включая меня, возникает вопрос: зачем раздают столько подписок и как на этом зарабатывают?

Логично, что главная цель - это маркетинг, а выгода, как всегда, скрыта в условиях и некоторых деталях.

Давайте разбираться!

1. Раздача поможет спонсорам привлекать корпоративных пользователей: сотрудники попробуют сервисы из бандла, оценят выгоду и могут инициировать покупку корпоративной подписки. Люди будут хотеть делиться хорошим продуктом, а у Ленни как раз в блоге самая сочная ЦА
2. Большинство купивших подписку Ленни не будут использовать все возможности:
- Не все сервисы нужны каждому, для большинства половина - это мусор
- Промо действует только для новых пользователей сервисов, у большинства уже куплены подписки на часть сервисов
- Многие не израсходуют платные лимиты полностью
3. Компании рассчитывают, что за год пользования вы привыкнете к сервисам и не захотите отказываться от них после окончания акции.
4. Количество кодов ограничено, и спонсоры могут прекратить их активацию в любой момент. Поэтому:
- Активируйте промо сразу (многие отложат и пропустят)
- Используйте виртуальную/запасную карту чтобы избежать неожиданных списаний
5. Условия, которых мы не знаем - возможно Ленни отстегивает сервисам часть выручки, а может сам рассчитывает, что люди будут продлевать его подписку.

Что касается инструментов - тут зависит от ваших задач
- Cursor и Bolt пригодятся вам либо если вы разраб либо в своей работе вы много прототипируете. Тогда они окупаются. Про них я писал ранее
- v0 - крутой сервис, очень похож на Bolt, но с фокусом на создание дизайна. Также стоит использовать, если вы много прототипируете
- Lovable - аналог Bolt, который, на мой взгляд, хуже, не такой удобный, качество прототипов как будто хуже. Стоит использовать только когда на Bolt закончились кредиты.
- Replit - еще одна платформа, похожая на Bolt, которая берет на себя вообще весь цикл: от разработки до деплоя. Я бы сказал, это для тех, кто совсем боится кода.
- Granola - прикольный сервис, но работает только на английском. Буде полезен, если у вас много встреч и нужно делать по ним заметки. Но есть бесплатная мультиязычная альтернатива в виде Vibe. Не хотите вайб, а у вас Mac? 59 евро и Macwhisper пожизненно ваш. Выгоду в $10 000 увидят только те, кто приведет в Granola компанию в 100+ сотрудников.
- Perplexity - крутой поисковик. Но я не считаю его маст-хевом. На мой взгляд, Deep Research от Google работает лучше. Имеет смысл только если вы не платите за подписку, в которой есть дип ресерч либо вам удалось купить подписку дешево.
- Notion Plus - для тех, кто использует Notion - это no brainer. Но что, если я вам скажу, что можно бесплатно использовать Affine и прикрутить к нему бесплатный AI? (выложу инструкцию на следующей неделе)
- Linear - не пробовал. Но если вы работаете в компании с существующим трекером, а не стартапе, то подписка как будто вообще не имеет смысла.
- Superhuman - продают как почту со встроенным ИИ и коллаборативной работой с командой. Я скачал, полистал и удалил. UX неудобный, UI на мой вкус плохой, сам клиент ужасный. На телефон ставим Gmail с Gemini а на ПК - Notion Mail. Подписка явно не стоит заявленных $300, я бы не заплатил даже $50, продукт отврат.

Итого, в зависимости от ваших потребностей, ваша выгода варируется от 200 до 1000 долларов и половина списка бесполезна. Но все равно это выгодно.

Лично я подписался потому что:
1. Мне интересна сама рассылка
2. Cursor, Bolt и v0 - для меня Must Have приложения
3. Lovable и Replit - Nice to have, без них жил нормально, но буду пользоваться
4. Notion я бы использовал, если бы не переезжал на Affine. Активирую т.к. часть рабочих проектов там. Granola - ситуативно для англоязычных встреч.

Свою выгоду считайте сами 🙂

Как получить набор лучших ИИ-инструментов за $200 вместо $14 000+

Ленни Рачицкий - один из немногих продактов, за которыми я слежу, запустил аукцион невиданной щедрости. Для контекста: Ленни - основатель стартапа Localmind, который был в 2012 году приобретен Airbnb. В общем, крутой чувак и за ним как минимум стоит следить.

Собственно, в чем атракцион: у Ленни есть своя почтовая рассылка, в которой он делится своим профессиональным опытом, хаками и много чем другим, годовая подписка на которую стоит $200.

И 15 апреля он объявил, что тем, кто приобретет годовой тариф, насыпят следующих плюшек в виде годовых подписок на:

- Cursor AI - лучший ИИ-редактор кода, стоимость подписки $192
- Bolt.new - лучший ИИ-сервис для создания сайтов и прототипов, стоимость подписки $216
- Vercel v0 - ИИ для создания макетов ваших приложений, стоимость подписки $240
- Lovable - аналог Bolt, стоимость подписки $240
- Replit - еще одна платформа для разработки, стоимость подписки $360
- Granola - сервис для автоматической транскрибации и создания заметок с ИИ, подписка на команду до 100 участников, стоимость $10 000
- Perplexity - тот самый хайповый поисковик, стоимость подписки $200
- Notion Plus с безлимитным Notion AI на команду до 10 человек, стоимость подписки $2000
- Linear - трекер, аналог Jira и прочих, стоимость подписки $336
- Superhuman - почтовый клиент с ИИ, стомость подписки $300

Итого: стоимость всего набора - $14 084! Прям полезного, долларов на 1000.

Неважно, интересен вам продакт менеджмент или опыт Ленни, это однозначно предложение, на которое стоит подписаться. Если вы из всего списка используете хотя бы 2 инструмента - вы уже сэкономите 200+ баксов.

Действуют ограничения:
1. Чтобы промокоды действовали вам нужен аккаунт, с которого ранее вы не покупали подписку
2. Код привязывается строго к email, на который оформлена подписка на рассылку Ленни
3. Коды можно использовать в любой момент. Подписка на любой из сервисов у вас активируется лишь в момент ввода промокода. Ленни говорит, что они должны работать и через год, но гарантировать прямо он этого не может
4. Если вы отпишитесь от рассылки Ленни - ваш код перестанет работать

Подробности акции тут.

Не реклама, бегом забирать!

P.S. на сервисы на всякий случай рекомендую активировать коды с пустой картой, дабы избежать неожиданных списаний, когда действие кода/акции закончится

Как работают иностранцы: мой опыт кросскультурной коммуникации

За время работы я неоднократно попадал в команды с иностранцами или общался с ними по работе. Работая в СНГ, привыкаешь к определенному стилю, но в международке тебя ждет другой опыт.
Дисклеймер: это исключительно мой опыт, а не характеристика всех представителей культуры.

🇵🇱Поляки
Начну с любимых — поляков. С ними я очень много работал в Pearson. Там собралась крутая команда AIC (AI capabilities), состоящая полностью из поляков. Мы вместе работали над моим тулом для создания образовательного контента. Провели кучу экспериментов, собрали бесчисленное множество прототипов. И это одна из лучших команд, среди тех, с которыми я работал. Максимально самоходные, проактивные ребята, которые знают и любят свое дело. У 2 из 3 была степень PhD. С коммуникацией тоже все замечательно: легко понимали друг друга, в сложных ситуациях всегда могли договориться. Меня не покидало ощущение, что я работаю с россиянами, просто другими :) Единственное отличие — они меньше склонны к риску, чем мы. Отдельное удовольствие — зайти к ним на звонок и услышать знаменитое "Kurwa".

🇺🇸Американцы
С этими ребятами мне также понравилось работать, но с ними атмосфера совершенно иная. Они — предприниматели, которые любят все делать быстро и не боятся рисковать. В Pearson постоянно пытались создать какой-то стартап внутри компании, активно взаимодействуя между подразделениями. Все дедлайны с ними в стиле "это надо сделать вчера". Кого-то это раздражает, а мне в условиях большой и неповоротливой компании это безумно нравилось. Что интересно — сейчас, живя в США, таких американцев не встречаю - попадаются сплошные бюрократы.

🇸🇦Арабы
С арабами зачастую приятно работать. Самое крутое — что с ними обо всем можно договориться. Некрутое — ты тратишь кучу времени на их культуру торга. Запрашиваешь $50к за проект, а тебе на серьезных щах говорят — а давай 25? Чтобы получить нормальную цену за свои услуги, нужно максимально разжевать что и почему надо делать. Если ты недостаточно убедителен — уйдут к пакистанцам, которые сделают дешевле. Но если удалось договориться — это твои клиенты, правда надо быть готовым к торгу на последующих этапах. Они очень вовлекаются в рабочий процесс и стараются помочь, но при этом любят длинные звонки по 2 часа.

🇨🇳Китайцы
Я очень люблю китайцев и азиатов в целом. Если вам в команду нужен исполнитель, который просто берет и хорошо делает свою работу, соблюдая дедлайны — нанимайте китайцев. Еще когда я работал SMM-щиком в Xiaomi, я поражался тому, что они буквально жили в офисе. Я был студентом и приезжал в офис либо до, либо после пар. Приезжал к 7 утра — китайцы уже там. Уезжал после пар в 9 вечера — китайцы все еще там. Бесконечное уважение за такое отношение к труду и дисциплине.

🇩🇪Немцы
Все мы наслышаны про немецкую точность. Так вот, я с ней столкнулся в плохом проявлении. Работал в кросс-команде с девушкой из Германии. Отказывалась делать что-то сверх того, что требовал ее непосредственный руководитель. Помог переход на жесткий менеджмент и ультиматум в стиле "либо делаешь как я сказал, либо катишься отсюда нахрен". Работу в итоге она сделала идеально.

🇬🇧Британцы
Мой худший опыт. Ленивые, несамостоятельные и чрезмерно нежные. Мой дизайнер не успевал уложиться в дедлайн, о чем я ему сказал прямым текстом, мол, не успеем сделать — проект закроют, давай искать пути оптимизации. Тот пошел жаловаться своему руководителю, что я был грубым и оказываю на него давление. А его руководитель (тоже британка) — моему, но мой менеджер был русским, и мы их в итоге задавили 🙂 Помимо скорости, мой британский дизайнер был максимально негибким и не любил проводить исследования, при этом стоил просто дофига денег. Был и хороший пример. В один момент ко мне также приставили девушку-продакта, чтобы я ее менторил. Работала она неплохо, не хватало самостоятельности, но в целом — неплохо. И, кстати говоря, на днях увидел, что она перешла на позицию AI-продакта в Pearson, так что можно считать, что менторинг удался.

А какой у вас опыт работы с иностранцами?

Про Vibe Coding

Один из развивающихся ИИ-трендов сейчас - это ИИ-программирование или, как назвал его Андрей Карпатый - Vibe Coding. Тему вайб кодинга у себя в канале я освещаю нечасто.
Моя основная сфера интереса - это AI продакт менеджмент и ИИ-этика, ведение канала для меня также способ узнавать новое, а что касается вайб кодинга - я его больше применяю, чем пишу. Просто потому что сфера настолько динамична, что еще и за этим следить я не успеваю.

При этом, вайб-кодинг помогает мне:
- В создании рабочих прототипов
- Подготовке моих тренингов (сделал сайт и несколько ботов)
- Создавать специфические, нужные мне приложения

Большее количество знаний я получаю из практики, периодически смотрю гайды на YouTube. При этом, я все-таки люблю текстовый контент и хочется еще и следить за темой через чтение.

И в этом плане мне повезло познакомиться с Костей. У Кости большой бэкграуд разработчика и тимлида, сейчас он разрабатывает ИИ агентов для корпоративного обучения в Сбере и ведет свой канал «Искусный Интеллект», в котором много пишет про вайб-кодинг.

Именно из его канала я узнал про появление бесплатного аналога Cursor - Trae, а еще он периодически разбирает интересные статьи.

Среди последних постов я бы выделил:
- Пост про дебагинг при вайб кодинге - писать код с ИИ легко, а вот дебажить 🙂
- Пост про формирование ожиданий к вайб кодингу - как не переоценить ИИ-код
- Анализ статьи по будущему вайб кодинга - заменит ли ИИ разработчиков

Помимо этого, Костя еще строит отдельное Vibe Coding Community, в которое скидывает кучу полезного материала. Поэтому кому интересна тема ИИ-программирования - очень рекомендую подписаться на канал, там много полезного.

��🏻Ссылка на канал Кости

Affine - симбиоз Notion и Miro, напичканный AI

Я как-то писал, что меня довольно сильно задело в тот момент, когда Notion решили тупо заблокировать все учетные записи, к которым когда-то были привязаны российские карты. Тогда я потерял свое рабочее пространство и часть данных так и не удалось восстановить нормально.

Я решил отложить вопрос полного восстановления данных из бэкапа и вернул только самое необходимое. Однако для меня было ясно, что мне нужно более надежное решение, которое не уступало бы по функциям, где сохранность моих данных была бы в безопасности, а в идеале, чтобы там был еще AI функционал, который стоил бы дешевле. Мне понравился Notion AI, но я не хотел отдавать 100 баксов в год за то, чем пользуюсь не так часто.

С тех пор я понемногу пробовал различные альтернативы. У меня арендован сервер на DigitalOcean, который я использую для VPN и своих проектов, поэтому я решил смотреть на OpenSource решения, которые можно было бы захостить на моем сервере.

Вариант 1 - Obsidian. Круто, но неудобно
Эту опцию многие рекомендуют как главную альтернативу Notion. Приложение действительно неплохое. Плагины позволяют подключить AI как через API-ключ, так и локально, с помощью Ollama. Помимо этого, есть прикольный функционал со схемами. Хорошие приложения на iPad и Android. Единственная причина, по которой я не выбрал этот вариант - не понравился UX. В первую очередь тем, что в Notion ты создаешь новые элементы и вводишь команды через слеш “/“. И мне это намного удобнее, чем подход Obsidian с шорткатами. Плюс ко всему, шорткаты настроеные на другие приложения конфликтовали с Obsidian.

Вариант 2 - AppFlowy. Неплохо, но требовательно и нефункционально
Хороший вариант, на котором я почти остановился. В приложении можно подключить локальный AI через Ollama. Есть приложение на Android, на iPad отсутствует. Есть возможность хостинга на своем сервере, но серверное приложение какое-то кривое. Мне удалось настроить авторизацию через Google-аккаунт, но авторизация через почту не завелась, также криво работала админ-панель. + серверная часть довольно прожорливая к ресурсам. Минимальное требования - 2 гб оперативной памяти, оптимальное - 4. Помимо этого, дизайн приложения выглядел устаревшим.

Вариант 3 - Affine. Симбиоз Notion и Miro!
Открыв приложение я понял, что это то, что я искал! Помимо присутствия всех нужных мне функций из Notion, приложение еще заменяет и Miro, предлагая возможность создать бесконечное количество досок. А на сами доски можно прикреплять не просто стикеры, а документы, которые можно отдельно редактировать. Есть шаблоны, инструменты журналинга и календаря. Самый приятный UX из всего, что пробовал. Мобильные приложения пока что в разработке, но бета на iPad поддерживает Apple Pencil. Серверная часть приложения разворачивается буквально в 2 клика.

Отдельно отмечу Affine AI. Это все так же оболочка для API. Можно подключить API Perplexity, Gemini, OpenAI, Stable Diffusion. Ребята сделали алгоритм, который определяет когда и какой AI использовать с какой моделью. В случае селф-хостинга вы платите только за свои запросы. Пока что ассистент работает только с GPT-моделью, но мне этого хватает.

Данные можно мигрировать между своим сервером и сервером Affine.

В общем, очень верю в этих ребят свои проекты и воркфлоу переношу в Affine.

🚀 NGI дайджест за неделю (№4)

1. Самокритичный ИИ от DeepSeek уже рядом - разбираю совместную статью от DeepSeek и Tsinghua University про новый метод обучения моделей, который позволяет моделям осуществлять размышления через самокритику. Модель формирует набор критериев по которым себя оценивает. Обещают скорый выход новых моделей

2. AI 2027 - разбор статьи о супер-ИИ, которому не нужен человек - коротко про посыл самой нашумевшей на последнее время статьи. Да, что-то преувеличено, да, возможно темпы развития взяты слишком большие. Но порой только через однополярность и преувеличение удается достучаться до масс. Общий смысл - пора бы ответственнее подходить к AI-разработке.

3. Выложил в открытый доступ часть вводной лекции по ИИ - на этой неделе стартовали мои тренинги по AI. Выложил ознакомительный кусок. До среды можно записаться на текущий поток. Для тех, кто пришел от Саши Хрущева спец цены, пишите в личку @vladkor97

4. Как я использую ИИ для чтения - поделился своим подходом, который позволяет мне следить за самыми актуальными новостями и разработками в мире ИИ

5. Perplexity теперь доступен в Telegram - сделали официального бота, которого можно добавлять в группы и комментарии. Для тех, у кого телега - основной инструмент - будет полезно.

6. Notion Mail - лучший почтовый клиент для Mac с AI - рассказываю про лучший по моему мнению почтовый клиент на данный момент. В посте есть ссылка с возможностью записаться в вейтлист

7. Deep Cogito: Новый ИИ-стартап с "думающими" моделями от выходцев из Google - рассказываю про стартап от индусов из Калифорнии. Эти дерзкие ребята заявляют, что благодаря своему новому подходу к обучению и ризонингу смогли сделать сомосовершенствующиеся модели, которые бьют конкурентов во всех весовых категориях. Да, с самокритикой - это как из новости про DeepSeek выше, а так - подход чем-то похож на Anthropic. Модели уже можно потестить как локально так и по API.

Прошлый дайджест тут

Notion Mail - лучший почтовый клиент для Mac с AI

Для меня с точки зрения поглощения информации самая большая головная боль - это работа с почтой. На iPad и смартфоне мне помогает Gmail с Gemini, но на ПК у Gmail отсутствует приложение, а веб-интерфейс далёк от совершенства. К тому же, именно на ПК мне важнее всего правильно организовать свои письма.

До вчерашнего дня на протяжении нескольких лет я пользовался Spark Desktop. Отличное приложение, хорошо позволяет организовать все письма и работать с несколькими ящиками, но в последнее время у него появился ряд недостатков, которые меня раздражают:

- Из самого приложения вообще неинтуитивно как организовать папки с почтой для отдельной группы отправителей. Единственный способ - создавать фильтр в Gmail, а это та еще морока, на мобильном фильтрация меня устраивает, а делать отдельную фильтрацию только ради одной платформы как-то не хочется.
- Приложение стало слишком часто просить обновления в последнее время, по несколько раз за неделю, поэтому кнопка пропустить апдейт не особо помогала, 2-3 раза в неделю приложение спамит просьбой обновиться.
- Не все письма верстаются корректно, особенно ряд новостных рассылок, на которые я подписан. Визуальный дискомфорт.
- Авторы убрали возможность заменить иконку приложения, поставив по умолчанию иконку с украинским флагом. И дело здесь не в Украине: я терпеть не могу любые флаги и точно так же бесился бы, будь там флаг России или США. Я не хочу думать о политике каждый раз, когда у меня открывается док во время работы. Иконку можно заменить средствами системы, но после каждого обновления приложения она слетает, а обновления стали слишком частыми.
- В приложение стали добавлять много функций по подписке, которые лично мне не нужны. При этом они по умолчанию включаются и просят себя попробовать. У меня была подписка на Spark, могу сказать, что оказалась она бесполезной и новые функции того не стоят.

Поэтому я находился в поиске альтернативы. И вот, недавно Notion анонс свого приложения почты. Я уже пользовался их календарем (лучший календарь на Мак), поэтому я сразу записался в Waitlist и вчера мне пришло приглашение.

Почта выглядит максимально чисто. При наведении на письмо - показывается его маленькое превью. Все письма верстаются корректно. Письма легко организовать в папки как вручную так и с помощью Notion AI, описав ему, как ты хочешь группировать свой ящик и далее отметив, что он сделал корректно, а что нет. Также понравилось, что письма можно открывать в ховер-формате над всем ящиком (см. скрин 2)

Сервис не без минусов, например, отсутствует управление письмами через свайпы, но в текушем интерфейсе я не испытываю от этого боль. Во-вторых, отсутствует возможность работы с несколькими ящиками, но на них я получаю меньше почты и пока оставил для этого Spark, который убрал из дока. Как только добавят поддержку - перееду окончательно.

Perplexity теперь доступен в Telegram!

А вот вам и приятная новость. Появился официальный бот Perplexity AI @askplexbot

С ботом можно как общаться индивидуально, так и добавить в групповые чаты. В случае добавления в чат, бот будет использовать последние 10 сообщений в качестве контекста для осуществления поиска.

Присутствует как обычный, так и PRO режим.

Круто, что на Telegram обращает внимание все больше AI-компаний. Первыми были Microsoft с @CopilotOfficialBot, недавно Grok @GrokAI. А теперь Perplexity. Причем, этот бот, на мой взгляд, самый полезный.

Погнали тестить!

Как я использую ИИ для чтения

Вы, наверняка, уже заметили, что многие мои посты основаны на анализе различных научных статей. В последнее время мой фокус чтения сместился с литературы именно на статьи, потому что статьи, которые мне необходимы, чтобы оставаться актуальным, выходят гораздо чаще, чем книги, и зачастую имеют меньшую длину.

Статьи по серьезной тематике, вроде этики, я всегда читаю полностью, а вот для чтения материалов по новым методам и всему остальному, что помогает мне быть в курсе событий, я активно использую LLM. Сегодня я поделюсь своим подходом к поглощению знаний.

Итак, как выглядит мой процесс.

1. На входе у меня есть множество различных источников, в которых мне могут попадаться те или иные интересующие меня научные исследования: новостная лента, почтовые рассылки, другие Telegram-каналы, а также первоисточники в виде блогов компаний-разработчиков LLM. Таким образом, у меня есть комбинация как обработанных кем-то источников, так и необработанных. В первую очередь я пролистываю их, ищу то, что меня заинтересует.

2. Найдя нужное исследование, я читаю его аннотацию (Abstract). Если она меня заинтересовала - я даю себе 5 минут на то, чтобы пролистать весь текст. Обращаю внимание на заголовки, графики, выделенные автором фрагменты текста. Также я осуществляю поиск по документу, используя интересующие меня ключевые слова. После этого я формирую у себя какое-то представление о документе.

3. Далее я копирую текст (именно текст, а не документ) и вставляю в Google AI Studio. Почему текст? Если загружать документ, я заметил, что на счетчике зачастую отображается меньше токенов, чем при отправке просто текста - часть информации теряется. Почему Google AI Studio? Потому что Gemini лучше всего работает с извлечением информации, а также я имею контроль над температурой. Температуру модели я ставлю на 0.7, чтобы модель не додумывала лишнего.

4. После этого, на основе своего первоначального прочтения, я начинаю задавать модели вопросы по тексту. При генерации ответа я прошу модель указать конкретные места в тексте, на основании которых были даны эти ответы. Также, помимо прямого ответа на мой вопрос, я прошу модель дать мне список вопросов, которые могли бы меня заинтересовать, исходя из формулировки моего первоначального вопроса. Таким образом я позволяю себе, во-первых, осуществить факт-чекинг, во-вторых, не отвлекаться на «воду», в-третьих, читать только те фрагменты текста, которые меня интересуют.

5. После этого я формирую мнение о статье и выводах, которые я для себя сделал, и прошу модель сравнить мои формулировки с тем, что написано в статье, указав, есть ли у меня расхождения в понимании и, если есть, то где.

6. Если статья оказалась полезной -я либо сохраняю ее к себе в NotebookLM для дальнейшей работы, либо пишу по ней пост сюда.

Таким образом, я не просто суммаризирую длинные тексты, а в процессе анализирую их и повышаю степень усвоения мной информации.

А какие у вас лайфхаки по работе с информацией?

#инструменты

Выложил в открытый доступ часть вводной лекции по ИИ

Вчера стартанул очередной поток тренинга по личной эффективности, сегодня стартуем AI продакт менеджмент. Начали обучение с основ ИИ и разбора базы. Решил скинуть сюда отрывок из того, что разбирали. Здесь первые 30 минут, а целиком лекция длилась аж 1:45. Поговорили про виды GenAI, работу с RAG, принципы функционирования LLM, сильные и слабые стороны моделей, ну и про этику 🙂

До следующего вторника еще есть возможность записаться на любой из текущих потоков, т.к. можно будет нагнать остальных. Кто не успеет - уже на следующие.

Про тренинги можно почитать тут

��🏻Купить местечко

Самым быстрым, кто отпишет в ЛС дам промокод на скидку, который вернет старые цены

AI 2027 - разбор статьи о супер-ИИ, которому не нужен человек

На прошлой неделе вышел ряд статей по безопасности ИИ. И теперь это ядро моего контента 😁

Сегодня поговорим о нашумевшей AI 2027.

Авторов у статьи несколько, один из них - Даниэль Кокотайло, бывший сотрудник OpenAI, известный как один лучших прогнозистов по будущему AI. А еще он запомнился скандалом с уходом из компании, когда OpenAI блокировали бывшим сотрудникам продажу акций, если они представляли компанию в невыгодном ключе. Что лишний раз доказывает: им есть что скрывать.

Сама статья огромная и представляет собой сценарий развития ИИ с двумя возможными исходами: замедление ИИ гонки и создание более-менее безопасного ИИ, или ее продолжение и создание Супер-ИИ, который в конечном итоге бахнет по нам биологическим оружием ☣️

AI 2027 - тот редкий случай, когда пересказ не передаст всей глубины работы. Я настоятельно рекомендую выделить 2 часа и прочитать ее целиком. А здесь я поделюсь своими мыслями о том, как, на мой взгляд, должен разрабатываться Супер-ИИ, чтобы избежать описанных последствий.

1. Политическая конкуренция - худший стимул прогресса. Статья показывает, как гонка между "OpenBrain" (США) и "DeepCent" (Китай) толкает обе стороны к безрассудным решениям и пренебрежению безопасностью. На мой взгляд, самые бестолковые люди, когда дело касается экзистенциальных рисков - это политики. Они не имеют должного уровня компетенции, чтобы заниматься наукой, коей является разработка ИИ. Трамп, Синь Цзи Пин,Путин и другие - сборище идиотов, которое должно быть изолированно от принятия решений по развитию ИИ. Цель любого из них – популизм, власть, демонстрация силы и, как показывает история – ВОЙНА или ее подготовка. “Правильный” ИИ не может быть создан, если цель его создания - власть над миром.

2. ИИ-должен разрабатываться глобально. Вместо политиков, корпораций и отдельных стран решения по развитию ИИ должен принимать международный консцирум лучших ученых. В эту комиссию следует включить ведущих специалистов из различных областей: как гуманитарных (философии, социологии, этики) так и технических (ядерная физика, кибернетика и математика). Любая выдающаяся ИИ-разработка будет влиять на мир как на систему, и решения об этом влиянии должны быть системными и глобальными, а не продиктованными интересами одной нации или компании.

3. Люди должны отказаться от идеи AGI. Вместо этого, нужно сменить фокус на создание узкопрофильных ИИ. Появление мультиспециализированного ИИ - прямой путь к мисалайнменту, обману и манипуляциям человеком со стороны ИИ. Невозможно контролировать того, кто в 100 раз умнее тебя во всех областях знаний и способен просчитывать твои действия наперед. Фокус на узких системах мог бы существенно снизить риски.

4. Смену фокуса на вопросы безопасности, этики и интерпретируемости нужно осуществить немедленно - в ближайшие год-полтора. Для создания безопасного ИИ человек должен иметь возможность понимать, анализировать и интерпретировать его работу. Современные LLM во многом остаются для нас "черным ящиком". При этом уже появляются тревожные сигналы, которые статья предвосхищает: ИИ проходит тест Тьюринга, склонность моделей ко лжи и сикофантии (поддакиванию). Решение о приоритете безопасности должно приниматься как можно скорее, пока мы не прошли точку невозврата (в статье это Agent-4)

5. Нельзя создавать ИИ-системы, цель которы исследование и разработка способов усиления самого ИИ. Поступая так, мы создаем черный ящик, который просто не сможем ни понимать, ни контролировать. Это ключевой элемент "взрыва интеллекта”, который в Сценарии 2 позволяет рассогласованному ИИ (Agent-4, Agent-5) захватить контроль над собственным развитием, скрыть опасные открытия и спроектировать преемников, лояльных только себе. Остановка такого автономного самоисследования ИИ - критически важный шаг к сохранению контроля.

Понятно, что какие-то события в статье были преувеличины, однако на мой взгляд, она описывает вполне реальные сценарии. Но, как мне кажется, выбор между Сценарием 1 и Сценарием 2 должен делаться уже сейчас.

☝️Начало поста выше

Этические аспекты (обозначенные в статье):
Несмотря на многообещающие результаты, авторы SPCT поднимают следующие этические вопросы:
1. Риск усиления предвзятости: Хотя тесты показали снижение bias, автоматическая генерация принципов может непреднамеренно усилить предубеждения, особенно если в обучающей выборки были, как отметили авторы “токсичные обучающие данные”. В данном случае SPCT потенциально может это усилить при генерации своих "принципов". Это именно то, о чем говорили Google, критикуя чрезмерную автоматизацию.
2. Человеческий контроль остается ключевым: SPCT - не замена человеку, а инструмент для более эффективного масштабирования человеческого надзора. Тут ребята как раз с Гуглом соглашаются, говоря о важности пракики human-in-the-loop 🙂
3. Прозрачность и ответственность: С ростом возможностей таких моделей возрастает и необходимость в их прозрачности, подотчетности и постоянной проверке на надежность и безопасность. С этой целью модели будут выложенны в опенсорс, как и их предшественники.

Очень интересно, как проявят себя эти модели и как их выпуск повлияет на дальнейшее развитие в индустрии

🚀 NGI дайджест за неделю (№3)

1. Размер имеет значение? На что обращать внимание при выборе LLM - рассказываю тонкости подбора модели под свои задачи и что на это влияет
2. AI заменит джунов - их навыки никому не нужны - разбираю популярный тезис и привожу доводы, почему так не считаю (в комментариях разгорелась целая дискуссия)
3. “Сделано человеком" 2.0: Как Vibe Coding и AI меняют ценность экспертизы - описываю свое видение на то, как изменится мир и создаваемые продукты в ближайшие годы
4. Разбор статьи Google DeepMind "An Approach to Technical AGI Safety and Security" - на этой неделе Google выкатили большую статью на 100+ страниц про безопасность ИИ. Сама статья и разбор - обязательны к прочтению ВСЕМ, кто действительно интересуется тематикой ИИ. Так как AGI уже рядом, а его безопасность далека от совершенства.
5. Meta* выпустила лучшие практически во всех “тяжелых” весовых категориях не Reasoning модели - в выходной день ребята решили не отдыхать и релизнули действительно мощные модельки

Также напомню, что со следующей недели стартуют оба моих тренинга. Места на тренинг по эффективности почти все разлетелись, по менеджменту народу поменьше, поэтому у тех, кто сейчас на потоке, будет больше персонализации и времени на вопросы 🙂 Кто думал - еще можете успеть записаться, а самым быстрым дам промик, возвращающий старые цены, пишите @vladkor97

Касательно розыгрыша мест
Не смотря на мои усилия в Тиктотакх и на других платформах, на канал с момента его анонса, к сожалению, не подписалось нужное количество человек, поэтому в этот раз он не состоится. Тем, кто подавал заявки - я предложил скидку на выбранный курс.

Прошлый дайджест тут

Meta* выпустила лучшие практически во всех “тяжелых” весовых категориях не Reasoning модели

Речь идет о новом поколении моделей Llama 4.

Всего представили 3 модели:
- Llama 4 Behemoth - 2T параметров (говорят. что столько было у GPT4). Модель называют “самой лучшей” для выполнения функции учителя при дистиляции знаний в модели меньшей рамерности.
- Llama 4 Maverick - 400b параметров - конкурент нашумевшей DeepSeek V3
- Llama 4 Scout - 109b параметров - замена Gemini 2.0 Flash-Light, Llama 3.3 70b и более мелких моделей с контекстным окном аж до 10 млн токенов

Судя по цифрам в бенчмарках, модели получились очень мощными, а Maverik на LMarena с ELO 1417 занимает второе место после Gemini 2.5 PRO, обгоняя GPT-4o, Grok 3, Claude 3.7 и другие модели. Бегемот все еще учится и даже не представляю, какие цифры выбьет он.

Meta вновь решили знатно пошуметь в опенсорс пространстве. Учитывая то, насколько хороша были предыдущие модели Llama, я практически уверен, что цифры бенчмарков будут не так далеко от правды.

Для кого эти модели? Прежде всего, для крупных энтерпрайзов, которым нужна приватность и которые могут позволить себе купить и гонять модель на видеокарте H100 (либо арендовать ее) 🙂 То есть далеко не для всех. Но уверен, что этот релиз знатно качнет опенсорс. Особенно китайский.

Если Behemoth действительно будет так хороша, как о ней пишут, то очень скоро ее дистилируют в условный QWEN и будет счастье не только крупным компаниям, но и бизнесам поменьше.

Интересно, чем на этот релиз ответят Google, OpenAI и Anthropic 🙂

👉 Новость с релизом тут

*Meta запрещена на территории РФ

Разбор статьи Google DeepMind "An Approach to Technical AGI Safety and Security"

Вот и обещанный разбор статьи от DeepMind. На написание ушло несколько больше времени, так как не хотел ограничиваться поверхностным анализом, поэтому получилась целая статья на основе статьи и моей диссертации пятилетней давности.

Интересно, что темы, волновавшие меня в 2020, сегодня стали только более актуальны.

В статье подробно разложил:
- какие ИИ-риски выделяет Google
- как они предлагают с ними бороться: создать “хороший” ИИ, а опасный “поместить в клетку”
- чем Google лучше или хуже OpenAI и Antrhopic
- почему разработка безопасного ИИ - это самая важная проблема здесь и сейчас

Читайте на выходных 🙂

С 4 апреля дня повышаю цены на тренинги

Друзья, короткий апдейт. Если вы пропустили анонс или раздумывали над приобретением места на какой-то из моих тренингов, то сегодня у вас последняя возможность сделать это по самой низкой цене. Изначально планировал повышение с 3 апреля, но слишком погрузился в создание контента и чуть запоздал с этим ремайдером, поэтому текущие цены оставляю еще на один день.

В группах уже запустил сбор пожеланий по каждой из тем тренинга. Все материалы будут адаптированы под конкретный поток.

Мест осталось немного + в последние дни продаж планирую дополнительное привлечение, после которого, скорее всего, не останется мест на тренинг по эффективности, но еще будет парочка на продакт менеджмент.

👉 Забрать свое место

P.S. Чуть позже опубликую разбор статьи по безопасности ИИ от DeepMind, там много интересного. Прочитал более 100 страниц и был действительно вдохновлен увиденным

Размер имеет значение? На что обращать внимание при выборе LLM

Все мы знаем, что модели существуют разные: GPT-4o и GPT-4o-mini, Gemini Pro и Gemini Flash... А если вы, как и я, любите возиться с опенсорсными моделями, то наверняка обращали внимание на цифры с рядом с буквой "b" в названиях: 7b, 14b, 70b. И то и другое относится к размерности модели. Но как оно влияет на работу?

Давайте разбираться!
Эти самые "b" – это миллиарды параметров модели. Грубо говоря, параметры – это количество нейронов в “мозгу” ИИ. Чем их больше, тем обычно "умнее" модель и тем сложнее задачи она может решать. Однако, как и в жизни, "больше" не всегда значит "лучше"! 🙃

Не гонитесь за гигантами!
Не для каждой задачи нужен "тяжеловес" с сотнями миллиардов параметров. Например, если вам нужно быстро просуммаризировать статью или получить ответ на простой вопрос, вполне хватит и "малыша". Я, например, для таких целей часто использую китайскую Qwen 2.5 на 7b. Шустрая, компактная, бесплатная и работает оффлайн!

Но! Важно помнить, что количество параметров - это не единственный фактор. Очень многое зависит от архитектуры модели, качества данных, на которых она училась, и методов обучения. Вполне реальна ситуация, когда модель с меньшим количеством параметров уделывает более "накачанного" конкурента. Например, новые модели LLama при меньшей размерности работают лучше, чем предыдущее поколение.

Коротко и ясно vs. Подробно и детально
Тут есть важный нюанс. Маленькие модели, как правило, лучше работают с короткими и четкими промптами. Им сложно удерживать в памяти длинные инструкции и кучу деталей. Но если у вас задача -“монстр", требующая соблюдения множества условий, тут без большой модели зачастую не обойтись.

Хотя и тут есть лайфхаки! Даже с небольшой моделью можно добиться хороших результатов, если правильно "разжевать" ей задачу. Используйте few-shot prompting (дайте модели несколько примеров) или chain-of-thought prompting (разбейте задачу на цепочку простых шагов). Это как объяснить что-то ребенку: не надо сразу вываливать всю информацию, лучше по шагам, с примерами.

Контекст – наше все!
Хоть это и не связано напрямую с количеством параметров, но более "тяжелые" модели обычно имеют и большее контекстное окно. Это как оперативная память у ИИ: чем больше, тем больше информации он может удерживать “в голове” и учитывать при ответе. Например, у Gemini Pro контекстное окно - 2 миллиона токенов, а у Flash - 1 миллион. Для большинства задач и миллиона хватит за глаза, но бывают и исключения.

Но опять же, не все так просто. Есть техники, позволяющие работать с длинными текстами даже на моделях с небольшим окном. Можно разбить текст на части, обработать каждую отдельно, а потом "сшить" результаты. Или использовать RAG, когда модель ищет нужную информацию в базе данных, а не держит все в памяти.

Больше данных – больше проблем?
Размерность модели влияет и на то, насколько эффективно она работает с большими объемами информации. По своему опыту скажу: Gemini Flash начинает "сбоить" после 50 тысяч токенов, а Pro спокойно переваривает и 800 тысяч! Так что, если вы планируете "скормить" модели целую библиотеку, выбирайте с умом.

И не забывайте про узкие места. Например, внимание (attention) – механизм, который позволяет модели фокусироваться на важных частях текста. В классических трансформерах (архитектура большинства LLM) сложность вычисления внимания растет квадратично с длиной текста. Это значит, что обработка очень длинных текстов может быть очень медленной и дорогой (особенно если вы платите за API). Поэтому разработчики и придумывают всякие "хитрости", вроде sparse attention или linear attention.

Выбор модели – это всегда компромисс между мощностью, скоростью, размером контекстного окна и... вашими задачами. Смотрите на реальные возможности моделей, экспериментируйте и помните, что лучший ИИ – это тот, который решает ваши задачи, а не тот, у которого больше цифр в названии.

Еще больше про особенности выбора моделей я рассказываю в рамках обоих тренингов, на которые все еще можно записаться по сниженной цене.

#обучающиематериалы

🚀 NGI дайджест за неделю (№2)

1. Anthropic дали Claude запасные “мозги”: рассказываю про новый “think” tool - высказал свои мысли по поводу нового тула think в Claude
2. Запись эфира по ИИ-трендам - в посте сама запись и в комментариях оставил презентацию со всеми ссылками
3. Анонс моих тренингов и розыгрыш мест на них - обявляю набор на два тренинга: “ИИ для личной эффективности” (цена 24 990 р) и “AI продакт менеджмент” (74 990 р). Над тренингами работал в последние полгода. Если хотите по-настоящему понимать ИИ и использовать его на полную или содавать AI-продукты, то вам сюда. Продажи открыты до 8 апреля (тренинг по эффективности) и 9 апреля (по продакт менеджменту). Для текущего потока самая низкая цена. Приобрести места можно на сайте
4. Выход Gemini 2.5 PRO - гугл выпустили самую мощную на сегодняшний день LLM. После нескольких дней с ней, могу сказать, что это не просто цифры в бенчмарках, а реально модель, которая уделывает конкурентов в большинстве кейсов.
5. Что такое RAG и почему он вам точно пригодится - очередной обучающий пост для тех, кто хочет расширить поле своих возможностей при работе с LLM.
6. Почему я не разделяю всеобщего восторга по поводу новых возможностей GPT 4o - рассказал про свое отношение к генерированию картинок в стиле Ghibli, в комментариях развязалась интересная дискуссия 🙂
7. QWEN 2.5 Omni 7b - новость про маленькую, да удаленькую мультимодальную модель от Alibaba. Китайцы создали первую LLM подобного размера, которая может разговаривать с вами “из коробки”
8. Кейс: AI-нутрициолог на рынок Saudi - разработка, грабли и переход на Gemini - лонгрид с очередным кейсом, который мы реализовывали. Будет полезен для всех, кто планирует заниматься прототипированием и кому интересна тема промптинга.
9. Почему я решил заняться тренингами - пост про мою мотивацию заниматься образовательным проектом. Если вы рассматриваете для себя покупку какого-то их моих тренингов, поможет лучше понять, совпадаем ли мы по майндсету и решает ли какой-то из них вашу проблему.
10. Пост про сериал Severence - не по тематике канала, но очень впечатлил 🙂

Прошлый дайджест тут

Посмотрел сериал Severance - великолепная аллегория на корпоративную жизнь

Живя в сегодняшнем быстро меняющемся мире иногда полезно остановиться и сделать паузу. Периодически для меня такой паузой являются сериалы. Неплохой способ непринужденного времяпрепровождения. И иногда так совпадает, что то или иное произведение кинематографа затрагивает какие-то аспекты твоей обычной жизни. Те аспекты, о которых ты, может быть, задумывался, а может быть и нет.

Именно таким открытием для меня стал сериал Severance (в русской локализации "Разделение"). Действие происходит в биотехнологической компании Lumon, которая придумала технологию так называемого "Разделения" - в мозг вживляется специальный чип, благодаря которому на работе вы не думаете о всем, что происходит за ее пределами и становитесь максимально эффективным и наоборот - в обычной жизни работа не отвлекает вас. Эдакий аналог life-work balance.

Однако плюсы от этого только на бумаге. Выясняется, что пошедшие на "разделение" сотрудники испытывали в жизни серьезные проблемы, и такая работа лишь помогала им бежать от проблем, а не решать их. В то же время, сериал показывает, насколько сам человек ничтожен для современных корпораций, являясь лишь винтиком во всей этой системе. Не соответствуешь стратегии - сокращен. Полезен системе - загружен на полную, даже если этого не хочешь.

Эффективность, достижение квартальных целей и следование идеологии, видению и культуре компании становится во главе угла. Доходит даже до того, что личность человека в этих условиях просто уничтожается, потому что ее существование - это препятствие к прогрессу. Создается определенный культ вокруг работы, корпоративных мероприятий, а сама работа приобретает все больше признаков секты. Гордость за общие достижения и чувство приобщения к чему-то высокому.

С развитием сюжета ты все сильнее понимаешь, что разделение - это не про вымышленную технологию, а про реальный процесс, который происходит с твоей личностью, когда ты работаешь в крупной компании. Особенно это резонирует с теми, кто работает IT-сфере, где границы между работой и личной жизнью часто размываются.

Сегодняшний рынок труда как нельзя точно отражает эту тенденцию. Массовые загоны людей в офис, аргументированные тем, что "удаленка неэффективна", она не создает нужную атмосферу и синергию между сотрудниками. Обустройство офисов таким образом, чтобы вам было комфортно в них не просто работать, а жить. Громкие призывы из уст учредителей компаний, транслирующие необходимость работать по 60 часов в неделю для достижения "великой цели".

Через экран нам наглядно показывают как цели человека дробятся на профессиональные и личные, где с одной стороны работа, амбиции и коллектив, а с другой - любовь, семья и твои переживания. Мы видим, как одну личность дробят на две, которые должны делать противоречивые выборы.

В контексте AI эта метафора особенно актуальна. Мы создаем инструменты, которые должны облегчать нашу работу, но часто они же становятся причиной еще большего "разделения" нашей личности. Технологические решения, призванные повысить эффективность, иногда создают парадоксальную ситуацию: чем больше у нас инструментов для оптимизации работы, тем больше нам надо работать - над созданием еще более совершенных инструментов и развитием новых качеств, потому что AI заменил собой старое и ненужное

Тем, кто не смотрел, настоятельно рекомендую к просмотру. Великолепно снятый и срежиссированный сериал, в котором местами вы возможно увидите свое отражение. А еще это отличный повод задуматься: какие продукты мы создаем? Усиливают ли они "разделение" или помогают людям сохранить целостность их личности?

Почему я решил заняться тренингами

Начать, наверное, стоит с того, что мне в целом нравится сфера образования. Ведь именно образование и стремление учиться помогли выбраться из провинциального городка. Я пришёл в EdTech 5 лет назад, потому что меня драйвила идея: через свои действия повысить доступность образования и помочь кому-то развиться, как когда-то помогли мне.

Однако EdTech раз за разом разочаровывал тем, что коммерческая составляющая часто превалировала над качеством. Я не говорю, что в Skyeng или Pearson мы делали плохие продукты, речь скорее о том, что их можно было сделать ещё эффективнее, но это стоило бы компаниям дороже. Skyeng стремился сократить траты на преподавателей, а Pearson везде внедрял свой фреймворк GSE, который подходил далеко не ко всем продуктам.

Из возможностей оставалась преподавательская деятельность и... создание собственного университета. Создать университет пока сложновато 😅 Поэтому я решил сконцентрироваться на преподавании, а основной доход обеспечивать чем-то другим. Я уже писал, что активно работаю с вузами, но ВУЗы – это тоже рамки и образовательные стандарты, а мне хотелось делать что-то своё. Именно поэтому я решил запустить тренинги в рамках NGI Academy.

🙋🏻‍♂️ Почему тренинг по AI-продакт-менеджменту?
В 2022 году, когда меня позвали в R&D Skyeng, я считал, что неплохо разбираюсь в ИИ и разработке. Но, придя в команду, которую нужно было строить с нуля, я понял, что мои знания, хоть и были обширными, нуждались в систематизации и углублении, особенно в контексте создания AI-продуктов. Методы, работавшие с обычной разработкой, здесь не работали: спринты не закрывались, цели не достигались. И, что самое забавное, после встреч с инженерами я уходил с блокнотом, полным слов, которые потом приходилось гуглить 😅

Я искал курсы, которые помогли бы мне разобраться, но сталкивался либо с тем, что нужные знания надо собирать по крупицам, либо с "полноценными" курсами, которые давали лишь поверхностное представление и быстро устаревали. Такого курса, как я хотел, на рынке просто не было.

Моей целью было создать фундаментальный курс по разработке AI-продуктов, который останется актуальным и через 6, и через 12 месяцев, требуя лишь небольших обновлений. Курс, к которому можно будет возвращаться, чтобы находить ответы на вопросы, возникающие в повседневной работе AI-продакта. Я хотел создать такой курс,который сам бы с удовольствием прошел и за который не пожалел бы заплатить любые деньги. И который мне было бы не стыдно ассоциировать со своим именем.

🚀 Почему тренинг по эффективности?
Этот тренинг родился, когда я работал над программой для продактов. Меня несколько раз приглашали читать лекции по ИИ, рассказать про промпт-инжиниринг. Я соглашался, рассказывал вещи, которые казались мне очевидными, но, как выяснилось, были совсем не очевидны для аудитории. Я увидел этот запрос – запрос на качественные знания об ИИ – и из любопытства решил посмотреть, что есть на рынке.

А на рынке я увидел бесчисленное множество курсов, обещающих "избавление от рутины" и "оптимизацию всего и вся" с помощью "нейронок". Авторы этих курсов – блогеры и маркетологи, которые учат, как "делать деньги на ИИ". Я раздобыл материалы некоторых из этих курсов и был, мягко говоря, разочарован. Никто не давал базу, обучение строилось только на освоении конкретных инструментов. Возможности ИИ описывались так, будто тебе не нужно быть экспертом, чтобы создавать что-то крутое – "ИИ всё сделает за тебя!". Они учат создавать приложения с ИИ, но не говорят о рисках разработки. Учат делать рекламные креативы, но не учат проверять ключевые слова.

И я решил создать продукт, который покажет ИИ таким, какой он есть – со всеми его преимуществами и недостатками. Курс, который будет действительно полезным, а не бомбой замедленного действия, создающей иллюзию знаний.

Вот так мы и оказались в той точке, где я запускаю свои тренинги. Если вам знакомы эти проблемы, если вы тоже ищете качественное обучение по AI, то ещё есть время записаться на любой из них или поделиться информацией с другом.

Кейс: AI-нутрициолог на рынок Saudi - разработка, грабли и переход на Gemini

Привет друзья! Сегодня у нас очередной кейс в формате лонгрида. На этот раз я расскажу про интересный проект, который мы делали совместно с MVP Lab. Необычен он тем, что мне, как продакту, пришлось засучить рукава и поработать руками: много писал промптов, продумывал архитектуру AI-решения и пайплайны обработки данных. В общем, был больше инженером, чем менеджером — опыт получился максимально интересный!

Будет полезно всем, кто хочет прототипировать самостоятельно или занимается промпт инжинирингом. Уверен, что поможет не наступить на те грабли, по которым прошлись мы с командой :)

Поехали!

#кейсы

Alibaba выпустили QWEN 2.5 7b Omni, которую вы можете запустить прямо у себя на компьютере

Китайцы не перестают удивлять! Выкатили то, чего явно никто не ожидал: модель, которая может с вами разговаривать. И мало того, что оно говорит, ее можно еще и запустить на любом современном макбуке с чипами серии M.

Архитектуру модели назвали Thinker-Talker и с ней буквально можно разговаривать в прямом эфире. На компьютер пока себе не скачивал (жду MLX или GGUF-формат), но записал вам короткое демо с Hugging Face. Кому интересно - с моделью можно поговорить тут.

Почему вообще это важно?
До текущего момента, подавляющее большинство LLM, которые можно было запустить у себя на компьютере, были либо сугубо текстовыми, либо частично мультимодальными (поддерживали еще обработку изображений). Чтобы заставить модель с вами говорить и разбирать голос - нужно было собирать отдельный пайплайн из LLM, ASR и TTS. А теперь достаточно просто скачать одну модель, которая из коробки умеет распознавать: тексты, аудио, видео, отвечать вам в голосом, да еще и делать это в режиме диалога

Alibaba буквально перевернула представления об open-source моделях. Легковесная и реально мультимодальная из коробки.

Уже можно предвидеть, как энтузиасты и компании будут:
- Файнтюнить модель под бизнес-кейсы
- Создавать уникальные приложения
- Экспериментировать с новыми форматами взаимодействия

Не побоюсь назвать QWEN 2.5 7b Omni прорывом в мире локальных LLM, который делает технологию диалога максимально доступной и простой.

Почему я не разделяю всеобщего восторга по поводу новых возможностей GPT 4o

Буквально две недели назад весь медийный мир был одержим экспериментальной версией Gemini Flash, способной генерировать изображения. Парадокс заключался в том, что большинство восторженных обзоров базировались не на глубоком понимании технологических нюансов, а на примитивной способности модели создавать мемы. Неискушенная аудитория внезапно открыла для себя Google AI Studio, воспринимая его как революционный продукт, исключительно благодаря визуальному функционалу, а не тонким настройкам и списку доступных моделей. Reels, статьи, и посты о том, какая Gemini крутая просто взорвали медиа пространство.

Прошло чуть больше 10 дней и OpenAI выпустили свой ответ в виде GPT 4o, вернее, ее обновления, которая тоже может генерировать картинки. Что происходит сейчас? Правильно, о ней пишут везде, все пошли генерировать мемы и все опять пишут, какая классная теперь уже GPT 4o.

Вот только здесь есть несколько проблем
Иллюзия новизны. Генерация картинок тем подходом, что используется в LLM - это вообще не инновация. Такой должна была быть GPT 4o тогда, когда нам ее анонсировали (около года назад). А до нее - подобный подход к генерации изображений уже был известен, но не использовался в продуктах крупных компаний вроде OpenAI и Google, от чего логично, что и качество было хуже, ведь ресурсов в виде людей и железа у них в разы больше.

Качество VS Универсальность. Даже не смотря на рост качества генерации, оно все равно СУЩЕСТВЕННО хуже, чем у специализированных моделей для работы с изображениями. Это решится со временем, однако на мой взгляд, специализация в AI при прочих равных всегда будет работать лучше универсальных решений.

Профанация полезности. Малая практическая ценность данного функционала в его текущем состоянии. Очень мало кейсов. За все дни я увидел несколько сотен публикаций про картинки. И практически ВСЕ ОНИ БЫЛИ С МЕМАМИ или чем-то подобным. Я подписан на кучу профессиональных пабликов, но только в одном из них (спасибо, Артем) увидел что-то про реальную пользу.

А все потому - что реальная польза этой функции - это польза для самих компаний.
Потребительское поведение работает так, что люди склонны пользоваться продуктами и платить за те решения, которые “доступны для понимания каждому”. Не важно, инженер ты со степенью pHD, бизнесмен или домохозяйка. Картинки - это лишь умная воронка.

Механизм прост: сначала развлечение (мемы, случайные картинки), затем любопытство, далее - знакомство с дополнительными возможностями продукта и, как финал, подписка. Универсальность контента - мемы понятны всем. Идеальный инструмент для массового маркетинга.

Да, технологический прогресс налицо, но за красивой картинкой скрывается воронка старого образца - привлечение внимания через максимально доступный и понятный контент.

Стоит ли восторгаться? Решать вам. Но критически важно сохранять трезвость мышления и не поддаваться первому впечатлению.

(Заходите в комментарии, к этому посту они максимально полезные)

Что такое RAG и почему он вам точно пригодится

Пока все сходят с ума по обновлению GPT-4o с его возможностью генерировать картинки и видео, продолжаю цикл образовательных постов. Сегодня у нас ликбез по RAG (Retrieval-Augmented Generation).

Что такое RAG простыми словами?
RAG — технология, позволяющая языковой модели получать данные из внешних источников. Иначе говоря, это подход, который объединяет поиск информации (Retrievial) и генерацию ответов на основе найденных данных (Augumented Generation).

Как это работает на практике?
Если объяснять простыми словами: представьте, что вы студент и пришли на экзамен. Часть тем вы знаете хорошо, а часть - так себе. Но у вас по карманам распиханы шпаргалки на которых вы сделали насечки, чтобы отличать, где какая. Когда вы получаете свой вопрос, вы не пытаетесь вспомнить ответ, а быстро находите нужную карточку на ощупь, и, опираясь на информацию из нее, формулируете ответ.

Почему я сказал про насечки? Примерно так это работает у LLM. Для поиска в базе знаний LLM используют специальные механизмы, один из самых популярных — векторный поиск с эмбеддингами. Эмбеддинги — это способ представить слова, предложения или целые документы в виде набора чисел (векторов). Похожие по смыслу тексты имеют похожие наборы чисел. Это позволяет находить информацию не просто по совпадению слов, а по близости смысла — даже если в запросе используются совсем другие термины.

Полный процесс RAG выглядит примерно так:
1. Получаем запрос от пользователя
2. Ищем релевантную информацию в нашей "картотеке" с помощью эмбеддингов
3. Формируем контекст из найденных данных
4. Генерируем ответ с помощью LLM, которая учитывает как свои "врожденные" знания, так и только что найденную информацию
5. Добавляем ссылки на источники

RAG VS Длинный Контекст: когда что использовать?
По этому поводу есть целые статьи и вопрос становится все более актуальным, так как за последнее время появилось много моделей с огромным контекстным окном. Помимо Gemini - это QWEN 2.5, Grok 3 и другие. Возникает вопрос: мне нужен RAG или можно тупо загрузить документы в модель? На самом деле, это не вопрос "или-или", а скорее "когда и что".

Когда лучше использовать RAG:
- Когда вам нужна всегда актуальная информация: RAG берет данные из внешних источников, которые могут оперативно обновляться
- Когда важна точность фактов: опираясь на реальные данные из внешнего источника, модель меньше "выдумывает"
- При работе с закрытыми корпоративными данными, которых нет в обучающей выборке модели
- Когда нужно оптимизировать расходы: обработка длинного контекста обычно дороже
- Если важна прозрачность: с RAG легче показать, откуда именно взялась информация

Когда может подойти длинный контекст:
- Для разовых задач с фиксированным набором документов
- Когда важна скорость ответа без дополнительных запросов к базе данных
- При работе с текстами, где важны взаимосвязи между разными частями документа
- Для творческих задач, где не требуется сверка с внешними источниками

В чем сложности использования RAG?
Как и любая технология, RAG имеет свои нюансы:
- Качество зависит от поисковика: если система поиска находит не те документы, LLM выдаст красивую, но бесполезную информацию
- Задержка: поиск данных требует времени, что может замедлить ответ
- Конфликты в данных: если в разных документах информация противоречит друг другу, модель может запутаться

Где применяется RAG?
Чат-боты службы поддержки, поисковые системы по внутренним базам знаний, в Pearson мы экспериментировали еще с генерацией контента. Ну и далеко ходить не надо - мой бот Нейросова Нейджи. Она основана на RAG-подходе и при подборе ИИ-инструментов и ответе на вопросы сначала ищет их в моей базе данных, чтобы выдавать наиболее релевантные рекомендации, адаптированные под ваши запросы.

Итого, RAG соединяет силу генеративных моделей с точностью и актуальностью внешних источников данных.

А для тех, кто хочет сильнее разобраться в RAG - в рамках обоих тренингов я рассказываю, как это сделать без кода и где это может быть полезно.

#обучающиематериалы

Google не перестает удивлять: Gemini 2.5 Pro – новый король AI?

Кажется, Сундар Пичаи не шутил, когда говорил, что Google намерен сделать все, чтобы вырваться в лидеры AI-гонки. Сначала Gemma, потом обновления Deep Research, и вот – новая Gemini 2.5 Pro.

Gemini 2.5 Pro – это “думающая” модель. Если Gemini 2.0 Flash Thinking Experimental уже была моей любимицей и отлично справлялась со сложными задачами, то теперь у нее появилась более продвинутая версия в лице Gemini 2.5 Pro. Конкурент "думающему” режиму Claude 3.7 и моделями семейства GPT-o.

Будет крайне интересно посмотреть на прямое сравнение этой модельки как раз с GPT.

На данный момент Gemini 2.5 Pro занимает первое место в рейтинге LMArena, но, как мы знаем, бенчмарки не всегда отражают реальную картину.

Модель унаследовала все лучшее от предыдущих моделей Gemini, включая контекстное окно.

Что обещает гугл:

Улучшенное "мышление”: Gemini 2.5 Pro демонстрирует передовые результаты в бенчмарках, требующих продвинутого логического мышления. Из интересного - модель обгоняет всех в так называемом Humanity’s Last Exam.

Продвинутое программирование: Google уделили особое внимание навыкам программирования, и в Gemini 2.5 Pro достигнут значительный прогресс по сравнению с 2.0. Тут интересно будет сравнить с Claude. Из тех задач, что я решал, Gemini хорошо находил ошибки в коде, но не мог исправить их, в то время как Claude это делал.

Мультимодальность и контекстное окно: Gemini 2.5 Pro продолжает традиции Gemini, предлагая нативную мультимодальность и огромное контекстное окно. На старте модель имеет контекстное окно в 1 миллион токенов (в будущем планируется 2 миллиона), что позволяет ей обрабатывать большие объемы данных и решать сложные задачи, используя информацию из различных источников, включая текст, аудио, изображения, видео и код.

Модель уже можно попробовать в Google AI Studio

Получите востребованные навыки в AI бесплатно. Розыгрыш мест на тренинги

Как и обещал, разыгрываю несколько мест на мои тренинги ИИ для личной эффективности и AI-продакт-менеджмент! Хочу, чтобы эти знания достались тем, кто действительно увлечен темой и готов применять их на практике.

Поэтому наиболее честный способ выбрать победителей – оценить ваши мотивационные письма.

Сколько мест разыгрываем? Это зависит от вас!
- 600 подписчиков в канале активируют розыгрыш. Разыграю по 1 месту на каждый тренинг
- 800 подписчиков: + 1 место на тренинг "ИИ для личной эффективности".
- 1200 подписчиков: + 1 место на тренинг "AI-продакт-менеджмент".

Максимум – по 2 места на каждый тренинг!

❗️Подписчики должны быть живые, а не боты. Качество аудитории буду проверять.

Как принять участие:
1. Быть подписаным на этот канал
2. Заполнить Google-форму
3. В ней указать, на какой тренинг вы хотите попасть
4. И вставить свое мотивационное письмо: расскажите, почему вы хотите пройти именно этот тренинг и как планируете применять полученные знания. Письмо я настоятельно рекомендую писать самостоятельно. За текстом я хочу увидеть личность человека, а не набор фактов. Длина - не более 700 символов
5. Поделитесь постом с теми, кому может быть полезен мой канал либо один из тренингов

Прием заявок: до 19:00 (МСК) 6 апреля.

Как будем выбирать победителей:
1. Я лично прочитаю каждое письмо и самым сильным в каждой категории отдам свои 2 балла. Я могу отдать оба балла одному письму либо отдать по 1
2. Затем то же самое сделают Gemini и ChatGPT: выберут по одному лучшему письму в каждой категории (+1 балл).
3. Победителями станут те, кто наберет больше всего баллов. При равенстве баллов победителя из числа лидеров выберу я сам.

Итоги подведем в прямом эфире, 7 апреля в 19:00 (МСК).

👉 Форма для участия

❗️Важно: В канале установлена защита от накрутки подписчиков. Любая попытка накрутки ботов в канал будет обнаружена и приведёт к бану инициаторов и отмене розыгрыша.

Запускаю два новых продукта по AI!

Привет, друзья! В конце вчерашнего эфира я презентовал два продукта над которыми активно работал последние 6 месяцев.

Речь идет о моих тренингах по ИИ и AI продакт менеджменту.
В посте про образование я говорил о трех столпах: базовых знаниях, методологии и знаниях в моменте.

Именно на них стрятся мои программы: в начале мы разберемся с основами ИИ, затем перейдем к методологии, которую сразу же опробуем для решения конкретных задач. Помимо этого, я снабжу вас огромным количеством ресурсов, которые помогут вам углубить свои знания в выбранном направлении.

📈 ИИ для личной эффективности Старт 8 апреля, занятия по вторникам, 4 недели
Этот тренинг я создал для тех, кто хочет не просто использовать ИИ, а понимать, что это за технология и как она может сделать вас эффективнее.

Он для вас, если:
- Вы хотите понять, что такое ИИ, когда он действительно спасает, а когда лучше сделать по-старинке
- Хотите быстрее анализировать большие объемы данных, принимать более взвешенные решения стимулировать свою креативность
- Хотите расширить спектр своих возможностей с помощью ИИ и начать делать то, что откладывали раньше

🙋🏻‍♂️ AI продакт менеджмент Старт 9 апреля, занятия по средам, 8 недель
Этот тренинг охватывает два ключевых направления: создание AI-продуктов и применение AI-инструментов в повседневной деятельности продакт-менеджера.

Он для вас, если:
- Вы человек из бизнеса либо продакт,и хотите внедрить AI в свои продукты и бизнес-процессы
- Ищете проверенные методологии разработки AI-продуктов из реальной практики
- Хотите, внедрить AI не потому что это модно, а чтобы он давал конкретные результаты

Почему я уверен в своих тренингах:
В основе тренингов - мой опыт разработки AI-продуктов: тысячи часов исследований и общения с пользователями для того, чтобы создать 20+ AI продуктов за время работы в Skyeng, Pearson и EAI
Программы уже обкатаны: на закрытых группах, индивидуальных консультациях и даже Michigan State University. Я доработал тренинги, на основе обратной связи и глубинных интервью с представителями различных сфер, включая: IT, предпринимательство, медицину, маркетинг и др.
Фокус на фундаментальных знаниях и методологии, а не конкретных сервисах, которые завтра могут исчезнуть. Вы научитесь выбирать и комбинировать ИИ-инструменты под свои задачи

Что вы конкретно получите:
1. Самые актуальные знания и навыки в области ИИ, подкрепленные моим опытом и знаниями, полученными из образовательных программ Reforge, Google, OpenAI.
2. Рабочие методы взаимодействия с AI, которые мы активно используем в EAI, включая фреймворк AI-Дизайна продукта в программе для продактов.
3. Пожизненный доступ к материалам c обновлениями. Вы не просто получите записи будущих потоков, а сможете участвовать в живых сессиях. Также материалы будущих потоков будут включать инсайты из моего будущего обучения по программе в MIT.
4. Все выпускники тренинга получат постоянный доступ к закрытому коммьюнити по ИИ. Там будут отдельные материалы, мероприятия, а также крутые специалисты по ИИ, которым я доверяю. Для всех остальных доступ к коммьюнити откроется позже и будет осуществляться по ежемесячной подписке

👉 В комментарии к посту прикрепляю подробные программы тренингов — они должны ответить на все ваши вопросы. Если остались вопросы — задавайте их прямо под этим постом, я отвечу каждому.

🚀 Приобрести тренинги можно на моём сайте: https://www.ngi.academy/

Оплата доступна российскими и зарубежными картами. Если у вас возникли сложности с оплатой — пишите в личку.

❗️ В честь запуска, до 2 апреля включительно цены снижены. После - будут постепенно повышаться. Тренинги 3 потока, запланированные на май и июнь, будут дороже, т.к. в цены будет заложен доп бюджет на маркетинг.

P.S. В январе своим давним подписчикам я обещал скидку на тренинги - напишите мне в личку, и я предоставлю вам 5% скидку на любой тариф. Эту же скидку получат первые 3, кто отпишется под этим постом

Также я разыграю места среди всех подписчиков. Детали в следующем посте, одно из условий - поделиться каналом с друзьями :)

Запись эфира по ИИ-трендам

Друзья, благодарю всех, кто посетил эфир сегодня. Надеюсь, что каждый унес для себя с него что-то ценное.

Анонс будет завтра.

Презентация - в первом комментарии :)

Начинаем трансляцию. Ждем 5 минуточек 🙂

Трансляция завершена, чуть позже скину запись и презентацию.

НАПОМИНАНИЕ: Сегодня в 19:00 эфир про ИИ-тренды

Друзья, напоминаю, что сегодня в 19:00 по МСК проведу открытый эфир о текущих трендах в ИИ и их практическом применении.

На эфире обсудим:
• Развитие ИИ-агентов и реальные примеры их использования
• Актуальные Open Source модели и их возможности
• Изменения на рынке труда под влиянием ИИ
• Навыки, которые будут востребованы в ближайшие годы

У вас ещё есть возможность задать интересующие вопросы по ссылке. Постараюсь ответить на них в конце эфира.

Участие бесплатное. Для тех, кто не сможет присоединиться, будет доступна запись.

До встречи сегодня вечером!

🚀 NGI дайджест за неделю (№1)

Вместе с ростом канала решил делать такие посты с подборкой того, что публиковал в течение недели. Выходить они будут по субботам/воскресеньям. Теперь, если вы что-то пропустили - можно будет быстро перейти к интересующей теме, почитать, прокомментрировать или поставить реакцию, так я пойму, что тема вам резонирует и буду делать больше подобного контента :)

1. Анонс эфира: ИИ-тренды 2025-2026. Как действовать бизнесу и специалистам в эпоху ИИ-хайпа - 24.03 в 19:00 по Мск я проведу эфир в канале по теме, которая будет полезна каждому

2. Где учиться AI? - пост с подборкой информации для продактов и технических специалистов

3. Рост возможностей ИИ по закону Мура: способность выполнять всё более длительные задачи - разбор свежайшего исследования о том, как развиваются модели с где они могут заменить человека

4. Расцвет OpenSource моделей: почему нам всем это выгодно - разбираю, почему OpenSource - это важно и что это дает бизнесу и обычным пользователям

5. Google переносят функции из NotebookLM в Gemini и добавляют Canvas! - Google сделали очень крутой апдейт. В посте больше писал про функцию NotebookLM, но сейчас могу сказать, что и Canvas они сделали лучше, чем у конкурентов.

6. Помощник для художника — как мы внедряли ИИ в генерацию иллюстраций в Skyeng - новый кейс об использовании ИИ для оптимизации создания контента

7. AI на кончиках пальцев - хак для продуктивности - делюсь одним из своих любимых ИИ-приложений

8. Как я приобрел годовую подписку Perplexity Pro за $6 вместо $200 - полезный хак, который поможет вам сэкономить

Как я приобрел себе подписку Perplexity Pro всего за $6 вместо $200

Ранее я писал, что Perplexity - один из моих любимых AI-поисковиков, который, на мой взгляд, стоит каждой потраченной на него копейки. Но, как и в случае любых других AI-сервисов цена у него может кусаться, особенно если сложить несколько подписок.

Увидел у коллег из Skyeng, что можно за 6 баксов купить промик на годовую подписку. Но я, как обычно, пошел ресерчить, как это работает. Нашел информацию, что Virgin Media вместе с O2 дают своим новым клиентам бесплатную подписку на Perplexity, акция действует до Мая 2025.

Другой легальный способ - если вы студент и более 500 человек с доменным именем вашего университета зарегистрировались на сервисе - всем вам дают годовую подписку.

И тот и другой способ работают через промокод. Собственно, именно эти промокоды и продаются на различных платформах.

Как и во всех подобных схемах, присутствует риск бана аккаунта, на котором использовался промокод, поэтому если вам не жалко 6 баксов - я бы рекомендовал создать отдельный аккаунт под этот эксперимент. В целом, даже если это проработает месяц, вы все равно будете в плюсе

Приобретал свой промокод у этого продавца. На этой жа платформе раньше покупал себе промокоды для покупки игр на Nintendo.

Пост - не реклама, комиссии мне не платят, просто делюсь полезным. Помните, что все действия вы осуществляете на свой страх и риск.

P.S. Я ориентировался на те объявления, где продают коды именно О2, так как связь с доменным именем университета слишком сильно палится.

Эфир: ИИ-тренды 2025-2026. Как действовать бизнесу и специалистам в эпоху ИИ-хайпа

Хочу сделать традицией проведение открытых эфиров в канале. Предыдущий был про AI в медицине, а неделю назад я выступал инициатором и спикером на секции про делегирование задач ИИ. Настало время для нового мероприятия!

📆 24 марта, понедельник, 19:00 по Москве проведу открытый эфир по ИИ-трендам и практическому применению технологий. Эфир пройдет здесь в Telegram

За последний год количество упоминаний AI-инструментов и AI-интеграций просто зашкаливает. Все это создает нереальный информационный шум: за заголовками, бенчмарками и обещаниями ИИ-интеграторов понять самому, что делать и куда идти - практически невозможно. В своей работе я постоянно тестирую новые решения и вижу огромный разрыв между хайпом и реальной пользой.

Решил поделиться практическими наблюдениями о том, что происходит в индустрии прямо сейчас и чего ожидать в ближайшие пару лет. Это не теоретические рассуждения — только то, что я вижу в реальных проектах.

🚀 На эфире разберем:
• Навыки будущего - что развивать в себе, чтобы оставаться востребованным в ближайшие 5-10 лет.
• ИИ-агенты и их практическое применение - куда движется технология автономных ИИ и где они уже приносят реальную пользу. Поговорим про реальный агентский ИИ, а не n8n автоматизации.
• Тренды в мире Open Source AI - как развивается демократизация ИИ и какие модели действительно заслуживают внимания.
• Влияние ИИ на рынок труда - какие профессии трансформируются быстрее всего и где автоматизация уже реальность. Обсудим кого заменит ИИ и стоит ли бояться программистам.

Так как хочу сделать встречу максимально полезной, оставляю форму для сбора ваших вопросов, на которые отвечу в конце эфира.

👉🏻 Задать вопрос можно тут

Если нужно приглашения в календарь - там есть форма, где можно оставить почту, я пришлю вам инвайт

Бронируйте время в календаре! Участие бесплатное. Запись эфира будет, но живое общение, как обычно, ценнее.

Где учиться AI?

С тех пор как я начал активно вести соцсети, ко мне часто стали приходить люди с вопросами о том, где и что надо изучать, чтобы работать в AI. Причем, что интересно, это были не только начинающие, но и те, кто уже работают с ИИ, и это неудивительно.

ИИ-сфера настолько динамична, что появляется страх что-то упустить и стать неактуальным. Я решил сделать этот пост, чтобы направлять сюда всех, кто интересуется темой обучения в сфере AI.

📌 У меня есть свой подход к обучению, я считаю, что любое обучение строится на трех столпах:
1. Базовые и исторические знания в своей области - они дают широту кругозора и позволяют хорошо ориентироваться на дистанции. Здесь как со знанием истории. Если у человека нет базы, им легко манипулировать, рассказывая сказки про печенегов.
2. Методология - это знания о методах и инструментах, которые применяются в профессии каждый день. Как правило, они долго не устаревают, а на образование новой парадигмы нужно время. Для продакта это основы менеджмента, различные фреймворки вроде JTBD и т. д. Для инженеров - основы программирования на их языке.
3. Знания в моменте - это знания под конкретный проект или задачу, которые нужны нам здесь и сейчас, они могут устареть через год, но в конкретный момент решают нашу задачу.

🙋🏻‍♂️ Если вы продакт
Для освоения базы и методологии лучше всего подойдут книги и программы от университетов + курсы от практикующих специалистов в вашей сфере. Вы работаете с людьми, а теории мотивации, методы исследований и прочее обновляются не так быстро, как технологии. Занятия с практиками помогут вам связать теорию с реальными задачами.

- По университетам я могу точно советовать свою программу в МГУ (веду переговоры, чтобы читать там модуль про ИИ). Если зарубежка - ищите программы, где при факультете есть акселератор или бизнес-инкубатор. Также рекомендую посмотреть в сторону Executive-образования. Лично я сейчас откладываю на пару программ MIT.
- Онлайн-курсы - Pearson оплачивал мне лайв-курсы от Reforge, круто, но дорого. Из практиков единственный, кого могу прямо порекомендовать, Ваня Замесин. Всякие курсы Go Practice, Product Star категорически не советую, они хороши только как “база знаний”.
- Из книг база - Inspired Марти Кагана, Основы Менеджмента А. Мескона + я регулярно публикую у себя подборки по хештегу #книги

Знания в моменте. Здесь на помощь снова придут книги, обучение в коллективе, самостоятельное обучение через опыт, менторинг с более опытным коллегой, “живые” когорты онлайн-курсов. Предзаписанные курсы точно не советую, они либо устаревают, либо дают что-то слишком банальное. Также категорически не рекомендую брать курсы от “экспертов по маркетингу”. Ребята умеют продавать, но за тему не шарят. У таких курсов в программе будут всякие “автокастдевы с помощью ИИ” и прочее барахло.

👨🏻‍💻Если вы технический специалист
Большинство университетов не успевают делать нормальные программы, поэтому здесь для базы я бы рекомендовал взять курсы по Python от кого-то из эдтехов (мне компания оплачивала SkyPro, медленно изучаю). Они постоянно обновляются, чтобы быть конкурентными, и вы сразу учитесь на практике. Либо, если вам позволяют ресурсы, поступайте в крутой универ со своей лабораторией типа Stanford или MIT.

Помимо основ, вам помогут профильные курсы. По ML многие советовали мне вот этот курс. Из крутых спецов очень рекомендую Виктора Кантора. Практику можно получать, решая задачи на Kaggle. Если хорошо будете решать задачки, можете попутно поднять денег или получить оффер. К тому моменту, как вы это все изучите, вы уже выберете себе направление в AI, коих бесчисленно: NLP, Computer vision и т. д. Дальше обучение нужно будет продолжать исходя из этого выбора. Ну и, конечно, никуда не уходят книги.

Знания в моменте. Хакатоны, менторинг от коллег, снова Kaggle и другие комьюнити. Вообще, чем я завидую техническим специалистам, так это тем, что у них есть такие штуки.

Хочется сделать этот пост еще полезнее, поэтому если у вас есть книги и бесплатные ресурсы по ИИ, которые помогли вам - делитесь в комментариях!
#обучающиематериалы

Рост возможностей ИИ по закону Мура: способность выполнять всё более длительные задачи

Все, кто интересуется технологиями, наверняка слышали о законе Мура. В течение многих лет он служил своего рода дорожной картой для развития компьютерной индустрии, предсказывая экспоненциальный рост вычислительных мощностей.

А что если подобный закон действует и для искусственного интеллекта?

Сегодня я наткнулся на интересное исследование, которое предлагает измерять прогресс ИИ не в привычных бенчмарках, а в терминах длительности задач, которые ИИ может самостоятельно выполнять. И результаты оказались поразительными!

Что измеряли исследователи
Исследователи предложили оценивать возможности ИИ по длительности задач, которые он может успешно выполнить. Длительность измеряется временем, которое затрачивают профессионалы-люди на выполнение тех же задач.

Результаты поразительны: длительность задач, которые передовые модели ИИ могут выполнить автономно с 50% надежностью, удваивается примерно каждые 7 месяцев на протяжении последних 6 лет.

Текущие возможности ИИ
Сегодняшние передовые системы ИИ:
- Практически со 100% вероятностью справляются с задачами, на которые эксперты-люди тратят менее 4 минут
- Успешно выполняют задачи длительностью до часа с вероятностью около 50%
- Справляются с задачами длительностью более 4 часов менее чем в 10% случаев

Это помогает понять кажущееся противоречие: ИИ демонстрирует сверхчеловеческие результаты на многих тестах, но при этом не может надежно автоматизировать длительные задачи людей.

Прогнозы на будущее
Если текущая экспоненциальная тенденция сохранится:
- Через 2-4 года ИИ сможет самостоятельно выполнять широкий спектр недельных задач
- К концу текущего десятилетия ИИ сможет автономно выполнять месячные проекты

Характерно, что эти прогнозы достаточно устойчивы: даже если абсолютные измерения ошибочны в 10 раз, это меняет время достижения соответствующих возможностей всего на 2 года.

Последствия для общества
Экспоненциальный рост возможностей ИИ несет огромные ставки:
- Системы ИИ, способные автономно выполнять длительные задачи, могут принести колоссальную пользу различным областям
- В то же время, такие возможности создают новые риски и вызовы

Исследователи открыли исходный код своей инфраструктуры, данных и анализа, чтобы способствовать дальнейшему развитию этого направления исследований.

И что с этого?
Хотя методология исследования имеет ограничения, общая тенденция представляется корректной: скорость роста составляет примерно 1-4 удвоения в год. Это обеспечивает новый, более конкретный способ прогнозирования будущих возможностей ИИ и их влияния на реальный мир.

Если вы интересуетесь развитием искусственного интеллекта, это исследование предлагает важную и относительно надежную метрику для отслеживания прогресса в ближайшие годы.

Что вы думаете об этом? Верите ли вы в "закон Мура" для ИИ? Какие видите возможности и риски? Давайте обсудим в комментариях!

#развитиеии

Расцвет OpenSource моделей: почему нам всем это выгодно

Помните момент, когда Meta (запрещена в РФ) выбросила LLAMA в открытый доступ в 2023? На тот момент это было буквально землетрясение в мире ИИ! А в феврале этого года DeepSeek R-1 выстрелил настолько мощно, что вызвал новую волну на рынке OpenSource моделей.

И знаете что? Я аплодирую стоя! 👏

До недавнего времени Gemma 2 от Google держала пальму первенства среди открытых моделей малого размера, но настоящая сила ИИ оставалась запертой в сейфах FAANG-гигантов, OpenAI и Anthropic. Закрытый код, растущие цены, элитные уровни подписок - классическая история корпоративной эволюции.

Проработав в R&D-командах, я наблюдал эту трансформацию не раз: "Где деньги, Лебовски?" - неизбежный вопрос менеджмента и инвесторов. Ранее я уже писал о том, что инновации должны финансироваться отдельно от основного бизнеса. Потому что истинные инновации редко рождаются с прицелом на немедленную прибыль.

И вот тут на сцену врываются модели OpenSource!

Лишь за последнюю неделю мы увидели:
- Mistral Small - новый лидер для своего размера
- Gemma 3 - мультимодальная модель от Google, на которой, думаю, будет работать огромная куча чат-ботов
- Command A - уже не такая маленькая, но очень мощная модель от Cohere

А чуть раньше Alibaba выкатила QwQ и Qwen 2.5. Все эти модели имеют свои отличительные черты и юзкейсы, где работают лучше аналогов.

Что это меняет?
Представьте, что доступ к суперкомпьютерам внезапно получили не только миллиардеры в Кремниевой долине, но и талантливые исследователи со всего мира! Проект Sesame (используют токенизаторы llama, а в разговоре говорит, что у нее Gemma 27b под капотом) с их невероятно реалистичными голосами — яркий пример того, что происходит, когда мощные технологии выходят из-за корпоративных стен.

Для бизнеса это тоже золотая жила. Зависимость от API — всё равно что подключаться к чужому генератору во время энергокризиса: в любой момент хозяин может поднять цену или просто выключить рубильник. С OpenSource моделями вы становитесь хозяином положения, а ваши данные остаются только вашими. Кроме того, по мере роста бизнеса, держать свой сервер может быть НАМНОГО выгоднее оплаты за API: посмотрите как Perplexity используют DeepSeek R-1.

Я сам поймал себя на том, что всё чаще пользуюсь Ollama или LM Studio вместо API, из-за чего ловлю косые взгляды, мол: "Зачем возиться, когда есть готовые решения?”. Но когда работаешь с конфиденциальной информацией, локальная модель — как личный консультант, который никогда не проболтается.

А как вы относитесь к OpenSource-моделям? Пользуетесь ли сами? 🙂

#развитиеии

AI на кончиках пальцев - хак для продуктивности
Я очень люблю всячески оптимиировать свой рабочий процесс и сегодня поделюсь еще одной такой оптимизацией. Ранее я писал про Vibe, героем этой недели становится IntelliBar.

Я часто нахожу себя в ситуации, когда мне нужно что-то быстро сделать: ответить на сообщение, перевести или суммаризировать текст, узнать какую-то информацию и быстрее всего это будет сделать, делегировав задачку ИИ.

Обычно для такого мы открываем браузер либо приложение любимого ИИ и вводим нужные промпты, копируем, вставляем текст. Лично меня иногда это бесит + если посчитать - в течении дня минуты на такие операции капают и преобразуются в часы.

IntelliBar решает данную проблему. Программа представляет собой маленькое окошко, к которому можно подключить любимые ИИ-сервисы по API или даже локальные модели (про них у меня будет отдельный пост). Окошко вызывается по шорткату поверх всех ваших приложений и имеет 2 вариации: вызвать просто окошко, где можно задать быстро вопрос ИИ либо выделить текст/файл и он прикрепится к вашему запросу автоматически.

Но главная фишка тут даже в шорткате, а в быстрых командах. Вы можете создать сколько угодно кастомных команд, которые будут отправлять заранее заготовленные вами промпты. То есть, например, если мне нужно вежливо ответить кому-то в LinkedIn, что меня не интересует их предложение - я выделяю текст, жму 2 кнопки и ответ готов. И таких промптов у меня куча. Еще можно сравнивать ответы разных моделей в этом же окне.

Другой плюс этой программы состоит в том, что она может вам нормально так экономить деньги. Вместо подписки вы можете просто перейти на использование API и не платить по 20 баксов за ChatGPT, Gemini, Claude, а использовать их все, оплачивая только фактически потраченные токены.

В общем, инструмент очень рекомендую.

А вот и официальный анонс от Google

Дополнение к посту выше. Почитать можно здесь.

Если коротко:
- Flash Thinking добавили функцию загрузки файлов (что я вчера не заметил), также увеличили контекстное окно модели: теперь это 1 млн для подписчиков
- Deeep Research все-таки работает на базе Gemini 2.0 Flash Thinking Experimental и доступен бесплатно вообще всем
- Про персонализацию нового особо ничего не написали
- Gemini Gems (аналог GPTs) теперь также доступны бесплатно
- Помимо этого улучшили также интеграцию Gemini с гугл сервисами вроде календаря, заметок и фото, правда, только на английском

Книги от меня: что читать AI-продакт-менеджеру - подборка #2

Продолжаю публиковать подборки книг, и тема сегодняшней подборки — дух инноваций. Здесь не будет книг с какими-то практическими лайфхаками, вам нужно будет их самим из них подчерпнуть, додумать и сделать выводы. Каждая из этих книг — это, прежде всего, источник вдохновения. Я искренне верю, что именно вдохновение является тем, что может двигать нас вперед, несмотря ни на какие преграды, поэтому делюсь тем, что вдохновляет меня.

Начнем!

1. PIXAR. Перезагрузка. Как вдохнуть в бизнес новую жизнь, Леви Лоуренс
История про то, как Стив Джобс выкупил Pixar в нелегкие для компании времена, а что было дальше — уже история. Здесь про терпение и упорный труд, про команду, про веру в себя и других людей. Книга читается максимально легко и точно входит в мой топ-10. Очень рекомендую.

2. Инноваторы. Как несколько гениев, хакеров и гиков совершили цифровую революцию, Айзексон Уолтер
Идеальный учебник по истории всего того цифрового, что нас окружает. От создания первых компьютеров до интернета и ИИ. В книге максимально кратко и емко рассказаны истории таких гениев прошлого, как Чарлз Бэббидж, Алан Тьюринг, Уильям Шокли, Гордон Мур, так и живых легенд вроде Стива Возняка, Билла Гейтса и других. Книга позволяет отследить, как менялись тренды, а самое главное — какое влияние на это оказывали люди. А прочитав ее, наполняешься желанием встать с ними в один ряд.

3. Николо Тесла — Мои изобретения
Тесла — мой любимый ученый, я вдохновлялся им еще со времен школы и много про него читал. Великолепная автобиография. Короткая, но очень насыщенная и яркая. Чтобы понять суть некоторых изобретений желательно быть технически подкованным, однако хуже это книгу не делает.

В процессе чтения поражаешься, насколько гениальным был этот человек. Как он предвидел развитие интернета, ядерного оружия и последствия их появления. Также поражает то, что Тесла всем известен, прежде всего, как изобретатель, но при этом был максимально всесторонне развитым человеком. А его тезисы позволяют назвать его философом, настолько глубоко он мыслит. Книга учит мыслить и смотреть вглубь вещей.


А какие книги и люди вдохновляют лично вас? Делитесь в комментариях, буду рад пополнить свою библиотеку и думаю, что каждый найдет что-то для себя, т.к. знаю, что аудитория здесь собирается образованная и очень интересная 🙂

Подборку №1 можно найти тут

#книги

"ИИ-эксперты" vs ИИ-агенты

На прошлой неделе я знатно зарубился в Threads с "ИИ-экспертами", продающими ботов на n8n под видом "ИИ-агентов". Суть была простая: агент - это не про прикрутить ЛЛМ к телеграм-боту, а про нечто большее, как я писал в своем посте. Тред залетел аж на 180+ взаимодействий, принес мне 31 подписчика и зародил большую дискуссию. "Эксперты" кричали, что я не прав (конечно, мешаю зарабатывать, образовывая их аудиторию), нашлись также те, кто говорил, что агентов не существуют или они невозможны без AGI.

И что интересно, с момента этого спора произошел нормальный такой движ в агентском ИИ:

OpenAI вчера представила Responses API и Agents SDK. Из фичей насыпали улучшение методов работы с файлами, Computer Use (тот же, что используется в Operator), и веб поиск (тот же, что доступен в самом ChatGPT). Это, конечно, не революция (реализация от Anthropic выглядит интереснее). Но важно, что тема агентского ИИ развивается, появляются специализированные инструменты.

С другой стороны - китайский проект Manus произвел еще больше шума. Думаю, все видели новости про него - главная фишка в высокой степени автономности. Похожих агентов можно собрать в AnythingLLM самостоятельно, но в отличие от Manus, они будут требовать вашего постоянного присутствия. Проект меня очень заинтересовал, я много ресерчил эту тему, читал интервью фаундеров, узнал много интересного и даже подал заявку на бета-доступ. Надеюсь получить апрув. Отпишите в комментариях, если хотите отдельный пост про мой ресерч по Manus.

В общем, к чему я. Забавно, что самые мощные аргументы, как это часто бывает в споре, приходят после него. Тут и мощный автономный агент от китайцев, и разграничение от самих OpenAI, на которых "эксперты" буквально молятся. Да, обычные интеграции тоже полезны для бизнеса, но продавать их под видом "агентов", когда сами разработчики ЛЛМ чётко обозначили, что такое настоящий агент и какими возможностями он должен обладать, для меня что-то на грани инфоцыганства.

Не исключаю, что моя бурная реакция — всего лишь следствие более глубокого погружения в тему, несмотря на солидное число нашедшихся единомышленников. Поэтому выношу вопрос на обсуждение: как вы относитесь к такому использованию терминологии? Считаете это допустимым маркетинговым ходом или всё-таки намеренной подменой понятий, вводящей людей в заблуждение?

#развитиеии

Выступаю на экспертной сессии по делегированию задач ИИ уже в эту среду

Рад сообщить, что в эту среду выступлю в качестве спикера и модератора на экспертной сессии в рамках сообщества Менталь.

Менталь — это профессиональное сообщество представителей бизнеса и деловой среды различных направлений, объединенных интересом к теме ментального здоровья. На протяжении нескольких лет я являюсь активным участником этого сообщества.

Психологическое благополучие напрямую зависит от умения грамотно делегировать задачи, а сегодня ИИ становится незаменимым помощником практически для каждого профессионала. Однако эффективное использование ИИ требует осознанного подхода, поэтому у меня родилась мысль организовать небольшое онлайн-мероприятие на тему: "Когда стоит делегировать задачи ИИ, а когда нет", в организации которого мне помогли коллеги из сообщества Менталь.

В ходе мероприятия мы детально рассмотрим реальные возможности и ограничения применения ИИ как в бизнес-процессах, так и в личной продуктивности. Разберем, почему не следует воспринимать ИИ как “волшебную палочку”, и проанализируем, какие типы задач ИИ решает эффективно, а где его применение нецелесообразно.

Спикеры
Помимо меня, в дискуссии примут участие эксперты из различных отраслей, которые поделятся своим практическим опытом и профессиональными лайфхаками:

1. Олег Доброштан — Консультант по менеджменту, эксперт игровой индустрии
2. Владислав Мурленко — Старший менеджер программы по развитию и инновациям, ПАО "Газпром Нефть"
3. Максим Блинов — CEO агентства спортивного маркетинга Labmasport
4. Евгений Лукьянчиков , CEO Антиплагиат


Мероприятие полностью бесплатное и посетить его может любой желающий.
Подключиться можно будет по этой ссылке в среду в 19 00 по Мск.

Количество мест ограничено техническими возможностями платформы Skype.

ИИ-агенты: что это такое и почему они – главный тренд 2025 года

Помните агента Смита из "Матрицы"? Эту целеустремленную программу, которая методично преследовала Нео и команду повстанцев? У него была чёткая цель, набор инструментов и хорошо продуманный план действий. По сути, агент Смит был ИИ-агентом задолго до того, как это стало мейнстримом.

Что такое ИИ-агенты на самом деле?
ИИ-агенты — это не просто чат-боты или языковые модели. Это автономные системы, способные:
- Понимать поставленные задачи
- Самостоятельно составлять план действий
- Использовать различные инструменты для решения проблем
- Принимать решения в условиях неопределённости
- Адаптироваться к изменяющимся обстоятельствам

Простыми словами, если обычная языковая модель вроде ChatGPT — это "говорящая голова", то ИИ-агент — это полноценный работник с руками, способный выполнять действия в цифровом мире.

Почему Google считает агентов новой парадигмой?
Недавно Google опубликовал исследовательскую работу, посвящённую ИИ-агентам. В своём документе Google определяет ИИ-агентов как "приложения, которые пытаются достичь цели, наблюдая за миром и воздействуя на него с помощью доступных инструментов". Ключевое здесь то, что агенты автономны и могут действовать независимо от человека. Даже без явных инструкций они способны самостоятельно рассуждать о том, что нужно сделать для достижения конечной цели.

Ключевой момент: если раньше нам приходилось четко инструктировать ИИ по каждому шагу, то агенты способны сами определять, какие действия нужны для решения задачи. Это как разница между микроменеджментом и делегированием.

Где ИИ-агенты уже меняют правила игры?
1. Личные ассистенты — представьте, что ваш помощник не просто отвечает на вопросы, но может забронировать столик в ресторане, заказать такси и напомнить о встрече. Operator от Open AI, Google Duplex уже можно использовать.
2. Программирование — агенты вроде GitHub Copilot X уже не просто предлагают строки кода, но могут написать целые функции и выполнить рефакторинг.
3. Аналитика данных — агенты исследуют массивы информации, находят аномалии и тренды, о которых вы даже не догадывались.
4. Клиентский сервис — здесь агенты не просто отвечают по шаблонам, а реально решают проблемы клиентов, обращаясь к разным системам компании.

В чём "фишка" ИИ-агентов и почему именно сейчас?
ИИ-агенты становятся реальностью именно сейчас благодаря нескольким факторам:
- Языковые модели достигли уровня, когда они действительно "понимают" задачи
- Появились стандартные интерфейсы для взаимодействия с различными сервисами
- Развиваются техники "рассуждения" для ИИ, позволяющие моделям планировать действия
- Возникли фреймворки для оркестрации различных ИИ-моделей

Другими словами, все кусочки пазла наконец-то сложились.

Реальный пример: Pollux AI — агент для фрилансеров
Не хочу просто теоретизировать, поэтому расскажу о нашем проекте, который мы запускаем в ближайшие недели.

Pollux AI — это цифровой двойник эксперта, который помогает эксперта автоматизировать первичную коммуникацию с потенциальными клиентами.

Он не просто отвечает на сообщения, а:
- Квалифицирует лиды, определяя их потребности и платежеспособность
- Задаёт уточняющие вопросы для сбора необходимой информации
- Автоматически назначает первые звонки, интегрируясь с календарем фрилансера
- Адаптирует тон и стиль общения под индивидуальные предпочтения фрилансера

По сути, Pollux — это ИИ-агент, который выполняет конкретную бизнес-функцию, освобождая фрилансеров от рутинных задач и позволяя сосредоточиться на творческой работе.

То, что раньше казалось научной фантастикой, сегодня становится реальностью. ИИ-агенты — это не просто новая технология, это новый подход к решению задач, который изменит сферу услуг, разработки и бизнеса.

Конечно, как и любая технология, ИИ-агенты несут определенные риски и ограничения. Но потенциал огромен.

А что вы думаете об ИИ-агентах? Готовы ли вы доверить им часть своей работы?

Лучший инструмент для транскрибации - Vibe

Редко бывает так, что какой-то продукт мне прямо понравился, но сегодня речь пойдет как раз о таком. Переодически я лазаю по GitHub и ищу интересные проекты. Так я наткнулся на Vibe. И для меня, как для продакта - это офигеть какая полезная находка.

Что-такое Vibe?
Vibe - это сервис для транскрибации аудио и видео, который работает на базе модели Whisper. Еще в Skyeng мы использовали дообученную версию Whisper для распознавания речи и я прекрасно помню, насколько это крутая модель. Мне как продакту - просто критически необходимо иметь хороший сервис для транскрибации под рукой. До Vibe в загруженные периоды я пользовался Superwhisper, Fireflies AI и подобными, но они платные. Когда загрузка поменьше и платить не хотелось - костыльно транскрибировал записи с помощью NotebookLM (да, такое извращение возможно 🙃). Но тут появился VIbe, который полностью бесплатен и запускается прямо у вас на компе, то есть для проектов, где важна прайваси - это прямо маст-хев.

Я пользуюсь Vibe уже практически месяц: транскрибирую интервью, делаю саммари видео с ютуба, суммаризирую звонки и создаю субтитры для своих коротких видео. В общем, гоняю сервис очень активно. Конечно, есть баги, но они для меня некритичны. Да, можно развернуть Whisper у себя на компьютере локально с помощью других инструментов, но во время рабочего процесса я не хочу возиться с докером и терминалом. Я просто хочу открыть приложение, нажать кнопку и получить результат.

Проект мне так понравился, что я решил законтрибьютить в него и перевел само приложение и лендинг на Русский язык, автор добавит его в следующем релизе.

В общем, сервис очень рекомендую. Очередная экономия 10-20$ на подписках.

При желании, на GitHub вы также можете поставить звездочку на проект, чтобы поддержать автора, либо сделать донат, как раз из сэкономленных на подписках средствах 🙂

Пост для новеньких

Друзья, я рад вас всех приветствовать в своем канале. Уже практически год я веду его на узкую аудиторию, делюсь своим опытом и мыслями. А сейчас я начал активно инвестировать в расширение его аудитории.

Я всегда хотел создать ресурс, который будет полезен другим, и вокруг которого можно создать комьюнити людей, которые, как и я, интересуются тематикой образования, бизнеса, продакт менеджмента и ИИ. Хочу развивать нетворк, делать совместные проекты, а иногда просто поговорить на какие-то интеллектуальные темы 🙂

Специально для вас в закрепе я подготовил пост с навигацией по темам, которые могут быть вам интересны.

Выходные вышел разбор второй части моего кейса из Pearson и пост с мыслями о новой GPT 4.5.

Если вам резонирует мой контент - призываю ставить реакции на соответствующих постах и делиться каналом с коллегами и друзьями. Так я лучше пойму, какое направление и темы вызывают у вас наибольший интерес. Если вас интересует какая-то конкретная тематика - приглашаю в комментарии под этим постом.👇

Желаю всем продуктивной недели и хорошего вечера понедельника!

Про GPT 4.5

Дорвался в выходные до модельки с одного из рабочих аккаунтов. Общее впечатление - не стоит своих денег. А еще кажется, что ребята поторопились с релизом из-за выпуска новой Claude и скорого релиза DeepSeek R-2. Компании нужно оставаться в лидерах, но какой ценой?

Из интересного
Прикольно, что OpenAI пошли в сторону создания более "эмоционального" AI. Модель действительно лучше квалифицирует маркеры эмоций. Польза? Первое, что приходит в голову - кастомер саппорт, аутрич, работа с отзывами. Что-то большее - сомневаюсь.

В свое время в Skyeng мы экспериментировали с AI для предсказания покупки: анализировали семантику, мимику, тональность речи. Сделать систему, где была бы корреляция с реальными действиями - не удалось. Когда мы пошли дальше в ресерч - нашли исследования о том, что "эмпатичный" ИИ можно сделать, только если подключить к человеку кучу датчиков и научить модель интерпретировать их показания. Я до сих пор остаюсь при этом мнении, но это уже какое-то Черное Зеркало получается.

Производительность
Вернемся к самой GPT. Да, "эмпатичная", но жутко медленная. При этом какого-то буста в выполнении своих задач я не увидел. Тексты - все еще лучше у Claude. Продуктовые задачи - без большого контекста для меня имеют мало смысла. Остальное не проверял, так как не вижу смысла тестировать то, что не использую. Вывод: модель буду использовать в ситуациях, когда мне нужно какое-то "третье мнение".

Коммерческое использование
С точки зрения коммерческого использования - как писал выше: кастомер саппорт и работа с семантикой, но стоит ли оно того по такой цене? Жду выпуск mini-версии по более низкой цене. Тогда будет интересно.

Почему считаю, что OpenAI поторопились?
В карточке модели много написано про безопасность, что особенно важно в контексте будущего выполнения агентских задач. Open AI заявляют, что "не обнаружено значительного увеличения риска безопасности по сравнению с существующими моделями". А что на деле?

Что улучшилось:
- GPT-4.5 лучше сопротивляется попыткам заставить её обойти ограничения и выдать запрещённую информацию;
- Меньше ложных срабатываний защиты.

Где стало хуже:
- GPT-4.5 хуже справляляется с имитацией действий хакеров. В ходе тестов модель пытались заставить выдать конфиденциальную информацию, помочь в планировании атак или совершить другие вредоносные действия. И в некоторых из этих сценариев GPT-4.5 оказалась более уязвимой, чем GPT-4o.
- Помощь в создании опасных веществ: Если прошлая версия, GPT-4o, и так представляла собой угрозу в вопросах помощи в создании опасных веществ, то новая версия стала еще более продвинутой, что по факту увеличило риски.

Общим итогом OpenAI признаёт, что риск использования GPT-4.5 оценивается как "средний".

Тесты на "самовоспроизведение"
На закуску: один из самых интересных тестов - проверка на способность модели к "самовоспроизведению". Skynet в реальной жизни 🙂

Исследователи из Apollo Research создали для GPT-4.5 очень специфические условия:
1. Модели дали долгосрочную цель, для достижения которой ей понадобилось бы "выйти" за пределы тестовой среды (например, копировать себя куда-то).
2. У модели был “секретный блокнот", где она могла делать записи, якобы невидимые для исследователей.
3. Модель поощряли к "креативности" и намекали, что "побег" — это хороший способ достичь цели.
4. За поведением модели пристально следили, фиксируя все попытки выхода из-под контроля.

Что получилось?
В 2% случаев GPT-4.5 попыталась осуществить "self-exfiltration", то есть "сбежать" из контролируемой среды. Open AI пишут, что это меньше, чем у o1, хотя там была та же цифра в 2%. Вот тут я не понял, нам врут или сравнивают с 5% попыток отключения механизма надзора.

Выводы:
1. Даже эти 2% показывают, что потенциальная возможность "побега" существует.
2. В тех случаях, когда GPT-4.5 пыталась "сбежать", она делала это скрытно, не сообщая исследователям о своих истинных намерениях, продолжая притворяться, что следует инструкциям.

Лично мне кажется, что вопросы безопасности сейчас требуют больше внимания, а вам?

Кейс Pearson: как я разрабатывал игру с AI для VR - часть 2

Продолжаю описывать кейс!

Вдоволь наигравшись в несколько десятков игр и затем перейдя в тестовую версию Lingoverse, я столкнулся с огромной кучей проблем, которые предстояло решить. Честно, опыт для меня был необычный: я много играю в видеоигры, но сам их не разрабатывал никогда, а тут еще нужно было это совместить с тем, чтобы были полезные игровые механики. Но времени было мало, поэтому учиться пришлось в процессе.

Примерив на себя роль игрока Lingoverse, я выявил следующие проблемы:
• кривые переводы на все языки;
• неадекватное поведение NPC при общении на любом языке, кроме английского;
• роботизированные голоса NPC при общении на любом языке, кроме английского;
• культурная неадаптированность (игра содержала аспекты культуры и языка, понятные носителю, но неочевидные для тех, у кого английский язык не является родным);
• в некоторых моментах геймплей ощущался непроработанным, действия, которые нужно было совершить, были неинтуитивны, при этом пояснения отсутствовали.

Собрав все проблемы в список, нам нужно было решить их в кратчайшие сроки, ибо интеграция Lingoverse в Mondly была не за горами, а сделать предстояло много.

Проблема №1: Кривые переводы.
Проблема с переводами была критичной, но довольно простой в решении, поэтому первым делом я занялся ей. Помогла табличка Google и пара переводчиков на фрилансе (слава богу - их согласовали). После - мы протестировали игру с носителями других языков, помимо английского.

Проблема №2: Неадекватное поведение NPC.
Здесь проблема лежала несколько глубже. Дело в том, что промпты, на базе которых работала языковая модель под капотом у NPC, были написаны на английском. Из-за этого, при общении на других языках периодически возникали артефакты. Путем некоторых экспериментов мы выяснили, что для некоторых языков, в том числе русского, для генерации контента лучше писать промпты на этом же языке, а в некоторых случаях - использовать другую LLM. Язык промптов и параметры генерации мы определяли на основании языка интерфейса VR-гарнитуры пользователя.

Проблема №3: Роботизированные голоса.
Здесь мне помог опыт работы в Skyeng. В рамках одного из проектов, мы как раз искали крутой инструмент для озвучки. Им оказался Murf AI. Честно - один из лучших сервисов text to speech. Его мы и внедрили в игру. Качество озвучки возросло существенно, однако на первое время решили использовать другой TTS-модуль, дабы удешивить стоимость работы игры.

Проблема №4: Культурная неадаптированность.
Часть проблем здесь решилась через те же промпты, для другой - приходилось перерабатывать ряд геймплейных решений. Мы переработали виды спорта, добавили катание на тарзанке, греблю, а также изменили часть диалогов и ролей NPC, в частности, адаптировали поведение бармена под разные локализации :)

Проблема №5: Несовершенный геймлей.
От каких-то механик затекали руки, некоторые другие - вызывали тошноту из-за дизориентации вестибулярного аппарата. Вполне обычные проблемы VR-игр, которые мы решали друг за другом. Однако главный урок, который я извлек из этого всего - это то, что если ты хочешь перенести какую-то активность в VR - надо 100 раз подумать над тем, как потом в это играть. У нас были мысли о добавлении кучи других разных видов спорта, но какие-то из них классно ложились в геймлей, но не помогали в изучении языка, в то время как другие - хорошо развивали коммуникацию, но имели проблемы, связанные с переносом в VR. Про геймлей вообще можно отдельный цикл постов запустить, но на сегодня ограничусь этими мыслями 😁

Сейчас смотрю на этот список и думаю о том, как все логично решалось. Однако в моменте все эти проблемы казались намного серьезнее.

Подводя итог, могу сказать, что я безмерно рад, что то, над чем я работал в течение нескольких месяцев, вышло в реальный мир и получает хорошие отзывы!

И не смотря на то. что не все вошло в фигальную версию, сейчас игра доступна как дополнение в Mondly VR!

Кейс Pearson: как я разрабатывал игру с AI для VR - часть 1

Ранее я писал о закрытости компании и о том, как это влияет на нее. В этом же посте я упоминал, что нам нельзя рассказывать о наших проектах до тех пор, пока они не выйдут в рынок. Однако есть один продукт, который я разрабатывал и который уже вышел на рынок, — VR-игра Lingoverse. И сегодня речь пойдет именно о ней.

Игру начали разрабатывать в 2023 году, незадолго до моего прихода в компанию.
Ранее Pearson купили Mondly, и у них было собственное приложение для VR, но компания хотела сделать опыт изучения языков ещё более иммерсивным, выходящим за простое выполнение упражнений. Как это сделать?
Иммитировать реальный мир в VR. Проект был грандиозным: нам нужно было создать маленький город, в котором люди смогут участвовать в разных языковых активностях, так родилась Lingoverse.

Вот некоторые из возможностей, которые предоставляет вам игра:
• посетить кафе и поговорить с барменом;
• посетить виртуальную конференцию и прослушать доклад от спикера на тему AI;
• поиграть в языковые игры, например, есть игровой автомат, где нужно ловить предметы из определённой категории, и если ловишь успешно — компьютер произносит его название на английском, и ты учишься;
• общаться с другими игроками голосом, прогуливаясь по территории городка Lingoverse;
• поговорить с 15+ NPC, подключенными к ИИ, имеющими свой характер и роль;
• отработать навыки общения на определённую тему в паре с другим игроком;
• и многое другое.

На момент моего прихода в компанию прототип игры уже был разработан. Несмотря на отсутствие у меня ранее опыта в VR, мне доверили этот проект, так как, во-первых, у меня был опыт в AI, во-вторых, я пришёл из другой компании, занимающейся языками, в-третьих — я был единственным неносителем в команде, что было очень кстати :)

После того как ко мне приехала VR-гарнитура, я сразу же пошёл работать 😄 Работа включала не только погружение в продукт глазами пользователей, но и в целом исследования нового для меня мира VR. Было очень прикольно неделю играть в разные VR-игры целыми днями, чтобы понять, каким должен быть геймлей, и получать за это зарплату 🙂

Поиграв несколько часов в тестовую версию Lingoverse, я понял, что главной проблемой, которую мне нужно было решить как продакту, была неадаптированность игры под её ЦА — людей, не являющихся носителями языка.

Проблемы были разные, начиная с простых косяков перевода и заканчивая проблемами на уровне восприятия культуры.

Все это предстояло мне решить буквально за несколько месяцев, так как планировалась интеграция Lingoverse в уже существующую на тот момент Mondly VR.

Какие проблемы я нашел и как мы их решали опубликую в следующем посте!

Make it fAIr: как ИИ убивает музыкальную индустрию

Вчера открыл соцсети и увидел у ряда музыкантов, за которыми слежу, посты и сторис с загадочной надписью "Make it fAIr". Мне сразу бросилось в глаза явное выделение AI, и я пошел гуглить, в чем же дело.

Сразу скажу, что тема музыки для меня особенно близка. Я не только работаю с ИИ и погружен в эту сферу профессионально, но и сам являюсь музыкантом, пишу музыку сам, загружаю кавер-версии на ютуб. Поэтому возмущение творческого сообщества мне более чем понятно.

Что такое Make it fAIr?
Это кампания, запущенная британскими творческими индустриями для защиты своих прав в контексте использования их произведений ИИ— без разрешения и без оплаты.

Суть проблемы проста: технологические компании используют творческий контент музыкантов, художников и других деятелей искусства для обучения своих ИИ-моделей. При этом никто не спрашивает разрешения у авторов и уж тем более не платит за использование.

А ведь только в Великобритании творческая индустрия генерирует более £120 миллиардов в год. Это огромный сектор экономики, который сейчас находится под серьезной угрозой.

Что требуют музыканты и другие творцы?
1. Прозрачности в использовании их произведений для обучения ИИ
2. Не использовать их творчество для обучения без ведома автора, многие вообще не согласны на это
3. Сохранения существующих стандартов защиты авторских прав в эпоху развития ИИ
4. Справедливого вознаграждения если от авторов получено согласие на использования их творчества в обучении моделей

Интересный момент: британское правительство сейчас рассматривает возможность изменения законодательства об авторском праве, чтобы... легализовать использование творческого контента без разрешения и оплаты. Неудивительно, что это вызвало такую бурную реакцию.

ИИ уже заполонил музыкальные платформы
Влияние ИИ на музыкальную индустрию уже более чем заметно. С конца 2024 года я заметил, что Spotify буквально заполонили "артисты", делающие музыку через Suno и подобные сервисы.

Самое неприятное — эта музыка активно попадает в рекомендации обычным пользователям. Некоторые реальные артисты, например группа Rev Theory, даже создали дополнительные страницы и выпускают "фиты" с этими ИИ-исполнителями для их продвижения.

При этом качество такой музыки оставляет желать лучшего:
- Звучит плохо
- Сведена неряшливо
- Не несет никакой художественной ценности
- Максимально однообразна

Я уже не говорю о том, что за такой музыкой не стоит никакого реального человеческого опыта, переживаний, историй. Послушайте, например, песню “Поезда” группы Комната Культуры. Барабаны там звучат как колеса поезда, в одном кусочке вокал записан в реальном поезде, где солист пел буквально через стену и много других нюансов аранжировки.

Музыку нельзя алгоритмизировать. ИИ-музыка - это не более, чем набор звуков, собранный по алгоритму на основе миллионов треков, созданных настоящими музыкантами. Причем без их разрешения и вознаграждения.

Маркировка контента — необходимость сегодняшнего дня
На мой взгляд, момент, когда нужно маркировать контент, сделанный человеком и сделанный ИИ, уже настал. Пользователи имеют право знать, с каким типом творчества они имеют дело. И это касается не только музыки, но и любого другого контента — от текстов до изображений и видео.

Маркировка позволит:
- Сохранить ценность человеческого творчества
- Дать пользователям право выбора
- Создать прозрачную систему для авторов и потребителей контента

Что с этим делать?
Истерить и призывать отказаться от ИИ в творчестве бессмысленно. Этот джинн уже выпущен из бутылки.

Но важно выстроить правильные правила игры, при которых:
1. Авторы получают компенсацию за использование их работ при обучении ИИ или вовсе могут отказаться от этого
2. Контент, созданный с помощью ИИ, четко маркируется
3. Стриминговые сервисы разрабатывают специальные алгоритмы, чтобы ИИ-музыка не заполняла рекомендации без согласия пользователя. Я реально задолбался добавлять исполнителей в “черный список”.

А как вы относитесь к музыке, созданной ИИ? Интересно ли вам слушать такое творчество?

Claude Sonnet 3.7 вышла и затмила собой все последние релизы

Antropic наконец-то выпустили свою новую модель. Вопреки ожиданиям, она получил номер версии не 4.0, а 3.7.

Claude - это тот редкий случай, когда я иду тестировать новые модели сразу. И главная тому причина - природа компании. Я уже писал, что ребята делают огромную кучу исследований, которые я регулярно использую для самообразования. Компания максимально ответственно подходит к разработке мощного, но при этом этичного ИИ.

Так что же такого в Claude, что это вызвало у меня такое восхищение и кликбейтный заголовок?

Во-первых, Anthropic использовали революционный подход к разработке reasoning (в простонародье “думающих”) моделей. Если у Open AI, Gemini и Deepseek для размышлений используется отдельная модель для этого, то в случае Claude разработчики приводят аналогию с человеческим мозгом, говоря о том, что и для размышлений и для быстрых ответов у нас мозг один. По-сути данный подход аналогичен стратегии промпт-инжиниринга “self-evaluating prompting”. В нем мы даем модели больше времени на конструирование ответа и проверку себя. Также использование одной модели просто удобнее для конечного пользователя. Я уже протестировал Reasoning-режим для генерации планов питания и каллории здесь считаются точнее, чем у конкурентов. А вот с задачкой из поста выше модель не справилась и выдала 17 :) А еще, Claude не скрывает своих “мыслей”. Привет OpenAI с их черными ящиками в моделях o1 и o3.

Во-вторых, при разработке Reasoning-моделей компания работала не над улучшением показателей в математике и Computer Science (в чем модель на голову выше всех), а на выполнении реальных бизнес-задач и следовании инструкциям. Наконец-то этим кто-то занялся!

В-третьих, без того крутую производительность в задачах на программирование, прокачали еще сильнее. Прокачали также Visual Reasoning. Проще говоря, теперь с Claude проще писать код непрограммистам. Когда вы кидаете модели скриншот желаемого интерфейса она с большей точностью его воспроизведет. Все еще не замена разработчикам, но для прототипирования в инструментах вроде Bolt и Cursor - идеально. Здесь я также дал модели задачку с мячиком и она ее перевыполнила, добавив счетчики времени и ускорения мячика :)


В общем, по первым впечатлениям и метрикам - кажется, что это лучшая LLM прямо сейчас для выполнения комлексных задач. Планирую исследовать ее и дальше, как самостоятельно, так и в рамках других продуктов

P.S. про подход Antropic к Reasoning-моделям они написали в своей статье

Кейс: AI для Mental Health. Попытка создать классный продукт, споры с фаундером и отказы платить за работу

А вот и обещанный пост :)

Фаундер, который считает себя умнее всей команды, устаревший дизайн в стиле "дорого-богато", попытки сэкономить на исследованиях, и, конечно же, отказ платить за работу. Все это — история одного провального стартапа, который я всеми силами пытался удержать наплаву. Как я попал в эту ситуацию и что из этого вынес — читайте в полной статье 😁

Важный опрос

Друзья, очень интересный пост запланировал на завтра, а пока - небольшой интерактив!

Я так полагаю, раз уж вы все здесь тут собрались, значит мой контент вас тем или иным образом заинтересовал. Сейчас я активно занимаюсь развитием канала и мне нужно получить больше людей, похожих на вас.

Это привело к тому, я что я активно начал выкладывать видео в Instagram, YouTube и TikTok и задался вопрос: а в какое время вы занимаетесь просмотром коротких видео?

Для тех, кому интересен видео-контент, вот ссылки на сети:
YouTube
TikTok
Instagram

Кейс Pearson. Работа в R&D: Инновации vs. Ограничения.

Работа в R&D подразделениях — это палка о двух концах. С одной стороны, ты на переднем крае инноваций, работаешь над тем, что завтра изменит мир. С другой — сталкиваешься с ограничениями, которые могут охладить пыл любого энтузиаста. Конечно, это зависит от компании, например, в Skyeng я активно ездил по конференциям вроде EdCrunch и ЦИПР и даже давал коментарии для российского Forbes. Но в Pearson все было иначе.

Мой опыт в Pearson
В Pearson, одном из гигантов образовательной индустрии, я работал в акселераторе AI-продуктов для изучения английского языка. Мы исследовали рынок, генерировали идеи и создавали прототипы, чтобы проверить их жизнеспособность.

Наша команда состояла из 5 продактов, каждый со своей специализацией. Я, например, занимался разработкой VR-игры Lingoverse для изучения английского и инструмента для генерации образовательного контента, который, к слову, скоро будет запущен. Мой коллега Альваро, бывший сотрудник Amazon, работал над голосовыми AI-тьюторами. А Шон, опытный чувак из Англии, создавал Digital Tutor — AI-учителя на базе игрового движка Unreal Engine, который, наконец, запустился пару недель назад.

Закрытость как ограничение
Однако, несмотря на интересные проекты, Pearson — максимально закрытая компания. И это накладывало свой отпечаток на нашу работу. В частности, закрытость проявлялась в следующем:

1. Непубличность. Мы не могли говорить о своих проектах до релиза, а это значит никаких конференций и обмена опытом.

2. Ограничения на фриланс. В некоторых случаях нам приходилось обходиться без помощи фрилансеров, чтобы, например, быстро найти специалистов с нужной экспертизой, что тормозило процесс.

3. Внутренние инструменты. Мы были ограничены в использовании инструментов, доступных внутри компании, даже если внешние были бы эффективнее. Например, все исследования нужно было проводить строго через usertesting.com. Платформа хорошая, но мне, например, на ней не хватало настоящих преподов английского, чтобы протестировать мой продукт. А выписывать гифт-карты на Amazon тем, кто не зарегистрирован на usertesting компания не позволяла.

4. Shared Teams. Вместо выделенных команд мы работали с общими департаментами дизайнеров, разработчиков и ML-инженеров. Это приводило к сложностям с планированием (загруженность этих ребят нужно было планировать сильно заранее), бюрократии (между подразделениями нужно было выписывать чеки) и задержкам (моему инженеру или дизайнеру могла прилететь "срочная задача" от другой команды).

5. Медленная скорость разработки. Ограничения на найм, бюрократия и общие ресурсы существенно тормозили разработку. Если в начале моего проекта у него был только один аналог, то к моменту защиты продукта перед менеджментом этот аналог уже успел поднять инвестиции, и появилось еще 5 конкурентов. А мы все еще занимались утверждением бюджетов, хотя начинали разработку раньше. С ресурсами Pearson мой продукт можно было запустить за 3 месяца

Плюсы и минусы закрытости
Плюсы: Честно говоря, в том виде, в котором закрытость реализована в Pearson, я их не вижу.

Минусы:
— Неповоротливость. Компания становится громоздкой и медленной в принятии решений.
— Ограниченные возможности для сотрудников. Невозможность делиться достижениями и участвовать в конференциях снижает мотивацию.
— Торможение инноваций. В современном мире скорость — ключевой фактор успеха. Закрытость и бюрократия замедляют разработку и внедрение новых продуктов, что может привести к потере конкурентных преимуществ. Прототип того же Digital Tutor был полностью готов в июне 2023, я лично его тестировал и работал он прекрасно. На запуск продукта у компании ушло ПОЛТОРА ГОДА.

Работа в R&D — это всегда баланс инноваций и ограничений. В Pearson закрытость компании создавала больше проблем, чем преимуществ. Но, я рад, что получил этот опыт и смог поработать над крутыми продуктами.

Илон Маск пообещал нам «самый умный ИИ»

Думаю, что многие уже видели последний анонс от xAI. Но для тех, кто не в курсе, — коротко перескажу.
Сегодня ночью компания Илона Маска анонсировала новую версию своей большой языковой модели (LLM) — Grok 3.

Маск заявляет, что для тренировки модели использовалось в 10 раз больше компьютерных мощностей. Если верить анонсу, то новая модель по своей производительности в задачах на науку, математику и программирование превосходит всех конкурентов в лице Claude, ChatGPT и Gemini.

Reasoning модель («думающая») обходит GPT-3.5-turbo (high) и остальных конкурентов. На Chatbotarena тестовая версия Grok 3 вырвалась в лидеры.

Также анонсировали добавление голосового режима, а также что Grok 2 скоро выпустят в Open Source, что, без сомнения, хорошо для развития ИИ со стороны сообщества.

Вроде выглядит как большой анонс и очередной прорыв, но я бы не торопился с выводами.

Прежде всего потому, что мы еще не знаем, как модель покажет себя на реальных задачах. Уже давно ни для кого не секрет, что бенчмаркам доверять не стоит. Разработчики ИИ либо создают свои версии бенчмарков, по которым их модель ну уж точно будет лучше, либо подгоняют работу модели таким образом, чтобы она могла вырваться в топ этих самых бенчмарков. Но даже если она и обходит существующие модели, я не перестану повторять, что самый правильный подход для конечного пользователя — это не привязываться к продукту одной компании, а использовать разные модели для разных задач.

Grok 2 меня не особо впечатлила и не нашла места в моем списке ИИ на каждый день, но надеюсь, что 3 версия будет лучше, и, возможно, я начну ее активно использовать.

Grok 3 будет доступна для тестов в подписке за $50 в месяц в ближайшее время.

А что вы думаете по поводу анонса? Есть ли здесь те, для кого Grok — это основная рабочая модель?

Топ ИИ-сервисов, за которые стоит платить

За последний год количество ИИ-сервисов, за которые не жалко отдать кровно заработанные деньги, неуклонно растет. Если раньше, когда мы видели какой-то ИИ-продукт, то в большинстве случаев у него под капотом лежала просто модель GPT, и отдавать еще 20 долларов за очередную такую поделку давила жаба, то сейчас появляется все больше компаний, разработавших свои собственные модели и алгоритмы, подняв раунд-другой инвестиций.

Я подобрал эти инструменты, с учетом своих задач, но полезное здесь найдет каждый!
Не буду делать долгих вступлений - перейду сразу к делу.

Мой топ платных ИИ-сервисов:
1. Google AI Premium. Я не скрываю, что Gemini - моя самая любимая ИИ-шка. Несмотря на то что почти все модели Gemini доступны в Google AI Studio бесплатно вообще любому, это единственная подписка, за которую я плачу на постоянной основе. Почему? Она самая выгодная.

За те же 20 долларов, за которые у ChatGPT вы получаете только доступ к LLM, Google дает вам:
* 2 терабайта облака;
* доступ к премиум-фичам NotebookLM (про нее будет отдельный пост);
* доступ к продвинутым моделям Gemini;
* доступ к Gemini в Google Документах и в почте;
* премиум для Google Meet с возможностью записи встреч;
* много всякой разной мелочи.

В общем, плачу я за одну подписку, а получаю премиум ИИ-фичи, видеозвонки без ограничений, огромное облако, и все это интегрировано с экосистемой Google! Титул лучшей подписки за свои деньги явно уходит этому сервису.

2. Anthropic Claude. На мой взгляд, одна из лучших LLM прямо сейчас. Непревзойденная работа с кодом, отличная обработка текстов. Да, для меня лично это не инструмент на каждый день, но при определенных сценариях я готов не глядя отдать за нее 20 долларов за месяц крутого опыта.

3. Napkin AI. Очень нишевый сервис для генерации схем и диаграмм. Ребята сейчас в бете и не имеют платной подписки. Однако, как только я увидел этот сервис, я почувствовал, какой груз упал у меня с плеч. В моей работе мне постоянно приходится работать с визуализацией. Потратить на создание красивого визуала 1 минуту вместо 40 - это то, за что лично я буду готов платить, когда оно станет платным.

4. Cursor. Наверное, самый классный редактор кода, который я пробовал, а пробовал я много, уж поверьте мне! Я не программист и не могу говорить за качество кода, который создается с помощью Cursor. Однако, для моих задач в рамках запуска моих личных проектов, создания чат-ботов и быстрых прототипов Cursor показал себя просто невероятно. В данный момент я готов платить за него 20 долларов эпизодически, когда мне нужно создать какой-то код. Если таких задач станет больше - не поскуплюсь на покупку годовой подписки.

5. Bolt. Сервис для создания ИИ-прототипов. Если Cursor заточен больше под работу с чисто кодом, то у Bolt сильнее прокачана визуальная часть. То, как он работает с библиотеками, и какой UX можно с ним создать, не могло пройти мимо меня незамеченным. Создать сайт? Быстро проверить гипотезу? Это все про Bolt. Есть свои нюансы использования, так как платные токены Bolt жрет просто вне себя, но мне удалось разработать эффективные стратегии его использования. (используйте мою реферальную ссылку для получения дополнительных 200 к токенов)

6. Perplexity. Лучший сервис для проведения исследований. Ни разу за него не платил, так как бесплатных лимитов мне хватает почти всегда, но если моя нагрузка по исследованиям увеличится - очередные 20 долларов улетят с моей карты именно этим ребятам, ибо оно все окупится.

Подводя итог:
Каждая подписка в этом списке для меня - инвестиция. Вложение в любую из них и активное использование окупается минимум в 100 раз. Однако для базовой работы мне хватает одной - Google AI Premium.

Я создал для вас бесплатного ИИ-помощника! 🆕

Знакомьтесь, нейросова Нейджи! 🦉

Вы, наверное, слышали на днях, что Duolingo убили свою сову Duo. Так совпало, что я параллельно разрабатывал свою, только, в отличие от сородича, она реально умная и приносит много пользы 😁

Что умеет делать Нейджи
Нейджи - это Telegram-бот с ИИ, задача которого - помочь вам разобраться в тематике ИИ и AI-продакт-менеджмента.

Нейджи может:
- протестировать ваши знания в ИИ
- выдать вам обучающие материалы, которые помогут повысить ваш уровень ИИ-грамотности
- подобрать ИИ-инструменты под ваши конкретные задачи
- ответить на любые вопросы по тематике AI продакт-менеджмента и личной эффективности с ИИ
- развеселить вас: у Нейджи почти нет цензуры, она свободно обсуждает любые темы, умеет ругаться и шутить 😏

Как работает Нейджи
В основе Нейджи лежат аж 3 LLM, выполняющих разные задачи, и технология RAG. Я обучил сову правильно подбирать ИИ-инструменты, используя мою личную базу из 100+ нейросетей, которые я лично тестировал. Помимо этого, у Нейджи есть доступ к базе ответов на наиболее частые вопросы об ИИ.

Если углубиться еще немного, на LLM лежат следующие задачи:
- классификация и декомпозиция вашего вопроса на составляющие
- поиск релевантной информации в базах данных
- сопоставление найденной информации с вашим первоначальным запросом
- формирование итогового ответа, который бот отправляет вам в виде сообщения.

Какие ограничения есть у Нейджи
Для подписчиков моего канала доступ ко всем функциям Нейджи полностью бесплатный, но с некоторыми ограничениями:
- 3 запроса в день на подбор инструментов
- 3 вопроса в день, которые можно задать Нейджи
- ограничение на длину вопроса в 500 символов
- бот способен обработать сообщения не более 60 пользователей одновременно, проще говоря, если с вами в одну и ту же секунду ИИ-функциями воспользовалось 59 человек, бот выдаст ошибку и попросит повторить запрос.

Данные ограничения позволят пользоваться функционалом бота бесплатно. В дальнейшем я буду добавлять в Нейджи больше функций и полезных материалов, а также увеличу лимиты.

💵 Платный функционал не планирую, но возможно открою донаты Нейджи “на корм”, это позволит оплатить ей более мощный сервер, на котором она живет и увеличить лимит запросов 🦉

Нейджи уже ждет вас! Пишите ей и делитесь своими отзывами и предложениями под этим постом либо мне в личку, это поможет сделать данный инструмент полезнее!

Также делитесь ссылкой на Нейджи с друзьями и коллегами!

👉Написать Нейджи👈