В прошлый раз я рассказывал про акселератор OROBORO. Сегодня покажу, как цифровой след всех коммуникаций превратил хаос в управляемую систему.

Систематизация акселератора начинается с "вешалки" системы бронирования, привязанной к ВКС

Не стал усложнять, взял появившийся год назад Zoom scheduler (нативно интегрирован в Зум, стоит копейки, централизованно управляется с аккаунта администратора). Он позволяет управлять бронированием встреч с единым расписанием слотов динамически распределяя свободные зум лицензии (например, лицензий 4, значит слот на 13:00 можно забронировать 4 раза, и только потом он исчезнет из расписания).

Что такое цифровой след

За 6 недель программы — 70+ часов встреч. Чтобы их корректно оцифровать, мы настроили для Synopsis кастомный шаблон саммаризации менторской сессии и создали внутренний телеграм-канал, куда это всё собирается. Каждый разговор с участниками, трекерами и экспертами оставлял цифровой отпечаток:

▪️ Запись видео в защищенном хранилище
▪️ Полный транскрипт каждой встречи
▪️ Структурированное саммари с ключевыми договоренностями

Практическая ценность цифрового следа

Представьте: стартап через месяц спрашивает "что конкретно говорил эксперт про наш маркетинг?" Вместо "не помню, где-то записывали" — точная цитата находится в два клика.

Или еще пример: нужно проанализировать, какие проблемы чаще всего поднимали участники. Раньше это были воспоминания и разрозненные записи; теперь — полный и объективный анализ по всем встречам.

Результаты оцифровки

▪️ 150+ сэкономленных часов команды на фиксации и поиске информации
▪️ 100% договоренностей зафиксированы и легко извлекаются

Но главное — каждый разговор стал частью базы знаний акселератора, а на основе цифрового собрал дашборд программы: выгружаем все саммари встреч и чаты (несколько мегабайт текста переписок), и получаем детальную аналитику в разрезе участников / менторов / организаторов и по всей программе целиком.

Цифровой след коммуникаций — не новое понятие. Стенографистки сто лет назад именно его и создавали :)) Просто это было дорого, сложно и медленно.

#цифровойслед #Synopsis #inside2T
➖➖➖➖➖

Сейчас всё изменилось. То, что раньше стоило миллионы и требовало целой профессии или сложных технических средств, теперь доступно любой компании и настраивается за пару дней

Почему ИИ вызывает сопротивление? Гипотеза #1

Привет! На связи @dariathefire

Мы в 2T делаем ИИ-продукты, предлагаем их бизнесу и естественно получаем много отказов. Сталкиваемся с непониманием и сопротивлением — поэтому я много исследую причины, думаю о них и ищу ответы, в том числе в себе. Сегодня хочу поговорить про первую гипотезу, и начну издалека.

Я всегда думала, что отлично ставлю задачи. Ну серьезно — по SMART, с дедлайнами и измеримыми результатами. Считала себя образцовым руководителем в этом плане и даже получала хорошую обратную связь от коллег. А уж трекинг-то меня вообще огого как прокачал, дааааа 💪🏻

А потом пришел AI и жестоко развенчал эту иллюзию.

Помню свои самые первые запросы к ChatGPT в духе "сделай анализ конкурентов в такой-то нише". Получала в ответ... ну, какую-то общую муть ни о чем. Через несколько подходов стало ясно, что проблема не в AI, а в моих формулировках.

Оказалось, моя "конкретность" была иллюзией. 10-15 лет назад я говорила, например, дизайнеру: "Подготовь презентацию для такого-то клиента по такому-то проекту к четвергу". Формально — есть задача, есть дедлайн. SMART же, ну!

А на самом деле — сплошные дыры и по цели, и по смыслу, и по формату. И дальше — претензии "ты не объяснила" vs "а ты че не уточнил", просаженные дедлайны и негатив в команде, а если дизайнер новичок — то еще и кровь из глаз от качества презентации.

И если опытные профессионалы могли как-то догадаться, что я имею в виду, то AI беспощадно показал: Даш, вот такие вот твои "задачи" — полная хрень.

С AI пришлось учиться по-настоящему. Каждый запрос — как экзамен: не указала контекст — получи бессмыслицу, забыла про формат — получи сферического коня в вакууме, развела длинное обсуждение — упрись в деградацию ответов и лимит токенов. Поначалу бесило. Но постепенно привыкла расписывать все детально: цель, аудиторию, формат, ограничения, источники данных. Стала относиться к этому как к игре — кто кого переиграет, я или машина :))

И случилось неожиданное. Привыкнув к таким четким запросам для AI, я перенесла это в общение с людьми: обогащение контекста, подробное описание желаемого результата, явное указание на обязательные источники данных. И теперь задачи выполняются как надо и с первого раза не в 2-3, а в 7 случаях из 10.

И несмотря на то, что я как будто стала больше похожа на робота — внезапно атмосфера общения стала заметно теплее 🔅

Если кратко: с помощью ИИ я научилась так формулировать задачи, чтобы и людям тоже было проще и комфортнее их выполнять; но это обучение было местами болезненным и потребовало времени и сил.

Так вот, первая гипотеза причин сопротивления ИИзации: многие люди предпочитают ехать на старых лыжах — человек человеку сам догадается, а с ИИшкой разбираться сложно и некогда.

И тут парадокс: мы, человеки, не умеем / не хотим учиться "готовить" LLM-инструменты, которые могут решить многие проблемы с коммуникацией, из-за... проблем с коммуникацией 🤷🏼‍♀️

А как эту багу фиксить, мы еще только тестируем))

Почему ИИ вызывает сопротивление? Гипотеза #2

Привет! Снова @dariathefire на связи — продолжаю исследовать, почему бизнес сопротивляется ИИ, несмотря на очевидные плюсы.

Задолго до ИИ я занималась оптимизацией рутинных процессов: я ленивая жопа, так что мне всегда импонировала идея "лучше день потерять, потом за 5 минут долететь" — и долетать регулярно. А сейчас появились более совершенные инструменты для этого))

И смотрите, что происходит до сих пор: когда мне нужно сделать, например, разовую презентацию, я частенько делаю ее по-старинке — сама создаю структуру, пишу тексты, оформляю. Потому что правильно запромтировать конкретную задачу может занять больше времени, чем просто сделать руками. Разумно же, логично.

И вот тут самое интересное. Даже с повторяющимися задачами я ловлю себя на том же.

Допустим, мне нужно каждую неделю готовить отчет по проектам. Без ИИ это 4 часа работы. Чтобы настроить нормальный процесс с автоматизацией — дня три. И если сейчас у меня горят дедлайны (а когда они не горят?), я потрачу 4 часа сегодня, потом снова 4 часа через неделю, и снова...
И каждый раз у меня не будет тех самых 3 дней на оптимизацию. Замкнутый круг: "Некогда автоматизировать, работать надо!" 🤦🏼‍♀️

Давайте посчитаем конкретно. Еженедельный отчет:

▪️ По-старому: 4 часа × 50 недель = 200 часов в год
▪️ Настройка ИИ-процесса: 24 часа единоразово + 30 минут на отчет × 50 недель = 49 часов в год
▪️ Экономия: 151 час = это же почти месяц рабочего времени!

При средней зарплате аналитика 150К в месяц это ~150К чистой экономии в год. С одной задачи!

Но люди предпочитают каждую неделю тратить 4 часа вместо того, чтобы один раз инвестировать 2-3 дня. Это вопрос двух вещей: неумения считать время как ресурс и банального недоверия к ИИ.

Многие просто не верят, что машина справится с их "уникальными" задачами лучше них. И знаете что? Я это очень понимаю 😅

👋 Кто такие 2T, кому и для чего мы полезны

Привет! Вижу, что канал растет, и многие из вас только знакомятся с нами. Давайте расскажу, кто мы и с чем к нам можно прийти.

2T — это стартап-студия, где мы делаем B2B AI-продукты. Не просто "внедряем искусственный интеллект", а решаем конкретные задачи бизнеса. Даже проводя стратсессии мы не бороздим просторы а сразу ищем лучшие точки приложения усилий. Что мы любим и умеем делать:

🎯 AI-трансформация компаний — помогаем перестать гуглить за 20 долларов в месяц и повысить эффективность 5%—x50. Показываем, как AI может работать на вас прямо сейчас, а не когда-нибудь в светлом будущем.

🧠 Консалтинг по ИИ-трансформации — проводим стратсессии для топ-менеджмента и помогаем строить внутренние лаборатории с AI-first подходом. Чтобы вы по-настоящему получили эффект от ИИ, а не просто отчитались перед стейкхолдерами.

🤝 Партнерства и коллаборации — у нас куча внутренних проектов, которыми можно заниматься вместе. Плюс мы сейчас активно развиваем партнерскую сеть по продуктам, которых у нас в портфеле уже >10 — включая флагманский Synopsis для корпораций.

⚡️ Акселерация проектов — тестируем супергипотезы, включая эксперименты с gig-экономикой и даже экономикой дарения (да, это не опечатка).

Мы с помощью ИИ делаем такие ИИ-решения, которые приносят выгоду сразу после внедрения. Не через полгода планирования, а буквально с первых дней использования. Сначала находим реальную проблему с измеримыми потерями, потом делаем прототип за 2-3 недели, потом превращаем в продукт.

А если мы видим, что задачу пока неэффективно решать с ИИ — то мы сразу так и скажем.

Короче. Если вы хотите не только поговорить про AI, но и начать им пользоваться с измеримой пользой — вы как раз в подходящем канале 🔥

P.S. Повешу пост в закреп, чтобы обновлять ключевые моменты. Хотите что-то обсудить? Велкам в личку 📧

🧠 Будущее российского AI — за локальными решениями

Сегодня — больше про стратегию. И для начала таблетка для памяти: Amazon и Google Cloud ограничили доступ еще в 2022, Microsoft прекратил работу с российскими клиентами в марте 2024, OpenAI и Anthropic официально работать в РФ даже не начинали. И даже если для персонального использования еще можно как-то выкрутиться, то для бизнеса все гораздо сложнее.

Между тем наш внутренний рынок AI бурно растет:
— 20% крупных компаний уже используют генеративный AI
— Российские облачные сервисы выросли на 363% в 2024 году
— 68% внедривших AI компаний видят влияние на EBITDA в 1-5%

И одновременно происходит принудительная трансформация: 152-ФЗ о персональных данных + требования ЦБ + указы о критической информационной инфраструктуре = любая обработка критически важных данных должна происходить на российских серверах.

По сути, теперь даже малому бизнесу уже нужен либо российский облачный, либо собственный локальный AI.

Так что мы в 2T делаем ставку на on-premise — все продукты изначально проектируем с возможностью локального развертывания.

Но! Нам же ограничивают доступ не только к софту и моделям, но и к железу — по некоторым оценкам, импорт видеокарт обвалился на 90%. Ну то есть в России тупо не хватает мощных серверов по вменяемым ценам, чтобы распрекрасные ИИ-модели нормально работали.

А значит, мы не можем развиваться экстенсивно, распахивая новые поля просто покупая больше видях H100. Приходится решать задачи эффективно — применять удобрения и селекционные сорта оптимизированные модели и алгоритмы, выжимать максимум из доступного железа. Все как всегда было в наших северных широтах 😁

#onpremise #технологическийсуверенитет #AIтрансформация

P.S. В одном из следующих постов, как закончим исследование, — поделимся результатами наших тестов разного оборудования: от потребительских видеокарт до серверных решений. Спойлер: не всё так печально, как кажется 😉

Всем привет! Вы же знаете, что вся core-team 2T — в Питере? У нас тут как раз сейчас разгар белых ночей и ПМЭФ-2025.

Мы пока не там) Но из новостей видно, что ИИ — сквозная тема форума. Роботы разгуливают, специальные сессии проводятся, анонсирована платформа BRICS+ AI Success Hub, а Герман Оскарович вангует: госрегулирование развития искусственного интеллекта неизбежно. При этом общее мнение — что ИИ изменит нашу жизнь за ближайшие несколько лет так, как она не менялась за последние 100 лет.

А вы все еще думаете, с какой стороны подступиться к внедрению ИИ в свой бизнес?

Может, вам страшно или непонятно? Или кажется, что дорого? Или уже попробовали, но что-то пошло не так?

Есть предложение начать с этим разбираться прямо сейчас! Пока нам всю тему не зарегулировали 😁

Приходите поговорить со мной. Вот зачем:

🔍 Понимание с чего начать — я помогу определить первые шаги в ИИзации конкретно и точечно для вашего бизнеса

💰 Реальные цифры и бюджеты — расскажу, сколько стоит внедрение на самом деле и где можно сэкономить (у нас есть опыт сокращения бюджетов без потери качества)

⚡️ Быстрые результаты — покажу, как получить первые измеримые результаты за неделю, а не месяцы планирования

🎯 Избежание ошибок — расскажу про типичные грабли, на которые наступают 90% компаний при первом внедрении ИИ

Поделюсь инсайтами и идеями — с чего начать, чтобы было комфортно. Впаривать я вам ничего не буду) Я даже не умею этого делать, чсгря 😂 Зато задействую весь свой опыт трекинга и консультирования, чтобы разобраться, почему внедрение ИИ себе на пользу — это у вас все еще задача, а не действительность.

Для вас это бесплатно! А для меня — польза для понимания, какие еще бывают ситуации в реальной реальности.

➡️ Просто запишитесь на зум-созвон или перекиньте этот пост кому-то, кому это сейчас может быть как раз нужно)

А я, сооснователь стартап-студии 2T с AI-first подходом ко всему, дальше строю ИИ-будущее и верю что оно светлое :)

🧠 Мы делаем продукты, а не инфобиз

Пока соцсети бурлят призывами "Стань экспертом по ИИ за один вебинар", мы методично исследуем запросы бизнеса, проводим пилоты, пилим код, делаем интеграции.

Мы точно знаем: ИИ решает две бизнес-задачи — меньше тратить на поддерживающие операции и больше зарабатывать за счет качественного выполнения основных процессов. Каждый наш продукт решает одну из них или обе сразу.

Вот типичная ситуация:

Руководитель кросс-функциональной команды проводит две еженедельные встречи, после каждой составляет протоколы: подробный — команде, краткий — директору. Тратит на это до 2 часов в неделю.

При зарплате 300 000 ₽ — это ~15 000 ₽ в месяц на рутину вместо развития бизнеса.

За год: >180 000 ₽ только на протоколы. А если таких руководителей в компании 10? А если 100 или 1000?))

И может показаться — ну что такое 2 часа в неделю... А на самом деле все задачи про оптимизацию — именно такие. Их дофига и каждая скучна по отдельности. Зато когда суммируешь эффекты от микро-изменений — понимаешь, зачем на самом деле нужен ИИ.

Synopsis превращает эту рутину в автоматику: система структурирует хаос совещаний в готовые протоколы с выделенными решениями и задачами.

Результат: время на протоколы сокращается с 2 часов до 10 минут. Руководитель возвращается к стратегическим задачам, компания экономит сотни тысяч рублей.

Подключение Synopsis — самый простой способ зайти в ИИзацию своего бизнеса и сразу увидеть измеримый результат.

Приходите, поможем начать)

Технологии Доверия (ex PwC) пригласили нас участвовать в их исследовании систем транскрибации и саммаризации. Просто пару месяцев назад постучались в бота на сайте Synopsis)) и сказали, что видят большой интерес к таким продуктам на российском рынке.

Раньше они уже делали аналогичные исследования для CRM, таск-трекеров и BI-систем, показали примеры и ссылки на публикации в больших медиа — и все равно мы не до конца поняли, какая у них методика сравнения и формирования шорт-листа.

Поэтому мы решили, что на всякий случай должны быть готовы ко всему :) Так что с тех пор мы:

➖ Ответили на 146 вопросов в опроснике про функционал. Было непросто. И это целый отдельный разговор)
➖ Вывели деперсонализацию в самостоятельный эндпоинт. Возможность удалить или замаскировать объекты персональных данных в тексте транскрипта или саммари и раньше уже была, но ее нельзя было использовать напрямую как самостоятельную операцию, а теперь мы сделали чтобы можно
➖ Собрали новую крутую версию api-документации и песочницы для разработчиков
➖ Провели демо для коллег из TeDo. Было супер-приятно отвечать на сложные специфические вопросы людей, которые в теме)
➖ Развернули отдельный инстанс и отдали api-ключ для тестирования.

Больше всего меня удивляет, что ни разу не возникала тема "участие в исследовании стоит столько-то". Видимо, искажение "пиар бесплатным не бывает" у меня осталось еще с тех пор, когда в начале нулевых я была в команде пиарщиков на выборах депутатов Госдумы 😁

Мы все еще не знаем, попадет ли Synopsis в итоговый шорт-лист, с каким баллом и на каком месте в рейтинге. Исследование должно выйти в октябре, ждем 🤞🏻

Вдруг у вас есть подписка на Claude и вы пропустили щедрый подарок от Anthropic :)

250$ до 18 ноября в веб версии Claude Code на тарифе Pro,
1000$ на тарифе Max
Тарифицируется по ставкам API

Если активно пользуетесь чатом, но не отпускает FOMO, что не разработчики вокруг начали кодить, самое время попробовать :)

Из забавного: тоже действуют лимиты, но они не пересекаются с лимитами подписки

Как автоматизировать управление GPU-серверами

В AI-лаборатории 2T 80% тестов моделей крутим на Intelion — выгодный GPU-хостер. Но у них нет API. Все операции — запуск, остановка, перезагрузка — только руками через личный кабинет.

Проблема:
Демо-стенд с нашей моделькой транскрибации нужно масштабировать по нагрузке. Стендом пользуемся не только мы — его тестируют партнеры. Они запускают задачи когда угодно: в 2 ночи, в выходные, пачками по 50-100 файлов. Нагрузка абсолютно непредсказуемая.

В Yandex Cloud и Selectel решается через API, но сервера стоят в разы дороже. У Intelion цена/качество приемлемое, но автоматизации — ноль.

Решение:
Давно хотел попробовать стелс браузер с AI-агентом. Нашел open-source проект Browser-Use.

Смотрел ещё на AI-браузеры Comet и Atlas — удобные, но:
. Закрытые коммерческие решения
. Нет гибкости и контроля

Browser-Use победил:
. Свой MCP server — легко подключается в агентные инструменты
. Self-hosted — полный контроль и авторизации не уходят наружу (при использовании с локальными LLM)
. Cloud — попробовать и запуститься быстро (при регистрации дают 10$ в моем сценарии это 500 сессий)
. Шикарная документации для тонких сценариев использования (маскировка логинов/паролей, парсинг, обход капчи, доступы к закрытым страницам, имитация работы пользователя и пачка других)

Связал через n8n:
1️⃣ Мониторим очередь задач через API
2️⃣ Если нагрузка > порог → запускаем ноду AI Agent c tool MCP client
3️⃣ Агент получает промпт: "Зайди в ЛК Intelion, залогинься, найди сервер GPU-Server-03, запусти его"
4️⃣ Агент открывает браузер, авторизуется, жмёт "Запустить"
5️⃣ При спаде — останавливает через почти идентичную ноду только с командой "Остановить"

Результат:
Главное — убрали напряжение. Раньше кто-то из команды держал в голове: "Не забыть включить перед встречей", "Выключить на ночь", "Проверить нагрузку каждые 2-3 часа".

Теперь работает само. Система видит очередь, поднимает мощности, останавливает когда не нужно.
Сэкономили 30-40 минут в день на ручные операции + постоянный бэкграунд-стресс исчез.

Что понравилось:
Промпты вместо html селекторов — AI понимает UI визуально
Адаптируется к изменениям интерфейса
Дефолтная модель — в 3-5 раз быстрее обычных LLM

Стек:
Browser-Use: browser-use.com
Intelion для GPU: intelion.cloud
n8n для оркестрации: установка на свой сервер

Короче, когда у сервиса нет API — делайте свой "API" через браузер-агента :)