Завершился худший конкурс ТГ-каналов

Ну что, закончился конкурс, о котором я писал ранее. И худший он не потому что я не выиграл, но теперь я могу излить весь негатив, будучи уверенным, что он не повлияет на результаты.

Рассказываю, почему конкурс - худшее, что я постил к себе в канал.

Во-первых, организаторы не соблюли свои же условия: писали, что минимальный порог подписчиков для участия - 200 человек, а посты будут отбираться. В большом канале я видел репосты с каналов с 39, с 60 подписчиками, а сами посты были максимально стремного содержания: мат, отсутствие информационной ценности.

Во-вторых, отсутствие прозрачности: непонятны критерии отбора и непонятны результаты. Например, для меня искренне непонятно, как я лидируя 5 дней подряд не оказался в числе двух победителей :)

В-третьих, все было в кучу. AI, психология, шутки за 300, что-то там про бизнес. Канал, в котором проводился конкурс, превратился в огромную помойку. Я раз за разом пытался найти там что-то стоящее, но заходил, офигевал от треш-постов вроде этого или этого, закрывал канал. Извините конечно, но я считаю, что такое и посты, которые несут пользу, не могут находиться в одном канале. Быдла у меня и у подъезда достаточно. Из авторов я бы выделил Настю и Константина. Этих ребят приятно читать, и я очень рекомендую на них подписаться.

В-четвертых, из нашей категории практически не было репостов. Про AI репостнули кого угодно, кроме тех, кто про него реально пишет. У Константина репостнули только один пост, у Насти - я не увидел ни одного. У остальных участников - точно аналогично (может упустил). В чате направления мы возмущались по этому поводу. Результат такой, что нам сказали "да, мы облажались", исправим в следующий раз. Ребята, исправлять надо не в следующий раз, а в процессе. Если вы не успеваете - продлите конкурс на неделю. Я предлагал сделать отдельные посты для каждого автора, это проще простого сделать через LLM. Но организаторам важнее было формально провести конкурс, чем что-то делать.

Итого, в очередной раз убеждаюсь, что подобного рода конкурсы - это помойка. Куда лучше старые-добрые коллаборации и платная реклама.

Вижу, что открыл портал в ад.

Ещё раз увижу любое оскорбление в свой либо в чей-то ещё адрес - все участники улетят в бан. Кто с моим мнением здесь не согласен - вы либо выражаетесь нормально либо валите из канала.

Это мой канал, где я выражаю свое мнение, и я никому не позволю указывать мне, как и что писать.

Почему AI не нужен 99% бизнеса

Эта тема настолько масштабна, что мы с коллегами планируем по ней отдельный эфир. Однако количество запросов на ИИ сейчас так велико, что захотелось перечислить основные причины.

Итак, в чем же проблема?
Отсутствие у менеджмента понимания ИИ. Сейчас мы находимся на волне GPT-хайпа. Однако LLM≠ИИ. Большая часть людей, включая ЛПР, не имеют представления, что такое ИИ. Они идут в ChatGPT, задают какой-то базовый вопрос получают ответ, и вешают на GPT ярлык ИИ общего назначения, который может все. Помню, как в Skyeng в 2022, когда начался тренд на сокращения, несколько топов бегали с идеей засунуть везде GPT и сократить штат 😁 Вот так и рождаются запросы на впихнуть GPT в 10 сценариев, из которых 9 будут абсолютно бесполезны либо просто прожгут бюджет.

Менеджмент далек от линейных сотрудников и думает, что ИИ все решит. Как правило, ЛПР мало чего знают о том, что происходит "в полях". Чем круче ты менеджер - тем ниже у тебя осведомленность. Это не упрек в сторону управленцев, это естественно для иерархичных структур. Отсюда, вместе с пунктом 1, возникает ощущение, что "вот здесь ИИ" точно поможет. Но зачастую это вообще не так. Зная поверхностно о проблеме ты предлагаешь поверхностные решения, леча симптомы, а не первопричину.

ИИ не решает вашу проблему, если вы не пробовали решать ее иначе. В моем фреймворке AI-дизайна продукта один из вопросов, на которые нужно ответить на стадии инициации - это "Какие есть альтернативные способы решения данной проблемы?". Следующий вопрос: "Чем плохи эти альтернативы?". Как правило, те, кто хотят ИИ, эти вопросы даже себе не задавали, хотя есть куча способов решения их запроса быстрее и за меньше денег. Это может звучать странно от человека, который зарабатывает на ИИ, но нам интереснее работать над проектами, которые помимо денег еще несут и пользу.

Отсутствие опыта внедрения ИИ. Если ты никогда раньше не внедрял ИИ в бизнес - ты не знаешь всех особенностей этого процесса и подводных камней. Люди не знают, что за данные нужны для ИИ и в каком количестве, какая нужна инфраструктура, они не понимают нелинейность процесса разработки ИИ. Для них ИИ - это очередная традиционная разработка, которую можно выполнить по ТЗ. Однако в процессе выясняется, что у бизнеса нет данных, нет инфраструктуры и культуры экспериментов, а если начать рабоать над всем этим, то выяснится, что “ой, дорого”, и ИИ им в итоге не нужен.

Отсутствие четкой бизнес-задачи. Главная боль вообще всех, кто занимается внедрением и ИИ-разработкой. Чаще всего, когда ты начинаешь копать, что, зачем и как нужно сделать, оказывается, что заказчик не выполнил свое ДЗ и задача у него не оформлена. Просишь покопаться в этом, а в результате оказывается, что задачу нужно еще описать, подсобрать данные, сформулировать гипотезы и проекты глохнут 🙂

Для большинства AI в том виде, который они хотят, не окупится. Не самые сложные проекты стоят порядка $60 000. Это затраты на команду, данные, разработку. Добавьте к этому затраты на поддерку и содержание системы. Часто внедрение в том виде, в котором хочет заказчик, будет окупаться минимум 2 года. По-сути это следствие вышеописанных проблем, однако подумайте: нормальный ли это срок окупаемости на не самую большую для бизнеса сумму? Не забудьте сделать поправку на темпы развития AI. Выбирать задачу нужно тщательно, и еще тщательнее просчитывать ROI и риски. И лучше чтобы это делали люди с опытом в ИИ, а не простые бизнес-консультанты.

Это не все причины, а лишь малая их часть. Как и говорил, через несколько недель анонсируем эфир по этой теме.

Самый ценное, что я получаю со своих тренингов - это когда я вижу, что люди, которые у меня обучаются, начинают применять ИИ в своей повседневной деятельности и достигают результатов не когда-то в будущем, а прямо во время самих потоков. Самый большой кайф ловлю от того, что люди, которые приходят, сами по себе очень крутые, задают кучу вопросов, которые помогают и мне развиваться вместе с ними.

Отвел 5 потоков по личной эффективности, 3 по менеджменту. В текущих осталась еще пара занятий, после - уйду на перерыв до конца августа. Отдыхать и пересобирать программы обоих 🙂 А пока вот несколько примеров маленьких побед

блин, собеседования ооочень удобно с гемини обрабатывать) кратно сокращает ресурс

очень рекомендую всем)

Всем привет! Я тоже хочу поделиться, так вышло что пришлось отстать от онлайн курса, но тоже уже применила ai studio для обработки ответов разработчиков и формирования на их основе статей во внутреннюю базу знаний для пользователей. Уже увеличили объем обрабатываемых данных и наполняемость базы знаний. И для обработки писем по опросу аналитиком 1с пользователей промт ИИ хорошо ложится в формирование ТЗ ( процентов 75-80 от исходного ответа ИИ остается, остальное доуточняется аналитиком 1с), но тут конечно стоит учитывать сложность проекта (время точно сэкономили).

Размышления про Cursor: как я писал код с AI до него и будут ли нужны такие редакторы кода?

По большому счету ключевой плюс Cursor - это удобство коммуникации с LLM. Все, что делает сервис - это управление вашим контекстом, через передачу в LLM релевантных строк кода, с последующим внесением изменений. Но основную работу при этом делают сами LLM. И если раньше управление контекстом на стороне Cursor сильно помогало, то вместе с ростом возможностей LLM, данный тул становится менее актуальным. Появление Reasoning моделей и смена модели монетизации Cursor делает более важным то, как управляете контекстом ВЫ, а не какие данные выдернет из кода за вас ИИ-агент. При всем при этом, Cursor нужно зарабатывать, поэтому компании может быть просто невыгодно, чтобы автоматическое управление контекстом было максимально эффективным. Их уже неоднократно обвиняли в том, что этот самый контекст они режут.

И здесь мне вспомнилось, как я впервые писал код с ИИ
Моими инструментами были VS Code и Google AI Studio. В AI Studio у меня был здоровенный системный промпт с контекстом по проекту. Далее - я просил ИИ набросать мне структуру проекта по файлам и папкам, воспроизводил эту структуру у себя на компьютере и также добавлял информацию о ней в контекст промпта. Первые несколько сообщений в чате у меня предназначались для TO DO - листа, в котором я отмечал, что сделано, а что предстоит сделать и последней версии кода, где я указывал название файла и следом вставлял нужный код. При добавлении новой фичи я просил Gemini написать мне код и сказать, куда я должен его вставить. После - тестировал и обновлял сообщения с TO DO и текущим кодом. При появлении багов - игрался с температурой. Если баг был в конкретном файле - выносил его в отдельный чат с информацией по этому багу. Gemini Flash Thinking я использовал для "обдумывания" решений, а Gemini 1.5 PRO - для реализации "обдуманного". Таким образом я написал свой первый проект на 1800 строк кода, и он работал.

Сейчас, используя Cursor, я поймал себя на том, что выполняю те же самые действия, только большую часть не в AI Studio, а в Cursor. Потому что делать это там проще, но при этом я имею меньше контроля над параметрами моделей, а также над их поведением. Кроме того, со снятием лимитов на вызов тулов, я заметил, что в отличие от работы напрямую в AI Studio я хуже знаю структуру проекта. Чтобы ее понять - мне нужно продираться через кучу мусорных попыток агента что-то сделать. Мусорных - потому что у меня меньше контроля над контекстом, а Claude пытается все переделать по 10 раз, переписывая рабочие куски кода. При этом самый интересный момент здесь состоит в том, что те проблемы, которые мне не может решить ни одна из моделей в Cursor (включая Gemini) - AI Studio щелкает как орешки. Почему? Опять-таки, из-за управления контекстом.

Что будет дальше?
Неважно, вайбкодите вы или кодите - учитесь управлять контекстом. Здесь преимущество будет у разработчиков и тех, кто уже многократно спотыкался на ошибках агентов, используя Cursor. Кроме этого, я бы советовал следить за разработками самих авторов моделей, т.к. они наконец-то начинают делать шаги в сторону создания своих агентов и упрощения кодинга. Claude Code - яркий тому пример, а тот же Canvas в Gemini реализован очень круто. Недавно в AI Studio добавили режим Build, который работает как редактор кода. Если бы они в этот режим добавили настройки LLM, которые доступны в режиме чата - я бы отказался от всех AI-редакторов кода, т.к. это бы дало мне максимальный контроль за тем, что я создаю.

Будет ли нужен Cursor в будущем? Я думаю, что у него однозначно будет свое место, однако если компания продолжит двигаться в сторону автономности, то более серьезные разработчики и те, кому важно знать, что за код пишет ИИ, скорее перейдут на появляющиеся альтернативы.

Дополнение про практикум в понедельник

Друзья, ранее я анонсировал эфир в грядущий понедельник, 21 июля, в 19 00 по МСК. Детали эфира в посте выше.

Для тех, кому нужна ссылка в календарь - создал событие на Timepad, чтобы вы точно не пропустили. Материалы эфира в процессе подготовки, будет много интересного. Особенным этот эфир делает то, что вести мы его будем на пару с Колей Шейко - автором канала AI и Грабли.

Мы с Колей занимаемся очень похожими вещами - внедрением ИИ в бизнес, но с разных сторон. Если я технический продакт, то Коля - это продуктовый технарь, но цели у нас общие - делать ИИ доступным и понятным и разрабатывать полезные ИИ-системы. Эфир решили разбить на две части, где каждый поделится своей экспертизой.

А пока ждете эфир - подписывайтесь на Колю, если этого еще не сделали. У него один из немногих каналов, на которых у меня не отключены уведомления :)

Чего избегать, обучаясь ИИ

Как только началась ИИ-лихорадка, на рынке появилась куча магистров промптинга и AI-экспертов. Наиболее частые их продукты - это курсы по промптам и списки готовых промтов. Спустя какое-то время данная тенденция подуспокоилась (списков стало меньше), но на фоне последних прорывов в LLM сейчас все вспыхнуло с новой силой. Непосвященному человеку разобраться, где нормальный контент, а где мусор - практически нереально. Решил написать два поста: в этом расскажу, чего избегать, а в следующем - на что лучше смотреть

Итак, мой антирейтинг!
Готовые списки промптов. Самое бестолковое, что только есть. Во-первых, большинство таких списков генерируется авторами через ChatGPT по запросу "Сделай мне список из 50 топовых промптов". Во-вторых, даже если они писали их сами - промпты имеют свойство устаревать и зависеть от модели: что работает с GPT 4o не будет так же работать с вашей Gemini Flash 2.5 или DeepSeek R1, а вместе с обновлением версии модели - промпт нужно будет адаптировать. В-третьих, определенные промпты работают в определенных воркфлоу, если ваш рабочий процесс отличается от автора - все промпты превратятся в тыкву.

Курсы по промптингу от неспециалистов в AI. Можно увидеть кучу маркетологов, менеджеров и других ребят, продающих курсы по промптингу в своей сфере. Проблем здесь две: во-первых, зачастую эти ребята не знают основ работы ИИ и продают то, что они нащупали сами, а не то, что реально может ИИ. Это работает в моменте, но на дистанции уже не так эффективно. Во-вторых, авторы копают глубоко в сторону своей экспертизы, но не в ИИ. Если вы крутой спец - вам нужны не сценарии других, вам нужно понимание ИИ вглубь, а кейсы вы уже сами найдете. Специализированные курсы могут быть полезны, когда у вас уже есть багаж с AI, но зачастую вы уже будете способны сами разобраться.

Курсы по конкретным инструментам. Сфера AI развивается очень стремительно. Сегодня инструмент есть - завтра его нет, либо на него повышают цену. В промышленных масштабах это называется вендор-лок: мы лишаем себя возможности пользоваться альтернативами и "садимся на иглу" определеннного провайдера, терпя повышения цен и прочие неприятности. Поэтому все курсы в стиле "Стань профи в Midjourney/Cursor и.т.д." мы игнорируем, пока не научимся основным навыкам: базовому владению ИИ и базе применения в той же генерации картинок/написании кода и.т.д.

Курсы с детерменированными заданиями. Часто можно увидеть, что в курсах дают задания, где нужно пройти определенный сценарий и получить определенный результат. И это максимально далеко от реальности. Вам дают "вылизанный" сценарий, который будет снижать недеретменированность AI, чтобы создать у вас ощущение освоения навыка. А когда доходит до использования ИИ в реальной жизни - у вас "не получается". Задания должны быть такими, чтобы у вас не получалось в процессе, чтобы вы могли ошибаться, учиться на ошибках и где надо - получать ОС от инструктора. Сложно должно быть в начале, когда у вас есть поддержка, а не наоборот.

Курсы "без воды". Все хотят практики, все хотят сразу результат. Есть спрос - будет и предложение. Вот только водой называют основы ИИ. Проблема в том, что не зная теории, вы не будете уметь правильно формировать ожидания от ИИ. Вы же не поедете в кругосветку на машине, не изучив маршрут и опыт других? Вот и с AI так же.

А что бы вы добавили в такой антирейтинг?

Встреча закончилась. Проходила в Google meet, т.к. телеграм решил прилечь 🙂

Решили все-таки выложить запись в открытый доступ, завтра опубликуем в каналах и у меня и у Коли :)

Запись эфира по управлению контекстом!

Очень многие просили запись эфира. Просили - делаем! Получилось немного сумбурно, зато сам эфир получился живым.

Запись тут: https://youtu.be/PqiRIpkUhTk

Хотите больше эфиров - предлагайте тему в комментарии, лайк, репост, подписка - и мы все организуем 🙂

Изучение ИИ: что действительно работает

Ранее я писал о том, чего избегать при обучении, сегодня - о том, что наоборот полезно. Здесь стоит упомянуть один из моих предыдущих постов, где я рассказывал о том, где учиться AI, сегодняшний пост - отличное дополнение к нему.

Так как же освоить ИИ?
Метод 1: сделай сам. Самый полезный совет. AI - не та сфера, где все известно и есть какой-то рецепт успеха. Это связано как с молодостью самого AI, как направления - люди просто не придумали “Как надо”, так и тем, что у каждого человека свои кейсы.

Поэтому лучший совет, который я могу дать - это идти пробовать. Вышел новый сервис? Идите пробуйте его. У вас нетипичная задача? Подключайте LLM. Не нагуглили как что-то сделать? ИИ вам в помощь! Большинство специалистов по AI учились самостоятельно. 90% того, что я знаю об ИИ - мой практический опыт. Большинство ML-инженеров вокруг меня - вообще не ML-инженеры по образованию, есть много юристов, экономистов, математиков. Мы получаем навыки через практику, это же следует делать и обычным пользователям/

Метод 2: YouTube и индусы. Как гласит старинная мудрость “Нет ничего в этом мире, про что какой-нибудь индус не снял бы видео на YouTube”. Это относится и к AI. Прежде чем искать очередной курс и отдавать свои кровные - поищите на YouTube. Большинство курсов - это пересказы роликов с ютуба. Это не значит, что курсы бесполезны. Преимущество курсов - это системность, опыт авторов и обратная связь, нетворкинг, а также отсутствие необходимости более тщательно отбирать материалы. Вы платите за экономию своего времени и связи, но практически с любым вопросом вам поможет разобраться YouTube.

Метод 3: коммьюнити вокруг AI-тулов. Источник просто безумного количества пользы! Ищите Discord и Telegram-каналы, посвященные инструментам, которые вас интересуют. Не передать, какое количество информации я оттуда подчерпнул. С вами бесплатно поделятся тем, за что в ином случае вы бы заплатили очередные 200 баксов. Вокруг AI очень сильное комьюнити и не пользоватсья им - большая ошибка.

Метод 4: курсы от компаний-разработчиков. Hugging Face, Google, OpenAI, Anthropic, DeepLearning - у всех них просто огромное количество БЕСПЛАТНЫХ курсов. Я взял себе за привычку регулярно проходить чуть ли не все, что там выходит. Часто проводят живые вебинары, где решают какую-то проблему. Следите за блогами разработчиков интересущих вас тулов - там постят полезный контент регулярно.

Метод 5: чтение научных статей. Может быть скучным, но пользы оромное количество. Я регулярно выцепляю что-нибудь с arxiv. Помогает заполнить FOMO и лучше понимать, как работает ИИ, в чем его силы и слабости и какие есть юзкейсы.

Метод 6: узкие специалисты. Многие в AI, включая меня, ведут свои каналы. Лично я подписан на нескольких авторов в телеге, чьи каналы приносят мне реальную пользу. Завтра я выложу списком те каналы, на которые я подписан с коротким описанием того, чем конкретно каждый меня заинтересовал и какую пользу позволяет извлекать.

Такой получился лично мой список. В комментариях делитесь, что именно нашли полезным для себя 🙂

Каналы, которые я читаю по AI

В продолжение вчерашнего поста здесь будет подборка того, что я читаю сам.

@ai_newz - пусть я получаю основные новости из рассылок и шарясь по HuggingFace, мне нравится канал Артема, т.к. часто тут не только новости, но и какие-то крутые мысли.

@oestick - канал Коли, с которым мы вместе проводили эфир. Много технической информации, при этом довольно часто на языке бизнеса. Здесь практические фишки работы с LLM в доступном изложении.

@ProductsAndStartups - канал Байрама Аннакова, здесь много про AI в бизнесе, этику, тренды и продукт. Следил за Байрамом задолго до увлечения AI - умнейший человек, у которого можно учиться всегда, насколько бы круты вы ни были в своей сфере.

@seeallochnaya - еще один крупный канал. Читаю его в основном из-за периодических анализов статей. Позволяет заполнить FOMO от того, что я сам мог пропустить.

@nobilix - Рефат делает много практических разборов AI-инструментов. Всегда детально, но при этом кратко, всегда с демонстрационными видео, читаю каждый пост.

@kantor_ai - канал экс-руководителя МТС AI. С Виктором познакомились в 2022 и он прямо очень крутой. Здесь больше про классический ML и какие-то заметки, близкие к бизнесу.

@ai_and_law_rus - канал про законадательное регулирование ИИ, помогает заполнить FOMO.

@kdoronin_blog - много практических разборов с упором на AI агентов на любой вкус и цвет.

@neuraldeep - идеальный канал для тех, кто хочет зарыться в техническую часть AI. Точно не для легкого чтения, скорее для тех, кто точно понял, что хочет лучше понять AI изнутри и побольше узнать про эксперименты.

@etechlead - канал для тех, кто хочет погрузиться в разработку и вайб-кодинг. Очень много разношерстных материалов по этой тематике.

@countwithsasha - реклама и аналитика мои не самые сильные стороны, канал Саши помогает легче ориентироваться в применении AI в этих сферах

@the_ai_architect - Тимур - действующий разработчик. Много пишет про кодинг с ИИ и его практическое применение, при этом простым языком.

@lechim_ai - я очень люблю Медтех. Илья - Head of AI очень крутого стартапа Третье мнение, куда я даже получил оффер в 2021. С тех пор слежу за компанией, а не так давно Илья завел канал про медтех.

@baginsai - Саша пишет про практическое применение AI, кейсы, скидки и всякие другие полезности.

@max_about_ai - еще один канал с техническим уклоном. Максим всегда пишет четко, по делу и про то, что пробовал сам и точно работает.

@eternalmind - здесь посты выходят не так часто, но основная тематика находится на стыке когнитивистики, философии, критического мышления и AI.

@alexs_journal - практические разборы AI-инструментов и всего, что вокруг них: промптинг-гайды, лайфхаки и прочее.

Постарался включить максимум источников, чтобы вам было из чего выбрать 🙂 Сохраняйте список себе, знакомьтесь с авторами, если понравилось - подписывайтесь. Пост - не реклама и не взаимопиар, а реально то, что я читаю.

В эти выходные я впервые за более, чем полгода позволил себе ничего не делать по работе (почти). И, хочу сказать, как же это прекрасно, особенно на контрасте с тем графиком, что у меня был в последние пару месяцев.

Мое “ничего не делать” состояло из:
- сделать зарядку
- позалипать на YouTube
- выйти на прогулку
- провести силовую тренировку
- поиграть в приставку
- выйти перед сном на пробежку (хотя я ненавижу бегать, но велик остался в США)

В воскресенье поработал буквально пару часиков, но суббота была полностью на чилле.

В итоге словил потерянный в конце 2024 life-work balance и теперь влетаю в понедельник с новыми силами 😅

Кто так же, как и я, погряз в работе - рекомендую такой же “день безделья”. Всем продуктивной рабочей недели, пост с контентом выйдет сегодня ближе к вечеру 🙂

“Раньше было лучше”: Cursor испортился и так может любой AI-инструмент

На занятие вайбкодингом я потратил уже более 1000 часов. За это время перепробовал многое: писал код в AI Studio, применял Github Copilot и Cline в VS Code, тыкал консольные инструменты вроде Gemini CLI, но раз за разом возвращался в Cursor. Все потому, что здесь были хорошие лимиты, неплохая система управления правилами и контекстом. Однако после ряда последних обновлений я заметил, что Cursor начал меня бесить. Сначала я думал, что это я перегорел к кодингу, т.к. очень много им занимался, но достаточно было скачать Kiro, чтобы понять, что перегорел не я, а Cursor. Все, что опишу ниже - мои личные наблюдения и предположения, опыт других может отличаться.

Что не так с Cursor?
Вы быстрее упираетесь в лимиты - с новой бизнес-моделью я за все время впервые уперся в лимиты, сделав лишь один не самый большой проект. Старая схема с 500 запросами в месяц позволяла мне сделать два-три средних проекта, тратя на каждый 150-200 запросов. Здесь у меня вышло предупреждение о скором достижении лимитов где-то на середине проекта. При том, что я делаю все не то что так же, как и раньше - напротив, я делаю меньше ошибок, лучше управляю контекстом, даю более качественные инструкции, чем раньше, но запросы улетают быстрее. По ощущениям текущий лимит запросов составляет где-то 300.

Я стал тратить больше времени на получение результата и испытываю проблему нехватки настроек - после того, как Cursor убрали ограничение на 25 действий агента подряд, вместе с последними “инициативными” моделями даже простое действие вам нужно ожидать гораздо дольше, чем раньше. Если раньше модель в любом сценарии останавливалась после 25 действий, вы могли оценить результат и принять решение, то сейчас оно так не работает. Что Claude, что Gemini, решив ваш первоначальный запрос, сформулированный как “сделай только это и ничего больше” - с радостью отправляются делать что-то еще. В итоге вам нужно сидеть с открытым редактором и вовремя его останавливать, иначе вы не протестируете нормально свой продукт. Лично мне очень не хватает возможности поставить лимит на действия агента самостоятельно.

Ухудшилась работа даже на маленьких проектах - я провел несколько воркшопов по вайбкодингу, где кодил сам и смотрел, как кодят мои студенты. Работу мы всегда начинаем с настройки Rules и проработки ТЗ для простого телеграм-бота. Я лично отсматривал ТЗ и первый промпт каждого. И каково же было мое удивление, когда на первом же этапе, где надо сделать, чтобы бот реагировал на нажатие кнопки start, у половины это простое действие не получилось. Cursor упускал важные детали реализации, например, предлагая свои библиотеки, забывая про установку зависимостей и много чего еще. Ощущение, будто они еще сильнее испортили управление контекстом. Решение здесь в формировании более детальных инструкций и декомпозиции, но раньше такая задача решалась с одного запроса.

В итоге у нас получается противоречие: вроде как инструмент изменили, чтобы больше кодить “на вайбе”, но при этом система стала требовать больше внимания в процессе. Без этого внимания вы либо сделаете фиговый код либо прожжете свои деньги. Новички будут быстро исчерпывать лимиты, не обладая нужными знаниями (тут им можно предложить тариф MAX, в котором лимиты и контекст больше), а более опытные пользователи, вроде меня, вынуждены будут либо подстраивать свой рабочий флоу под новую реальнотcь, либо так же переходить на MAX, ну или слать нафиг Cursor, уходя в другую IDE. Ощущение, что Cursor тупо погнались за баблом и делают это не лучшим образом. Когда закончится моя годовая подписка, если станет еще хуже - сменю инструмент.

Лично для меня выводы такие:
⁃ не покупать годовые подписки на AI-тулы
⁃ пробовать больше новых инструментов, чтобы иметь возможность на них соскочить
⁃ не привязываться к конкретным фичам, а формировать универсальные core-компетенции

Как сформировать AI-майндсет? Ваш главный тренажер - это жизнь, а не рабочие задачи

Все мы уже наслышаны о том, как AI повышает вашу рабочую продуктивность. Но есть огромная разница между “я использую LLM в работе” и “LLM помогают мне быть эффективнее”. Использование LLM в рабочих задачах скоро станет базовой гигиеной, а настоящая эффективность - это не только про работу, но и про жизнь в целом.

Вспомните компьютеры. Когда-то они были инструментом для сложных расчетов, а сегодня пронизывают всю нашу жизнь. Вы читаете этот пост с компьютера - неважно, с ноутбука, планшета или телефона. Заказ еды, бронирование путешествий, работа - для всего этого мы используем компьютер.

Эффективный человек - это тот, кто жонглирует возможностями компьютера, встраивая их в единую систему жизни. Он планирует свой день через Google Calendar, ведет таск-трекер и управляет финансами через приложения. Он использует смарт-часы для мониторинга сна и тренировок, чтобы всегда быть бодрым, дома у него робот-пылесос с функцией мытья полов, потому что время на уборку можно потратить на что-то важнее. Наверняка в этом описании вы узнали кого-то из знакомых, кто всегда все успевает, имеет свой бизнес и путешествует по миру. И эффективен он не просто из-за компьютеров, а потому что нашел те зоны, которые можно с их помощью оптимизировать.

Ровно так же, чтобы быть эффективным с ИИ, нужно сформировать майндсет, который поможет системно встроить его в ваши процессы. И этот майндсет формируется не на работе, а за ее пределами: на ваших хобби и бытовых задачах.

Вот несколько кейсов из моей практики:
1. Перепаять гитару. Вместо того чтобы часами рыться на форумах, я иду к ИИ. Прошу объяснить основы пайки, подобрать видео на YouTube и найти конкретную схему распайки на сайте производителя. Итог: я не просто решил задачу, а освоил новый навык с минимальными затратами времени.
2. Спланировать путешествие. Перед тем как зарыться в Booking и Aviasales, я прошу ИИ накидать мне черновик маршрута: интересные локации, логистика между городами, примерный бюджет. Получив эту базу, я уже иду в специализированные сервисы с четким пониманием, что искать. Попутно я качаю навыки анализа и синтеза с ИИ.
3. Сгенерировать сертификаты для тренингов. Менять вручную десятки имен в Figma - это ад. Вместо этого я прошу ИИ написать мне HTML, который генерирует именные сертификаты из шаблона и списка участников. Задача, которая раньше отнимала час, теперь решается за 5 минут. Бонусом качнул навык ИИ-кодинга.
4. Починить кофе-машину. Классика: что-то не работает, инструкция потеряна. Вместо того чтобы гуглить модель и перебирать десятки ссылок, я фоткаю кофе-машину и иду в Perplexity с простым запросом: "Кофе-машина De'Longhi не наливает кофе с надетым рожком, что делать?". Через минуту у меня есть список вероятных причин и пошаговые инструкции по их устранению.

Как это суммируется в общую эффективность
Помимо прокачки навыков и экономии времени, у такого подхода есть дополнительные бонусы:
- ИИ забирает на себя бытовой шум. Мой мозг не тратит энергию на десятки микрорешений и подходит к сложным рабочим задачам свежим.
- Интуитивное мастерство. Тренируясь на низкорисковых задачах, я набиваю руку. Когда на работе возникает реальная проблема, я уже интуитивно знаю, какой инструмент и подход выбрать, чтобы получить инсайт, а не просто ответ.
- Гибкость мышления. Работа загоняет в шаблоны. Использование ИИ в бытовых задачах заставляет меня мыслить шире, и эта гибкость напрямую переносится на рабочие проекты.

И через такие маленькие оптимизации ИИ для меня перестает быть «рабочим инструментом» и становится продолжением моего мышления. И вот теперь уже можно говорить про то, что он делает меня эффективнее.

А какие нерабочие задачи вы решаете с помощью ИИ и как вам это помогает? Делитесь в комментариях.