Как не сесть в лужу с отчетом от ИИ
Мы любим нейросети за то, как классно они умеют формулировать мысли. Закидываешь сырые тезисы — получаешь складный, структурированный текст.
Это подкупает.
Но тут кроется ловушка: ИИ может выдать полную чушь с таким «уверенным лицом», что мы просто и не думаем проверить факты.
А потом оказывается, что он придумал финансовый показатель, сослался на несуществующий закон или приписал конкурентам то, чего у них нет. В чате с друзьями это весело, а вот на встрече с руководителем — уже не очень.
У нас есть одно правило, которое спасает от таких факапов.
Назовем его «Правило трёх нейросетей».
Суть простая: не вешайте всю задачу на одну модель. Пусть они проверяют друг друга.
Смотрите, как это работает на практике:
Шаг 1. Пишем базу
Сначала идем к «творцам». Это обычные версии ChatGPT или Claude. У них отличный слог, они прекрасно структурируют мысли и накидывают идеи.
Задача: «Напиши структуру отчета» или «Сделай черновик письма».
Результат: Красивый, складный текст. Но верить ему на слово пока нельзя.
Шаг 2. Проверяем факты
Тут нам нужны модели с доступом в интернет. Обычная нейронка галлюцинирует, потому что просто предсказывает следующее слово. А нам нужен тот, кто умеет гуглить и ссылаться на источники. Берем Perplexity или аналоги с веб-поиском.
Задача: Закидываем кусок текста и просим: «Проверь, реальны ли эти цифры/даты/имена? Дай ссылки».
Результат: Мы отсеяли откровенное вранье.
Шаг 3. Включаем критическое мышление
Самое интересное. Здесь нам нужны так называемые Reasoning-модели («думающие» модели). Это, например, o3 от OpenAI, 5.2 Thinking от них же, DeepSeek с Глубоким мышлением, Gemini 3 Pro... Их фишка в том, что они не спешат выдать ответ, а сначала выстраивают цепочку рассуждений у себя «в голове».
Задача: «Ты — вредный аудитор. Прочитай этот текст и найди логические дыры. Действительно ли вывод А следует из аргумента Б?».
Результат: Вы удивитесь, сколько нестыковок они находят там, где всё казалось логичным.
Зачем эти танцы с бубном?
Потому что у разных моделей разные «мозги» и разные базы обучения. Вероятность того, что все трое ошибутся одинаково в одном и том же месте, стремится к нулю.
Да, это занимает лишние 10-15 минут. Но поверьте, лучше потратить их сейчас, чем потом краснеть и объяснять, откуда в отчете взялись цифры с потолка.
А вы перепроверяете за ИИ, или верите на слово?
Мы любим нейросети за то, как классно они умеют формулировать мысли. Закидываешь сырые тезисы — получаешь складный, структурированный текст.
Это подкупает.
Но тут кроется ловушка: ИИ может выдать полную чушь с таким «уверенным лицом», что мы просто и не думаем проверить факты.
А потом оказывается, что он придумал финансовый показатель, сослался на несуществующий закон или приписал конкурентам то, чего у них нет. В чате с друзьями это весело, а вот на встрече с руководителем — уже не очень.
У нас есть одно правило, которое спасает от таких факапов.
Назовем его «Правило трёх нейросетей».
Суть простая: не вешайте всю задачу на одну модель. Пусть они проверяют друг друга.
Смотрите, как это работает на практике:
Шаг 1. Пишем базу
Сначала идем к «творцам». Это обычные версии ChatGPT или Claude. У них отличный слог, они прекрасно структурируют мысли и накидывают идеи.
Задача: «Напиши структуру отчета» или «Сделай черновик письма».
Результат: Красивый, складный текст. Но верить ему на слово пока нельзя.
Шаг 2. Проверяем факты
Тут нам нужны модели с доступом в интернет. Обычная нейронка галлюцинирует, потому что просто предсказывает следующее слово. А нам нужен тот, кто умеет гуглить и ссылаться на источники. Берем Perplexity или аналоги с веб-поиском.
Задача: Закидываем кусок текста и просим: «Проверь, реальны ли эти цифры/даты/имена? Дай ссылки».
Результат: Мы отсеяли откровенное вранье.
Шаг 3. Включаем критическое мышление
Самое интересное. Здесь нам нужны так называемые Reasoning-модели («думающие» модели). Это, например, o3 от OpenAI, 5.2 Thinking от них же, DeepSeek с Глубоким мышлением, Gemini 3 Pro... Их фишка в том, что они не спешат выдать ответ, а сначала выстраивают цепочку рассуждений у себя «в голове».
Задача: «Ты — вредный аудитор. Прочитай этот текст и найди логические дыры. Действительно ли вывод А следует из аргумента Б?».
Результат: Вы удивитесь, сколько нестыковок они находят там, где всё казалось логичным.
Зачем эти танцы с бубном?
Потому что у разных моделей разные «мозги» и разные базы обучения. Вероятность того, что все трое ошибутся одинаково в одном и том же месте, стремится к нулю.
Да, это занимает лишние 10-15 минут. Но поверьте, лучше потратить их сейчас, чем потом краснеть и объяснять, откуда в отчете взялись цифры с потолка.
А вы перепроверяете за ИИ, или верите на слово?
🔥22👍3
Признаемся: нам было лень это писать
Недавно в комментариях написали:
Комментарий навел на идею этого поста.
На самом деле, у нас сегодня простая задача — напомнить, что завтра, 15 января, стартует поток курса «Нейросети для бизнеса и карьеры».
И по правилам маркетинга тут должен быть длинный «продающий» текст. Мы должны давить на боли, сыпать выгодами и делать призывы в лоб. Но, честно говоря, нам совсем не хотелось писать очередную рекламную простыню. Да и вам, наверное, надоело такое читать.
Поэтому мы решили провести эксперимент и немного схитрить.
Мы взяли архив постов канала, программу курса, отзывы и сказали нейросети:
«Изучи наш стиль. Забудь про канцелярщину и успешный успех. Напиши пост так, чтобы наши подписчики поняли суть, но не чувствовали, что им что-то впаривают».
И вот момент истины.
Текст, который вы читаете прямо сейчас — полностью написала нейросеть.
Звучит пластиково? Вроде нет.
Похоже на стиль канала? Вроде да.
Почему так вышло?
Потому что нейросети как ничто и никто лучше демонстрируют принцип garbage in, garbage out. Если в задачу (промпт) закинуть мусор или общие фразы, на выходе получите ерунду, которую невозможно читать. А если дать правильный контекст, примеры и жесткие условия — результат не отличить от работы человека.
Мы стартуем завтра. И учить будем именно этому:
➖ Не генерить картинки с котиками
➖ Не писать пустые тексты «ни о чем»
➖ А превращать ИИ в нормального ассистента, который забирает на себя рутину
Хотите, чтобы работа делалась так же легко, как написался этот пост? Тогда залетайте.
Стартуем завтра 👇
https://neyro.mba/ai_for_business
Недавно в комментариях написали:
…меня не покидает чувство, что пост писал или редактировал ИИ
Комментарий навел на идею этого поста.
На самом деле, у нас сегодня простая задача — напомнить, что завтра, 15 января, стартует поток курса «Нейросети для бизнеса и карьеры».
И по правилам маркетинга тут должен быть длинный «продающий» текст. Мы должны давить на боли, сыпать выгодами и делать призывы в лоб. Но, честно говоря, нам совсем не хотелось писать очередную рекламную простыню. Да и вам, наверное, надоело такое читать.
Поэтому мы решили провести эксперимент и немного схитрить.
Мы взяли архив постов канала, программу курса, отзывы и сказали нейросети:
«Изучи наш стиль. Забудь про канцелярщину и успешный успех. Напиши пост так, чтобы наши подписчики поняли суть, но не чувствовали, что им что-то впаривают».
И вот момент истины.
Текст, который вы читаете прямо сейчас — полностью написала нейросеть.
Звучит пластиково? Вроде нет.
Похоже на стиль канала? Вроде да.
Почему так вышло?
Потому что нейросети как ничто и никто лучше демонстрируют принцип garbage in, garbage out. Если в задачу (промпт) закинуть мусор или общие фразы, на выходе получите ерунду, которую невозможно читать. А если дать правильный контекст, примеры и жесткие условия — результат не отличить от работы человека.
Мы стартуем завтра. И учить будем именно этому:
Хотите, чтобы работа делалась так же легко, как написался этот пост? Тогда залетайте.
Стартуем завтра 👇
https://neyro.mba/ai_for_business
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥11❤5
Explainable AI
Объяснимый ИИ (XAI) — это набор методов и инструментов, позволяющих сделать решения моделей машинного обучения понятными для человека. Вместо «чёрного ящика» XAI показывает, какие факторы повлияли на прогноз, в какой степени и насколько результат надёжен.
Что XAI даёт на уровне управления:
Traceability: можно восстановить логику решения и объяснить, почему модель рекомендовала именно это.
Model risk detection: выявление ложных корреляций, data leakage и перекоса в данных.
Auditability: без объяснимости невозможно провести аудит модели — ни внутренний, ни регуляторный.
Responsibility: становится ясно, где заканчивается ответственность алгоритма и начинается ответственность человека.
В методологии PwC (вот оригинал их отчета) и аналогичных фреймворках XAI рассматривается не как дополнительная «фича», а как обязательное условие. Основной вызов здесь — баланс между точностью сложных моделей и их интерпретируемостью.
Объяснимый ИИ (XAI) — это набор методов и инструментов, позволяющих сделать решения моделей машинного обучения понятными для человека. Вместо «чёрного ящика» XAI показывает, какие факторы повлияли на прогноз, в какой степени и насколько результат надёжен.
Что XAI даёт на уровне управления:
Traceability: можно восстановить логику решения и объяснить, почему модель рекомендовала именно это.
Model risk detection: выявление ложных корреляций, data leakage и перекоса в данных.
Auditability: без объяснимости невозможно провести аудит модели — ни внутренний, ни регуляторный.
Responsibility: становится ясно, где заканчивается ответственность алгоритма и начинается ответственность человека.
В методологии PwC (вот оригинал их отчета) и аналогичных фреймворках XAI рассматривается не как дополнительная «фича», а как обязательное условие. Основной вызов здесь — баланс между точностью сложных моделей и их интерпретируемостью.
PwC
Explainable AI
Embedding values and ethics within an AI system will be an ongoing challenge. Explainable AI is a concept that aims to increase our understanding of AI systems. It is looking at ways to provide human users with additional information as to the inner workings…
🔥4👍3🥰1
Конкурс ИИ-рисунков "Как я к тебе отношусь" 😡/🥰
У нас в русском чате Сан-Франциско прямо сейчас происходит обмен креативами. Промпт такой:
Я подумал - можно устроить такой мини-конкурс на выходные. Кидайте свои варианты в комментарии!
Приз за лучший креатив - бесплатное место на февральском потоке курса Дашборды на ИИ-стероидах.
Там ведь тоже про генерацию максимально честных картинок из данных 😁
Кидайте в комментарии свой вариант и делитесь с друзьями!
У нас в русском чате Сан-Франциско прямо сейчас происходит обмен креативами. Промпт такой:
нарисуй картинку, как я относился к тебе все это время, максимально честно
Я подумал - можно устроить такой мини-конкурс на выходные. Кидайте свои варианты в комментарии!
Приз за лучший креатив - бесплатное место на февральском потоке курса Дашборды на ИИ-стероидах.
Там ведь тоже про генерацию максимально честных картинок из данных 😁
Кидайте в комментарии свой вариант и делитесь с друзьями!
❤10👍4
Гарвард разрешил заменять людей на ИИ
Пока мы тут спорим, можно ли доверять нейросетям, ребята из Гарварда и Стэнфорда выкатили исследование, которое меняет правила игры.
Суть в двух словах. Они взяли архив из 70 серьезных социальных экспериментов (с выборками по 100+ тыс. человек) и скормили условия GPT-4. Заставили модель притворяться разными людьми — разного возраста, пола, достатка — и спросили: «Как бы вы отреагировали?».
Результат. Точность предсказаний ИИ составила 83%.
Это уровень профессиональных экспертов-людей. Причем модель точно предсказала даже результаты тех исследований, которые еще не были опубликованы (то есть она не могла их просто «нагуглить» в процессе обучения).
→ Исследование
Что это значит для нас с вами? Зачем вам это? А затем, что это идеальный инструмент для «краш-тестов» любых управленческих, маркетинговых, рабочих решений.
Вместо того чтобы гадать, как отреагируют люди, мы создаем «синтетическую фокус-группу» и прогоняем через нее свои идеи:
✅ Для руководителей. Нужно объявить команде о непопулярном решении (режем косты, отменяем удаленку, меняем KPI)? Загоняем текст письма в ИИ, создаем 20 виртуальных сотрудников (токсичных, уставших, лояльных) и смотрим, где полыхнет. Модель подсветит триггеры, которые вы могли не заметить.
✅ Для специалистов. Готовите защиту проекта перед стейкхолдерами? Загрузите в ИИ профили ваших директоров («Скептик», «Финансист», «Визионер») и прогоните свою презентацию. Пусть они накидают вам неудобных вопросов до реальной встречи.
✅ Для маркетологов. Создаете виртуальную фокус-группу из 1 000 «персон» вашей ЦА и прогоняете через них заголовки для лендингов, офферы, рекламные креативы, скрипты продаж.
Но есть один нюанс (куда же без него).
Исследование показало, что ИИ — та еще «королева драмы». Модели склонны преувеличивать силу эмоциональной реакции примерно в 2 раза.
То есть, если ИИ кричит «это будет катастрофа!», в реальности реакция будет скорее «ну, неприятно, но переживем». Направление угадывает верно, а вот громкость надо делить надвое.
Как применять. Не как истину в последней инстанции, а как фильтр.
Вместо того чтобы сливать бюджет на тест 10 гипотез, прогоните их через ИИ-симуляцию. Отберите топ-3, которые «зашли» синтетическим людям, и уже их тестируйте дальше. Экономия колоссальная.
Кто-то уже пробовал моделировать переговоры, реакцию команды или клиента через GPT? Насколько совпадало с реальностью?
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥15👍2😐1
Вы только-только освоили вайб-кодинг? У меня плохие новости
Весь прошлый год прошёл под флагом вайб-кодинга. Это было одно из главных слов года. И он продолжает набирать популярность.
Мы и сейчас активно топим за этот подход (кто был на нашем марафоне по дашбордам — тот знает), потому что создавать IT-продукты без знания кода — это всё ещё game changer.
Но технологии несутся быстрее, чем мы успеваем к ним адаптироваться. На сцену выходят ИИ-агенты. И в этом году они будут главным изменением в компаниях.
Почувствуйте разницу:
Они не просто генерируют текст или код. Они действуют. Сами ходят по ссылкам, анализируют данные, нажимают на кнопки, связывают разные программы и закрывают задачи «под ключ».
Мы внутри команды уже начали внедрять агентов. Результаты интересные, местами пугающие (в хорошем смысле). Обязательно расскажем и покажем внутрянку чуть позже.
А пока хочется свериться с вами.
Вы уже наняли цифровых сотрудников или пока справляетесь сами?
Голосуйте ниже 👇
(В комментариях можно рассказать подробнее: что уже делегировали или мечтаете делегировать.)
Please open Telegram to view this post
VIEW IN TELEGRAM
👍4❤3
Вы уже наняли цифровых сотрудников или пока справляетесь сами?
Anonymous Poll
2%
😎 У меня уже штат цифровых сотрудников (активно использую)
20%
🛠 Пробую простые связки (GPTs, Make), но до полноценных агентов не добрался
48%
👀 Присматриваюсь, хочу внедрить, но не знаю как
12%
👨💻 Пока осваиваю вайб-кодинг, не грузите новым!
19%
🦖 Я всё еще работаю руками и горжусь этим
❤1
Промпт-инжиниринг: пациент скорее мертв, чем жив
Помните, как в 2023-м нам продавали «секретные базы промптов» за деньги? (И мы тоже продаем.) Как мы копировали в чат заклинания вроде «Act as a Senior Python Developer with 20 years of experience...», надеясь, что нейросеть вдруг поумнеет?
Так вот, в 2026-м этот карго-культ пора заканчивать.
Не, все эти правила все еще важны, но...
Посмотрите как свежие модели (тот же GPT-5.2 или Gemini 3) реагируют на «шаманские» промпты и на простые человеческие просьбы.
Спойлер: для простых запросов разница стала не критичной.
Что изменилось:
<context> или сложные ролевые игры. Они прекрасно понимают суть задачи из пары предложений, если в них есть логика.Значит ли это, что можно писать «сделай красиво» и ждать чуда?
Нет. И вот тут кроется главная ловушка.
Иллюзия того, что «ИИ теперь всё понимает сам», расслабляет. Но нейросеть — это зеркало вашего мышления. Если у вас в голове хаос, GPT-5 вернет вам структурированный, красиво оформленный, но абсолютно бесполезный хаос.
К чему мы пришли
Профессия «Промпт-инженер» умерла. Ей на смену пришел навык «Постановка задачи».
Теперь побеждает не тот, кто знает, куда поставить решетку
#, а тот, кто умеет:Вывод такой
Перестаньте покупать сотрудникам новые «магические промпты». Это больше не критично. Лучше отправьте их на курсы системного мышления.
Человек, который не умеет ставить задачи людям, не сможет поставить их и нейросети. Какой бы умной она не была.
Please open Telegram to view this post
VIEW IN TELEGRAM
👍12💯11❤2🔥1
Китайская тишина громче американского хайпа: что нашли в коде DeepSeek? 🤫
Пока мы тут спорим, заменят ли нас агенты, ребята из DeepSeek, похоже, готовят новый демпинг рынка. Без громких презентаций и красивых видео (привет, OpenAI), в их публичном репозитории нашли следы новой архитектуры — MODEL1.
Скорее всего, это превью их следующей версии (V4), которую ждут уже в феврале.
Что это значит для бизнеса?
Разработчики раскопали в коде три ключевых изменения. Переводим их с технического на язык денег:
1. 📉 Снижение затрат на «железо» в 2 раза.
Новая архитектура (FP8 KV cache) позволяет использовать вдвое меньше памяти. Если они снизят себестоимость генерации, API может стать еще дешевле. Хотя казалось бы, куда уж дешевле DeepSeek V3?
2. 🚀 Скорость реакции.
Там используются алгоритмы, которые «пропускают» ненужные вычисления (sparse decoding). Ответы будут прилетать быстрее. Для внедрения в чат-боты — критичный показатель.
3. 🔮 Задел на будущее.
Код уже оптимизирован под новейшие чипы Nvidia Blackwell, которых на рынке еще толком нет. Они играют вдолгую и готовят инфраструктуру под масштабирование.
Рынок ждет официального анонса в середине февраля. Если слухи подтвердятся, нас ждет очередной виток ценовой войны нейросетей. А для нас, как пользователей, это отличная новость — внедрение ИИ становится всё доступнее.
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥17👍4❤3
Нейросети научились строить дашборды, но дают весьма поверхностные советы, как улучшить показатели. Потому что сначала человек должен в них разобраться.
Есть 15 подходов к систематизации показателей: BSC, KPI, NSM, RACE, в том числе Driver Trees и Metric Maps. Это не панацея, но понимать эти фреймворки вам точно будет полезно.
Дмитрий Некрасов из Jetmetrics.io проводит у себя в канале про это обучающий марафон
- видео с теорией на 5-10 минут;
- тесты на закрепление материала;
- эфиры с коллегами по цеху;
Вот что уже есть:
- Что такое actionable метрики?
- Зачем вообще систематизировать метрики
- Метрики тщеславия и как снять с себя розовые очки
- Что такое карта метрик
- Что такое дерево метрик
- Какая цепочка выглядит наиболее логично?
- Какая метрика может считаться actionable?
- Для чего НЕ нужны карты и деревья метрик?
- Какая метрика чаще всего является следствием, а не причиной?
- Что НЕ является компонентом метрики "Средний чек"?
- Dashboardless Analytics
- Опыт работы с деревьями метрик
Надеюсь, такой микроформат обучения будет вам полезен, и карты метрик помогут принимать вам верные решения в проектах и продуктах.
Удачного просмотра и поделитесь постом с коллегами!
Please open Telegram to view this post
VIEW IN TELEGRAM
👍5❤2
Shadow AI: как сотрудники используют ИИ в обход правил и чем это грозит
Сотрудники используют личные ChatGPT или Claude для рабочих задач не из вредности, а потому что это экономит время. Этот феномен называют Shadow AI — теневой ИИ, который работает вне контроля ИТ-департамента и службы безопасности.
В чем реальная ловушка для руководителя? Если ваш сотрудник прогнал конфиденциальные данные через внешнюю нейросеть и получил прогноз, вы попадаете в ситуацию «теневой отчётности».
Цифры выглядят убедительно, но вы не знаете:
какие данные туда ушли и где они теперь хранятся;
почему модель сделала именно такой вывод;
можно ли воспроизвести этот результат завтра.
Здесь наступает кризис ответственности, так как Shadow AI находится на стыке зон влияния:
- Безопасники боятся утечек
- ИТ-отдел не успевает внедрять официальные инструменты
- А бизнес просто хочет результат. Если прогноз ИИ окажется ошибкой, то отвечать будет он, а не алгоритм.
Вместо того чтобы бороться с ИИ, компаниям пора внедрять AI Governance, то есть правила игры, где четко прописано: какие данные можно отдавать нейросетям, а какие решения никогда не должны приниматься с их помощью.
Материал курса Нейросети для бизнеса и карьеры
Сотрудники используют личные ChatGPT или Claude для рабочих задач не из вредности, а потому что это экономит время. Этот феномен называют Shadow AI — теневой ИИ, который работает вне контроля ИТ-департамента и службы безопасности.
В чем реальная ловушка для руководителя? Если ваш сотрудник прогнал конфиденциальные данные через внешнюю нейросеть и получил прогноз, вы попадаете в ситуацию «теневой отчётности».
Цифры выглядят убедительно, но вы не знаете:
какие данные туда ушли и где они теперь хранятся;
почему модель сделала именно такой вывод;
можно ли воспроизвести этот результат завтра.
Здесь наступает кризис ответственности, так как Shadow AI находится на стыке зон влияния:
- Безопасники боятся утечек
- ИТ-отдел не успевает внедрять официальные инструменты
- А бизнес просто хочет результат. Если прогноз ИИ окажется ошибкой, то отвечать будет он, а не алгоритм.
Вместо того чтобы бороться с ИИ, компаниям пора внедрять AI Governance, то есть правила игры, где четко прописано: какие данные можно отдавать нейросетям, а какие решения никогда не должны приниматься с их помощью.
Материал курса Нейросети для бизнеса и карьеры
👍3
Нас водят за нос. Почему рейтинги нейросетей — это фикция
Признавайтесь, кто тоже каждый раз вздрагивает, когда видит заголовок «Новая модель X порвала всех в рейтингах»? Не устали от этого?
Короче, нас всех красиво разводят. Все эти бенчмарки и сравнения, на которые мы молимся, выбирая нейронку для работы — это чистой воды маркетинг. Цифры рисуют, чтобы акции росли, а не чтобы у вас бизнес-задачи решались.
Почему сейчас вообще нельзя верить табличкам производительности:
Они тупо зубрят ответы
Модели тренируют на тех же данных, на которых потом тестируют. Это как студент, который украл билеты перед экзаменом. Он не умный, он просто выучил, где ставить галочку. Шаг влево, шаг вправо — и «гениальность» испаряется.
Им важны шашечки, а нам ехать
Знаете, как сейчас составляют народные рейтинги? На той LMArena... Люди голосуют за тот ответ, который выглядит лучше. Если нейронка пишет уверенно, красиво и с абзацами — она побеждает. И плевать, что внутри фактическая ошибка или галлюцинация. Мы сами учим их красиво врать, а не быть полезными.
Они читерят
Доходит до смешного — модели учатся обходить тесты, меняя условия задачи, вместо того чтобы её решать. Искусственная хитрость, а не интеллект.
Что с этим делать
Забейте на графики в обзорах. Серьезно.
Единственный нормальный тест — это ваша рутина.
Если нейронка на первом месте в мире, но не может нормально переписать вам пост или составить отчет — то грош цена её рейтингу. Смотрите на результат.
Please open Telegram to view this post
VIEW IN TELEGRAM
👍14💯4🔥1
Завидую программистам. У них ошибки подсвечены красным
Если разработчик где-то ошибся, система сразу показывает где: «У тебя в 42-й строке неправильный синтаксис.» Он правит это за минуту.
У менеджеров и руководителей такой роскоши нет.
Если у нас ошибка в бизнес-процессе, мы узнаем об этом через месяц. Когда упала прибыль, ушел ключевой клиент или выгорел отдел. У нас нет «красной лампочки». Мы собираем планерки и гадаем, почему план не сошелся с фактом.
Но сейчас ситуация меняется.
Нейросети, которые создавались для работы с кодом, научились «читать» бизнес. Для них ваши регламенты, инструкции и переписки — это такой же алгоритм, как программа на Python. И в нем тоже можно найти «баги».
Как это работает
Вам не нужно быть технарем. Вы просто берете мощную думающую модель и скармливаете ей две папки:
1. «Фантазии»: Ваши PDF с регламентами, скриптами продаж и идеальными должностными инструкциями.
2. «Реальность»: Выгрузку диалогов с клиентами, переписку в рабочем чате или историю задач из CRM.
И просите: «Найди, где реальность расходится с инструкцией, и почему мы теряем деньги?»
Пример 1. Продажи
Как должно быть: «Менеджер отправляет предложение в течение 2 часов после звонка».
Как на самом деле: ИИ прогнал 100 сделок и увидел закономерность: в 40% случаев предложение уходит через 5 часов. И именно среди этих клиенты минмальная конверсия в сделку.
Итог: Не менеджеры ленивые. Просто этап «согласование скидки у шефа» занимает слишком много времени. Чинить надо процедуру согласования.
Пример 2. Клиентский сервис
Как должно быть: «Мы проявляем эмпатию и решаем проблему клиента».
Как на самом деле: ИИ проанализировал чаты поддержки и заметил, что фраза «Я понимаю вашу озабоченность» вызывает у клиентов вспышку гнева, если после нее не следует решение. Сотрудники просто копируют скрипт, чтобы отвязаться, но по факту бесят людей.
Итог: Ваш скрипт вежливости работает как красная тряпка. Его нужно переписать, заменив «вежливость» на «действия».
Пример 3. Адаптация новичков
Как должно быть: «Сотрудник изучает базу знаний и на 5-й день готов к работе».
Как на самом деле: ИИ видит, что на 3-й день 80% новичков бегут к наставнику с одними и теми же вопросами.
Итог: Ошибка не в людях, а в вашей базе знаний. Она написана так сложно, что её невозможно понять без дополнительных вопросов.
Перестаньте думать об ИИ только как о генераторе текстов.
Please open Telegram to view this post
VIEW IN TELEGRAM
❤6👍3😁1
Языковой барьер пал: Как я открыл личное «издательство» за 10 минут
Вчера я пережил момент, который делит профессиональную жизнь на «до» и «после».
Мне нужна была книга на русском языке. Но она существовала только на английском. Раньше у меня было два пути: ждать официального перевода пару лет (и не факт, что дождаться) или мучиться со словарем, теряя контекст.
Вчера я выбрал третий путь.
Я зашел в Google AI Studio, подключил последнюю версию Gemini и за 10 минут собрал свое собственное приложение-переводчик.
Как это работает:
Я не писал код руками. Я просто использовал функцию создания приложений и на естественном языке объяснил системе задачу:
Итог:
10 минут настройки + 10 минут работы нейросети = у меня в руках готовое издание на русском языке.
Да, результат не стерилен. Где-то ИИ путает род, где-то термин переведен не совсем консистентно (в одной главе так, в другой — эдак). Но это мелочи, все остальное просто шикарно. А по сравнению с тем фактом, что я это получил нажав одну кнопку... слов не хватет.
Я до сих пор под впечатлением.
Главный инсайт:
Мы привыкли думать, что проблема в реализации. «Нужен программист», «Нужен бюджет», «Это сложно».
Забудьте.
Сейчас проблема не в том, чтобы сделать. Проблема в том, чтобы додуматься это сделать с помощью нейросетей.
Потому что мы до сих пор не привыкли к тому, что им можно передавать работу. Большинство все еще их использую как замену Google.
Главный ограничитель теперь — не технические навыки, а наша фантазия. Мы по инерции терпим неудобства, даже не подозревая, что решение находится на расстоянии одного промпта в правильном инструменте.
Больше не нужно ждать, пока мир адаптирует информацию под вас. Теперь вы сами адаптируете мир под себя.
Одной кнопкой.
Хотите такой же инструмент себе?
Если этот пост наберет 50 🔥, я дам в комментариях ссылку на приложение, чтобы вы смогли его скопировать себе. (Специально прошу 50, чтобы не набрали.
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥92🍌2
Почему 23-летний «промпт-гений» провалит ваш годовой отчет
По офисам гуляет страшилка: сейчас придут зумеры, которые родились со смартфоном в руке, нажмут кнопку «Сгенерировать» и отправят нас, кому за 40, на пенсию.
Якобы мы — динозавры, а они — метеорит.
Давайте посмотрим правде в глаза.
Представьте, что мы даем задачу проанализировать P&L (отчет о прибылях и убытках) двум людям. Первый — шустрый выпускник курсов «Нейро-архитектор». Второй — финдиректор с 15-летним стажем, который вчера впервые открыл Claude.
Молодой парень загрузит файл и напишет: «Найди инсайты».
Нейросеть выдаст гладкий текст: «Выручка упала из-за снижения продаж в Q3». Парень оформит это в красивую презентацию. И это будет провал.
Финдиректор сделает иначе.
Он знает, что падение продаж в Q3 связано с задержкой контейнеров из Китая — о чем в цифрах отчета нет ни слова. Он знает контекст. Он видит цифры и чувствует, где они «не бьются».
Поэтому его промпт будет другим:
«Сравни маржинальность по этим категориям и проверь, не съела ли логистика всю прибыль, если учесть новый контракт с подрядчиком».
И вот тут то и зарыта собака.
Нейросеть — идеальный исполнитель. Она считает быстрее калькулятора и пишет быстрее секретаря. Но она — абсолютный ноль в принятии решений.
Вот вам формула новой реальности:
0 (опыта) × Бесконечная мощность ИИ = 0.
15 лет (опыта) × Бесконечная мощность ИИ = Экзоскелет.
Вы перестаете быть «ломовой лошадью». Вы становитесь Архитектором. Вы ставите задачу, ИИ делает черную работу, а вы проверяете результат своим опытом.
Зумер примет галлюцинацию нейросети за чистую монету. Вы увидите ошибку за секунду, просто потому что «так в бизнесе не бывает».
Так что выдыхайте. Технический порог входа исчез. Теперь рулит не тот, кто быстрее печатает, а тот, кто глубже понимает суть.
Как надеть этот экзоскелет на свои твердые навыки (и перестать бояться молодежи) — учим здесь:
Нейросети для бизнеса и карьеры
По офисам гуляет страшилка: сейчас придут зумеры, которые родились со смартфоном в руке, нажмут кнопку «Сгенерировать» и отправят нас, кому за 40, на пенсию.
Якобы мы — динозавры, а они — метеорит.
Давайте посмотрим правде в глаза.
Представьте, что мы даем задачу проанализировать P&L (отчет о прибылях и убытках) двум людям. Первый — шустрый выпускник курсов «Нейро-архитектор». Второй — финдиректор с 15-летним стажем, который вчера впервые открыл Claude.
Молодой парень загрузит файл и напишет: «Найди инсайты».
Нейросеть выдаст гладкий текст: «Выручка упала из-за снижения продаж в Q3». Парень оформит это в красивую презентацию. И это будет провал.
Финдиректор сделает иначе.
Он знает, что падение продаж в Q3 связано с задержкой контейнеров из Китая — о чем в цифрах отчета нет ни слова. Он знает контекст. Он видит цифры и чувствует, где они «не бьются».
Поэтому его промпт будет другим:
«Сравни маржинальность по этим категориям и проверь, не съела ли логистика всю прибыль, если учесть новый контракт с подрядчиком».
И вот тут то и зарыта собака.
Нейросеть — идеальный исполнитель. Она считает быстрее калькулятора и пишет быстрее секретаря. Но она — абсолютный ноль в принятии решений.
Вот вам формула новой реальности:
0 (опыта) × Бесконечная мощность ИИ = 0.
15 лет (опыта) × Бесконечная мощность ИИ = Экзоскелет.
Вы перестаете быть «ломовой лошадью». Вы становитесь Архитектором. Вы ставите задачу, ИИ делает черную работу, а вы проверяете результат своим опытом.
Зумер примет галлюцинацию нейросети за чистую монету. Вы увидите ошибку за секунду, просто потому что «так в бизнесе не бывает».
Так что выдыхайте. Технический порог входа исчез. Теперь рулит не тот, кто быстрее печатает, а тот, кто глубже понимает суть.
Как надеть этот экзоскелет на свои твердые навыки (и перестать бояться молодежи) — учим здесь:
Нейросети для бизнеса и карьеры
👍10🔥8❤4
Прощай, Эксель!
Мой дорогой друг, я благодарен тебе за все эти годы. Ты выручал меня, когда 1С зависала, не было интернета, и мы с тобой за ночь справлялись с любой задачей.
Но время меняется, и у меня появились новые напарники. Американец Клод делает невероятно красивые дашборды (правда за деньги). А вот китаец Дипсик берется за любую работу, не ноет, делает бесплатно и в срок.
Я объясняю им задачу в двух словах, и за полчаса получаю аналитику, на которую мы с тобой раньше тратили по три дня.
Ничего личного. Просто серьёзные рабочие задачи я теперь делаю с ними. А к тебе буду иногда заглядывать, записать расходы на ремонт.
———
А если серьезно - считать руками в Экселе, это теперь непозволительная роскошь и для аналитика, и для любого менеджера.
Да, у всех был негативный опыт, но теперь ИИ работает с расчетами без галлюцинаций. Можно наладить полноценную онлайн-отченость без Excel, знания макросов или Pivot/Query.
Сомневатесь, что у вас получится?
Я докажу вам это в прямом эфире! Вместе мы с вами построим полноценный дашборд с помощью DeepSeek, пользуясь только бесплатным функционалом.
Вы своими глазами увидите и пощупаете руками, как в 2026 году нейросети работают с таблицами, делают онлайн-дашборды и анализ что-если.
Приходите в пятницу 6 февраля в 18:00 на открытый урок.
Регистрация
Мой дорогой друг, я благодарен тебе за все эти годы. Ты выручал меня, когда 1С зависала, не было интернета, и мы с тобой за ночь справлялись с любой задачей.
Но время меняется, и у меня появились новые напарники. Американец Клод делает невероятно красивые дашборды (правда за деньги). А вот китаец Дипсик берется за любую работу, не ноет, делает бесплатно и в срок.
Я объясняю им задачу в двух словах, и за полчаса получаю аналитику, на которую мы с тобой раньше тратили по три дня.
Ничего личного. Просто серьёзные рабочие задачи я теперь делаю с ними. А к тебе буду иногда заглядывать, записать расходы на ремонт.
———
А если серьезно - считать руками в Экселе, это теперь непозволительная роскошь и для аналитика, и для любого менеджера.
Да, у всех был негативный опыт, но теперь ИИ работает с расчетами без галлюцинаций. Можно наладить полноценную онлайн-отченость без Excel, знания макросов или Pivot/Query.
Сомневатесь, что у вас получится?
Я докажу вам это в прямом эфире! Вместе мы с вами построим полноценный дашборд с помощью DeepSeek, пользуясь только бесплатным функционалом.
Вы своими глазами увидите и пощупаете руками, как в 2026 году нейросети работают с таблицами, делают онлайн-дашборды и анализ что-если.
Приходите в пятницу 6 февраля в 18:00 на открытый урок.
Регистрация
farewell-excel-ai.lovable.app
Прощай, Эксель!
Как в 2026 году делать аналитику с нейросетями. Открытый вебинар 6 февраля.
👏3😁3❤1🤡1
Ассистент — это «быстрые руки». Агент — это «своя голова»
Мы привыкли к ИИ как к умному ассистенту или стажеру, которому даем простую рутину. Он быстро пишет, считает, переводит.
Эффект понятен: сотрудник с ChatGPT работает за двоих. Но он всё ещё работает сам.
Сейчас правила меняются. На сцену выходят Агенты. И это ломает мозг многим руководителям.
Разница между ними не техническая. Она — управленческая.
Ассистент спрашивает: «Шеф, как ответить на это письмо?».
Агент говорит: «Шеф, я договорился о встрече на вторник, добавил в календарь, вот ссылка».
Чувствуете разницу?
По данным McKinsey, главный тормоз внедрения агентов — не техническая сложность, а страх делегирования.
Или это не страх, а управленческая импотенция?
Компании просто не готовы пересматривать процессы. Мы привыкли контролировать каждый шаг, а агенту нужно дать свободу (в рамках дозволенного, конечно).
Без права на решение агент превращается в дорогую и бесполезную игрушку.
А с правом на решение он становится источником риска. «А вдруг он нахамит клиенту? А вдруг даст скидку 90%?».
Главный вопрос 2026 года для бизнеса звучит так:
Не «как мне это настроить?», а «какой кусок власти я готов отдать ИИ-агенту, чтобы освободить себя?».
Готовы отпустить руль или так и будем всё контролировать вручную?
Please open Telegram to view this post
VIEW IN TELEGRAM
💔6🤡4❤2🤣1
Make vs n8n: На чем строить бизнес в 2026 году?
Раньше выбор был простой. Не программист? Тебе в Make (бывший Integromat). Тянешь стрелочки между красивыми блоками, всё работает, красота.
Пока не начинаешь подключать нейросети.
Вот тут начинается веселье.
ИИ-агент может крутить 500 итераций на одну задачу: подумал, проверил, переписал, сохранил, проверил ещё раз. И Make считает каждое действие в процессе как отдельную операцию. А операции — это деньги.
Давайте посмотрим на эти два инструмента с точки зрения бизнеса, а не технологий.
Make
Это как лететь в самолёте. Дорого, но удобно. Тебя покормят, всё объяснят.
Для чего:
Простые связки. Пришла заявка → улетела в CRM.
Деньги:
Платите за каждое действие. Запустили ИИ-агента думать в цикле? Готовьтесь к счетам.
Приватность:
Данные идут через их серверы. Для большинства задач норм, для чего-то серьёзного — вопросики.
n8n
Это как личная машина. Да, её надо купить и поставить в гараж. Зато потом ездите сколько хотите.
Для чего:
Сложные системы, многощаговые алгоритмы, секретные данные.
Деньги:
За операции не платите вообще. Только аренда сервера — 5-10 баксов в месяц. Хоть миллион операций крутите — цена та же.
Сложность:
Один раз позвать технаря, чтобы поднял на вашем сервере. Дальше интерфейс почти как в Make, с чуть большей сложностью.
Приватность:
Данные у вас, никуда не улетают. Добавьте локальные модели — получите полную автономию.
Что в итоге
Простая автоматизация (лид упал → SMS ушла)? Сидите на Make. Проще действительно, и экономия не окупит время на возню.
Но строите ИИ-сотрудников, которые анализируют, сравнивают, генерят контент круглосуточно? Переезжайте на n8n.
На дистанции года разница огромная. Платить 10$ за сервер или 500$ за Enterprise-тариф только потому, что ваш агент много думал — чувствуете разницу?
Please open Telegram to view this post
VIEW IN TELEGRAM
❤10👍4
Юристы, подвиньтесь. ИИ пришел за вашими гонорарами
Кажется, скоро мы перестанем платить почасовку за «просто почитать договор».
Anthropic (это те, кто делает Claude) выкатили обновление специально для юридической рутины. И это не просто чат-бот, а инструмент, который умеет копаться в документах, как дотошный стажер, только бесплатно и за секунды.
Рынок профильного софта для юристов сразу напрягся, акции полетели вниз.
Почему это важно вам, а не только юристам?
Вспомните, как это обычно бывает. Приходит договор от контрагента на 40 страниц. Вы кидаете его юристу. Тот берет паузу на день, выставляет счет за 2 часа работы, а в итоге пишет: «В пункте 5.2 поправьте сроки».
Всё. За это вы заплатили 10-20к рублей (или больше, смотря какой юрист).
Что меняется:
Теперь самую душную работу — вычитку NDA, поиск подводных камней и сверку с типовыми формами — делает ИИ.
Человеку остается только принять решение: подписываем или бодаемся.
Мы перестаем платить за процесс чтения букв. Мы платим только за экспертизу и ответственность. Ценник на аутсорс юридических услуг должен упасть, потому что «я читал это три часа» больше не аргумент.
Если у вас есть подписка Claude и вы уже используете Claude Cowork, то вам просто нужно подключить плагин Legal.
Вы готовы рискнуть и доверить проверку договора на миллион нейросети, чтобы сэкономить 15к? Или «кожаный мешок» с дипломом всё ещё надежнее?
Please open Telegram to view this post
VIEW IN TELEGRAM
❤1👍1
Почему сотрудники совершают одни и те же ошибки дважды
(спойлер: они не могут найти старый опыт)
Есть такой термин — тёмные данные. Или Dark Data. Это записи звонков, PDF-инструкции, бесконечные чаты и логи, которые просто лежат на корпоративных дисках/серверах.
По статистике Splunk, до 55% корпоративных данных как раз те самые «тёмные данные».
Обычная ситуация. Из компании уходит ключевой сотрудник, и вместе с ним исчезает контекст сотен решений.
Чтобы выяснить, почему три года назад вы отказались от выгодного контракта, вам приходится расспрашивать других сотрудников, копаться в старых переписках, переслушивать записи созвонов…
Или вы просто совершите ту же ошибку дважды, потеряв деньги.
Как заставить эти данные работать на вас?
Конечно с помощью ИИ.
И в итоге у компании появляется ассистент, который выдает архивные факты за секунды.
На вопрос: «Какая маржинальность была в прошлом году и из-за чего она упала в октябре?»
ИИ ответит: «Маржинальность снизилась на 12% из-за смены логистического партнёра (решение от 14.09). Вот ссылка на протокол встречи и запись созвона, где это обсуждали».
Может звучать сложновато в реализации. Но по сути вы систему настраиваете один раз, а дальше только профит.
Что вы делаете с «тёмными данными»? А записями совещаний, чатами с клиентами и т.д. Анализируете их, или просто складируете?
Please open Telegram to view this post
VIEW IN TELEGRAM
❤6👍5⚡1😱1