Не верите в то, что AI-агенты могут делать рутину по управлению рабочими процессами?

🔵С одной стороны, даже несложные агенты это могут: посмотрите, например, демо конкретного агента ("тимлида / скрам-мастера") в этом видео доклада Асхата Уразбаева.

🔵С другой стороны, полноценно внедренных агентов такого рода действительно пока мало в российских компаниях. Поэтому есть смысл подождать, чтобы уменьшить риски именно для вашего внедрения❓

⌛ Можно и ждать, но еще лучше все-таки сделать первый шаг, намного менее рискованный.

Да, когда агенты сами используют инструменты (будь то через MCP или напрямую), — это действительно риски неправильной работы системы. Либо немалый бюджет на техспецов, которые с ними справятся.

Но ведь первым шагом легче научиться делать более простые ИИ-автоматизации — no-code AI workflows. В них сложнее накосячить, даже если все делать своими менеджерскими руками, без бюджета.

➖➖➖

⚡️В нашем блоге есть статья, которая поможет:

🔹Научиться строить AI workflows на примере умного пополнения базы знаний (личной).
🔹Разобраться, чем это лучше и чем хуже в сравнении с "вайб-кодингом" (для которого тоже бюджет не нужен, если вы в прошлом технарь).
🔹Понять свои шаги, ведущие к решению задач команды или организации через AI в no-code.

🔗 Смотрите и сохраняйте себе статью. Особенно те, кто просил такую статью лайками к майскому посту 😉

@aidea4work #статья #nocode #инструменты

📱Презентации с митапа 10 июля — про оценки эффекта от AI в компаниях.

🔹Эффект от AI в организации — Асхат Уразбаев
🔹AI-агенты: инвестиция или имитация? — Павел Филонов

☝️Видео будет на следующей неделе.

📱 Пора смотреть видео Асхата Уразбаева с митапа  AIDEA 10 июля — про то, чем окупается внедрение AI. Отдельно рассмотрены "горизонтальные" и "вертикальные" кейсы, которые представлены в недавнем отчете Seizing the agentic AI advantage от McKinsey (мнение Асхата отличается от McKinsey).

Как можно оценить эффект от ИИ и как его показать бизнесу — там тоже есть; найти соответствующие кусочки можно по подробному содержанию в описании видео:

🔹Смотреть в YouTube
🔹Cмотреть в RuTube

Видео включает не только рассказ по слайдам, но и демонстрацию того, как сотрудники могут создавать AI-ассистентов для себя и коллег.

@aidea4work #видео #митап

📱 Опубликовано видео второго доклада с митапа  AIDEA 10 июля — Павел Филонов рассказал про то, как бизнес может подготовиться к появлению AI-агентов.

🔹Смотреть в YouTube
🔹Cмотреть в RuTube

В отличие от первого видео, доклад Павла — скорее для тех, кто пока новичок в теме "ИИ как сотрудник, как сервис, как продукт и как клиент". Так что пересылайте тем коллегам, кто хочет быстро погрузиться в тему.

@aidea4work #видео #митап

❇️ Напоминаем: уже 24 июля в 18:00 (GMT+3) пройдет онлайн-митап kkts.ai для HRD, T&D, руководителей отделов и всех, кто работает с AI в компании.

Обсудим:
🟢 "4 уровня использования AI-инструментов в компании" с Сергеем Липчанским, ScrumTrek.
🟢 "Не промптингом единым: обучение AI‑навыкам в Альфа‑Банке", Любовь Суханова.
🟢 В завершение — открытая дискуссия и ответы на ваши вопросы.

Митап для тех, кто развивает людей, команды и процессы, а также для всех, кто хочет внедрять AI в процессы компании. Не забудьте зарегистрироваться — и расскажите коллегам, кому это может быть полезно!

👉 Регистрация по ссылке

#митап #кактус

🧠Будет еще быстрее, если думать перед запросом к ИИ, а не только после.

(Это в продолжение поста Олеси Якубовой Что делать, чтобы ускорение работы с ИИ не обернулось проблемами)

✅ Не экономьте время на контексте. Сразу задать детальный контекст — обычно быстрее, чем потом перепроверять каждую строчку текста от ИИ!

Конечно, все люди разные. И некоторые не видят проблемы для каждой задачи делать 5+ итераций: пробегать глазами ответ от ИИ, добавлять недостающий контекст, просить ИИ переделать... и так далее по кругу. Но даже такие люди устают от бесконечного чтения и рискуют потерять скорость (не говоря уже о том, что так расходуется в разы больше токенов ➡️ денег).

✅ Экономить можно не на указании контекста для ИИ, а на том, что большая часть контекста хранится и используется повторно.

🔵В принципе, можно хранить такой контекст в "базе знаний" и подсовывать ИИ готовые тексты/файлы из этой базы по необходимости. Но так могут делать лишь «системные» люди, коих меньшинство.

🔵Лучше повторно используемый контекст — например, о продуктах, стейкхолдерах или о процессе решения подобных задач — запаковывать в ИИ-ассистентов.

📌Подробнее о том, как опыт сотрудников оформлять в виде AI-ассистентов, и каких двух зайцев убивает такой подход — читайте в моей новой статье.

Один из зайцев напрямую связан с особенностью ИИ, проиллюстрированной на картинке ⬆️

@aidea4work #анализ #статья

❇️ Видео доклада Сергея Липчанского — на митапе 24 июля он рассказал о поэтапном внедрении AI в компании с двух точек зрения:

✅ В каком порядке стоит встраивать ИИ в процессы и культуру организации, чтобы это было органично, и на чем стоит фокусировать каждый этап, чтобы избежать провалов, — это нужно понимать всем руководителям.
✅ В чем роль HR на каждом этапе (эта роль на самом деле очень важна).

➡️Смотреть в YouTube
➡️Cмотреть в RuTube

P.S. Слайды Сергея есть, как обычно, в описании видео.

@aidea4work #видео #митап

📱 Вышло видео второго доклада с митапа 24 июля. Руководитель по обучению ИИ в Альфа-Банке Любовь Суханова рассказала про опыт массового обучения AI для разного уровня — от топ-менеджмента до рядовых сотрудников. В том числе:

⭐ Какие форматы для каких уровней работают.
⭐ Какие метрики успешности обучения замеряли.
⭐ Как пришли к тому, что вместе с обучением GenAI дают ещё и Data-Driven

➡Смотреть в YouTube
➡Cмотреть в RuTube

Будет полезно руководителям отделов и всем, кто заинтересован в обучении своих сотрудников правильному использованию ИИ. Но особенно близко для HRD и руководителей T&D — так что пересылайте коллегам ➡

@aidea4work #видео #митап

ИИ усиливает как экспертизу, так и некомпетентность. Что с этим делать?

Когда неопытный сотрудник даёт ИИ задачу — будет чаще всего ошибка или неверный фокус. Потому что:

❌ИИ слепо подчиняется, если не задать верный контекст
❌Новички не умеют приоритизировать важное
❌И вместо их обучения — закрепляется некомпетентность

База знаний тут не спасает. Она — про знания и факты, реже про инструкции, но не про прикладные навыки и нюансы принятия решений.

👉 Что работает: Homemade AI assistants
То есть, куча самодельных ИИ с контекстом и правилами, в которые упакован опыт тех, кто реально умеет решать задачи.

Идея простая:
🔹эксперты делают своих ассистентов без инженеров
🔹при этом задают для ИИ правильный фокус
🔹ИИ становится не просто исполнителем, а гидом
☑️ даже новички могут с ним делать работу “как надо”

Что нужно для минимальной реализации этой идеи — описано в статье:
🔗 AI-ассистенты как способ передачи опыта сотрудников

@aidea4work #внедрение #инструменты

#дайджест постов в канале @aidea4work

🟠 Внедрение ИИ
🟠4 уровня сложности внутренних AI-инициатив: что вместо мегапроектов?
🟠Чем опасна культура "Спроси у ИИ", и как ее преодолеть
🟠Шаблонные решения от ИИ, и как с ними бороться в командах
🟠Как контекст помогает экономить время, и почему каждый опытный сотрудник должен создавать AI-ассистентов

📄 Статьи про внедрение ИИ
🟠Статья с пошаговой инструкцией по внедрению ИИ: 14-дневный эксперимент для команды
🟠Статья с чеклистом из вопросов, которые должен задать себе лидер перед внедрением ИИ
🟠AI-ассистенты как способ передачи опыта сотрудников

🔥 Видео с митапов
🟠Чем окупаются вложения в ИИ — Асхат Уразбаев
🟠ИИ как сотрудник, как сервис, как продукт и как клиент — Павел Филонов
🟠Как AI встроить в процессы компании с участием HR — Сергей Липчанский
🟠Обучение AI-навыкам в Альфе-Банке — Любовь Суханова

➖ Ноу-код и сфера его применимости
🟠No-code vs vibe-coding. Инструкция по AI workflow для обработки голосовых заметок.
🟠How to no-code: Наполняем базу знаний из видео, статей, постов и др.

Каких-то тем не хватает? Пишите в комментариях ➡

GPT-5 — это зло или то, что вам нужно?

Вместе с GPT-5 OpenAI добавила в ChatGPT роутер запросов, который сам выбирает, какую модель запустить:
🪼 относительно быструю GPT-5 Chat — аналог GPT-4.1
🪼 рассуждающую GPT-5 (Thinking) — аналог o3 (причем глубина рассуждений варьируется параметром reasoning.effort, который тоже автоматически выбирается роутером).

🪼 Это то, что нужно большинству юзеров — ChatGPT подбирает оптимальную модель, не требуя напрягать мозг. Более того, теперь вау-эффект от рассуждающих моделей получат и те, кто никогда их не включал.

Но есть нюансы:
🪼 Из-за роутера и самой GPT-5 время ответа стало непредсказуемым, да и результат непредсказуем в неочевидных задачах.
🪼В ChatGPT исчезли все старые модели. Через галочку в настройках можно вернуть только GPT-4o, к которой привыкли сотни миллионов и у которой был более “человечный” тон общения по умолчанию.

🪼
Как же теперь без ChatGPT сравнить новую модель с привычной и понять, стоит ли переходить на GPT-5 в корпоративных задачах?

Я сравнил модели в своем обучающем телеграм-боте:
🪼 версия с GPT-5
🪼 версия с GPT-5 Chat
🪼 версия с GPT-4.1
И на тамошней задаче с созданием текста:
— GPT-5 — cлишком усердная (решается лишь непростым промптингом). Потребовала доп. инструкций в системном промпте. Даже с effort=low может неприлично тормозить, пришлось поставить effort=minimal.
— GPT-5 Chat справляется лучше GPT-4.1, хотя чуть дешевле. Правда, она тоже медленнее GPT-4.1.

Кстати, этот бот — кусочек ИИ-обучения сотрудников, которое мы 🌵 можем доработать и для вашей компании (необязательно в телеграме).

🪼Рекомендую и вам сравнить модели в этом боте на вашем типичном тексте. Правда, такое сравнение — только для одного типа задач, где нужно задать one-shot пример текста.

Поделитесь впечатлениями в комментариях, если вы уже сравнили GPT-5 на совсем других задачах.🪼

@aidea4work #LLM #чатботы #обучение

GPT-5 как тренд-сеттер: куда нас ведёт OpenAI?

✨ Тренд для обычных пользователей: «Всё в одном флаконе»

Единая точка входа с роутером в ChatGPT делает ИИ проще для «масс пользователей», и они будут ожидать этого от любых других чат-ботов.

И хотя OpenAI планирует встроить роутер внутрь модели, всё равно компаниям нужно развивать свои роутеры. Т.е. нужно простые запросы маршрутизировать на модели внутри контура, и лишь самые сложные — наружу (GPT/Gemini/...) — после деперсонализации и проверок на конфиденциальность.

🔹🔹🔹
🔌 Тренд для опытных пользователей и разработчиков: Улучшение steerability через промпты и опции API

Steerability в узком смысле — это точное следование промптам. А в широком — все, что помогает управлять поведением модели, получая предсказуемые по качеству и цене результаты.

👑 На GPT-5 можно строить более предсказуемые ассистенты, агенты и автоматизации, причем весьма дешевые.

За счет чего:
🔹 Появилась опция reasoning.effort=minimal — размышления включаются лишь когда это критично.
📍Поэтому GPT-5 экономит токены/деньги, даже в сравнении с нерассуждающими моделями. Например, в бенчмарках AAI Index GPT-5-minimal потратила меньше токенов, чем близкая по интеллекту GPT-4.1.
🔹 В API также добавлено verbosity — насколько детально пишет модель. Мне как промпт-инженеру теперь не придется "уговаривать" ИИ писать короче/длиннее в моих ботах.
🔹 Но главное — лучше steerability в смысле следования инструкциям — это критично для всех, кто пишет сколь-нибудь сложные промпты. По этому критерию в мире лидируют GPT-5 и o3.
🔹 Улучшено tool use: сохранение контекста между вызовами и т.д. Это делает более предсказуемыми агентов, ищущих данные и выполняющих действия в корпоративных системах.

🔹
Очевидно, GPT-5 — НЕ прорыв относительно o3 — ни по пункту 4, ни по пункту 3. Но тренд налицо: OpenAI оптимизирует свои последние модели по критериям управляемости/предсказуемости... а позже до уровня GPT-5 дорастут и открытые модели.

➡️Думаю, что плавное улучшение по этим критериям приведет к качественному скачку: построение предсказуемых AI-приложений перестанет быть искусством — станет легче для многих из нас, а не только для проф. разработчиков.

@aidea4work #LLM #тренды