Чем мы хуже ИИ?!

Вы наверняка слышали: полный и качественный контекст для ИИ важнее, чем выбор наиболее подходящей ИИ-модели и прочие технические аспекты. Garbage in, Garbage out!

Но разве людям не нужно то же самое?

Если нас просят о чем-то без контекста, мы в лучшем случае запрашиваем нужный для ответа контекст, в худшем — уклоняемся от запроса или говорим первое, что пришло в голову (последнее похоже на ответы ИИ 😎).

Например, меня недавно спросили "Можно мне включить персонализацию в Gemini?", а имелось в виду "В настройках личного аккаунта Gemini есть пункт Saved info, хочу такой же в рабочем аккаунте".
Или вот: "А как сделать рассылку по новой системе?", а имелось в виду "В форме рассылки появилось новое поле, его заполнять?".
Тут жирным я выделил контекст.

На выяснение контекста и раньше уходила львиная доля коммуникаций, а теперь это усугубилось:
коллеги генерят с ИИ тексты, показывают их вам без контекста, и вы не понимаете, откуда ЭТО взялось 🤯

➿➿➿
Что делать? Учить коллег:

✅ Приходить без контекста — значит намного больше времени тратить на выяснение.
✅ Получать результат с ИИ — хорошо, а скрывать этот факт — плохо: он важен для понимания результата.
✅ Хорошо бы давать пошаренную ссылку на ИИ-чат, если ИИ был использован при получении результата.. Или если ответ уже искали с ИИ, прежде чем спросить.
✅ Если пошарить чат никак, нужно хотя бы говорить: "я ИИ дал X, спросил у него Y, и вот что он выдал: Z". Здесь X может просто означать "включил веб-поиск" (это тоже контекст).

И заодно это способ приучить людей к мыслям:
🔹ИИ — отличный преобразователь контекста (X) в результат (Z), но отнюдь не генератор верных ответов на вопросы (Y).
🔹Сначала спроси ИИ (так лучше поймешь, чего хочешь), потом приходи к эксперту/менеджеру.

➿➿➿
Люди заслуживают не меньше уважения в виде контекста, чем ИИ-модели 🩵
Плюс результаты работы с людьми будут лучше, если давать им хороший контекст — всё как с ИИ!

@aidea4work #люди

Ждём удобных AI-инструментов от AI-корпораций типа OpenAI? 🙏 Чтобы "каждый мог быстро создать себе агента"?

Боюсь, что нет смысла ждать, если вы как руководитель хотите "дешево" и "для людей". Не говоря уже о том, что небезопасно отдавать свои рабочие процессы наружу — в OpenAI и т.д.

➖➖
Для примера посмотрим на no-code Agent Builder который вчера презентовала OpenAI. Заявления в духе "это убийца n8n" не имеют ничего общего с реальностью 🤷‍♂️ — кроме того, что там тоже блоки и связи.

🔹Agent Builder — отнюдь не продукт для пользователей — это просто небольшая часть их экосистемы для разработчиков агентов (наряду с их tools, vector stores, evals и др.). Без кода результат Agent Builder нельзя даже использовать.

🔹Более того, no-code сам по себе "не совсем для людей": много ли вы знаете людей без технического бэкграунда, которые способны легко создать агента, накидав на схему блоки и связав их стрелками?

AI-революция — совсем в другом: общаться с машинами нужно на человеческом языке! А отнюдь не на языке блок-схем, который я еще в прошлом веке использовал для разработки приложений 🤦‍♀️

➖➖
Что отсюда следует с точки зрения компании, которая хочет внедрять AI agents (или хотя бы AI workflows) в свои процессы:

🔹🔹🔹🔹 🔹Если у вас есть достаточно "технарей", чтобы создавать и поддерживать всех нужных агентов — они, конечно, могут быстро работать с no-code блок-схемами в self-hosted n8n.
🔵Но сначала обсудите с ними: а не лучше ли им все-таки писать код с AI? Как минимум, код проще тестировать и поддерживать, чем no-code.

🔹🔹🔹🔹 🔹 Если агенты должны создаваться или хотя бы дообучаться не-техническими сотрудниками — тогда НЕ стоит им давать в руки обычный no-code.
🔵Да, вашим технарям придется попотеть, чтобы разработать AI-интерфейс настройки агентов на естественном языке.
🔵Но если смотреть на масштабе, то оно того стоит — это и гибче, и дешевле, когда каждый сотрудник может создать агента для себя или своей команды, без бюджета на IT.

🔹🔹🔹🔹 🔹 И лишь если у вас малый/средний бизнес — лишь немногим людям с техническим бэкграундом нужен доступ к настройке агентов — тогда вполне хорошим решением может быть no-code в чистом виде.
🔵Например: n8n для экс-разработчиков, Make для любителей попроще, а Agent Builder для тех, кто и так уже накрепко связал себя с OpenAI.
🔵Но будьте готовы к тому, что вам потребуется AI-генерация/обновление этого ноу-кода по промптам.

➖➖
Чем же заменить такие no-code решения как OpenAI Agent Builder, если у вас кейс 2? Обсудим в одном из следующих постов.

@aidea4work #агенты #nocode #новость

#дайджест постов в канале @aidea4work

💡 Внедрение ИИ в компаниях
🔵Нужен ли нам AI rulebook? (Асхат Уразбаев про отчет от Google)
🔵Пилоты по ИИ есть, а эффекта нет? AI-чемпионы (статья Олеси Якубовой)
🔵Кто такие AI prosumers и почему они нам нужны? (Асхат про исследование MIT)

👑 Люди и ИИ
🔵Как AI меняет фокус менеджмента? И насколько?
🔵Чем мы хуже ИИ?! Зачем и как учить коллег давать вам контекст

✔️ ИИнструменты
🔵Что и как люди ищут с ИИ?
🔵Как не потерять ценные ИИ-чаты?
🔵Agent Builder, no-code и его альтернативы в трёх кейсах

✏️ Картинки
🔵ИИшка ИИшкой погоняет: как делать картинки с нуля
🔵Картинки со смыслом: сравнение GPT и Nano Banana

↗️ LLM
🔵Тренд на роутеры моделей и тренд на их предсказуемость
🔵GPT-5 — это зло? И сравнение моделей на обучающем боте

Наш новый курс «AI-чемпионы» уже скоро.

➡️Кто такой AI-чемпион и зачем он нужен

Если в вашем департаменте / вашей компании есть ИИ-энтузиасты — вероятно, именно они могут обеспечить успех внедрению ИИ, став связующим звеном между технологиями, сотрудниками и бизнесом.

Присылайте их на двухмесячный курс, стартующий уже через 2 недели:

➖➖
Этот курс научит видеть бизнес-потенциал ИИ, разрабатывать и внедрять эффективные решения.

Мы сфокусировались на трёх столпах, без которых невозможно использование и системное внедрение AI:

1️⃣ Глубокое понимание технологий:

🟠Разберётесь в LLM, RAG и классическом ML.
🟠Научитесь создавать AI-агентов и рабочие процессы в n8n без кода, а затем переносить их на Python.
🟠Настроите деплой и мониторинг для стабильной работы ваших AI-решений.

2️⃣ Фокус на бизнес-ценности:

🟠Будете находить процессы, где AI даст максимальный и измеримый эффект.
🟠Сможете отличать на метриках качественные AI-решения от плохих.
🟠Научитесь считать финансовые модели (Payback, NPV, IRR) и защищать свои проекты перед руководством.

3️⃣ Успешное внедрение и масштабирование:

🟠Освоите управление проектами от идеи до релиза, включая управление рисками и регуляторикой.
🟠Создадите дорожную карту внедрения и научитесь обучать коллег, становясь центром AI-компетенций.

4️⃣ В итоге вы не просто получите знания, а создадите:

🟠Портфель AI-инициатив для вашей компании.
🟠Готового AI-агента, подключённого к корпоративным данным.
🟠План масштабирования и защиты проекта перед экспертным советом.

➖➖
Курс ведут Олеся Якубова, Асхат Уразбаев, Сергей Липчанский и еще несколько экспертов.

Старт уже 30 октября
➡️ Зарегистрироваться

@aidea4work #статья #лидерство #обучение

ИИ-автоматизация: сначала для себя!

В недавнем посте про влияние ИИ на фокус менеджмента был отмечен тренд: руководители учатся управлять AI-агентами.

☝️Но прежде чем вы начнете разбираться в AI-агентах и способах их интеграции в команду, начните с простых AI-ассистентов для себя как менеджера.
Этот подход сулит "быстрые победы", на основе которых уже не страшно затевать ИИ-автоматизации уровня команды или даже компании.

➿➿
Но что конкретно и как тут можно сделать?
Давайте разберём частный случай ассистентов, разгребающих транскрипты встреч — из статьи Автоматизация менеджмента с AI:

1️⃣Подумайте, на каких регулярных встречах вы себя должны заменить на AI notetaker (транскрибатор).
Грубо говоря — на любых встречах, где польза от вашего присутствия намного меньше, чем вероятный вред 😎. Ведь из-за вас команды могут не успевать обсуждать важные темы, приукрашивать реальность, скрывать сложности и т.д.

2️⃣Определите кейсы, где авто-уведомления на базе транскриптов встреч полезны лично вам.

Вместо надоедливых сводок о каждой встрече, ИИ может:
⚫️Делать вам дайджесты главного из командных встреч за неделю.
⚫️Уведомлять вас об обсуждении темы X из интересующего вас списка тем. Как и дайджесты, это работает в нашей компании. Если хотите узнать подробнее, пишите в комментарии 👉
⚫️Уведомлять о процессных проблемах. Например: когда по итогам обсуждения не было action items, когда были чересчур негативные/эмоциональные обсуждения, которые могут требовать вмешательства менеджера, и т.д.
⚫️А для таких формализованных процессов как Scrum ИИ может даже оценивать соответствие целям встреч и работу ведущего встречи. Об этом есть видео и промпты к нему.

3️⃣ Попросите ИИ объяснить вам, как сделать no-code автоматизацию в вашем кейсе.
Вы как менеджер умеете ставить задачи людям, а значит — сможете поставить задачу и ИИшке. Только лучше сразу в запросе указать ваш транскрибатор и nocode-инструмент, который вам доступен:
⚫️Например, в компании развернут локальный n8n,
⚫️или вы не энтерпрайз, и вам не запрещено общаться с внешним бесплатным ИИ (например, с Gemini через Make).

➿➿
А если пока боитесь no-code — сейчас есть море подробнейших инструкций, в т.ч. на русском: вот гайд по n8n и вот мой гайд по Make.

#новость Неделю назад в облачном n8n появился еще и workflow builder — там вы текстом объясняете, что хотите, а он вам строит no-code-автоматизацию. Т.е. пункт 3 упростился.

@aidea4work #статья #транскрипты #nocode

Что если пойти дальше уведомлений в почту/мессенджер? (продолжение поста про AI-автоматизации на базе транскриптов).

🔹🔹🔹
Итогом ваших встреч могут быть созданные ИИ готовые "документы" или "записи" во внутренних системах. Тогда в уведомлениях вам придут сразу ссылки на эти "документы", а не просто тексты (на основе которых вы принимаете решение или делаете "копипейст куда нужно"). И если там все ОК — вы можете ничего не делать, т.е. автоматизация полная.

Например:
⭐️Продакт/проджект после планирования может получать ссылки на новые и измененные элементы бэклога в Яндекс Трекере.
⭐️Линейный менеджер после 1-on-1 может получать сводку в Яндекс-документе, который ИИ поместил в соответствующую сотруднику папку.
⭐️Бывают и более сложные сценарии, когда для полной автоматизации недостаточно транскрипта встречи — например, нужно дать ИИ доступ к куче данных типа таск-трекера или оргструктуры компании.

🔹🔹🔹🔹🔹
Неполные автоматизации типа "человек получил уведомление по триггеру, дальше должен отрабатывать его сам" формально экономят время, способствуют качеству, своевременному решению задач / обнаружению проблем.
Однако с точки зрения тех, кого ИИ уведомляет, работа зачастую стать хуже — более рутинной (копипейст, меньше думать), непривычной (больше читать) и менее системной (вы же не хотите отвлекаться на задачу или проблему в тот момент, когда вам её принес ИИ? 😉).

Чтобы не допустить выгорания, нужны также полные автоматизации — с доступом ко многим системам компании.

🔹🔹🔹
Тут уже вам как менеджеру не справиться "своими руками", даже если вы в прошлом технарь.

Допустим самый оптимистичный случай: ваши айтишники получили бюджет, развернули nocode-платформу с поддержкой MCP, опубликовали API внутренних систем в доступном этой платформе MCP-сервере, повозились с настройкой доступов в зависимости от роли пользователя.

🔵Даже в этом случае созданные вами и другими не-инженерами no-code автоматизации порождают риски, связанные с безопасностью систем, непредсказуемостью RAG, нестабильными результатами ИИ-моделей и вытекающей из этого порчей данных.
🔵Поэтому они требуют присмотра со стороны инженеров: частое решение проблем "у меня не работает", автотесты ИИ-результатов (evals) для пользовательских автоматизаций и др. В общем, это дорого не только на старте, но и на этапе поддержки.
🔵Для небольших не-айтишных компаний еще сложнее: экспертизы и бюджета в ИТ-отделе наверняка не хватит на такое — хотя требования к безопасности тут ниже, чем в энтерпрайзе.

@aidea4work #nocode #внедрение

➖➖
Давайте выясним: может быть, кому-то все-таки уже удалось внедрить создание nocode ИИ-автоматизаций с прямым доступом к системам компании, причем создание руками НЕтехнических людей?

Поучаствуйте в опросе 👇

Приглашаем на бесплатный онлайн-митап!

ИИ в разработке ПО. Опыт Сбера по практическому внедрению и оценке эффектов
📅 12 ноября 2025, 19:00–20:00 (Мск)

🔗 Записаться бесплатно

Спикер: Владимир Долгов, директор по продуктам для разработчиков на основе ИИ, Сбер.

Что обсудим:

▫Реальные тренды и практическое внедрение ИИ в разработке
▫Проблемы и вызовы, с которыми столкнулись в Сбере
▫Как измерять успех и рентабельность внедрения ИИ
Этот митап будет полезен техлидам, менеджерам и разработчикам, желающим понимать, как AI меняет процесс разработки и приносит бизнес-эффекты.

Не пропустите, присоединяйтесь и задавайте вопросы эксперту!

Как выбирать ИИ-инструмент под задачу?

Не всегда чат-бот типа ChatGPT, Perplexity или Gigachat — лучший выбор. Всё зависит от того, достаточно ли вам инсайтов из чата и каков шанс, что вы захотите вернуться к результатам ИИ в будущем.

🟢 Для сиюминутных вопросов — например, "найди в интернете X" или "как лучше сказать Y?" — лучше пользоваться Поиском с Алисой или AI Overview от Гугла. А еще удобнее — голосовыми ассистентами. Так вы не захламляете историю в своем самом умном чат-боте (допустим, это Perplexity Pro).

🔵 Если задача требует многоэтапного обсуждения — тут хороши чат-боты, особенно ChatGPT (где лучше память и поиск, чем в Perplexity). В них можно искать по своим старым чатам, самые важные чаты помечать флажком, разделять контекст через Проекты/Пространства.

Но если на будущее ценен не чат, а сам артефакт от ИИ (документ, план, таблица, ...), приходится сохранять его в другое место, теряя контекст 😢

🔴 Если вы регулярно создаёте сложные документы или иные артефакты в области своей экспертизы — лучше подойдёт AI IDE типа Cursor (программистом для этого быть не нужно). Например, если вы как менеджер регулярно готовите нетиповые презентации или планируете очередной год/квартал.

Именно в IDE вы можете с первой попытки получать качество, которое устроит вас как эксперта. Потому что именно здесь вы сами контролируете контекст ИИ: не чат-бот решает за вас, что брать из памяти! Также в IDE вы кастомизируете рабочий процесс под себя.

🟣 Для типовых рабочих задач — почта, простые отчёты, управление задачами — удобнее использовать готовые системы с ИИ-фичами — типа Asana, Битрикс-24, Яндекс 360.

Для таких задач важно, что в системе уже есть стандартные рабочие процессы плюс куча интеграций.

🔗Подробнее о том, как грамотно распределять задачи между инструментами — читайте в этом разделе моей новой статьи.

@aidea4work #инструменты #статья

Почему я не вижу двукратного ускорения, если 50% кода теперь генерится?

❇️ Супер-интересное видео от Сбера, насыщенное реальными цифрами и выводами. Директор по продуктам для разработчиков Владимир Долгов 12 ноября рассказал про опыт внедрения ИИ на тысячи разработчиков Сбера и ответил на каверзные вопросы.

✅ Пошаговый разбор пилота по внедрению ИИ
✅ Честно о проблемах, с которыми столкнулись
✅ Какие были метрики и как их считали?
✅ Какой этап разработки самый проблемный?
✅ Мотивация и вовлечение людей
И многое другое!

➡Смотреть в YouTube
➡Cмотреть в RuTube

Слайды, как обычно, в описании видео.

@aidea4work #видео #митап

Как избегать галлюцинаций ИИ?

Самая частая претензия к ИИ — "он придумывает факты и цифры". Вот какими простыми вопросами / советами вы можете отвечать коллегам на такие жалобы:

1️⃣ Веб-поиск включён? Начинающие часто забывают про это 🤷‍♂️ , не понимая, что ИИ — это средство преобразования текста, а не база знаний.

2️⃣ Есть ли в ответе ссылки? Просите чат-бот давать ссылки на найденные веб-страницы, если он этого не делает. Это не только упростит проверку фактов, но и снизит риск выдумок.

3️⃣ Указаны ли хорошие источники в промпте? Обычно прошу так: Ищи статьи [на таком-то языке] на ресурсах типа таких-то. Если же у вас есть файлы с данными для ответа — еще проще: Ответ должен быть основан только на файлах

4️⃣ Вы запретили ИИ галлюцинировать? 😉 Современные ИИ-модели понимают и негативные инструкции! Например: Не придумывай ничего: если для ответа не хватает деталей, запроси их у меня; а если не нашел точного ответа, скажи "Я не знаю" Такую инструкцию можно сохранить в настройках чат-бота, чтобы не писать её в каждом промпте.

Полностью избавиться от галлюцинаций невозможно, но можно свести их к минимуму. Я уже не сталкиваюсь с этой проблемой, следуя этим и другим рецептам.

➿➿➿
Конечно, это далеко не все рецепты — делитесь вашими лайфхаками борьбы с галлюцинациями в комментариях!

☝️Продолжение — в следующем посте

@aidea4work #чатботы #промпты

Что важно понимать, чтобы получать точные не выдуманные ответы от ИИ?

Это продолжение прошлого поста — более продвинутые вопросы, которые стоит задать себе, если ИИ "выдумывает факты и цифры".

5️⃣Какого типа и размера ИИ-модель? Большие LLM (сотни млрд параметров) реже фантазируют, а рассуждающие умеют корректировать свои фантазии (если логика не слишком сложна). Многие модели, включая Qwen, Gemini и GPT-5, сами решают, рассуждать им или нет. Но всегда полезно запромптить так: Перед ответом подумай и проверь найденные тобой факты через другие источники.

6️⃣Не перегружен ли ИИ контекстом? Лучшие модели имеют контекстное окно ~1 млн токенов, но это не значит, что его можно заполнять полностью (подробнее об этом). Даже у них риск галлюцинаций и прочих проблем будет ниже при контексте 5 тыс. токенов, чем при 50 тыс. (1 токен ~ 2-2.5 символов русского языка). И тут возникает следующий вопрос:

7️⃣Какой инструмент дает вам доступ к LLM? Чтобы наполнять контекст ИИ-модели значимой информацией, нужен RAG, память и саммаризация контекста длинных чатов, и эти механизмы могут быть реализованы плохо. Если инструмент (чат-бот) добавил в контекст не ту информацию из большого файла, веб-поиска или длинного чата — это риск галлюцинаций, а не только нерелевантных ответов. К сожалению, в Гигачате и корпоративных чат-ботах это случается чаще, чем в Perplexity, Qwen или ChatGPT.

8️⃣Зачем вы хотите цифры именно от ИИ? Большинство неустранимых галлюцинаций — про числа. Лучше попросить ИИ формулу для Excel или даже программный код под ваши данные, чем заставлять его выискивать и рассчитывать нужные числа. Нерассуждающие модели ошибаются в простейших расчетах, и не стоит "забивать гвозди этим микроскопом".

➿➿➿
Эти 8 пунктов — про личное использование ИИ вами и вашими сотрудниками. На уровне компании есть другие рецепты борьбы с галлюцинациями, начиная от улучшения RAG и проверки AI-текстов спец. людьми и заканчивая AI-powered актуализацией корп. данных.

➿➿➿
Насколько вы умеете управлять контекстом и качеством ответов ИИ?
👉 Перейдите по ссылке на наш бот, чтобы проверить себя и заодно копнуть чуть глубже в эту тему. На этот раз бот не для обсуждений с ИИ, но всё равно дает подробный фидбек!

@aidea4work #чатботы #LLM #обучение

Малыш, ну сделай красиво 🙏

Мы тут собрали все записи наших AI-митапов в одном месте на нашем сайте, заходите.
Причём каждая запись теперь обогащена - там не только видео, а сразу ссылка на презентацию и продвинутое саммари (для тех, кто предпочитает быстро читать).

🚀 Кстати, о скорости.
Весь этот раздел сайта (и админка, и база знаний, и вся эта структура, где автоматически подтягиваются данные) был собран мной за пару вечеров. Не три месяца работы разработчкика, а просто несколько часов кодинга с AI-агентом.
В чем тут фокус? В том, что современный разработчик — это уже не тот, кто сидит и пишет код с нуля. Это архитектор и менеджер в одном лице, который описывает и ставит задачу агенту в VS Code (ну или где вы там с кодом работаете) и тот пишет код за него.

Хотите так же? Есть нюанс. Да, можно, конечно, просто написать "Малыш, ну сделай красиво", но результат будет соответствующий. Без вот этой вот базовой "менеджерско-архитектурной" части, без понимания, как оно там всё примерно работает, крутой результат не получится.

Так вот, я упаковал свой опыт (дцать лет управления командами разработки и пару-тройку лет общения с ИИшками) в курс по Vibe-Coding — приходите.

PS Ларисе Долиной в посещении курса по вайб-кодингу отказано!

@aidea4work #видео #обучение

Всем привет!

Делился тут недавно, что навайбкодил страничку с записями мероприятий и прилетело два вопроса о саммари — типа качественное, не просто пересказ, расскажи как делал.
А два — это уже больше чем один, это уже массовый запрос, так что решил поделиться.


📝 Итак, процесс, как рождались продвинутые саммари к записям выступлений:

1️⃣ Надо вытащить транскрипт.
Раньше у меня стояло расширение для хрома YouTube Summary (от glasp.co), бесплатной версии хватало чтобы в 1 клик на странице ролика получить полный транскрипт, скопировать его и утащить куда-то дальше. Теперь проще — с какого-то времени gemini (у меня это инструмент первого выбора) умеет напрямую кушать ссылки на ютуб ролики и работать с ними, так что вопрос транскрипта закрыт.

2️⃣ Дальше нужно сырой транскрипт превратить в саммари.
Так как транскриптов больше 1 -> значит задача массовая -> значит нужно написать системный промпт один раз и сделать gem-бота (аналог GPTs в chatGPT или Spaces в perplexity).

3️⃣ Окей, надо написать промпт.
У меня для этого есть другой gem-бот, которому я закидываю мысли, он меня мучает вопросами уточняющими и выдаёт готовый (ага, ща, прям так сразу и готовый, разбежался) промпт.

4️⃣ Дальше начинается традиционная отладка этого промпта.
Потому что как бы круто LLM не сгенерировала промпт — всё равно это будет не мой промпт, он не будет сразу работать так, как мне нужно. Зачастую процесс выглядит таким образом: 10 минут сгенерировать системный промпт, 1-2-3-5-8-13-20-... часов на отладку (в зависимости от сложности задачи, я реально тут несколько дней отлаживал промпт для агента-оркестратора).

5️⃣ Ну а дальше всё, промпт готов и в целом просто механическая работа.
Закинуть ссылку -> получить саммари -> выложить на сайт. Так как это задача массовая, но не прям уж МАССОВАЯ, то дальше автоматизировать не стал, остановился на этом уровне. Если бы надо было, то можно было бы пойти дальше и доделать до уровня "закинул ссылку боту в телеге" -> "на сайте появилось саммари".

PS Сам получившийся промпт засунул в первый комментарий, а то он большой
PSS Интересны ли такие посты? Дайте что ли комментов-реакций чтобы понять, актуален ли такой контент.

@aidea4work #промпты #инструменты

Будущее менеджера — просто вдохновлять сотрудников и получать по шапке от руководства? 🤔

(Это продолжение поста про фокус менеджмента)

Понятно, что ИИ НЕ может делать за нас двух вещей — мотивировать сотрудников и отвечать за их результат перед начальством.

👀 Но что ещё останется от классического People Management в эпоху ИИ?

➖➖➖
🔵 Увольнение/найм.
🔵Как обсуждалось в посте Асхата, ИИ вместо менеджеров уже отбирает "худших" людей для увольнения.
🔵А на этапе найма ИИ используют уже давно. Пусть это чаще на уровне HR-скрининга, чем менеджерских решений, но все равно влияние ИИ на результат найма получается больше, чем влияние руководителя! 🤦‍♂️

🔵 Продуктивность сотрудников (задать ожидания, оценить успехи, дать фидбек).
🔵В части мотивации / вдохновления — да, руководитель незаменим. Например, признание заслуг из уст ИИ никто не воспримет всерьёз.
🔵Но в остальном это рутинное 1-on-1 общение. И кажется, что большие языковые модели в формулировках ожиданий и даже фидбека уже сейчас круче многих менеджеров. А общая ИИ-зация организаций неизбежно приведет к тому, что у ИИ для выполнения этих функций будет полный и качественный контекст.

🔵 Развитие и рост сотрудников.
🔵В теории, это креативная работа, для которой у ИИ вряд ли когда-нибудь будет достаточно контекста.
🔵Но по факту здесь роль менеджера часто сводится к одобрению запрошенного сотрудником обучения и простым повышениям в должности/грейде 🤷‍♂️ И тогда ИИ-зация здесь будет проста и вполне оправдана.

➖➖➖
❓ Неужели линейным и middle руководителям в перспективе останется всего лишь быть вдохновителями людей и формальными ответственными за этих людей? (при том, что многие рычаги влияния на людей постепенно уплывают...)

То есть, останется лишь "танцевать" перед сотрудниками, чтобы не разбегались и перформили, и "танцевать" перед вышестоящим руководством, чтобы не назначило крайним? Грустно, если так.. 😢

➖➖➖
Что вы думаете — какие еще функции руководителей точно никуда не денутся в компаниях, прошедших через ИИ-трансформацию?
Пусть это не близкая перспектива (у большинства реальное внедрение ИИ еще не началось!). Но кажется, что стоит задуматься над этим уже сейчас, чтобы корректировать вектор своего развития 🤔

@aidea4work #лидерство #люди

Куда уходит время?!

Если верить ноябрьскому исследованию Anthropic, ИИ ускоряет выполнение отдельных задач в 5 раз 🤔
Но мы знаем, что реальная продуктивность людей пока растёт слабо (например, см. исследование офисных работников) или даже падает (исследование разработчиков).

Почему такой парадокс ❔

Одни считают, что освободившееся время просто съедает лень и doom scrolling. Другие винят деградацию мышления при работе с ИИ. Хотя, по-моему, у того меньшинства, кто уже сейчас активно использует ИИ в работе, всё наоборот. Мозг тренируется еще активнее — за счет поиска галлюцинаций в ответах ИИ, перехода на более высокие уровни мышления и т.д.

Почему же у нас, "ранних последователей ИИ", ускорение задач не превращается в свободное время?

Думаю, потому что много времени уходит не на конкретные задачи, а на "сбор контекста"❗️

➿➿➿
Конкретный контекст типа требований к задачам и правил работы мы еще можем упаковывать в системные промпты и базы знаний для ИИ (что само по себе трудозатратно, ведь этот контекст нужно нередко обновлять).

Но есть две важные для работы вещи, которыми продолжаем заниматься сами, без ИИ (и правильно делаем, я считаю).

1️⃣ Сбор косвенного контекста.
Мы ходим на встречи, следим за новостями компании и постоянно обновляем в голове все, что влияет на работу: как устроены процессы, какие негласные правила работают, в чем особенности разных коллег.

Именно это позволяет работать не просто «качественно», а уместно. В т.ч., делать нужные задачи и не делать лишнее. Недостаток косвенного контекста сразу виден в работе новичков.

2️⃣ Постоянное развитие. Раньше профессии менялись годами, теперь — месяцами. А ИИ меняется еще быстрее. Поэтому большое количество времени уходит на чтение проф. новостей, мини-эксперименты с новинками и изменения рабочих процессов (как минимум, своих).

Если не тратить время на проф. тренды и изменения работы, мы будем работать по старинке — и кажется, в этом десятилетии мы не можем себе этого позволить. ИИ не знает, что из нового важно именно для нашей работы и как уместно его применить.

➿➿➿
Не знаю как у вас, но я встречал руководителей, которые смотрят на работу подчиненных упрощённо. Мол, если человек профи, он все знает, и 90-100% его времени должно уходить на решение конкретных задач.

На практике же 20–30% времени интеллектуального труда уходит на нововведения и сбор косвенного контекста.
А у ИИ-энтузиастов в текущей ситуации — больше 50% 😊

Я думаю, что это не потеря эффективности, а нормальная цена за то, чтобы работа оставалась осмысленной, актуальной и полезной бизнесу.

А вы как считаете? И может, вы видите другие причины, по которым ИИ пока отнюдь не в разы ускоряет даже тех, кто работает с ИИ "правильно"?

@aidea4work #люди #продуктивность

💚💚💚💚 про любимый чат-бот.

Многие почти задаром покупали здесь в рублях подписку Pro на Perplexity — на очень удобный для россиян чат-бот, где есть даже Пространства (аналог Проектов от ChatGPT). Pro дает доступ почти ко всем крутым моделям.

Так вот: это окно в мир мощных LLM закрывается. Уже многим пришли письма об отключении Pro, так как перепродажа промоушен-подписки незаконна 💚

💚💚💚
И где теперь взять удобный ИИ💚

💚Лично для меня основным воркспейсом для работы с ИИ вместо Perplexity станет Cursor (вот тут я подробно описывал, чем обычные чатботы хуже для работы).

💚Но более простое решение — это, конечно, chat.qwen.ai. Там хорошая модель Qwen3-Max, есть "Проекты", а интерфейс даже поудобнее Perplexity. Qwen3 сейчас точно лучше, чем чересчур болтливый галлюцинирующий DeepSeek.

Я теперь буду пользоваться Квеном для простых-но-многоэтапных задач, которые хочется сохранить в истории чатов.

💚💚💚
А вы где пользуетесь мощными ИИ-моделями без VPN? Яндекс Алису и GigaChat пока сложно назвать мощными...

@aidea4work #новость #инструменты #LLM