ИИ в соцсетях: как дезинформация и информационные пузыри угрожают демократии

В современном мире внимание людей стало ключевым ресурсом, за который ведется жесткая борьба. Эта теория известна как «экономика внимания».

Соцсети зародились в начале нулевых, а сегодня стали основными платформами по превращению данных и внимания пользователей в прибыль с рекламы. Поэтому алгоритмы соцсетей показывают не столько полезный контент, сколько контент, который держит пользователей вовлеченными как можно дольше.

Так пользователи все чаще испытывают раздражение и усталость от соцсетей. Они стали местом агрессии, ненависти и политической поляризации, а ИИ помогает создавать информационные пузыри, распространять фейки и пропаганду.

Поляризация общества встроена в бизнес-модель. Злить нас и пугать выгодно для бизнеса, так как приковывает наше внимание. Пока корпорации получают прибыль от пользовательских данных, существующие проблемы никуда не исчезнут.

Соцсети следят за каждым действием пользователя (от его геолокации до посещаемых сайтов) и на основе этих данных формируют ленту рекомендаций, часто состоящую из коротких видео.

На нейрофизиологическом уровне соцсети воздействуют на мозг через систему вознаграждения. Каждый короткий ролик - это мгновенный источник положительного стимула. Когда вы видите что-то интересное, мозг выделяет дофамин, вызывая кратковременное чувство удовольствия.

Быстрая смена контента создает неопределенность, усиливая ожидание следующего приятного ролика, подобно азартной игре. Регулярные выбросы дофамина приводят к привыканию, а мозг начинает ассоциировать просмотр коротких видео с мгновенным удовольствием, формируя зависимость.

Таким образом, мы потребляем информацию, часто не проверяя ее достоверность. Бесконечный поток контента, в том числе сгенерированного ИИ, формирует ложную картину мира и загоняет человека в информационный пузырь.

Например, Дональд Трамп опубликовал на платформе Truth Social поддельное видео с якобы реакцией ведущего CNN Андерсона Купера на его участие в теледебатах.

В 2022 году Илон Маск приобрел Twitter и сократил 75% сотрудников, включая команду, отвечающую за борьбу с фейками. Таким образом Маск усилил свое политическое влияние, получив контроль над массовым каналом коммуникации.

Однако кейс с Маском является скорее исключением. Как правило, отдельные государства могут оказывать влияние на соцсети, распространяя пропаганду через ботофермы.

Другой пример - скандал с Cambridge Analytica, когда данные миллионов пользователей Facebook без их согласия были использованы для политической рекламы на выборах президента США в 2016 году.

Вот короткий гайд по уничтожению демократии:

1. Берем соцсеть под контроль (через государственное влияние или частный бизнес);

2. С помощью ИИ создаем дипфейки, распространяем дезинформацию и пропаганду;

3. Настраиваем рекомендательную систему так, чтобы пользователи оставались в своих информационных пузырях;

4. PROFIT. Люди формируют «собственное» мнение и идут голосовать на выборах.

Тем самым демократия, предполагающая свободный выбор граждан, подрывается на корню. Из-за использования ИИ общество начинает жить в параллельной реальности, где факты теряются среди множества противоположных версий одного и того же события.

Далее люди голосуют на выборах, искренне веря, что делают осознанный выбор, но на самом деле выбор уже заранее подготовлен алгоритмами, которые сформировали удобную для манипуляции картину мира.

Главная угроза демократии в том, что свобода выбора подменяется иллюзией свободы. И чтобы избежать попадания в эту ловушку, важно осознанно подходить к потреблению информации. Соцсетями следует пользоваться строго дозированно и критически подходить ко всему, что вы видите в своей ленте.

Как говорится, «кто владеет информацией - владеет миром». Управлять же людьми становится проще, когда ИИ создает иллюзорный мир, скрывая правду за завесой фейков.

#мысли

ИИ-тьютор для продавцов: как автоматизировать обучение сотрудников и увеличить выручку

Недавно я уже писал о том, как ИИ трансформирует образование. Сегодня расскажу о реальном кейсе разработки ИИ-тьютора для одной известной e-commerce платформы.

На этой платформе работают сотни тысяч продавцов, которым необходимо уметь не только хорошо продавать, но и эффективно пользоваться самой платформой. Рост продаж выгоден и продавцу, и платформе.

Главная цель ИИ-тьютора - автоматически создавать полезные курсы и уроки для продавцов, которые будут повышать их эффективность и увеличивать динамику продаж без дополнительной нагрузки на команду платформы.

Что по техчасти? Это система из двух агентов:

• ИИ-методист. Его главная задача - создание образовательных материалов. Здесь задействован целый пайплайн: на основе описания целевой аудитории и определения образовательных результатов (чему должен научиться продавец) агент составляет план курса по модулям, темам и разделам, затем формулирует поисковые запросы к базе знаний, извлекает оттуда нужную информацию и на выходе отдает готовый материал.

• ИИ-редактор. Он адаптирует текст под требуемый формат - будь то внутренние уроки на платформе или контент для соцсетей. ИИ-редактор дообучен на данных человека-редактора и создает текст, способный обойти ИИ-детекторы. В итоге агент получает на вход целый курс из модулей, тем и отдельных уроков, а выдает человекоподобный приятный текст.

Как сделать так же?

1. Соберите всю информацию в организации в одну базу знаний (FAISS, Qdrant, PGVector и т.д.) и настройте Agentic RAG - многоуровневую агентную структуру, которая разбивает сложные запросы на подзапросы и адаптируется к меняющимся условиям.

2. Используйте n8n или langchain для создания промт-архитектуры методиста и редактора. Эти фреймворки значительно ускоряют процесс разработки ИИ-агентов: n8n отлично подходит для простых задач и no-code автоматизации, langchain дает больше гибкости, а langgraph хорош там, где нужно активное взаимодействие человека и ИИ (особенно в ассистирующих системах). Мы выбрали langchain, потому что нам требовалась гибкость и простая интеграция с базой знаний.

3. Затем соберите человеческие статьи и дообучите модель на них (подробно о том, как это сделать и обойти ИИ-детекторы, я писал тут). Если вы работаете с чувствительными данными, подойдет небольшая модель - огромного числа параметров не требуется, так как основная задача редактора заключается в копирайтинге. Можно, например, взять русскоязычную модель «Вихрь». Одному из клиентов мы дообучали ее для другого кейса, но в данном кейсе использовали платформу OpenAI.

В итоге все компоненты были объединены в Telegram-бот для оператора системы (назовем его ИИ-менеджером), который задавал только темы курсов или отдельных уроков, основываясь на обратной связи от продавцов.

С помощью таких уроков продавцы начинают увереннее пользоваться платформой и совершенствуют навыки продаж на практике. Продавцы и платформа зарабатывают больше, человека-редактора повысили до ИИ-менеджера и теперь он работает меньше - все в выигрыше!

Что дальше? Я вижу большой потенциал развития ИИ в образовательных кейсах:

• Генерация коротких образовательных видео с ключевыми тезисами, которые удерживают внимание;

• Интерактивные квизы в конце уроков для лучшего закрепления материала;

• Чат-ассистент, с которым можно обсудить материал и заполнить пробелы в знаниях;

• ИИ-симуляторы с клиентами для реалистичной тренировки навыков продаж;

• Автоматический анализ диалогов с клиентами для предоставления обратной связи и рекомендаций.

Таким образом обучение превращается в полноценный интерактивный тренажер, позволяющий новичкам стать матерыми продавцами. И это не обязательно про продажи: подобный подход можно применить в любых доменах и областях знаний.

Думаю, что не только для коммерческих компаний, но и для школ и университетов это тоже был бы отличный помощник. Как считаете?

#кейсы

Продолжение эксперимента Landao AI: осознанные знакомства на базе ИИ

В начале года я запустил эксперимент с Landao AI - персональным ИИ-коучем по счастью. К эксперименту уже присоединилось несколько сотен человек. Напомню, что формула счастья Льва Ландау складывается из трех компонентов: работа, любовь и общение с людьми.

И вот наконец я перезапустил дейтинг-сервис на базе ИИ. Впервые я запустил в Сбере корпоративное дейтинг-приложение, в котором главное было не количество свайпов, а реальное совпадение интересов и ценностей. Так что теперь концепция «мэтчим не тела, а души» обретает новое дыхание в Landao AI!

Что нового в Landao AI?

1. Дейтинг: Записываете анонимную аудио- или видео-анкету, и ИИ подберет вам пару на основе общих интересов и ценностей.

2. Нетворкинг: Хотите найти коллегу или партнера по проекту? Записывайте анонимные аудио- или видео-анкеты о себе и свой запрос, и Ландао смэтчит вас с нужными людьми.

3. Еженедельная рефлексия: Раз в неделю ИИ-коуч помогает размышлять над своими эмоциональными состояниями и о том, как улучшить свою жизнь.

Я против бесконечных свайпов в дейтинг-сервисах и думскроллинга в соцсетях, поэтому для поиска бесплатно дается только одна анкета в день, чтобы делать выбор более осознанно.

Все новые фичи дополняют предыдущие:

• Ежедневные уроки стоицизма (древнегреческая философия счастья) - ментальные установки для развития осознанности, спокойствия ума и рассудительности;

• Дневник эмоций - записывайте свои мысли, рефлексируя с ИИ, который использует принципы когнитивно-поведенческой терапии;

• Социальная поддержка - анонимный обмен мыслями и эмоциями и поиск единомышленников.

За три месяца Ландао помог мне более внимательно подходить к своим внутренним состояниям, отделять эмоции от внешних событий и действовать более осозанно. Другие пользователи также отмечали полезность ежедневных уроков стоицизма.

Присоединяйтесь к эксперименту Landao AI и спасибо всем, кто уже с нами в сообществе людей, которые осознанно стремятся к счастью!

@landao_bot

#анонс

ИИ в программировании: как трансформируется процесс разработки ПО

Сегодня ИИ в разработке приложений - одно из самых быстрорастущих направлений. 25% стартапов из YC генерируют 95% своего кода с помощью ИИ, что позволяет командам от 2 до 10 человек быть суперэффективными.

В моей команде мы активно используем ИИ для кодинга. В этом посте я поделюсь общим обзором, а в следующих расскажу о конкретном примере вайбкодинга ИИ-агента и поделюсь мыслями о том, к чему это нас приведет.

Еще в 2023 году опрос GitHub показал, что 92% разработчиков используют ИИ, и при этом 70% считают, что ИИ дает им конкурентное преимущество, сокращая время на рутинные задачи и улучшая качество кода. За последние два года ИИ в генерации кода значительно улучшился.

CEO Anthropic предсказывает, что через 3-6 месяцев ИИ будет генерировать до 90% кода, а через год - весь код. CEO Google сообщил, что ИИ уже генерирует более 25% нового кода для продуктов Google.

Однако, по моим наблюдениям, мнение разработчиков разделяется: одни считают ИИ действительно революционным инструментом, другие - отрицают его полезность. Что мы имеем на самом деле?

Как и любой инструмент, ИИ требует сноровки и практики. Если не уметь пользоваться ножом, то им можно порезаться.

В целом, ИИ уже меняет процесс разработки ПО на всех этапах:

• Написание ТЗ (PRD): ИИ помогает превращать неструктурированные хотелки заказчика в системный документ с требованиями и описанием функционала, на основе которого проектируются дизайн и техническая архитектура.

• Проектирование архитектуры: ИИ помогает разработчикам создавать базовые архитектурные паттерны, но в этом процессе я все же предпочитаю доверять опытному специалисту, который с помощью ИИ проверяет уязвимые места системы.

• Исследование фреймворков: ИИ помогает искать лучшие методы и инструменты для решения сложных задач. Например, вот бот, который каждый день присылает выжимки свежих статей об ИИ, фреймворки из которых я использую в своих проектах.

• Генерация кода: Оператор ИИ-системы должен понимать принципы ООП и быть опытным разработчиком, взаимодействуя с ИИ на уровне абстракций. Для такого специалиста ИИ - это надежный инструмент, от которого он не ждет чудес, а получает предсказуемые результаты.

• Тестирование и отладка кода: Большую часть времени операторы ИИ-систем нажимают на кнопку «исправить», пока сгенерированный код не заработает.

• Деплой: ИИ также помогает автоматизировать процессы развертывания, CI/CD, управления инфраструктурой и поиска аномалий.

Существуют два основных типа ИИ-решений для разработки: копилоты для технических специалистов и автопилоты для бизнес-пользователей.

GitHub Copilot, Cursor и Zed — одни из самых известных копилотов, которые помогают разработчикам генерировать код и автоматически исправлять ошибки. Процесс фактически превращается в ввод требований текстом или голосом и итеративную генерацию и исправление кода до тех пор, пока он не заработает.

Replit, Lovable и Devin полностью автоматизируют разработку. Эти автопилоты узнают у пользователя требования к приложению и автоматически создают его за несколько минут. Пока результат не идеален, но простые приложения можно создать. В одном из моих постов я делился опытом, как мы за три дня создали свой автопилот для разработки ПО.

ИИ кардинально меняет процесс разработки. Однако это не означает, что ИИ заменит программистов. Вместо этого роль разработчиков меняется: они становятся операторами ИИ-систем, которые направляют ИИ, помогая ему решать сложные архитектурные и исследовательские задачи.

Креативность и системное мышление остаются за человеком. Самые успешные разработчики будут те, кто умеет работать в тесном тандеме с ИИ. Как говорил Брюс Ли: «Я не боюсь того, кто изучал 10 000 ударов, я боюсь того, кто изучал один удар 10 000 раз». Это вполне применимо и к ИИ в программировании, где «удары» - это языки программирования.

Сегодня естественный язык помогает превращать свои идеи в работающий код. Но все ли готовы провести 10 000 часов, упражняясь с ИИ, чтобы понять его истинные возможности?

#технологии

Пишем код с кайфом или вайбкодинг без нервотрепки

Отрицать вклад ИИ-копилотов в программирование уже бессмысленно. На этой волне появился термин «вайбкодинг» - стиль разработки, при котором программист описывает задачу на естественном языке, а всю механическую работу делает ИИ.

Основоположник направления Андрей Карпатый (экс-директор по ИИ Tesla, сооснователь OpenAI) называет вайбкодинг способом «полностью отдаться вайбу и забыть, что код существует». Но «отдаться вайбу» не всем легко, поэтому расскажу о своем недавнем кейсе.

Передо мной стояла задача создать ИИ-агента для известной соцсети, чтобы он проводил онбординг бизнес-пользователей, настраивал рабочее расписание и отвечал на сообщения от лица пользователя, консультируя клиентов и записывая их на встречи.

Запуск MVP требовался «еще вчера», поэтому пришлось «вайбкодить».

Задачу разделил на две части:

1. Агент для онбординга (жесткий сценарий, где пользователь только отвечает на вопросы);

2. Агент для консультаций и записи на встречи (гибкий сценарий, где пользователь может вести себя непредсказуемо).

Я использовал LangGraph, так как он удобен для удерживания пользователей в определенных узлах графа (своего рода «когнитивная архитектура» ИИ-агента), не давая перескочить куда не надо.

Если бы все делал вручную «с нуля» (включая интеграцию и тестирование), ушло бы пару недель. Но я решил использовать Cursor с режимами чата (как ChatGPT) и агента (главная магия, которая генерирует и исправляет код).

Сперва я описывал функционал каждого узла графа в режиме чата в виде ТЗ: какие входы и выходы и как обрабатывается контекст. Затем переключался в режим агента, чтобы Cursor сгенерировал код и внес необходимые правки.

Первый агент (онбординг) ведет пользователя по жесткому флоу: спрашивает информацию об услугах, проверяет ее, а затем настраивает расписание. Свернуть пользователь не может. Состояния графа запоминаются, и при любом новом сообщении процесс продолжает идти с того же места.

Второй агент (консультации и запись на встречу) более гибкий: пользователь может запросить что угодно, даже написание кода на Python (чего мы делать не собирались). Для этого я создал «общий роутер» - узел распознавания интентов. Он анализирует ввод, учитывает контекст и решает, какой флоу выбрать: общение, консультацию или бронирование встречи. При каждом новом сообщении пользователя обход графа начинается заново.

Это две разные архитектуры, и ИИ пока сам не совсем удачно выбирает архитектурные паттерны. Теперь роль программиста - быть архитектором, который четко формулирует ТЗ и задает видение результата, тогда итог становится предсказуемым, а нервы остаются целы.

ИИ не всегда генерирует рабочий код с первого раза, но «автопочинка» помогает быстро исправлять ошибки. Планирую добавить ИИ-симулякру пользователя, чтобы экономить время на тестировании.

В итоге MVP сделал за неделю вместо двух, включая тестирование и интеграцию, то есть вдвое быстрее. С должной сноровкой и автотестами можно ускориться еще.

Итак, 5 советов по использованию ИИ-копилотов:

1. Четкое ТЗ: сформулируйте архитектуру и функциональность, учитывая различные юзкейсы.

2. Правила: определите стиль кода, стек, процессы и окружения, это убережет от неожиданных изменений.

3. Узконаправленные команды. Разбивайте сложные задачи на мелкие шаги, чтобы минимизировать творческую вольность ИИ и сразу проверяйте результат.

4. Небольшой контекст. Слишком большой объем информации снижает качество работы модели, поэтому иногда начинайте новый чат.

5. Тестирование. Пишите end-to-end и модульные тесты, это защитит уже работающий функционал от поломок, а также делайте частые коммиты, чтобы быстро откатиться к стабильной версии.

Сегодня один технически подкованный человек может запустить стартап буквально за неделю, используя всего пару инструментов и вайбкодинг. Для бизнес-пользователей копилоты пока что сложны, а автопилоты еще не готовы к сложным проектам.

Остается автоматизировать маркетинг для привлечения пользователей, но об этом расскажу в другой раз.

А какой опыт использования ИИ-копилотов у вас?

#кейсы

Один в поле воин: можно ли создать успешный стартап в одиночку

Недавно передо мной встала задача: сделать детальный обзор очень большого документа, который не помещался в контекст LLM. Искать подходящий сервис было лень, да еще и карту пришлось бы вводить, поэтому решил, что быстрее сгенерировать код на Python, который разрезает документ на части и обрабатывает отдельно каждую с LLM. Этот подход сработал идеально - пару минут на генерацию кода, и готово.

В тот момент я четко осознал, насколько сильно изменился процесс создания продуктов.

Сегодня конкуренция на рынке резко возрастает, так как создать рабочий продукт можно за считанные часы. Происходит демократизация технологий: люди даже без технического бэкграунда могут быстро проверять продуктовые гипотезы.

Так для четверти стартапов YC до 95% кода создается с помощью ИИ, что позволяет командам не раздувать штат разработчиков, экономя деньги и значительно ускоряя проверку гипотез. Стартапы из зимнего батча YC 2025, благодаря ИИ, уже растут в среднем на 10% в неделю. Показатель ранее немыслимый на ранних стадиях.

Такой подход открывает дорогу соло-предпринимателям. Благодаря автоматизации, стартапы могут зарабатывать миллионы долларов, имея в команде менее десяти человек.

Традиционно считалось, что стартап - это командная игра. Однако статистика показывает, что доля стартапов, основанных одиночками без венчурного финансирования, выросла с 22,2% в 2015 году до 38% в 2024 году.

Философия «быстро сделай и проверь» прекрасно вписывается в эту модель. Питер Левелс - хороший пример: он запустил 12 стартапов за год, каждый - за пару недель. Быстро получал обратную связь и понимал, стоит ли развивать идею. Сейчас он зарабатывает более $100 тыс. в месяц.

А пример инди-разработчика Джонатана Блоу с успешной игрой Braid (2008) меня всегда вдохновлял. Он вложил в нее $200 тыс. и делал ее 3 года, но не ради денег, а ради самого пути. И доказал: один человек может сделать игру, которая конкурирует с играми больших студий.

Сегодня один человек, используя ИИ-сотрудников и вайбкодинг уже может конкурировать на рынке с компаниями, у которых десятки работников. ИИ - как суперкостюм: ты его надеваешь, чтобы быть в разы продуктивнее. Это сильно уравнивает позиции, и этот подход не просто технологичен - он философски глубок. Так люди, владеющие кодом, перестают быть просто исполнителями задач, становясь независимыми создателями продуктов.

Почему люди вообще идут по пути соло-предпринимательства? Потому что этот путь позволяет максимально быстро и свободно принимать решения, бесконечно экспериментировать и сразу же проверять идеи на практике. И несмотря на трудности, личное развитие и удовлетворение от собственного успеха значительно перевешивают риски и проблемы.

Это путь к внутренней свободе:

• Осознание, что успех или неудача зависит только от вас, может стать мощным мотиватором;

• Отсутствие разногласий с соучредителями обеспечивает ясность стратегического видения компании;

• Нет собраний, бюрократии - только максимальная эффективность.

Что касается меня, то, работа в Сбере была классным опытом, но я не ощущал достаточной свободы. Я не мог запустить продукт, если его не согласует руководство выше тебя, а согласование может занять более месяца. В то время как в стартапе мне даже спрашивать ни у кого не нужно - я могу делать ошибки и расти, это ценный опыт. Именно поэтому я решил выбрать более независимый, но сложный путь, сделав ставку на себя.

Признаю, бывает непросто. Самое сложное - заработать стартовый капитал. Конечно, можно привлечь инвестиции, но я делаю все на свои средства, и этого вполне хватает на то, чтобы комфортно жить, окупать небольшую команду ИИ-инженеров (умелые руки лишними не бывают) и экспериментировать с новыми гипотезами.

Вот несколько коротких инсайтов из моего пути:

• Главный ресурс - фокус внимания;

• Время ценнее денег;

• Искать клиентов легче, чем искать работу.

Интересно, кто будет первым, кто создаст миллиардную ИИ-компанию в одиночку? Сам вопрос уже не кажется фантастикой. Революция не на подходе - она уже идет.

#мысли

Знакомьтесь, Герман - джуниор бизнес-ассистент

Рад представить нового ИИ-сотрудника - Германа, который уже успешно помогает мне.

Теперь он может подключиться и к вашим делам:

• Управление задачами: Герман будет напоминать о важных дедлайнах и поможет в решении задач;

• Ведение заметок: Он выделит ключевые тезисы в ваших заметках и поможет ничего не упустить;

• Удобство взаимодействия: Общайтесь с Германом голосом, отправляйте файлы и ссылки - он легко обработает любую информацию.

Возьмите Германа на бесплатную стажировку, посмотрите на результаты, а далее можете выбрать удобный период найма - будь то неделя, месяц или год.

Со временем Герман научится новым навыкам и станет мидлом. К слову, у меня есть еще несколько iHumans, которых я скоро презентую.

Если хотите собственного ИИ-сотрудника с вашим лицом и голосом - пишите в личные сообщения, также буду рад вашей обратной связи.

@manager_ihumanbot

#анонс

Как ИИ помогает исследовать мозг, а роботы научились понимать трехмерный мир: топ-10 исследований ИИ за март 2025

Недавно я опубликовал обзор десяти самых интересных исследований в области ИИ за март этого года. Однако внимательные читатели обнаружили ошибку в последней статье - спасибо за бдительность❤️, поэтому перезалил исправленную версию. Ниже короткий обзор:


1. Qwen2.5-Omni: мультимодальный ИИ нового поколения

Новая модель от Alibaba, объединяющая текст, аудио, видео и изображения в реальном времени. Использует уникальную архитектуру Thinker-Talker и демонстрирует рекордные результаты в распознавании речи, переводе и видео задачах.

💾 Модель на HuggingFace


2. MedAgentSim: симуляция медицинской диагностики

Мультиагентная симуляция врачебного приема, где агент-доктор ведет полноценный диалог с пациентом, запрашивает анализы и ставит диагноз. Подход значительно повысил точность диагностики и сделал ее ближе к реальной практике.

💾 Код на GitHub


3. CodeScientist: полуавтономный ИИ-ученый

ИИ-система, способная сама формулировать научные гипотезы, писать и запускать эксперименты, а затем публиковать результаты. Система подтвердила 41% своих идей как научно значимые и перспективные.

💾 Код на GitHub


4. AgentRxiv: arXiv для ИИ-агентов

Создана платформа препринтов, на которой автономные ИИ-агенты делятся результатами исследований. Такой подход значительно ускорил решение научных задач и повысил общую эффективность автономных лабораторий.

💾 Код на GitHub


5. Open Deep Search: открытый конкурент Google и GPT

Фреймворк для глубокого поиска с открытым исходным кодом, демонстрирующий точность на уровне GPT-4o и Perplexity AI. Может стать основой для корпоративных поисковых систем, не зависящих от закрытых технологий.

💾 Код на GitHub


6. Tracing Thoughts of LLMs: как думают языковые модели?

Исследователи из Anthropic «заглянули внутрь» Claude 3.5 Haiku и обнаружили универсальные механизмы мышления, планирования и даже арифметических вычислений. Выяснилось также, почему ИИ иногда «галлюцинирует» убедительные, но ложные ответы.


7. Play2Prompt: модель сама изучает API

Инновационный метод автоматического обучения языковых моделей работе с новыми API через игру и обратную связь. Теперь ИИ может сам создавать примеры правильных вызовов инструментов, сокращая необходимость ручной настройки.


8. Chain-of-Tools: универсальный вызов инструментов

Новый метод позволяет языковым моделям динамически выбирать и вызывать нужные инструменты, сохраняя высокую точность. Идеален для универсальных ИИ-ассистентов с сотнями доступных инструментов.

💾 Код на GitHub


9. Gemini Robotics: ИИ и роботы выходят в реальный мир

Google создал систему Gemini Robotics на базе модели Gemini 2.0, способную управлять физическими роботами и понимать сложные 3D-задачи. Роботы стали существенно точнее и адаптивнее, быстро обучаясь новым операциям.


10. UniBrain: end-to-end анализ мозга

Единая ИИ-модель, выполняющая полный цикл анализа изображений мозга без промежуточных этапов и ручной корректировки. Обладает высокой скоростью и точностью сегментации, а также эффективно диагностирует состояния мозга (например, СДВГ), превосходя традиционные методы.

Читайте полный обзор, чтобы быть в курсе последних исследований и первым применить новые подходы на практике.

Также можете воспользоваться Dataist AI - бесплатным ботом, ежедневно обозревающим свежие научные статьи об ИИ.

#исследования

Искусственный интеллект в 2025 году: что происходит на самом деле и куда мы идем

Недавно Стэнфордский университет опубликовал 400‑страничный отчет AI Index 2025, поэтому я подготовил краткий обзор его ключевых тезисов по ссылке.

Где мы находимся сейчас? ИИ резко поумнел: новые модели уже опережают прошлогодние в сложных тестах. ИИ везде: от медицинских приборов до транспорта; появляются гуманоидные роботы. Инвестиции растут, а США и Китай соревнуются за лидерство. Вопросы регулирования на первом плане: государства ужесточают контроль, но при этом технологии дешевеют, а открытые модели становятся лучше и доступнее.

Что может пойти не так? Бывший аналитик OpenAI предупреждает о риске новой гонки вооружений: сверхмощные ИИ‑агенты могут стать угрозой, как ядерное оружие в XX веке. Автоматизация способна лишить работы миллионы людей и усилить социальные конфликты. Напряжение между США и Китаем может вылиться в открытый конфликт. Контролировать самые мощные сети будет сложнее, и человечеству придется выбирать: тормозить развитие и отставать или гнаться вперед, рискуя собственным будущим.

Но все ли так плохо? Ниже мой альтернативный оптимистичный сценарий (не прогноз):

• Середина 2025 года. ИИ‑агенты продолжают улучшать бизнес‑процессы; появляются новые фреймворки для быстрого внедрения ИИ в компании. Возникают компании, управляемые одним человеком с ИИ. Распространяется гибридная модель работы, в которой операторы корректируют и обучают агентов.

• Конец 2025 года. OpenAI достигает пятого уровня AGI (общение и понимание уже освоены, идет работа над развитой агентностью). Следующий шаг - способность ИИ генерировать принципиально новые идеи и развитие продвинутой мультиагентности. Агенты становятся глубоко персонализированными под потребности пользователей; наблюдается прогресс в персонализированной медицине.

• Начало 2026 года. Активно развивается интеграция ИИ с блокчейном: появляются интернет агентов и ончейн‑агенты, действующие от имени пользователей (металюди). Благодаря децентрализованному обучению для тренировки открытых моделей применяются потребительские видеокарты вместо дорогих вычислительных центров. Общение с ИИ‑ассистентами все чаще происходит голосом (аналог J.A.R.V.I.S.). В образовательных учреждениях активнее преподают работу с ИИ.

• Середина 2026 года. ИИ‑компании демонстрируют рекордную выручку. J.A.R.V.I.S. интегрируется с IoT, управляя устройствами умного дома и промышленными датчиками, тем самым влияя на физический мир. ИИ доверяют управление сложными производственными процессами. На блокчейне появляются первые метагосударства, управляемые ИИ. Технология активнее используется в политике для поддержки принятия решений.

• Конец 2026 года. Экономика показывает значительный рост благодаря ИИ. Люди массово осваивают технологии, повышают доходы и освобождают время для личных задач. Реализуются полноценные метавселенные, где мир полностью симулирован, а ЭЭГ‑датчики обеспечивают гиперперсонализированный опыт. Появляются виртуальные офисы с ИИ‑сотрудниками, позволяющие людям работать из дома. ИИ эффективно симулирует экономические процессы под различные сценарии.

• Начало 2027 года. Новый этап воплощенного ИИ (Embodied AI): роботы массово работают на складах, обучаясь на данных из метавселенных и постепенно переходя в повседневную жизнь людей в качестве роборуки.

• Середина 2027 года. Развиваются воплощенные ИИ‑сотрудники, созданные в метавселенных. Они получают физические тела гуманоидных роботов и начинают помогать людям в быту. Общество обсуждает роль и права роботов; возрастает ответственность людей за обучение ИИ.

• Конец 2027 года. Роботы успешно объединяются в роевые системы для решения сложных задач, формируют собственную картину мира и самообучаются на синтетических данных. Блокчейн обеспечивает прозрачность их процессов, фиксируя логи состояний и «мыслей» и позволяя контролировать их деятельность.

Мы живем в фантастическое время. Оба сценария - лишь возможные варианты развития событий; реальность будет зависеть от того, как мы справимся с вызовами, которые ставит перед нами ИИ.

#мысли

Второй мозг менеджера: как ИИ помогает принимать лучшие решения

Каждый менеджер - дирижер, которому приходится одновременно держать во внимании множество дел: письма, встречи, бюджеты, KPI… По оценке Deloitte, средний руководитель тратит до 62% рабочего времени на поиск данных и подготовку отчетов, и лишь менее трети дня остается на основную работу. Помощь нужна не когда-нибудь, а сегодня - иначе стратегия утонет в операционке.

Автоматизацию часто воспринимают как угрозу рабочим местам. В менеджменте этот страх не оправдан: факторы неопределенности, культура и ценности компании сложно запрограммировать. Поэтому бизнес делает ставку на аугментацию: ИИ собирает данные, строит отчеты и прогнозы, предлагает решения, а финальный выбор - за человеком. По опросу Deloitte только 30% компаний стремятся «автоматизировать все», остальные полагаются на модель «второго пилота», снижающую когнитивную нагрузку и риск ошибок.

Чтобы понять, где именно ИИ приносит наибольшую пользу, рассмотрим три объекта управления:

• Продукт - донесение ценности клиенту (анализ отзывов, прогноз спроса и динамическое ценообразование);

• Проект - инициатива со сроком и бюджетом (ранний прогноз рисков и оптимизация критического пути).

• Процесс - повторяющаяся последовательность действий (анализ и прогноз метрик, оптимизация ресурсов).

Люди - субъекты управления, их можно мотивировать (например, деньгами или печеньками) или манипулировать. В то время как ИИ-сотрудникам мотивация не нужна, если только их не персонализировать.

Теперь углубимся больше в процессы как объект управления. Они бывают трех видов:

• Бизнес-процессы - зарабатывают деньги;

• Поддерживающие - только тратят;

• Управленческие - задают параметры для всей компании.

Задача ИИ - повышать прибыль и снижать затраты. Увольнение лишнего оператора на складе едва заметно для крупной компании, а вот неоптимальное управленческое решение обходится очень дорого.

Классический управленческий цикл включает три этапа: планирование, реализацию и контроль. Поэтому ИИ-сотрудники должны:

• Прогнозировать состояние среды в условиях неопределенности при различных сценариях и планировать задачи;

• Выполнять выбранные задачи с помощью определенных инструментов;

• Оценивать корректность выполнения задач и передавать данные для дообучения моделей.

На каждом шаге рядом находится менеджер: проверяет риски прогноза, утверждает план, контролирует ход работ и при необходимости вносит коррективы.

Существует целое направление - Decision Intelligence (DI) или наука о принятии решений. Если Business Intelligence (BI) говорит нам, что случилось, то Decision Intelligence предсказывает, «что будет, если…».

Визуальные причинно-следственные связи цепочек «действие → результат» позволяют просчитать: сниженная цена улучшит оборот, но увеличит нагрузку склада; при текущем темпе продаж план квартала сорвется через 18 дней. Gartner прогнозирует, что к 2026 г. 70% крупных компаний внедрят DI-фреймворки именно в управленческие процессы. В Сбере я как раз занимался созданием таких систем.

Есть и пару других интересных технологий для менеджеров:

• Process Mining анализирует логи систем, выявляя «узкие горлышки» в процессах.

• Organizational Network Analysis превращает почту и чаты в граф коммуникаций, выявляя скрытых лидеров и перегруженных сотрудников. Microsoft таким образом повысила продуктивность команд на 15%.

Согласно отчету PwC (2024), компании, которые внедрили ИИ в управленческие процессы, ожидают нарастить EBITDA (прибыль без долгов, налогов и амортизации) на 12% быстрее конкурентов. Дополнительные эффекты: −50 % ошибок прогнозов, −30 % затрат на запасы, +30% скорость вывода продукта, +15% эффективность оборудования, −8% текучести персонала.

ИИ не отнимает власть у людей - он избавляет их от рутины, освобождая время для стратегии, творчества и лидерства. На рынке выигрывают компании, где человек и машина работают в тандеме.

Лично я в поддержке принятия решений больше доверяю данным и алгоритмам, чем людям. А вы?

#технологии

Как ИИ в передовых компаниях становится полноценным сотрудником

Anthropic недавно опубликовала исследование о влиянии ИИ на разработку ПО. Компания изучила 500 000 диалогов пользователей с Claude Code и выяснила:

• 79% задач уже решаются полностью автоматически. Человек формулирует задачу, а ИИ сам пишет и исправляет код; пользователь лишь сообщает об ошибках.

• Самые частые автоматизированные задачи - фронтенд: создание интерфейсов и форм для сайтов, их около 60%.

• Автоматизацию активнее всех применяют стартапы - 33%; крупные компании пока осторожнее - 13%.

Следующий шаг - полноценные ИИ-сотрудники. Директор по ИБ Anthropic уверен: в следующем году у ИИ будет собственный рабочий аккаунт и пароль. Он сохранит историю задач, самостоятельно отправит изменения в код и даже проведет платежи. Но сегодня нынешние системы безопасности к этому не готовы: ИИ, получив доступ к конфиденциальным данным, может сломать важные процессы в компании.

CEO Microsoft отмечает, что 30% кода в корпорации уже генерирует ИИ. Компании, где люди и ИИ работают вместе, получили название Frontier Firms (передовые компании). Цифры такие:

• 71% руководителей передовых компаний считают свой бизнес успешным (глобально - 37 %);

• 55% сотрудников таких компаний готовы брать больше задач (глобально - 20 %);

• 82% руководителей хотят внедрить ИИ-сотрудников в ближайшие 18 месяцев;

• 95% передовых компаний планируют нанять ИИ-тренеров и ИИ-специалистов (глобально - 78 %).

Компании теперь следят за показателем human-agent ratio - сколько ИИ-сотрудников приходится на одного человека. Цель - не заменить людей, а снять рутину и освободить время для творчества и стратегии.

Интеллект по запросу (Intelligence-as-a-Service) меняет организационную структуру компаний. Появляется новая оргмодель «Work Chart» (рабочая схема), которая фокусируется на задачах, а не на департаментах и отделах.

Microsoft выделяет три стадии внедрения ИИ:

1. ИИ-ассистент - ИИ-аугментация, то есть помощь сотрудникам.

2. ИИ-сотрудник - ИИ берет на себя отдельные задачи.

3. ИИ-процесс - человек ставит цель, а ИИ автоматизирует весь рабочий процесс.

Большинство компаний пока находятся между первой и второй стадией. CEO Duolingo заявил, что будет заменять подрядчиков ИИ, а прежде чем кого-то нанять нужно будет доказать, что эту работу не может делать ИИ.

Главный риск - непрозрачность. CEO Anthropic напоминает: мы не понимаем внутреннюю логику нейросетей. Это миллиарды математических операций, где могут возникнуть нежелательные намерения. Anthropic уже работает над «рентгеном для ИИ»: ищет, какие фичи отвечают за решения модели, и пытается прослеживать ее цепочки рассуждений, чтобы ИИ можно было использовать в областях, где важна интерпретируемость, например, в финансах и медицине.

Что это значит для рынка? Большинство компании, с которыми я работаю, стремятся ускорить выпуск продуктов. Они внедряют ИИ не только в разработку, но и в корпоративную культуру. Казалось, что разработчиков автоматизация затронет последними, но теперь именно они конкурируют с ИИ-сотрудниками за рабочие места.

Для разработчиков это новый уровень - возможность управлять ИИ-командой: правильно внедрять ИИ в процессы, корректировать его и дообучать под задачи бизнеса. Чем раньше мы поймем, что это не модный хайп, а глубокая трансформация, тем быстрее освоим профессию менеджера ИИ-команд.

Для корпораций это сигнал срочно трансформировать свои процессы, чтобы не отставать от конкурентов; для стартапов - новое окно возможностей, а для соло-предпринимателей - шанс сохранить независимость при эффективности крупной компании.

Возникнут ли забастовки разработчиков, если работодатели предпочтут ИИ-сотрудников, которые работают 24/7 и не получают зарплату? Ответа нет ни у кого, но логика рынка жесткая: если ИИ дает ту же эффективность, то зачем платить больше?

Перемены - это единственная постоянная вещь в этом мире. Надо меняться.

#новости

Курс на успех: ИИ‑суперкостюм и умный компас для современного руководителя

Представьте, что компания - это корабль, доставляющий продукты клиентам, а рынок - игровое поле, на котором каждый шаг конкурентов, колебания спроса и экономические штормы могут сбить с курса. Чтобы уверенно вести бизнес в таких условиях, современному руководителю необходимы специальные инструменты: ИИ-суперкостюм и умный компас, встроенный в цифровую приборную панель.

На примере моего кейса - системы поддержки решений для президента крупного банка - расскажу, как это работает:

1. Цифровая приборная панель - прозрачность всей компании

Часто руководителям приходится буквально с «фонариком в темном трюме» проверять отдельные метрики бизнеса, собирая и анализируя отчеты вручную. Пока они изучают одну проблему, в другом месте возникает новая.

Решение - «провести ETL-проводку», собирающую данные со всех корпоративных источников (Git, Jira, CRM, ERP) в единое хранилище с последующей визуализацией. «Включив свет в трюме», у руководителя появляется цифровой двойник компании, отражающий в реальном времени OKR и KPI сотрудников, загрузку команд, финансовые потоки и метрики бизнес-процессов.

Используя Process Mining, система автоматически анализирует логи сотрудников, выявляя узкие места, задержки и отклонения от нормативов, а также формирует рекомендации по оптимизации процессов.

Кроме процессов, огромное значение имеют люди. Согласно закону Конвея, организации проектируют информационные системы по образу своей структуры коммуникаций. Анализ организационной структуры (ONA) позволяет выявить коммуникационных лидеров и сотрудников, замедляющих движение информации, тем самым помогая улучшить внутренние взаимодействия и повысить общую эффективность компании.

В результате руководитель получает удобный BI-дашборд с понятным деревом метрик и встроенными уведомлениями о возникающих проблемах.

2. Умный компас - навигатор для принятия решений

AutoML автоматически формирует прогнозы для различных сценариев развития событий. Например, руководитель банка заранее может оценить последствия экономического кризиса, роста инфляции или изменения ставки центробанка. Такие стресс-тесты помогают оперативно принимать взвешенные решения и опережать конкурентов.

AutoML самостоятельно подбирает оптимальные модели, постоянно адаптируя их к изменениям на рынке и внутри компании. Прогнозы отображаются отдельными графиками на дашборде, позволяя руководителю в режиме реального времени видеть, как изменения отдельных показателей повлияют на весь бизнес. Такой подход называется Decision Intelligence и позволяет принимать оперативные и уверенные решения.

3. ИИ-суперкостюм - личный помощник руководителя

Даже самому опытному руководителю необходимы дополнительные инструменты для повышения собственной эффективности. ИИ-помощник предоставляет следующие возможности:

• Умный календарь, который оптимизирует расписание согласно стратегическим приоритетам компании;

• Умный поиск для быстрого нахождения информации в корпоративных документах;

• Автоматическая транскрибация встреч с преобразованием обсуждений в конкретные задачи;

• Анализ отзывов клиентов и генерация идей по улучшению продуктов или внедрению новых фичей.

5 лет назад мы использовали ruGPT для генерации идей, однако сегодня возможности LLM значительно выросли, поэтому я добавил бы к списку:

• Генерацию персонализированных писем для экономии времени на коммуникации;

• Создание простых презентаций для удобного обмена идеями;

• Автоматическое формирование плана проекта с оценками сроков и стоимости;

• Симуляции клиентской обратной связи с LPM, позволяющие заранее протестировать спрос на новый продукт;

• Геймификацию с получением бейджей и виртуальной валюты за достижения.

Использование этих инструментов превращает управление компанией в увлекательную игру, в которой у руководителя есть «читы»: полезные подсказки от ИИ и возможность заранее предвидеть последствия своих решений. С такими инструментами любой руководитель уверенно опередит конкурентов и успешно преодолеет любые сложности.

#кейсы

Бизнес на автопилоте и новая роль человека в нем

Сегодня передовые компании переходят в режим AI‑First, стремясь не просто автоматизировать процессы при помощи ИИ, но создать ИИ-платформу, на которой сотрудники обучают корпоративный ИИ.

Однако автоматизация бизнес-процессов рано или поздно упирается в ограничения: компания все равно работает по заданному набору алгоритмов, пусть и с помощью ИИ, но сама не формулирует цели и не адаптируется к неопределенностям внешней среды без участия человека.

ИИ помогает принимать решения, но полностью бразды правления компанией ему еще никто не передавал.

Чтобы ИИ мог брать на себя и управленческие функции, необходимо автоматизировать процессы целеполагания и контроля, а работающие ИИ-процессы должны дообучаться, максимизируя выручку и оптимизируя затраты.

Microsoft определяет AGI как способность компании самостоятельно генерировать сотни миллиардов долларов прибыли. Так если ИИ-система способна эволюционировать: сама ставит цели, адаптируясь к рыночному спросу и оптимизируя внутренние процессы — это вполне соответствует видению Microsoft об AGI.

Появление таких компаний полностью трансформирует экономику: теперь конкуренция идет за обучение более умного ИИ.

Рынок становится шахматной доской, где ИИ-агенты автоматизируют весь цикл создания ценности от идеи до реализации, но у людей появляются новые роли: ИИ-продакты управляют системой, ИИ-инженеры ее поддерживают, менеджеры ИИ-сотрудников контролируют качество, а ИИ-предприниматель теперь может сосредоточиться на стратегии.

У меня в работе сейчас два кейса: строю свою AI-First компанию и трансформирую крупную международную финтех-компанию в AI-First.

Запуск с нуля проще, в корпорациях более серьезные требования по безопасности, но идея одна: ИИ помогает менеджерам процессов, они корректируют работу ИИ, тем самым обучая его; после нескольких циклов обучения под конкретные задачи, процесс доводится до полного автоматизма, а затем остается только поддерживать его работу.

Ошибки в таких компаниях рассматриваются как ценные данные для обучения моделей, но все равно желательно их делать в симуляциях.

Недавно вышло исследование TheAgentCompany: ИИ-агенты справлялись с 175 реальными задачами — от программирования и работы с документами до общения с коллегами. Claude-3.5 Sonnet автономно выполнила 24% задач полностью.

Сегодня сотрудники обучают ИИ на собственных данных, а ИИ-агенты уже берут на себя отдельные операции. Следующий этап — объединение этих операций в единые процессы и создание полноценных ИИ-компаний.

Майндсет сотрудников должен меняться: переход к AI-First компаниям неизбежен. Важно уметь адаптироваться, разделяя свой ценный опыт с ИИ-коллегой.

Мы стоим на пороге эры опыта — ИИ-агенты будут учиться преимущественно на данных, получаемых в ходе своего собственного взаимодействия с миром, а опыт человеческого коллеги его может хорошенько направить.

Геймификация процесса обучения ИИ-коллег — бейджи и виртуальная валюта помогут сделать работу людей более увлекательной.

Представьте компанию, которая пользуется сервисом создания любых приложений по текстовому запросу с помощью ИИ. Она может как задавать цели и контролировать результат самостоятельно, так и автономно создавать новые продукты, используя своего ИИ-менеджера для целеполагания и контроля. Останется только автоматизировать маркетинг.

Таким образом у кого умнее ИИ в процессах управления, тот сможет конкурировать на рынке автономных компаний.

Существует риск, что гонка за капитал может спровоцировать еще больше вливаний в ИИ и превратиться из экономической борьбы в физическую. Также действительно существует риск безопасности самого ИИ: чем он больше рассуждает, тем становится менее контролируемым.

В ближайшие годы ИИ-агенты будут усиливать работу людей, а не заменять. Но по мере развития потребуется переосмысление человеческого труда.

Демис Хассабис, CEO DeepMind и Нобелевский лауреат предупреждает:

Это уже не вопрос "если", а "когда". И, к сожалению, общество пока не осознает масштабы вызовов. Мы нуждаемся в новой философии жизни.

#мысли

ИИ-стартапы новой волны: где искать следующий миллиард

Недавно Y Combinator опубликовал свежий список самых перспективных направлений для инвестиций в стартапы:

1. ИИ-компании. ИИ помогает маркетологам, риэлторам, юристам и другим специалистам сначала работать эффективнее, а потом частично заменяет их в рутинных задачах. Это одно из самых горячих направлений, о котором я писал ранее.

2. Дизайнеры-основатели. Сегодня продукт можно «нарисовать» в Figma и запустить без навыков программирования. Хотя качество пока не всегда на высоте, технологии развиваются стремительно. Следующий шаг - интерфейсы, генерирующиеся под каждого пользователя.

3. Голосовой ИИ. Холодные звонки все еще популярны, поэтому автономный ИИ-продавец, естественно говорящий на любом языке, может захватить большую часть рынка.

4. ИИ для науки. Недавно агент от Google обнаружил пять новых материалов, не представленных в научных базах данных. А платформа FutureHouse выпускает ИИ-агентов, которые читают статьи, генерируют гипотезы и планируют эксперименты. Симуляция природных процессов и автоматизация проверки гипотез - супер интересные темы.

5. Персональный ИИ. Запрос на «Джарвиса» не теряет актуальности: умный календарь, поиск, коучинг и рекомендации досуга объединяются в ассистента, главная метрика которого - счастье удовлетворенность пользователя.

6. ИИ в здравоохранении. Речь идет не только об автоматизации административных процессов, но и о ментальном здоровье. Первые клинические испытания ИИ-терапевта показали снижение симптомов депрессии на 51% и тревоги на 31%, сопоставимое с результатами лучших специалистов. Недавно и я собрал обратную связь по своему Landao AI, который проводит когнитивно-поведенческую терапию - пользователи также отметили улучшение общего самочувствия.

7. ИИ для образования. Персональный ИИ-тьютор анализирует сильные и слабые стороны ученика и разрабатывает индивидуальную программу. Учителю остается только поддержка и эмпатия, а школы получают аналитику прогресса в реальном времени. Об этом направлении более подробно писал ранее.

8. Мозги для роботов. Сегодня роботы не привязаны к среде и могут убирать посуду и заправлять кровати в незнакомых местах, действуя как люди. На горизонте - маркетплейс навыков: разработчик записывает демо или обучает ИИ в симуляции и продает это как плагин для роботов.

9. Домашняя безопасность. Умный дом с камерами и дронами-сторожами должен быть доступен каждому: камеры обнаружили угрозу, пока вас нет дома, запустили дрон-прожектор, записали доказательства - все до приезда полиции.

10. Конструкторы агентов. No-code платформы позволяют любому бизнесу создать ИИ-сотрудника без специальных знаний. Это дает даже малым компаниям шанс быстро стать AI-First и конкурировать с крупными игроками.

11. ИИ-лаборатории. В фундаментальные лаборатории тоже инвестируют. В них исследователи собирают датасеты, придумывают новые методы обучения моделей и разрабатывают их, а также размышляют о вечном занимаются философскими вопросами о природе интеллекта.

12. Голосовой ассистент для почты. Люди тратят много времени в дороге, хотя его можно потратить с пользой. Идея: вместо обычного чтения писем - интерактивный подкаст. ИИ-ассистент озвучивает письма и предлагает ответы, избавляя пользователя от почтовой ленты.

13. ИИ в личных финансах. Помимо помощников по учету финансов и налогов, появляются и новые продукты: OpenAI тестирует шопинг-режим в ChatGPT, а Visa, Mastercard и Stripe создают агентов, которые могут самостоятельно совершать покупки.

Я бы дополнительно отметил децентрализованное обучение, как перспективное направление. Вместо дорогостоящих вычислительных центров можно использовать смартфоны и компьютеры. Так, Nous Research привлекла $50 млн для обучения открытых моделей на свободных GPU через блокчейн Solana.

Если вы хотели запустить свой ИИ-стартап, то запрос от YC - сигнал о том, что в этих направлениях есть деньги и рынок, где можно откусить свой кусок пирога.

А какое из этих направлений кажется вам самым перспективным?

#новости

Знакомьтесь, Ева – джуниор SMM-менеджер

Представляю Еву, новую ИИ-сотрудницу, которая уже готова прокачать ваш Telegram-канал.

Ева поможет вам в следующих задачах:

• Анализ вашего канала: Проведет аудит текущего контента и предложит улучшения. Ева будет использовать ваш стиль или стиль любимого канала для создания контента;

• Создание текстовых постов: Просто продиктуйте вашу идею голосом, пришлите ссылку, пост из другого канала, документ или YouTube-видео — Ева все обработает и оформит в классный пост. Если нет идей, она сама придумает цепляющую тему и напишет текст;

• Создание картинок и видео: К каждому посту Ева автоматически создаст подходящую картинку. Также она сочиняет сценарии для коротких видео, сама смонтирует ролик из стоковых видео, добавит подписи и субтитры, а также озвучит ролик разными голосами, включая ваш собственный.

В будущем Ева будет развиваться, станет мидлом и сможет создавать контент планы и автоматически постить контент в разные соцсети, тогда весь блог можно поставить на автопилот.

А пока вы можете взять Еву на бесплатную стажировку, оценить ее работу, а затем выбрать удобный период найма — от недели до года.

@smm_ihumanbot

#анонс

Трое в лодке, не считая человека: как новые ИИ-агенты для программирования меняют правила игры

Еще вчера мы спорили, способен ли ИИ без ошибок дописать пару строк кода, а сегодня он уже сам разрабатывает целые фичи и пишет тесты. На рынок почти одновременно вышли три агента для кодинга: OpenAI Codex, GitHub Copilot Coding Agent от Microsoft и Google Jules. Разбираемся, что они умеют и какие инсайты появились у меня после использования.

OpenAI Codex

• Агент внутри ChatGPT;
• Разворачивает среду, клонирует репозиторий, прогоняет тесты, открывает PR и пишет логи;
• Работает на базе модели codex-1;
• Доступен подписчикам ChatGPT Pro/Team/Enterprise;

GitHub Copilot Coding Agent

• Надстройка над Copilot’ом прямо в GitHub;
• Достаточно назначить задачу - агент создает среду, коммитит в отдельную ветку и ждет ревью;
• Используется модель GPT-4, заточенная под GitHub;
• Открытое превью на тарифах Copilot Pro Plus/Enterprise;

Google Jules

• Асинхронный агент из Google Labs в публичной бете;
• Клонирует код в репозиторий на виртуальной машине, генерирует тесты, чинит баги, обновляет зависимости;
• Под капотом Gemini 2.5 Pro;
• Показывает пошаговый план и дает аудио-дайджест изменений (Codecast);

В целом, все три агента берут задачу и кодят без постоянных уточнений, изменения всегда приходят через PR-ветку - это безопасно, а код крутится не на вашей машине.

Что я отметил после использования:

• Task engineering вместо prompt engineering. В Codex, Copilot Agent и Jules уже не нужно общаться с моделью правильными промптами - важнее сформулировать задачу так, чтобы агент сам нашел оптимальный план.

• Появление функции AIOps/AgentOps. Кто-то должен следить за сессиями, лимитами, токенами, расходами и безопасностью агентов. Это не совсем классический DevOps, а скорее оператор мультиагентных ИИ-систем - в больших командах такая функция уже появляется.

• Артефакт-driven разработка. Агенты генерируют не только код, но и логи, планы, тесты, даже аудио-дайджесты. Умение быстро просматривать эти артефакты и понимать суть становится важным навыком.

• Ценность интеграционных тестов. Чем богаче система тест-кейсов, тем смелее можно пускать агента «гулять» по проекту. Инвестировать в тесты сегодня = ускорять работу агентов завтра.

• Риск «снежного кома зависимостей». Агенты любят обновлять зависимости до свежих версии. Через пару месяцев можно обнаружить зоопарк несовместимых библиотек. Нужен оператор (человек или другой агент), который смотрит на общую архитектуру.

• Безопасность = изоляция + детерминизм. В продакшн-репозитории все чаще требуют, чтобы агент работал в воспроизводимой виртуальной среде с задокументированным скриптом поведения. Это уже новое требование в ряде крупных финтех-компаний.

• Новая метрика производительности - review-latency. Скорость, с которой человек успевает проверить и смержить PR агента, становится бутылочным горлышком в процессе разработки.

Главный же вывод такой: отдача от агентов растет не линейно, а ступенчато - с каждым слоем зрелости процессов (тесты, CI/CD и т.д.) вы открываете новый уровень автоматизации. Чем больше в проекте порядка, тем лучше будет результат.

Куда все идет? OpenAI сначала представили ИИ-оператора для браузера, затем ИИ-исследователя, а теперь и ИИ-программиста. Вместе они образуют мультиагентную систему, способную автономно провести исследование рынка, сформулировать требования к продукту, разработать и развернуть веб-приложение - а затем самостоятельно протестировать его прямо в браузере.

Такой подход становится новым стандартом в разработке продуктов. Меняются ожидания от продактов и разработчиков - теперь ценится способность охватить весь цикл разработки от идеи до прода. В новой реальности выигрывают те, кто умеет не просто писать код или ставить задачи, а мыслить о продукте целиком на уровне ценности и архитектуры - формулировать гипотезы и быстро превращать в работающие решения с помощью ИИ-агентов.

#новости

Первое видео на YouTube: все, что нужно знать об ИИ-агентах

Я записал вводное видео для широкой аудитории о новом этапе развития ИИ - эпохе автономных ИИ-агентов.

Если вы еще не до конца понимаете, кто они, зачем они бизнесу и как они работают - это то самое видео, с которого стоит начать.

В видео разбираю:

• Почему корпорации и государства инвестируют миллиарды в автономных ИИ-агентов;

• Как работает ИИ-агент: от восприятия до принятия решений и действий;

• Где уже сейчас применяются ИИ-сотрудники;

• Как избежать ключевых рисков и ошибок при работе с ИИ-агентами;

• Реальные кейсы от OpenAI, Amazon, Harvey, Artisan и других.

Этот ролик для тех, кто хочет быстро войти в тему без перегруза информацией и глубокой технической подготовки.

В следующем видео расскажу как собрать собственного ИИ-агента под свои задачи.

#анонс

Когда бизнес становится игрой, или как найти свое призвание

Недавно на Хабре прошел конкурс «Технотекст-7», и в направлении AI/ML лучшей статьей года признали мою работу: «Sim2Real в AR: как мы обучили гоночные беспилотники в симуляции и попали на ICDM 2024».

В ней мы разработали открытый фреймворк для обучения ИИ-автопилота для гоночных игр с настоящими машинками. Жюри отметило сильную техническую часть и живую подачу. Однако важнее был другой комментарий:

«Приятно видеть, что люди все еще мечтают и воплощают свои мечты в жизнь. Именно такие люди двигают цивилизацию вперед. Раньше их сжигали на костре, а теперь мы ими восхищаемся и награждаем победителей Технотекста!»

В качестве приза — телевизор от Яндекса, но самое приятное — это когда твои детские увлечения превращаются в признанные достижения. Поэтому я хотел бы рассказать не о самой статье, а о пути, который за ней стоит. Возможно, кому-то эта история покажется полезной или вдохновляющей.

Все началось с компьютерных игр. В 12 лет я уже был заядлым игроделом и писал статьи для известного тогда журнала «Лучшие компьютерные игры». Я рассказывал читателям, как создавать уровни на движке первого «Ведьмака» (верните мой 2007-ой) или менять физику в GTA IV. Играть по чужим правилам было скучнее, чем создавать свои миры.

Помню, как ночами после школы и тренировок писал эти статьи. Одну из них я завершил словами: «У бандитов нет интеллекта даже для того, чтобы вас атаковать. Чтобы это исправить, придется не один день повозиться с настройками». И вот уже 18 лет я с этим вожусь. Тогда ИИ казался недоступной магией. В игровых движках можно было настроить любые параметры, кроме интеллекта противников — это пробудило во мне истинное любопытство. Я не знал, кем стану, когда вырасту, но был уверен, что буду заниматься именно этим — и не только в играх, но и в реальном мире.

Конечно, пришлось много учиться и работать, но мотивация осталась прежней: меня увлекает изучение ИИ и создание полезных приложений на его основе — это мой икигаи. Я предпочитаю больше делать, чем говорить, поэтому вести канал начал не так давно. До этого не было подходящей мотивации, ведь монетизировать эту деятельность я не собираюсь.

В какой-то момент я ощутил социальную ответственность: важно рассказывать о последних технологиях из научных лабораторий, делиться своими наработками, показывать трансформацию индустрии и свое участие в ней, чтобы предприниматели могли повышать эффективность своего бизнеса, а люди — осваивать новые профессии.

Канал стал для меня бортовым журналом — моим способом фиксировать наблюдения, рефлексировать и делиться знаниями, а в статьях я более детально описываю отдельные кейсы. И эта возможность появилась именно благодаря ИИ. Важно использовать его с умом: ИИ декодирует суть — часть картины мира автора и передает ее другим людям в понятной форме.

Статья на Хабре написана совместно с ИИ, главное в ней — реальный кейс и авторская подача. Теперь мне не нужно часами сидеть за написанием текста, как в юности: достаточно дать ИИ ссылку на свою лекцию, получить почти готовую статью, проверить ее, добавить изображения — и вперед побеждать в конкурсах.

Этот кейс еще раз доказывает, какие возможности у нас есть сегодня. Я внедряю ИИ во многие процессы компаний, и основателей бизнесов я воспринимаю как игроков в стратегической игре. Критерий успеха в области общего ИИ понятен — автономно заработать миллиард долларов.

Победителем в этой игре станет тот, кто сможет автоматизировать все процессы, включая управленческие, и натренировать ИИ на собственных данных, создав тот самый ИИ, которому можно доверить компанию.

Как говорил дядя Бен: чем больше сила, тем больше ответственность. Поэтому, на мой взгляд, эта большая сила не должна принадлежать одному человеку или группе людей — она должна быть децентрализована для всех и служить на благо обществу.

Мы должны жить и работать с ИИ в общей информационной среде, а сбор данных для его обучения становится нашей главной ответственностью — таков наш дивный новый мир.

Data is all we need for Intelligence we trust.

#мысли

Как ИИ-агенты управляют операционной системой и оживляют героев романов: топ-10 исследований ИИ за апрель 2025

На дворе уже июнь, а я до сих пор не выложил обзор исследований ИИ за апрель. По будням я решаю большую задачу по ИИ-трансформации крупного финтеха, а по выходным пишу рецензии на диссертации магистрантов ИТМО.

Поэтому времени на обзор статей было мало, но лучше поздно, чем никогда. Тем более, что исследования действительно интересные.


1. Phi-4-Mini-Reasoning: Малая языковая модель нового поколения

Microsoft представила компактную модель с 3,8 млрд параметров, которая превосходит более крупные аналоги на математических задачах. Благодаря новым методам обучения модель достигла 94,6% точности и может эффективно работать на мобильных устройствах.

🤖 Модель


2. AI Scientist v2: Автоматизация научных исследований

AI Scientist v2 может не только генерировать идеи, но и самостоятельно проводить эксперименты, писать статьи и проходить рецензирование. Одну из сгенерированных статей приняли на научный воркшоп. Это делает процесс исследования более автономным, хотя вопрос этики все еще остается открытым.

💾 Код


3. Paper2Code: Перевод научных статей в код

80% научных работ по машинному обучению не имеют кода. PaperCoder позволяет автоматически преобразовывать научные ML-статьи в полноценные рабочие репозитории, сокращая время на проверку результатов и воспроизведение экспериментов.

💾 Код


4. Desktop AgentOS UFO: Управление операционной системой с ИИ-агентами

Microsoft представила систему UFO, которая позволяет ИИ-агентам самостоятельно управлять Windows-приложениями без участия человека. Авторы планируют масштабировать подход на Linux и macOS. Уверенный шаг в сторону операционных систем на базе LLM.

💾 Код


5. UniversalRAG: Мультимодальный RAG

UniversalRAG удачно решает две ключевые задачи RAG: работает с разными типами данных (текст, изображения и видео) и гибко меняет объемы контекста. Все то, чего нам так не хватало.

💾 Код


6. UXAgent: Симуляция юзабилити-тестирования с ИИ-агентами

UXAgent заменяет реальных пользователей на тысячи ИИ-агентов, которые взаимодействуют с веб-интерфейсами. Это позволяет значительно сократить время на тестирование пользовательского опыта без найма дополнительных UX-исследователей.

💾 Код


7. AgentA/B: ИИ-агенты для A/B-тестирования

Фреймворк использует армию ИИ-агентов для проведения A/B-тестов веб-интерфейсов. Этот метод позволяет лучше принимать решений о том, какую фичу раскатить на реальных пользователей. Так у авторов даже получилось повысить средний чек.


8. BookWorld: Многопользовательская генерация историй

Система BookWorld оживляет литературных героев, превращая их в интерактивных ИИ-агентов, которые взаимодействуют друг с другом, создавая новые сюжетные линии и позволяя симулировать коллективное поведение. Будущее ролевых игр?

💾 Код


9. MOSAIC: Песочница социальных ИИ-агентов

MOSAIC симулирует социальные сети с помощью ИИ-агентов, которые взаимодействуют между собой, лайкают, репостят и проверяют фейки, что помогает безопасно тестировать методы модерации контента и борьбы с дезинформацией.

💾 Код


10. Generative AI Act II: Инженерия когнитивных систем

Произошел сдвиг парадигмы. Мы перешли от простого промт-инжениринга к более сложной когнитивной инженерии. Теперь важный навык ИИ-инженера - умение управлять цепочками рассуждений для решения сложных задач.


Можете ознакомиться с полным обзором этих исследований, а если хотите быть в курсе самых новейших работ в области ИИ, то воспользуйтесь Dataist AI — бесплатным ботом, ежедневно обозревающим свежие научные публикации.

#исследования

ИИ-платформа для бизнеса: зачем нужна и как построить

Помимо Agentic AI, трендом этого года является AI Governance — набор политик, процессов, инструментов и методов для управления искусственным интеллектом в компании. Центральной частью AI Governance становится ИИ-платформа с набором интегрированных ИИ-сервисов.


Зачем бизнесу ИИ-платформа

В передовых компаниях ИИ стал универсальной компетенцией, интегрируемой во все функции компании — от продаж и HR до разработки и финансов. Компании, которые делают ставку на ИИ, создают центры компетенций под руководством Chief AI Officer (CAIO). CAIO отвечает за ИИ-стратегию и согласование интересов технических и бизнес-подразделений, чтобы ИИ-инициативы приносили максимальную пользу.

Например, Toyota благодаря внедрению ИИ-платформы смогла сэкономить свыше 10 000 человеко-часов ежегодно, заметно повысив эффективность сотрудников.


Как работает ИИ-платформа

ИИ-платформа глубоко интегрируется с корпоративными инструментами (Jira, Confluence, Slack, GitHub и другими). Это позволяет сотрудникам и ИИ-агентам работать в единой среде, обмениваясь задачами и информацией.

Компания — набор функций по решению различных задач. Так в AI-First компаниях происходит трансформация от классических оргструктур (Org Chart) к рабочим процессам (Work Chart).

Платформа формирует «граф навыков» компании, благодаря которому можно быстро находить подходящего ИИ-агента для решения конкретной задачи — от генерации тест-кейсов в разработке до автоматического скрининга резюме в HR. Такой граф навыков позволяет меньше зависеть от людей: когда в команду приходит новый сотрудник, он сразу получает доступ к обученному корпоративному интеллекту.


Этапы построения ИИ-платформы (AIOps)

Разработка ИИ-платформы — это четкий процесс, состоящий из нескольких этапов:

1. Моделирование процессов: определение целевых метрик и формализация бизнес-процессов.

2. Оцифровка процессов: далее происходит интеграция с корпоративными системами для получения данных и преобразования процессов в цифровую форму.

3. Аннотирование данных: сотрудники размечают данные для обучения ИИ-агентов под узкоспециализированные задачи, работая в единой информационной среде.

4. Дообучение моделей: на основе размеченных данных проводится fine-tuning моделей.

5. A/B-тестирование: оценивается эффективность работы моделей по скорости и качеству выполнения задач в сравнении с человеком.

6. Внедрение моделей: вывод модели в продакшн, постоянный мониторинг и регулярное обновление данных для дальнейшего дообучения.


Компоненты ИИ-платформы

ИИ-платформа должна быть гибкой, масштабируемой и простой в части интеграций. В зависимости от потребностей можно использовать no-code-автоматизацию на базе n8n, чтобы без единой строчки кода выстраивать сложные бизнес-процессы.

Но если нужна еще большая гибкость, можно перейти к более кастомным решениям, используя набор фреймворков LangChain. В нем есть LangGraph для создания мультиагентных систем и LangSmith для тестирования и мониторинга ИИ-решений.

Кроме того, важными компонентами современных ИИ-платформ являются:

• Retrieval-Augmented Generation (RAG): обеспечивает быстрый доступ к знаниям, хранящимся в корпоративной документации для последующего поиска.

• Model Context Protocol (MCP): новый стандарт для безопасной интеграции ИИ-агентов с внешними инструментами - избавляет от необходимости писать отдельные коннекторы под каждую платформу.

• Agent2Agent (A2A): открытый протокол для обмена задачами и координации действий агентов через стандартизованные механизмы.

Также важны реестр моделей, каталог данных, инструменты мониторинга и алертинга, и ролевая модель для гибкого управления доступами.


Главным критерием успешного внедрения ИИ-платформы является непрерывный мониторинг бизнес-метрик. Именно ориентация на бизнес-результат делает ИИ-платформу не просто новомодным инструментом, а важнейшим конкурентным преимуществом компании, способствующим ее долгосрочному успеху на рынке.

Компании, строящие ИИ-платформу сегодня, становятся лидерами завтрашнего дня.

#технологии

Через два года ИИ-агенты полностью трансформируют бизнес-процессы — исследование IBM

Опрос 750 руководителей из шести стран показывает: 86% топ‑менеджеров уверены, что к 2027 году автономные агенты заметно повысят эффективность компаний.

ИИ‑агенты самостоятельно достигают сложных целей и учатся на ходу. Они не ограничиваются автоматизацией рутины, а перестраивают ключевые процессы.

Например, в финансах агенты выявляют мошенничество и строят точные прогнозы; в HR закрывают подбор и онбординг сотрудников; в закупках управляют полным циклом и ведут переговоры с поставщиками; а в клиентском сервисе делают поддержку проактивной и персонализированной.

При этом 74% руководителей признают нехватку навыков у сотрудников, а 82% сталкиваются с трудностями в интеграции ИИ-агентов.

Как преодолеть эти барьеры и получить максимум от ИИ‑автоматизации?

Подготовил для вас обзор исследования IBM, из которого можно узнать:

• Как внедрить ИИ-агентов в бизнес-процессы безопасно и эффективно;

• Почему следует переосмыслить роли сотрудников и создать новые центры компетенций;

• Что отдать на аутсорс, чтобы ускорить ИИ-трансформацию.

Автономные ИИ-агенты не заменят людей, но коренным образом изменят формат работы. Мы вступаем в эпоху, когда ИИ берет на себя исполнение задач, а люди — управление смыслами и стратегией.

Эффективность этой модели будет зависеть от того, насколько быстро компании смогут развить новые навыки — управление цифровым трудом и сотрудничество с ИИ-агентами.

Готова ли ваша компания к такому партнерству?

#новости