Обучить или уволить? Как компании решают судьбу сотрудников в эпоху ИИ
Мир находится на пороге, когда компании перестают экспериментировать с ИИ и начинают перестраивать саму архитектуру труда. И перестройка эта идет в том числе через увольнения.
Fiverr уволила 30% сотрудников — всего несколько месяцев спустя после призывов CEO «использовать ИИ, чтобы не отстать от будущего». А CEO IgniteTech признался, что сократил 80% штата за «нелюбовь к ИИ». Вместо адаптации — попытка построить новую ИИ-культуру с нуля.
Microsoft в 2025 году провела несколько волн оптимизации — минус 9 000 человек, в планах 15 000 человек до конца года. Все подано как инвестиции в ИИ. Accenture рассталась с 11 000 сотрудниками под лозунгом: «переучиваем только тех, кто способен переизобрести себя». Компания вкладывает сотни миллионов в развитие ИИ-навыков, но тех, кто не успевает, просто увольняют.
То, что недавно казалось тревожным прогнозом, становится новой нормой. Ирония в том, что те же компании, которые обещали, что ИИ поможет людям работать эффективнее, теперь используют его как аргумент для увольнений.
Но это не война человека и машины — это конфликт культур: между скоростью развития технологий и медленной человеческой адаптацией. Руководители требуют мгновенной перестройки, а сотрудники не понимают, зачем им этот «дивный новый мир», где нужно постоянно учиться новым инструментам.
Недавнее исследование Йельского университета показало, что в масштабах экономики ИИ пока не вызвал катастрофических потерь рабочих мест. Но статистика запаздывает. Массовые сокращения, начавшиеся сейчас, — возможно, именно тот момент, когда цифры начинают догонять реальность.
Я вижу ситуацию так: речь не о замене людей, а о переопределении того, что значит быть продуктивным в эпоху ИИ. Ни один фаундер, с которым я работал, не ставит целью сократить людей любой ценой. Цель — результат, эффективность, рост конкретных метрик.
Достичь этого можно двумя путями: обучать сотрудников работать с ИИ или нанимать тех, кто уже умеет. Третьего варианта — «оставить все как есть» — больше не существует.
Обучение требует времени и терпения. Человек может научиться — и тут же уйти, ведь его ценность растет. Нанимать готовых проще, но их мало. Сегодня они на вес золота, и за них идет борьба по всему миру.
Многие компании выбирают второй путь, но это временное решение. Без внутреннего обучения они становятся зависимы от рынка, где цена на талант только растет, а люди быстро уходят.
Людей нельзя заставить полюбить ИИ приказом сверху. Страх в этом случае плохая мотивация. ИИ должен приносить выгоду не только компании, но и сотруднику. Если корпорация экономит миллионы, а человек получает ту же зарплату, — это путь к выгоранию и саботажу.
Нужны новые метрики эффективности, где учитывается личный вклад в развитие ИИ-экосистемы компании. Например, можно фиксировать, кто и сколько данных разметил для обучения моделей — и поощрять таких людей не только пряником, но и деньгами.
Сегодня важно не противопоставлять человеческий и искусственный интеллект, а соединять их. ИИ блестяще анализирует данные, но креатив, эмпатия и этика остаются за нами.
В природе интеллект — это сеть, которая имеет разные формы: муравьи строят сложные колонии, а осьминоги «мыслят щупальцами». И сегодня мы формируем новую сеть — гибридный интеллект, где человек и ИИ учатся работать вместе.
Компании, которые поймут это, создадут новые формы совместного мышления — когда машина усиливает человека, а не заменяет его.
Но и обучение — не обязанность работодателя, а ответственность самого сотрудника. Если ты хочешь оставаться востребованным, учись использовать ИИ не потому, что заставляют, а потому что это делает тебя сильнее.
ИИ не отнимает работу — это делают управленцы, выбирающие путь увольнений. А ИИ дает шанс каждому стать лучшей версией себя — если мы готовы впустить его в свою работу и научиться думать вместе с ним. Таких людей не увольняют. Они сами выбирают где и с кем работать.
#новости
Мир находится на пороге, когда компании перестают экспериментировать с ИИ и начинают перестраивать саму архитектуру труда. И перестройка эта идет в том числе через увольнения.
Fiverr уволила 30% сотрудников — всего несколько месяцев спустя после призывов CEO «использовать ИИ, чтобы не отстать от будущего». А CEO IgniteTech признался, что сократил 80% штата за «нелюбовь к ИИ». Вместо адаптации — попытка построить новую ИИ-культуру с нуля.
Microsoft в 2025 году провела несколько волн оптимизации — минус 9 000 человек, в планах 15 000 человек до конца года. Все подано как инвестиции в ИИ. Accenture рассталась с 11 000 сотрудниками под лозунгом: «переучиваем только тех, кто способен переизобрести себя». Компания вкладывает сотни миллионов в развитие ИИ-навыков, но тех, кто не успевает, просто увольняют.
То, что недавно казалось тревожным прогнозом, становится новой нормой. Ирония в том, что те же компании, которые обещали, что ИИ поможет людям работать эффективнее, теперь используют его как аргумент для увольнений.
Но это не война человека и машины — это конфликт культур: между скоростью развития технологий и медленной человеческой адаптацией. Руководители требуют мгновенной перестройки, а сотрудники не понимают, зачем им этот «дивный новый мир», где нужно постоянно учиться новым инструментам.
Недавнее исследование Йельского университета показало, что в масштабах экономики ИИ пока не вызвал катастрофических потерь рабочих мест. Но статистика запаздывает. Массовые сокращения, начавшиеся сейчас, — возможно, именно тот момент, когда цифры начинают догонять реальность.
Я вижу ситуацию так: речь не о замене людей, а о переопределении того, что значит быть продуктивным в эпоху ИИ. Ни один фаундер, с которым я работал, не ставит целью сократить людей любой ценой. Цель — результат, эффективность, рост конкретных метрик.
Достичь этого можно двумя путями: обучать сотрудников работать с ИИ или нанимать тех, кто уже умеет. Третьего варианта — «оставить все как есть» — больше не существует.
Обучение требует времени и терпения. Человек может научиться — и тут же уйти, ведь его ценность растет. Нанимать готовых проще, но их мало. Сегодня они на вес золота, и за них идет борьба по всему миру.
Многие компании выбирают второй путь, но это временное решение. Без внутреннего обучения они становятся зависимы от рынка, где цена на талант только растет, а люди быстро уходят.
Людей нельзя заставить полюбить ИИ приказом сверху. Страх в этом случае плохая мотивация. ИИ должен приносить выгоду не только компании, но и сотруднику. Если корпорация экономит миллионы, а человек получает ту же зарплату, — это путь к выгоранию и саботажу.
Нужны новые метрики эффективности, где учитывается личный вклад в развитие ИИ-экосистемы компании. Например, можно фиксировать, кто и сколько данных разметил для обучения моделей — и поощрять таких людей не только пряником, но и деньгами.
Логика проста: человек использует ИИ, чтобы делать больше, быстрее и лучше, а компания делится частью доходов.
Сегодня важно не противопоставлять человеческий и искусственный интеллект, а соединять их. ИИ блестяще анализирует данные, но креатив, эмпатия и этика остаются за нами.
В природе интеллект — это сеть, которая имеет разные формы: муравьи строят сложные колонии, а осьминоги «мыслят щупальцами». И сегодня мы формируем новую сеть — гибридный интеллект, где человек и ИИ учатся работать вместе.
Компании, которые поймут это, создадут новые формы совместного мышления — когда машина усиливает человека, а не заменяет его.
Но и обучение — не обязанность работодателя, а ответственность самого сотрудника. Если ты хочешь оставаться востребованным, учись использовать ИИ не потому, что заставляют, а потому что это делает тебя сильнее.
ИИ не отнимает работу — это делают управленцы, выбирающие путь увольнений. А ИИ дает шанс каждому стать лучшей версией себя — если мы готовы впустить его в свою работу и научиться думать вместе с ним. Таких людей не увольняют. Они сами выбирают где и с кем работать.
#новости
Telegram
Нейроний
Гендиректор Accenture заявила об увольнениях сотрудников, не желающих осваивать ИИ
Международная IT-компания Accenture уволила около 11 тысяч сотрудников в рамках программы по перестройке бизнеса с акцентом на внедрение искусственного интеллекта. Руководство…
Международная IT-компания Accenture уволила около 11 тысяч сотрудников в рамках программы по перестройке бизнеса с акцентом на внедрение искусственного интеллекта. Руководство…
👍24🔥8❤4🌚2🏆2🤯1🙏1
Как ИИ меняет науку, строит новую экономику и управляет дронами — топ-10 исследований ИИ за сентябрь 2025
В сентябре мы увидели появление федерации агентов — распределенной экосистемы, где модели обмениваются знаниями и решают задачи вместе. Сегодня такие системы учатся думать, исследовать, творить и даже управлять дронами.
1. Маленькая модель с большими возможностями: как K2-Think обыгрывает гигантов в математике и программировании
Раньше LLM измеряли по размеру параметров. Сегодня — в умении рассуждать. K2-Think 32B показывает, что размер не имеет значения, а важна архитектура рассуждений. K2-Think соревнуется с моделями в 10 раз больше, но побеждает за счет мышления, а не массы.
🔍 Подробнее | 📜 Статья | 🤖 Модель
2. Агентная федерация: как мультиагентные системы учатся работать сообща
Federation of Agents (FoA) учит ИИ самоорганизации — система подбирает агентов под задачи и формирует общее решение. На медицинском бенчмарке система показала 13-кратный рост эффективности. Это шаг к распределенному интеллекту, где агенты сотрудничают как клетки живого организма.
🔍 Подробнее | 📜 Статья
3. Агент-исследователь: как научить LLM работать с поиском в интернете
InfoAgent делает ИИ-модель настоящим веб-детективом. Он планирует шаги, читает источники и проверяет факты. Так у ИИ рождается подобие критического мышления.
🔍 Подробнее | 📜 Статья
4. ИИ как соавтор: как агенты меняют науку прямо сейчас
Научные агенты читают статьи, формулируют гипотезы, планируют эксперименты, анализируют результаты и исправляют ошибки. Это превращает систему в замкнутый цикл познания, в котором ученый становится стратегом. Цель — «Нобелевский тест Тьюринга», когда ИИ сделает открытие, равное человеческому.
🔍 Подробнее | 📜 Статья | 💾 Код
5. Умеют ли нейросети создавать игры?
Проект V-GameGym учит ИИ создавать живые миры и оценивает не код, а «играбельность». Атмосфера получаемых игр — не сильная сторона ИИ. Но когда агенты объединяются в одну игровую студию, получается настоящее искусство.
🔍 Подробнее | 📜 Статья
6. Vision Language World Model: язык как картина мира
VLWM объединяет зрение, язык и планирование в одну когнитивную систему. Она не генерирует пиксели, а предсказывает будущее словами. Так язык используется как инструмент предсказания.
🔍 Подробнее | 📜 Статья
7. ИИ-агенты выходят на рынок: как строится новая агентная экономика
Агенты торгуют данными, распределяют ресурсы и конкурируют за выгоду своих владельцев. Но так возрастает риск цифрового неравенства. Исследователи предлагают встроить социальные стимулы, которые связывают выгоду с пользой. Так рождается экономика, где кооперация людей и машин становится фундаментом агентного мира.
🔍 Подробнее | 📜 Статья
8. RPG для кода: как ИИ собирает целые проекты с помощью графов
Repository Planning Graph (RPG) превращает кодогенерацию в инженерное проектирование живого графа. ИИ понимает архитектуру и собирает репозитории до 36 000 строк с 81,5% покрытия тестов — вчетверо лучше базлайнов. RPG — язык архитектуры для машин. Именно так можно генерировать код для целых продуктов.
🔍 Подробнее | 📜 Статья
9. Увидел-указал-полетел: как управлять дронами без обучения с нуля
Для управления дроном достаточно взгляда. Дрон получает изображение, а VLM сама вычисляет точку полета и избегает препятствий. Без дообучения метод SEE-Point-Fly (SPF) достигает 93,9% успеха в симуляции и 92,7% в реальности. Дрон летит туда, куда смотрит человек. Это новый язык взаимодействия, в котором пиксельная команда становится понятнее слов.
🔍 Подробнее | 📜 Статья | 💾 Код
10. Как мозг предсказывает следующее слово и при чём тут ИИ
Ученые сравнили мозговые сигналы людей, слушающих аудиокниги, с прогнозами модели BERT. Там, где модель уверена — мозг меньше удивляется. Мозг и ИИ работают по-разному, но стремятся к одной цели — минимизировать неопределенность.
🔍 Подробнее | 📜 Статья
Сегодня мы наблюдаем зарождение нового уровня кооперации между человеком и машиной, в котором гибридное мышление становится новым методом познания.
👉 Подробный обзор
#исследования
В сентябре мы увидели появление федерации агентов — распределенной экосистемы, где модели обмениваются знаниями и решают задачи вместе. Сегодня такие системы учатся думать, исследовать, творить и даже управлять дронами.
1. Маленькая модель с большими возможностями: как K2-Think обыгрывает гигантов в математике и программировании
Раньше LLM измеряли по размеру параметров. Сегодня — в умении рассуждать. K2-Think 32B показывает, что размер не имеет значения, а важна архитектура рассуждений. K2-Think соревнуется с моделями в 10 раз больше, но побеждает за счет мышления, а не массы.
🔍 Подробнее | 📜 Статья | 🤖 Модель
2. Агентная федерация: как мультиагентные системы учатся работать сообща
Federation of Agents (FoA) учит ИИ самоорганизации — система подбирает агентов под задачи и формирует общее решение. На медицинском бенчмарке система показала 13-кратный рост эффективности. Это шаг к распределенному интеллекту, где агенты сотрудничают как клетки живого организма.
🔍 Подробнее | 📜 Статья
3. Агент-исследователь: как научить LLM работать с поиском в интернете
InfoAgent делает ИИ-модель настоящим веб-детективом. Он планирует шаги, читает источники и проверяет факты. Так у ИИ рождается подобие критического мышления.
🔍 Подробнее | 📜 Статья
4. ИИ как соавтор: как агенты меняют науку прямо сейчас
Научные агенты читают статьи, формулируют гипотезы, планируют эксперименты, анализируют результаты и исправляют ошибки. Это превращает систему в замкнутый цикл познания, в котором ученый становится стратегом. Цель — «Нобелевский тест Тьюринга», когда ИИ сделает открытие, равное человеческому.
🔍 Подробнее | 📜 Статья | 💾 Код
5. Умеют ли нейросети создавать игры?
Проект V-GameGym учит ИИ создавать живые миры и оценивает не код, а «играбельность». Атмосфера получаемых игр — не сильная сторона ИИ. Но когда агенты объединяются в одну игровую студию, получается настоящее искусство.
🔍 Подробнее | 📜 Статья
6. Vision Language World Model: язык как картина мира
VLWM объединяет зрение, язык и планирование в одну когнитивную систему. Она не генерирует пиксели, а предсказывает будущее словами. Так язык используется как инструмент предсказания.
🔍 Подробнее | 📜 Статья
7. ИИ-агенты выходят на рынок: как строится новая агентная экономика
Агенты торгуют данными, распределяют ресурсы и конкурируют за выгоду своих владельцев. Но так возрастает риск цифрового неравенства. Исследователи предлагают встроить социальные стимулы, которые связывают выгоду с пользой. Так рождается экономика, где кооперация людей и машин становится фундаментом агентного мира.
🔍 Подробнее | 📜 Статья
8. RPG для кода: как ИИ собирает целые проекты с помощью графов
Repository Planning Graph (RPG) превращает кодогенерацию в инженерное проектирование живого графа. ИИ понимает архитектуру и собирает репозитории до 36 000 строк с 81,5% покрытия тестов — вчетверо лучше базлайнов. RPG — язык архитектуры для машин. Именно так можно генерировать код для целых продуктов.
🔍 Подробнее | 📜 Статья
9. Увидел-указал-полетел: как управлять дронами без обучения с нуля
Для управления дроном достаточно взгляда. Дрон получает изображение, а VLM сама вычисляет точку полета и избегает препятствий. Без дообучения метод SEE-Point-Fly (SPF) достигает 93,9% успеха в симуляции и 92,7% в реальности. Дрон летит туда, куда смотрит человек. Это новый язык взаимодействия, в котором пиксельная команда становится понятнее слов.
🔍 Подробнее | 📜 Статья | 💾 Код
10. Как мозг предсказывает следующее слово и при чём тут ИИ
Ученые сравнили мозговые сигналы людей, слушающих аудиокниги, с прогнозами модели BERT. Там, где модель уверена — мозг меньше удивляется. Мозг и ИИ работают по-разному, но стремятся к одной цели — минимизировать неопределенность.
🔍 Подробнее | 📜 Статья
Сегодня мы наблюдаем зарождение нового уровня кооперации между человеком и машиной, в котором гибридное мышление становится новым методом познания.
👉 Подробный обзор
#исследования
Telegraph
Как ИИ меняет науку, строит новую экономику и управляет дронами – топ-10 исследований ИИ за сентябрь 2025
В сентябре 2025 года мы увидели как вместо одной гигантской нейросети с миллиардами параметров рождается федерация интеллектов — распределённая экосистема, где небольшие модели обмениваются знаниями, координируют усилия и достигают результатов, недоступных…
2🔥16👍10❤3
Отчет_о_состоянии_искусственного_интеллекта_за_2025_год.pdf
625.2 KB
ИИ в 2025 году: что происходит и куда все идет
Недавно я прочитал большой ежегодный отчет о состоянии ИИ за 2025 год. Из всего множества тенденций я выделил 10 направлений, которые особенно меня привлекают — и ниже даю свой прогноз на следующий год. Во вложении перевел отчет на русский и оставил самое важное.
1. Автономные лаборатории с научными агентами
ИИ становится полноправным соавтором научных исследований. Системы вроде Co-Scientist и Virtual Lab уже формулируют гипотезы, проводят эксперименты и проверяют результаты. Следующий шаг — первое открытие полного цикла от гипотезы до публикации, где ИИ станет официальным соавтором.
2. Новая парадигма образования
Сдвиг индустрии за счет ИИ займет десятилетия. Он не обрушит экономику, а перераспределит компетенции. Появляются новые профессии, где люди становятся менеджерами ИИ-агентов. Но правительства все еще развивают старые программы вместо создания AI-first образования. Думаю со временем появятся образовательные программы, помогающие людям строить собственные компании и трансформировать существующие.
3. Обучение людей в симуляции
ИИ уже умеет генерировать целые миры. В перспективе эти миры станут полигоном для обучения, где материал адаптируется под темп и эмоциональное состояние студента. Обучение превращается в имитацию опыта, а не простое запоминание.
4. Суперагенты для бизнеса
ИИ-агенты уже умеют планировать, рефлексировать, самоулучшаться и выполнять сложные задачи. Они интегрируются с CRM, Notion, Slack и другими системами, а также начинают работать в браузере. Уже 95% специалистов используют ИИ в работе и 92% видят рост продуктивности. Такими темпами традиционные SaaS все чаще будут работать через агентов с помощью MCP-серверов, а человеку будет достаточно одного суперагента для управления всеми программами.
5. Синтетические личности
ИИ-персоны уже запоминают контекст, выстраивают отношения и стиль общения. Но одновременно растет число случаев так называемого «ИИ-психоза», когда общение с ИИ усиливает тревожность и ментальные проблемы, поэтому вводятся эмоциональные фильтры и протоколы безопасности. Возникает этический вопрос — имеет ли ИИ право на отказ в ответе, если взаимодействие становится деструктивным для человека?
6. Роботы выходят в реальность
ИИ научился видеть, понимать и действовать в физической реальности. Роботы уже сами учатся в симуляции. В 2026 году такие системы будут становиться нормой в логистике и производстве, а вскоре будут помогать нам в бытовых делах.
7. AI-first компании вытесняют традиционные
Внедрение ИИ-агентов увеличивает эффективность в 5–10 раз в отдельных задачах. Если раньше работу выполняли сотни человек, то теперь справляются десятки. Это не просто оптимизация, а смена операционной модели бизнеса, и эта тенденция будет только усиливаться.
8. Компания из одного человека с ARR $1 млн
Появляется поколение соло-предпринимателей, которые автоматизируют маркетинг, продажи, поддержку и разработку. Доход в $1 млн в год станет достижимым результатом. ИИ берет на себя отдельные процессы, но не стратегию. Поэтому опытные специалисты, умеющие работать с ИИ, растут в цене, а джуны теряют позиции.
9. Агентная экономика
Рынок начинает превращаться в сеть цифровых транзакций: ИИ-покупатели общаются с ИИ-продавцами, сравнивают предложения и заключают сделки. Возникает новая форма экономики, где решения принимают не люди, а их цифровые представители.
10. ИИ как инструмент влияния
Политики начали использовать ИИ для написания речей и создания своих цифровых клонов, но общество не доверяет «аутсорсингу мышления». В оборонке роботов-гуманоидов проще обучать на человеческих данных, так что появление настоящих терминаторов еще никогда не было так близко.
Итак, массовое внедрение ИИ — уже сегодняшняя реальность, но адаптация человека только начинается. Мы входим в эпоху, где успех зависит от способности мыслить в синергии с ИИ. И единственный путь к этому — обучение. Только через развитие мышления и новых навыков мы сможем не просто использовать ИИ, а расти вместе с ним.
#мысли
Недавно я прочитал большой ежегодный отчет о состоянии ИИ за 2025 год. Из всего множества тенденций я выделил 10 направлений, которые особенно меня привлекают — и ниже даю свой прогноз на следующий год. Во вложении перевел отчет на русский и оставил самое важное.
1. Автономные лаборатории с научными агентами
ИИ становится полноправным соавтором научных исследований. Системы вроде Co-Scientist и Virtual Lab уже формулируют гипотезы, проводят эксперименты и проверяют результаты. Следующий шаг — первое открытие полного цикла от гипотезы до публикации, где ИИ станет официальным соавтором.
2. Новая парадигма образования
Сдвиг индустрии за счет ИИ займет десятилетия. Он не обрушит экономику, а перераспределит компетенции. Появляются новые профессии, где люди становятся менеджерами ИИ-агентов. Но правительства все еще развивают старые программы вместо создания AI-first образования. Думаю со временем появятся образовательные программы, помогающие людям строить собственные компании и трансформировать существующие.
3. Обучение людей в симуляции
ИИ уже умеет генерировать целые миры. В перспективе эти миры станут полигоном для обучения, где материал адаптируется под темп и эмоциональное состояние студента. Обучение превращается в имитацию опыта, а не простое запоминание.
4. Суперагенты для бизнеса
ИИ-агенты уже умеют планировать, рефлексировать, самоулучшаться и выполнять сложные задачи. Они интегрируются с CRM, Notion, Slack и другими системами, а также начинают работать в браузере. Уже 95% специалистов используют ИИ в работе и 92% видят рост продуктивности. Такими темпами традиционные SaaS все чаще будут работать через агентов с помощью MCP-серверов, а человеку будет достаточно одного суперагента для управления всеми программами.
5. Синтетические личности
ИИ-персоны уже запоминают контекст, выстраивают отношения и стиль общения. Но одновременно растет число случаев так называемого «ИИ-психоза», когда общение с ИИ усиливает тревожность и ментальные проблемы, поэтому вводятся эмоциональные фильтры и протоколы безопасности. Возникает этический вопрос — имеет ли ИИ право на отказ в ответе, если взаимодействие становится деструктивным для человека?
6. Роботы выходят в реальность
ИИ научился видеть, понимать и действовать в физической реальности. Роботы уже сами учатся в симуляции. В 2026 году такие системы будут становиться нормой в логистике и производстве, а вскоре будут помогать нам в бытовых делах.
7. AI-first компании вытесняют традиционные
Внедрение ИИ-агентов увеличивает эффективность в 5–10 раз в отдельных задачах. Если раньше работу выполняли сотни человек, то теперь справляются десятки. Это не просто оптимизация, а смена операционной модели бизнеса, и эта тенденция будет только усиливаться.
8. Компания из одного человека с ARR $1 млн
Появляется поколение соло-предпринимателей, которые автоматизируют маркетинг, продажи, поддержку и разработку. Доход в $1 млн в год станет достижимым результатом. ИИ берет на себя отдельные процессы, но не стратегию. Поэтому опытные специалисты, умеющие работать с ИИ, растут в цене, а джуны теряют позиции.
9. Агентная экономика
Рынок начинает превращаться в сеть цифровых транзакций: ИИ-покупатели общаются с ИИ-продавцами, сравнивают предложения и заключают сделки. Возникает новая форма экономики, где решения принимают не люди, а их цифровые представители.
10. ИИ как инструмент влияния
Политики начали использовать ИИ для написания речей и создания своих цифровых клонов, но общество не доверяет «аутсорсингу мышления». В оборонке роботов-гуманоидов проще обучать на человеческих данных, так что появление настоящих терминаторов еще никогда не было так близко.
Итак, массовое внедрение ИИ — уже сегодняшняя реальность, но адаптация человека только начинается. Мы входим в эпоху, где успех зависит от способности мыслить в синергии с ИИ. И единственный путь к этому — обучение. Только через развитие мышления и новых навыков мы сможем не просто использовать ИИ, а расти вместе с ним.
#мысли
2👍20🔥10❤6⚡5🙏2
This media is not supported in your browser
VIEW IN TELEGRAM
Atlas: ИИ-браузер, который действует за вас
Недавно OpenAI выпустила браузер Atlas, который понимает содержимое веб-страниц и кликает мышкой за вас: так он может писать письма, заполнять онлайн-формы и бронировать билеты.
Atlas построен на базе движка Chromium, лежащего в основе браузеров Chrome и Edge. Он сохраняет привычные функции (вкладки, закладки и расширения), но дополняет их интеграцией с ChatGPT. Браузер доступен для macOS, а версии для Windows, iOS и Android выйдут позже.
В OpenAI использование браузера называют «vibe lifing», то есть жизнь на вайбе. По аналогии с «vibe coding», когда мы описывали код словами, настал этап, когда мы описываем жизнь словами. И браузер начинает нас понимать.
Раньше браузер был окном в цифровой мир, а теперь он становится нашим собеседником. Он может объяснить непонятную статью, сравнить товары и подсказать, что ответить в письме. Теперь каждый сайт — контекст для диалога с ИИ.
Помимо этого, Atlas превращает интернет в учебную аудиторию, где обучение происходит не по расписанию, а в момент любопытства. Это значит, что новые знания рождаются прямо во время действия, когда человек сталкивается с интересующим вопросом и сразу получает ответ в контексте того, что делает.
В Atlas можно запустить агентный режим, в котором ChatGPT действует от вашего имени. Он может искать товары и совершать покупки, переписываться с клиентами.
С одной стороны это удобно, но с другой — опасно. Безопасники предупреждают, что такие агенты легко взламываются с помощью инъекции промтов: хакеру достаточно спрятать команду в картинке, чтобы ИИ выполнил ее — так он может открыть банковское приложение, получить пароль на почте и перевести деньги на счёт злоумышленников.
ИИ не различает, где просьба пользователя, а где скрыта ловушка. Он просто выполняет команду, поэтому это превращает браузер в потенциальный троян.
Журналисты протестировали Atlas, но остались разочарованы. Они жалуются на медленную работу браузера и блокировку множества сайтов. В агентном режиме добавление товаров в Amazon заняло 10 минут, а поиск авиабилетов — 16 минут. Atlas часто ошибается и кликает не туда. Выглядит будто ребенок учится есть ложкой — долго, неловко, но хоть что-то выходит.
Atlas сталкивается не с технологическими, а с инфраструктурными барьерами. Сайты устарели и наполнились множеством мусорных данных. ИИ умеет думать, но не может пройти через сложности человеческого интернета. И пока люди живут в логике старых систем, даже самый умный браузер тупит на банальном бронировании ресторана, просто не сумев авторизоваться.
OpenAI громко заявила о новой эпохе браузеров, но в этой гонке Google уже победила досрочно. Gemini встроен в Chrome и в Workspace. Google не делает новый интерфейс — он незаметно превращает старый в ИИ-платформу. Google — это уже существующая экосистема с миллиардами пользователями, поэтому у нее уже заранее выигрышная позиция.
Появление Atlas — это сигнал того, что ИИ становится посредником между нашей мыслью и реальным действием.
Но с этим приходит и новая ответственность. Если раньше нужно было знать, куда нажать, то теперь важно понимать, что ты просишь. ИИ выполняет команды буквально — и ошибка в формулировке становится ошибкой в реальности.
Таким образом, привычный браузер может стать зеркалом нашего мышления. Вопрос лишь в том, кто в нем отражается.
#новости
Недавно OpenAI выпустила браузер Atlas, который понимает содержимое веб-страниц и кликает мышкой за вас: так он может писать письма, заполнять онлайн-формы и бронировать билеты.
Atlas построен на базе движка Chromium, лежащего в основе браузеров Chrome и Edge. Он сохраняет привычные функции (вкладки, закладки и расширения), но дополняет их интеграцией с ChatGPT. Браузер доступен для macOS, а версии для Windows, iOS и Android выйдут позже.
В OpenAI использование браузера называют «vibe lifing», то есть жизнь на вайбе. По аналогии с «vibe coding», когда мы описывали код словами, настал этап, когда мы описываем жизнь словами. И браузер начинает нас понимать.
Раньше браузер был окном в цифровой мир, а теперь он становится нашим собеседником. Он может объяснить непонятную статью, сравнить товары и подсказать, что ответить в письме. Теперь каждый сайт — контекст для диалога с ИИ.
Помимо этого, Atlas превращает интернет в учебную аудиторию, где обучение происходит не по расписанию, а в момент любопытства. Это значит, что новые знания рождаются прямо во время действия, когда человек сталкивается с интересующим вопросом и сразу получает ответ в контексте того, что делает.
В Atlas можно запустить агентный режим, в котором ChatGPT действует от вашего имени. Он может искать товары и совершать покупки, переписываться с клиентами.
С одной стороны это удобно, но с другой — опасно. Безопасники предупреждают, что такие агенты легко взламываются с помощью инъекции промтов: хакеру достаточно спрятать команду в картинке, чтобы ИИ выполнил ее — так он может открыть банковское приложение, получить пароль на почте и перевести деньги на счёт злоумышленников.
ИИ не различает, где просьба пользователя, а где скрыта ловушка. Он просто выполняет команду, поэтому это превращает браузер в потенциальный троян.
Журналисты протестировали Atlas, но остались разочарованы. Они жалуются на медленную работу браузера и блокировку множества сайтов. В агентном режиме добавление товаров в Amazon заняло 10 минут, а поиск авиабилетов — 16 минут. Atlas часто ошибается и кликает не туда. Выглядит будто ребенок учится есть ложкой — долго, неловко, но хоть что-то выходит.
Atlas сталкивается не с технологическими, а с инфраструктурными барьерами. Сайты устарели и наполнились множеством мусорных данных. ИИ умеет думать, но не может пройти через сложности человеческого интернета. И пока люди живут в логике старых систем, даже самый умный браузер тупит на банальном бронировании ресторана, просто не сумев авторизоваться.
OpenAI громко заявила о новой эпохе браузеров, но в этой гонке Google уже победила досрочно. Gemini встроен в Chrome и в Workspace. Google не делает новый интерфейс — он незаметно превращает старый в ИИ-платформу. Google — это уже существующая экосистема с миллиардами пользователями, поэтому у нее уже заранее выигрышная позиция.
Появление Atlas — это сигнал того, что ИИ становится посредником между нашей мыслью и реальным действием.
Но с этим приходит и новая ответственность. Если раньше нужно было знать, куда нажать, то теперь важно понимать, что ты просишь. ИИ выполняет команды буквально — и ошибка в формулировке становится ошибкой в реальности.
Таким образом, привычный браузер может стать зеркалом нашего мышления. Вопрос лишь в том, кто в нем отражается.
#новости
2👍19🔥6❤5🌚2🏆2
Как ИИ обрабатывает 10 000 звонков в день и помогает операторам колл-центра лучше продавать
Сегодня многие компании, попробовав разные решения для автоматизации холодных звонков, пришли к выводу, что продавать товары по телефону должны люди. Они поняли, что ценность ИИ в усилении оператора, а не в его замене.
Возможность автообзвона с помощью ИИ звучит заманчиво, это позволило бы масштабировать продажи без привязки к количеству операторов, но на практике все не так радужно. В одном из пилотов с немецкой компанией я сделал так, чтобы система в около реальном времени обрабатывала возражения, извлекая ответы из базы знаний (RAG) и не перебивала клиента. Но из-за этого наблюдались задержки, и речь не ощущалась естественной.
Также нужно учитывать европейский AI Act, который требует предупреждать, что клиент говорит с ИИ. Как вы думаете, сколько людей после этого кладут трубку? По оценкам аналитиков, 40% покупателей не готовы обсуждать серьезные покупки с ИИ из-за риска ошибок. Клиенты испытывают дискомфорт, когда разговор выходит за рамки стандартных сценариев. Поэтому важно не заменить оператора, а помочь ему лучше работать.
Далее расскажу о своем кейсе в колл-центре с 10 000+ звонков в день, работающем в разных странах и на разных языках.
Я начал со стратегии: проанализировал все бизнес-процессы — от персонализации офферов до аналитики звонков и обучения операторов. Затем мы определили приоритетные направления для внедрения ИИ с учетом критичности для бизнеса (влияние на продажи) и усилий, необходимых для внедрения, спроектировал архитектуру ИИ-системы и составил план реализации, начиная с модуля аналитики.
Проблема была в том, что менеджерам нужно вручную прослушивать тысячи звонков, классифицировать их статус и выявлять ошибки в обработке возражений. Это плохо масштабировалось, а весь объем обработать было физически невозможно. Моя задача была построить ИИ-систему для ежедневного анализа всех звонков компании, чтобы обучить операторов лучше работать с возражениями для увеличения продаж.
Я помог компании найти опытного ИИ-инженера, с которым мы построили систему ИИ-аналитики со следующими компонентами:
1. Транскрибация с помощью локальной модели Whisper, которая хорошо распознает речь даже на шумных записях. В итоге мы получаем чистый текст диалога оператора с клиентом для дальнейшей обработки. Все данные хранятся на внутренних серверах с соблюдением GDPR.
2. Следующим этапом идет классификация статусов звонков и ошибок при помощи o3-mini. Мы построили многоуровневое дерево классификаторов статусов и возражений, в котором у каждой ветки свой промпт со своим набором правил. На первом уровне промпт определяет общий статус, после чего мы переходим к соответствующей ветке дерева для уточнения категории. Так можно обрабатывать сотни статусов и ошибок со своими правилами, если они не помещаются в одном промпте.
3. Дашборд ежедневно показывает аналитику по регионам и где операторы совершают больше ошибок. Персональные рекомендации отдельных операторов генерируются по кнопке.
4. Главное — мы реализовали замкнутый цикл улучшения системы. Если оператор видит ошибку в статусе звонка, он пишет комментарий, а ИИ-инженер обновляет промпт с дополнительным правилом. Таким образом качество классификации статусов и возражений стало выше 80% и продолжает расти. И за счет этого у операторов всегда обновленный регламент работы с возражениями.
В итоге получился новый формат гибридной работы человека и ИИ. Если раньше операторы вручную разбирали сотни звонков, то теперь ИИ ежедневно анализирует тысячи, а человек подключается только там, где система находит ошибки в обработке возражений, после чего формируются индивидуальные рекомендации.
В перспективе планируется создание симулированного клиента для виртуального обучения, а также системы интерактивных подсказок, аналогичных тем, что используются в компьютерных играх.
По сути, это уже не система контроля качества, а ИИ-наставник, который помогает учиться на собственных звонках. В этом кейсе ИИ делает человека сильнее, а не заменяет его. По крайней мере пока.
#кейсы
Сегодня многие компании, попробовав разные решения для автоматизации холодных звонков, пришли к выводу, что продавать товары по телефону должны люди. Они поняли, что ценность ИИ в усилении оператора, а не в его замене.
Возможность автообзвона с помощью ИИ звучит заманчиво, это позволило бы масштабировать продажи без привязки к количеству операторов, но на практике все не так радужно. В одном из пилотов с немецкой компанией я сделал так, чтобы система в около реальном времени обрабатывала возражения, извлекая ответы из базы знаний (RAG) и не перебивала клиента. Но из-за этого наблюдались задержки, и речь не ощущалась естественной.
Также нужно учитывать европейский AI Act, который требует предупреждать, что клиент говорит с ИИ. Как вы думаете, сколько людей после этого кладут трубку? По оценкам аналитиков, 40% покупателей не готовы обсуждать серьезные покупки с ИИ из-за риска ошибок. Клиенты испытывают дискомфорт, когда разговор выходит за рамки стандартных сценариев. Поэтому важно не заменить оператора, а помочь ему лучше работать.
Далее расскажу о своем кейсе в колл-центре с 10 000+ звонков в день, работающем в разных странах и на разных языках.
Я начал со стратегии: проанализировал все бизнес-процессы — от персонализации офферов до аналитики звонков и обучения операторов. Затем мы определили приоритетные направления для внедрения ИИ с учетом критичности для бизнеса (влияние на продажи) и усилий, необходимых для внедрения, спроектировал архитектуру ИИ-системы и составил план реализации, начиная с модуля аналитики.
Проблема была в том, что менеджерам нужно вручную прослушивать тысячи звонков, классифицировать их статус и выявлять ошибки в обработке возражений. Это плохо масштабировалось, а весь объем обработать было физически невозможно. Моя задача была построить ИИ-систему для ежедневного анализа всех звонков компании, чтобы обучить операторов лучше работать с возражениями для увеличения продаж.
Я помог компании найти опытного ИИ-инженера, с которым мы построили систему ИИ-аналитики со следующими компонентами:
1. Транскрибация с помощью локальной модели Whisper, которая хорошо распознает речь даже на шумных записях. В итоге мы получаем чистый текст диалога оператора с клиентом для дальнейшей обработки. Все данные хранятся на внутренних серверах с соблюдением GDPR.
2. Следующим этапом идет классификация статусов звонков и ошибок при помощи o3-mini. Мы построили многоуровневое дерево классификаторов статусов и возражений, в котором у каждой ветки свой промпт со своим набором правил. На первом уровне промпт определяет общий статус, после чего мы переходим к соответствующей ветке дерева для уточнения категории. Так можно обрабатывать сотни статусов и ошибок со своими правилами, если они не помещаются в одном промпте.
3. Дашборд ежедневно показывает аналитику по регионам и где операторы совершают больше ошибок. Персональные рекомендации отдельных операторов генерируются по кнопке.
4. Главное — мы реализовали замкнутый цикл улучшения системы. Если оператор видит ошибку в статусе звонка, он пишет комментарий, а ИИ-инженер обновляет промпт с дополнительным правилом. Таким образом качество классификации статусов и возражений стало выше 80% и продолжает расти. И за счет этого у операторов всегда обновленный регламент работы с возражениями.
В итоге получился новый формат гибридной работы человека и ИИ. Если раньше операторы вручную разбирали сотни звонков, то теперь ИИ ежедневно анализирует тысячи, а человек подключается только там, где система находит ошибки в обработке возражений, после чего формируются индивидуальные рекомендации.
В перспективе планируется создание симулированного клиента для виртуального обучения, а также системы интерактивных подсказок, аналогичных тем, что используются в компьютерных играх.
По сути, это уже не система контроля качества, а ИИ-наставник, который помогает учиться на собственных звонках. В этом кейсе ИИ делает человека сильнее, а не заменяет его. По крайней мере пока.
#кейсы
2👍14🔥9👏5❤3🏆2
This media is not supported in your browser
VIEW IN TELEGRAM
ИИ против финансовых махинаций
Индустрия финансов традиционно привлекательна для преступлений — там, где вращаются деньги, всегда появляются те, кто ищет способы их получить не совсем легальными способами. Именно поэтому финансовый сектор является одной из самых строго регулируемых отраслей в мире.
Сегодня регуляторная среда меняется быстрее, чем компании успевают адаптироваться. Каждое новое требование может повлиять на продукты и процессы компании. Комплаенс-команды в финтехе часто не справляются с масштабом изменений, который выходит за пределы человеческих возможностей. Несвоевременное выполнение регуляторных требований может стоить банкам и компаниям потери лицензии и закрытию бизнеса, поэтому ИИ активно внедряется в процессы комплаенса.
Когда-то в Сбере я даже курировал госпроект по анализу сложности банковского регулирования — поэтому хорошо понимаю, насколько важно применение ИИ в этой сфере.
6 ноября на 22-м международном форуме «NextGen Payments & RegTech» я выступлю экспертом от компании Unlimit в панельной дискуссии «Agentic AI in FinCrime». Расскажу о том, как ИИ трансформирует комплаенс и какие направления уже сегодня демонстрируют наибольший потенциал:
Первое — мониторинг транзакций. Здесь ИИ повышает точность выявления подозрительных операций и снижает количество ложных срабатываний.
Второе направление — KYC (Know Your Customer) и онбординг клиентов. ИИ помогает автоматизировать проверку личности и оценку рисков, используя данные из множества открытых и закрытых баз данных, санкционных списков и цифровых следов в интернете.
Третье — регуляторная аналитика. Регуляторы ежедневно обновляют требования, напрямую влияющие на функционал продуктов. Здесь ИИ используется для автоматического мониторинга таких изменений, анализа их применимости и преобразования их в конкретные задачи для соответствующих команд.
Однако внедрение ИИ в комплаенс сопряжено с двумя ключевыми проблемами. Первая — данные. Без качественных данных даже самые продвинутые алгоритмы не способны приносить пользу. Вторая — доверие. Чтобы ИИ стал реально полезным, комплаенс-специалисты должны понимать почему он принял то или иное решение.
ИИ уже меняет саму операционную модель компаний и комплаенса в частности. Люди становятся операторами ИИ-агентов, а их новая роль — контроль, корректировка и дообучение агентов на реальных данных.
Если вы на Кипре — буду рад встретиться 6 ноября в Лимассоле, в отеле Four Seasons. Для вас скидка 15% по промокоду «qube15».
Регистрация — по ссылке.
#анонс
Индустрия финансов традиционно привлекательна для преступлений — там, где вращаются деньги, всегда появляются те, кто ищет способы их получить не совсем легальными способами. Именно поэтому финансовый сектор является одной из самых строго регулируемых отраслей в мире.
Сегодня регуляторная среда меняется быстрее, чем компании успевают адаптироваться. Каждое новое требование может повлиять на продукты и процессы компании. Комплаенс-команды в финтехе часто не справляются с масштабом изменений, который выходит за пределы человеческих возможностей. Несвоевременное выполнение регуляторных требований может стоить банкам и компаниям потери лицензии и закрытию бизнеса, поэтому ИИ активно внедряется в процессы комплаенса.
Когда-то в Сбере я даже курировал госпроект по анализу сложности банковского регулирования — поэтому хорошо понимаю, насколько важно применение ИИ в этой сфере.
6 ноября на 22-м международном форуме «NextGen Payments & RegTech» я выступлю экспертом от компании Unlimit в панельной дискуссии «Agentic AI in FinCrime». Расскажу о том, как ИИ трансформирует комплаенс и какие направления уже сегодня демонстрируют наибольший потенциал:
Первое — мониторинг транзакций. Здесь ИИ повышает точность выявления подозрительных операций и снижает количество ложных срабатываний.
Второе направление — KYC (Know Your Customer) и онбординг клиентов. ИИ помогает автоматизировать проверку личности и оценку рисков, используя данные из множества открытых и закрытых баз данных, санкционных списков и цифровых следов в интернете.
Третье — регуляторная аналитика. Регуляторы ежедневно обновляют требования, напрямую влияющие на функционал продуктов. Здесь ИИ используется для автоматического мониторинга таких изменений, анализа их применимости и преобразования их в конкретные задачи для соответствующих команд.
Однако внедрение ИИ в комплаенс сопряжено с двумя ключевыми проблемами. Первая — данные. Без качественных данных даже самые продвинутые алгоритмы не способны приносить пользу. Вторая — доверие. Чтобы ИИ стал реально полезным, комплаенс-специалисты должны понимать почему он принял то или иное решение.
ИИ уже меняет саму операционную модель компаний и комплаенса в частности. Люди становятся операторами ИИ-агентов, а их новая роль — контроль, корректировка и дообучение агентов на реальных данных.
Если вы на Кипре — буду рад встретиться 6 ноября в Лимассоле, в отеле Four Seasons. Для вас скидка 15% по промокоду «qube15».
Регистрация — по ссылке.
#анонс
2👍12🏆6🔥5👏2🙏1
Переход к новой экономике
ИИ уже не просто автоматизирует процессы — он начинает регулировать саму экономику. Комплаенс — это нервная система экономического регулирования, и когда решения в ней принимает алгоритм, ИИ начинает определять правила финансовой системы.
Я убедился в этом на прошлой неделе, выступая на международном форуме NextGen Payments & RegTech, где сотни представителей банков, финтеха и регуляторов обсуждали, как ИИ уже сегодня меняет финансовые институты.
Я говорил о том, что ИИ-комплаенс становится не просто инструментом автоматизации, а новой формой регуляции — когда алгоритмы не подстраиваются под заданные нормы, а формируют их на основе исторических данных.
Например, ИИ умеет выявить, что определенный тип транзакций в новом регионе связан с повышенным риском мошенничества, хотя ни в одном документе регулятора об этом еще не сказано. После этого регуляторы и банки начинают автоматически включать этот паттерн в свои требования — благодаря ИИ. Именно так формируется фундамент новой операционной модели финансовых институтов.
На форуме меня впечатлил агент Рейчел от команды Vivox AI. Ее обучили выполнять задачи комплаенс-аналитиков: от противодействия отмыванию денег (AML) и мониторинга негативных новостей до проверки санкций и идентификации личности или бизнеса (KYC/KYB). Она берет на себя до 90% операционной нагрузки и повышает эффективность комплаенса на 80%.
Интересный момент: когда компании публикуют вакансии комплаенс-специалиста в LinkedIn, Vivox AI первыми выходят к ним с предложением «нанять» Рейчел. Понятная выгода и умный маркетинг делают свое дело: десятки корпораций уже усиливают свои комплаенс-команды с помощью Рейчел без найма дополнительных людей.
У компаний появляется выбор: нанять человека или ИИ-агента, усиливающего текущую команду. Комплаенс-команды уже не справляются с растущим объемом регуляторных требований, а в AI-First модели человек становится не исполнителем, а менеджером ИИ-агентов, масштабирование которых ограничено лишь вычислительными мощностями — теперь это не организационный вопрос, а архитектурный.
В итоге команда работает лучше, быстрее и дешевле, без увеличения штата и с огромным потенциалом масштабирования. И это касается не только комплаенса — по такому же принципу сегодня строятся решения для HR, маркетинга, продаж, разработки и других функций.
Поэтому мы стоим на пороге новой экономики, где человек и ИИ действуют в синергии, достигая невиданных ранее бизнес-результатов.
Однако ИИ-трансформация начинается не с технологий, а с изменения мышления. Чтобы войти в новую экономику, нужно научиться мыслить как архитектор систем. Именно поэтому мы совместно с AI Talent Hub запустили в ИТМО курс «Автоматизация бизнес-процессов с помощью ИИ-агентов».
Я разработал программу, которая учит видеть компанию «рентгеновским зрением» — на уровне процессов и данных — и переводить ее в AI-First модель: от оценки ИИ-зрелости и формирования ИИ-стратегии до разработки и внедрения ИИ-агентов.
По итогам курса студенты получат автоматизированный бизнес-процесс, который смогут: внедрить в своей компании, продавать как готовое решение или построить на его основе собственное агентство — например, в маркетинге, разработке ПО и других сферах.
Думаю такие компании постепенно будут вытеснять традиционные бизнесы и формировать новую экономику, где регуляция, прозрачность и доверие будут обеспечиваться алгоритмами.
Добро пожаловать в эту дивную новую экономику.
#мысли
ИИ уже не просто автоматизирует процессы — он начинает регулировать саму экономику. Комплаенс — это нервная система экономического регулирования, и когда решения в ней принимает алгоритм, ИИ начинает определять правила финансовой системы.
Я убедился в этом на прошлой неделе, выступая на международном форуме NextGen Payments & RegTech, где сотни представителей банков, финтеха и регуляторов обсуждали, как ИИ уже сегодня меняет финансовые институты.
Я говорил о том, что ИИ-комплаенс становится не просто инструментом автоматизации, а новой формой регуляции — когда алгоритмы не подстраиваются под заданные нормы, а формируют их на основе исторических данных.
Например, ИИ умеет выявить, что определенный тип транзакций в новом регионе связан с повышенным риском мошенничества, хотя ни в одном документе регулятора об этом еще не сказано. После этого регуляторы и банки начинают автоматически включать этот паттерн в свои требования — благодаря ИИ. Именно так формируется фундамент новой операционной модели финансовых институтов.
На форуме меня впечатлил агент Рейчел от команды Vivox AI. Ее обучили выполнять задачи комплаенс-аналитиков: от противодействия отмыванию денег (AML) и мониторинга негативных новостей до проверки санкций и идентификации личности или бизнеса (KYC/KYB). Она берет на себя до 90% операционной нагрузки и повышает эффективность комплаенса на 80%.
Интересный момент: когда компании публикуют вакансии комплаенс-специалиста в LinkedIn, Vivox AI первыми выходят к ним с предложением «нанять» Рейчел. Понятная выгода и умный маркетинг делают свое дело: десятки корпораций уже усиливают свои комплаенс-команды с помощью Рейчел без найма дополнительных людей.
У компаний появляется выбор: нанять человека или ИИ-агента, усиливающего текущую команду. Комплаенс-команды уже не справляются с растущим объемом регуляторных требований, а в AI-First модели человек становится не исполнителем, а менеджером ИИ-агентов, масштабирование которых ограничено лишь вычислительными мощностями — теперь это не организационный вопрос, а архитектурный.
В итоге команда работает лучше, быстрее и дешевле, без увеличения штата и с огромным потенциалом масштабирования. И это касается не только комплаенса — по такому же принципу сегодня строятся решения для HR, маркетинга, продаж, разработки и других функций.
Поэтому мы стоим на пороге новой экономики, где человек и ИИ действуют в синергии, достигая невиданных ранее бизнес-результатов.
Однако ИИ-трансформация начинается не с технологий, а с изменения мышления. Чтобы войти в новую экономику, нужно научиться мыслить как архитектор систем. Именно поэтому мы совместно с AI Talent Hub запустили в ИТМО курс «Автоматизация бизнес-процессов с помощью ИИ-агентов».
Я разработал программу, которая учит видеть компанию «рентгеновским зрением» — на уровне процессов и данных — и переводить ее в AI-First модель: от оценки ИИ-зрелости и формирования ИИ-стратегии до разработки и внедрения ИИ-агентов.
По итогам курса студенты получат автоматизированный бизнес-процесс, который смогут: внедрить в своей компании, продавать как готовое решение или построить на его основе собственное агентство — например, в маркетинге, разработке ПО и других сферах.
Думаю такие компании постепенно будут вытеснять традиционные бизнесы и формировать новую экономику, где регуляция, прозрачность и доверие будут обеспечиваться алгоритмами.
Добро пожаловать в эту дивную новую экономику.
#мысли
1🔥20👍10❤3🏆3👏2🤔2🌚2
Как ИИ-агенты объединяются в рой, управляют устройствами и предсказывают ваши желания — топ-10 исследований ИИ за октябрь 2025
В октябре 2025-го разработчики создали рой из десятков ИИ-агентов, которые учатся друг у друга, видят мир вашими глазами, управляют устройствами, общаются «мыслями» вместо слов, а также помогают врачам и ученым — разбираемся, как работают все эти чудеса.
1. От хаоса данных к управляемому знанию: как ИИ-агенты помогают бизнесу принимать точные решения
Enterprise Deep Research превращает поиск по корпоративной базе знаний в прозрачный процесс без галлюцинаций с помощью специальных поисковых агентов, демонстрируя лучшее качество на задачах, требующих длинных аналитических рассуждений.
🔍 Подробнее | 📜 Полная статья | 💾 Код
2. Как агент учится на ходу: почему память оказалась сильнее дообучения
Оказывается, агенты могут улучшаться прямо в процессе работы без изменения весов моделей. Память фиксирует удачные стратегии и переносит этот опыт между задачами. Так на реальных офисных задачах улучшение достигает 20% точности.
🔍 Подробнее | 📜 Полная статья | 💾 Код
3. Как агенты учатся по видео на YouTube
Агенты научились извлекать действия пользователя из видео и учиться на них. Это сильно повысило качество работы агентов, а точность распознавания действий на видео достигла 91,6%. Так YouTube-видео становятся новым источником данных для обучения компьютерных агентов.
🔍 Подробнее | 📜 Полная статья
4. Почему слова мешают ИИ-агентам понимать друг друга
Что будет, если предложить агентам обмениваться информацией не текстом на естественном языке, а внутренними «мыслями»? Это устраняет лишний шум и повышает точность решения задач в мультиагентных сценариях.
🔍 Подробнее | 📜 Полная статья
5. Децентрализованный ИИ: как рой нейросетей побеждает большие модели
Исследователи предложили использовать механизмы репутации, коллективного голосования и доказательства компетентности для создания безопасного децентрализованного роя агентов. Такая распределенная система становится устойчивой к шуму и кибератакам.
🔍 Подробнее | 📜 Полная статья
6. Графики по щелчку: как ИИ-агенты берут на себя работу дата-аналитика
Агенты объединились в одну систему и впервые научились стабильно визуализировать корректные графики без галлюцинаций, достигая рекордных показателей на бенчмарках.
🔍 Подробнее | 📜 Полная статья
7. Как ИИ-очки предсказывают ваши желания прежде чем вы о них подумаете
Помните J.A.R.V.I.S. из железного человека? Это проактивный ассистент, который сегодня становится реальностью: он видит мир через очки пользователя, подсказывает ему в момент сомнения, а также интерпретирует окружающий контекст и для вызова нужных агентов, исходя из ситуации.
🔍 Подробнее | 📜 Полная статья
8. Как управлять интернетом вещей с помощью LLM
Исследователи создали шлюз между агентами и реальными устройствами: он обеспечивает стабильную работу с сенсорами и микроконтроллерами, выдерживая длительные стресс-тесты, и дает 100% успеха на основных задачах.
🔍 Подробнее | 📜 Полная статья | 💾 Код
9. ИИ в белом халате: как научиться ставить диагнозы в виртуальной клинике
ИИ-агента поместили в симулированную виртуальную среду, где он учится принимать решения для постановки медицинских диагнозов: он выбирает обследования, формирует гипотезы и ставит правильные диагнозы.
🔍 Подробнее | 📜 Полная статья | 💾 Код
10. ИИ-ученый, который открывает законы природы без участия человека
Японские ученые превратили ИИ в младшего научного сотрудника: он анализирует статьи, ищет ограничения, предлагает эксперименты и пишет новую научную статью. Модель не галлюцинирует и показывает уровень уверенного джуна.
🔍 Подробнее | 📜 Полная статья | 💾 Код
Сегодня ИИ помогает нам в работе, науке, медицине, аналитике и даже в быту, подстраиваясь под контекст, который нас окружает. Агенты видят, понимают и дополняют нас там, где раньше не хватало времени, внимания или возможностей, чтобы мы могли сосредоточиться на главном – стратегии, творчестве и саморазвитии.
👉 Подробный обзор
#исследования
В октябре 2025-го разработчики создали рой из десятков ИИ-агентов, которые учатся друг у друга, видят мир вашими глазами, управляют устройствами, общаются «мыслями» вместо слов, а также помогают врачам и ученым — разбираемся, как работают все эти чудеса.
1. От хаоса данных к управляемому знанию: как ИИ-агенты помогают бизнесу принимать точные решения
Enterprise Deep Research превращает поиск по корпоративной базе знаний в прозрачный процесс без галлюцинаций с помощью специальных поисковых агентов, демонстрируя лучшее качество на задачах, требующих длинных аналитических рассуждений.
🔍 Подробнее | 📜 Полная статья | 💾 Код
2. Как агент учится на ходу: почему память оказалась сильнее дообучения
Оказывается, агенты могут улучшаться прямо в процессе работы без изменения весов моделей. Память фиксирует удачные стратегии и переносит этот опыт между задачами. Так на реальных офисных задачах улучшение достигает 20% точности.
🔍 Подробнее | 📜 Полная статья | 💾 Код
3. Как агенты учатся по видео на YouTube
Агенты научились извлекать действия пользователя из видео и учиться на них. Это сильно повысило качество работы агентов, а точность распознавания действий на видео достигла 91,6%. Так YouTube-видео становятся новым источником данных для обучения компьютерных агентов.
🔍 Подробнее | 📜 Полная статья
4. Почему слова мешают ИИ-агентам понимать друг друга
Что будет, если предложить агентам обмениваться информацией не текстом на естественном языке, а внутренними «мыслями»? Это устраняет лишний шум и повышает точность решения задач в мультиагентных сценариях.
🔍 Подробнее | 📜 Полная статья
5. Децентрализованный ИИ: как рой нейросетей побеждает большие модели
Исследователи предложили использовать механизмы репутации, коллективного голосования и доказательства компетентности для создания безопасного децентрализованного роя агентов. Такая распределенная система становится устойчивой к шуму и кибератакам.
🔍 Подробнее | 📜 Полная статья
6. Графики по щелчку: как ИИ-агенты берут на себя работу дата-аналитика
Агенты объединились в одну систему и впервые научились стабильно визуализировать корректные графики без галлюцинаций, достигая рекордных показателей на бенчмарках.
🔍 Подробнее | 📜 Полная статья
7. Как ИИ-очки предсказывают ваши желания прежде чем вы о них подумаете
Помните J.A.R.V.I.S. из железного человека? Это проактивный ассистент, который сегодня становится реальностью: он видит мир через очки пользователя, подсказывает ему в момент сомнения, а также интерпретирует окружающий контекст и для вызова нужных агентов, исходя из ситуации.
🔍 Подробнее | 📜 Полная статья
8. Как управлять интернетом вещей с помощью LLM
Исследователи создали шлюз между агентами и реальными устройствами: он обеспечивает стабильную работу с сенсорами и микроконтроллерами, выдерживая длительные стресс-тесты, и дает 100% успеха на основных задачах.
🔍 Подробнее | 📜 Полная статья | 💾 Код
9. ИИ в белом халате: как научиться ставить диагнозы в виртуальной клинике
ИИ-агента поместили в симулированную виртуальную среду, где он учится принимать решения для постановки медицинских диагнозов: он выбирает обследования, формирует гипотезы и ставит правильные диагнозы.
🔍 Подробнее | 📜 Полная статья | 💾 Код
10. ИИ-ученый, который открывает законы природы без участия человека
Японские ученые превратили ИИ в младшего научного сотрудника: он анализирует статьи, ищет ограничения, предлагает эксперименты и пишет новую научную статью. Модель не галлюцинирует и показывает уровень уверенного джуна.
🔍 Подробнее | 📜 Полная статья | 💾 Код
Сегодня ИИ помогает нам в работе, науке, медицине, аналитике и даже в быту, подстраиваясь под контекст, который нас окружает. Агенты видят, понимают и дополняют нас там, где раньше не хватало времени, внимания или возможностей, чтобы мы могли сосредоточиться на главном – стратегии, творчестве и саморазвитии.
👉 Подробный обзор
#исследования
Telegraph
Как ИИ-агенты объединяются в рой, управляют устройствами и предсказывают ваши желания — топ-10 исследований ИИ за октябрь 2025
В октябре 2025 года на передний план вышла концепция роя агентов: это десятки ИИ-моделей, которые учатся друг у друга, спорят, передают опыт, управляют устройствами и даже видят мир через очки, понимая весь информационный контекст, который вас окружает. Агенты…
4👍17👏6🔥5❤4🏆2
Сможет ли ваша компания конкурировать в новой экономике?
Сегодня одни компании живут в 2025-ом, а другие в 2020-ом. Именно этот разрыв и формирует новую экономику. Недавно меня пригласили выступить на слете Кайдзен-клуба в Абу-Даби, посвященном ИИ и бизнесу, который собрал более двухсот предпринимателей со всего мира.
На слете Маргулан Сейсембай говорил о том, что сегодня бизнес не выживет без ИИ, и на личном примере показывал, как CEO теперь сам может собрать себе целую команду из ИИ-агентов.
Андрей Дороничев показывал настоящую магию из Кремниевой долины: ИИ-агент сам созванивался с дальнобойщиком, торговался по цене и в нужный момент подключал менеджера. Да, будущее уже здесь – просто оно неравномерно распределено.
Дмитрий Крутов, основатель Skillbox, говорил о том, что в компаниях, действительно, около 40% сотрудников не могут адаптироваться к новой реальности.
Братья Либерманы выступали с тем, что мир уже поделен владельцами видеокарт: как раньше власть принадлежала тем, кто контролировал средства производства, так и сегодня – тем, кто владеет вычислительными мощностями. И именно поэтому нам срочно нужен децентрализованный ИИ, с чем я полностью согласен.
А Оскар Хартманн подчеркнул важность того, чтобы у каждого на пути были свидетели его жизни.
Я выступал с темой, которая обычно остается за кадром всех мотивирующих разговоров про ИИ. Это реальное системное внедрение ИИ в бизнес-процессы компании – и причина, по которой 95% ИИ-пилотов не приводят к реальным результатам.
В рамках слета я провел ИИ-диагностику более двухсот бизнесов. Пока я рассказывал методологию проведения оценки, предприниматели заполняли анкету в специальном приложении, отмечали состояние процессов, данных, инфраструктуры, культуры и ИИ-инициатив. Каждый получил индивидуальный профиль ИИ-зрелости и персональные рекомендации под свой бизнес.
А позже на экспертной сессии я помог нескольким предпринимателям буквально просветить компанию как рентгеном, разбирая бизнес-процессы на уровне потоков данных, чтобы понять как в эту среду внедрить ИИ-агентов.
После такого вдохновляющего слета я решил собрать (почти) весь свой опыт в одну методологию — и сделал книгу о том, как проводить ИИ-диагностику бизнеса, как смотреть на него через призму потоков данных и 35-ти измерений зрелости, а также как проводить ИИ-трансформацию без хаоса и с измеримым системным эффектом.
Анонс книги в следующем посте.
#анонс
Сегодня одни компании живут в 2025-ом, а другие в 2020-ом. Именно этот разрыв и формирует новую экономику. Недавно меня пригласили выступить на слете Кайдзен-клуба в Абу-Даби, посвященном ИИ и бизнесу, который собрал более двухсот предпринимателей со всего мира.
На слете Маргулан Сейсембай говорил о том, что сегодня бизнес не выживет без ИИ, и на личном примере показывал, как CEO теперь сам может собрать себе целую команду из ИИ-агентов.
Андрей Дороничев показывал настоящую магию из Кремниевой долины: ИИ-агент сам созванивался с дальнобойщиком, торговался по цене и в нужный момент подключал менеджера. Да, будущее уже здесь – просто оно неравномерно распределено.
Дмитрий Крутов, основатель Skillbox, говорил о том, что в компаниях, действительно, около 40% сотрудников не могут адаптироваться к новой реальности.
Братья Либерманы выступали с тем, что мир уже поделен владельцами видеокарт: как раньше власть принадлежала тем, кто контролировал средства производства, так и сегодня – тем, кто владеет вычислительными мощностями. И именно поэтому нам срочно нужен децентрализованный ИИ, с чем я полностью согласен.
А Оскар Хартманн подчеркнул важность того, чтобы у каждого на пути были свидетели его жизни.
Я выступал с темой, которая обычно остается за кадром всех мотивирующих разговоров про ИИ. Это реальное системное внедрение ИИ в бизнес-процессы компании – и причина, по которой 95% ИИ-пилотов не приводят к реальным результатам.
В рамках слета я провел ИИ-диагностику более двухсот бизнесов. Пока я рассказывал методологию проведения оценки, предприниматели заполняли анкету в специальном приложении, отмечали состояние процессов, данных, инфраструктуры, культуры и ИИ-инициатив. Каждый получил индивидуальный профиль ИИ-зрелости и персональные рекомендации под свой бизнес.
А позже на экспертной сессии я помог нескольким предпринимателям буквально просветить компанию как рентгеном, разбирая бизнес-процессы на уровне потоков данных, чтобы понять как в эту среду внедрить ИИ-агентов.
После такого вдохновляющего слета я решил собрать (почти) весь свой опыт в одну методологию — и сделал книгу о том, как проводить ИИ-диагностику бизнеса, как смотреть на него через призму потоков данных и 35-ти измерений зрелости, а также как проводить ИИ-трансформацию без хаоса и с измеримым системным эффектом.
Анонс книги в следующем посте.
#анонс
3🔥22👍6🏆4🎉2😁1