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
ИИ-диагностика бизнеса: готова ли ваша компания к ИИ-сотрудникам?
В прошлом посте я рассказал, как в Абу-Даби провел ИИ-диагностику более двухсот компаний — и как предприниматели впервые увидели честный рентген своего бизнеса.
Сейчас хочу поделиться методологией ИИ-диагностики.
Я внедрял ИИ в крупные международные компании — в условиях реального хаоса: разрозненные источники данных, сопротивление людей, вечно недоступная инфраструктура и отсутствие согласованной стратегии. За несколько лет практики стало понятно: любой путь к зрелой ИИ-компании начинается с диагностики. Без нее ИИ превращается в набор случайных пилотов.
Недавно я начал преподавать курс “Автоматизация бизнес-процессов с помощью ИИ-агентов” в совместной магистратуре ИТМО и AI Talent Hub в рамках которого я затронул тему того, как оценивать, насколько компания
готова к внедрению ИИ-агентов, но вся методология оказалась слишком объемной для одной вводной лекции.
Именно поэтому я решил собрать все в одну методичку. В ней я объясняю, как начать видеть компанию на уровне потоков данных, как системно внедрять ИИ в бизнес-процессы, какие виды ИИ-компаний бывают и как достичь максимальной зрелости. Так я формирую полное понимание того, что такое современная ИИ-компания.
В ИИ-диагностике 35 критериев: от стратегии и культуры до инфраструктуры, данных и моделей. Это система координат, которая позволяет просветить компанию рентгеном в части готовности к ИИ-трансформации.
Методология важна, потому что ИИ нельзя встроить в хаотичную организацию. Если процессы не описаны, данные разрознены, а культура боится перемен — никакой ИИ не даст результат. Он выступает в роли мультипликатора, поэтому только помножит хаос.
Теперь у предпринимателей и ИИ-лидеров появилась простая, структурированная и воспроизводимая методичка. Чтобы любой бизнес мог оценить свою ИИ-зрелость и построить стратегию перехода к новой операционной модели.
ИИ уже стал новой нормой. Главный вопрос: готова ли ваша компания к новой нормальности?
🤖 ИИ ДИАГНОСТИКА БИЗНЕСА
#анонс
В прошлом посте я рассказал, как в Абу-Даби провел ИИ-диагностику более двухсот компаний — и как предприниматели впервые увидели честный рентген своего бизнеса.
Сейчас хочу поделиться методологией ИИ-диагностики.
Я внедрял ИИ в крупные международные компании — в условиях реального хаоса: разрозненные источники данных, сопротивление людей, вечно недоступная инфраструктура и отсутствие согласованной стратегии. За несколько лет практики стало понятно: любой путь к зрелой ИИ-компании начинается с диагностики. Без нее ИИ превращается в набор случайных пилотов.
Недавно я начал преподавать курс “Автоматизация бизнес-процессов с помощью ИИ-агентов” в совместной магистратуре ИТМО и AI Talent Hub в рамках которого я затронул тему того, как оценивать, насколько компания
готова к внедрению ИИ-агентов, но вся методология оказалась слишком объемной для одной вводной лекции.
Именно поэтому я решил собрать все в одну методичку. В ней я объясняю, как начать видеть компанию на уровне потоков данных, как системно внедрять ИИ в бизнес-процессы, какие виды ИИ-компаний бывают и как достичь максимальной зрелости. Так я формирую полное понимание того, что такое современная ИИ-компания.
В ИИ-диагностике 35 критериев: от стратегии и культуры до инфраструктуры, данных и моделей. Это система координат, которая позволяет просветить компанию рентгеном в части готовности к ИИ-трансформации.
Методология важна, потому что ИИ нельзя встроить в хаотичную организацию. Если процессы не описаны, данные разрознены, а культура боится перемен — никакой ИИ не даст результат. Он выступает в роли мультипликатора, поэтому только помножит хаос.
Теперь у предпринимателей и ИИ-лидеров появилась простая, структурированная и воспроизводимая методичка. Чтобы любой бизнес мог оценить свою ИИ-зрелость и построить стратегию перехода к новой операционной модели.
ИИ уже стал новой нормой. Главный вопрос: готова ли ваша компания к новой нормальности?
🤖 ИИ ДИАГНОСТИКА БИЗНЕСА
#анонс
9🔥28❤9🎉5👍4😁4🙏1🏆1
Возможна ли сегодня компания, полностью управляемая ИИ-сотрудниками?
Идея компании, где все сотрудники – ИИ-агенты, звучит как фантастика. Но Сэм Альтман утверждает, что вскоре появится предприниматель-одиночка, который создаст единорога с миллиардной капитализацией. Теоретически это логичное продолжение технологического прогресса, но на практике все не так радужно. Рассмотрим один эксперимент.
В этом году журналист Эван Рэтлифф создал компанию HurumoAI, состоящую из пяти ИИ-агентов: CEO, CTO, маркетолога, HR и продавца. Они имели память, доступ к почте и работали автономно. Но спустя несколько недель стало понятно, что они существуют в своей виртуальной реальности: они часами спорили и придумывали прогресс, которого не было. Они либо «засыпали», ожидая внешней команды, либо бесконечно генерировали сообщения, пока не закончились деньги на LLM. При этом они хорошо решали отдельные задачи: писали код, готовили презентации и даже создали реальный продукт для прокрастинаторов.
Эксперимент показал, что такая команда не может работать без менеджера-человека, а полная автономность – это иллюзия. Агенты выполняют задачи, но не удерживают долгосрочные цели. Но важно другое: уже сейчас можно построить компанию, где человек один, а операционная деятельность почти полностью автоматизирована.
Чтобы понять путь одиночки-миллиардера, давайте посмотрим на рынок. Объем рынка SaaS – около $260 млрд, а рынок специалистов интеллектуального труда – около $5,5 трлн. Именно сюда и нацелены ИИ-агенты, которые выполняют работу как внутри компании, так и для внешних клиентов.
Чтобы компания стоила $1 млрд при мультипликаторе ×10, ей нужно зарабатывать около $100 млн в год, то есть $8 млн в месяц. Уже существуют соло-предприниматели, зарабатывающие $50–200 тыс. в месяц: Марк Лоу и Питер Левелс. То есть задача сводится к созданию продуктов на потоке.
Предположим, наши клиенты – это малый и средний бизнес (SMB) и корпорации. Продукт для SMB стоит $200 в месяц, а для корпораций – $2000. Только на рынке США около 6 млн SMB и 20 тыс. корпораций. Если занять 0,65% обоих сегментов, это даст примерно 39 тыс. SMB и 130 корпораций – как раз около $8 млн в месяц. Понятно, что чем больше регионов и сегментов, тем доля будет еще меньше. В целом для единорога достаточно захватить 0,002% всего рынка интеллектуального труда.
Что нужно делать основателю-одиночке? Разработать агентов для помощи себе и другим:
Первый – менеджер, который ведет задачи, структурирует информацию и распределяет работу. Второй – HR-агент, поскольку продуктовый бизнес масштабируется за счет инженеров, и под каждый продукт нужно нанимать AI Product Engineer.
Далее подключается маркетинговый агент для анализа рынка, позиционирования и брендинга. После SMM-агент ведет контент для повышения узнаваемости бренда, а агент-продавец ищет клиентов и пишет им письма. Потом агент поддержки обрабатывает заявки и собирает фидбек.
Агент-аналитик анализирует фидбек и формирует требования к фичам, агент-дизайнер создает интерфейсы, и все это уходит к агенту-разработчику, в то время как агент-инженер поддерживает инфраструктуру. Эта структура покрывает весь цикл создания продукта, но это хорошо работает при наличии людей-инженеров. Эти же агенты продаются SMB и корпорациям.
Основатель решает юридические и финансовые вопросы – там ставки слишком высоки. И если представить, что эта компания один за одним запускает продукты и постепенно захватывает свою долю рынка, то модель единорога из одного человека становится вопросом времени.
Можно ли сегодня построить компанию, полностью управляемую ИИ-сотрудниками? Если понимать «полностью» как «без единого человека», то еще нет. Но если понимать как «компания, где один основатель управляет системой из агентов, которые делают 90% всей работы», то да.
И однозначно, первый соло-предприниматель будет не тем, кто заменит людей, а тем, кто научится правильно строить гибридные организационные системы из людей и агентов. А это уже гораздо интереснее.
Поэтому в этой гонке победит тот, кто умеет управлять компанией, как мультиагентной системой.
#мысли
Идея компании, где все сотрудники – ИИ-агенты, звучит как фантастика. Но Сэм Альтман утверждает, что вскоре появится предприниматель-одиночка, который создаст единорога с миллиардной капитализацией. Теоретически это логичное продолжение технологического прогресса, но на практике все не так радужно. Рассмотрим один эксперимент.
В этом году журналист Эван Рэтлифф создал компанию HurumoAI, состоящую из пяти ИИ-агентов: CEO, CTO, маркетолога, HR и продавца. Они имели память, доступ к почте и работали автономно. Но спустя несколько недель стало понятно, что они существуют в своей виртуальной реальности: они часами спорили и придумывали прогресс, которого не было. Они либо «засыпали», ожидая внешней команды, либо бесконечно генерировали сообщения, пока не закончились деньги на LLM. При этом они хорошо решали отдельные задачи: писали код, готовили презентации и даже создали реальный продукт для прокрастинаторов.
Эксперимент показал, что такая команда не может работать без менеджера-человека, а полная автономность – это иллюзия. Агенты выполняют задачи, но не удерживают долгосрочные цели. Но важно другое: уже сейчас можно построить компанию, где человек один, а операционная деятельность почти полностью автоматизирована.
Чтобы понять путь одиночки-миллиардера, давайте посмотрим на рынок. Объем рынка SaaS – около $260 млрд, а рынок специалистов интеллектуального труда – около $5,5 трлн. Именно сюда и нацелены ИИ-агенты, которые выполняют работу как внутри компании, так и для внешних клиентов.
Чтобы компания стоила $1 млрд при мультипликаторе ×10, ей нужно зарабатывать около $100 млн в год, то есть $8 млн в месяц. Уже существуют соло-предприниматели, зарабатывающие $50–200 тыс. в месяц: Марк Лоу и Питер Левелс. То есть задача сводится к созданию продуктов на потоке.
Предположим, наши клиенты – это малый и средний бизнес (SMB) и корпорации. Продукт для SMB стоит $200 в месяц, а для корпораций – $2000. Только на рынке США около 6 млн SMB и 20 тыс. корпораций. Если занять 0,65% обоих сегментов, это даст примерно 39 тыс. SMB и 130 корпораций – как раз около $8 млн в месяц. Понятно, что чем больше регионов и сегментов, тем доля будет еще меньше. В целом для единорога достаточно захватить 0,002% всего рынка интеллектуального труда.
Что нужно делать основателю-одиночке? Разработать агентов для помощи себе и другим:
Первый – менеджер, который ведет задачи, структурирует информацию и распределяет работу. Второй – HR-агент, поскольку продуктовый бизнес масштабируется за счет инженеров, и под каждый продукт нужно нанимать AI Product Engineer.
Далее подключается маркетинговый агент для анализа рынка, позиционирования и брендинга. После SMM-агент ведет контент для повышения узнаваемости бренда, а агент-продавец ищет клиентов и пишет им письма. Потом агент поддержки обрабатывает заявки и собирает фидбек.
Агент-аналитик анализирует фидбек и формирует требования к фичам, агент-дизайнер создает интерфейсы, и все это уходит к агенту-разработчику, в то время как агент-инженер поддерживает инфраструктуру. Эта структура покрывает весь цикл создания продукта, но это хорошо работает при наличии людей-инженеров. Эти же агенты продаются SMB и корпорациям.
Основатель решает юридические и финансовые вопросы – там ставки слишком высоки. И если представить, что эта компания один за одним запускает продукты и постепенно захватывает свою долю рынка, то модель единорога из одного человека становится вопросом времени.
Можно ли сегодня построить компанию, полностью управляемую ИИ-сотрудниками? Если понимать «полностью» как «без единого человека», то еще нет. Но если понимать как «компания, где один основатель управляет системой из агентов, которые делают 90% всей работы», то да.
И однозначно, первый соло-предприниматель будет не тем, кто заменит людей, а тем, кто научится правильно строить гибридные организационные системы из людей и агентов. А это уже гораздо интереснее.
Поэтому в этой гонке победит тот, кто умеет управлять компанией, как мультиагентной системой.
#мысли
Telegraph
ИИ-революция, которая вышла из-под контроля: как журналист построил компанию из ИИ‑сотрудников и что из этого вышло
В 2025 году почти всё в мире технологий вращается вокруг ИИ-агентов. Агентов называют сотрудниками и менеджерами компаний будущего. Сэм Альтман говорит о том, что скоро появится компания-единорог из одного человека. Сегодня кажется, что в каждом новом стартапе…
5👍18❤11🔥10