AI-инструменты
Кажется, что AI уже везде.
У нас есть много горизонтальных AI-решений — записи звонков с транскрипцией, генерация мемов каждую пятницу, Perplexity для поиска и т.п.
В то же время вертикальные агенты развиваются медленнее — это связано с тем, что не существует универсального решения, потому что все бизнесы разные. Каждый вертикальный агент должен быть сильно адаптирован под компанию и её конкретные процессы.
Поэтому активно развиваются no-code/low-code инструменты, которые (по легенде) должны позволить бизнесу (или подрядчикам бизнеса, таким как КОД9) самостоятельно настраивать себе AI-агентов.
Сегодня у нас на обзоре Dify.ai.
Мы активно используем Dify на нескольких проектах. Фактически это low-code LLM-бэкенд, у которого есть:
1. Встроенный RAG-движок. Вы загружаете документы — он их сам чанкает, показывает чанки, всё можно настроить и подобрать нужные RAG-параметры. Мы не тестировали на большом массиве (500+), но на нескольких десятках документов работает отлично.
2. Готовые интеграции с большим количеством инструментов — поиски, базы данных.
3. Возможность работать как MCP-сервер (кстати, напишу пост про это).
4. Всё это добро можно легко интегрировать через API со своим бэкендом или фронтендом.
5. Ну и плюс — это open source, который можно поставить себе на сервер.
Пробуйте, тестируйте, пишите, если нужна помощь.
#AI_инструменты
Кажется, что AI уже везде.
У нас есть много горизонтальных AI-решений — записи звонков с транскрипцией, генерация мемов каждую пятницу, Perplexity для поиска и т.п.
В то же время вертикальные агенты развиваются медленнее — это связано с тем, что не существует универсального решения, потому что все бизнесы разные. Каждый вертикальный агент должен быть сильно адаптирован под компанию и её конкретные процессы.
Поэтому активно развиваются no-code/low-code инструменты, которые (по легенде) должны позволить бизнесу (или подрядчикам бизнеса, таким как КОД9) самостоятельно настраивать себе AI-агентов.
Сегодня у нас на обзоре Dify.ai.
Мы активно используем Dify на нескольких проектах. Фактически это low-code LLM-бэкенд, у которого есть:
1. Встроенный RAG-движок. Вы загружаете документы — он их сам чанкает, показывает чанки, всё можно настроить и подобрать нужные RAG-параметры. Мы не тестировали на большом массиве (500+), но на нескольких десятках документов работает отлично.
2. Готовые интеграции с большим количеством инструментов — поиски, базы данных.
3. Возможность работать как MCP-сервер (кстати, напишу пост про это).
4. Всё это добро можно легко интегрировать через API со своим бэкендом или фронтендом.
5. Ну и плюс — это open source, который можно поставить себе на сервер.
Пробуйте, тестируйте, пишите, если нужна помощь.
#AI_инструменты
🔥1
Чек-листы по построению AI-Native Engineering Team от OpenAI
Если у вас разработка ещё не AI-native — тогда мы идём к вам.
По гайду от OpenAI разберём, как применять AI для AI-native-разработки по SDLC-блокам.
Планирование
Роль ИИ: превращать сырые идеи и бизнес-запросы в качественные инженерные задачи.
Чек-лист:
• Определить процессы, где нужно синхронизировать разные типы документации. Например, перенос документов в Jira-задачи или декомпозиция задачи на подзадачи.
• Подключить ИИ к одной из таких задач.
• Усложнить задачу ИИ: пусть он проверяет реализацию кода по описанию задачи, выявляя несостыковки.
Дизайн и прототипирование
Роль ИИ: сокращать путь от идеи до интерфейса, от интерфейса до компонентов.
Чек-лист:
• Использовать мультимодальных агентов, чтобы они понимали картинки, а не только текст.
• Подключить вашу Figma через MCP к агенту (например, к Cursor или Windsurf — сам сделал, удобно).
• Настроить workflow, чтобы ИИ по компонентам дизайна автоматически собирал компоненты в коде.
• Использовать типизированные языки программирования (будет меньше проблем).
Разработка
Роль ИИ: разработка фичи end-to-end.
Чек-лист:
• Задача для ИИ должна быть хорошо описана.
• Использовать PLAN.md, куда агент сначала будет писать план своих действий, разработчик его проверяет, и только затем агент кодит по этому плану.
• Использовать AGENTS.md с детализацией того, что можно делать агенту, а что — нет. Дайте ему возможность самому проверять задачи и использовать линтеры.
Тестирование
Роль ИИ: контролировать edge-кейсы и регресс.
Чек-лист:
• Настроить агента для генерации тестов отдельным шагом, а не в процессе разработки.
• Проверять, что тесты падают до реализации кода (читай — Test Driven Development).
• Задать стандарты покрытия кода тестами в AGENTS.md.
• Дать агенту инструменты для проверки процента покрытия кода.
Код-ревью
Роль ИИ: быть самым терпеливым ревьюером.
Чек-лист:
• Собрать «золотой набор» pull-request’ов, которые проревьюили ваши инженеры.
• Использовать этот набор для выбора подходящего ИИ-решения для код-ревью.
• Определить, как ваша команда будет отмечать хорошие/плохие ревью. Для начала можно просто ставить эмодзи в реквесте. Потом придумать что-то посложнее.
Документация
Роль ИИ: превращать код в понятные и доступные знания.
Чек-лист:
• Провести пару экспериментов с автогенерацией документации с помощью агентов.
• Определить части процесса, где документация может быть сгенерирована автоматически.
• Вставить правила автогенерации документации в AGENTS.md.
• Вручную проверять сгенерированные документы.
Деплой и поддержка
Роль ИИ: быть помощником при инцидентах и деградациях.
Чек-лист:
• Подключить логи деплой-системы к агенту.
• Ограничить права доступа агентов, чтобы он не удалил вашу БД (где-то читал такую историю).
• Подготовить шаблоны промптов для сценариев быстрой проверки логов, расследования инцидентов и т. п.
• Постоянно улучшать workflow — давать агенту больше прав, улучшать промпты и т. п.
Вообще, написал всё это и подумал, что такое золото, конечно, нужно за деньги отдавать, а не выкладывать в канал. Но у нас тут принцип give first — поэтому делюсь.
И чтобы два раза не вставать -- вот статья о том, как сделать Android-приложение меньше чем за месяц (на агентах — да).
Пробуйте, тестируйте, пишите, если нужна помощь.
Если у вас разработка ещё не AI-native — тогда мы идём к вам.
По гайду от OpenAI разберём, как применять AI для AI-native-разработки по SDLC-блокам.
Планирование
Роль ИИ: превращать сырые идеи и бизнес-запросы в качественные инженерные задачи.
Чек-лист:
• Определить процессы, где нужно синхронизировать разные типы документации. Например, перенос документов в Jira-задачи или декомпозиция задачи на подзадачи.
• Подключить ИИ к одной из таких задач.
• Усложнить задачу ИИ: пусть он проверяет реализацию кода по описанию задачи, выявляя несостыковки.
Дизайн и прототипирование
Роль ИИ: сокращать путь от идеи до интерфейса, от интерфейса до компонентов.
Чек-лист:
• Использовать мультимодальных агентов, чтобы они понимали картинки, а не только текст.
• Подключить вашу Figma через MCP к агенту (например, к Cursor или Windsurf — сам сделал, удобно).
• Настроить workflow, чтобы ИИ по компонентам дизайна автоматически собирал компоненты в коде.
• Использовать типизированные языки программирования (будет меньше проблем).
Разработка
Роль ИИ: разработка фичи end-to-end.
Чек-лист:
• Задача для ИИ должна быть хорошо описана.
• Использовать PLAN.md, куда агент сначала будет писать план своих действий, разработчик его проверяет, и только затем агент кодит по этому плану.
• Использовать AGENTS.md с детализацией того, что можно делать агенту, а что — нет. Дайте ему возможность самому проверять задачи и использовать линтеры.
Тестирование
Роль ИИ: контролировать edge-кейсы и регресс.
Чек-лист:
• Настроить агента для генерации тестов отдельным шагом, а не в процессе разработки.
• Проверять, что тесты падают до реализации кода (читай — Test Driven Development).
• Задать стандарты покрытия кода тестами в AGENTS.md.
• Дать агенту инструменты для проверки процента покрытия кода.
Код-ревью
Роль ИИ: быть самым терпеливым ревьюером.
Чек-лист:
• Собрать «золотой набор» pull-request’ов, которые проревьюили ваши инженеры.
• Использовать этот набор для выбора подходящего ИИ-решения для код-ревью.
• Определить, как ваша команда будет отмечать хорошие/плохие ревью. Для начала можно просто ставить эмодзи в реквесте. Потом придумать что-то посложнее.
Документация
Роль ИИ: превращать код в понятные и доступные знания.
Чек-лист:
• Провести пару экспериментов с автогенерацией документации с помощью агентов.
• Определить части процесса, где документация может быть сгенерирована автоматически.
• Вставить правила автогенерации документации в AGENTS.md.
• Вручную проверять сгенерированные документы.
Деплой и поддержка
Роль ИИ: быть помощником при инцидентах и деградациях.
Чек-лист:
• Подключить логи деплой-системы к агенту.
• Ограничить права доступа агентов, чтобы он не удалил вашу БД (где-то читал такую историю).
• Подготовить шаблоны промптов для сценариев быстрой проверки логов, расследования инцидентов и т. п.
• Постоянно улучшать workflow — давать агенту больше прав, улучшать промпты и т. п.
Вообще, написал всё это и подумал, что такое золото, конечно, нужно за деньги отдавать, а не выкладывать в канал. Но у нас тут принцип give first — поэтому делюсь.
И чтобы два раза не вставать -- вот статья о том, как сделать Android-приложение меньше чем за месяц (на агентах — да).
Пробуйте, тестируйте, пишите, если нужна помощь.
🔥3
AI-first компании
Работа с документами и операционные процессы часто становятся бутылочным горлышком, когда компания растёт. Долгое рассмотрение договоров тормозит совершение сделок и напрямую влияет на кэшфлоу компании.
Компания LogicMonitor, специализирующаяся на мониторинге ИТ-инфраструктуры, внедрила ИИ-решение для автоматизации процесса рассмотрения контрактов. Gartner пишет, что ROI составил более $100K за счёт ускорения первоначального рассмотрения контрактов и NDA на 50–70%.
Я даже ввёл свою почту и скачал кейс, чтобы написать этот пост. Отдаю вам бесплатно (в комменты скину PDF).
Шаги реализации проекта:
1. Определить, какие типы документов будем поддерживать.
LogicMonitor взяли договоры MSA, NDA, повторяющиеся договоры.
2. Определить, что не автоматизируем.
В нашем случае — финальное решение, выявление нестандартных рисков. Ответственность остаётся на юристе.
3. Навести порядок в документах до AI.
Сделать хранилище договоров, контроль версий, прозрачный workflow движения документов между отделами.
— Наконец, AI —
4. Подключение AI для редлайна (первичной проверки документов).
4.1 Делаем библиотеку эталонных пунктов (эталонные формулировки, запрещённые формулировки и т.п.). У LogicMonitor над этим работали 3 юриста. По сути, мы готовим для AI примеры «как надо» и «как не надо».
4.2 Готовим правила и политики: где компания готова уступать, где - нет, какие оговорки допустимы.
4.3 Тюним промпты под стиль компании. Важно, чтобы AI действовал как наш юрист, а не юрист абстрактной компании.
5. Включаем AI-ревью.
5.1 Загруженный договор программно разбиваем на пункты.
5.2 LLM сравнивает каждый пункт с библиотекой (из пункта 4.1).
5.3 LLM предлагает комментарии и помечает риски.
5.4 Передаём документ юристу на итоговую проверку.
6. Дообучаем AI-агента на комментариях юриста.
Сравниваем комментарии юриста и комментарии AI и, при необходимости, дорабатываем библиотеку эталонных пунктов или промпты, чтобы AI точнее оставлял комментарии.
Итоговый пайплайн получается такой:
При этом LogicMonitor решили, что им достаточно 80% точности при проверке входящего контракта. Это позволило быстрее запустить решение и обкатывать его на практике.
В итоге сроки первичного ревью сократились с 10 часов до 10 минут.
Хотите так же у себя → пишите мне, подскажу, чем могу.
#AI_first_компании
Работа с документами и операционные процессы часто становятся бутылочным горлышком, когда компания растёт. Долгое рассмотрение договоров тормозит совершение сделок и напрямую влияет на кэшфлоу компании.
Компания LogicMonitor, специализирующаяся на мониторинге ИТ-инфраструктуры, внедрила ИИ-решение для автоматизации процесса рассмотрения контрактов. Gartner пишет, что ROI составил более $100K за счёт ускорения первоначального рассмотрения контрактов и NDA на 50–70%.
Я даже ввёл свою почту и скачал кейс, чтобы написать этот пост. Отдаю вам бесплатно (в комменты скину PDF).
Шаги реализации проекта:
1. Определить, какие типы документов будем поддерживать.
LogicMonitor взяли договоры MSA, NDA, повторяющиеся договоры.
2. Определить, что не автоматизируем.
В нашем случае — финальное решение, выявление нестандартных рисков. Ответственность остаётся на юристе.
3. Навести порядок в документах до AI.
Сделать хранилище договоров, контроль версий, прозрачный workflow движения документов между отделами.
— Наконец, AI —
4. Подключение AI для редлайна (первичной проверки документов).
4.1 Делаем библиотеку эталонных пунктов (эталонные формулировки, запрещённые формулировки и т.п.). У LogicMonitor над этим работали 3 юриста. По сути, мы готовим для AI примеры «как надо» и «как не надо».
4.2 Готовим правила и политики: где компания готова уступать, где - нет, какие оговорки допустимы.
4.3 Тюним промпты под стиль компании. Важно, чтобы AI действовал как наш юрист, а не юрист абстрактной компании.
5. Включаем AI-ревью.
5.1 Загруженный договор программно разбиваем на пункты.
5.2 LLM сравнивает каждый пункт с библиотекой (из пункта 4.1).
5.3 LLM предлагает комментарии и помечает риски.
5.4 Передаём документ юристу на итоговую проверку.
6. Дообучаем AI-агента на комментариях юриста.
Сравниваем комментарии юриста и комментарии AI и, при необходимости, дорабатываем библиотеку эталонных пунктов или промпты, чтобы AI точнее оставлял комментарии.
Итоговый пайплайн получается такой:
Sales-команда заводит договор в CRM
↓
AI сразу делает проверку и оставляет комментарии
↓
Юрист подключается только если есть риски или нестандартные условия
При этом LogicMonitor решили, что им достаточно 80% точности при проверке входящего контракта. Это позволило быстрее запустить решение и обкатывать его на практике.
В итоге сроки первичного ревью сократились с 10 часов до 10 минут.
Хотите так же у себя → пишите мне, подскажу, чем могу.
#AI_first_компании
LogicMonitor
Hybrid Observability for the Agentic AI Era
LogicMonitor® delivers AI-powered hybrid observability with LM Envision, empowering CIOs with unified visibility of their on-prem and multi-cloud environments across the modern data center.
🔥6💯3👍2
Нужно ли делать мини-гайд по промтам?
В последние пару дней вышло пару крупный ревью по промтам, на основе каких-то исследований. Надо вам?
В последние пару дней вышло пару крупный ревью по промтам, на основе каких-то исследований. Надо вам?
Anonymous Poll
88%
Да, хочу знать про промпты
12%
Нет, спасибо
1👍1
Промты это магия
Нет, это не магия, а работа с контекстом. Модели нужно
1. Объяснить, какой результат вам нужен
2. Дать достаточно контекста, чтобы она сама связала контекст с результатом
Мини-гайд, как делать это нормально.
1) Сформулировать цель, а не описывать процесс
❌Плохой промпт (про процесс):
Сначала проанализируй данные, потом найди паттерны, потом сделай выводы.
✅Хороший промпт (про цель):
Мне нужен [результат], который должен дать [конкретный эффект].
Аудитория — [кто будет читать или использовать результат].
Успех — [как понять, что получилосьъ.
Пример:
Мне нужен документ-план, чтобы нетехнические стейкхолдеры поняли наш план внедрения ИИ и не запутались в деталях.
2) Задаем ограничения, а не правила поведения
Пример трех типов ограничений:
- Контекст - медицина, финансы, B2B, для ребёнка, для CTO
- Качество - "коротко и с примерами" или "глубже и обстоятельнее"
- Границы - "без абстрактных тезисов", "без сравнений", "без ссылок"
Как писать:
❌Неправильно - "кратко, просто, без жаргона",
✅ Правильно - "текст должен работать для человека, который впервые слышит тему. C примерами и без терминов".
3) Давать примеры (аля one-shot/few-shot prompting)
Можно дать:пример того, как правильно
и пример того, как неправильно (антипример)
Формат:
"Вот пример нужного уровня детализации:...".
" А вот так — слишком поверхностно"
4) Указывать критерии качества
❌ Неправильно: сделай точно, будь кратким.
✅ Правильно : факты должны быть проверяемыми, чтобы читатель мог подтвердить их за пару минут
✅ Правильно: каждый раздел - максимум один абзац, чтобы текст работал как резюме.
❌ Неправильно: объясни понятно
✅ Правильно: человек должен понять без гугления терминов
5) Если задача сложная - делаем иерархию целей
Пример:
Универсальный шаблон промпта (сохраняйте пока я такой щедрый)
Итог:
Хороший промпт — это не делай мне ответ»
а сделай мне результат, который можно использовать.
Скидывайте свои задачи или промпты в комменты — докрутим вместе в рабочий вариант.
В комментариях еще скину 1-2 примера.
Референсы:
- https://arxiv.org/abs/2505.13360
- https://arxiv.org/abs/2401.14043
- https://arxiv.org/abs/2410.22225
Нет, это не магия, а работа с контекстом. Модели нужно
1. Объяснить, какой результат вам нужен
2. Дать достаточно контекста, чтобы она сама связала контекст с результатом
Мини-гайд, как делать это нормально.
1) Сформулировать цель, а не описывать процесс
❌Плохой промпт (про процесс):
Сначала проанализируй данные, потом найди паттерны, потом сделай выводы.
✅Хороший промпт (про цель):
Мне нужен [результат], который должен дать [конкретный эффект].
Аудитория — [кто будет читать или использовать результат].
Успех — [как понять, что получилосьъ.
Пример:
Мне нужен документ-план, чтобы нетехнические стейкхолдеры поняли наш план внедрения ИИ и не запутались в деталях.
2) Задаем ограничения, а не правила поведения
Правила - это делай шаг 1, шаг 2.
Ограничения - это рамки, в которых ответ будет полезным.
Пример трех типов ограничений:
- Контекст - медицина, финансы, B2B, для ребёнка, для CTO
- Качество - "коротко и с примерами" или "глубже и обстоятельнее"
- Границы - "без абстрактных тезисов", "без сравнений", "без ссылок"
Как писать:
❌Неправильно - "кратко, просто, без жаргона",
✅ Правильно - "текст должен работать для человека, который впервые слышит тему. C примерами и без терминов".
3) Давать примеры (аля one-shot/few-shot prompting)
Модели лучше понимают, когда им показывают пример, а не объясняют словами.
Можно дать:пример того, как правильно
и пример того, как неправильно (антипример)
Формат:
"Вот пример нужного уровня детализации:...".
" А вот так — слишком поверхностно"
4) Указывать критерии качества
Не надо писать ИИ "сделай хорошо", - он не знает что для вас хорошо.
Пишите, что именно значит хорошо.
❌ Неправильно: сделай точно, будь кратким.
✅ Правильно : факты должны быть проверяемыми, чтобы читатель мог подтвердить их за пару минут
✅ Правильно: каждый раздел - максимум один абзац, чтобы текст работал как резюме.
❌ Неправильно: объясни понятно
✅ Правильно: человек должен понять без гугления терминов
5) Если задача сложная - делаем иерархию целей
Не расписываем как делать, а описываем, что должно получиться по этапам.
Пример:
1. Мне нужен анализ, где сначала оценивается текущая ситуация только по предоставленным данным.
2. Потом выявляются паттерны, у каждого минимум 3 подтверждения.
3. В конце предлагаются действия, которые соответствуют этим паттернам.
Универсальный шаблон промпта (сохраняйте пока я такой щедрый)
Мне нужен [результат], который решает [конкретную задачу].
Это для [конкретной аудитории или домена].
Хорошо — это [понятный результат], плохо — [понятный антипример].
Фокус на [приоритете, пример], избегай [лишнего, антипример]
После прочтения/использования результата человек должен уметь [сделать конкретное действие].
Итог:
Хороший промпт — это не делай мне ответ»
а сделай мне результат, который можно использовать.
Скидывайте свои задачи или промпты в комменты — докрутим вместе в рабочий вариант.
В комментариях еще скину 1-2 примера.
Референсы:
- https://arxiv.org/abs/2505.13360
- https://arxiv.org/abs/2401.14043
- https://arxiv.org/abs/2410.22225
arXiv.org
What Prompts Don't Say: Understanding and Managing...
Prompt underspecification is a common challenge when interacting with LLMs. In this paper, we present an in-depth analysis of this problem, showing that while LLMs can often infer unspecified...
🔥5💯1
AI-бизнесы будущего (часть 1)
Каждый сезон Y Combinator (лучший VC-фонд на планете) публикует короткое эссе о том, какие проекты им сейчас интересны и где они видят будущее.
Посмотрим сегодня на пару идей оттуда.
Обучение рабочего класса с помощью ИИ
Генерация видео как новый примитив
Каждый сезон Y Combinator (лучший VC-фонд на планете) публикует короткое эссе о том, какие проекты им сейчас интересны и где они видят будущее.
Посмотрим сегодня на пару идей оттуда.
Обучение рабочего класса с помощью ИИ
Чтобы развивать искусственный интеллект, нужно строить дата-центры.
Чтобы строить дата-центры, нужно много рабочих.
А чтобы рабочих было достаточно, их нужно обучить — и сделать этот процесс масштабируемым.
Нужны проекты, которые будут обучать рабочих (слесарей, сварщиков и т. п.) с помощью ИИ. Например — через VR/AR-программы и персонализированные траектории обучения.
Генерация видео как новый примитив
Качество ИИ-видео стремительно улучшается: модели вроде Google Veo 3 уже создают 8-секундные видео за несколько долларов. Дальше будет ещё дешевле и лучше.
Теперь представим, что мы можем создавать видео любого сюжета, качества и наполнения с околонулевой стоимостью. Куда это можно применить?
1. В шоппинге. Ищете платье в отпуск — сразу показываем вас в этом платье, идущей по Милану.
2. В играх. Игра будет такой же реалистичной, как фильм, а фильм — как игра. Всё генерируется на лету.
3.В аренде и продаже недвижимости. Показываем видео из вашей будущей квартиры с той мебелью, которую вы хотите.
Нужны проекты, которые либо строят инфраструктуру для таких видеопотоков, либо используют ИИ-видео как программный примитив.
🔥1
Product-less разработка
Есть такая легенда, что Gmail захватил рынок почты когда стал давать пользователям по 1GB бесплатно -- якобы их CFO рассчитал, что storage (диски, железо) будут дешеветь, и по мере того как пользователи будут выбирать доступное место, Gmail сможет дешево закупить необходимое железо.
Когда мы думаем, что дальше будет с цифровыми продуктами, полезно посмотреть на текущие тенденции (как это сделал мифический CFO Гугла). На самом деле ничего не поменялось:
- Compute дешевеет
- Storage дешевеет
НО!!
- Разработка дешевеет! и будет дальше дешеветь.
Это значит что в прекрасном будущем создание (почти) любых продуктов будет стремиться к нулю. Если сделать продукт ничего не стоит, то мы можем делать их сотни и тысячи, выкатывать и рынок и смотреть есть ли спрос.
А это значит, что продакт-менеджеры будут не нужны. Каждый желающий сможет сделать нужный ему продукт под себя и под своих друзей -- вы ведь сами точно знаете что вам нужно)
Такое пятничное предсказание для вас, дорогие читатели.
Есть такая легенда, что Gmail захватил рынок почты когда стал давать пользователям по 1GB бесплатно -- якобы их CFO рассчитал, что storage (диски, железо) будут дешеветь, и по мере того как пользователи будут выбирать доступное место, Gmail сможет дешево закупить необходимое железо.
Когда мы думаем, что дальше будет с цифровыми продуктами, полезно посмотреть на текущие тенденции (как это сделал мифический CFO Гугла). На самом деле ничего не поменялось:
- Compute дешевеет
- Storage дешевеет
НО!!
- Разработка дешевеет! и будет дальше дешеветь.
Это значит что в прекрасном будущем создание (почти) любых продуктов будет стремиться к нулю. Если сделать продукт ничего не стоит, то мы можем делать их сотни и тысячи, выкатывать и рынок и смотреть есть ли спрос.
А это значит, что продакт-менеджеры будут не нужны. Каждый желающий сможет сделать нужный ему продукт под себя и под своих друзей -- вы ведь сами точно знаете что вам нужно)
Такое пятничное предсказание для вас, дорогие читатели.
🔥3🤝3
Московское общество неизвестных машин
ИИ уже стал частью повседневной работы бизнеса.
Он помогает принимать решения, писать тексты, анализировать данные и автоматизировать процессы.
Но при этом мы всё ещё плохо понимаем, как именно он меняет саму логику управления и ответственности.
В последний рабочий деньмесяца года я хочу рассказать про место, которое родилось именно из этого ощущения.
Мы в КОД9 основали "Московское общество неизвестных машин".
Что это такое?
Я считаю , что рынок застрял между двумя крайностями.
С одной стороны - восторг и вера в ИИ. С другой - попытки засунуть новые технологии в старые управленческие конструкции.
Мы собрали людей из бизнеса и ИТ чтобы честно поговорить о том, что происходит, когда в управлении появляется не просто софт, а система с собственной логикой и скоростью мышления.
На первой встрече мы говорили про
- Уровни автономности ИИ в бизнесе - по аналогии с уровнями автономности self-driving машин
- Обсуждали, почему корпоративные ИИ-системы оказываются особенно хрупкими перед лингвистическими атаками и джейлбрейками.
- Почему ИИ перестает быть чисто цифровым явлением, все чаще вмешиваясь в физическую реальность.
Суть этой встречи можно сравнить с попыткой составить правила дорожного движения в момент, когда машины уже изобретены, но люди всё еще пытаются запрячь в них лошадей или обсуждают их устройство с точки зрения философии девятнадцатого века.
Это была только первая встреча. Следующая будет в феврале - пишите мне если вам это интересно.
ИИ уже стал частью повседневной работы бизнеса.
Он помогает принимать решения, писать тексты, анализировать данные и автоматизировать процессы.
Но при этом мы всё ещё плохо понимаем, как именно он меняет саму логику управления и ответственности.
В последний рабочий день
Мы в КОД9 основали "Московское общество неизвестных машин".
Что это такое?
Я считаю , что рынок застрял между двумя крайностями.
С одной стороны - восторг и вера в ИИ. С другой - попытки засунуть новые технологии в старые управленческие конструкции.
Мы собрали людей из бизнеса и ИТ чтобы честно поговорить о том, что происходит, когда в управлении появляется не просто софт, а система с собственной логикой и скоростью мышления.
На первой встрече мы говорили про
- Уровни автономности ИИ в бизнесе - по аналогии с уровнями автономности self-driving машин
- Обсуждали, почему корпоративные ИИ-системы оказываются особенно хрупкими перед лингвистическими атаками и джейлбрейками.
- Почему ИИ перестает быть чисто цифровым явлением, все чаще вмешиваясь в физическую реальность.
Суть этой встречи можно сравнить с попыткой составить правила дорожного движения в момент, когда машины уже изобретены, но люди всё еще пытаются запрячь в них лошадей или обсуждают их устройство с точки зрения философии девятнадцатого века.
Это была только первая встреча. Следующая будет в феврале - пишите мне если вам это интересно.
1🔥4
Итоги года
В текущем году мы в КОД9 по настоящему прочувствовали на себе кризис рынка)
Тем приятнее похвалиться проектами, которые мы сделали (и которые еще делаем)
⛴ AI-аналитик для морского грузоперевозчика — наш первый полноценный кейс с AI, сложная система
совмещающая в себе RAG и Text2SQL-техники
🔑 Система контроля доступов с SSO и 15 интеграциями, среди которых Битрикс, AD, SuperSet, и другие кастомные системы заказчика
👗 Платформа fashion-курсов Mood Atelier — стартап из Португалии, где мы отвечаем за всю технологическую составляющую
🗄 ШКАФ: приложение и бекенд для вендинговых шкафов, устанавливаемых в ЖК. Тут мы перехватили разработку у другой команды и кратно улучшили качество продукта
👨🍳 KDS: автоматизация процессов на кухне — сложный продукт с интеграцией с IIKO и всякой специфичной для ресторанов историей. (кейс скоро будет!)
🎮 Игровой портал для реселлинга игр для заказчика из Сингапура. Мало что могу тут написать, детали coming soon.
- -
Мы так же много занимались технологическим консалтингом:
- Помогли выстроить QA-процессы на крупном проекте со сжатыми сроками релизов
- Проанализовали архитектуру заказчика, который готовится к масштабированию. Указали где и что будет ломаться
- Сделали анализ расходов на инфраструктуру, указали что нужно сделать, чтобы
их сократить
- Помогли финтеху KeyTom пройти ревью и попасть в AppStore
- -
Запустили Неизвестные машины и провели первую встречу нашего сообщества.
Вообщем, хороший год получился. В следующем году основной упор на ИИ и на запуск своих продуктов — не зря же я весь год вам писал
про продуктовые компетенции у агентств.
Кидайте фотографии своих елок в комменты. С Наступающим!! 🥂🥂
В текущем году мы в КОД9 по настоящему прочувствовали на себе кризис рынка)
Тем приятнее похвалиться проектами, которые мы сделали (и которые еще делаем)
⛴ AI-аналитик для морского грузоперевозчика — наш первый полноценный кейс с AI, сложная система
совмещающая в себе RAG и Text2SQL-техники
🔑 Система контроля доступов с SSO и 15 интеграциями, среди которых Битрикс, AD, SuperSet, и другие кастомные системы заказчика
👗 Платформа fashion-курсов Mood Atelier — стартап из Португалии, где мы отвечаем за всю технологическую составляющую
🗄 ШКАФ: приложение и бекенд для вендинговых шкафов, устанавливаемых в ЖК. Тут мы перехватили разработку у другой команды и кратно улучшили качество продукта
👨🍳 KDS: автоматизация процессов на кухне — сложный продукт с интеграцией с IIKO и всякой специфичной для ресторанов историей. (кейс скоро будет!)
🎮 Игровой портал для реселлинга игр для заказчика из Сингапура. Мало что могу тут написать, детали coming soon.
- -
Мы так же много занимались технологическим консалтингом:
- Помогли выстроить QA-процессы на крупном проекте со сжатыми сроками релизов
- Проанализовали архитектуру заказчика, который готовится к масштабированию. Указали где и что будет ломаться
- Сделали анализ расходов на инфраструктуру, указали что нужно сделать, чтобы
их сократить
- Помогли финтеху KeyTom пройти ревью и попасть в AppStore
- -
Запустили Неизвестные машины и провели первую встречу нашего сообщества.
Вообщем, хороший год получился. В следующем году основной упор на ИИ и на запуск своих продуктов — не зря же я весь год вам писал
про продуктовые компетенции у агентств.
Кидайте фотографии своих елок в комменты. С Наступающим!! 🥂🥂
🔥6
Forwarded from КОД9
Мы сердечно поздравляем всех, кто был с нами в этом 2025 году 🎉
– наших сотрудников нынешних и бывших, наших клиентов, партнеров и подрядчиков, тех кто следит за нашей работой, наших друзей в индустрии и сообществах!💡
С наступающим вас Новым 2026-м годом!✨
Желаем вам здоровья, счастья и веселья во всех годах, в которых вам предстоит оказаться 🙃
Нам искренне приятно работать с вами, знать вас, придумывать и создавать вместе новое!
Мы продолжим делать это и в 2026 году, 17-м году нашего существования )
С наступающим Новым годом и Новым счастьем!🎄 🍾
Команда КОД9
xx❤️
– наших сотрудников нынешних и бывших, наших клиентов, партнеров и подрядчиков, тех кто следит за нашей работой, наших друзей в индустрии и сообществах!
С наступающим вас Новым 2026-м годом!
Желаем вам здоровья, счастья и веселья во всех годах, в которых вам предстоит оказаться 🙃
Нам искренне приятно работать с вами, знать вас, придумывать и создавать вместе новое!
Мы продолжим делать это и в 2026 году, 17-м году нашего существования )
С наступающим Новым годом и Новым счастьем!
Команда КОД9
xx
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥7🤝1
Прогноз на 2026 год: как вайбкодинг и нейросети изменят всё
1. К концу 2026 года у большинства айтишных вакансий будет требование навыка вайбкодить и проверять гипотезы с нейронками
И вероятно именно в Claude Code, если OpenAI или Google не сделают конкурентноспособные модели для кода.
2. Возникнет давление на работодателей от сильных специалистов, которые пойдут делать своё дело
Летом я провёл исследование среди моих выпускников и выяснил что подавляющее большинство продактов мечтают сделать свой продукт. Видимо, это такой прикол профессии. Теперь у всех без исключения такая возможность есть. Понятно, что воспользуются этой возможностью не все, но тренд точно будет расти. Работодатели будут вынуждены адаптироваться и как-то заинтересовывать сотрудников. Сейчас ВСЕ продакты, которые погружаются в вайбкодинг, что-то пилят своё. Сталкиваются с ограничениями психики, отсутствием навыка маркетинга и продаж. Но сталкиваются.
Ставлю на значительный [десятки процентов] рост средних зарплат фулл-стек-билдеров, чтобы удерживать сильных ребят, которые фигачат за десятерых. Те, кто не вайбкодят будут с завистью смотреть на тех кто вайбкодит и тоже учиться.
Я считаю, что сейчас отличная возможность для специалистов вырасти по деньгам начав приносить компании X10 результата.
3. Команды станут меньше, но команд станет больше
Нужно меньше специалистов на задачу > команды становятся меньше. Освободившиеся ресурсы инвестируют в новые продукты или на то, на что не хватало ресурсов. Команд становится больше как в текущих компаниях, так и на рынке в целом. Думаю, что средний размер команды технологического бизнеса будет стремительно уменьшаться.
4. Разработчики будут менять инфраструктуру и процессы, чтобы продакты и маркетологи могли деплоить в прод эксперименты с минимальным ущербом
Сейчас среднему продакту нельзя давать деплоить в прод. Во-первых, модели ещё не на таком уровне, во-вторых, можно сломать всё кхре нам. Но для того, чтобы бизнес получил ценность от вайбкодинга, ПРИДЁТСЯ дать продактам/дизайнерам/маркетологам/аналитикам деплоить в прод. Просто ещё не придумали как. Думаю, что к концу года появятся первые успешные кейсы.
5. Будет стремительный рост количества солопренёров
Не у всех будет получаться. Но количество тех, кто будет стараться и тех у кого получится, будет стремительно расти.
6. Мы увидим автоматизацию там, где её в принципе не могло быть ещё год назад
Бухгалтера, сотрудники поддержки, курьеры, юристы будут себе что-то вайбкодить.
7. Всем придётся переучиваться
Если раньше я сначала месяц делал с дизайнером макет будущего продукта и потом пару месяцев разрабатывал, сейчас вайбкожу за пару дней, пару недель тестирую и потом уже работающее отдаю на отрисовку. Мой дизайнер за мной не поспевает. За вами не будут поспевать аналитики, разработчики и все остальные смежники.
8. Мы снова будем больше работать с файлами на компе, чем с экранами SaaSов
Если вы начали работать с Cursor/Claude Code, то вы наверняка переехали из ноушна/конфлюенса/асаны в свой кастомный воркфлоу. За последние пару месяцев я работаю с файлами больше чем за последние 10 лет. Я УВЕРЕН, что джобы, которые люди раньше решали в SaaS'ах будут переезжать в кастомные навайбкоженные воркфлоу.
9. Появятся вайбкодинг-луддиты
Которые до талого будут сопротивляться и кричать на каждом углу, что вайбкодинг херня и ничего нормального на нём не написать. Психотерапия прекрасно умеет работать с сопротивлением. Сопротивление бесполезно.
10. Основная эмоция года: а чо так можно было?
Состояние шока и восторга будет сопровождать всех, кто хоть как-то будет связан с вайбкодингом.
———-
Взял это у Вани Замесина: https://news.1rj.ru/str/zamesin
1. К концу 2026 года у большинства айтишных вакансий будет требование навыка вайбкодить и проверять гипотезы с нейронками
И вероятно именно в Claude Code, если OpenAI или Google не сделают конкурентноспособные модели для кода.
2. Возникнет давление на работодателей от сильных специалистов, которые пойдут делать своё дело
Летом я провёл исследование среди моих выпускников и выяснил что подавляющее большинство продактов мечтают сделать свой продукт. Видимо, это такой прикол профессии. Теперь у всех без исключения такая возможность есть. Понятно, что воспользуются этой возможностью не все, но тренд точно будет расти. Работодатели будут вынуждены адаптироваться и как-то заинтересовывать сотрудников. Сейчас ВСЕ продакты, которые погружаются в вайбкодинг, что-то пилят своё. Сталкиваются с ограничениями психики, отсутствием навыка маркетинга и продаж. Но сталкиваются.
Ставлю на значительный [десятки процентов] рост средних зарплат фулл-стек-билдеров, чтобы удерживать сильных ребят, которые фигачат за десятерых. Те, кто не вайбкодят будут с завистью смотреть на тех кто вайбкодит и тоже учиться.
Я считаю, что сейчас отличная возможность для специалистов вырасти по деньгам начав приносить компании X10 результата.
3. Команды станут меньше, но команд станет больше
Нужно меньше специалистов на задачу > команды становятся меньше. Освободившиеся ресурсы инвестируют в новые продукты или на то, на что не хватало ресурсов. Команд становится больше как в текущих компаниях, так и на рынке в целом. Думаю, что средний размер команды технологического бизнеса будет стремительно уменьшаться.
4. Разработчики будут менять инфраструктуру и процессы, чтобы продакты и маркетологи могли деплоить в прод эксперименты с минимальным ущербом
Сейчас среднему продакту нельзя давать деплоить в прод. Во-первых, модели ещё не на таком уровне, во-вторых, можно сломать всё кхре нам. Но для того, чтобы бизнес получил ценность от вайбкодинга, ПРИДЁТСЯ дать продактам/дизайнерам/маркетологам/аналитикам деплоить в прод. Просто ещё не придумали как. Думаю, что к концу года появятся первые успешные кейсы.
5. Будет стремительный рост количества солопренёров
Не у всех будет получаться. Но количество тех, кто будет стараться и тех у кого получится, будет стремительно расти.
6. Мы увидим автоматизацию там, где её в принципе не могло быть ещё год назад
Бухгалтера, сотрудники поддержки, курьеры, юристы будут себе что-то вайбкодить.
7. Всем придётся переучиваться
Если раньше я сначала месяц делал с дизайнером макет будущего продукта и потом пару месяцев разрабатывал, сейчас вайбкожу за пару дней, пару недель тестирую и потом уже работающее отдаю на отрисовку. Мой дизайнер за мной не поспевает. За вами не будут поспевать аналитики, разработчики и все остальные смежники.
8. Мы снова будем больше работать с файлами на компе, чем с экранами SaaSов
Если вы начали работать с Cursor/Claude Code, то вы наверняка переехали из ноушна/конфлюенса/асаны в свой кастомный воркфлоу. За последние пару месяцев я работаю с файлами больше чем за последние 10 лет. Я УВЕРЕН, что джобы, которые люди раньше решали в SaaS'ах будут переезжать в кастомные навайбкоженные воркфлоу.
9. Появятся вайбкодинг-луддиты
Которые до талого будут сопротивляться и кричать на каждом углу, что вайбкодинг херня и ничего нормального на нём не написать. Психотерапия прекрасно умеет работать с сопротивлением. Сопротивление бесполезно.
10. Основная эмоция года: а чо так можно было?
Состояние шока и восторга будет сопровождать всех, кто хоть как-то будет связан с вайбкодингом.
———-
Взял это у Вани Замесина: https://news.1rj.ru/str/zamesin
Telegram
Ваня Замесин
Создал методологии развития продуктов AURA и AJTBD, веду популярный курс «Как делать продукт» [zamesin.ru/producthowto]. Основал Мету [bemeta.co]
Рекламу не размещаю, по сотрудничеству пишите @alenazamesina
Рекламу не размещаю, по сотрудничеству пишите @alenazamesina
👍3💯2