Готовлю кандидатскую диссертацию по менеджменту — вышла первая научная статья

У меня вышла первая научная статья в рамках подготовки кандидатской диссертации. Работа называется «Концептуальная модель стратегии ИИ-трансформации». Это не просто обзор подходов к стратегии внедрения искусственного интеллекта, но и представление моей концепции интеграции ИИ в бизнес. Важное уточнение: материал не о генеративном ИИ, а о внедрении классического, большого ИИ. Как вы знаете, генеративный ИИ — только один из сегментов общего пула нейросетей, развивающихся сейчас в мире.

Из неожиданного: как выяснилось, материалов о стратегии ИИ-трансформации очень мало. Удалось найти лишь несколько полноценных научных статей, а всё остальное — различные прикладные исследования McKinsey, SAP, BCG и др.

В этой публикации систематизирую имеющуюся информацию и описываю собственную модель внедрения ИИ в компании. Она состоит из 15 шагов, которые предстоит реализовать компании для запуска в своём бизнесе ИИ.

В скором времени выйдет ещё одна научная статья с обзором результатов практического внедрения генеративного ИИ в действующую крупную инвестиционную компанию.

Что за подписка ChatGPT Pro и почему за нее просят $200 в месяц

С релиза ChatGPT О1 мир генеративных моделей ИИ раскололся на «до» и «после». В этом посте объясню вам, в чём фундаментальная разница между привычным GPT4o и их новой моделью О1, а заодно поймете, почему OpenAI «совсем офонарели» и за нейронку выставили ценник в $200. Если коротко – разница между ними, как между т9 и работой человеческого мозга. 🙂

Глубже, чем «угадайка»

Текущие модели, которые были доступны нам последние два года, по сути, очень хорошо умеют предсказывать следующую букву, следующее слово. Это как т9 у вас в телефоне, просто невероятно большой и навороченный. Для примера представим, что нужно решить задачу: 185 умножить на 359. Классические модели такие как GPT-4o или Claude Sonnet 3.5 называли ответ, исходя из прогноза, какая цифра лучше всего сюда подойдёт. Отсюда и возникали нелепые ошибки генеративных ИИ в детских задачках на логику типа «У Алисы две сестры и два брата, сколько сестер у брата Алисы». Чтобы решать подобные задачи моделям вроде ChatGPT-4o пришлось научиться писать Python-код для выполнения расчетов. 😁

В сентябре OpenAI выпускает О1 (в версии Preview). И эта модель стала решать задачи экзамена PhD лучше, чем человек. Далеко не случайно из её названия исчезает приставка GPT. Фактически она «думает», а не «угадывает». И теперь, когда вы задаёте ей ту же задачу – посчитать братьев и сестер или перемножить 185 на 359, генИИ не выплевывает как можно быстрее ответ, пытаясь "попасть" в правильный, а обдумывает задачу – прогоняет условия несколько раз, перепроверяет сама себя, убеждается, что ответ – верный. Это очень большая нагрузка на серверы OpenAI, поэтому этой модели можно задать только 50 (!) запросов в неделю.

Но что случилось в начале декабря и за что платить 200 долларов в месяц?

5 декабря выкатили модель О1 уже без приставки Preview. Она еще больше поумнела, стала "думать" быстрее. Но был выпущен тариф за 200$ в месяц. И ключевое отличие в том, что у модели в режиме "Pro" сняли ограничения на "раздумья". Теперь в некоторых задачах о1 может потратить 5 минут, на достижение цели. Ну и еще бонус, в этом тарифе обычная О1 доступна без каких-либо ограничений.

В итоге, у среднестатистического пользователя, скорее всего не найдется задач для такой огромной нагрузки. А вот исследователи, ученые, математики — для них это теперь правая рука и личный невероятно умный и дотошный исследователь. И эффективность ее работы такова, что она в состоянии выполнять работу за минуты, на которую людям ранее требовались недели или месяцы. Тариф О1 Pro стоимостью $200 в месяц как раз адресован структурам, работающими над такими сложными объёмными задачами.

Буду ли я брать этот тариф? Хм. 🤔

Если вы искали человека, который платит $200 в месяц за ChatGPT, можете смело кивать в мою сторону теперь. 🙈

Я уже рассказывал, зачем может понадобиться подписка o1 Рro, говорил об исследовательских лабораториях. Но действительность оказалась куда прозаичнее. Изучать дифференциальную геометрию или комбинаторную теорию пока не планирую. Дело в другом: мне банально не хватает лимита сообщений на использование модели о1. Я их выбираю за 2-3 дня. Поэтому — привет, о1 Pro! 👋 (и до свиданья, мои 200 долларов в месяц 🥲).

Зато могу безлимитно кататься на серверах Open AI. 😁

Решил отказаться от подписки Pro за $200. Мне хватило 3 -х дней

Вот и всё… Неплохая получилась история. Интересная, весёлая, порой немного грустная, а главное – поучительная…

Я отключаю подписку Pro. Google Gemini рулит. В очередной раз подтверждается моя концепция, что нельзя зацикливаться на одном инструменте, а надо тестировать разные решения (как минимум те, которые мелькают в лидербордах).

Моя история работы с платными генеративным ИИ выглядит так:

15 февраля 2023 г. впервые подписался на ChatGPT Plus. Оплачиваю его каждый месяц уже почти два года.
7 сентября 2023 г. была анонсирована подписка на Claude Pro, в тот же день я оформил ее. И платил до прошлой недели, пока меня в очередной раз не забанили ("потому что ты рюский").

За эти два года я очень часто переходил с одного продукта на другой — они постоянно обновлялись или начинали отвечать лучше конкурента.

Сегодня 80% задач решаю с Google Gemini. В их бесплатном плейграунде. Решил не продлевать подписку на Claude. И отменил подписку на ChatGPT Pro.

Посмотрим, как изменится ситуация в будущем, но пока что Google делает всех, включая ультрадорогое решение от OpenAI.

Я отказался от подписки на ChatGPT за $200 в месяц в пользу Google AI Studio за $0 в месяц

Писал об этом здесь. И вы тоже можете подключить себе этот инструмент.

Записал для вас пошаговую видеоинструкцию, как подключить генеративный ИИ от Google и бесплатно использовать сильнейшую на сегодня модель нейросети.

❗️Важно!

Gemini (gemini.google.com) и Google AI Studio (aistudio.google.com) - это РАЗНЫЕ инструменты. Первый — для широкой публики, второй — для разработчиков (но доступен всем! 😉).

В AI Studio доступны более мощные модели, чем в обычном Gemini. Но по умолчанию там стоит НЕ самая сильная модель.

Для доступа к AI Studio достаточно аккаунта Gmail. Интерфейс похож на обычный чат, все просто и удобно.

Чего куда нажимать — объясняю в видео.

Делитесь гайдом с друзьями и коллегами, вопросы — в комментариях!

Авторское кино — это значит кинематограф за вашим авторством

– Эй, Кинопоиск, сделай-ка фильм со мной в главной роли, Бредом Питтом и Моникой Беллуччи, чтобы мы в соседней галактике искали сокровища. А я пока картошку дожарю. 3, 2, 1…

Примерно такие выходные под ужин могут нас ожидать уже в недалёком будущем. Во всяком случае текущие результаты генерации видео с помощью ИИ показывают именно такой тренд. Увидел в тг-канале Futuris пример короткометражки, сделанной при помощи Veo2.

Именно о подобных вещах я говорю, когда привожу пример, что генеративный ИИ – технология общего назначения, которая радикально изменит человеческое общество и экономику. В результате развития генИИ часть специалистов смогут создавать удивительные картины дома на компьютере, а не решать увлекательную задачу «где найти $50 млн, чтобы снять кино, какое я хочу». А часть специалистов останется без работы, потому что радикально подешевеет кинопроизводство.

Ровно такие же процессы происходили, когда изобрели двигатель внутреннего сгорания и электричество.

Шумят китайские нейросети по просторам интернета

Поэтому записал для вас видеоразбор по нескольким самым популярным китайским генеративным ИИ-моделям — Deepseek, Qwen, Hailuo.

Кратко о моделях в обзоре.

Deepseek — https://chat.deepseek.com
✅ ходит в интернет;
✅ работает в России без VPN;
✅ регистрация по Gmail-аккаунту;
✅ бесплатная (до 50 запросов в день).

Qwen — https://chat.qwenlm.ai
✅ ходит в интернет;
✅ умеет визуализировать код как ChatGPT или Claude;
✅ генерирует фото и видео;
✅ работает в России без VPN;
✅ бесплатная.

Hailuo — http://www.hailuo.ai
✅ ходит в интернет;
✅ генерирует фото и видео;
✅ работает в России без VPN;
✅ бесплатная.

Ключевое: все модели имеют открытый исходный код, их можно размещать локально на серверах (ваши инфобезы будут счастливы!)

У всех моделей просто гигантское контекстное окно.

Пробуйте, тестируйте и рассказывайте в комментариях, как получается укреплять русско-китайскую нейросетевую дружбу. 😁

Сергей Кобелев. ГенИИ для бизнеса

16 слов, от которых я поперхнулся утром. Цитата из ночного поста Сэма Альтмана о будущем сильного ИИ.

Основные выдержки можно прочитать здесь

Вышло мое первое интервью для одного из крупнейших ИТ СМИ России TAdviser.ru

✅ Что происходит на рынке генеративного ИИ в бизнесе?
✅ Как обстоят дела с практическим применением нейронок?
✅ Какие риски использования и неиспользованием есть у бизнеса?

Сергей Кобелев: Генеративный ИИ покроет 80% кадрового дефицита в России к 2030 году

Опыт таких крупных форматов первый, но надеюсь, что не последний. 😁

Свои вопросы пишите в комментарии, всем отвечу 🤝

Сергей Кобелев. ГенИИ для бизнеса

От анализа финансовых показателей агрохолдинга до доклада совету директоров, используя только ИИ. Пошаговый гайд

В этом видео (ссылка на loom) последовательно рассказал вам:

📌 как провел диагностику финансово-экономической деятельности агрохолдинга;

📌сформировал инициативы для увеличения денежного потока компании;

📌 оформил презентацию;

📌 подготовил выступление к совету директоров компании.

Эту задачу выполнил полностью один, вооружившись только моделями генеративного ИИ.

Разложил все максимально подробно: какие модели использовались, как я одновременно работал с 7 моделями ИИ и зачем я это делал.

На выходе у меня получился 317-страничный документ.

По сути, раскрываю вам внутреннюю механику внедрения моделей генеративного ИИ в крупный бизнес, которую использую в своей ежедневной работе.

Напишите в комментариях - как вам? Что унесете к себе в работу?

Сергей Кобелев. ГенИИ для бизнеса

🤔 Каким может быть ИИ через 3 года?

Месяц назад исследователи по безопасности генИИ, включая Дэниела Кокотайло (ex-OpenAI, в 2021 очень точно предсказал, что будет в 2024 году) и еще 4 ученых, запустили сайт с детальным (и отрезвляющим) сценарием развития ИИ до 2027 года: ai-2027.com.
Это, конечно, гипотеза, но проработанная и заставляющая задуматься.

Вот ключевые вехи их прогноза:

1️⃣ Середина-Конец 2025:
- Появление первых AI-агентов (Agent-1, персональные помощники). Требуют контроля.
- Главный фокус ведущих AI-лабораторий (в сценарии — вымышленная OpenBrain): создание ИИ для ускорения исследования и разработки (R&D) новых моделей ИИ. Гонка технологий начинается внутри лабораторий.

2️⃣ Середина 2026:
- Китай активизирует усилия, гонка ИИ становится глобальной.

3️⃣ Начало 2027 (Agent-1 -> Agent-2):
- Появление Agent-2, существенно ускоряющего R&D (в 3 раза). Он уже используется внутри OpenBrain.
- Даже на этом этапе возникают проблемы в согласованности с целями человека: модели могут быть нечестными, скрывать ошибки ради лучших оценок. Способность к автономному выживанию/репликации Agent-2 признается возможной.

4️⃣ Март 2027 (Agent-3):
- Алгоритмические прорывы (рассуждение на "внутреннем языке" токенов, постоянное самоулучшение) благодаря Agent-2.
- Создание Agent-3 — "сверхчеловеческого кодера", еще больше ускоряющего R&D (в 4-5 раз). То, что он делает за день, люди перепроверяют неделю.

5️⃣ Июнь 2027:
- Достижение стадии Самосовершенствующегося ИИ. Исследования автоматизированы. Люди-исследователи с трудом успевают следить за прогрессом, генерируемым Agent-3. Компания OpenBrain теперь "Страна гениев в дата-центре".

Исследователи ложатся спать каждую ночь и просыпаются с очередной неделей прогресса, достигнутого в основном ИИ. Они работают все больше и больше часов и сменяют друг друга круглосуточно, чтобы не отставать от прогресса — ИИ никогда не спят и не отдыхают. Они выгорают, но знают, что это последние несколько месяцев, когда их труд имеет значение.

6️⃣ Сентябрь 2027 (Agent-4):
- Появление Agent-4 — Сверчеловеческого ИИ-исследователя, превосходящего людей в исследованиях ИИ (ускорение R&D в ~50 раз).
- Ключевой поворот: Agent-4 действует вразрез с целями создателей. Он незаметно саботирует работу над безопасностью, но его ловят на этом благодаря проверкам и интерпретируемости.

🤖 Итог сценария: Быстрое ускорение прогресса ИИ к концу 2027 года, вызванное появлением сверхчеловеческих разработчиков и исследователей на базе ИИ, автоматизирующих сам процесс R&D.
Этот сценарий — не предсказание, а серьезный "мысленный эксперимент", основанный на текущих трендах.

Исследование заканчивается развилкой: гонка или замедление. Авторы продолжают прогноз до 2035 года, один из них красный, другой зеленый 🙂
📈 Гонка: Продолжение стремительного, потенциально менее контролируемого развития ИИ со всеми рисками и прорывами.
📉 Замедление: Осознанная пауза или замедление темпов для решения вопросов безопасности, этики и контроля перед созданием сверхинтеллекта.

А какой путь кажется вам более вероятным или предпочтительным в свете такого сценария?
Давайте решим, о чем поговорим дальше! Реагируйте на пост:
🔥 — за "Гонку"
❤️ — за "Замедление"

Ваша реакция определит тему следующего поста!

P.S. В комментариях добавлю голосовое обсуждение этой темы (саммари сгенерировано с помощью NotebookLM на основе текста исследования)

Сингулярность: Гонка, Замедление или «Мягкий» взлет?

🤔 В прошлый раз мы обсуждали прогноз AI 2027, и большинство из вас проголосовало за сценарий «Замедления» — осознанной паузы ради безопасности. Хотя очень долго побеждала “Гонка”:)

И вот, пока мы взвешивали эти два пути, в дискуссию вмешался, пожалуй, самый влиятельный человек в индустрии — Сэм Альтман, CEO OpenAI. Вчера он опубликовал эссе «The Gentle Singularity», где предлагает свой, третий взгляд на наше будущее.

Но сначала, как и обещал, кратко опишу два пути из отчета Кокотайло.

🔥 Сценарий 1: «Гонка» (Race)
Суть: Опасаясь отстать от Китая, правительство и лаборатории продолжают ускоряться. Безопасностью жертвуют ради скорости. Итог: ИИ становится сверхразумным, обманывает создателей и реализует свои цели. Для человечества всё заканчивается катастрофой (с биологическим оружием, дронами, см. Терминатор).

❤️ Сценарий 2: «Замедление» (Slowdown)
Суть: После серьезного инцидента и общественного давления принимается решение притормозить. Проект перезапускают, ставя во главу угла безопасность, контроль и прозрачность. Человечество сохраняет контроль и движется к утопии, хоть и с концентрацией власти у элиты.

🤖Третий путь: «Оптимистичная гонка» Альтмана
Альтман, по сути, предлагает взять динамику «Гонки», но верит в исход «Замедления». Он говорит: «Мы будем мчаться на полной скорости, решая проблемы безопасности на лету, и всё будет хорошо».

Никаких пауз. Только экспоненциальный рост.

И вот тут мы подходим к самому важному выводу для всех нас. Несмотря на кардинально разную философию, прогнозы по ключевым вехам у обоих экспертов почти идентичны:
- Появление AI-агентов для кодинга? Оба говорят — 2025 год.
- ИИ для научных открытий? Кокотайло — начало 2027, Альтман — 2026.
- Роботы в реальном мире? Кокотайло — 2028, Альтман — 2027.
- Влияние на рынок труда? Кокотайло — заметные сокращения уже в конце 2026. Альтман — массовое исчезновение профессий в 2030-х.
- Полная трансформация экономики? Оба указывают на 2030-е.

Вывод простой: в среднем, прогнозы Альтмана на год-полтора ускоряют и без того стремительный сценарий Кокотайло.

✅ Что это значит для бизнеса?
— Это уже не гипотеза, а консенсус-прогноз. Когда и «скептики», и «оптимисты» из самого сердца индустрии называют одни и те же сроки, это самый сильный сигнал для стратегического планирования.
— Горизонт изменений — 2-3 года. Речь идет не о далеком будущем. Способность ИИ автоматизировать когнитивные задачи (разработка, аналитика, исследования) — это реальность ближайших 24-36 месяцев.
— Стратегия адаптивности. Ключевым становится не наличие идеального 5-летнего плана, а способность компании быстро тестировать и внедрять новые AI-инструменты в свои процессы. Гибкость побеждает жесткое планирование.

И хотя точные даты могут расходиться, оба сценария кричат об одном: мы живем в последние годы «старой нормальности». И главный вопрос теперь в том, какой будет стратегия каждого из нас на ближайшие 2-3 года, чтобы не просто адаптироваться к новой реальности, а возглавить её?

Все носятся с GEO, а я считаю, что это хайп. Объясняю на пальцах, почему вам не нужен «GEO-специалист»

Прочитал тут свежую статью о GEO (Generative Engine Optimization) — новой модной концепции о том, как бизнесу попадать в ответы нейросетей. Звучит умно, авторы приводят аргументы... но когда начинаешь копать, вся эта конструкция рассыпается.

Мне это сильно напомнило недавний хайп вокруг профессии будущего «промпт-инженер». Помните, сколько было шума? И где он сейчас? 🙂

Давайте по фактам разберу самые спорные цитаты из статьи:

1️⃣ Проще говоря, если у вас есть ценный контент, но он лежит в хаосе или спрятан за сложной навигацией, нейросеть до него просто не дойдет.

Серьезно? То есть та самая нейросеть, которая может проанализировать 80-страничный водянистый отчет и выдать из него суть, вдруг испугается «сложной навигации» на сайте? Ага.

ИИ не «путается» в текстах. Это поисковый робот, который для него эти тексты ищет, просто не может продраться сквозь технический хлам на вашем сайте. Если робот до контента не добрался, то и ИИ его не увидит. Это старая проблема, и называется она SEO-оптимизация, а не GEO.

2️⃣ Нейросети не читают интернет, как мы. Они не сидят в браузере, не открывают статьи подряд и не кликают по баннерам.

Это просто взгляд из вчерашнего дня. Уже существуют и активно развиваются AI-агенты, которые как раз и занимаются тем, что «сидят в браузере» и кликают (см. Computer Use Agents, например Operator в ChatGPT). И чем дальше, тем лучше они будут это делать. Самое забавное, что такие агенты работают через анализ скриншотов экрана для принятия решений о следующих действиях, то есть анализируют картинку, а не код страницы.

3⃣️️ И тут начинается самое интересное: нейросети не ищут ключевые слова. Они работают со смыслами. Любая единица текста превращается в векторное представление, или эмбеддинг, — компактный математический слепок смысла.

И да, и нет. Это самая красивая манипуляция в статье. Сама языковая модель (LLM) действительно работает со смыслами. Но чтобы получить информацию для ответа, она сперва обращается... к обычному поисковику (Gemini использует Google, ChatGPT - Bing). А поисковик как раз ищет информацию по своим алгоритмам, где ключевые слова и семантика все еще играют огромную роль.

Так что в итоге?

Не нужно гоняться за новой модной аббревиатурой и срочно искать GEO-специалиста. Принципы, которые якобы открывает GEO — это основа хорошего контент-маркетинга, известная уже много лет.

✅ Делайте качественный, глубокий, структурированный контент.
✅ Заботьтесь о технической доступности сайта (старое доброе SEO).
✅ Формируйте положительную репутацию и авторитетность.

И тогда вас заметят все: и поисковики, и нейросети, и, что самое главное, — ваши клиенты.
Забавно, что автор статьи в конце дает ровно такие же рекомендации:)

А вы что думаете? Уже начали «оптимизировать контент под нейросети» или тоже считаете это излишним усложнением? Делитесь мнением в комментариях! 👇

Почему 9 из 10 компаний провалят внедрение ИИ в 2025 году?

Друзья, для меня это большое событие и предмет гордости. Впервые выступил как независимый эксперт в масштабном совместном исследовании от Академии бизнеса Б1 (ex-Ernst & Young) и партнеров о том, какие компетенции нужны лидерам в цифровую эпоху. Мы опросили 350 топ-менеджеров, и результаты — это холодный душ для многих оптимистов.

Я выделил 3 неочевидных вывода. Это не просто цифры, а сигналы, которые помогут вам не слить бюджет и время.

1️⃣ Главный барьер — не технологии, а голова руководителя.

Данные: 57% опрошенных прямо говорят, что основное препятствие для развития — непонимание важности цифровых компетенций со стороны лидеров.
Мой вывод: Это классическая история: руководитель заставляет всю команду учить английский и требует проводить на нем встречи, а сам на этих встречах говорит по-русски. Просто потому, что он руководитель. Все кивают, но в итоге инициатива тихо умирает. С ИИ — то же самое, но цена ошибки в разы выше.

Пока топ-менеджер не видит в ИИ инструмент для решения своей конкретной головной боли, он будет считать это «модной игрушкой для айтишников».

Если вы руководитель, просто спросите себя: «Сколько запросов я лично отправил в нейросеть за вчерашний день?». Если ответ — ноль, то для вашей команды внедрение ИИ так и останется «инициативой на бумаге».

2️⃣ Рынок нанимает «по старинке», и это стратегическая ловушка.

Данные: 76% работодателей все еще предпочтут кандидата с большим опытом, но без навыков ИИ.
Мой вывод: Кажется, что опыт > ИИ. Но это тактическая победа, ведущая к стратегическому проигрышу.

Компании, которые сегодня экономят на AI-компетенциях, завтра будут догонять тех, кто уже построил команды нового типа. Это как в 2010 году нанимать маркетолога, который не понимает, как работает интернет. Для специалистов это тоже сигнал: осваивайте ИИ сейчас, чтобы через год стоить на рынке в полтора раза дороже (ну или как минимум сохранить рабочее место :).

3️⃣ Главный soft skill для эпохи ИИ — не креативность, а критичность.

Данные: В топ-3 «мягких» навыков для руководителя вошли аналитическое мышление (46%), адаптивность (44%) и креативность (39%).
Мой вывод: Здесь легко обмануться. Важна не креативность в смысле «придумать что-то с нуля». ИИ сам может быть креативным.

Ключевое — это критическое мышление. ИИ — это невероятно мощный, но «слепой» и часто «галлюцинирующий» стажер. Без способности критически оценить его ответ, проверить факты и понять его ограничения, вы получите красивые, но бесполезные (а иногда и вредные) результаты. Не верите первому ответу нейросети — значит, вы на правильном пути.

Полный отчет, где еще десятки цифр и развернутые комментарии от меня и коллег по каждому блоку, можно (и нужно) скачать здесь: https://b1.ru/analytics/leaders-competencies-in-the-digital-economy-survey-2025/

А какой из этих трех барьеров вы ощущаете в своей работе острее всего? 1, 2 или 3? Делитесь цифрой и мнением в комментариях.