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.

Как ИИ предсказывает будущее вашей компании за 10 минут

Выступал на HR-конференции от HH.ru с практической сессией по ИИ. Одну из задач решали прямо на сцене: попросили GPT предложить новые направления для компании и спрогнозировать изменения в оргструктуре.

Участники засыпали вопросами, организаторы попросили оформить промпт в документ для рассылки.

А дальше случилось интересное — несколько знакомых написали, что к ним "по цепочке" передали этот гайд. Документ пошел гулять сам по себе 🔥

Промпт работает просто: загружаете компанию (название + сайт), ИИ анализирует тренды и выдает 5 инновационных идей для развития плюс прогноз новой оргструктуры на 5 лет вперед.

Проверил на нескольких компаниях — результаты получаются вполне рабочие. ИИ находит неожиданные точки роста и логично выстраивает будущую структуру под новые задачи.

В документе описал весь алгоритм и рекомендуемые инструменты (DeepSeek с поиском отлично справляется).
Разместил документ на странице, пользуйтесь на здоровье:)

На всякий случай, прикладываю промпт в комментарии — попробуйте на своей компании и поделитесь, что получилось.
Особенно интересны результаты для нестандартных отраслей.

ML или ChatGPT: наконец-то понятный гайд

Мы окончательно запутались в двух разных ИИ. Распутываю на примерах

Вчера досмотрел вебинар крупного интегратора про "Стратегии внедрения ИИ для бизнеса". 47 минута: "Облачные решения доступны от 1500₽/месяц". 52 минута: "Для внедрения нужна команда из 3-5 ML-инженеров".

Стоп. Это же принципиально разные технологии с разницей в бюджетах в 1000 раз.

После 2,5 лет существования ChatGPT критически важно разделять:

1️⃣ Классический ИИ (ML/Big Data):
- Предсказание оттока клиентов Сбера
- Рекомендательная система Яндекс.Маркета
- Бюджеты от 5-50 млн ₽
- Команда от 3 человек
- Внедрение 6-18 месяцев

2️⃣ Генеративный ИИ (LLM):
- Обработка запросов клиентов
- Создание контента и аналитика
- От 0₽ (Deepseek) до 20$/мес (ChatGPT)
- Запуск за 1-7 дней
- Обучение сотрудника за неделю

Реальный кейс Финама подтверждает: после месячного обучения сотрудников работе с GPT субъективная экономия времени составила 6,9%. Через полгода выросла до 13%. Без ML-инженеров и Data Scientist. Без серверной инфраструктуры.

Но пока мы валим всё в одну кучу, происходит вот что:
- Малый бизнес думает, что ИИ = миллионы рублей и годы внедрения
- Вообще не начинают экспериментировать
- Упускают возможность получить быстрые результаты от простых инструментов

Чек-лист для быстрого старта с генеративным ИИ:
1. Определите повторяющиеся текстовые задачи (ответы клиентам, создание описаний, аналитика)
2. Протестируйте бесплатно: Deepseek для общих задач, Claude для аналитики
3. Измерьте время выполнения задач ДО и ПОСЛЕ (даже субъективно)
4. При положительном эффекте — масштабируйте на отдел

Не нужно строить космический корабль, чтобы доехать до соседнего района.

🤔 В вашей компании уже разделяют эти технологии или всё ещё ждут "настоящего" ИИ с миллионными бюджетами?

P.S. Подготовил подробный чек-лист "Классический vs Генеративный ИИ:
что выбрать для вашего бизнеса" с примерами задач, бюджетами и сроками.
👉 Скачать

GPT-5: первое разочарование или мои завышенные ожидания?

Все носятся с GPT-5, а я честно попробовал — и разочаровался

Сегодня несколько человек спросили мое мнение о новой модели. Отвечу прямо: на моих бизнес-задачах GPT-5 работает хуже Gemini 2.5 Pro. Причем заметно хуже.

Конкретный пример: анализ большого документа с извлечением ключевых инсайтов с подгрузкой инструкций и правил. Gemini справился за 4 запроса, выдал глубокий качественный результат. GPT-5 потребовал 17 запросов (17, Карл!) — и итог все равно получился поверхностнее.

🤔 В чем проблема? Судя по всему, у OpenAI проблемы с маршрутизацией между моделями. Вместо полноценной GPT-5 часто срабатывают слабые версии mini или nano. Игорь в Сиолошной сегодня писал об этом.

Это показывает, как работает современная гонка ИИ: компании торопятся с релизами, чтобы не потерять PR-момент. В итоге пользователи становятся beta-тестерами "революционных" продуктов.

Но есть и бочка меда в этой ложке дегтя: теперь пользователям не нужно выбирать между моделями. Раньше большинство пользовались слабыми моделями 4o/4.1, не зная про мощную o3. Сейчас — одна модель, никакой путаницы.

Но результат пока не впечатляет. На следующей неделе Google обещают показать Gemini 3.0 — вот тогда и сравним по-честному, дай бог GPT-5 оклемается.

Мой совет: не верьте хайпу, тестируйте на своих задачах. Ваш опыт может кардинально отличаться от моего.

А какие результаты у вас? Поделитесь в комментариях!

MIT дал цифры про ИИ. СМИ увидели провал. Я вижу парадокс века

Исследование MIT NANDA взорвало инфополе: "95% компаний не видят ROI от ИИ!" Паника, $40 млрд впустую, конец хайпа?

Открываем документ — и что видим? 40% компаний УЖЕ внедрили GenAI. За 2 года! Это феноменальная скорость проникновения технологии. 90% сотрудников тайком используют ChatGPT для работы, хотя официальные подписки есть только у 40% компаний.

Откуда тогда "95% провалов"? А это про измеримый финансовый эффект. Внедрили? Да. Используют? Да. В отчетности отразилась польза? Нет.

И вот тут самое интересное. Проблема не в ИИ, а в метриках.

Прошлые технологии было легко посчитать:
• ERP сокращал отделы — было 50 бухгалтеров, стало 20
• Cloud заменял датацентры — $1M серверная → $100K/год на AWS

А что генеративки? Размазывают ценность тонким слоем. Менеджер пишет на 30% быстрее, но его не увольняют. Программист делает меньше ошибок — списывают на опыт. Презентации стали красивее — попробуй измерь в деньгах.

Парадокс: это первая технология, которая делает всех немного лучше, но никого не делает лишним.

💡 Как говорится: "Я не могу оценить ROI от электричества в офисе, но попробуйте его отключить".

Что делать прямо сейчас:
• Сотрудник? Будь в тех теневых 90%, кто уже разобрался с ИИ
• Руководитель? Найди свой главный revenue-процесс и думай, как туда внедрить ИИ (подсказка: думать об этом тоже можно с ИИ)

СМИ спасибо за панику. Но реальность интереснее: ИИ уже везде, просто мы еще не научились это считать.

Продолжаем разбор "95% провалов ИИ". Спасибо Дарье за наводку на отчет Google — там комедия

В прошлый раз разбирали парадокс MIT: 95% компаний не видят ROI от ИИ, хотя все им пользуются. В комментариях Дарья напомнила про свежий отчет Google Cloud с прямо противоположными выводами:

• 88% ранних последователей агентного ИИ видят положительный ROI.
• 74% сообщают, что получают отдачу в течение первого года.
• 39% опрошенных заявили, что продуктивность их сотрудников как минимум удвоилась.
• 53% из тех, кто заметил рост выручки, оценили его в 6-10%.

Цифры космические. MIT плачет в углу со своими 5%. Что происходит?
Полез в методологию Google. И там — классика жанра.

Как Google "измерял" ROI:
Сноска к вопросу о росте выручки гласит: "How much did gen AI directly increase overall annual company revenue? Your best estimate is fine." (Насколько GenAI напрямую увеличил вашу годовую выручку? Ваша лучшая оценка подойдет).

Всё. Это весь научный метод. Не "предоставьте данные". Не "покажите метрики". А буквально: "Как думаете, помогло?"

Это как спросить человека после бани: "Насколько процентов улучшилось ваше здоровье?"
— "Процентов на 40!"
— "Отлично, запишем в отчет."

Вот и сошлись две вселенные:
— MIT смотрел на измеримую финансовую отчетность — увидел 5% с ROI.
— Google спросил про ощущения — получил 88% довольных.

Именно об этом мы и говорили в прошлый раз! Проблема не в ИИ, а в том, ЧТО мы измеряем. Руководители действительно "чувствуют" эффект, но пока не могут его "посчитать".

Менеджер пишет письма на 30% быстрее? Программист делает меньше ошибок? Это та самая "размазанная ценность", которая не влезает в строки финансового отчета.

💡 Вывод из двух отчетов становится еще сильнее: ИИ — это не станок. Это электричество. Мы живем в мире, где одновременно "95% не видят измеримого ROI" и "88% чувствуют результат".

P.S. И вишенка на торте: после этого «ощущения ROI» компании не жалеют денег, а наоборот — начинают инвестировать еще активнее. Тот же отчет Google показывает, что 77% организаций увеличили расходы на ИИ. Вера в пользу, основанная на чувствах, двигает многомиллионные бюджеты. Вот вам и парадокс в действии. 🤷‍♂️

P.P.S. Ссылка на pdf, из которого сделана картинка к посту, если захочется вчитаться. Это мы с ИИ перевели один из ключевых слайдов отчета Google Cloud.

Недавно заглянул в гости к Ивану Крутько, и у нас получился, как мне кажется, очень глубокий и честный разговор об искусственном интеллекте.

Постарался разложить по полочкам всё: от того, как правильно "общаться" с ChatGPT, до того, как ИИ меняет целые компании.

Буду рад вашим мыслям в комментариях под видео!

Корпоративный курс по ИИ — теперь бесплатно для всех

За два с половиной года я провёл лекции, тренинги и воркшопы по генеративному ИИ почти для 10 000 человек. В какой-то момент понял, что отвечаю на одни и те же вопросы, и решил упаковать всё в курс.

Сделал. 9 уроков. Изначально — для корпоративных команд: чтобы сотрудники научились решать свои ежедневные рабочие задачи с помощью нейросетей. Думал продавать компаниям.

Не продал. Все силы ушли на обучение и внедрение — на продажи просто не осталось времени. А курс лежит и стареет — с ИИ это происходит быстро.

Поэтому выкладываю в открытый доступ. Бесплатно, пока актуален.

📌 Что внутри:
— Как работает ГенИИ (без магии и хайпа)
— Как писать запросы, чтобы получать нормальный результат
— Практика: пишем письмо, делаем выжимку, генерим идеи — за 15 минут
— Безопасность: что можно загружать в ChatGPT, а что нет
— Как перестать «играться» и встроить ИИ в ежедневную работу

Я не придумал ничего нового — просто собрал весь свой опыт и структурировал то, на что у вас уйдут часы поиска.

Подойдёт тем, кто работает с текстами, данными, отчётами и хочет тратить на рутину меньше времени.

🎬 Смотреть:
YouTube
VK Видео
Rutube

Если пригодится — отлично. Если знаете, кому нужно — скиньте 🙌

ChatGPT отвечает. Агент — делает.

Разница не в мощности модели. Разница в подходе: агент сам разбивает большую задачу на шаги, сам следит за контекстом между частями, сам собирает результат. Ты ставишь цель — он выстраивает путь.

Пример. Стратегический план города: 400 страниц, 21 000 строк, схемы, таблицы. На португальском. Нужен рабочий перевод на русский.

Варианты:
— Бюро переводов: 300 000 ₽, два месяца
— DeepL: максимум 60 страниц, файлы больше 10 МБ не тянет (этот — 232)
— ChatGPT: 400 страниц кусками — потеряет контекст между частями, целиком — обощит и потеряет 9/10 текста

С июля перешёл на Claude Code — агентный режим Claude (отдельная тема, расскажу). Это другой подход: не промпты пишешь, а цели ставишь. Загрузил 400 страниц, описал что нужно на выходе — два часа, и готово: перевод + разбор схем + саммари. ☕

Мы незаметно перешли из эры диалогов в эру исполнения. ИИ больше не "умный собеседник, который подскажет". Он — исполнитель.

Сложная задача больше не требует команды и бюджета. Иногда — только правильного инструмента и понимания, как его применить.

2026-й для меня — год агентов. Буду глубоко копать тему и делиться: что работает, что хайп, как применять в бизнесе.

🔥 — начнём с разбора инструментов
❤️ — начнём с гайда "как начать"

Замечаю паттерн: компании, где CEO сам пробовал AI — заметно впереди тех, где «этим занимается IT-отдел».

71% крупных компаний говорят, что используют AI. Но результат появляется только там, где первое лицо пробует руками, а не читает отчёты.

Разобрали это в колонке для РБК с Мариной Дороховой из «Яков и Партнёры» — работаю с ними как внешний эксперт по AI.
Ниже репост с развернутым материалом👇