Меньше минуты я потратил на задачу по созданию лэндинга и вот что получилось:
https://tessent.ai/enterprise

🎬 → 🎧 Бесплатный конвертер видео и аудио — от команды MeetFlow
Записали созвон или встречу, а файл огромный или в неудобном формате? Сделали для вас бесплатный инструмент. Ставится как обычная программа — больше ничего устанавливать не нужно (ffmpeg уже внутри).
Что умеет:
• 🔄 Менять форматы — MP4, MOV, MKV, WebM, MP3, WAV, M4A и др.
• 🎧 Доставать аудио из видео
• 🗜 Сжимать большие файлы до нужного размера — чтобы легко отправить
• ✂️ Склеивать несколько записей в одну и нарезать на части
• 🔊 Поднимать громкость и убирать фоновый шум (гул, шипение)
• 📦 Обрабатывать пачкой — хоть целую папку
Бесплатно, работает офлайн, файлы никуда не уходят.
👉 Ссылка на репо

Скачать для windows

P.S. Конвертер сделали мы, MeetFlow: записываем встречи и звонки, расшифровываем и превращаем их в задачи и регламенты — чтобы после созвона работа делалась сама.

Обновление Meetflow

Коммерческое предложение, счёт и договор теперь собираются прямо из встречи.

Что ещё в обновлении:

Словарь терминов сохраняет названия продуктов, внутренние сокращения и имена — система перестаёт их коверкать.

Подключение внешних источников через MCP: система работает не только с тем, что было сказано на встрече.

Новый формат отчета — это не отчёт который рассказывает новое, а структурирует что обсудили.

Массовая загрузка файлов.

Плюс мелочи — улучшили распознавание участников, упростили перенос встреч, последние встречи теперь вверху, размер меню меняется, появился раздел помощи и ссылка на бесплатный конвертер видео и аудио.

meetflow.synlabs.pro

Записали ролик про Tessent

Начинается он с коммерческого предложения и пакета документов, которых никто не писал руками. Система собрала их из одной рабочей встречи, где их только обсуждали.
Дальше — как это устроено. Встречи, переписки и документы разбираются на элементы: люди, проекты, решения, задачи. Всё связывается в один граф знаний.

Система не просто хранит этот граф, а смотрит на него. В ролике она сама замечает, что команда перескакивает с задачи на задачу, и предлагает присмотреться.

Спросить можно не про конкретную встречу, а про компанию: что за продукт, в чём силён, где слаб, сколько стоит, кто им занимался. Чем сложнее вопрос, тем глубже система копает — от графа знаний до перечитывания самих встреч.

Люди, с которыми вы разговаривали, остаются в системе как модели. Партнёры, клиенты, консультанты, сотрудники. Их можно спросить о том, что они знают, или заранее проверить, как они отнесутся к новому предложению. Отвечает не выдумка, а то, что человек уже говорил.

И последнее — система не только отвечает, но и делает. Сама находит последнюю встречу, вытаскивает задачи, отправляет на почту или в задачник. Саммари может прийти картинкой: mind-map или комиксом, который читается за несколько секунд.
Ролик — 2:50, ссылка ниже.

https://rutube.ru/video/06dd621cb8538dd97a58cc7418f419c0/

Собрали наш основной сайт целиком через ИИ — и сделали его трёхмерным
SynLabs — наша компания-разработчик, Tessent и MeetFlow — её продукты. Сайт в таком формате делали впервые: хотелось, чтобы он не рассказывал, чем мы занимаемся, а показывал. Дальше будут ещё.
synlabs.pro

О рынке "цифрового мозга компании"
Y Combinator в летнем списке Request for Startups выделил отдельную категорию — Company Brain. Тезис не наш, это позиция YC: «Every company in the world will need one» — каждой компании это понадобится.
Формулировка YC: система, которая вытягивает знание из разрозненных источников — переписок, встреч, документов — структурирует его и держит актуальным для ИИ-агентов. Ровно то, что мы строим в Tessent последний год.
В эту же категорию за последние месяцы зашли крупные деньги. Engram, стартап с фаундерами из Stanford и Berkeley, поднял $98M при оценке $600M, лично поддержал Карпати как ангел. Glean, лидер корпоративного поиска, привлёк $150M при оценке $7.2B и купил Aryn, расширяясь ровно в эту сторону.
Для нас это не новость о конкуренции. Это подтверждение, что проблема настоящая, а не придуманная нами.
Ниже — карта рынка: кто что строит, где мы сильнее, где слабее каждого.

Мы выложили Tessbrain в публичный репозиторий.

Знакомая сцена: продажи обещают клиенту октябрь, разработка планирует декабрь, а выясняется это на демо. Компания каждый день проговаривает себя — на встречах, в звонках, в чатах — и почти всё это испаряется. Решения принимаются по второму разу. Знание уходит вместе с людьми.

Летом YC назвал «мозг компании» отдельной категорией: «Every company in the world will need one». Почти все в этой нише строят память. Мы строим другую половину мозга — ту, которая делает:

— сам замечает рассинхрон между людьми и отделами: сверки идут по расписанию, а не когда кто-то вспомнил спросить;
— собирает отчёты, которые читают, и документы из уже сказанного — пока идёшь от переговорки до стола, черновики под твою роль в этой встрече уже готовы;
— автоматизации словами: «каждый понедельник собирай итоги недели и присылай картинкой» — схема собирается сама и работает по событиям;
— SIMA: сотрудник без кода описывает нужный мини-сервис, получается ТЗ, где каждое требование несёт цитату из данных компании; внешний ИИ делает, система принимает результат по машинным проверкам.

Внутри — типизированный граф: 33 типа объектов, 48 типов связей, у каждого факта источник, дата и уверенность. Доступ режется до модели: спросите про зарплаты от роли стажёра — факта не существует. Не «доступ запрещён» — невидим.

Код публичен под Apache-2.0. В комплекте: синтетическая компания на 85 человек, 20 встреч с настоящими транскриптами и машинопроверяемыми данными. Можно загрузить и щупать, не давая системе свои данные.

GitHub: github.com/neskuchny/Tessbrain
Демо (3 мин): rutube.ru/video/06dd621cb8538dd97a58cc7418f419c0/

Подготовили еще подробное описание всего функционала, какие есть автоматизации, доступы, шины данных, чтобы передавать данные вовне и прочее.

Берите, форкайте, стройте своё. Ставьте звёзды, присылайте PR. И если знаете, кому нужно, — перешлите.

Карта возможностей https://neskuchny.github.io/Tessbrain/share/ru/tessent_competitivemap.html

Сейчас найм устроен так: одна нейросеть пишет резюме, другая его отсеивает.
Кандидат не умеет писать резюме — просит модель. HR не успевает читать — ставит модель на скоринг. Две системы договариваются о человеке, которого ни одна не видела.
Это уже не метафора. В 2026-м измерено: AI-скринеры предпочитают резюме, написанные ИИ, в 82% случаев — система узнаёт свой почерк. В феврале федеральный суд авторизовал коллективный иск Mobley против Workday — первое крупное дело про алгоритмический отсев.
Побочный эффект: резюме сильного кандидата часто хуже, чем резюме слабого. Сильный занят работой, слабый — документом. Скоринг ошибается в обе стороны.
Но даже идеальное резюме не отвечает на вопросы, которые решают исход найма. Подойдёт ли он этой команде — человек из корпорации в стартапе задыхается от хаоса, из стартапа в корпорации — от согласований. Нужна ли его компетенция сейчас, или в команде она уже есть в двух экземплярах. Сыграется ли — это вообще не про навыки.
HR не может это знать: надо прожить внутри команды год. А компания уже знает. Она видит, какие задачи человек брал, как вёл себя, когда проект ломался, какая его работа дала эффект, где он рос, а где встал. Это не оценка — это линия, и она видна только на дистанции.

В Tessent мы закладывали идею HR 2.0 - формат, когда создаётся слепок сотрудника, в котором хранятся все данные о том как он развивался, работал, взаимодействовал с коллегами и прочее. Он его видит, забирает с собой при уходе и сам решает, что открыть конкретной компании. Резюме — документ, который человек о себе пересказывает. Слепок — документ, который он о себе накопил.

Честно про статус. Сводить слепок с моделью команды и выдавать прогноз мы пока не умеем — 🔜. Но та часть, от которой зависит, полезная это идея или мерзкая, уже работает:
✅ слепки из реальных решений,
✅ согласия «кому / какой срез / до какого срока» с отзывом в один клик
🟡 обмен между компаниями собран и выключен флагом до утверждения юридической модели. Этика здесь — код, и по умолчанию она выключена.
Резюме — самый короткий и самый бедный пересказ человека. Весь слепок — про остальные.
https://github.com/neskuchny/Tessbrain

Сломанный телефон — детская игра, где никто не заинтересован соврать. Фраза всё равно не доживает до конца круга.
Теперь добавьте взрослых с карьерой и премией.
Инженер на созвоне: «Не успеваем к 14-му. Нужна ещё неделя, иначе выкатим без миграции.» Тимлид в статусе: «Есть риск по срокам, возможно сдвинемся на пару дней.» Руководитель направления: «Идём в график, по рискам небольшой запас.» Что слышит генеральный: «Релиз 14-го, всё под контролем.»
Никто не соврал. Проверьте каждый шаг — придраться не к чему.
Искажений четыре, и только одно про честность. Механическое — человек помнит суть, не формулировку. Подача — каждый расставляет акценты под получателя, это нормальный навык. Ваша призма — вы слышите через то, чего ждали. И молчание — самое дорогое: наказывают редко за проблему, почти всегда за то, что её принёс. Через полгода в компании есть список тем, о которых «не принято» докладывать, и он не записан нигде.
Итог: решения точные — по неточной карте. Вы управляете не той компанией, которая есть, а той, о которой вам рассказали. Виноватых нет — поэтому это не чинится разговорами о доверии.
Что меняется, когда информация идёт не только через людей.
Систему невозможно наказать за плохую новость. У неё нет карьеры и отношений в команде. Одно это убирает четвёртый слой.
Но «ИИ передаёт честно» — лозунг, пока это нельзя проверить. Поэтому сигнал приходит с трассой — встреча, минута, контекст. Система видит противоречия между источниками: в статусе «по плану», на встрече неделей раньше — перенос. И видит рассинхроны отделов: две команды неделю работают из разных версий одного решения — чего не видит ни один участник.
Граница: это не отчёт про людей. Сигнал — на уровне темы и команды, не «Иванов недоволен». Права проверяются до модели. И работает в обе стороны — вниз тоже: команда получает настоящую причину решения, а не «руководство решило».
✅ В проде: лента инсайтов — слепые зоны, рассинхроны отделов, аномалии.
Провенанс до минуты. 🔜
Как донести сигнал, чтобы руководитель его прочитал, — отдельная тема.
https://github.com/neskuchny/Tessbrain

Два отдела одновременно улучшили компанию. Компания стала хуже.
Март. Продажи видят, что квартал не закрывается, и делают то, за что им платят: обещают поставку за три недели. Тот же март. Производство видит рост возвратов и делает то, за что платят им: добавляет этап ревью, цикл становится шесть недель.
Ни один отдел не знает о решении другого. Оба решения правильные. В апреле клиенты, которым обещали три недели, получили шесть и ушли. На разборе продажи узнали, что «наобещали», производство — что «тормозит». В следующий раз они согласуют ещё меньше.
Самое дорогое в компании — не ошибки. Самое дорогое — когда все правы. Ошибку видно, у неё есть автор. Здесь чинить нечего.
Почему это постоянно. Отделы не знают, что решили соседи — не из вредности, просто нет канала. Зато у каждого ощущение, что его участок важнее: свою работу человек видит целиком, чужую — обрывками. А когда отделы разговаривают, они не понимают друг друга: одна нейтральная фраза читается одним как помощь, другим как наезд.
Отдельная цена — ритм. Рассинхрон — это рывки: компанию бросает вперёд-назад, и силы уходят на то, чтобы устоять. Компания, которую лихорадит, живёт недолго. У печени нет еженедельного синка с сердцем — есть непрерывный обмен сигналами.
Система работает со скоростью худшей своей части. А худшая она чаще всего не потому, что плохо работает, а потому что не поняла — что делать и зачем. Отстающий отдел мотивируют или меняют людей. А до него просто не доехал контекст.
Что здесь делает система. Видит расхождение раньше людей — у неё обе половины картины. Называет, никого не обвиняя: не «продажи наобещали», а «два решения марта конфликтуют по срокам», с трассой до встреч. Показывает пересечения: соседний отдел уже полгода решает вашу задачу под другим названием.
И не заставляет. Синхронизация принуждением — тот же рывок, только сверху. Она подсвечивает, решают люди.
✅ Работает: детекция рассинхрона отделов и слепых зон, кросс-сущностный анализ, поиск того, кто реально знает тему.
🟡 «Вам двоим стоит объединиться» как проактивная рекомендация — собирается из кусков, отдельной фичей не оформлено.

https://github.com/neskuchny/Tessbrain

Вы купили всем подписки, оплатили курсы и объявили AI-first. Через полгода пользуются те же пятеро, которые пользовались и до вас.
Обычный вывод — люди ленивые. Вывод неверный, и из-за него программу чинят не с той стороны.
Хороший промпт с первой попытки не пишет никто. Ни вы, ни человек, который работает с моделями каждый день. Модель всегда понимает чуть иначе — как живой собеседник, которому вы объясняете очевидное, а он понимает по-своему.
Профессионал и новичок получают одинаково плохой результат на первой попытке. Разница одна: профессионал знает, что так и должно быть, и делает второй заход. Новичок делает вывод — «бесполезно» или «я не умею». Оба вывода закрывают тему навсегда, и оба случаются в первые десять минут. Вот где умирает AI-first.
И деталь, которая переворачивает картину: по данным 2026 года руководители используют несанкционированный ИИ вдвое чаще подчинённых — 65% против 31%. Человек, который спустил мандат AI-first, в этот же момент открывает личный ChatGPT в соседней вкладке. Не из лицемерия: корпоративный инструмент не знает его контекста, а личный хотя бы помнит вчерашний разговор. Инструмент без контекста бросают все — включая тех, кто его внедрял.
Вторая причина глубже. Дело не в формулировке, а в контексте. Модель не знает вашего клиента, что решили по нему в марте, что обещали. «Хороший промпт» — это длинная выгрузка контекста, и собрать её может только тот, кто держит в голове всю компанию. Таких единицы, и они и так справляются.
Люди не научатся, а потом начнут. Они научатся, начав. Программа, которая начинается с обучения, отсеивает всех, кроме тех, кто разобрался бы и так.
Что мы делаем. Промпт пишет система — вы говорите «подготовь ответ клиенту по срокам», она поднимает, что решали, кто отвечает, что обещали. Разрыв между плохим и хорошим промптом — это ровно память компании. Скилл появляется из разговора — объяснили один раз, дальше кнопка. Автоматизации собираются карточками на доске, узлы тянут данные из мозга.
✅ Работает: автоматизации, агентные по инструкции, скиллы из диалога, доски. И минус, который мы замерили: узел доски ищет только словами — один канал из трёх, теряет участников на перечислениях. Пока доска отвечает хуже чата.
Часть вторая — почему автоматизируют не то. И про цифру, которую повторяют все.
https://github.com/neskuchny/Tessbrain

Вайб-кодинг снял вопрос «кто напишет код». И обнажил тот, который никто не решал: кто объяснит, что писать.
Как задача умирает сегодня. Встреча кончилась, задачу проговорили. В эту секунду полный контекст есть у всех в комнате. Через час он тоньше. Через три дня исполнитель делает уже другую задачу — от разговора осталось одно предложение в трекере.
Никто не ленился. Задача портится не потому, что человек медленный. Она портится потому, что контекст испаряется. В прошлых постах пересказ ломал информацию между людьми и отделами. Здесь — по времени.
Отдадим агенту? Он сделает быстро и плохо. Не из-за модели: нельзя сказать «сделай хороший лендинг» — что такое «хороший», лежит в том, как вы продаёте, на чём обожглись, что клиент разворачивал. Модель этого не знает.
Значит, узкое место — бриф. Это и есть vibe tasking — термин, который мы вводим.
Встреча закончилась, вы идёте за кофе. Система разбирает, какие задачи прозвучали, и по каждой поднимает всё, что к ней относится: другие встречи, документы, решения, кто отвечает, что обещали клиенту. И собирает полноценное ТЗ. Замер: 4 задачи из 5 принимаются с первого-второго прохода. Это про качество ТЗ, не про выполненную работу.
Теперь то, чего не прочитаете у большинства.
ТЗ можно отправить в Claude Code, Cursor или локального агента. Это собрано и выключено по умолчанию. Заявка создаётся в статусе PENDING и не запускает ничего. Вы видите команду, жмёте подтверждение — только тогда агент стартует. Почему: изоляция исполнения не закалена, нет двухфазного подтверждения опасных действий. Агент, который сам исполняет задачу из транскрипта, — плохая идея, и любой, кто гонял агентов в проде, кивнёт.
Индустрия в 2026-м это прожила: техдолг после ИИ-кодинга вырос на 30–41%, рефакторинг упал на 60%. «Расплата на 90-й день» — демо в первый день, стена на третий месяц. Наш confirm — не осторожность. Это то, что остаётся, когда посмотришь, чем это кончается.
Поэтому честный сценарий: вы дошли до стола, и задача не выполнена. На столе — полный бриф со всем контекстом и кнопка. Это дорогая часть. Кнопку включат все.
Наш минус: пайплайн vibe tasking ищет двумя каналами без слияния рангов — беднее, чем основной чат из-за нагрузки, но это меняется.
Агенты будут у всех. Отличаться будет тот, чьему агенту есть кому объяснить задачу.

https://github.com/neskuchny/Tessbrain

Описание возможностей системы: https://neskuchny.github.io/Tessbrain/share/ru/tessent_capabilities.html

Любая модель напишет вам договор. Ни одна не скажет, какие места в нём она выдумала.
Вот это, а не качество текста, — настоящая проблема генерации документов.
В чате галлюцинация — неудобство: заметил, переспросил. В КП это цена. В договоре — условие, под которым стоит подпись. А выглядит документ одинаково уверенно: сгенерированный текст не бледнеет там, где модель не знала.
Это уже посчитано: около $67 млрд потерь за год — не от крахов, а от уверенно неверных ответов, неотличимых от верных. По Deloitte, 47% пользователей корпоративного ИИ приняли крупное решение на основе выдуманного. Юристы проходят это на санкциях: больше тысячи задокументированных случаев.
Поэтому в компаниях одно и то же: сначала все радостно генерируют КП, потом один раз уезжает не та сумма, потом генерацию тихо перестают использовать для всего, что имеет последствия. А задача настоящая и повторяется каждую неделю — КП после звонка, договор после согласия, разбор входящего предложения.
Как у нас.
Методология и шаблон — ваши. Загружаете свой шаблон договора, свои примеры КП, свою методику разбора входящих. Система берёт форму из ваших примеров, а не «как принято в интернете».
Факты — из памяти компании. Объём, сроки, что обещали — со ссылкой на встречу, где это прозвучало.
И главное: каждое поле помечено. Заполнено из данных — видно, откуда. Система достроила — помечено «проверить». Данных нет — так и написано, а не подставлено правдоподобное. Цифры считает код, не модель.
Почему разметка важнее генерации. Без неё два варианта: перепроверять всё или доверять всему. Перепроверять всё дольше, чем написать самому, — значит, доверяют. Так и уезжает не та сумма. С разметкой: пять подсвеченных мест, две минуты.
Ценность сгенерированного документа — не в том, насколько он хорош, а в том, сколько в нём мест надо проверить, и знаете ли вы, какие.
Это не юридическая консультация: система заполняет шаблон ваших юристов фактами с источниками. Подписывает человек.
✅ Работает: методологии, шаблоны, композитор КП, подстановка с источниками, «нет данных» вместо выдумки.
❌ Нет фирменного бланка и PDF.
❌ Нет почты — входящее приносите руками. В нашем разборе конкурентов почта записана как их сильнейший пункт против нас.

https://github.com/neskuchny/Tessbrain

Боль — лучшее, что природа придумала для управления. У компании её нет.
Посмотрите, как аккуратно она устроена. Когда болит нога, нога не сообщает, что у неё надрыв связки. Она сообщает где и насколько. Диагноз — отдельная работа, её делает специалист по вашему решению. И она настойчивая: вы хромаете и не можете не замечать. Смириться можно — но тогда это решение, а не незнание.
Вторая часть: как только болит нога, мозг тратит внимание, чтобы её не перегружать. А потом болит голова — на контроль ноги уходит энергия. Болит не там, где сломано. В компании так же: проблема одного отдела молча облагает налогом соседний, и чинят то место, где болит.
Теперь про компанию. Отделы недовольны, их не слышат. Информация проходит одно колено и дальше не идёт. И причина потяжелее: во многих компаниях нельзя прямо сказать «вот проблема» или «мне мешает этот человек». Сказавший рискует. Поэтому замалчивают.
Отсюда вывод, из-за которого мы построили это именно так.
Если открыть руководителю всё, что говорят сотрудники, сотрудники перестанут это говорить. Не через год — через месяц. Система, которая передаёт всё, через месяц не передаёт ничего: она уничтожает собственный вход. Полная прозрачность — не смелая версия идеи. Это версия, которая не работает.
Поэтому — как тело. По умолчанию сигнал: вот точка, которая болит, где, насколько, как давно. Без цитат и имён. Детали — по договорённости: можно спросить у отдела, и он откроет, что готов. И здесь метафора ломается в нашу пользу: почки не ответят, чего хотят. Отдел ответит. Поэтому второй ход системы — не диагноз, а вопрос: что надо сделать, чтобы перестало болеть.
Отдельная вещь, которую мониторинг не делает никогда: агент сообщает и о том, что не произошло, хотя должно было. Договорились — в трекере не появилось. Тишина как событие.
И чтобы это не стало потоком, который перестают открывать: у каждого сигнала проверка исхода. Через неделю система смотрит, решилось ли. То, что не помогает, перестаёт приходить.
✅ Работает: лента инсайтов, рассинхроны, проверка исходов, реакции с анти-повтором, сверка договорённостей с трекерами. Права до модели, детали закрыты по умолчанию.
🔜 Честная дыра: настойчивости у сигнала нет. Он приходит в ленту и в Telegram — от него можно отмахнуться. От хромоты нельзя. Здесь система пока слабее ноги.

https://github.com/neskuchny/Tessbrain

Половина хороших идей приходит в разговоре с человеком, который не сказал ничего полезного.
Вы объясняли задачу вслух — и на третьей фразе сами услышали, где она сломана. Инженеры это формализовали: резиновый утёнок. Работает не собеседник — необходимость произнести.
Отсюда видно, для чего нужен совет. Не для идеального ответа. Для угла, под которым вы не смотрели.
Теперь неприятная часть. Любой может написать модели «представь, что ты директор по маркетингу» — и в этом вся проблема. Она ответит. Бегло, уверенно и безотносительно вашей ситуации. Совет без знания вашего случая хуже отсутствия совета, потому что он убедителен.
Поэтому требование обратное: директор не должен работать без контекста. Наши подключены к памяти компании — что решали, что пробовали, на чём обожглись, что говорил клиент.
Как устроено. Вы задаёте вопрос, дальше раунды: в первом каждый отвечает сам, во втором видит ответы коллег и спорит. В конце председатель формулирует решение.
У этого есть отраслевое название. Gartner называет agent washing маркировку чат-бота словом «агент» ради продаж — и оценивает, что из тысяч таких продуктов настоящих около 130. Тест: покажите след решений — какие инструменты вызывались, почему выбран шаг, как проверен результат. Две детали ниже — это и есть след.
Первая: протокол разногласий. Решение выдаётся не как консенсус. То, в чём директора не сошлись, сохраняется и отдаётся вам отдельно. Если ценность совета — в угле, которого у вас не было, то согласие стирает ровно то, ради чего вы спрашивали. Пять голосов в одно гладкое мнение — это один голос, только дороже.
Вторая: решение сверяется с данными компании. После того как совет договорился, вывод проверяется по тому, что у вас реально есть. Без этого — уверенная стратегия, не связанная ни с чем.
И граница. Это не замена советника: у симулированного директора нет ответственности и нечего терять — а именно это делает совет живого человека ценным. Заменяется не сотрудник, а прерывание: пять вопросов пяти коллегам до того, как вы сформулировали, что спрашиваете. Вы приходите к людям подготовленным.
Ограничение, которого в категории не называет никто: симулированный директор ровно настолько хорош, насколько полна память под ним. На свежей установке он выдаст ту самую общую воду. Это не баг — это условие.
✅ Работает: раунды со спором, протокол разногласий, сверка с данными, свои директора одним файлом.

https://neskuchny.github.io/Tessbrain/share/ru/tessent_capabilities.html

CEO Zoom обещает цифрового двойника, который будет ходить на встречи вместо вас и принимать решения. На CES 2026 показали клон сотрудника, отвечающий на 160 языках.
Всё это делается без одного вопроса: кому принадлежит слепок — и кто отвечает за то, что он решил. Чтобы ответить, надо начать не с клона, а с вопроса, который в компаниях почти никогда не задают.
«А как бы ты хотел, чтобы эта задача была сделана?» Не потому что всем всё равно. Потому что задать его дорого: вы отнимаете у коллеги три минуты, а он возвращается в работу не через три минуты. Поэтому в любой компании складывается правило: дёргать только по важному. Мелкие вопросы не задаются. Работа делается по догадке, потом переделывается. Переделка стоила дороже вопроса — но вопрос был виден, а переделка размазана.
Полезное умирает ниже порога, на котором его не жалко попросить.
Что мы сделали. Система копит слепок сотрудника — из того, что он реально говорил и решал на встречах. Какие задачи брал, как аргументировал, что отклонял. Это не тест личности. Это запись.
Со слепком можно поговорить — задать тот мелкий вопрос. Прогнать на слепках стратсессию до настоящей, чтобы живые директора занимались стратегией, а не разогревом. И ваша же оговорка, главная в этой теме: это не заменяет стратсессию с реальными людьми. Это её подготовка.
Теперь граница — слепок принадлежит человеку. Согласие: кому, какой срез, до какого срока — и отзыв в один клик. Это работающий эндпоинт, у каждой записи хранится версия текста согласия.
Если можно спросить мой слепок — я должен знать, что спросили. Односторонняя видимость убивает вход: люди начинают говорить на встречах иначе, и слепок первым становится бесполезным.
И главное. Симуляция готовит разговор с человеком. Она не заменяет его согласие на то, что его касается. Никаких решений о его работе и оценке.
Фраза, которая не должна звучать в компании никогда: «твой слепок сказал, что ты не против». Слепок ничего не сказал. Он выдал гипотезу с именем. Гипотеза с именем — не позиция человека.
Честно про точность: замера нет. Впечатление, что часто близко. Раз мы публикуем метрики, где проигрываем, обязаны померить и эту: один вопрос слепку и живому человеку, сравнить. Пока — «повод подумать», а не «данные».
✅ Работает: слепки из реальных решений, разговор со слепком, гранулярные согласия с отзывом, в датасет копии зашит пример честного отказа.

https://neskuchny.github.io/Tessbrain/share/ru/tessent_capabilities.html

Новичок первые две недели не учится работать. Он расшифровывает язык.
«Кабан» — это проект, а не человек. «КП» здесь означает не то, что он думает. «Платформа» — три разные вещи в зависимости от того, кто говорит. Ничего этого нет в онбординг-документе, и спросить неловко: вопрос звучит как «я не понимаю, о чём вы вообще».
Стандартное решение — дать человеку чат со знаниями компании: спрашивай что хочешь.
И вот тут надо сказать вслух то, что все знают и мало кто пишет в анонсах. Он не будет спрашивать.
Первую неделю задаст несколько вопросов. На второй — меньше. К третьей перестанет. Не потому что чат плохой. Потому что спросить — это отдельное действие, а на отдельное действие нужна мотивация, которой у него нет. Он хочет выглядеть компетентным, а не человеком, который на третьей неделе всё ещё не разобрался. Так устроены живые люди в живых компаниях, и это сильно отличается от того, как написано в книжках.
Значит, не надо делать продукт для онбординга. Надо привязать знание к тому, что человек делает всё равно.
Один вопрос он точно задаст: «как мне сделать вот эту задачу?» Потому что это в его интересах — закончить быстрее, меньше копаться, меньше дёргать остальных. Это не обучение, это работа.
И вместе с ответом приезжает то, что он должен был знать: что по этой теме уже решали, кто за неё отвечает, что пробовали и почему не взлетело, какого клиента это касается, каким словом это здесь называется. Он не изучал компанию. Он делал задачу, а компания приехала побочным эффектом.
Теперь про «понимает, а не просто ищет» — и сразу переведу это в проверяемое, потому что слово «понимает» слишком лёгкое.
Проверяемая версия: система держит связи между сущностями, а не только похожесть текста.

Чего нет. Когда система отвечает «данных нет», правильным продолжением было бы «спроси Петю, он связан с темой». Этого хука мы не сделали — так и записано у нас в документации как нерешённая задача. Но это можно сделать через отчет 360, так как там есть функция найти человека, который знает о том что вы ищите.

https://github.com/neskuchny/Tessbrain