Нет, это не запись сна

Десять лет назад Аэрофлот был официальным перевозчиком Манчестер Юнайтед и в их рекламе снимались Уэйн Руни с Райаном Гиггзом. В 2025 году первая мысль: "О, прикольный AI ролик, интересно по каким промптам генерили".

Ну и некоторые другие мысли.

Беспрецедентная в истории кадровая гонка

Гонятся за ИИ превосходством, конечно же, и происходит гонка прямо сейчас. При этом деньги далеко не каждый раз помогают решить вопрос. Марк Цукерберг запустил невиданную по масштабам охоту за талантами в сфере искусственного интеллекта. CEO Meta (порицаема и осуждаема в России) лично проводит переговоры с ведущими исследователями для нового подразделения Meta Superintelligence Labs, предлагая пачками компенсационные пакеты до $300 млн на четыре года, суммы, сопоставимые с контрактами звёзд профессионального спорта.

По данным The Wall Street Journal, он предпринял попытку переманить Эндрю Таллока, сооснователя стартапа Thinking Machines Lab, предложив вознаграждение от $1 млрд до $1,5 млрд. Таллок отказался! Тут вообще конечно супер интересно, как это было и почему. Впрочем, уверен - сценарий фильма про эту историю уже пишут в Голливуде.

Почему Марк Эдвардович так сорит деньгами тоже понятно — Meta упустила момент запуска ChatGPT и теперь вынуждена агрессивно наверстывать упущенное в гонке за лидерство в генеративном ИИ. Компания готова платить любую цену за возможность сократить технологический разрыв. Несмотря на успешный найм трёх исследователей из цюрихского офиса OpenAI и нескольких специалистов из Google DeepMind, большинство топовых кандидатов отклонили предложения Meta.

Для элитных ИИ-исследователей репутация работодателя и возможность влиять на развитие технологий значат больше, чем размер компенсации. OpenAI и Anthropic предлагают не просто работу — они предлагают место в авангарде технологической революции. Meta же воспринимается как компания, которая пытается догнать лидеров после серии стратегических просчётов. В этом плане кейс иллюстрирует фундаментальную проблему найма в высокотехнологичных отраслях: когда специалисты могут выбирать между множеством предложений, решающими факторами становятся корпоративная культура, технологическое лидерство и долгосрочное видение — параметры, которые невозможно компенсировать финансовыми стимулами.

Отказ Таллока от полуторамиллиардного предложения — это символический момент в истории технологической индустрии. Чем то напоминает историю нашего Григория Перельмана. Не все решают деньги в нашем деньгоцентричном мире.

Россияне за миллион

Росстат сообщает, что число тех, кто официально получает от миллиона рублей в месяц, почти удвоилось за год с 24,4 тыс. до 45,4 тыс. человек. При этом это все еще 0,16% от всех работающих. Цифры одновременно впечатляют и удивляют. По субъективным ощущениям даже в Москве таких людей больше, а тут вся страна. Видимо это только официальный доход на одном месте работы, только там могу понять.

По отраслям расклад такой - на первом месте — информация и связь (9,9 тыс.), дальше идут торговля (6,7 тыс.), обрабатывающая промышленность (6,3 тыс.) и финансы/страхование (6,2 тыс.). Деньги по-прежнему живут в тех сферах, где масштаб, цифровизация и финансовые потоки. Интересно где тут чиновники, хотя их с такими официальными зарплатами не так много, думаю. Не уверен что даже у губернаторов такой доход (но точно не знаю).

Верите в количество? Мой прогноз - таких людей раз в 10 больше. Все равно конечно маловато для всех девушек с Патриков, но хоть что то.

А как же человеческое общение?

Британские ученые Аналитики из США пришли к выводу, что офисный работник гораздо чаще совершает ошибки, чем удалёнщик. А всё потому что общество перетягивает внимание человека — отвлекает шутками, провоцирует, подкалывает.

А дома то же самое делает кот, дети и кроватка уютная, разве нет?

10 советов по эффективной коммуникации с ИИ

Или если по другому, правильный промптинг в 2025 году. Советы из тренд репорта Mindstream x HubSpot (закину его в комментарии).

1. Сначала система, потом вопрос. Считайте ChatGPT не поисковиком, а «движком рассуждений» и проектируйте инструкцию, а не бросайте разрозненные вопросы. Это меняет результаты на порядок.

2. Стартуйте с формулы Zero-Shot: Role → Context → Task → Format → Parameters. Чётко назначьте роль ИИ, дайте контекст, задачу, нужный формат и ограничения — и получите точный отклик вместо абстракций.

3. Для сложных задач включайте ROSES (Role-Objective-Scenario-Expected solution-Steps). Пять шагов превращают громоздкий запрос в понятный бриф с ожидаемым результатом и пошаговым планом.

4. Берегите токены. Убирайте повторы, используйте короткие команды и ставьте главное в начале — меньше платите, быстрее получаете ответ.

5. Показывайте примеры и требуйте цепочку рассуждений. Few-shot обучает на демо, Chain-of-Thought заставляет модель «думать вслух» и снижает логические ошибки.

6. Жёстко задавайте формат вывода. Схема FORMAT (Form, Organization, Representation, Markup, Arrangement, Terminology) избавляет от ручного рефакторинга: таблицы, маркдаун, свои разделители — сразу как нужно.

7. Страхуйтесь от галлюцинаций. Включайте самопроверку: «используй только данные из запроса, пометь уровень уверенности, исправь, если нашёл ошибку»

8. Управляйте bias. Просите несколько точек зрения, нейтральный тон и указание за/против — так выводы будут сбалансированнее.

9. Расставляйте контекст по важности. Схема VOICE + правило «критически важное первым» даёт стабильный стиль и исключает потерю ключевых фактов.

10. Стройте модульную библиотеку. Комбинируйте шаблоны, переменные и модули (MODULE/TEMPLATE) — однажды настроили, потом только меняете переменные и быстро получаете надёжный результат.

Сохраняем, пригодится.