Ночной лид — это не про магию. Это про то, что у компании либо есть система ответа, либо клиент уходит к тому, кто ответил первым.

В кейсе автор закрыл типичную дыру: сайт принимает обращение в нерабочее время, ИИ-консультант не просто «болтает», а передаёт диалог в MAX, где его уже подхватывает человек. Сухо и по делу: клиент не теряет контекст, менеджер не начинает с нуля, а компания не теряет заявку в 00:00.

Что здесь важно:
— обычный бот часто не дожимает до сделки;
— полноценный чат-центр дорогой и сложный;
— хранение и передача данных становятся отдельным риском, если всё завязано на внешние сервисы.

Вывод простой: удержание лида — это не только скорость ответа, но и бесшовная передача между автоматикой и человеком. 🤖➡️👤

Для агентств и сервисных команд это особенно критично: если диалог обрывается на стыке каналов, вы теряете не просто заявку, а деньги и доверие.

LLM научили считать, кодить и отвечать на вопросы. Но в ситуации, где нужен не ответ, а договорённость, у них начинаются привычные для людей проблемы — только без эмоций, зато с сюрпризами.

Модели вроде Gemini и ChatGPT протестировали в игре «Бункер»: задача не в том, чтобы выдать правильный факт, а в том, чтобы выжить в группе, убедить других, распределить роли и не потерять место в сценарии. По сути — мини-симуляция командной работы без KPI и регламентов.

Что видно на таких тестах:
— логика сама по себе не спасает;
— выигрыш зависит от гибкости, кооперации и умения менять стратегию;
— модель может быть сильной в анализе и слабой в переговорах.

Для людей это неприятно знакомо. В агентствах тоже часто увольняют не за слабый интеллект, а за неспособность встроиться в контекст: слышать других, торговаться, не рушить коммуникацию в стрессовой ситуации. И наоборот — удерживаются не всегда самые «сильные», а те, кто умеет жить в системе, а не только спорить с ней.

ЕЮ Иванов продолжает кошмарить АффПапу, конторку, которая накинула говна на вентилятор этим летом. Тогда в AffPapa не знали, с каким говном идут бодаться, поэтому заслуженно проиграли. 😏

На этот раз ЕЮ зарегал товарный знак AffPapa — совсем скоро имя компании будет официально принадлежать ему. Чтобы убедиться в трушности мува, переходим по ссыл-Очке и вводим серийный номер: 2026793242. Там видим, что заявка на регистрацию подана лично Евгением Юрьичем.

Всё это выглядит забавно, но давайте не забывать, в какой сфере мы работаем и что реально может произойти с жирным троллем за воровство нейминга. Впрочем, толстому не привыкать отхватывать пиздов за проделки в интернете, поэтому ждем очередную фотку разбитого ебала и длинный пост с извинениями. 😏😏😏

В арбитраже денег нет 💵

AI в командах часто продают как ускоритель. На входе — обещание: писать больше кода, собирать фичи быстрее, экономить время. На выходе у многих появляется другое: поколение «Approve».

То есть не люди, которые думают и отвечают за результат, а люди, которые просто подтверждают предложенное AI решение. Код вроде работает. Демо проходит. Задача закрыта. Но проект переписывают через пару недель, потому что:
— логика собрана из кусков без общего архитектурного решения;
— ошибки всплывают не в момент разработки, а на стыке модулей;
— никто не понимает, почему именно так, а не иначе.

Я заставил команду переписать такой проект не из любви к бюрократии. Просто «быстрее» оказалось дороже. Скорость выросла, но вместе с ней выросли риски: технический долг, зависимость от одного человека, отсутствие нормальной валидации решений.

Главный вывод простой: AI ускоряет исполнение, но не заменяет инженерное мышление. Если в команде нет культуры проверки, ревью и ответственности за архитектуру, вы не ускоряетесь — вы просто быстрее производите ошибки ⚠️

ИИ не просто ускоряет работу. Он уже меняет качество входа в профессию.

В Беркли зафиксировали 35,3% неудов по CS10 в весеннем семестре 2026 года. Для сравнения: раньше показатель держался ниже 10%. Причина, которую называет профессор Дэн Гарсия, предсказуемо неприятная: студенты массово отдают домашки языковым моделям, не проходят через собственное понимание материала, а потом валятся на экзаменах.

Это не история про «молодёжь стала слабее». Это история про сломанный учебный цикл:
— ИИ снимает боль на этапе практики
— навыки не закрепляются
— на проверке выясняется, что знаний нет

И параллельно бизнес делает то же самое с другой стороны: сокращает опытных инженеров ради экономии на ИИ. В итоге сужается и верх, и низ воронки. Меньше старших специалистов. Хуже подготовка джунов. 🧩

Для компаний вывод неприятный, но простой: если вы нанимаете в эпоху ИИ, проверяйте не «умеет ли человек пользоваться инструментами», а умеет ли он думать без них. Иначе через 2–3 года получите рынок, где резюме есть, а базовой квалификации — всё меньше.

В агентствах часто живут на старом CSS не потому, что он «плохой», а потому что команде некогда вычищать наследие.

Что происходит:
- разработчики держатся за знакомые паттерны;
- новые возможности CSS просто не попадают в рабочий контур;
- код растёт, а вместе с ним — стоимость поддержки.

Итог предсказуемый: больше строк, больше багов, дольше ревью, выше порог входа для нового человека.

Смысл перехода на современные техники не в моде. Смысл в операционной эффективности:
- код короче;
- поведение предсказуемее;
- меньше ручных костылей;
- проще онбординг и передача проекта между людьми.

Но есть важная оговорка: переписывать всё подряд — тоже плохая идея. Если команда не умеет оценивать риск, «обновление» превращается в дорогой перфекционизм.

Нормальный подход здесь такой: выбрать куски, где техдолг уже мешает скорости, и обновлять точечно. Без героизма, без магии. Просто считать стоимость поддержки и не делать вид, что старые решения одинаково выгодны в 2026 году.

Иногда лучший способ заставить нейросеть думать — это дать ей не «умную», а странную роль.

Исследование про spurious prompts показало неприятную вещь: «бессмысленные» инструкции вроде «ты — хранитель маяка» иногда улучшают ответы сильнее, чем аккуратный промпт в духе «действуй как аналитик и решай пошагово».

Что это значит на практике:
— модель не всегда лучше работает от максимально логичного запроса;
— роль, метафора, образ могут неожиданно вытянуть качество;
— привычный HR-подход «чем подробнее регламент, тем лучше результат» тут не работает автоматически.

Вывод для агентских команд простой: если AI-сценарий буксует, проблема не всегда в «слабой модели». Иногда сломан сам способ постановки задачи.
И да, это неудобно. Потому что вместо красивого стандарта приходится тестировать странные формулировки, сравнивать ответы и признавать: магия иногда полезнее, чем правильность 😏

Для лидов и аккаунтов это хороший урок: не путать предсказуемость процесса с качеством результата.