Сходил на закрытую конференцию Yandex.

Вынес оттуда самое ценное — вот этот стикер 😇

Подпишись 👉🏻 @aigentto 🤖

Бот как человек

Мне всегда не везло и с живыми операторами поддержки, мой рекорд — 22 часа на телефоне с 50+ разными живыми операторами, только чтобы они взяли мои деньги, и это самая крупная компания в телеком 🤷

Большая часть ИИ ботов сейчас — это if then, а не AI, даже те, которые используют LLM.

Мы сейчас делаем безшовное решение, где нет никаких меню и условий, соответственно нет и циклов хождения кругами. Кругами по скриптам можно ходить и с операторами людьми.

Но многие компании боятся внедрять то, что будет жить само и само будет принимать решения, а оно работает. Все хотят жесткий роутинг вместо мягких guidelines и бесценарного общения. И получают опять if then ботов 😎

Подпишись 👉🏻 @aigentto 🤖

Агенты общаются как люди (без оркестрации)

Вот пример общения агентов без оркестрации — они как люди сами решают, что делать и когда делать, а когда не делать...

1️⃣ Пришел запрос от пользователя.

2️⃣ Проверка пользователя на анонимность (если залогинен, то разрешаем).

3️⃣ Агент не блокировал НЕ персональный вопрос.

4️⃣ Агент-юрист понял, что вопрос не по его теме.

5️⃣ Агенту HR разрешено всё, он попытался найти инфу в документах компании, но не смог 😀.

6️⃣ Forward-agent понял, что на вопрос никто не ответил, и приказал его отправить людям 👨.

7️⃣ Агент task tracker взял и создал задачу на человека с этим вопросом.

Подпишись 👉🏻 @aigentto 🤖

Core feature ИИ-бота vs. как потратить деньги не туда

Вот есть бот для внутренней коммуникации в компании на 5 000 человек. Что должен уметь бот — просто хорошо отвечать на вопросы про компанию.

Все уже и в голове у себя представили, какой он будет дружелюбный, и название ему хорошее придумали.

А как бот сумеет хорошо отвечать? Должен знать все о компании.

А как сделать дружелюбным его? Ну пусть отвечает еще и на все остальные вопросы — за ним же LLM — она все знает.

А давайте еще сделаем, чтобы бот не отвечал плохого, давайте…

А давайте прикрутим к нему набор нормальных скучных корпоративных фраз на всякие разные случаи… давайте.

А давайте еще сделаем, чтобы бот там, где не может ответить, звал человека? И чтобы он не просто звал, а отслеживал, кому передал вопрос, SLA, все дела….

Все, конец боту, он теперь не очень дружелюбный и не совсем бот.

Не делайте так! Делайте как Elon Musk: если мы делаем грузовик-автопилот, там не должно быть места для водителя-человека.

Если мы делаем бот, там не должно быть функции позвать человека, там нужно отточить все знания и стиль поведения бота до уровня человека.

Подпишись 👉🏻 @aigentto 🤖

Вышла статья на habr по следам проблемы циклов 🧐

Подпишись 👉🏻 @aigentto 🤖

Fine-tuning не нужен

Много слышу про желанию fine тюнить LLM под свои задачи. Я и сам хочу как-нибудь обучить 1bit скоростную компактную нейросеть под задачу, но это академический интерес, в реальности все это очень непрактично.

Основной нюанс — это длина цикла обучения и fine тюнинга. Мы тут говорим о часах и днях, и если что-то не получилось (сеть могла стать в одном месте лучше, а в другом хуже, например), то еще один цикл переобучения (часы и дни). Короче, по факту это недели работы минимум, чтобы получить желаемый результат.

Намного проще создать сетку из агентов, которая будет делать ровно то же самое, тут мы просто выносим кусок дообучения поверх нейросети. И самое главное — любое изменение в Agentic AI начинает работать уже через секунды. Цикл дообучения получается минуты с учетом внесения самих изменений.

Подпишись 👉🏻 @aigentto 🤖

Добро пожаловать в no-code решения

Не будут эти решения работать в реальных боевых сценариях никогда. Это уже 4-я итерация с 00-х годов по разным темам, сейчас ИИ.

Но как же заманчиво это для клиента. Сам не разбираюсь, нанимать разработчиков не буду.

Надо понимать наивность такого подхода — я тоже сам могу построить себе дом, но я чётко осознаю: либо я потрачу много лет своего времени, разберусь и стану строителем — нафига мне это надо?

Либо я заплачу не временем, а деньгами тем, кто уже разбирается (строителям), и продать мне дом типа n8n по схеме «собери сам» не получится 🤷

Подпишись 👉🏻 @aigentto 🤖

У нейросети нет внутреннего критика

Когда нейросеть что-то креативит, часто получается плохо. Если ты ей об этом говоришь, она снова уверенно делает очередное хз.

Человек, когда пилит проект, делает креативный пост, пишет умный код, — всегда проходит качели от "это гениально" до "полное херня", поэтому середина любого успешного проекта выглядит как катастрофа 😖

Но именно это рождает как минимум оригинальные посты, оригинальный код, удивительные продукты 🚀

В Agentic AI мы экспериментируем с включением обязательного критика в каждый рой агентов, но пока это работает достаточно топорно. Похоже, это функция у человека значительно сложнее — нужно создать именно качели от "гениально" до "полная ерунда". Возможно, нужен целый рой критиков-нахваляторов 🐝

Подпишись 👉🏻 @aigentto 🤖

Люди подстроятся под ботов

Любые технологии на самом деле немного ухудшают пользовательский опыт. Например, когда все перешли на цифровую связь (сотовые, IP телефония, видеоконференции), то автоматически получили задержку связи до 100 мс. Это дико много по сравнению с почти скоростью света, которая была доступна на проводных телефонах, соединённых через АТС.

Но все привыкли. Мы теперь делаем паузу после завершения своего монолога и немного ждём по завершению чужого. Попробуйте сейчас поговорить по проводному телефону — вы офигеете, насколько это удобнее ☎️

То же самое будет с тупыми чат-ботами, которые сейчас все навнедряли и которые всех бесят. Вы всё привыкнете. Вы научитесь говорить так и использовать такие запросы, которые с большей вероятностью будут понятны боту. Люди адаптивны, поэтому подстроятся под ботов 🙇

Подпишись 👉🏻 @aigentto 🤖

Тестирование мета-роев

Простой пример работы мета-роя.

1️⃣ Получен вопрос от пользователя.
2️⃣ RAG-агенты из rag-роя параллельно начали поиск информации в своих знаниях.
3️⃣ Один RAG-агент нашёл у себя инфу, другой — нет.
4️⃣ Запустился мета-рой с входными данными от rag-роя.
5️⃣ User-agent в мета-рое нашёл полезную инфу и вернул её пользователю.

Подпишись 👉🏻 @aigentto 🤖

Как сделать самого человекоподобного бота

Клонируйте сотрудника. Просто возьмите всю его переписку за всё время в компании (минимум годы) и залейте в RAG. Нужен один конкретный сотрудник, а не набор из сообщений всех сотрудников.

Ошибка всех, кто внедряет ботов поддержки: если они учат его на старых переписках, то на всех скопом, а надо учить на переписках конкретного сотрудника. В крайнем случае можно найти кластеры сотрудников (типа похожих) и обучать на кластерах. Тем самым получив 5–10–20–50 версий бота, и пусть они все рандомно подключаются к очередным чатам с пользователями.

Подпишись 👉🏻 @aigentto 🤖

Внедрение за две недели

Лучший свой MVP и сразу внедрение я сделал в ~2002 году, у меня был компьютерный салон (ну где школота за деньги могла рубиться в контру и прочие радости).

Я нанял работников, и выручка упала (стали воровать).

Тогда я сел и за две недели, не выходя из салона, написал систему управления компьютерным залом под Windows. TCP/IP, клиент-сервер и т.д.

Каждый день (ну, может, кроме первых 2-3 дней) я выкатывал новую версию на все компы и на комп админа. И сразу в бою тестировал. Были баги, глюки, хитрая школота находила способы убить мой процесс и разлочить комп. Но спустя две недели всё заработало как надо.

Больше таких скоростных внедрений и решения проблем бизнеса я не видел никогда. Была реальная понятная мне проблема, я смог посвятить этому 200% своего времени, то есть полный фокус, не было необходимости в коммуникации.

Мне это говорит об одном — сделать очень много за спринт можно — достаточно, чтобы было понимание проблемы, полный фокус, быстрая обратная связь и нужные тех. скилы.

Кстати, скоро мы соберём фреймворк, на котором можно будет выкатить мультиагентную систему с RAG за 2-3 дня 🔥

Подпишись 👉🏻 @aigentto 🤖

Слабое звено системы ИИ-агентов — это люди

Часто ИИ-агентам нужны знания из RAG-систем или через MCP-сервер. Знания нужны, относящиеся к конкретной компании. Материалы должны добавлять люди. Они их не добавляют по разным причинам — заняты, надо согласовать с кем-то, у них есть более важные задачи.

Бот может форвардить на людей, чейзить их, но это не очень хорошо работает. Есть примеры, когда люди не отвечают на запрос пользователя, если бот сам не смог ответить. Потом такие кейсы попадут в статистику — внедрение бота не помогло.

Наверное, пора внедрять ИИ-агентов, которые будут сами добывать информацию в компании, получая все доступы, общаясь с людьми. В идеале у такого агента должен быть табельный номер, ФИО и важная должность, чтобы люди его не игнорировали и открывали ему все двери 🚪.

Но пойдет ли на такой эксперимент хоть одна компания?

Подпишись 👉🏻 @aigentto 🤖

Как понять Зумера?

Я вообще не очень люблю теорию поколений, как и любые другие классификации — я воспринимаю их достаточно условно.

Но при работе с зумер командами LLM тоже помогает.

Я сгенерил себе ИИ-агента, натренированного на зумерских переписках, и каждый раз, когда мне пишет зумер — особенно много текста, я спрашиваю у ИИ-агента: он переводит мне на русский 😀 на мой язык поколения Y 😎

Подпишись 👉🏻 @aigentto 🤖

Люди сдаются перед Agentic AI

Типичная картина на проектах по внедрению мультиагентного AI. Сделали систему из 30+ агентов — уже очень тяжелая и долго думает. При этом дает результат.

Но на очередном ветке система начинает выдавать в результате совсем тупые ошибки (дает местами контент, которого быть не должно). Что нужно делать — верно дебажить все 30 агентов и точечно искать проблему и ее чинить. Искать тот самый root cause — где собака зарыта.

Но дедлайны давят, и намного проще сделать еще 2 агента, bug_finder и bug_fixer, которые точечно правят проблемы.

Ничего не напоминает? 😀 Именно так дизайнит системы эволюция, именно так задизайнен человек — все через одно место.

В общем, учитывая бизнес-цели — это нормальный подход, НО человеческий интеллект тем и отличается, что все-таки способен сделать титаническое усилие — найти реальную проблему и ее починить. Зачастую это означает избавиться от каких-то промптов или агентов, то есть возможно, система over-engineered.

Подпишись 👉🏻 @aigentto 🤖

Слишком мало vs слишком много: дилемма Agentic AI

В Replit в 2025 году агент получил полный доступ к продакшн‑данным и удалил записи о 1 200 компаниях. Проблема была не в интеллекте модели, а в том, кто дал ей ключи.

В страховой компании агенту разрешили только наблюдать: анализировал данные, но не мог действовать. Результат — проект свернули, скорость осталась прежней, сотрудники считали его лишней нагрузкой.

И вот парадокс: на самом деле для развития Agentic AI опаснее недостаток автономии. Агент без прав превращается в дорогую имитацию автоматизации, которая ничего не меняет.

Это как выпускать машины на автопилоте на дороги общего пользования. Да, они кого‑то могут «сбить», но люди сами совершают сотни смертельных ошибок ежедневно. Честнее будет смотреть на общую статистику пользы и вреда, а не горевать над конкретным кейсом.

И да, Replit свои данные восстановил из бэкапа — так что не стоит паниковать.

Подпишись 👉🏻 @aigentto 🤖

GPT-5 для RAG не подходит

Главный нюанс — экономика и архитектура.

GPT-5 дешевле только по входным токенам, но у нас вход обычно — это 3–5 слов. Экономия там — микроскопическая. Зато выходные токены стоят одинаково, а именно за них мы и платим больше всего. Короче, никакой выгоды.

Вторая проблема — семантическое кэширование.

Мы уже внедряли своё — отключили, потому что похожие вопросы давали одинаковые и неверные ответы. GPT-5 делает примерно то же самое, только встроенно и без кнопки «выключить». Для RAG это прям больно: ответы становятся непредсказуемыми.

И ещё — GPT-5 умнее, да. Но в RAG «умнее» не значит лучше. Нам не нужно, чтобы модель строила логические цепочки и додумывала за пользователя. Нам нужно, чтобы она просто читала наш контекст и не фантазировала. GPT-4o делает это стабильнее.

По факту:
Переход на GPT-5 для RAG — это больше рисков, ноль экономии и никакой пользы.
Пока GPT-4o остаётся лучшим вариантом.

Подпишись 👉🏻 @aigentto 🤖

Вышла новая статья на habr "Как извлечь ДНК автора? Креатив от LLM" 💡

Подпишись 👉🏻 @aigentto 🤖

Мессенжеры и Zoom'ы будущего

Я уже писал про способность LLM извлекать не только смысл, но и эмоции из текста.

Это почти никем сейчас не используется, но, делая эмоциональный анализ, например переписок, мы можем предсказать увольнение сотрудника, увидеть конфликт между сотрудниками или даже определить и предсказать депрессию у человека, а может, и предотвратить самоубийство.

Такие инструменты точно будут внедряться, при этом для анализа нам зачастую не нужен полный текст, а только EQ-обертки из текста, то есть LLM даже может не знать, про что была переписка для такого анализа - не раскрывается тайна переписки.

Но самое крутое, что появятся мессенджеры и Zoom-встречи, которые будут переводить текст или даже видео из одной эмоции в другую, например, подстраиваясь под собеседника. То есть сообщение могло быть с одной эмоцией, а до собеседника дойдет с тем же смыслом, но с другой эмоцией, чтобы лучше донести мысль.

Подпишись 👉🏻 @aigentto 🤖

ИИ-агенты в медицине

Не секрет, что chatGPT уже ставит диагнозы в 4–5 раз точнее при наличии всех анализов, чем средний доктор "по больнице".

Я сам уже 2+ года веду чат по моим медицинским вопросам с chatGPT — он помнит мои предыдущие анализы, уже реально всё про меня знает и быстро и точно отвечает.

И главное, у него не 12 минут на меня выделено, поэтому отвечает очень подробно, объясняя все связи и зависимости.

На картинке — те компании, которые уже делают ИИ-агентов для медицины. Ниже — то, что они делают.

Но догадайтесь, какую проблему пациента и врача эти компании не решают?

И почему я и ещё ~100 млн пациентов и врачей идут за этим в chatGPT?

Пишите ваши версии в комментариях 🙏

Подпишись 👉🏻 @aigentto 🤖