ИИ резко сокращает путь от понимания проблемы до работающего инструмента.
Правда без нормального эксперта, который "шарит" это не работает.

Столкнулись с интересной задачей от коллег из строительной компании: есть большая 3D-модель здания — вес под гигабайт, 3 корпуса по 50+ этажей, парковка... детализация вплоть до дверных ручек и петель. Любое действие с файлом - боль. Например расчёт освещённости может занимать почти весь рабочий день.

ИИ напрямую тут не помощник — такой объём данных он просто не переварит. В лоб загрузить файл и сказать "сожми" не выйдет никак.

В процессе обсуждения выяснили, что из-за специфики их ПО часто на плоскостях есть "лишние полигоны" - это не влияет на визуал и даже на конструктив, но сильно нагружает вычисления. По простому - стена должна быть из двух треугольников, а на самом деле из 10. Визуально этого не видно.

Решение: эксперты подбирали правильные слова и термины для промпта, по сути - объяснили ИИ логику того, что есть и как должно быть. Без их терминов ни нам, ни какому-нибудь ИТшнику, ни ИИ не удалось бы правильно понять задачу.

Дальше ИИ попросили написать скрипт, который убирает лишние полигоны с плоскостей. Не с первой попытки, но получили рабочую версию. Правда скрипт на питоне - рядовой инженер его фиг запустит. Но дописать к нему интерфейс и выложить на сервер - вообще пустяк для ИТ - главное что сама логика уже есть.

После запуска скрипта стал легче примерно на ~100 МБ от изначальных 1000+,
зато расчёты стали идти почти в 5 раз быстрее.
Почти день ожидания превратился в час.

Если ИИ не справляется с задачей, возможно, вы просто не о том его просите?

Проверьте:
⚠ Можно ли решить задачу не напрямую, а через инструмент? Если да - ИИ может помочь его сделать.
⚠ Достаточно ли вы подробно сформулировали "что надо делать", а не просто описали боль? Без реальной экспертизы и глубины понимания ИИ будет предлагать бесполезные решения и бестолково суетиться вокруг.

Чат vs Markdown-файл

Недавно нужно было подготовить посты для клиента сразу на несколько недель вперёд.
Через чат это можно сделать, но на длинной дистанции становится неудобно: сложно возвращаться, править, держать структуру.

Мы пошли другим путём, работали с ИИ через Markdown-файл.

Есть файл с заготовленной структурой — даты, темы, черновики постов. Мы даём ИИ конкретные инструкции: дописать абзац, переформулировать мысль, выдержать стиль, продолжить с нужного места. ИИ работает прямо с содержимым файла, а не каждый раз «вспоминает контекст» из переписки.

Что это дало:
❤ посты сразу собраны в одном документе
❤ удобно продолжать работу через день или неделю
❤ проще править отдельные куски, а не перечитывать переписку
❤ итог — понятный файл с контентом на несколько недель вперёд

Такой формат удобнее чата, когда задачи однотипные, информацию нужно хранить, дополнять и переиспользовать на дистанции.

Готовое решение простое: берёте инструмент вроде Cursor или Qwen Code для работы с Markdown‑файлами, а для Obsidian используется плагин, который позволит ИИ работать прямо в заметках. Если хотите, можно навайбкодить своё, под свои задачи🏃‍♂

ИИ ссылается на идеальный закон.
Жаль, что его не существует.

Недавно у одного крупного клиента ИИ помогал разбирать юридический вопрос. Ответ выглядел безупречно. Проблема в том, что такой статьи в реальности не было.

Сам закон — настоящий. Номер — правильный. Структура — совпадает. ИИ просто «дописал» статью, которая очень логично туда вписывалась. Настолько логично, что сначала возникло ощущение: «Странно, а почему её раньше не было?»

ИИ не просто ошибается — он рассуждает и достраивает реальность по логике.
Но логика не равна реальности.

Юридические задачи — не та зона, где ИИ можно оставлять без контроля. Чем выше ответственность и сложнее интерпретация, тем дороже галлюцинации.

Как с этим жить:
❤ разделять генерацию решения и проверку источников
❤ отдельным запросом вытаскивать все статьи и номера законов
❤ проверять каждую ссылку вне контекста прошлых диалогов

Некоторые агенты так и работают: сначала генерируют решение, потом отдельным запросом выбирают все статьи и законы, собирают ссылки через скрипт и проверяют каждую ссылку в новом «чистом» диалоге.

Автоматизировать можно. Убирать человека совсем — нет. ИИ отлично подходит для типовых обращений и шаблонов. Но как только начинается «давай подумаем» — проверка становится обязательной.

+1 рабочий день в неделю от ИИ
(если сотрудник умеет им пользоваться)

ИИ действительно может дать эквивалент одного рабочего дня в неделю, но только когда человек понимает, как встроить его в работу.

Что обычно происходит:
❤До обучения ИИ пробуют использовать около половины сотрудников.
❤После обучения - уже почти все, в районе 90%.
❤Обученные экономят до 10 часов в неделю и работают заметно эффективнее.

Отдельное наблюдение: старшему поколению не нужно продавать ИИ, нужно просто нормально объяснить, как его использовать.

Самый быстрый способ получить отдачу от ИИ — закрыть дыру в обучении. Навыки дают не только прирост скорости, но и более взвешенные решения, меньше хаоса и больше пользы на выходе.

🔋 Когда обучения нет, эффект от ИИ тоже есть — но потенциал остаётся нереализованным.

LinkedIn выкатил свежий отчёт по рынку труда. Если коротко — ожиданий от ИИ больше, чем реальных навыков.

Рабочие места ИИ не съел.
Рынок замедляется из-за глобальной экономики, компании стали осторожнее с наймом и делают ставку на производительность текущих команд. ИИ - не причина, а усилитель общего тренда.

При этом ИИ создает новые профессии и меняет ожидания от привычных ролей. В США число вакансий с требованием ИИ-грамотности выросло на 70% за год.
Это гибридный формат: своя функция + ИИ как рабочий инструмент.

И самый показательный момент - только около 3% пользователей указывают ИИ-навыки в профиле.
При этом:
❤ 70% руководителей уверены, что ИИ повышает эффективность
❤ 48% сотрудников считают, что ИИ поможет их карьере

Получается разрыв: рынок и ожидания уже уехали вперёд, а навыки догоняют.
И закрывается этот зазор не инструментами, а обучением и практикой.

✔️ЭФИР 27 марта ✔️Уже завтра обсудим, как определить готовность вашей команды к ИИ. Присоединяйтесь!

Кажется, все уже внедряют искусственный интеллект. Но что на самом деле происходит у вас в команде? Когда команда на разных уровнях владения ИИ, одинаковое обучение не работает.

Напоминаем, что уже завтра, 27 марта, в 12:30 по мск, состоится прямой эфир «Готова ли ваша команда к работе с ИИ?»

Обсудим:
➡️ как понять реальный уровень владения ИИ командой;
➡️ как увидеть разрыв внутри неё;
➡️ как выбрать адекватный формат обучения.

В эфире:

✔️Анастасия Буткова (специалист по обучению и развитию) расскажет о том, как сотрудники на самом деле используют ИИ и какие барьеры мешают внедрению.

✔️Настя Грибановская (стратегический методист бюро Розетка) поделится, как быстро измерить разрыв внутри команды и превратить это в план действий.

Будет полезно не только для специалистов по HR и руководителей, но и для всех, кто занимается развитием и обучением своих сотрудников и хочет принимать решения, основываясь на данных, а не на ощущениях.

Эфир проводим на классной обучающей платформе и заодно потестируем ее возможности – проведем интерактив и мини-исследование в реальном времени.

Без регистрации присоединиться не получится – пожалуйста, зарегистрируйтесь по ссылке.

🧷Розетка для бизнеса в VK