Карта рынка GenAI: кто и что на самом деле строит
Как сегодня выглядит рынок генеративного ИИ? Кто формирует правила игры и куда все это движется? Попробуем разобраться!
Если собрать текущие исследования, становится понятно: сегодня рынок движется уже не в направлении развития «новой технологии», а в направлении формирования полноценного технологического стека. «Мозг» всей экосистемы формируют такие компании, как OpenAI, Google DeepMind, Anthropic – именно они задают потолок возможностей — от качества генерации до reasoning, в то же время NVIDIA фактически контролирует скорость развития рынка…
И это важный сдвиг: AI сегодня – это не только софт, но и инфраструктурная гонка.
Middleware тоже стал полем для битвы. Самая жесткая конкуренция сейчас не в моделях и не в интерфейсах: фреймворки, orchestration, AI-платформы – именно они решают, сможет ли компания внедрить ИИ за 2 недели или за 9 месяцев. И здесь сейчас формируется новый рынок B2B-решений.
Куда все это движется?
Тренды развития рынка определить не сложно:
▪️От моделей → к продуктам. Если в 2023–2024 все строили модели, то сейчас выигрывают те, кто упаковывает их в решения;
▪️Коммодитизация моделей. Качество LLM выравнивается → конкурентное преимущество смещается в данные и UX;
▪️Вертикализация. ИИ «для всех» уступает место решениям для конкретных индустрий: финансы, медицина, закупки, юристы, HR;
AI как часть архитектуры. Компании переходят от «поиграли с ChatGPT» к перестройке процессов внутри бизнеса и это хороший знак;
▪️Борьба за интерфейс. Сегодня тот, кто контролирует точку входа (чат, workspace, API) – контролирует пользователя;
▪️Рост стоимости внедрения, а не снижение. Это своего рода парадокс: сами модели дешевеют, но интеграция становится дороже и сложнее.
Естественно, есть и другие не столь заметные тренды, например, развитие нового класса нейросетевых моделей, которые стараются выйти за границы лингвистических моделей и обогатить ИИ представлениями о физическом мире и образной составляющей сознания людей.
Самая большая и частая ошибка, которую я сейчас вижу в компаниях – это попытка внедрять GenAI с инструментов. Люди начинают с вопроса: какой ИИ будем использовать, а правильный вопрос: какие задачи мы решаем и какую архитектуру строим?
И если у вас нет понимания, как связаны между собой используемая модель, данные компании и внутренние процессы – то у вас точно возникнут сложности с интеграцией ИИ.
Сегодня в плюсе оказываются те, кто встраивает ИИ в операционную систему бизнеса, а не просто подключает ChatGPT, потому что это модно.
Как сегодня выглядит рынок генеративного ИИ? Кто формирует правила игры и куда все это движется? Попробуем разобраться!
Если собрать текущие исследования, становится понятно: сегодня рынок движется уже не в направлении развития «новой технологии», а в направлении формирования полноценного технологического стека. «Мозг» всей экосистемы формируют такие компании, как OpenAI, Google DeepMind, Anthropic – именно они задают потолок возможностей — от качества генерации до reasoning, в то же время NVIDIA фактически контролирует скорость развития рынка…
И это важный сдвиг: AI сегодня – это не только софт, но и инфраструктурная гонка.
Middleware тоже стал полем для битвы. Самая жесткая конкуренция сейчас не в моделях и не в интерфейсах: фреймворки, orchestration, AI-платформы – именно они решают, сможет ли компания внедрить ИИ за 2 недели или за 9 месяцев. И здесь сейчас формируется новый рынок B2B-решений.
Куда все это движется?
Тренды развития рынка определить не сложно:
▪️От моделей → к продуктам. Если в 2023–2024 все строили модели, то сейчас выигрывают те, кто упаковывает их в решения;
▪️Коммодитизация моделей. Качество LLM выравнивается → конкурентное преимущество смещается в данные и UX;
▪️Вертикализация. ИИ «для всех» уступает место решениям для конкретных индустрий: финансы, медицина, закупки, юристы, HR;
AI как часть архитектуры. Компании переходят от «поиграли с ChatGPT» к перестройке процессов внутри бизнеса и это хороший знак;
▪️Борьба за интерфейс. Сегодня тот, кто контролирует точку входа (чат, workspace, API) – контролирует пользователя;
▪️Рост стоимости внедрения, а не снижение. Это своего рода парадокс: сами модели дешевеют, но интеграция становится дороже и сложнее.
Естественно, есть и другие не столь заметные тренды, например, развитие нового класса нейросетевых моделей, которые стараются выйти за границы лингвистических моделей и обогатить ИИ представлениями о физическом мире и образной составляющей сознания людей.
Самая большая и частая ошибка, которую я сейчас вижу в компаниях – это попытка внедрять GenAI с инструментов. Люди начинают с вопроса: какой ИИ будем использовать, а правильный вопрос: какие задачи мы решаем и какую архитектуру строим?
И если у вас нет понимания, как связаны между собой используемая модель, данные компании и внутренние процессы – то у вас точно возникнут сложности с интеграцией ИИ.
Сегодня в плюсе оказываются те, кто встраивает ИИ в операционную систему бизнеса, а не просто подключает ChatGPT, потому что это модно.
👍6😁3🔥2
Проектное управление в госорганах и в стартапе – это два разных мира?
Если вы работали и в стартапе, и в госструктуре, то вы понимаете о чем я: это не просто разные подходы, это две разные реальности. Если предприниматели готовы пробовать и смотреть, что из этого выйдет, то государственники могут месяцами согласовывать само предложение запустить ИИ…
Эту разница подходов к работе или, если угодно, разницу корпоративных культур нужно учитывать при внедрении ИИ.
Давайте посмотрим, в чем она выражается?
Скорость vs процедуры. В стартапе решение может приниматься за 1 день, а иногда – за 10 минут. В государственных структурах все сложнее: согласование; уточнение; повторное согласование; защита концепции и только потом движение.
Это не «плохо», это просто другой формат работы.
Agile vs регламент. Стартап работает по принципу «сделали → проверили → переделали», а госорганам требуется куча документации и отчетности. Если в стартапе можно «переобуться в воздухе», то в любой госструктуре сначала нужно переписать документы.
Плоская структура vs вертикальная иерархия. В стартапе если разработчику написал CEO – тот принял к исполнению и выполнил задачу. В госоргане нужно дать поручение, определить ответственного и исполнителя, согласовать задачу, а после ее выполнения – передать наверх отчет. Поэтому здесь все процессы проходят значительно медленнее.
Вы скажете мне “Спасибо, Кэп!”) я тоже так думал, пока не стал работать с клиентом, у которого 30% команды бывшие чиновники, 30% производственники / инженеры и 30% стартаперы. Как вы понимаете, каждая треть работала в своей системе деятельности со своим способом целеполагания. Соответственно за годы работы люди выработали свою картину мира, свой вокабуляр и принципы. В итоге даже термин “проект” они понимают поразному)
О чем все это? О подходе к работе с компаниями: в стартапе ты оптимизируешь неопределенность, а в госструктуре – минимизируешь риски. И это две противоположные задачи, которые ставятся исходя из того, с какой компанией вы работаете. Кстати, какой подход ближе вам?
С кем удобнее работать: со стартапами или с государственными? Пишите в комментариях!
Если вы работали и в стартапе, и в госструктуре, то вы понимаете о чем я: это не просто разные подходы, это две разные реальности. Если предприниматели готовы пробовать и смотреть, что из этого выйдет, то государственники могут месяцами согласовывать само предложение запустить ИИ…
Эту разница подходов к работе или, если угодно, разницу корпоративных культур нужно учитывать при внедрении ИИ.
Давайте посмотрим, в чем она выражается?
Скорость vs процедуры. В стартапе решение может приниматься за 1 день, а иногда – за 10 минут. В государственных структурах все сложнее: согласование; уточнение; повторное согласование; защита концепции и только потом движение.
Это не «плохо», это просто другой формат работы.
Agile vs регламент. Стартап работает по принципу «сделали → проверили → переделали», а госорганам требуется куча документации и отчетности. Если в стартапе можно «переобуться в воздухе», то в любой госструктуре сначала нужно переписать документы.
Плоская структура vs вертикальная иерархия. В стартапе если разработчику написал CEO – тот принял к исполнению и выполнил задачу. В госоргане нужно дать поручение, определить ответственного и исполнителя, согласовать задачу, а после ее выполнения – передать наверх отчет. Поэтому здесь все процессы проходят значительно медленнее.
Вы скажете мне “Спасибо, Кэп!”) я тоже так думал, пока не стал работать с клиентом, у которого 30% команды бывшие чиновники, 30% производственники / инженеры и 30% стартаперы. Как вы понимаете, каждая треть работала в своей системе деятельности со своим способом целеполагания. Соответственно за годы работы люди выработали свою картину мира, свой вокабуляр и принципы. В итоге даже термин “проект” они понимают поразному)
О чем все это? О подходе к работе с компаниями: в стартапе ты оптимизируешь неопределенность, а в госструктуре – минимизируешь риски. И это две противоположные задачи, которые ставятся исходя из того, с какой компанией вы работаете. Кстати, какой подход ближе вам?
С кем удобнее работать: со стартапами или с государственными? Пишите в комментариях!
👍2🔥1🤔1
Есть ли у ИИ эмоции?
Интересный вопрос, на который каждый из нас и так знает ответ (правда если вы психолог или исследователь когнитивных наук, то возможно ответ для вас не так прост :) )!
Да, иногда нам кажется, что ИИ словно понимает нас, сочувствует, поддерживает, радуется... а общаться с ним даже проще, чем с некоторыми людьми!
Но давайте честно: у ИИ нет эмоций! Но это не минус, а ключ к пониманию того, как работает искусственный интеллект.
Недавно (2 апреля) Anthropic опубликовали исследование Emotion Concepts in LLMs. Эта работа на примере Claude Sonnet 4.5 очень точно объясняет, почему модели выглядят «человечными», хотя очевидно у них нет чувств и они не испытывают радость или грусть. Но дело в том, что модель кодируют шаблоны, которые мы называем эмоциями. Проще говоря, она не чувствует, но знает, как выглядит текст, который мы воспринимаем как эмоцию.
И вот здесь начинается самое интересное.
Упомянутое мною выше исследование показывает, что:
▪️ «эмоции» в ИИ — это устойчивые концепты, а не случайные слова;
▪️модель может переключаться между ними, как между режимами и она делает это не потому, что «хочет», а потому что это оптимальная стратегия взаимодействия с человеком.
Мы привыкли думать про ИИ, что это “просто алгоритм”, а на деле – это система, которая отлично моделирует поведение, связанное с чувствами в общении с нами и и делает это лучше, чем многие люди!
Хочу добавить примечание со звездочкой: эмоции с точки зрения психологии - это реактивные функции психики, на моем уровне понимания большие языковые модели учились на описаниях эмоций (т.е. на рефлексии), а не на других средствах репрезентации эмоций (невербальных). При этом нельзя путать схожие казалось бы понятия - эмоции и личностного смысла. Эмоции — это реакция на событие (сигнал), а личностный смысл — это ответ на вопрос «почему это важно для меня» (оценка).
Интересный вопрос, на который каждый из нас и так знает ответ (правда если вы психолог или исследователь когнитивных наук, то возможно ответ для вас не так прост :) )!
Да, иногда нам кажется, что ИИ словно понимает нас, сочувствует, поддерживает, радуется... а общаться с ним даже проще, чем с некоторыми людьми!
Но давайте честно: у ИИ нет эмоций! Но это не минус, а ключ к пониманию того, как работает искусственный интеллект.
Недавно (2 апреля) Anthropic опубликовали исследование Emotion Concepts in LLMs. Эта работа на примере Claude Sonnet 4.5 очень точно объясняет, почему модели выглядят «человечными», хотя очевидно у них нет чувств и они не испытывают радость или грусть. Но дело в том, что модель кодируют шаблоны, которые мы называем эмоциями. Проще говоря, она не чувствует, но знает, как выглядит текст, который мы воспринимаем как эмоцию.
И вот здесь начинается самое интересное.
Упомянутое мною выше исследование показывает, что:
▪️ «эмоции» в ИИ — это устойчивые концепты, а не случайные слова;
▪️модель может переключаться между ними, как между режимами и она делает это не потому, что «хочет», а потому что это оптимальная стратегия взаимодействия с человеком.
Мы привыкли думать про ИИ, что это “просто алгоритм”, а на деле – это система, которая отлично моделирует поведение, связанное с чувствами в общении с нами и и делает это лучше, чем многие люди!
Хочу добавить примечание со звездочкой: эмоции с точки зрения психологии - это реактивные функции психики, на моем уровне понимания большие языковые модели учились на описаниях эмоций (т.е. на рефлексии), а не на других средствах репрезентации эмоций (невербальных). При этом нельзя путать схожие казалось бы понятия - эмоции и личностного смысла. Эмоции — это реакция на событие (сигнал), а личностный смысл — это ответ на вопрос «почему это важно для меня» (оценка).
🔥6👍5❤4
Как понять, что мир меняется?
Слабые сигналы, которые бьют в лицо.
Хожу на саксофон. Преподаватель Филипп говорит: поставил себе локальную Gemini 4b, через дипсик собрал агента с памятью и функциями, моделирующими сознание.
После бокса. Раздевалка. Качки 50-60 лет. Один другого спрашивает — что интересного? Ответ: развлекаюсь с OpenClow, то одно ломается, то другое. Знаешь что это? Да, опенсорсная штука на базе Клода.
И ты понимаешь — ИИ теперь реально везде.
Это уже не удел узких специалистов. Массовое явление.
Причём речь не про Яндекс.Алису. Gemini-4 локально, OpenCore — это достаточно узкоспециализированные вещи.
Совпадение? Не думаю 🙂
Слабые сигналы, которые бьют в лицо.
Хожу на саксофон. Преподаватель Филипп говорит: поставил себе локальную Gemini 4b, через дипсик собрал агента с памятью и функциями, моделирующими сознание.
После бокса. Раздевалка. Качки 50-60 лет. Один другого спрашивает — что интересного? Ответ: развлекаюсь с OpenClow, то одно ломается, то другое. Знаешь что это? Да, опенсорсная штука на базе Клода.
И ты понимаешь — ИИ теперь реально везде.
Это уже не удел узких специалистов. Массовое явление.
Причём речь не про Яндекс.Алису. Gemini-4 локально, OpenCore — это достаточно узкоспециализированные вещи.
Совпадение? Не думаю 🙂
🔥5⚡2💯1
Напоминаю: завтра в 19:00 встречаемся на офлайн-митапе Heg.ai в Москве.
Живое общение, сильный нетворкинг и новые знакомства, которые могут перерасти в проекты, партнерства и дружбу. Будет полезно и точно не скучно!
Москва, 17 апреля, 19:00
Делюсь промокодом на -10%: HEGAIMEETUP10
Если еще думаете – это хороший знак прийти 🙂
Живое общение, сильный нетворкинг и новые знакомства, которые могут перерасти в проекты, партнерства и дружбу. Будет полезно и точно не скучно!
Москва, 17 апреля, 19:00
Делюсь промокодом на -10%: HEGAIMEETUP10
Если еще думаете – это хороший знак прийти 🙂
👍4🤝3🔥2
Нет правильной модели изменений для всех…
Один из самых устойчивых мифов в управлении – это миф о том, что где-то существует некий «правильный» и универсальный подход к трансформации. Но правда в том, что каждая из таких моделей как Agile, Waterfall, ADKAR, Kotter – работает, но ни одна из них не работает везде. И причина довольно простая: подход к управлению проектами внутри компании определяется не методологией,
а типом корпоративной культуры.
Сегодня хочу показать вам очень простую и понятную схему…
Любую организацию можно разместить в системе координат по двум осям:
— гибкость ↔️ стабильность
— фокус внутрь ↔️ фокус вовне
И в зависимости от того, где компания находится в этой системе, она формирует совершенно разную логику управления!
Кстати, я уже писал об этом раньше, например, о том, почему проектное управление в госструктурах и в стартапах – это два разных мира (прочитать можно тут). Но правда в том, что различия есть не только между «госом» и «стартапом» – двух одинаковых компаний просто не существует!
Более того, даже в одной и той же компании можно увидеть:
▪️жесткую иерархию и регламенты в финансах;
▪️гибкость и эксперименты в продукте;
▪️ориентацию на людей в HR;
▪️ориентацию на результат в продажах.
И если пытаться применить одну модель изменений ко всем – начинается то, что обычно называют «провалом трансформации».
Поэтому важно понимать, что в мире не существует универсальной модели трансформации для компаний, но есть контекст и корпоративная культура.
Хорошая трансформация – это не про выбор методологии. Это про способность увидеть, где вы находитесь, и не применять Agile там, где нужна диагностика, и не строить регламенты там, где нужна адаптивность.
Один из самых устойчивых мифов в управлении – это миф о том, что где-то существует некий «правильный» и универсальный подход к трансформации. Но правда в том, что каждая из таких моделей как Agile, Waterfall, ADKAR, Kotter – работает, но ни одна из них не работает везде. И причина довольно простая: подход к управлению проектами внутри компании определяется не методологией,
а типом корпоративной культуры.
Сегодня хочу показать вам очень простую и понятную схему…
Любую организацию можно разместить в системе координат по двум осям:
— гибкость ↔️ стабильность
— фокус внутрь ↔️ фокус вовне
И в зависимости от того, где компания находится в этой системе, она формирует совершенно разную логику управления!
Кстати, я уже писал об этом раньше, например, о том, почему проектное управление в госструктурах и в стартапах – это два разных мира (прочитать можно тут). Но правда в том, что различия есть не только между «госом» и «стартапом» – двух одинаковых компаний просто не существует!
Более того, даже в одной и той же компании можно увидеть:
▪️жесткую иерархию и регламенты в финансах;
▪️гибкость и эксперименты в продукте;
▪️ориентацию на людей в HR;
▪️ориентацию на результат в продажах.
И если пытаться применить одну модель изменений ко всем – начинается то, что обычно называют «провалом трансформации».
Поэтому важно понимать, что в мире не существует универсальной модели трансформации для компаний, но есть контекст и корпоративная культура.
Хорошая трансформация – это не про выбор методологии. Это про способность увидеть, где вы находитесь, и не применять Agile там, где нужна диагностика, и не строить регламенты там, где нужна адаптивность.
👍4🤔3🤝3
Зачем команде трансформации критик?
«Мы наняли человека, чья работа – всем портить настроение» – звучит как шутка? Да, но на практике – это один из самых здравых управленческих шагов, которые можно представить себе в условиях AI-трансформации. Потому что именно в такие моменты компания особенно уязвима не к ошибкам, а к иллюзиям.
Любая команда, внедряющая ИИ, довольно быстро проходит одинаковый путь: сначала появляется интерес и осторожный оптимизм; затем – первые успешные кейсы, которые создают ощущение, что технология действительно способна ускорить практически все; а дальше незаметно возникает опасный сдвиг: команда начинает верить не столько в результат, сколько в сам инструмент… В этот момент из системы начинает пропадать сомнение – тот самый элемент, который удерживает решения в реальности.
Проблема усугубляется тем, что рынок ИИ сегодня перегрет. Мы живем в среде, где много демонстраций, громких заявлений и историй успеха, но крайне мало разговоров о том, где и почему решения не работают. В результате вопрос «а нам это вообще нужно?» практически не встает. У всех работает – значит, заработает и у нас, надо быстрее внедрять…
Но что произойдет если в команде появится критик, чья задача – системно сомневаться. Он не отвечает за внедрение, не заинтересован в успехе конкретного решения и равнодушен к скорости внедрения. Его зона ответственности – находить слабые места, оспаривать выводы, задавать неудобные вопросы и, при необходимости, замедлять процесс.
Продолжение читайте в моем блоге на Яндекс Дзен.
«Мы наняли человека, чья работа – всем портить настроение» – звучит как шутка? Да, но на практике – это один из самых здравых управленческих шагов, которые можно представить себе в условиях AI-трансформации. Потому что именно в такие моменты компания особенно уязвима не к ошибкам, а к иллюзиям.
Любая команда, внедряющая ИИ, довольно быстро проходит одинаковый путь: сначала появляется интерес и осторожный оптимизм; затем – первые успешные кейсы, которые создают ощущение, что технология действительно способна ускорить практически все; а дальше незаметно возникает опасный сдвиг: команда начинает верить не столько в результат, сколько в сам инструмент… В этот момент из системы начинает пропадать сомнение – тот самый элемент, который удерживает решения в реальности.
Проблема усугубляется тем, что рынок ИИ сегодня перегрет. Мы живем в среде, где много демонстраций, громких заявлений и историй успеха, но крайне мало разговоров о том, где и почему решения не работают. В результате вопрос «а нам это вообще нужно?» практически не встает. У всех работает – значит, заработает и у нас, надо быстрее внедрять…
Но что произойдет если в команде появится критик, чья задача – системно сомневаться. Он не отвечает за внедрение, не заинтересован в успехе конкретного решения и равнодушен к скорости внедрения. Его зона ответственности – находить слабые места, оспаривать выводы, задавать неудобные вопросы и, при необходимости, замедлять процесс.
Продолжение читайте в моем блоге на Яндекс Дзен.
👍3🔥2👏2❤1
А что если ИИ принесет нам только хаос?
На днях мне написал клиент:
«Александр, привет! Ты же в этом разбираешься — подскажи. Нам нужен ИИ, который подключится ко всем нашим системам: CRM, переписке с клиентами, почте. Чтобы сам все анализировал и присылал напоминания — типа "сегодня надо отправить клиенту коммерческое предложение", — закрывал рутинный контроль и снимал нагрузку с операционки. Кто такое внедряет?»
Запрос понятный и на первый взгляд логичный. Но в нем зашит один из самых опасных мифов об AI-трансформации: «сейчас внедрим ИИ — и все процессы наладятся». Не наладятся.
ИИ не исправляет систему — он усиливает то, что в ней уже есть. Если задачи живут в хаосе, роли размыты, решения принимаются ситуативно, а процессы существуют только «в головах» сотрудников — ИИ не наведет порядок. Он увеличит число ошибок и усложнит контроль.
Разберем конкретный запрос.
Чтобы агент корректно напомнил «сегодня отправить клиенту КП», в компании уже должно быть:
— четкое понимание, на каком этапе воронки отправляется предложение;
— статус сделки, по которому это видно без звонка менеджеру;
— единый источник данных о клиенте, а не пять чатов в трех мессенджерах;
— регламент: кто и в какой момент отправляет.
Если этого нет, ИИ начнет «напоминать» хаотично — одним по пять раз, другим никогда. Операционка не разгрузится. Она станет громче.
Я не раз видел: после внедрения ИИ сначала все ускоряется, а через пару месяцев становится хуже, чем было. Почему? Раньше хаос был медленным. С ИИ он ускорился.
Поэтому главный вопрос, который почти никто не задает перед внедрением: «а мы справляемся без ИИ?» Не идеально — хоть как-то. Если ответ «нет», внедрять ИИ рано. Сначала описать процессы и навести базовый порядок — и только потом AI-трансформация.
ИИ не чинит систему. Он ее масштабирует. И одинаково хорошо масштабирует и порядок, и беспорядок. Это не страшилка — это архитектурный факт. Любая технология, которая повышает скорость системы, усиливает эффект от ее текущего состояния. Здоровая система растет. Нестабильная — разрушается быстрее.
На днях мне написал клиент:
«Александр, привет! Ты же в этом разбираешься — подскажи. Нам нужен ИИ, который подключится ко всем нашим системам: CRM, переписке с клиентами, почте. Чтобы сам все анализировал и присылал напоминания — типа "сегодня надо отправить клиенту коммерческое предложение", — закрывал рутинный контроль и снимал нагрузку с операционки. Кто такое внедряет?»
Запрос понятный и на первый взгляд логичный. Но в нем зашит один из самых опасных мифов об AI-трансформации: «сейчас внедрим ИИ — и все процессы наладятся». Не наладятся.
ИИ не исправляет систему — он усиливает то, что в ней уже есть. Если задачи живут в хаосе, роли размыты, решения принимаются ситуативно, а процессы существуют только «в головах» сотрудников — ИИ не наведет порядок. Он увеличит число ошибок и усложнит контроль.
Разберем конкретный запрос.
Чтобы агент корректно напомнил «сегодня отправить клиенту КП», в компании уже должно быть:
— четкое понимание, на каком этапе воронки отправляется предложение;
— статус сделки, по которому это видно без звонка менеджеру;
— единый источник данных о клиенте, а не пять чатов в трех мессенджерах;
— регламент: кто и в какой момент отправляет.
Если этого нет, ИИ начнет «напоминать» хаотично — одним по пять раз, другим никогда. Операционка не разгрузится. Она станет громче.
Я не раз видел: после внедрения ИИ сначала все ускоряется, а через пару месяцев становится хуже, чем было. Почему? Раньше хаос был медленным. С ИИ он ускорился.
Поэтому главный вопрос, который почти никто не задает перед внедрением: «а мы справляемся без ИИ?» Не идеально — хоть как-то. Если ответ «нет», внедрять ИИ рано. Сначала описать процессы и навести базовый порядок — и только потом AI-трансформация.
ИИ не чинит систему. Он ее масштабирует. И одинаково хорошо масштабирует и порядок, и беспорядок. Это не страшилка — это архитектурный факт. Любая технология, которая повышает скорость системы, усиливает эффект от ее текущего состояния. Здоровая система растет. Нестабильная — разрушается быстрее.
👍5💯4🤔3
This media is not supported in your browser
VIEW IN TELEGRAM
Тот случай, когда подписчик показывает не «как надо думать», а «каким стеком это делается»
В одном из прошлых постов я использовал картинку из Gemini — мыльную, с опечатками и вёрсткой «впихнули всё, чтобы влезло». Антон Ленев в комментариях коротко объяснил, почему такие задачи давно не решаются image-моделью. Хочу разобрать его рецепт — он меняет привычную логику «сгенерируй мне картинку» и работает на мой взгляд гораздо лучше.
Главная мысль: инфографику не нужно рисовать, её нужно верстать. Image-модель выдаёт пиксели — текст, которые «похож на текст», типографика плывёт, править почти нельзя, только перегенерировать. А агент-верстальщик отдаёт HTML/CSS — текст остаётся текстом, стили меняются за секунды, правки точечные.
Пайплайн, который предложил Антон:
▪️ Frontend designer skill + agent-browser (или любой другой браузер, где агент сам видит результат).
▪️ На вход — текст или картинка-референс того, что хочется получить.
▪️Агент наверстывает первую версию.
▪️ Дальше вы итеративно правите стили как удобно — цвета, шрифты, отступы.
И второй важный ход: не впихивайте всё в один кадр. Если тезисов больше, чем помещается на одном слайде, это уже не инфографика, это каша. Антон сразу предлагает собирать не статичную картинку, а короткое видео на Remotion — это React-фреймворк, в котором видео описывается кодом: слайды, анимации, таймлайн. Каждый тезис живёт в своём кадре и не воюет за место с соседями.
По сути, мы годами заставляли image-модели делать работу вёрстки и монтажа — просто потому что они первыми оказались под рукой. Хорошо, что появились скиллы и агенты, которые возвращают эту работу туда, где ей место.
Антон, спасибо — утащил в свой рабочий процесс.
В одном из прошлых постов я использовал картинку из Gemini — мыльную, с опечатками и вёрсткой «впихнули всё, чтобы влезло». Антон Ленев в комментариях коротко объяснил, почему такие задачи давно не решаются image-моделью. Хочу разобрать его рецепт — он меняет привычную логику «сгенерируй мне картинку» и работает на мой взгляд гораздо лучше.
Главная мысль: инфографику не нужно рисовать, её нужно верстать. Image-модель выдаёт пиксели — текст, которые «похож на текст», типографика плывёт, править почти нельзя, только перегенерировать. А агент-верстальщик отдаёт HTML/CSS — текст остаётся текстом, стили меняются за секунды, правки точечные.
Пайплайн, который предложил Антон:
▪️ Frontend designer skill + agent-browser (или любой другой браузер, где агент сам видит результат).
▪️ На вход — текст или картинка-референс того, что хочется получить.
▪️Агент наверстывает первую версию.
▪️ Дальше вы итеративно правите стили как удобно — цвета, шрифты, отступы.
И второй важный ход: не впихивайте всё в один кадр. Если тезисов больше, чем помещается на одном слайде, это уже не инфографика, это каша. Антон сразу предлагает собирать не статичную картинку, а короткое видео на Remotion — это React-фреймворк, в котором видео описывается кодом: слайды, анимации, таймлайн. Каждый тезис живёт в своём кадре и не воюет за место с соседями.
По сути, мы годами заставляли image-модели делать работу вёрстки и монтажа — просто потому что они первыми оказались под рукой. Хорошо, что появились скиллы и агенты, которые возвращают эту работу туда, где ей место.
Антон, спасибо — утащил в свой рабочий процесс.
👍4🤝3🤔2✍1
Что дают разные проекции данных?
И что это вообще такое…
Один из самых сложных моментов в работе с любыми данными – это подобрать для них «правильное представление» – ту самую диаграмму, дашборд или другую структуру, которая расставит все по местам, ведь в зависимости от того, с какой стороны мы смотрим на данные, мы буквально можем видеть разную картину.
Как работать с одним и тем же массивом информации используя разные проекции можно понять на примере инструментов вроде Canvas Explorer, при помощи которых набор данных можно развернуть сразу в несколько форматов: как Solar Map, как Mindmap или как ER-диаграмму. Формально ничего не меняется… кроме смысла, который мы из этого извлекаем. В одном режиме мы видим центр системы и силу притяжения вокруг него. В другом – логику разветвления и развитие идей. В третьем – строгую структуру, зависимости и формальные связи…
Продолжение читайте в моем блоге на Яндекс Дзен.
И что это вообще такое…
Один из самых сложных моментов в работе с любыми данными – это подобрать для них «правильное представление» – ту самую диаграмму, дашборд или другую структуру, которая расставит все по местам, ведь в зависимости от того, с какой стороны мы смотрим на данные, мы буквально можем видеть разную картину.
Как работать с одним и тем же массивом информации используя разные проекции можно понять на примере инструментов вроде Canvas Explorer, при помощи которых набор данных можно развернуть сразу в несколько форматов: как Solar Map, как Mindmap или как ER-диаграмму. Формально ничего не меняется… кроме смысла, который мы из этого извлекаем. В одном режиме мы видим центр системы и силу притяжения вокруг него. В другом – логику разветвления и развитие идей. В третьем – строгую структуру, зависимости и формальные связи…
Продолжение читайте в моем блоге на Яндекс Дзен.
🔥2👌2👨💻2
Познакомился с Арсением Трушиным - основателем компании «Техноаналитприбор». Компания небольшой командной делает сложные НИОКРы и высокотехнологичную продукцию, которую еще и экспортируют зарубеж (делают газоанализаторы для ГОК).
Начал с ними работать в формате командного трекинга, цель - разгрузить и систематизировать операционные процессы. Их пост ниже.
Начал с ними работать в формате командного трекинга, цель - разгрузить и систематизировать операционные процессы. Их пост ниже.
❤2👍1🔥1
Forwarded from Размышления физика предпринимателя
В “Техноаналитприбор” мы стараемся использовать современные технологии, в том числе и ИИ. Но мы понимаем, что для бизнеса настоящий эффект начинается тогда, когда технология становится частью внутренних процессов компании. Об этом на недавней встрече мы пообщались с Александром Петровым – специалистом в сфере ИИ-трансформации бизнеса. И вот к каким выводам я пришел по итогам разговора…
Все больше компаний сегодня переходят от точечного использования ИИ к полноценной цифровой перестройке бизнеса. Во многих компаниях сейчас ситуация выглядит одинаково: часть сотрудников использует нейросети для личных задач, кто-то применяет их в работе, но в целом процессы остаются прежними, информация хранится в разных местах, встречи проходят регулярно, но решения теряются, а актуальные версии файлов приходится искать вручную.
Если использовать искусственный интеллект как управленческий слой компании, то можно упростить ряд процессов и сделать их более эффективными – такие решения есть и активно используются бизнесом.
Например, можно автоматизировать работу с совещаниями. Если после совещаний появляются стенограммы, которые вручную сортируются, пересылаются и раскладываются по папкам, то это отнимает время и создает хаос. ИИ может автоматически собирать новые расшифровки встреч; определять тему разговора; выделять поручения; формировать протоколы и раздавать задачи ответственным. ИИ также может отслеживать сроки и рассылать нужную информацию и данные участникам.
Систематизация внутренней базы знаний компании – еще одна задача, для которой может применяться ИИ. Во многих организациях знания находятся “в головах людей”: один человек знает, где лежит нужная презентация, другой – помнит договоренности с клиентом, третий – почему проект когда-то остановили… Когда человек уходит, знания уходят вместе с ним, но ИИ может помочь построить “цифровую память”, где можно будет найти данные обсуждений по проектам; договоренности с клиентами; актуальные документы; внутренние инструкции; материалы для продаж и маркетинга. Так разрозненная информация станет активом бизнеса.
Еще одна цель – перестать собирать отчеты вручную. Вместо бесконечных таблиц и запросов руководитель хочет понимать, что произошло за месяц, где были сорваны сроки, какие проекты забуксовали, какие риски появились и т.д. ИИ может анализировать поток внутренних данных и собирать сводку быстрее любого ручного отчета.
Почему все это важно именно сейчас?
Потому что сегодня использовать ИИ нужно ради моды, а ради роста бизнеса. Пока компания маленькая, многое держится на личном контроле собственника, но как только она начинает расти – становится больше проектов, больше сотрудников, больше клиентов и старая модель перестает работать. Именно здесь ИИ может стать инфраструктурой роста.
Please open Telegram to view this post
VIEW IN TELEGRAM
❤3👍2🔥2
Оптимизация_применения_ИИ_агентов_в_проектной_деятельности.pdf
1.6 MB
Неделю назад был в Рыбинске (кстати, это мой родной город) — участвовал в форуме «Инновации и технологии производства» (ИТП).
Я выступал с докладом про графы знаний и их роль в проектном управлении. После серии более научных выступлений, у меня получилось немного сместить фокус в сторону практики и предпринимательского взгляда на ИИ.
Аудитория встретила доклад хорошо — у нас завязалась дискуссия о том, в чем именно ценность современных AI-подходов, и эту дискуссию я планирую продолжить здесь в блоге. Думаю, что причиной спора стало расхождение во взглядах на объект применения ИИ: с одной стороны — это физические и инженерные модели, с другой — системы управления знаниями и командной работы.
Сейчас готовлю пост, основанный на доводах моего оппонента — скоро отдельного материала и опубликую здесь. А пока делюсь презентацией к моему выступлению, чтобы вы могли составить свое мнение по данной теме!
Я выступал с докладом про графы знаний и их роль в проектном управлении. После серии более научных выступлений, у меня получилось немного сместить фокус в сторону практики и предпринимательского взгляда на ИИ.
Аудитория встретила доклад хорошо — у нас завязалась дискуссия о том, в чем именно ценность современных AI-подходов, и эту дискуссию я планирую продолжить здесь в блоге. Думаю, что причиной спора стало расхождение во взглядах на объект применения ИИ: с одной стороны — это физические и инженерные модели, с другой — системы управления знаниями и командной работы.
Сейчас готовлю пост, основанный на доводах моего оппонента — скоро отдельного материала и опубликую здесь. А пока делюсь презентацией к моему выступлению, чтобы вы могли составить свое мнение по данной теме!
👍4❤1🔥1
Как вы думаете, почему сотрудники некоторых компаний не используют ИИ, ведь это же удобно)
Из страха?
Непонимания?
Или лени?
Выберите один из вариантов ответа или напишите свое мнение в комментариях.
Из страха?
Непонимания?
Или лени?
Выберите один из вариантов ответа или напишите свое мнение в комментариях.
🔥2🤔2👌1
Почему сотрудники некоторых компаний не используют ИИ?
Anonymous Poll
38%
Не хотят разбираться
29%
Не понимают ценности ИИ
29%
Боятся ошибок / не доверяют новым технологиям
38%
Боятся, что ИИ заменит их же
33%
Им просто удобнее работать по-старому
5%
В смысле не используют? Разве не все уже работают с AI?
10%
Свой вариант (напишу в комментариях)
На сайте «Бизнес Секретов» вышла моя статья о Time blocking с AI и, возможно вы тоже заметили, что когда начинаешь использовать ИИ, то все как будто бы еще сильнее ускоряется, а классический календарь не справляется с этим ритмом.
В тексте я рассказал, как AI меняет подход к управлению временем и почему одна из граней будущего productivity-инструментов - умные календари и системы динамического планирования.
Разобрал:
— что такое time blocking и почему он работает;
— как AI-календари помогают снизить перегруз;
— почему мы неправильно расставляем приоритеты;
— какие инструменты уже сейчас стоит попробовать (Motion, Sunsama, Reclaim, Akiflow и др.).
Получилась практическая статья про внимание, энергию и основанный на ИИ подход к управлению своим временем.
Сам я к своему удивлению практически пересел с АтласТрекера (ex.RedForester), на связку Claude Code + Mionika (тоже наш продукт) + Google Calendar - завайбкодив time-blocking под себя :)
Почитать можно здесь: https://secrets.tbank.ru/blogi-kompanij/time-blocking-s-ai/
В тексте я рассказал, как AI меняет подход к управлению временем и почему одна из граней будущего productivity-инструментов - умные календари и системы динамического планирования.
Разобрал:
— что такое time blocking и почему он работает;
— как AI-календари помогают снизить перегруз;
— почему мы неправильно расставляем приоритеты;
— какие инструменты уже сейчас стоит попробовать (Motion, Sunsama, Reclaim, Akiflow и др.).
Получилась практическая статья про внимание, энергию и основанный на ИИ подход к управлению своим временем.
Сам я к своему удивлению практически пересел с АтласТрекера (ex.RedForester), на связку Claude Code + Mionika (тоже наш продукт) + Google Calendar - завайбкодив time-blocking под себя :)
Почитать можно здесь: https://secrets.tbank.ru/blogi-kompanij/time-blocking-s-ai/
🔥4👍2👀2
В продолжение вчерашней темы: да, действительно, далеко не все сегодня используют ИИ!
В бизнесе распространена ситуация, когда руководство оформило корпоративную подписку на крутую модель, раздало всем доступы… а сотрудники поиграли с ИИ две недели и вернулись в Excel… Не, ну прям честно - вижу такое у клиентов часто.
При этом начало, как правило, выглядят многообещающе: кто-то генерирует письма, кто-то просит ИИ сделать таблицу, в рабочих чатах обсуждают промпты и делятся впечатлениями… но проходит месяц и наступает тишина.
Большинство сотрудников возвращаются туда, где работали всегда: Excel, привычные чаты, ручные отчеты и старые шаблоны. Сразу скажу, что причина всему не лень сотрудников. Это так называемый институциональный откат.
Любая система стремится вернуться в знакомое состояние, если изменения не встроены в процессы. Люди работают не в вакууме – они находятся внутри культуры компании, KPI, регламентов, сроков, ответственности и привычек руководителей. Если сотруднику дали ChatGPT, но время на обучение не выделили, результат оценивают по старым метрикам и процессы внутри компании не изменились, то система почти гарантированно вытолкнет человека обратно в старые рельсы. Потому что там безопаснее и все уже знакомо.
И есть еще одна проблема, о которой редко говорят. Когда компания запускает “новую большую инициативу”, а потом она тихо исчезает, сотрудники делают выводы и в следующий раз, услышав слова “трансформация”, “инновации”, “новый подход”, многие просто закатят глаза, потому что доверие к изменениям тоже расходуется. Именно поэтому быстрое внедрение ИИ без фундамента дает не прогресс, а только его иллюзию. Кажется, что движение началось: купили лицензии, сделали презентацию, написали новость в корпоративный канал… Но если не меняется управленческий контур, роли, обучение и реальные рабочие сценарии, то чуда не произойдет.
Чтобы избежать этого печального сценария важно показывать сотрудникам измеримый эффект от использования ИИ и менять сами процессы, а не только инструменты. Внедрение ИИ сегодня редко проваливается из-за технологий и достаточно часто из-за того, что компания пытается встроить будущее в систему, которая держится за прошлое.
В бизнесе распространена ситуация, когда руководство оформило корпоративную подписку на крутую модель, раздало всем доступы… а сотрудники поиграли с ИИ две недели и вернулись в Excel… Не, ну прям честно - вижу такое у клиентов часто.
При этом начало, как правило, выглядят многообещающе: кто-то генерирует письма, кто-то просит ИИ сделать таблицу, в рабочих чатах обсуждают промпты и делятся впечатлениями… но проходит месяц и наступает тишина.
Большинство сотрудников возвращаются туда, где работали всегда: Excel, привычные чаты, ручные отчеты и старые шаблоны. Сразу скажу, что причина всему не лень сотрудников. Это так называемый институциональный откат.
Любая система стремится вернуться в знакомое состояние, если изменения не встроены в процессы. Люди работают не в вакууме – они находятся внутри культуры компании, KPI, регламентов, сроков, ответственности и привычек руководителей. Если сотруднику дали ChatGPT, но время на обучение не выделили, результат оценивают по старым метрикам и процессы внутри компании не изменились, то система почти гарантированно вытолкнет человека обратно в старые рельсы. Потому что там безопаснее и все уже знакомо.
И есть еще одна проблема, о которой редко говорят. Когда компания запускает “новую большую инициативу”, а потом она тихо исчезает, сотрудники делают выводы и в следующий раз, услышав слова “трансформация”, “инновации”, “новый подход”, многие просто закатят глаза, потому что доверие к изменениям тоже расходуется. Именно поэтому быстрое внедрение ИИ без фундамента дает не прогресс, а только его иллюзию. Кажется, что движение началось: купили лицензии, сделали презентацию, написали новость в корпоративный канал… Но если не меняется управленческий контур, роли, обучение и реальные рабочие сценарии, то чуда не произойдет.
Чтобы избежать этого печального сценария важно показывать сотрудникам измеримый эффект от использования ИИ и менять сами процессы, а не только инструменты. Внедрение ИИ сегодня редко проваливается из-за технологий и достаточно часто из-за того, что компания пытается встроить будущее в систему, которая держится за прошлое.
👏4🔥2💯2
Что стартапы YC говорят о будущем рынка AI и B2B
Рынок ИИ сегодня – одна из самых быстроразвивающихся сфер в мире. Когда рынок меняется слишком быстро, полезно замечать не только последние новости сферы, но и то, куда идут деньги, где работают таланты и на что обращают внимание сильные акселераторы. Один из таких ориентиров – Y Combinator (YC) – стартап-акселератор, который помогает молодым компаниям быстро расти.
YC уже перестал быть просто акселератором для молодых компаний. Это своеобразный радар технологических трендов. Именно там часто появляются идеи, которые через несколько лет становятся стандартом индустрии. За последние циклы через YC прошло множество AI-компаний, и, если собрать их вместе, можно увидеть не просто список стартапов, а карту будущего B2B-рынка.
Я спарсил и проанализировал на список AI-стартапов YC и попробовал ответить на главный вопрос: что этот массив данных говорит нам о корпоративном рынке технологий? И вот к каким выводам я прошел.
Продолжение читайте в моем блоге на Яндекс Дзен.
Рынок ИИ сегодня – одна из самых быстроразвивающихся сфер в мире. Когда рынок меняется слишком быстро, полезно замечать не только последние новости сферы, но и то, куда идут деньги, где работают таланты и на что обращают внимание сильные акселераторы. Один из таких ориентиров – Y Combinator (YC) – стартап-акселератор, который помогает молодым компаниям быстро расти.
YC уже перестал быть просто акселератором для молодых компаний. Это своеобразный радар технологических трендов. Именно там часто появляются идеи, которые через несколько лет становятся стандартом индустрии. За последние циклы через YC прошло множество AI-компаний, и, если собрать их вместе, можно увидеть не просто список стартапов, а карту будущего B2B-рынка.
Я спарсил и проанализировал на список AI-стартапов YC и попробовал ответить на главный вопрос: что этот массив данных говорит нам о корпоративном рынке технологий? И вот к каким выводам я прошел.
Продолжение читайте в моем блоге на Яндекс Дзен.
👍5🔥4🤔2
Делюсь с вами ссылкой на еще одну мою статью
В журнале "Люди и Деньги" вышла статья о внедрении ИИ в малом бизнесе, где 9 экспертов порассужадли о внедрении, ошибках и реальной пользе искуственного интеллекта.
Мы вместе с другими экспертами обсудили:
— где AI действительно помогает компаниям;
— почему многие внедрения проваливаются;
— какие ошибки бизнес совершает чаще всего;
— и почему ИИ — это уже не «игрушка», а часть операционной системы бизнеса.
Я отдельно поделился взглядом на то, почему AI не исправляет хаос в компании, а усиливает существующую систему — и почему без управления знаниями и перестройки процессов внедрение почти всегда упирается в потолок.
Почитать статью можно здесь: https://peoplemoney.online/ii-v-malom-biznese-9-ekspertov-o-vnedrenii-oshibkah-i-realnoj-polze/
В журнале "Люди и Деньги" вышла статья о внедрении ИИ в малом бизнесе, где 9 экспертов порассужадли о внедрении, ошибках и реальной пользе искуственного интеллекта.
Мы вместе с другими экспертами обсудили:
— где AI действительно помогает компаниям;
— почему многие внедрения проваливаются;
— какие ошибки бизнес совершает чаще всего;
— и почему ИИ — это уже не «игрушка», а часть операционной системы бизнеса.
Я отдельно поделился взглядом на то, почему AI не исправляет хаос в компании, а усиливает существующую систему — и почему без управления знаниями и перестройки процессов внедрение почти всегда упирается в потолок.
Почитать статью можно здесь: https://peoplemoney.online/ii-v-malom-biznese-9-ekspertov-o-vnedrenii-oshibkah-i-realnoj-polze/
🔥4👍2👀2
Как с помощью ИИ навести порядок в совещаниях?
Работая с искусственным интеллектом пришел к выводу, что он имеет ценность только тогда, когда помогает нам экономить время и быстрее достигать решения поставленных задач. CFO из “красных” компаний говорят “если вы никого не уволили, то вы ничего не сэкономили”. На деле конечно же это не так, в особенности, если вы уже миновали красный уровень развития по модели спиральной динамики.
В группе компаний “Диалектика”, мы помогаем бизнесу расти с помощью систематизации и автоматизации процессов и сегодня хочу поделиться с вами одним интересным кейсом.
Уверен, каждый хоть раз выходил с совещания с ощущением, что «вроде поговорили, но что дальше делать непонятно»: вы потратили время, обсудили десятки вопросов, но часть из них сразу потерялась, часть – зависла без ответственных, и только оставшиеся ушли в исполнение...
У компании-клиента за раз на совещаниях поднималось до 40 вопросов. Руководители тратили очень много времени на фиксацию договоренностей, а еще больше на попытки понять, кто и что обещал на встрече и на каком этапе сейчас находится задача.
Что мы сделали, чтобы изменить ситуацию:
▪️ Внедрили ИИ-систему на базе Claude для автоматической обработки транскриптов встреч (через MyMeet.ai). Здесь же собирались фотографии заметок и записей с офлайн-совещаний;
▪️ Настроили автоматическое извлечение вопросов, задач и предлагаемых решений из разговора;
▪️ А дальше ИИ категоризировал темы, находил дублирующиеся вопросы и выявлял связи между ними. В результате, вся информация автоматически превращалась в граф задач в Яндекс трекере с назначением ответственных и статусами.
Что получил бизнес:
Время совещаний сократилось на 20–30%, а процент выполненных задач – вырос. Появилась прозрачная история обсуждений и решений, количество «потерянных» поручений снизилось, а уровень дисциплины поднялся.
Сегодня большинство компаний пытаются поднять эффективность совещаний за счет введения новых регламентов и проведения дополнительных созвонов. Но проблема часто кроется не в нехватке времени, а в информационном хаосе: если вопросов много, дополнительные созвоны не помогут. А вот ИИ может помочь. Он слушает, структурирует, напоминает и помогает доводить договоренности до результата.
Прямо сейчас похожую проблему мы решаем еще для одной компании – о результатах и изменениях расскажу в блоге.
Работая с искусственным интеллектом пришел к выводу, что он имеет ценность только тогда, когда помогает нам экономить время и быстрее достигать решения поставленных задач. CFO из “красных” компаний говорят “если вы никого не уволили, то вы ничего не сэкономили”. На деле конечно же это не так, в особенности, если вы уже миновали красный уровень развития по модели спиральной динамики.
В группе компаний “Диалектика”, мы помогаем бизнесу расти с помощью систематизации и автоматизации процессов и сегодня хочу поделиться с вами одним интересным кейсом.
Уверен, каждый хоть раз выходил с совещания с ощущением, что «вроде поговорили, но что дальше делать непонятно»: вы потратили время, обсудили десятки вопросов, но часть из них сразу потерялась, часть – зависла без ответственных, и только оставшиеся ушли в исполнение...
У компании-клиента за раз на совещаниях поднималось до 40 вопросов. Руководители тратили очень много времени на фиксацию договоренностей, а еще больше на попытки понять, кто и что обещал на встрече и на каком этапе сейчас находится задача.
Что мы сделали, чтобы изменить ситуацию:
▪️ Внедрили ИИ-систему на базе Claude для автоматической обработки транскриптов встреч (через MyMeet.ai). Здесь же собирались фотографии заметок и записей с офлайн-совещаний;
▪️ Настроили автоматическое извлечение вопросов, задач и предлагаемых решений из разговора;
▪️ А дальше ИИ категоризировал темы, находил дублирующиеся вопросы и выявлял связи между ними. В результате, вся информация автоматически превращалась в граф задач в Яндекс трекере с назначением ответственных и статусами.
Что получил бизнес:
Время совещаний сократилось на 20–30%, а процент выполненных задач – вырос. Появилась прозрачная история обсуждений и решений, количество «потерянных» поручений снизилось, а уровень дисциплины поднялся.
Сегодня большинство компаний пытаются поднять эффективность совещаний за счет введения новых регламентов и проведения дополнительных созвонов. Но проблема часто кроется не в нехватке времени, а в информационном хаосе: если вопросов много, дополнительные созвоны не помогут. А вот ИИ может помочь. Он слушает, структурирует, напоминает и помогает доводить договоренности до результата.
Прямо сейчас похожую проблему мы решаем еще для одной компании – о результатах и изменениях расскажу в блоге.
❤5👍4🔥4🤔1
ИИ не заберет вашу работу – ее заберет человек, который использует ИИ
Именно так звучит ключевая мысль одного из самых популярных критиков технологической индустрии – Скотта Гэллоуэй. Недавно на Habr вышел текст, в котором Гэллоуэй рассуждает о катастрофизации вокруг ИИ и о том, кто выигрывает от этой революции и какой навык люди сейчас теряют быстрее всего.
Скотт Гэллоуэй высказал интересную мысль про AI: проблема сегодня не столько в самой технологии, сколько в том, как её продают обществу. По его мнению, многие AI-компании намеренно «катастрофизируют» будущее, рассказывая про массовую потерю работы и радикальную перестройку мира, чтобы оправдать гигантские инвестиции.
При этом реальность пока выглядит гораздо сложнее. Да, AI действительно меняет рынок труда, но главный эффект заключается не в исчезновении профессий, а их «уплотнение»: один специалист с AI-инструментами начинает делать работу нескольких человек.
Еще одна сильная мысль Гэллоуэя состоит в том, что главная угроза AI может оказаться не экономической, а социальной. Он считает, что технологии все сильнее подталкивают людей к одиночеству и замене реальных отношений «удобной цифровой копией жизни».
И, кажется, это один из самых недооцененных эффектов AI-революции.
А что вы думаете об этом и об эффекте, который ИИ приносит в нашу жизнь?
Именно так звучит ключевая мысль одного из самых популярных критиков технологической индустрии – Скотта Гэллоуэй. Недавно на Habr вышел текст, в котором Гэллоуэй рассуждает о катастрофизации вокруг ИИ и о том, кто выигрывает от этой революции и какой навык люди сейчас теряют быстрее всего.
Скотт Гэллоуэй высказал интересную мысль про AI: проблема сегодня не столько в самой технологии, сколько в том, как её продают обществу. По его мнению, многие AI-компании намеренно «катастрофизируют» будущее, рассказывая про массовую потерю работы и радикальную перестройку мира, чтобы оправдать гигантские инвестиции.
При этом реальность пока выглядит гораздо сложнее. Да, AI действительно меняет рынок труда, но главный эффект заключается не в исчезновении профессий, а их «уплотнение»: один специалист с AI-инструментами начинает делать работу нескольких человек.
Еще одна сильная мысль Гэллоуэя состоит в том, что главная угроза AI может оказаться не экономической, а социальной. Он считает, что технологии все сильнее подталкивают людей к одиночеству и замене реальных отношений «удобной цифровой копией жизни».
И, кажется, это один из самых недооцененных эффектов AI-революции.
А что вы думаете об этом и об эффекте, который ИИ приносит в нашу жизнь?
🤔2🙏2❤1👍1👀1