This media is not supported in your browser
VIEW IN TELEGRAM
👍5🔥5❤2🤩1
🧪🌍 ИИ научился запускать «рынок» ещё до запуска продукта. И речь уже про миллиарды виртуальных агентов
За последние два месяца вышли две статьи, которые вместе показывают очень интересный тренд:
❌ вместо того чтобы сразу тестировать идею на реальных людях, компании смогут сначала прогнать её через огромное синтетическое общество из ИИ-агентов.
В одной работе исследователи построили Light Society — систему, способную моделировать взаимодействия более 1 млрд агентов. Причём агентам задаются демография, убеждения, цели, память и социальные связи, а затем исследователи смотрят, как внутри такой «страны в компьютере» распространяются мнения и меняется поведение.
Во второй работе — MatrAIx — авторы пошли ещё ближе к бизнесу.
Они создали базу 8,3 млрд различных персон с 1 290 характеристиками: от возраста, дохода и профессии до привычек, интересов, навыков и отношения к технологиям. Важно: это не 8,3 млрд одновременно запущенных ИИ-агентов, а огромная база профилей, из которой можно собирать нужную аудиторию и превращать выбранные профили в агентов.
🤯 И вот тут начинается самое интересное для бизнеса.
Представьте, что вы хотите поднять цену продукта.
Сегодня варианты примерно такие:
• провести опрос;
• собрать фокус-группу;
• сделать A/B-тест на реальных клиентах;
• просто повысить цену и посмотреть, что случится 😁
А теперь появляется ещё один вариант:
💡создать несколько тысяч виртуальных клиентов с разными доходами, возрастом, мотивацией и привычками — и сначала протестировать решение на них.
В MatrAIx исследователи как раз показывают такие сценарии: что произойдёт после повышения цены, продолжит ли человек пользоваться ИИ-помощником после его ошибки, насколько разные пользователи готовы терпеть медленный ответ сервиса и т.д. Система умеет взаимодействовать с опросами, чат-ботами, сайтами и приложениями. Всего авторы подготовили 1 010 задач более чем в 25 отраслях и провели 18 189 экспериментальных прогонов.
📌 Почему две статьи вместе важнее каждой по отдельности?
Потому что мы постепенно переходим от:
«ИИ имитирует одного человека»
к:
«ИИ имитирует рынок и общество, где миллионы агентов взаимодействуют друг с другом».
А это уже совершенно другой инструмент.
💲 Что можно будет проверять до выхода в реальный мир?
1️⃣ Цены
Как повышение цены повлияет на разные группы покупателей и кто отвалится первым.
2️⃣ Новые продукты
Как разные типы клиентов будут пользоваться новой функцией ещё до дорогостоящего массового запуска.
3️⃣ Маркетинг
Как один и тот же оффер воспринимают люди разных возрастов, доходов, профессий и взглядов.
4️⃣ Интерфейсы и сервис
Где пользователь запутается, когда бросит оформление заказа, сколько ошибок простит чат-боту.
5️⃣ Репутационные сценарии
Как новость, слух или изменение политики компании может распространяться через социальную сеть и влиять на разные группы людей.
Light Society, например, уже моделирует распространение мнений внутри сети из миллиарда агентов.
🐚 А теперь главный вывод.
Мне кажется, здесь зарождается новый класс бизнес-инструментов — «цифровые полигоны» для управленческих решений.
До того как:
👉 изменить цену,
👉 запустить продукт,
👉 переделать интерфейс,
можно будет спросить:
«А что произойдёт, если мы сначала дадим это виртуальному рынку?»
И провести тысячи сценариев за компьютером, прежде чем экспериментировать на настоящих клиентах.
И вот это уже может очень сильно изменить экономику продуктовых исследований.
💬 Вопрос товарищи:
Если бы сегодня у вас был достаточно точный «виртуальный рынок», какое решение вы бы первым прогнали через него — цену, новый продукт, рекламу или интерфейс? 👇
За последние два месяца вышли две статьи, которые вместе показывают очень интересный тренд:
❌ вместо того чтобы сразу тестировать идею на реальных людях, компании смогут сначала прогнать её через огромное синтетическое общество из ИИ-агентов.
В одной работе исследователи построили Light Society — систему, способную моделировать взаимодействия более 1 млрд агентов. Причём агентам задаются демография, убеждения, цели, память и социальные связи, а затем исследователи смотрят, как внутри такой «страны в компьютере» распространяются мнения и меняется поведение.
Во второй работе — MatrAIx — авторы пошли ещё ближе к бизнесу.
Они создали базу 8,3 млрд различных персон с 1 290 характеристиками: от возраста, дохода и профессии до привычек, интересов, навыков и отношения к технологиям. Важно: это не 8,3 млрд одновременно запущенных ИИ-агентов, а огромная база профилей, из которой можно собирать нужную аудиторию и превращать выбранные профили в агентов.
🤯 И вот тут начинается самое интересное для бизнеса.
Представьте, что вы хотите поднять цену продукта.
Сегодня варианты примерно такие:
• провести опрос;
• собрать фокус-группу;
• сделать A/B-тест на реальных клиентах;
• просто повысить цену и посмотреть, что случится 😁
А теперь появляется ещё один вариант:
💡создать несколько тысяч виртуальных клиентов с разными доходами, возрастом, мотивацией и привычками — и сначала протестировать решение на них.
В MatrAIx исследователи как раз показывают такие сценарии: что произойдёт после повышения цены, продолжит ли человек пользоваться ИИ-помощником после его ошибки, насколько разные пользователи готовы терпеть медленный ответ сервиса и т.д. Система умеет взаимодействовать с опросами, чат-ботами, сайтами и приложениями. Всего авторы подготовили 1 010 задач более чем в 25 отраслях и провели 18 189 экспериментальных прогонов.
📌 Почему две статьи вместе важнее каждой по отдельности?
Потому что мы постепенно переходим от:
«ИИ имитирует одного человека»
к:
А это уже совершенно другой инструмент.
💲 Что можно будет проверять до выхода в реальный мир?
1️⃣ Цены
Как повышение цены повлияет на разные группы покупателей и кто отвалится первым.
2️⃣ Новые продукты
Как разные типы клиентов будут пользоваться новой функцией ещё до дорогостоящего массового запуска.
3️⃣ Маркетинг
Как один и тот же оффер воспринимают люди разных возрастов, доходов, профессий и взглядов.
4️⃣ Интерфейсы и сервис
Где пользователь запутается, когда бросит оформление заказа, сколько ошибок простит чат-боту.
5️⃣ Репутационные сценарии
Как новость, слух или изменение политики компании может распространяться через социальную сеть и влиять на разные группы людей.
Light Society, например, уже моделирует распространение мнений внутри сети из миллиарда агентов.
🐚 А теперь главный вывод.
Мне кажется, здесь зарождается новый класс бизнес-инструментов — «цифровые полигоны» для управленческих решений.
До того как:
👉 изменить цену,
👉 запустить продукт,
👉 переделать интерфейс,
можно будет спросить:
«А что произойдёт, если мы сначала дадим это виртуальному рынку?»
И провести тысячи сценариев за компьютером, прежде чем экспериментировать на настоящих клиентах.
И вот это уже может очень сильно изменить экономику продуктовых исследований.
💬 Вопрос товарищи:
Если бы сегодня у вас был достаточно точный «виртуальный рынок», какое решение вы бы первым прогнали через него — цену, новый продукт, рекламу или интерфейс? 👇
🔥10❤4👍4💯2
🤖💸 Билл Гейтс: "ИИ нужно обложить налогом. И некоторые профессии сознательно оставить людям"
Билл Гейтс опубликовал большой текст об эпохе ИИ. И это, пожалуй, один из самых тревожных его материалов за последнее время.
Главная мысль:
ИИ либо станет величайшим инструментом выравнивания возможностей в истории — либо создаст чудовищное неравенство
И Гейтс считает, что мы пока вообще не готовы ко второму сценарию.
🐚Почему?
Потому что нынешняя технологическая революция отличается от предыдущих.
Когда появились компьютеры, бизнесу потребовались десятилетия, чтобы перестроить процессы.
ИИ уже работает на существующих устройствах, понимает обычный язык и может обучаться на тех же материалах, на которых компании обучают сотрудников.
То есть скорость его проникновения в бизнес может быть совершенно другой
⚠️ Гейтс выделяет три больших риска
1️⃣ Часть рабочих мест исчезнет навсегда
Под ударом — продажи, клиентская поддержка, программирование, юридическая работа, аналитика, кредитный скоринг и даже часть медицинских задач.
А вслед за «офисным» ИИ придут роботы — в строительство, гостиницы, производство и другие физические профессии.
И здесь включается очень простой экономический механизм:
одна компания автоматизировалась → снизила издержки → снизила цены → конкурентам тоже приходится автоматизироваться.
То есть внедрение ИИ будет ускорять не только технология, но и обычная конкуренция
2️⃣ ИИ резко удешевит кибератаки, мошенничество и манипуляции
Тот же ИИ, который помогает компании найти уязвимость, может помочь преступнику её использовать.
А стоимость подобных атак будет падать.
3️⃣ ИИ может начать заменять не только работу, но и человеческие отношения
Гейтс отдельно беспокоится об ИИ-компаньонах, детях, образовании и снижении критического мышления.
Но самое интересное начинается дальше.
💰 Гейтс предлагает облагать налогом ИИ и роботов
Логика такая:
когда компания нанимает человека — она платит налоги с его труда.
Когда компания покупает робота — это, наоборот, зачастую становится расходом бизнеса.
Получается, налоговая система сама делает замену человека машиной экономически привлекательнее.
Поэтому Гейтс предлагает налог на роботов и использование ИИ, а полученные деньги направлять на переобучение и поддержку людей, потерявших работу.
👨⚕️ А ещё он предлагает новую концепцию — Human Reserved, то есть «зарезервировано для людей».
Смысл:
даже если ИИ или робот технически способен выполнять какую-то работу, общество может сознательно решить:
нет, здесь должен оставаться человек
Например, сообщение пациенту о смертельном диагнозе, уход за пожилыми, часть образования или психотерапии.
👀 Что здесь важно для бизнеса
На мой взгляд, Гейтс описывает будущий конфликт, который пока недооценивают.
С одной стороны:
👉 автоматизация становится экономически неизбежной;
👉 компания, которая не использует ИИ, рискует проиграть по себестоимости конкуренту, который использует;
👉 малый бизнес получает возможности, которые раньше требовали большого штата и огромных бюджетов.
С другой:
👉 государства могут начать налогооблагать автоматизацию;
👉 появятся профессии и процессы, где использование ИИ могут сознательно ограничить;
👉 стоимость сокращения сотрудников перестанет быть только внутренним решением бизнеса.
💬 А что, думаете вы? Если ИИ действительно начнёт массово заменять людей — нужно ли вводить налог на ИИ и роботов?
Или это просто искусственное торможение прогресса?
Пишите в комментариях 👇
Билл Гейтс опубликовал большой текст об эпохе ИИ. И это, пожалуй, один из самых тревожных его материалов за последнее время.
Главная мысль:
ИИ либо станет величайшим инструментом выравнивания возможностей в истории — либо создаст чудовищное неравенство
И Гейтс считает, что мы пока вообще не готовы ко второму сценарию.
🐚Почему?
Потому что нынешняя технологическая революция отличается от предыдущих.
Когда появились компьютеры, бизнесу потребовались десятилетия, чтобы перестроить процессы.
ИИ уже работает на существующих устройствах, понимает обычный язык и может обучаться на тех же материалах, на которых компании обучают сотрудников.
То есть скорость его проникновения в бизнес может быть совершенно другой
⚠️ Гейтс выделяет три больших риска
1️⃣ Часть рабочих мест исчезнет навсегда
Под ударом — продажи, клиентская поддержка, программирование, юридическая работа, аналитика, кредитный скоринг и даже часть медицинских задач.
А вслед за «офисным» ИИ придут роботы — в строительство, гостиницы, производство и другие физические профессии.
И здесь включается очень простой экономический механизм:
одна компания автоматизировалась → снизила издержки → снизила цены → конкурентам тоже приходится автоматизироваться.
То есть внедрение ИИ будет ускорять не только технология, но и обычная конкуренция
2️⃣ ИИ резко удешевит кибератаки, мошенничество и манипуляции
Тот же ИИ, который помогает компании найти уязвимость, может помочь преступнику её использовать.
А стоимость подобных атак будет падать.
3️⃣ ИИ может начать заменять не только работу, но и человеческие отношения
Гейтс отдельно беспокоится об ИИ-компаньонах, детях, образовании и снижении критического мышления.
Но самое интересное начинается дальше.
💰 Гейтс предлагает облагать налогом ИИ и роботов
Логика такая:
когда компания нанимает человека — она платит налоги с его труда.
Когда компания покупает робота — это, наоборот, зачастую становится расходом бизнеса.
Получается, налоговая система сама делает замену человека машиной экономически привлекательнее.
Поэтому Гейтс предлагает налог на роботов и использование ИИ, а полученные деньги направлять на переобучение и поддержку людей, потерявших работу.
👨⚕️ А ещё он предлагает новую концепцию — Human Reserved, то есть «зарезервировано для людей».
Смысл:
даже если ИИ или робот технически способен выполнять какую-то работу, общество может сознательно решить:
нет, здесь должен оставаться человек
Например, сообщение пациенту о смертельном диагнозе, уход за пожилыми, часть образования или психотерапии.
👀 Что здесь важно для бизнеса
На мой взгляд, Гейтс описывает будущий конфликт, который пока недооценивают.
С одной стороны:
👉 автоматизация становится экономически неизбежной;
👉 компания, которая не использует ИИ, рискует проиграть по себестоимости конкуренту, который использует;
👉 малый бизнес получает возможности, которые раньше требовали большого штата и огромных бюджетов.
С другой:
👉 государства могут начать налогооблагать автоматизацию;
👉 появятся профессии и процессы, где использование ИИ могут сознательно ограничить;
👉 стоимость сокращения сотрудников перестанет быть только внутренним решением бизнеса.
💬 А что, думаете вы? Если ИИ действительно начнёт массово заменять людей — нужно ли вводить налог на ИИ и роботов?
Или это просто искусственное торможение прогресса?
Пишите в комментариях 👇
👍7🤔5🔥4🤯2
This media is not supported in your browser
VIEW IN TELEGRAM
🚫🤖 Не давайте GPT-6 Astra всем сотрудникам
OpenAI выпустила GPT-6 Astra — свою новую сверхмощную модель.
И первая реакция многих компаний будет предсказуемой:
👉 «Давайте подключим её всем»
Я бы сделал ровно наоборот.
Большинству сотрудников Astra вообще не нужна!!!
Потому что использовать самую сильную и дорогую модель для обычной рутины — это примерно как нанять партнёра McKinsey, чтобы он переносил данные из Excel в CRM.
Смысл Astra совсем в другом.
🔥 Её нужно ставить туда, где одна правильно решённая задача стоит бизнесу сотни или тысячи долларов.
Например:
• изучить сотни документов и найти риски;
• разобраться в большой кодовой базе;
• провести исследование и собрать презентацию руководству;
• выполнить цепочку действий в браузере, CRM и других системах.
То есть новая модель интересна бизнесу не как ещё один «умный чат», а как дорогой цифровой специалист, которому можно делегировать целый кусок работы.
И отсюда я бы сформулировал 5 правил внедрения.
1️⃣ Astra должна быть не моделью «по умолчанию», а моделью эскалации
Простые задачи прекрасно решаются более дешёвыми моделями.
Поэтому архитектура должна быть такой:
🟢 простая задача → дешёвая модель
🟡 сложная задача → Astra
🔴 критически важная задача → Astra + проверка человеком
Например:
Сделать краткое резюме разговора клиента — обычная модель.
А вот изучить всю историю клиента, переписку, договор, предыдущие покупки и подготовить стратегию переговоров по сделке на $1 млн — уже Astra.
2️⃣ Забудьте про стоимость токена
У Astra цена через программный интерфейс — $10 за 1 млн входных токенов и $50 за 1 млн выходных.
На первый взгляд дорого.
Но бизнесу вообще не надо оптимизировать стоимость токена.
Нужно оптимизировать:
💰 стоимость выполненной работы.
Если аналитик потратит на задачу 8 часов, а ИИ сделает её за несколько долларов — уже не так важно, какая именно модель была дешевле на 30%.
3️⃣ Не включайте максимальное мышление без необходимости
У Astra можно регулировать глубину рассуждений.
И здесь компаниям тоже захочется нажать:
🔥 MAXIMUM INTELLIGENCE 🔥
…на каждую задачу.
Не надо😁
Условно:
🟢 обычный документ → низкая глубина;
🟡 серьёзный анализ → средняя;
🔴 стратегия, сложное программирование или решение с высокой ценой ошибки → высокая/максимальная.
4️⃣ Не загружайте в неё всю компанию
Контекст Astra огромный — около 1,05 млн токенов.
Звучит очень соблазнительно:
«А давайте просто дадим ей все договоры, переписку и регламенты».
Плохая идея⛔️
Во-первых, модели не обязательно нужна вся информация.
Во-вторых, после 272 тыс. входных токенов стоимость существенно увеличивается.
Поэтому правильный подход:
сначала найти нужные данные → потом дать их сильной модели → получить решение.
А не:
«Вот тебе корпоративный диск на 10 лет, разбирайся».
5️⃣ Главный эффект будет не от генерации текста
Вот это, на мой взгляд, самое интересное.
Astra умеет работать не только с текстом, но и выполнять задачи через компьютер: браузер, сайты, системы компании.
Именно здесь потенциально лежит самый большой ROI.
Не:
💬 «Напиши отчёт».
А:
⚙️ «Сделай работу».
Например:
🤝 Продажи:
«Изучи 200 крупнейших клиентов → найди тех, у кого высокий риск оттока → подготовь менеджерам рекомендации → обнови CRM».
📊 Стратегия:
«Изучи рынок, конкурентов и финансовые отчёты → сформируй три сценария → собери презентацию для совета директоров».
🐚 И вот какой вывод я бы сделал для руководителей.
Не надо покупать самый мощный ИИ и раздавать его всей компании.
Нужно сначала найти:
👉 10 самых дорогих интеллектуальных процессов в бизнесе.
А потом спросить:
«Какие из них теперь можно частично или полностью отдать Astra?»
Идеальная схема, на мой взгляд, постепенно будет выглядеть примерно так:
80% простой работы → дешёвые модели
15% сложной работы → сверхмощные модели вроде Astra
5% самых критичных решений → ИИ + человек
Компании, которые построят такую систему, получат гораздо больше эффекта.
💬 Кто-нибудь уже опробовал новую модел? Как впечатления?
Пишите 👇
OpenAI выпустила GPT-6 Astra — свою новую сверхмощную модель.
И первая реакция многих компаний будет предсказуемой:
👉 «Давайте подключим её всем»
Я бы сделал ровно наоборот.
Большинству сотрудников Astra вообще не нужна!!!
Потому что использовать самую сильную и дорогую модель для обычной рутины — это примерно как нанять партнёра McKinsey, чтобы он переносил данные из Excel в CRM.
Смысл Astra совсем в другом.
🔥 Её нужно ставить туда, где одна правильно решённая задача стоит бизнесу сотни или тысячи долларов.
Например:
• изучить сотни документов и найти риски;
• разобраться в большой кодовой базе;
• провести исследование и собрать презентацию руководству;
• выполнить цепочку действий в браузере, CRM и других системах.
То есть новая модель интересна бизнесу не как ещё один «умный чат», а как дорогой цифровой специалист, которому можно делегировать целый кусок работы.
И отсюда я бы сформулировал 5 правил внедрения.
1️⃣ Astra должна быть не моделью «по умолчанию», а моделью эскалации
Простые задачи прекрасно решаются более дешёвыми моделями.
Поэтому архитектура должна быть такой:
🟢 простая задача → дешёвая модель
🟡 сложная задача → Astra
🔴 критически важная задача → Astra + проверка человеком
Например:
Сделать краткое резюме разговора клиента — обычная модель.
А вот изучить всю историю клиента, переписку, договор, предыдущие покупки и подготовить стратегию переговоров по сделке на $1 млн — уже Astra.
2️⃣ Забудьте про стоимость токена
У Astra цена через программный интерфейс — $10 за 1 млн входных токенов и $50 за 1 млн выходных.
На первый взгляд дорого.
Но бизнесу вообще не надо оптимизировать стоимость токена.
Нужно оптимизировать:
💰 стоимость выполненной работы.
Если аналитик потратит на задачу 8 часов, а ИИ сделает её за несколько долларов — уже не так важно, какая именно модель была дешевле на 30%.
3️⃣ Не включайте максимальное мышление без необходимости
У Astra можно регулировать глубину рассуждений.
И здесь компаниям тоже захочется нажать:
🔥 MAXIMUM INTELLIGENCE 🔥
…на каждую задачу.
Не надо😁
Условно:
🟢 обычный документ → низкая глубина;
🟡 серьёзный анализ → средняя;
🔴 стратегия, сложное программирование или решение с высокой ценой ошибки → высокая/максимальная.
4️⃣ Не загружайте в неё всю компанию
Контекст Astra огромный — около 1,05 млн токенов.
Звучит очень соблазнительно:
«А давайте просто дадим ей все договоры, переписку и регламенты».
Плохая идея⛔️
Во-первых, модели не обязательно нужна вся информация.
Во-вторых, после 272 тыс. входных токенов стоимость существенно увеличивается.
Поэтому правильный подход:
сначала найти нужные данные → потом дать их сильной модели → получить решение.
А не:
«Вот тебе корпоративный диск на 10 лет, разбирайся».
5️⃣ Главный эффект будет не от генерации текста
Вот это, на мой взгляд, самое интересное.
Astra умеет работать не только с текстом, но и выполнять задачи через компьютер: браузер, сайты, системы компании.
Именно здесь потенциально лежит самый большой ROI.
Не:
💬 «Напиши отчёт».
А:
⚙️ «Сделай работу».
Например:
🤝 Продажи:
«Изучи 200 крупнейших клиентов → найди тех, у кого высокий риск оттока → подготовь менеджерам рекомендации → обнови CRM».
📊 Стратегия:
«Изучи рынок, конкурентов и финансовые отчёты → сформируй три сценария → собери презентацию для совета директоров».
🐚 И вот какой вывод я бы сделал для руководителей.
Не надо покупать самый мощный ИИ и раздавать его всей компании.
Нужно сначала найти:
👉 10 самых дорогих интеллектуальных процессов в бизнесе.
А потом спросить:
«Какие из них теперь можно частично или полностью отдать Astra?»
Идеальная схема, на мой взгляд, постепенно будет выглядеть примерно так:
80% простой работы → дешёвые модели
15% сложной работы → сверхмощные модели вроде Astra
5% самых критичных решений → ИИ + человек
Компании, которые построят такую систему, получат гораздо больше эффекта.
💬 Кто-нибудь уже опробовал новую модел? Как впечатления?
Пишите 👇
👍7🔥7🤩6❤1🤯1
🤯 OpenAI заявила, что ИИ решил одну из главных математических задач человечества
И это очень и очень серьезная заявка на потенциал ИИ.
Вчера OpenAI опубликовала работу, в которой утверждает: её новая внутренняя модель нашла решение задачи Навье-Стокса - одной из семи «задач тысячелетия».
🧠 Что вообще такое задачи тысячелетия?
В 2000 году Математический институт Клэя выбрал 7 чрезвычайно сложных нерешённых задач современной математики.
За решение каждой назначена премия $1 млн.
Это фундаментальные вопросы, над которыми лучшие математики мира могут работать десятилетиями. Пока была решена только 1 задача из 7.
🌊 А в чём проблема Навье-Стокса?
Уравнения Навье-Стокса описывают движение жидкостей и газов: воды, воздуха, потоков вокруг самолёта и т.д.
Но есть фундаментальный вопрос:
👉 если поток изначально ведёт себя нормально и плавно - может ли в какой-то момент математика внезапно «сломаться», создав так называемую сингулярность, где скорость стремится к бесконечности?
Почти 90 лет строгого ответа на этот вопрос не было.
🤖 Что утверждает OpenAI?
По заявлению компании, её ИИ построил доказательство того, что такая сингулярность может возникнуть за конечное время.
Причём система не просто выдала текст: доказательство было дополнительно формализовано в системе Lean, которая позволяет проверять математические доказательства машинным способом.
Для поиска решения OpenAI запустила около 10 000 ИИ-агентов параллельно. Они работали примерно 88 часов.
И вот здесь вишенка на торте 🍰.
OpenAI утверждает, что ИИ самостоятельно получил новое доказательство задачи, над которой математики бились десятилетиями.
⚠️ Но праздновать пока рано
Во-первых, результат только опубликован. Ему ещё предстоит независимая проверка математическим сообществом.
Во-вторых, уже появились несогласные.
Например, профессор аэрокосмической инженерии Крис Комбс обращает внимание:
Другие критики считают спорным то, что сингулярность строится при наличии специальной внешней силы. При этом важная деталь: официальная постановка задачи Клэя действительно допускает такой вариант решения, поэтому просто назвать это «лазейкой» тоже неправильно.
🔥 А параллельно разгорается ещё более неприятный спор - об авторстве
Математики Тристан Бакмастер и Левент Альпёге ранее работали над близким направлением и использовали в том числе инструменты OpenAI.
После публикации появились обвинения и подозрения, что OpenAI могла получить преимущество благодаря информации об их ещё не опубликованной работе. На это указывают и несколько активно обсуждаемых сейчас постов в X.
OpenAI уже отдельно ответила на эти обвинения.
Компания утверждает, что её исследователи и ИИ-агенты не видели работы Бакмастера и Альпёге до её публикации, а конкретные пользовательские данные не использовались для решения задачи.
📌Но есть любопытная оговорка: OpenAI признаёт, что не может полностью исключить, что обезличенные данные от использования её продуктов когда-то косвенно помогли улучшить модели.
Итак...результат есть, хайп есть, инфоповод есть. Осталось понять выдержит ли проверку доказательство.
И если так, то возникает "хорошо забытый новый" вопрос:
кому принадлежит научное открытие, если исследователь годами думает над проблемой вместе с ИИ, а затем компания-разработчик ИИ сама приходит к похожему результату?
И это очень и очень серьезная заявка на потенциал ИИ.
Вчера OpenAI опубликовала работу, в которой утверждает: её новая внутренняя модель нашла решение задачи Навье-Стокса - одной из семи «задач тысячелетия».
🧠 Что вообще такое задачи тысячелетия?
В 2000 году Математический институт Клэя выбрал 7 чрезвычайно сложных нерешённых задач современной математики.
За решение каждой назначена премия $1 млн.
Это фундаментальные вопросы, над которыми лучшие математики мира могут работать десятилетиями. Пока была решена только 1 задача из 7.
🌊 А в чём проблема Навье-Стокса?
Уравнения Навье-Стокса описывают движение жидкостей и газов: воды, воздуха, потоков вокруг самолёта и т.д.
Но есть фундаментальный вопрос:
👉 если поток изначально ведёт себя нормально и плавно - может ли в какой-то момент математика внезапно «сломаться», создав так называемую сингулярность, где скорость стремится к бесконечности?
Почти 90 лет строгого ответа на этот вопрос не было.
🤖 Что утверждает OpenAI?
По заявлению компании, её ИИ построил доказательство того, что такая сингулярность может возникнуть за конечное время.
Причём система не просто выдала текст: доказательство было дополнительно формализовано в системе Lean, которая позволяет проверять математические доказательства машинным способом.
Для поиска решения OpenAI запустила около 10 000 ИИ-агентов параллельно. Они работали примерно 88 часов.
И вот здесь вишенка на торте 🍰.
OpenAI утверждает, что ИИ самостоятельно получил новое доказательство задачи, над которой математики бились десятилетиями.
⚠️ Но праздновать пока рано
Во-первых, результат только опубликован. Ему ещё предстоит независимая проверка математическим сообществом.
Во-вторых, уже появились несогласные.
Например, профессор аэрокосмической инженерии Крис Комбс обращает внимание:
заголовок «ИИ решил уравнения Навье—Стокса» вводит в заблуждение. ИИ не нашёл универсального способа рассчитывать любые потоки - речь идёт о решении конкретной фундаментальной математической проблемы, связанной с существованием сингулярности"
Другие критики считают спорным то, что сингулярность строится при наличии специальной внешней силы. При этом важная деталь: официальная постановка задачи Клэя действительно допускает такой вариант решения, поэтому просто назвать это «лазейкой» тоже неправильно.
🔥 А параллельно разгорается ещё более неприятный спор - об авторстве
Математики Тристан Бакмастер и Левент Альпёге ранее работали над близким направлением и использовали в том числе инструменты OpenAI.
После публикации появились обвинения и подозрения, что OpenAI могла получить преимущество благодаря информации об их ещё не опубликованной работе. На это указывают и несколько активно обсуждаемых сейчас постов в X.
OpenAI уже отдельно ответила на эти обвинения.
Компания утверждает, что её исследователи и ИИ-агенты не видели работы Бакмастера и Альпёге до её публикации, а конкретные пользовательские данные не использовались для решения задачи.
📌Но есть любопытная оговорка: OpenAI признаёт, что не может полностью исключить, что обезличенные данные от использования её продуктов когда-то косвенно помогли улучшить модели.
Итак...результат есть, хайп есть, инфоповод есть. Осталось понять выдержит ли проверку доказательство.
И если так, то возникает "хорошо забытый новый" вопрос:
кому принадлежит научное открытие, если исследователь годами думает над проблемой вместе с ИИ, а затем компания-разработчик ИИ сама приходит к похожему результату?
👍7🔥5🤯5
🤖💰 Экономика +32%, зарплаты офисных работников - вниз. Anthropic показала, как ИИ может переделить экономику к 2030 году
Anthropic опубликовала довольно любопытную модель будущего экономики США.
И главный вывод там, на мой взгляд, совсем НЕ «ИИ заберёт наши рабочие места».
Он интереснее:
👉 ИИ может сделать общество намного богаче, но большая часть нового богатства будет доставаться не работникам, а владельцам капитала (кто бы сомневался😁)
Anthropic смоделировала три сценария развития ИИ до 2030 года.
1️⃣ Умеренный сценарий
ИИ развивается примерно как интернет: постепенно повышает эффективность, но революции не происходит.
Дополнительный ВВП к 2030 году: +1,6%.
То есть ИИ — важная технология, но экономика продолжает жить примерно по знакомым правилам.
2️⃣ Сильный сценарий
ИИ уже способен выполнять около половины интеллектуальной работы, причём значительную часть — самостоятельно.
Экономика растёт примерно вдвое быстрее обычного.
ВВП к 2030 году оказывается на 8,3% выше, чем был бы без такого развития ИИ.
Но появляется интересный эффект:
📌 зарплаты работников интеллектуального труда практически перестают расти;
📌 зато растёт спрос на профессии, которые сложнее автоматизировать.
Например, электриков, медсестёр, строителей и других специалистов физического мира.
3️⃣ Экстремальный сценарий 🤯
Вот здесь начинается самое интересное.
ИИ становится эффективнее человека почти во всех задачах интеллектуального труда и способен выполнять их практически самостоятельно.
Тогда:
💰 ВВП США к 2030 году может оказаться на 32,4% выше базового сценария;
🚀 ежегодный рост экономики в какой-то момент достигает 15%;
📈 при таких темпах экономика удваивается примерно каждые 4,5 года;
📉 при этом зарплаты работников интеллектуального труда снижаются более чем на 10%, а безработица среди них резко растёт.
Но самая интересная цифра вообще не про безработицу.
🧠 Меняется то, кому достаются деньги.
Сегодня в модели Anthropic примерно 60% создаваемой стоимости получает труд, около 40% — капитал.
В экстремальном ИИ-сценарии:
👨💼 работники — 45,2%
🏭 владельцы капитала — 54,8%
То есть пирог становится намного больше.
Но доля работников в нём — меньше.
💡 Что это значит для бизнеса?
Мне кажется, здесь есть три важных следствия.
Первое. Владение ИИ-инфраструктурой становится отдельным конкурентным преимуществом.
Модели, вычисления, данные, автоматизированные процессы, интеллектуальная собственность — всё это превращается из «ИТ-инструментов» в капитал, который сам создаёт всё большую долю стоимости.
Второе. Под угрозой не обязательно профессии целиком — автоматизируются отдельные задачи.
Работа директора, юриста, аналитика или менеджера состоит из десятков разных задач.
Часть останется человеческой.
Часть человек будет делать вместе с ИИ.
А часть ИИ заберёт полностью.
Поэтому главный вопрос для руководителя уже сейчас:
👉 из каких задач состоит работа сотрудников и какие из них действительно должен делать человек?
И третье — возможно самое неприятное.
Если сильный сценарий реализуется, основной экономический конфликт эпохи ИИ будет не «человек против машины».
Он будет между:
теми, кто продаёт свой труд
и
теми, кто владеет машинами, моделями, данными и автоматизированными компаниями.
🐚 Итого:
Многие сегодня смотрят на ИИ как на способ сократить расходы на 10–20%.
Но если Anthropic хотя бы частично права, мы наблюдаем не очередной инструмент автоматизации.
Мы наблюдаем возможное изменение самой экономики: ценность постепенно переходит от выполнения интеллектуальной работы к владению системами, которые эту работу выполняют.
И вот тут интересный вопрос товарищи:
что в мире массовой ИИ-автоматизации станет главным активом - капитал, данные, бренд, доступ к клиентам или всё-таки люди?
Пишите свою версию 👇
Anthropic опубликовала довольно любопытную модель будущего экономики США.
И главный вывод там, на мой взгляд, совсем НЕ «ИИ заберёт наши рабочие места».
Он интереснее:
👉 ИИ может сделать общество намного богаче, но большая часть нового богатства будет доставаться не работникам, а владельцам капитала (кто бы сомневался😁)
Anthropic смоделировала три сценария развития ИИ до 2030 года.
1️⃣ Умеренный сценарий
ИИ развивается примерно как интернет: постепенно повышает эффективность, но революции не происходит.
Дополнительный ВВП к 2030 году: +1,6%.
То есть ИИ — важная технология, но экономика продолжает жить примерно по знакомым правилам.
2️⃣ Сильный сценарий
ИИ уже способен выполнять около половины интеллектуальной работы, причём значительную часть — самостоятельно.
Экономика растёт примерно вдвое быстрее обычного.
ВВП к 2030 году оказывается на 8,3% выше, чем был бы без такого развития ИИ.
Но появляется интересный эффект:
📌 зарплаты работников интеллектуального труда практически перестают расти;
📌 зато растёт спрос на профессии, которые сложнее автоматизировать.
Например, электриков, медсестёр, строителей и других специалистов физического мира.
3️⃣ Экстремальный сценарий 🤯
Вот здесь начинается самое интересное.
ИИ становится эффективнее человека почти во всех задачах интеллектуального труда и способен выполнять их практически самостоятельно.
Тогда:
💰 ВВП США к 2030 году может оказаться на 32,4% выше базового сценария;
🚀 ежегодный рост экономики в какой-то момент достигает 15%;
📈 при таких темпах экономика удваивается примерно каждые 4,5 года;
📉 при этом зарплаты работников интеллектуального труда снижаются более чем на 10%, а безработица среди них резко растёт.
Но самая интересная цифра вообще не про безработицу.
🧠 Меняется то, кому достаются деньги.
Сегодня в модели Anthropic примерно 60% создаваемой стоимости получает труд, около 40% — капитал.
В экстремальном ИИ-сценарии:
👨💼 работники — 45,2%
🏭 владельцы капитала — 54,8%
То есть пирог становится намного больше.
Но доля работников в нём — меньше.
💡 Что это значит для бизнеса?
Мне кажется, здесь есть три важных следствия.
Первое. Владение ИИ-инфраструктурой становится отдельным конкурентным преимуществом.
Модели, вычисления, данные, автоматизированные процессы, интеллектуальная собственность — всё это превращается из «ИТ-инструментов» в капитал, который сам создаёт всё большую долю стоимости.
Второе. Под угрозой не обязательно профессии целиком — автоматизируются отдельные задачи.
Работа директора, юриста, аналитика или менеджера состоит из десятков разных задач.
Часть останется человеческой.
Часть человек будет делать вместе с ИИ.
А часть ИИ заберёт полностью.
Поэтому главный вопрос для руководителя уже сейчас:
👉 из каких задач состоит работа сотрудников и какие из них действительно должен делать человек?
И третье — возможно самое неприятное.
Если сильный сценарий реализуется, основной экономический конфликт эпохи ИИ будет не «человек против машины».
Он будет между:
теми, кто продаёт свой труд
и
теми, кто владеет машинами, моделями, данными и автоматизированными компаниями.
🐚 Итого:
Многие сегодня смотрят на ИИ как на способ сократить расходы на 10–20%.
Но если Anthropic хотя бы частично права, мы наблюдаем не очередной инструмент автоматизации.
Мы наблюдаем возможное изменение самой экономики: ценность постепенно переходит от выполнения интеллектуальной работы к владению системами, которые эту работу выполняют.
И вот тут интересный вопрос товарищи:
что в мире массовой ИИ-автоматизации станет главным активом - капитал, данные, бренд, доступ к клиентам или всё-таки люди?
Пишите свою версию 👇
👍7🔥5🤯4❤1⚡1
🚨Комментарий Трампа на призыв от лидеров ИИ компаний к замедлению развития технологии:
«Единственный контроль или “ограничители”, которые нужны ИИ, — это СИЛЬНЫЙ И УМНЫЙ (с высоким IQ!) ПРЕЗИДЕНТ, и у США такой есть — в избытке!
Администрация Трампа уже останавливала людей из сферы ИИ от совершения плохих или потенциально плохих “вещей”, таких как Дарио (Anthropic!), который сейчас притворяется “идеальным маленьким ангелом”, — и мы продолжим это делать!
У нас уже есть огромные УГОЛОВНО-ПРАВОВЫЕ и РЕГУЛЯТОРНЫЕ полномочия в отношении этих компаний!
Против ИИ и дата-центров разворачивается БОЛЬНОЙ заговор, и единственный, кто этому рад, — Китай.
КТО ПОБЕДИТ В ИИ — ТОТ ПОБЕДИТ!
Мы опережаем Китай и всех остальных и продолжим это делать.
Сторонники теорий заговора, изменники, предатели и те, кто сливает информацию, — БЕРЕГИТЕСЬ!
Спасибо за внимание к этому вопросу!
Президент ДОНАЛЬД ДЖ. ТРАМП»
«Единственный контроль или “ограничители”, которые нужны ИИ, — это СИЛЬНЫЙ И УМНЫЙ (с высоким IQ!) ПРЕЗИДЕНТ, и у США такой есть — в избытке!
Администрация Трампа уже останавливала людей из сферы ИИ от совершения плохих или потенциально плохих “вещей”, таких как Дарио (Anthropic!), который сейчас притворяется “идеальным маленьким ангелом”, — и мы продолжим это делать!
У нас уже есть огромные УГОЛОВНО-ПРАВОВЫЕ и РЕГУЛЯТОРНЫЕ полномочия в отношении этих компаний!
Против ИИ и дата-центров разворачивается БОЛЬНОЙ заговор, и единственный, кто этому рад, — Китай.
КТО ПОБЕДИТ В ИИ — ТОТ ПОБЕДИТ!
Мы опережаем Китай и всех остальных и продолжим это делать.
Сторонники теорий заговора, изменники, предатели и те, кто сливает информацию, — БЕРЕГИТЕСЬ!
Спасибо за внимание к этому вопросу!
Президент ДОНАЛЬД ДЖ. ТРАМП»
❤5⚡5
Завтра буду в прямом эфире Asia Tech Podcast 🎙️
Планируем поговорить о том, что происходит, когда AI-агенты выходят из красивых demo и начинают работать с реальными людьми.
Главный вопрос: как понять, что агент действительно сделал то, что должен был сделать?
Например, voice AI говорит пациенту:
“Your appointment has been successfully moved to Tuesday”
Но API дал timeout — и запись на самом деле не изменилась.
Разговор звучит правильно. Результат — неправильный.
Именно поэтому я считаю, что следующая важная инфраструктурная категория вокруг AI — это AI Assurance: мониторинг того, что агент услышал, сказал, сделал и к какому результату это привело.
Об этом поговорим с Michael Waitze в Asia Tech Podcast — 150K+ подписчиков на YouTube и 250K monthly viewers.
Также планируем обсудить, что ломается при переходе AI agents в production и какие новые рынки появятся вокруг agentic AI в ближайшие 18 месяцев.
В нашем международном проекте ArnaAI мы как раз строим assurance layer для healthcare voice AI.
“The first generation of agentic AI was about making agents capable. The next generation will be about making them accountable.”
Подключайтесь завтра 😉
📅 29 сентября, 17:30 по Сингапуру (09:30 UTC)
🔴 Live: https://www.youtube.com/@asiatechpodcastofficial
Планируем поговорить о том, что происходит, когда AI-агенты выходят из красивых demo и начинают работать с реальными людьми.
Главный вопрос: как понять, что агент действительно сделал то, что должен был сделать?
Например, voice AI говорит пациенту:
“Your appointment has been successfully moved to Tuesday”
Но API дал timeout — и запись на самом деле не изменилась.
Разговор звучит правильно. Результат — неправильный.
Именно поэтому я считаю, что следующая важная инфраструктурная категория вокруг AI — это AI Assurance: мониторинг того, что агент услышал, сказал, сделал и к какому результату это привело.
Об этом поговорим с Michael Waitze в Asia Tech Podcast — 150K+ подписчиков на YouTube и 250K monthly viewers.
Также планируем обсудить, что ломается при переходе AI agents в production и какие новые рынки появятся вокруг agentic AI в ближайшие 18 месяцев.
В нашем международном проекте ArnaAI мы как раз строим assurance layer для healthcare voice AI.
“The first generation of agentic AI was about making agents capable. The next generation will be about making them accountable.”
Подключайтесь завтра 😉
📅 29 сентября, 17:30 по Сингапуру (09:30 UTC)
🔴 Live: https://www.youtube.com/@asiatechpodcastofficial
⚡5🔥5👍4❤3👏1
В плотном графике приходится одновременно держать в фокусе людей / деньги / процессы и новые технологии. А необходимая информация часто теряется в огромном информационном шуме.
Поэтому была собрана папка Telegram-каналов для собственников, руководителей и лидеров команд.
Здесь — практические данные:
➡️ по использованию ИИ,
➡️ управлению данными
➡️ менеджменту,
➡️ B2B,
➡️ праву и работе с командами.
Авторы разбирают управленческие задачи, делятся опытом внедрений, исследованиями, книгами, инструментами и профессиональными наблюдениями.
Это рабочая подборка источников, к которой удобно возвращаться, когда нужно быстро сориентироваться в новой теме, увидеть риски и возможности, найти идею для команды или компании.
Сохраните папку, чтобы сильный профессиональный контекст всегда был под рукой 😉
[ссылка на папку]
Please open Telegram to view this post
VIEW IN TELEGRAM
⚡4🤩4👍3
🤖💼 OpenAI вчера показали, каким будет следующий этап внедрения ИИ в бизнес (спойлер: это уже далеко не «чат-бот, который помогает писать тексты» )
На DevDay 2026 компания представила больше 20 обновлений.
Главный посыл для бизнеса довольно простой:
👉 ИИ превращается из помощника в полноценного цифрового сотрудника, который может работать с вашими системами, выполнять задачи и делать это без постоянного контроля человека.
Вот что показали 👇
1️⃣ Агенты dots — «ИИ-сотрудники», которые работают постоянно
Вы задаёте агенту цель, подключаете нужные приложения и определяете, что ему разрешено делать.
Дальше он может самостоятельно выполнять работу даже тогда, когда вы не сидите перед компьютером.
В перспективе OpenAI вообще говорит о целых командах таких агентов.
💼 Для бизнеса это, например:
• ежедневный мониторинг продаж и подготовка отчёта CEO;
• обновление CRM;
• подготовка документов.
То есть мы постепенно движемся от модели «попросил ИИ → получил ответ» к модели «поставил ИИ функцию → он её выполняет».
2️⃣ ChatGPT превращается в рабочее пространство компании
Появился ChatGPT Space — общее пространство, где сотрудники и ИИ работают с одними проектами и контекстом.
Можно совместно делать документы, отчёты, презентации, страницы и задачи.
Причём данные могут автоматически обновляться из подключённых систем.
Представьте управленческий отчёт, который не нужно каждую пятницу собирать руками.
ИИ сам получает цифры → обновляет страницу → пишет основные изменения → сообщает руководителю, где проблема.
3️⃣ Плагины превращаются в новый канал продаж
OpenAI открывает разработчикам возможность создавать полноценные приложения прямо внутри ChatGPT (как это было ранее с GPTs).
А аудитория ChatGPT, по данным самой OpenAI, уже составляет около 1,2 млрд пользователей.
Для бизнеса здесь появляется очень интересная возможность:
❌ раньше клиент должен был найти ваш сайт → зарегистрироваться → разобраться в интерфейсе;
✅ теперь часть вашего продукта потенциально может работать прямо внутри ChatGPT.
По сути появляется новый канал дистрибуции программных продуктов — примерно как когда-то App Store создал рынок мобильных приложений.
4️⃣ Создавать собственных ИИ-агентов становится проще
Новый API агентов позволяет дать ИИ доступ к инструментам, данным и даже управлению компьютером.
Компании смогут быстрее создавать собственных «цифровых сотрудников», не строя всю инфраструктуру с нуля.
Отдельный Decisions API предназначен для задач, где ИИ должен быстро выбрать следующее действие:
➡️ куда направить заявку;
➡️ как классифицировать обращение;
➡️ какой следующий шаг должен выполнить агент.
🐚 Что всё это значит для бизнеса?
Мне кажется, DevDay хорошо показывает смену парадигмы.
Первая волна ИИ была про:
«Как сотрудники могут работать быстрее с ChatGPT?»
Следующая волна будет про:
«Какие функции компании мы можем целиком отдать ИИ-агентам?»
И вот здесь потенциальный эффект уже значительно больше, чем экономия 30 минут на написании письма.
Можно перестраивать целые процессы:
📌 продажи;
📌 поддержку;
📌 аналитику;
📌 разработку;
📌 работу с документами;
📌 проектное управление;
📌 внутреннюю отчётность.
ВАЖНО: Компании, которые сейчас научатся не просто «пользоваться ChatGPT», а проектировать процессы, где люди работают вместе с агентами, могут получить совершенно другую экономику бизнеса.
💬 Вопрос к вам:
Какую одну функцию в вашей компании вы бы первой попробовали отдать такому ИИ-сотруднику?
Продажи, аналитику, поддержку или что-то другое? 👇
На DevDay 2026 компания представила больше 20 обновлений.
Главный посыл для бизнеса довольно простой:
👉 ИИ превращается из помощника в полноценного цифрового сотрудника, который может работать с вашими системами, выполнять задачи и делать это без постоянного контроля человека.
Вот что показали 👇
1️⃣ Агенты dots — «ИИ-сотрудники», которые работают постоянно
Вы задаёте агенту цель, подключаете нужные приложения и определяете, что ему разрешено делать.
Дальше он может самостоятельно выполнять работу даже тогда, когда вы не сидите перед компьютером.
В перспективе OpenAI вообще говорит о целых командах таких агентов.
💼 Для бизнеса это, например:
• ежедневный мониторинг продаж и подготовка отчёта CEO;
• обновление CRM;
• подготовка документов.
То есть мы постепенно движемся от модели «попросил ИИ → получил ответ» к модели «поставил ИИ функцию → он её выполняет».
2️⃣ ChatGPT превращается в рабочее пространство компании
Появился ChatGPT Space — общее пространство, где сотрудники и ИИ работают с одними проектами и контекстом.
Можно совместно делать документы, отчёты, презентации, страницы и задачи.
Причём данные могут автоматически обновляться из подключённых систем.
Представьте управленческий отчёт, который не нужно каждую пятницу собирать руками.
ИИ сам получает цифры → обновляет страницу → пишет основные изменения → сообщает руководителю, где проблема.
3️⃣ Плагины превращаются в новый канал продаж
OpenAI открывает разработчикам возможность создавать полноценные приложения прямо внутри ChatGPT (как это было ранее с GPTs).
А аудитория ChatGPT, по данным самой OpenAI, уже составляет около 1,2 млрд пользователей.
Для бизнеса здесь появляется очень интересная возможность:
❌ раньше клиент должен был найти ваш сайт → зарегистрироваться → разобраться в интерфейсе;
✅ теперь часть вашего продукта потенциально может работать прямо внутри ChatGPT.
По сути появляется новый канал дистрибуции программных продуктов — примерно как когда-то App Store создал рынок мобильных приложений.
4️⃣ Создавать собственных ИИ-агентов становится проще
Новый API агентов позволяет дать ИИ доступ к инструментам, данным и даже управлению компьютером.
Компании смогут быстрее создавать собственных «цифровых сотрудников», не строя всю инфраструктуру с нуля.
Отдельный Decisions API предназначен для задач, где ИИ должен быстро выбрать следующее действие:
➡️ куда направить заявку;
➡️ как классифицировать обращение;
➡️ какой следующий шаг должен выполнить агент.
🐚 Что всё это значит для бизнеса?
Мне кажется, DevDay хорошо показывает смену парадигмы.
Первая волна ИИ была про:
«Как сотрудники могут работать быстрее с ChatGPT?»
Следующая волна будет про:
«Какие функции компании мы можем целиком отдать ИИ-агентам?»
И вот здесь потенциальный эффект уже значительно больше, чем экономия 30 минут на написании письма.
Можно перестраивать целые процессы:
📌 продажи;
📌 поддержку;
📌 аналитику;
📌 разработку;
📌 работу с документами;
📌 проектное управление;
📌 внутреннюю отчётность.
ВАЖНО: Компании, которые сейчас научатся не просто «пользоваться ChatGPT», а проектировать процессы, где люди работают вместе с агентами, могут получить совершенно другую экономику бизнеса.
💬 Вопрос к вам:
Какую одну функцию в вашей компании вы бы первой попробовали отдать такому ИИ-сотруднику?
Продажи, аналитику, поддержку или что-то другое? 👇
👍3🔥3🤩2❤1🤯1💯1
Media is too big
VIEW IN TELEGRAM
🤖🔥 Наверное, самое эпичное видео про «пенсию» роботов
Автором данного видео является американская компания Figure. Они разрабатывают человекоподобных роботов общего назначения: тех самых, которые в будущем должны работать на заводах, складах и помогать людям дома.
И вот компания решила вывести из эксплуатации поколение Figure 02 😔которое успело поработать, в частности, на производстве BMW.
Но вместо обычного пресс-релиза Figure решила попрощаться с роботами так, что это больше похоже на сцену из фантастического фильма.
🔥 Скажу лишь, что для финальной съёмки роботов пришлось специально учить прыгать, а затем везти в Финляндию.
И нет — это не графика и не видео, созданное нейросетью. Всё произошло на самом деле✅
👀 Дальше лучше просто посмотреть видео. Там вас ожидает знакомое лицо 😎 Спойлерить не буду.
Идея крутая👍🏼
Автором данного видео является американская компания Figure. Они разрабатывают человекоподобных роботов общего назначения: тех самых, которые в будущем должны работать на заводах, складах и помогать людям дома.
И вот компания решила вывести из эксплуатации поколение Figure 02 😔которое успело поработать, в частности, на производстве BMW.
Но вместо обычного пресс-релиза Figure решила попрощаться с роботами так, что это больше похоже на сцену из фантастического фильма.
🔥 Скажу лишь, что для финальной съёмки роботов пришлось специально учить прыгать, а затем везти в Финляндию.
И нет — это не графика и не видео, созданное нейросетью. Всё произошло на самом деле✅
👀 Дальше лучше просто посмотреть видео. Там вас ожидает знакомое лицо 😎 Спойлерить не буду.
Идея крутая👍🏼
❤5🔥2👏2