#пятничныйфлешмоб

* при добавлении Агента будьте готовы к непредсказуемым последствиям

Самый желанный работодатель в технической сфере - Anthropic

Людям нравится философия компании.

Это первый случай за долгое время, когда этика и ценности стали мощнейшим конкурентным преимуществом на рынке труда и бизнеса (по капитализации они уже обогнали Open ai)

Если решите туда устроиться….

*Среди вакансий много предложений для философов и лингвистов. Они нужны, чтобы переводить сложные алгоритмы на человеческий язык и следить за этическими границами ИИ

Во-первых, забудьте про ИИ. На живом собеседовании вам категорически не дадут им пользоваться. В компании хотят проверить человеческое мышление: способность рассуждать вслух, строить логические цепочки и исправлять собственные ошибки без подсказок модели

Во-вторых, вас ждет «культурное интервью». Помимо жесткого технического отбора, компании важно понять ваше мировоззрение, приготовьтесь обсудить сложные этические дилеммы.

Обязательно спросят: 

«Каких необычных убеждений вы придерживаетесь и как вы их защищали в дискомфортных для себя ситуациях?»

А еще модно нанять карьерного консультанта (бывшего или действующего сотрудника Антропик), час консультации обойдется от $170 до $500. У некоторых кандидатов чек на подготовку к собеседованию доходит до $4600

—————
Статистика сейчас такая:

• Инженеры перебегают из OpenAI в Anthropic в 8 раз чаще, чем в обратном направлении.
• Удержание сотрудников на уровне 80% , что феномен для Кремниевой долины

Можно ругать Дарио за тарифы, блокировки и тающие лимиты. Но Anthropic показывает: бизнес-модель, построенная на этике и умении отстаивать свои принципы, жизнеспособна. ❗️Но есть нюанс: такую бескомпромиссность проявить может только тот, у кого есть реально крутой и ценный продукт в США

Заменить молодого юриста, финансиста, разработчика агентом или полностью отказаться от их найма - самый простой, но малоэффективный путь. Через 3-5 лет мидлов и сеньоров на всех не хватит

Российским коллегам на заметку лучшие практики нового подхода в обучении, которые уже внедряют компании и университеты

В IT это заметно сильнее всего. Модели закрывают большую часть задач стажёров, поэтому теперь джунов почти не проверяют на написание кода. Акцент сместился на ревью кода, проектирование систем и безопасность кода

Техлиды намеренно генерируют архитектурно нестабильный код и заставляют стажёров искать причины сбоев. Джун должен прокачивать навык поиска неисправности

«Понимаешь ли ты, почему агент выбрал именно эту библиотеку? Какие альтернативы отверг? Защити эту архитектуру передо мной»

Еще их отправляют на реверс-инжиниринг legacy с задачей - с помощью ИИ разобраться в бизнес-логике и покрыть всё тестами. Выглядит это как превращение джуна в техлида агента. Вручая ему ответственность за сгенерированный моделью код

🎓Юриспруденция
В ведущих школах права студентам на экзаменах дают ответ нейросети. Задача оценить, найти галлюцинации, выдуманные прецеденты, слабую аргументацию, пропущенные риски и объяснить, как улучшить стратегию

Юридический гигант Seyfarth Shaw полностью переписал летнюю программу стажировок. Главный принцип все то же профессиональное суждение. Особое внимание управлению рисками и микро-нюансам, которые ИИ обычно сглаживает или слишком аккуратно преподносит

💶Аудит и финансы
В Big 4 та же история: первичный анализ уже у агента ( мы в чате вчера за 15 минут проанализировали отчетность Самолета и сделали прогноз ликвидности на 2026 год, который в точности повторился)

Выбор- путь ускоренного развития специалистов. 3 года вместо 5-7 лет.

Вместо работы в Excel учат профессиональному скептицизму и жёстким переговорам с клиентами

Стажёров сразу выводят на реальные проекты, без передержки в бэкофисе. Но и требования повысили- сильно усложнили внутренние экзамены на аналитику, чтобы компенсировать отсутствие «набивки руки»

🦈Рынок становится конкурентным уже на моменте входа в профессию, требования тоже меняются...
——

Когда с утра не выпил кофе…

после пятницы
~~~

🦎Как получить решения для сложных задач: стратегия, креатив, диагностика, архитектура, генерация гипотез... из хвоста распределения

Под хвостом распределения подразумеваются редкие, но потенциально полезные ответы, которые обычный промпт часто не достает или не отделяет от типичных вариантов

Модели часто дают наиболее ожидаемые ответы после RLHF (обучения с подкреплением на основе человеческих предпочтений), могут начать вести себя так, будто "типичное = лучшее": чаще выбирать знакомые формулировки и схлопываться к одному доминирующему ответу, отсекая менее очевидные

Исследование Verbalized Sampling показывает, что вытащить ответы из хвоста можно через грамотно составленный запрос. Для этого не обязательно дообучать модель или иметь доступ к ее внутренним весам

❕На простых, хорошо покрытых темах разница будет небольшой, но для сложных задач это может быть особенно полезно

*Промпт «Дай 10 альтернативных вариантов» не покажет какие ответы типичные, а какие редкие. Все пункты будут выглядеть одинаково весомыми и есть риск получить типичные ответы в похожих формулировках

Если спросить через метод VS, в сильно упрощенном варианте: «Дай 10 вариантов и probability (вероятность/типичность) каждого», мы получим доступ к ответам из хвоста распределения до которых обычные запросы часто не добираются или не показывают их как отдельную область распределения.

➕ Это хороший способ сравнивать модели, например сопоставляя ответы GPT и Opus. На слабых моделях проявит себя слабее

🍒 Метод VS можно упаковать в skill и использовать как рабочий инструмент. У меня он состоит из 4 шагов. Возможно выложу его отдельным постом и покажу на примере отчетности X5, как использовать его для управленческой диагностики.

Пример из исследования для 👨‍🎨 творческой задачи

~~~
🔥 realtimeforai

Намечается новый спор между исполнителем и заказчиком: кто заберет себе профит от внедрения ИИ

Недавно в переговорах заказчик уже откровенно попросил скидку на основании того, что: «Ну теперь же всё стало проще с первичным анализом, меньше человеко-часов, рутина автоматизирована...». Клиент хочет скидку на основании того, что ИИ упростил жизнь исполнителя, но не учитывает затраты времени и денег на внедрение этого ускорения

🧱Но, что есть, то есть - дорогой «первый слой» работы дешевеет, и клиенты будут отказываться платить за него как раньше. Кто-то уловил эту тенденцию и уже бесплатно или условно бесплатно предлагает первичный анализ. Например, платформа от консалтинговой компании WestMonroe.ai с бесплатными ИИ-агентами. Руководство пошло на такой шаг, так как сами признают, что стратегический анализ, стоивший миллионы, теперь имеет стоимость близкую к нулю

*Платная работа начинается на более глубоких этапах, когда анализ требует:
-Работы с внутренними данными клиента
-Адаптации под операционную модель
-Решения конкретных «болевых точек»
-Внедрения и трансформации: Самый важный и дорогой этап - сопровождение клиента в процессе реализации предложенных изменений.

Такая откровенность подкупает клиентов. На этом фоне теневой ИИ в отношении клиентов становится опасным путем и может подорвать доверие и долгосрочное сотрудничество

Спасибо "Вайбкодингу" часть клиентов уже приходят подготовленные и им уже не нужно с нуля , а важнее - доведение до ума, проверка, усиление, безопасность, одним словом довести их сырой продукт до совершенства


👤Типы Заказчиков (можно назвать по своему)

Запрещающие: ИИ под запретом из-за безопасности или регуляторики. Только закрытый контур.

Экономные: сразу ждут дисконт, так как «рутина стала быстрее»

Контролирующие: им важен процесс - какие инструменты применяли, кто проверял и кто утвердил финальную версию
____
Ценообразование будет строиться по принципу: рутина уйдет в фикс или станет бесплатной. Проверка и сложные действия (суды, переговоры, внедрение) подорожают. Суждение, критическое мышление и опыт как и прежде в цене

❗️Не рискуйте доверием клиентов, лучше описать клиенту, что сделала модель, что проверил человек и почему цена именно такая. Скоро будем в договоре это прописывать. Прецеденты уже есть. Есть тендеры, где одним из критериев выбора для заказчика выступает описание исполнителем связки ИИ с экспертами

Эпоха дорогой продажи «первого слоя» работы уходит. Деньги смещаются в опыт, доверие и способность довести решение до результата. Остальное клиент попытается забрать себе в виде скидки

—

Финансовая диагностика за 5 минут с Excel-агентом от ChatGPT

Пример того, как можно быстро подготовить "первый слой" из предыдущего поста

Это надстройка, которая устанавливается через магазин Майкрософт.

*У меня заработало только после обновления Офиса до 2024 года

в Excel-агенте три режима работы: Быстрый, Стандартный, Интенсивный. Нет возможности выбора модели. Можно подключить Skill, например как на видео skill по ФМ

Excel-агент делает меньше ошибок, чем тот же Codex, так как работает поверх Office.js / Excel API

В примере на видео: публичная отчетность + Excel-агент ChatGPT + встроенный Skill+ Промпт ⬇️

Проанализируй отчетность компании. 
Создай новый лист "Финансовая диагностика" и оформи его как готовый отчет для финансового директора. Дай профессиональный комментарий по результату финансовой диагностики

* подписка chatGPT plus , но проверьте, может надстройка доступна и на free тарифе. Codex же доступен...

от AGI к ASI новый отчет исследователей из Google DeepMind

По сути, авторы собрали дорожную карту перехода от AGI к ASI: за счет чего это может произойти и какие на пути технические, экономические, научные ограничения

AGI промежуточная стадия на пути к сверхинтеллекту и сопоставима с человеком по большинству когнитивных задач, а ASI это уже другой масштаб...

ASI - система, которая превосходит не отдельного человека, а большие, хорошо организованные группы экспертов почти во всех важных областях человеческой деятельности

🚶КАКОЙ ПУТЬ НУЖНО ПРОЙТИ:

1. масштабирование. Больше вычислений, больше данных, моделей, инфраструктуры. Индустрия уже идет по нему, но у него есть ограничения: энергия, чипы, дата-центры, стоимость, данные и пределы текущей архитектуры

2. новые AI. Нынешние LLM не финальная форма интеллекта. Следующие скачки могут прийти через новые архитектуры, более длинную память, модель мира, обучение через взаимодействие со средой, более сильное планирование и другие способы мышления, которые не сводятся к предсказанию текста

3. рекурсивное самоулучшение. Если AI начинает ускорять AI-исследования, получается петля: AI помогает создавать более сильные AI-системы, те еще сильнее ускоряют исследования, и цикл повторяется

4. мультиагентные коллективы. Миллионы AI-агентов, работающих вместе, могут образовать систему, которая окажется умнее и продуктивнее человеческих институтов. Они смогут делить задачи, специализироваться, обмениваться опытом и работать на скорости машин (не спать, не есть, не отдыхать)

*Цифровой интеллект принципиально отличается от биологического. У ИИ есть преимущества, которые усиливаются вместе с ростом вычислительных мощностей: скорость , рабочая память и хранение знаний. Систему можно перенести на другое оборудование, скопировать сохраненное состояние. Разные ИИ могут делиться данными, результатами, траекториями решений и сигналами обучения


🚜 РАЗБОР ТОРМОЗОВ
- Качественные человеческие данные конечны, придется использовать синтетические, симуляции, self-play и данные из взаимодействия с миром.
- Масштабирование требует гигантских инвестиций
- Не то что ASI, а даже до AGI не дотянем
- Низко висящие плоды уже собраны, а следующий прогресс может требовать все больше экспериментов, ресурсов и теоретических прорывов
- Барьер абстракций. Неясно, смогут ли они самостоятельно создавать принципиально новые концепции из сырого опыта, как это делает наука
- Аварии, войны, регулирование или общественная реакция могут ограничить развитие


***
От исследования ощущение, что полноценный ASI пока фантастика, но инфраструктура, которая может вести к ASI - реальна

Бизнес режет бюджет на типовые разработки из-за офисных вайбкодеров

сотрудники сами создают рабочие инструменты. Иногда эти решения идут в продакшн, но все еще с помощью IT отдела

*Налоговые консультанты KPMG без технического бэкграунда за 6 недель в командах с инженерами навайбкодили программу для автоматизации налоговых проверок и внедрили в клиентские платформы


Два уровня зрелости офисного вайбкодера:

Прототипы (быстрые инструменты) доступны любому офисному сотруднику со знанием ИИ. Большая часть повседневных задач бизнеса: отчёты, обработка документов, дашборды и т.д. сейчас решаются с помощью прототипов, создаваемых в реальном времени.

На рабочем столе вместо свалки Excel - свалка Кода

Зрелость вайбкодера наступает тогда, когда руководство позаботилось о безопасности и снабдила эксперта «Песочницами». Сейчас многие разработчики ПО и не только, смотрят в эту сторону и готовятся предложить такие Песочницы корпоративным клиентам

В песочнице можно поселить AI агента, который будет помогать сотруднику создавать приложения

В ней легче поддерживать корпоративный стандарт безопасности. У каждого он свой, но может включать, например: доступ только к копиям или обезличенным данным, автоматическое сканирование уязвимостей, контроль версий и полный аудит изменений

🗞 Финансистам и разработчикам советую ознакомится с материалом BCG vibe coding в финансах от июня 2026 . Много полезного

~~~~
📈А тем временем Интеграторы открывают новые направления:

- Постановка песочниц, платформ или сервисов с частичным или полным контролем
- Сложные интеграции, миграции ERP, промышленная кибербезопасность
- Обучение команд

Новый слоган: "Мы сделаем так, чтобы вы могли делать сами"

Прогноз по выручке пока все равно падает, но новые направления могут стабилизировать этот процесс.

Биржевые сводки сейчас таковы, что Accenture потерял 18% капитализации за день. Capgemini упал на 8%, IBM тоже попал под давление

Отчетность сильная, но акций обвалились, потому что инвесторы смотрят в будущее, а там - потеря маржи на типовых задачах корпоративных клиентов

Что изменилось в законопроекте об ИИ
*если кто пропустил, сегодня выложили на сайте

В первой версии законопроект был широким: он пытался регулировать почти все применение ИИ. Сейчас намного уже, теперь про большие фундаментальные модели искусственного интеллекта (надо запомнить)

БФМ ИИ это модель с числом параметров не менее 1 млрд, которая используется как основа для разных программных решений и большого количества задач, на которой строятся продукты

Суверенные модели
Это модели с максимальным российским контролем: разработка, изменение, обучение и воспроизводимость цикла должны быть под контролем российского юридического лица

Национальные модели
Это более гибкая категория. Российская компания управляет ключевыми характеристиками модели, но может использовать открытые иностранные компоненты или open-source модели

❗️❗️Для национальных моделей законопроект вводит важное лицензионное ограничение: компоненты, использованные при разработке модели, должны быть доступны по открытой лицензии. Если разработчик хочет получить официальный статус национальной модели, ему придется подтвердить, что база модели и ключевые компоненты лицензионно открыты

Это может отсечь часть сильных зарубежных open-weight и проприетарных решений, если их лицензии не будут признаны подходящими (хочется спросить «вам шашечки или ехать?»)

* в российском праве понятие открытой лицензии в статья 1286.1 ГК РФ. Но применительно к ИИ-моделям остается неясность: какие именно лицензии будут считаться открытыми для целей этого закона. Например, custom-лицензии вроде Llama Community License могут вызвать вопросы


❕Сам законопроект рамочный. Самое важное будет в постановлениях Правительства

❕Из проекта убрали много прямого регулирования бизнеса и пользователей

❕Для статуса суверенной или национальной модели важно не только место регистрации компании, но и структура контроля

❕Открывается путь к использованию государственных наборов данных для обучения национальных и суверенных моделей

Антибанальность: два сильных скилла из личной коллекции для Codex

▫️Verbalized Sampling для диагностики и неопределенности
▫️Creative Ideation для идей и новых решений

первый: Verbalized Sampling обещанный из этого поста
Он раскладывает список всех вариантов (и типичных и хвостовых) в таблицу. Показывает типичность версии, ее практическую пользу, риск ошибки и что нужно проверить.

Предлагает лучший вариант и какой следующий шаг.
Количество вариантов можно указать самому, по умолчанию в районе 11-12

*Можно использовать как промпт, если нет агента или адаптировать для Claude Cod

второй: Creative Ideation с anti-slop подходом. Позаимствован у Hermes Agent и адаптирован для Codex

Подходит для генерации идей и решений, новых подходов к проектам и т.д. Смотрит на задачу, учитывает этап проработки и после выбирает подходящий метод из своей библиотеки креативных и инженерных подходов

——
📎Оба Skills в комментариях к посту
——

Режим /goal в Codex спорный, но иногда сильно выручает.

Поставил задачу и ушел по своим делам

Что бы без неожиданных «сюрпризов», читаем рекомендации из поста Константина https://t.me/kdoronin_blog/1312

Репетитор по английскому в кармане телефоне

Сегодня OpenAI начал добавлять в ChatGPT

новое поколение голосовых моделей GPT-Live, способных слушать и говорить одновременно

*на free тарифе тоже будет, но в облегченной версии

Лучше всего работает с популярными языками. Для менее распространённых может быть акцент или меньшая беглость

_____
мой пост от 2025 года о создании бота-репетитора в ChatGPT
_____

Когда есть Sol, нужен ли Fable? (мини-шпаргалка по выбору)

Sol сильный исполнитель. Она лучше решает, как выполнить задачу

Fable - самостоятельный стратег. Помогает определить, какую задачу выбрать

Sol быстра, хорошо выполняет инструкции и легко перестраивается после замечаний. Сила Sol раскрывается в интерактивном режиме, когда пользователь задаёт цель, предоставляет инструкции, проверяет промежуточные результаты и тут же корректирует требования

Перед началом работы она изучает предыдущие решения, находит необходимый контекст и использует его

Модель отличается настойчивостью (она на это заточена). Если границы задачи определены нечётко, есть риск усложнения архитектуры, написания избыточного кода

Работа с текстом у Sol слабее, особенно в части выбора самой сильной и оригинальной идеи. Её тексты сложнее для чтения, а ключевые тезисы менее точные. Может найти интересный парадокс в материалах, но затем все свести к банальному выводу и упустить важные детали

Fable предпочтительнее, если задача большая и расплывчатая, пользователь понимает общую проблему, но ещё не видит конечного решения. Модель способна самостоятельно разобраться в неоднозначной ситуации, разработать план, определить масштаб проекта и не сделать лишнего

Деньги надвигаются на тех, кто строит под агентов физическую инфраструктуру и обслуживает ее

Суть нового бизнеса - предоставлять «ИИ под ключ» как инфраструктурную услугу. Осилить можно даже в одиночку при наличии соответствующих навыков. *с начала 26г. спрос на специалистов в аппаратной инженерии взлетел на 52%

Провести аудит: что клиенту выгоднее с учетом его объемов использования ИИ. Подобрать и поставить железо, развернуть локальную модель, подключить её к корпоративным базам данных, настроить роутер с маршрутизацией (для распределения запросов) и все это взять на абонентское обслуживание

Спрос на свою инфраструктуру растет, железо дорожает и тенденция минимум сохранится до 2028г.

Акции IBM обвалились на 25% и их глава признал, что недооценил переориентацию клиентов с софта и консалтинга, в сторону железа. Теперь деньги идут прежде всего в физическое - чипы, память, охлаждение. Bank of America назвал это «переходом свободного денежного потока от одного поколения компаний к другому»

___
Из-за дефицита на рынке памяти страдает конечный потребитель компьютеров и смартфонов. В конце июня Apple подняла цены на Mac и iPad, сославшись на дефицит компонентов. К концу 2026 года DRAM и
SSD подорожают примерно на 130%, поэтому средние цены на ПК могут вырасти на 17%, а на смартфоны на 13%

Бизнес видит дефицит и старается заранее обеспечить себя вычислительными мощностями, закупая оборудование впрок. Корпоративный спрос на локальные системы можно наблюдать на заказах Dell.
Dell за квартал получила 24,4 млрд долларов заказов на ИИ-серверы. Портфель невыполненных заказов достиг 51,3 млрд, число клиентов превысило 5000

Dell продаёт не просто сервер, а с гибридными системами охлаждения. Вы буквально привозите эту стойку, закатываете ее в обычную подсобку, подключаете к сети и всё

А иногда достаточно одного Mac

В малом бизнесе инфраструктура может быть ещё компактнее. Например, бизнес кейс IceRock Development. Поставили компании «Искра Телеком» один Mac Studio M3 Ultra, развернули Qwen и встроила локальный суммаризатор в рабочий трекер

Похожий бизнес уже активно набирает популярность в США. Компания с одним сотрудником - покупает и настраивает Mac mini в офисах юристов и строителей с локальными моделями и берет на обслуживание