Все материалы по FPF-практикуму уже доступны.

Как посмотреть и разобрать бесплатный семинар с лучшим результатом?

Более 170 человек проходили вчера online практикум Анатолия Левенчука "ИИ знает почти всё. А вашу работу — нет". Перед встречей мы направляли участникам персональные инструкции по подготовке, и примерно половина писали, что раньше почти не работали с AI или с FPF.

Тем ценнее результаты, которые появились уже во время эфира:

"Без FPF ответ был на один абзац, с FPF — на два листа".

"За первый запрос получил ответ, к которому до этого шёл пару дней общения с агентом".

"Сделал DPF по backend-программированию: получилось 560 строк, совсем не то, что ожидал, очень фундаментально".

"Попросил архитектуру и ADR для проекта: агент предложил несколько структур и 8 архитектурных решений".

"Получил DPF по управлению строительными проектами".

"Сделал DPF по разработке и внедрению корпоративной СЭД — 32 страницы".

"Запрос про сокращение lead time на статистике команды дал 20 тысяч знаков с метриками, ролями и тем, что контролировать".

"Сделал DPF по расчёту поставок на маркетплейсы".

"Сгенерировал DPF по R&D-трансформации, теперь буду уточнять".

Это были первые черновики, местами сырые и требующие доработки. В этом и смысл практикума: участник берёт свою задачу и сразу видит, что меняется, когда AI-агент получает FPF, предметные правила и более точную постановку.

❗️Мы подготовили материалы для тех, кто хочет пройти семинар в записи или перепройти его уже спокойнее: запись в Telegram, запись на Яндекс.Диске, слайдомент, который можно открыть рядом с видео и загрузить AI-агенту, нарративизацию по подходу Ильшата и обсуждение научного руководителя примеров участников.

Всё это уже доступно на TG-канале программы Рабочего развития: https://t.me/+yU-Nla1LmuM0MjIy

Главный шаг сейчас — зайти на канал, забрать материалы и пройти практикум на одной своей задаче. Первый черновик DPF/SPF уже будет материалом, который можно читать, проверять, улучшать и приносить в обсуждение.

Цена ошибки в работе с AI становится выше.

Раньше слабый запрос к нейросети давал слабый текст.
И это всё равно выглядело как "вау" — было вполне терпимо.

Сейчас AI-агенты получают доступ к коду, документам, проектным решениям и командным материалам. Они начинают действовать как сотрудники: предлагают варианты, меняют структуру, собирают документы, готовят решения, влияют на следующие шаги.

И здесь уже мало просто "лучше формулировать промпты".

Если агенту не задана предметная вводная, он всё равно будет работать. По общим словам, случайным признакам и вашим обрывочным пояснениям.

Иногда попадёт, принесёт приличный черновик.
Иногда создаст уверенную, связную и дорогую ошибку — такую, которую замечают уже в проде, в согласованном документе, в принятом решении или в задаче, по которой команда уже начала работать.

✅ Поэтому FPF и DPF становятся важны как рабочая грамотность нового уровня.

❤ FPF помогает направлять рабочие ходы агента: указать на проблему, проверить решение, заметить архитектурную ошибку, отделить черновик от результата.

🔧 DPF переводит правила вашей области в действия агента: применить нужное ограничение, проверить типовую ошибку, сравнить результат с критериями пригодности, запросить недостающий источник.

На серии из 5 практикумов будем делать этот переход для вашей области: от общего AI-черновика к первому рабочему DPF.

❗️ Это переход от "AI помогает с текстами и вариантами" к работе, где у агента появляются более точные предметные правила: что учитывать, что проверять и какой результат можно считать пригодным для следующего шага.

Старт — 12 июля.
Подробности в расписании — https://system-school.ru/list

Почему серия по FPF и DPF не устареет через полгода?

Хороший вопрос из чата: если FPF сейчас развивается, можно ли уже считать текущую версию рабочей? И не окажется ли, что через полгода всё изменится?

Если коротко, текущая версия уже рабочая.
Но ценность серии из 5ти практикумов глубже, чем конкретная редакция файла.

Меньше всего научному руководителю хочется делать из практикумов "инструкцию по пользованию AI".

Инструкции к интерфейсам устаревают быстро: меняются модели, сервисы, лимиты, способы подключения, стоимость токенов, агентные среды.

Серия устроена вокруг более долговечной части: модели мира внутри FPF и способа строить на её базе модели предметных областей.

FPF важен не как очередной интерфейс или набор лайфхаков, упрощающих жизнь.

✅ Его ценность в том, что он задаёт другое мышление о работе: как различать проблемную ситуацию, решение, архитектурный вопрос, проверку, документ, план, выполненную работу, пригодность результата и следующий рабочий ход.

AI здесь важен, но он не главный герой.

Главный герой — мышление, которое должно быть и у человека, и у AI-агента, чтобы они могли работать в одной предметной области.

Когда человек просто "пользуется AI", он часто ждёт хорошего ответа от модели.

❤ Когда человек работает через FPF и DPF, он начинает иначе задавать саму предметную работу: какие различения важны, какие ограничения держать, какие ошибки проверять, какой результат годится, где нужно остановиться и вернуть вопрос человеку.

И чем умнее модель, тем менее очевидны её ошибки. Поэтому растут требования к человеку, который с ней работает.

Сильный AI может дать гладкий, уверенный, убедительный ответ. Проблема в том, что ошибка в таком ответе тоже выглядит убедительно. Чтобы её заметить, мало "лучше формулировать запросы". Нужно понимать, какое мышление должно удерживать задачу, предметную область, архитектуру, проверки и язык результата.

На серии будем идти именно туда в первую очередь.

Не в "компьютерную грамотность эпохи AI-агентов".

❗️В работу с FPF как с новым содержанием:
— архитектурным мышлением,
— точностью языка,
— предметными моделями
и соберём DPF для выбранной области или класса задач.

Форматы будут развиваться. Подключения к агентам будут меняться. Версии FPF будут уточняться.

Но умение строить предметную модель, задавать правила области, различать пригодность результата и видеть архитектурные ошибки будет служить дольше конкретной версии интерфейса.

Серия стартует 12 июля.

Подробная программа:
https://system-school.ru/list

✅ Точная речь стала навыком управления работой.

Опаснее всего не сама ошибка AI, а уверенная выдача, которая выглядит как достаточное основание для действия там, где нужно остановиться и проверить. Вот типовые подмены, которые всё чаще появляются в AI-ответах под видом рабочего результата:

— План выглядит как работа;
— Схема выглядит как архитектурное решение;
— Пересказ выглядит как источник;
— Слово "согласовано" выглядит как право действовать;
— Фраза "качество выросло" выглядит как проверенный факт.

Раньше такие вещи часто спасались опытом команды. Люди догадывались по контексту, уточняли на встрече, молча доделывали руками.

С AI-агентами этот запас прочности резко уменьшается.

Он не прожил с вашей командой год. Он не знает, что у вас обычно значит "готово", "проверить", "согласовать", "улучшить процесс" или "сделать регламент". Он берёт слова и вероятности — и может очень убедительно продолжать неверные основания.

Так появляются проекты, основанные на неточностях, которые по факту оказываются управляемыми только на бумаге. Потом выясняется: по этому ещё нельзя было принимать решение, запускать работу, менять архитектуру, ссылаться на источник или считать задачу выполненной. Ошибка становится видна поздно — когда решение уже оплачено, запущено и требует переделки. Всё это время AI не останавливал ошибку, а быстрее разворачивал её в планы и следующие действия.

Поэтому точная речь становится рабочим навыком управления AI-работой.

Это умение вовремя развести:

— метод и инструкцию;
— роль и того, кто действует в этой роли;
— уверенное утверждение и гипотезу для проверки.

AI сделал старую инженерную проблему массовой.

❤ То, что раньше было делом архитекторов, методологов и сильных руководителей, теперь становится рабочей грамотностью для тех, кто ставит задачи AI-агентам, принимает их ответы и отвечает за результат.

На серии практикумов с Анатолием Левенчуком это разбирается через FPF, DPF и LPF.

FPF — подключаемый рабочий файл-фреймворк для AI-агента. В нём собраны различения, которые помогают человеку и агенту не путать схему с решением, план с выполненной работой, пересказ с источником, красивый текст с пригодным результатом.

DPF добавляет правила предметной области: типовые проблемы, ограничения, ошибки, проверки и признаки хорошего результата.

LPF добавляет локальную практику команды, проекта или организации — как решения принимаются именно у вас, где источники, кто действует в какой роли и что считается пригодным результатом.

Отдельное усиление серии — мантры FPF.

Здесь мантры — это короткие рабочие формулы. Они работают почти как чек-лист внимания: где искать, что искать, какой ход выбрать, где проверить основание и когда вернуться к источникам.

Так сложная теория превращается в рабочий навык: для разговора, документа, проектного решения и задачи AI-агенту.

Серия стартует 12 июля.

Подробности и расписание:
https://system-school.ru/list

❗️Новый механизм применения FPF на своих задачах - сегодня открываем ящик

Один и тот же вопрос к AI-агенту без FPF и с FPF даёт разное развитие рабочих процессов - этот эффект мы уже увидели на бесплатном практикуме.

С FPF агент иначе ставит задачу и чаще предлагает более точный результат.

Но эффект сам по себе не даёт мастерства (удержания желаемого результата в сжатых сроках).

Сегодня стартует серия из пяти практикумов с Анатолием Левенчуком, и первый семинар как раз про этот переход:

от "FPF сработал" к "я понимаю, как перенести и масштабировать это в своём проекте".

Участники будут разбирать, как взять свою ситуацию, найти ближайшую карточку применения, понять подходящий паттерн, получить первый полезный результат и попросить AI-агента построить именно его.

Это может быть карточка проблемы, архитектурная постановка, сравнение вариантов, заготовка DPF, описание метода или следующий ход, который до этого был невозможен, неясен или преждевременен.

Новая версия FPF потом будет доступна как материал. Но сегодня участники получают больше, чем файл: авторское объяснение логики изменений, первые живые разборы, ответы на вопросы и опыт применения к своим рабочим ситуациям.

В этом и есть преимущество семинаров с фронтира🔥

Можно дождаться готового файла и разбираться по нему самостоятельно.

❤ А можно зайти в момент, когда появляется новый способ более точной работы и сразу почувствовать результат на своём проекте.

FPF и понимание как с ним работать особенно окупаются там, где рассуждение надо передать другому человеку, команде, инструменту или AI-агенту без потери смысла. Там, где обратная связь дорогая или медленная. Там, где красивый ответ модели ещё не даёт основания двигаться дальше.

Пять семинаров идут как один маршрут.
1️⃣ Сегодня — FPF-грамотность и первый вход в применение паттернов.
2️⃣,3️⃣,4️⃣,5️⃣Дальше — архитектурные ходы, рабочие процессы, точность языка, DPF для выбранной предметной области и первые выходы к LPF.

✅ Это серия про новый рабочий язык, в котором человек и AI-агент могут удерживать одну ситуацию, один предмет работы и один следующий ход.

Старт — сегодня, 12 июля, 11:30 МСК.

Пререквизитов нет. Можно приходить с живой задачей из своего проекта.

Подключиться к группе:
@SystemsSchool_bot

Для выпускников программ Рабочего развития с наставником в боте отображаются отдельные условия участия.

Подробнее:
https://system-school.ru/list

Если хотите идти со всей группой, но сейчас неудобно оплатить весь маршрут сразу, напишите Алёне:
https://t.me/alyona_girassol

✅Что сейчас происходит в МИМ

Участники уже соединяют несколько направлений: одни после резидентур одновременно пошли в марафон и на FPF-практикумы, другие совмещают R3 с практикумами на своих рабочих проектах.

1️⃣ На Рабочем развитии сегодня последний день входа в R3 "Рабочее моделирование в инженерии и менеджменте".

Это следующий шаг для тех, кто после R2 уже увидел, как рабочая модель помогает быстрее договариваться, точнее объяснять решения и хочет научиться делать качественные описания  систем, по которым проект может двигаться дальше.

🔥 Для одного участника группы  работа в резидентуре уже помогла заметно сократить время на объяснение предложения коллегам.
🔥 Ещё одному участнику удалось собрать разрозненные знания, инструменты и правила  в рабочую среду, после чего проект начал двигаться быстрее.

Последовательное прохождение резидентур здесь имеет огромное значение - вопросы, которые возникают после одного руководства, получают ответв в следующем.

Пауза позволит разгрузить график, но одновременно часть пройденного забудется, и общая картина остаётся несобранной. Поэтому участникам рекомендуют пройти маршрут до конца, а к отдельным заданиям и недочитанным разделам возвращаться уже с пониманием связей между руководствами.

В R3 работа с моделями становится глубже. Участники учатся точнее описывать свои рабочие ситуации, различать объекты, их темпоральные состояния, свойства и отношения, роли, описания и шаблоны описаний, можели и мета-модели, онтики и онтологии. Все эти знания нужны чтобы создавать качественные модели, которыми могут пользоваться и команда,  и AI-агент.

Первое задание уже опубликовано. Первый разбор состоится 18 июля. Если вы ждали продолжения после R2, присоединиться к текущей группе можно сегодня:
@SystemsSchool_bot

2️⃣ На этой же неделе продолжается серия практикумов Анатолия Левенчука по FPF, DPF, LPF и AI-агентам.

Вопросы участников первого практикума уже повлияли на развитие самого FPF. По его итогам Анатолий запустил шесть связанных кампаний, которые должны сделать FPF точнее, согласованнее и удобнее для совместной работы людей и AI-агентов.

Коллеги AI-агенты работают над этим больше двух суток: ведут сложное рассуждение по большому корпусу текстов, предлагают решения и проходят проверку. Анатолий направляет их работу, уточняет планы и меняет ход там, где результат можно усилить.

Практический результат — человек и AI-агент одинаково понимают, что происходит в проекте, какое изменение нужно сделать и на чём основано решение, а затем переходят к следующему рабочему ходу. При этом FPF должен становиться точнее, не усложняя работу пользователя.

Второй практикум посвящён архитектурным ходам. Он нужен в ситуациях с несколькими возможными решениями:
— требуется понять, какое из них стоит брать в работу,
— чем варианты отличаются по последствиям
— и как направить AI-агента к результату, который действительно продвинет проект.

3️⃣ R3 и практикумы хорошо соединяются на одном проекте: в R3 участник развивает его рабочую модель, а на практикумах использует её, чтобы точнее ставить задачи AI-агенту и проверять предлагаемые ходы.

Такой маршрут уже выбрал один из участников: он проходит R3 и практикумы параллельно.

4️⃣ На Личном развитии тем временем уже идёт марафон.

Продолжаем поддерживать ребят и наносить непоправимую пользу.

Вчера мы поделились фрагментом прямо из марафона, и он откликнулся сообществу:

"Любой человек всегда будет чем-то не удовлетворён. Но если видеть только это, ничего хорошего в долгосрочном плане не будет. Можно постепенно съесть собственную мотивацию.
Совсем небольшое число людей умеет замечать маленькие изменения, разбираться, как они происходят, хвалить себя и уже после этого составлять гипотезы для устранения проблем".

❤ Похоже, это точно описывает жизнь МИМ: замечать движение, понимать, как оно устроено, и помогать ему становиться сильнее.

✅ Что изменилось после первой встречи — и что можно забрать в свою работу уже сегодня

Участники первого FPF-практикума уже прогнали подход через свои проекты. В одном проекте результат:

"Из хаоса прямо чёткий план".

В другом, разбор показал, что около 95% времени уходило на моделирование, а само продвижение почти остановилось❌

В кейсе с автоматическим AI-дежурным формулировка "уменьшить дежурную нагрузку" оказалась слишком общей. В ней отсутствовал критерий результата, поэтому агенту было не с чем сверять свои предложения.

❗️ Три разные задачи в очередной раз приводят к одному выводу: качество работы AI зависит от того, насколько точно человек понимает, какой результат нужен для следующего рабочего хода.

❤ Вот пять приёмов, которые можно проверить на своей задаче уже сегодня:

1. Начинайте с одной живой ситуации и одного текущего вопроса
Запрос "улучши весь проект" может показать общие проблемы. Для рабочей сессии полезнее выбрать один вопрос, решение или документ, который нужен прямо сейчас.

2. Сразу объясняйте, для чего нужен результат
Агенту важно понимать, какое решение должен поддержать его ответ и что вы сможете сделать после этого. Тогда он меньше уходит в красивую, но лишнюю проработку.

3. Просите выдавать результат отдельным файлом
Формат .md удобен для длинной работы: текст можно дополнять, передавать другому агенту, сравнивать между версиями и использовать как самостоятельный рабочий продукт.

4. В длинном ответе сначала ищите то, что можно применить отдельно
Это может быть постановка проблемы, модель, решение, описание или план. Пересказ терминов и паттернов полезен только тогда, когда помогает получить такой результат.

5. Направляйте агента во время длинной работы
Добавляйте замечания в текущий план, меняйте критерии и пересобирайте способ взаимодействия, когда сессия превращается в ручной запуск десятков мелких действий. Человек здесь удерживает предмет работы и направление движения.

Задания между встречами тоже строятся вокруг реальных проектов участников.

Их смысл в том, чтобы изменить следующий ход в собственной работе.

Вопросы первой встречи повлияли на развитие самого FPF: после практикума Анатолий запустил большой пересмотр корпуса паттернов. AI-агенты ведут длинные проходы по материалам: один предлагает изменения, другой проверяет результат. Автор FPF направляет работу и следит, чтобы повышение точности сохраняло практическую пользу инструмента.

19 июля состоится второй практикум. На нём будем разбирать архитектурные ходы: как понять, какое целое нужно менять, какие структуры определяют результат и к чему приведёт каждый вариант решения.

На канале "Рабочее развитие" продолжим публиковать кейсы и полезные материалы.

А какой рабочий ход изменился у вас за эту неделю?