Поторопились с AI: Klarna нанимает людей обратно, потому что ИИ облажался. Разбираем кейс

Пока одни компании только начинают пробовать AI, а другие вовсю пытаются его пихать везде и всюду, увольняя персонал, есть и те, кто успел обжечься и теперь нанимает людей обратно.

Именно такой опыт случился у компании Klarna. Klarna - шведский финтех, с которым вы наверняка знакомы, если делали покупки в зарубежных интернет-магазинах. Они предоставляют популярную услугу "купи сейчас - плати потом"

Что же пошло не так у Klarna?
В феврале 2024, Klarna гордо заявляла, что их AI-ассистент способен выполнять работу 700 агентов поддержки, обрабатывая 75% всех обращений клиентов (2.3 млн/мес) 35+ языках. Компания ввела мораторий на наем новых сотрудников в саппорт, который продлился больше года. Гендиректор Klarna, Себастьян Семятковски, даже предполагал, что AI поможет сократить штат компании на 50%.

Однако, как сообщает Bloomberg, спустя месяцы воспевания AI как стратегии замены рабочей силы, Семятковски объявил о развороте курса. Klarna снова активно нанимает людей в службу поддержки!

За впечатляющими первоначальными метриками скрывались серьезные проблемы.
Клиенты сталкивались с типичными для чат-ботов фрустрациями: неверная информация, отсутствие эмпатии, зацикленные диалоги, проблемы с эскалацией. Сам Семятковски признал, что сокращение расходов было "слишком преобладающим фактором оценки" и привело к ухудшению пользовательского опыта. Особенно это оказалось критично для финансовых услуг, где клиенты категорически предпочитают человеческое общение, ведь речь идет об их деньгах.

Кроме того, когда AI-бот все-таки и переводил клиента на человека, клиентам часто приходилось объяснять свою проблему заново, так как AI некорректно передавал контекст или вообще не делал этого.

Плохая интеграция с системами компании, отсутствие прозрачности и отслеживания контекста называются основными причинами проблем.

В итоге, Klarna снова инвестирует в людей, а Семятковски заявляет: "Действительно, инвестирование в качество человеческой поддержки — это путь будущего для нас". Компания теперь нацелена на наем студентов, жителей сельской местности и преданных пользователей Klarna, предлагая полностью удаленную работу.

Статистика по отрасли подтверждает проблемы Klarna: в 2025 году 42% компаний отказались от большинства своих AI-инициатив (по сравнению с 17% в 2024), а средняя организация списала 46% AI-концептов еще до запуска в продакшн. Для генеративного AI ситуация еще плачевнее – 70-85% внедрений не достигают желаемого ROI.

Почему это произошло с Klarna и может произойти с другими?

На мой взгляд, есть несколько ключевых причин:

Инициаторы внедрения далеки от операционки. Как правило, все инициативы в стиле "а давайте внедрим ИИ и сэкономим X денег" исходят от менеджеров топ-звена. Я уже не раз писал про "эффективных менеджеров", которые зачастую просто не знают, что на самом деле происходит "в полях". Они не в курсе ежедневных проблем операционных процессов, нестандартных методов их решения, они не живут работой тех, кого пытаются заменить. Имея лишь общую картину, принимают поспешные решения. Именно по этой причине, когда дело доходит до внедрения ИИ, я считаю, что в этом процессе должны принимать участие представители ВСЕХ групп: менеджеры, инженеры, предметные специалисты и те, чью работу должен выполнять ИИ.

Слабость самого AI. Хоть все сейчас и говорят про ИИ-агентов, это направление еще очень молодое. 2025 - год агентов, год "косячных" агентов, которые совершают ошибки. Создать реально полезного агента намного сложнее, чем просто собрать пайплайн в n8n, подключив к нему RAG.

Вероятно, не была соблюдена поэтапная раскатка.
При внедрении ИИ крайне важно работать итерациями. Не бросать агента сразу в бой на 50%+ задач, а отдавать ему лишь какую-то часть работы, например, 20%, которые затем будут тщательно проверяться человеком, а сам агент - дообучаться и обновляться. В лабораторных условиях нереально протестировать все сценарии, которые возникнут при реальном использовании.

Как вам такой кейс? :)

#кейсы

Что делать, если нужный вам ИИ-сервис не работает даже с VPN

К моему удивлению, этот вопрос в чатах по AI и у меня на тренингах возникал с поразительной частотой. Чаще всего люди не могли получить доступ к Google AI Studio и Notion. Решил написать пост, который поможет избавиться от этой проблемы.

Первое, что нужно сделать в случае, если у вас недоступен какой-то сервис - это понять, недоступен он только у вас или у всех. Иногда бывает, что сайт просто “упал” и зайти на него невозможно. Проверить доступность можно через Downdetector.

Но более интересна нам ситуация, когда сервис функционирует, а получить доступ к нему вы не можете

Здесь может быть два сценария: либо он у вас раньше работал и перестал работать, либо вы впервые решили им воспользоваться, а вас не пускает. В обоих случаях решение будет одинаковым - смените свой VPN!

Скорее всего, вы пользуетесь коммерческими сервисами, где платите за подписку, типа Nord/Express/подставьте свое имя VPN. Проблема этих провайдеров в том, что вы и сотни тысяч других пользователей используете одни и те же IP-адреса. А компании-разработчики ИИ-сервисов такое не любят.

Почему? Есть также несколько причин. Кто-то просто вредный и не хочет, чтобы их сервисами пользовались в какой-то стране, другие, например, Notion, такими способами усердно пытаются соблюдать требования инвесторов. Третьи - таким образом защищают свои данные. После прецендента с DeepSeek и OpenAI это особенно актуально.

Как этого избежать?

Здесь начну с дисклеймера.

Данный пост не имеет цели показать, как обойти блокировки Роскомнадзора и получить доступ к запрещенному в РФ контенту. Вся ответственность за использование VPN лежит на вас. Цель поста - исключительно образовательная и направлена на обеспечение стабильного доступа к разрешенным сервисам.

Теперь к делу. Здесь инструкция довольно простая. Вам нужно создать свой приватный VPN. Для этого понадобится сервер

Вот что для этого нужно:
1. Арендуете VPS-сервер где угодно за пределами РФ, российскими картами можно оплатить VDsina, сам я использую DigitalOcean. Локацию рекомендую Германию или Нидерланды.
2. Создаем там VPS, 0.5 GB оперативки, 10 GB встроенной будет достаточно, ОС Ubuntu 22.04
3. В сервисе, где арендовали VPS найдите Console или Терминал, называется по-разному, вам нужно получить доступ к командной строке
4. Открываете LLM, и пишите туда запрос “Найди мне на Github self-hosted VPN с протоколом vless, который я смогу развернуть у себя на сервере”. Скорее всего вам выдаст что-то типа 3x-ui. Это оно.
5. Для найденного VPN открываем страницу в гитхаб, копируем все, что там написано в LLM и пишем “дай мне детальную инструкцию, как это поставить на свой сервер”. И просто следуете по шагам
6. На устройство, на котором нужен доступ к сеткам, ставите любой клиент, поддерживающий vless. Попросите дипресерч найти вам что-то на вашу ОС.

#обучающиематериалы

Дополнение к предыдущему посту

@nikolay_sheyko в комментариях под предыдущим постом отписал, что на мобилках может блокироваться Outline. Тут зависит от вашего провайдера и региона. Но если Outline не работает на мобилке - можно на том же сервере развернуть Amnezia VPN.

Там чуть посложнее, придется чуть поковыряться терминалом.

1. После того, как арендовали сервер, на своем компьютере запустите команду

ssh-keygen -t ed25519

Вам нужно будет написать Yes и ввести код-пароль.

У вас создадутся два файлика со следующими именами в по следующему пути

~/.ssh/id_ed25519 - это ваш приватный ключ
~/.ssh/id_ed25519.pub - это ваш публичный ключ, его надо открыть текстовым редактором и скопировать

2. Далее идем на сервер, там делаем следующее

Вводим команду
mkdir -p ~/.ssh

Затем
chmod 700 ~/.ssh

После этого
nano ~/.ssh/authorized_keys

У вас откроется файл, в него вставляем содержимое ~/.ssh/id_ed25519.pub и нажимаем Control + S, чтобы сохранить, затем Control + X, чтобы закрыть

Вводим последнюю команду

chmod 600 ~/.ssh/authorized_keys


3. Открываем приложение Amnezia VPN, выбираем добавить сервер, Self-host

Заполняем поля:

IP: вставляем адрес вашего сервера
Имя пользователя: всегда будет root
Пароль или SSH ключ: вставляйте сюда содержимое файла ~/.ssh/id_ed25519 (также в текстовом редакторе открывем файл и копируем), с паролем амнезия иногда тупит и не может зайти


Жмем кнопку “Продолжить”. Вводим код-пароль, который писали при создании пары ключей в первой команде. После этого вам предложит создать сервер либо вручную либо автоматически. Я предпочитаю вручную. Протокол достаточно будет выбрать Amnezia WG.

Через приложение можно будет поделиться ключами на любое из ваших устройств.

Все команды в посте кликабельны. Просто копируйте их. В этом нет ничего сложного!

Анонс эфира “Как AI меняет наши профессии" с Глебом Кудрявцевым

Друзья, время очередного эфира и на этот раз он пройдет с крутым гостем! В следующий понедельник совместно с Глебом Кудрявцевым (ex CPO Skyeng, основатель Карьерного Цеха) мы проведем эфир по теме "Как AI меняет наши профессии".

На эфире подробно разберем:

- Что изменилось с последнего эфира про ИИ-тренды
- Что-такое AI-first подход, что с этим делать бизнесу и рядовым сотрудникам
- Актуальные виды AI-агентов и кого они заменят
- Почему кодить с ИИ должен научиться каждый

Подключайтесь в понедельник 19 мая, 18 00 по Москве. Записи не будет!

👉 Ссылка на регистрацию

Умение задавать вопросы как ключевой навык в эпоху AI

Когда я проходил обучение по своей магистерской программе в МГУ, на многочисленных парах - например, по стратегическому менеджменту, управлению созданием и ростом инновационной компании - наши преподаватели постоянно нам повторяли, что, помимо умения управлять людьми и понимать, что и как работает, нужно уметь задавать правильные вопросы.

Тогда я запомнил этот тезис, но не могу сказать, что прочувствовал его в контексте профессии. При этом, я всегда любил задавать вопросы: мой любимый философ, Сократ, - известный мастер этого дела. И всё же я не мог до конца осознать, почему именно этот навык так настойчиво выделяли. Что заставляло меня считать его правильным, так это авторитет профессоров, которые воспитали не одно поколение крутых менеджеров, и их личный опыт.

В очередных размышлениях о своей текущей деятельности у меня в голове возник вопрос: "А что я продаю?". Внедрение ИИ в бизнес, тренинги по AI и AI-продакт-менеджменту: вокруг чего, помимо моего опыта и знаний, всё это строится? И я поймал себя на мысли, что это либо вопросы, либо умение их задавать.

Если задуматься:
- Когда надо сделать какой-то проект - я прихожу на встречу с вопросами к заказчику. В процессе работы я также постоянно задаю вопросы и на их основании принимаю решения.
- Когда мы тестируем тот или иной продукт - мы задаем вопросы о его работе и разбираемся, что именно у нас не так.
- Фреймворк AI-дизайна продукта - это, с одной стороны, особый подход к разработке продуктов на уровне компании и её культуры, регулирующий процесс от стадии инициации до внедрения. С другой - это методология, которая учит, как, когда и почему нужно задавать различные вопросы в течение жизненного цикла AI-продукта.
- Эффективная работа с AI, если разбить этот процесс, состоит из: во-первых, умения задать себе вопросы: "Что я хочу сделать? Может ли мне помочь в этом AI? Какой AI выбрать?"; во-вторых, умения задать первоначальные и направляющие вопросы AI; в-третьих, умения задавать вопросы и себе, и AI, чтобы валидировать полученную информацию.

В итоге получается, что, если бы я не умел задавать эти самые вопросы, - сидел бы без работы. Теперь я понимаю, чему на самом деле меня учили, и сам учу этому других.

#развитиеии

Как я использую ИИ в производстве контента
Ранее я писал о том, что не доверяю LLM полностью создавать контент для себя, но при этом все равно как-то их использую. Вы накидали много реакций, поэтому сегодня делюсь своими "фишками"!

В англоязычном сегменте интернета есть такое выражение - "Second Brain" по-русски - второй мозг. Примерно так можно описать мой процесс взаимодействия с LLM.

Вот несколько сценариев, где LLM дает мне существенный выхлоп:
Систематизация мыслей - я довольно творческий человек и порой мысли о чем-либо мне приходят вразнобой. Например, я хочу написать пост: у меня есть идея, о чем он должен быть, есть источники, на которые я хочу опираться, есть мысли, которые я хочу высказать и выводы. В таком случае я выгружаю в LLM все эти данные и прошу собрать все это в формате черновика, максимально сохраняя мои комментарии. Получившийся черновик служит для меня "рыбой", которую я трансформирую в итоговый пост.

Трансформация аудио-контента. Большое количество знаний - с одной стороны хорошо, а с другой - ты иногда не знаешь как приземлить это "на бумагу". Так у меня бывает с некоторыми постами и так было с контентом тренингов. На масштабную тему мне гораздо проще говорить, чем писать. И LLM + STT помогают мне делать так контент! Например, в случае с тренингами пробные потоки и менторские сессии я проводил экспромтом и на базе вопросов аудитории, потом группировал все записи по темам, которые придумал, а из транскриптов составлял "скелет" конспектов, которые уже дальше обвешивал доп информацией.

Обработка информации с помощью вопрос-ответной формы. Об этом я подробно писал в отдельном посте "Как я использую ИИ для чтения". Я сочетаю технику быстрого чтения из книги "Думай как Математик", когда мы быстро пытаемся просмотреть содержание текста и выдернуть ключевые моменты, со способностью LLM извлекать информацию из массивов данных. Подробнее про этот пункт читайте отдельный пост.

Разработка концептов. Периодически бывает, что я могу просто застрять на какой-то задаче: в голове нет мыслей, как продолжить. В таком случае я беру ту информацию, что уже создал сам + контекст и прошу LLM накидать мне возможные варианты/сценарии/направления того, как мне продвинуться дальше на основе того, что у меня уже есть

Обратная связь через критику. Самое худшее, что может сделать автор любого продукта (включая блог) - влюбиться в собственный продукт. Чтобы этого не происходило, и в блоге и в своей работе беру крутую по моему мнению идею и прошу LLM продолжать критиковать ее и искать недостатки, не смотря на любые мои возражения. Очень помогает упражняться в аргументации своего мнения и видеть картину шире.

Игра по ролям. LLM для меня - это цифровой двойник кого угодно. Когда я хочу проверить качество того, что я написал, я промпчу LLM под роль ЦА с которой работаю. Например, у меня может быть несколько вариантов формулировки какого-то оффера. В таком случае я сначала, прошу модель выбрать тот, который ей больше нравится, а параллельно, в разных окнах чата даю каждый оффер по отдельности и прошу обратную связь.

Полировка. Когда контент у меня уже готов - я кидаю его в LLM и прошу проверить на наличие несостыковок, логических, грамматических и иных ошибок. И только после этого вношу правки, получая финальный вариант.

А какие у вас сценарии? Делитесь в комментариях!

#обучающиематериалы

Очередная раздача бесплатных подписок и скидок на ИИ-инструменты

Сегодня увидел у Кости в канале и по дороге из аэропорта уже забрал.

Раздача тут. Чтобы получить доступ - нужно залогиниться под своим аккаунтом в Github.

Что интересного раздают
Доступов и скидок там насыпали нормально, но вот несколько, которые я забрал себе и пользуюсь/пользовался сам.

Notion business - на 6 месяцев с безлимитным AI. Вполне достаточно для того, чтобы попробовать сервис тем, кто раздумывал, стоит ли приобретать подписку.

ElevenLabs - лучший сервис для клонирования голоса, озвучки и транскрибации прямо сейчас. Дают подписку на 3 месяца.

MistralAI - $25 кредитов. Очень многие недооценивают Мистраль, а ЛЛМ-ка у них очень даже ничего такая, особенно в условиях ограничений европейских регуляторов. Могу рекомендовать.

Chatbase - сервис для бизнеса, через который можно создать своего чат-бота, подключенного к базе знаний. Никаких навыков кодинга не нужно. Если хотели дешево провести эксперимент по внедрению AI-помощника на базе LLM - очень советую этот сервис. Работал с ним на 3 проектах. Дают скидку 50% на 3 месяца.

Fal - $50 кредитов. Платформа для инференса сеток для генерации медиа, вроде Flux, Stable Diffusion и других.

HuggingFace Pro - более актуально для разработчиков, включает различного рода плюшки для работы с платформой, доступ на 6 месяцев.

Помимо этого, разработчики найдут для себя кучу других полезных инструментов.

Попользовался Manus и он меня не впечатлил

Не так давно ИИ-агента Manus сделали доступным всем желающим. Ранее я подавался на закрытую бета, но мне не повезло – я не попал в списки, а у знакомых не осталось инвайтов. Очень ждал, когда же смогу попробовать это чудо техники, которое только по демонстрациям окрестили “лучшим ИИ-агентом”.

Всю прошлую неделю занимался тестированием Manus-а, и, сказать честно, он меня не впечатлил. Одна из причин – ребята очень сильно затянули с публичным запуском, что для ИИ-продукта критически важно. То, что ты можешь позиционировать как конкурентное преимущество для своих ранних последователей, сегодня очень быстро внедряют сами разработчики LLM, вроде Google и OpenAI. И сейчас нет практически ничего, что делает Manus, чего нельзя было бы сделать через комбинацию DeepResearch и Canvas внутри LLM. Да, вам придется больше работать руками, и такая связка не так автономна, но и в этом есть плюс.

Начнем с плюсов

Идеально для несложных задач, требующих декомпозиции - разработчики очень прикольно организовали Tool Use у сервиса. Понравилось как он декомпозирует и работает итерациями, но часто это получется только в довольно прямолинейных задачах, вроде поиска информации. Если требуется тот же многосторонний анализ либо задача комплексная - результат печальный.

Подготовка материалов к передаче пользователю - понравилось, как он готовит отчетность. Именно подход. Например, если попросить написать код какой-то программы - он тебе и инструкцию по запуску напишет и расскажет, как это тестировать. Это то, чего ты ожидаешь от агента, но и тут не без ложки деготя.

Что не понравилось
Нельзя делегировать комплексные задачи - сейчас я для тренингов разрабатываю кастомную LMS, и у меня родилась идея попросить Manus либо реализовать мне часть функционала, либо вообще попробовать полностью написать LMS. Думал, что даже если он не справится – часть кода хотя бы смогу применить в качестве основы для своего. При всех моих попытках Manus сильно упрощал написание кода, упускал часть состояний, вместо реальных данных – подставлял мок-данные. Если работать итеративно – проблема решается, но ведь это автономный агент 🙂 Для итеративности Cursor гораздо лучше.

Также просил его собрать мне Docker-образ для LMS, а получил независящие друг от друга компоненты, которые потом собирал вручную. С запуском проекта также были проблемы, хотя он уверял меня, что все протестировал. Вспомнился пример агента Anus, который, как говорят - написан Manus-ом после промпта, который просил его себя клонировать и который тоже не записался :)

Слишком высокая автономность - то, что меня раздражает в Claude 3.7 при использовании в Cursor. Даже не смотря на то, что в процессе ты можешь влезть с доп инструкциями – модель слишком сильно берет на себя инициативу. Отражается это в том, что опять же, моделька упрощает и упускает детали, придумывает лишнее, но не реализует важное. В задачах на ресерч с этим лучше, но DeepResearch любой LLM даст вам более качественный результат.

Подготовка материалов еще сырая - я сделал в итоге с помощью него драфт LMS. Manus сказал “Вот, держи код проекта” и дал мне 50+ отдельных файлов. Не в папках, а просто тупо кучу файлов. Только после просьбы собрать мне ZIP он сделал нормально. И, как писал выше, проект мне пришлось дорабатывать, чтобы запустить.

Итого, получается, что лучший автономный агент широкого назначения – не более чем маркетинг и игрушка. В целом, направление агентского ИИ пока что очень сырое и, на мой взгляд, гораздо успешнее здесь будут специализированные решения, вроде Cursor или DeepResearch. Поэтому, если хотите делать агентов – смотрите в сторону специализации.

#инструменты

Эфир “Как AI меняет наши профессии” с Глебом Кудрявцевым

Напоминаю, что чуть больше, чем через 2 часа, в 18 00 по Московскому времени, мы вместе с Глебом проведем эфир по животрепещущей теме.

На эфире разберем:
- Что изменилось с последнего эфира про ИИ-тренды
- Актуальные виды AI-агентов и кого они заменят
- Что-такое AI-first подход, что с этим делать бизнесу и рядовым сотрудникам
- Почему кодить с ИИ должен научиться каждый

Ожидаем порядка 200+ зрителей, помимо информации дадим еще кое-что ценное. Кто еще не записался - эфир будет тут, приходите :)

Друзья, всем спасибо за эфир!

Увидели, что не у всех записавшихся получилось залететь на эфир, при этом вылили много полезной инфы, одна QA-сессия чего стоит 🙂

Для тех, кто оставлял заявку на Timepad на почту пришлем ссылочку с записью, кейс, гайды и эксклюзивный промик на скидку на любой из тренингов по AI.

Промик будет действовать всего неделю, а тренинг по AI для личной эффективности стартует уже завтра. Количество мест по промику также ограничено.

👉 Купить свое место можно тут

Сделает ли ИИ нас быстрее и богаче?

На выходных приехал к родным, и у бабушки по ТВ в это время шла новостная трансляция. В ней делились результатами некоего исследования о влиянии ИИ на работу людей в России. Утверждалось, что 43% опрошенных пользователей ИИ стали работать быстрее, а 18% - зарабатывать больше.

Эти цифры, признаться, вызвали у меня улыбку. Во-первых, позабавил сам подход к проектированию исследования и формулировки вопросов. Во-вторых, результаты показались мне нереалистичными. Задумайтесь: если лишь 43% пользователей ИИ отмечают ускорение работы, то откуда взялись целых 18% «счастливчиков», увеличивших свой доход? Эта арифметика вызывает вопросы. Впрочем, понятно, что основная цель телеканала в данном случае - хайпануть теме или популяризировать ИИ, «потому что так надо», а лучший способ для этого - оперировать цифрами.

Про ускорение
О чем говорит показатель в 43% «ускорившихся»? По большому счету, о двух вещах. Во-первых, многие люди пока не умеют эффективно использовать ИИ. Если знать, как правильно составить запрос к модели и понимать, где и какие применять - эта цифра должна стремиться к 100%. Естественно, есть области, где LLM не помогут, но практически в любой работе есть задачи, связанные с исследованиями и обработкой информации. Поэтому эту цифру я считаю очень плохой, если только исследователи не опрашивали кассиров из пятерочки :)

Во-вторых, налицо низкий уровень проникновения передовых технологий и недостаточно высокое качество отечественных нейросетей. Для доступа к ChatGPT часто требуется VPN, и не все готовы или умеют оплачивать зарубежные сервисы. Модели вроде DeepSeek и QWEN достаточно хороши, но уступают американским аналогам, и о них слышали далеко не все (знаю людей, активно использующих GigaChat, но не знакомых с DeepSeek). Отечественные YandexGPT и GigaChat, вопреки заявлениям, далеко не так хороши, как хотелось бы. Даже в задачах на русском языке, для которых они специально обучались, они уступают Gemini и ChatGPT, испытывая трудности, например, с извлечением информации и точным следованием инструкциям.

Первая из этих проблем (неумение пользоваться) решаема повышением цифровой грамотности – например, этому мы обучаем на наших тренингах (по эффективности стартуем сегодня). Вторая (доступ) также преодолима: VPN легко настраивается, а оплачивать сервисы можно через альтернативные площадки, скажем, Plati Market (не реклама, сам иногда пользуюсь)

Про заработок
А здесь, видимо, к кассирам из «Пятерочки» присоединились какие-то очень предприимчивые люди. Однако правда в том, что ИИ сам по себе не сделает вас богаче. Если вы работаете по найму, ИИ, возможно, поможет вам выполнить KPI, установленные без учета его возможностей, или высвободит время для более важных задач, если раньше его не хватало. Но чтобы он напрямую увеличивал ваш личный заработок? Корректнее говорить, что ИИ способен увеличить чистую прибыль компании, но это не всегда транслируется в рост зарплаты конкретного сотрудника. Большинство историй об увеличении заработка благодаря ИИ - это, по сути, истории успеха людей, а не ИИ. Если кто-то и без ИИ «просиживал штаны», то с ИИ он будет делать это еще эффективнее. Выиграют те, кто и до появления ИИ активно развивал свои проекты, занимался инди-хакерством или проявлял другие инициативы.

Ключевой момент здесь – проактивность и предпринимательский подход. ИИ не подскажет вам уникальную бизнес-идею и не создаст продукт с нуля без вашего деятельного участия.

Но он может быть полезен в реализации ваших замыслов, например:
- Быть вашим вторым мозгом в создании к контента
- Собирать MVP для ваших бизнес-идей
- Ускорять мелкие операции
- Помогать поглощать больше информации
- Делать еще кучу всего..

Сам по себе ИИ никому не помогал заработать. Но для тех, кто готов учиться, адаптироваться и пробовать работать с ним, ИИ открывает новые горизонты для повышения эффективности и, как следствие, дохода. Это инструмент, который в умелых руках способен на очень многое, но без этих рук он останется лишь набором алгоритмов.

Получил доступ к Jules, теперь буду тестить!

"Что за Jules?" Подумало большинство из вас. Отвечаю - Jules - новый автономный ИИ-агент от Google, который способен решать различного рода задачи по кодингу и публиковать изменения прямо в GitHub.

Только на днях OpenAI анонсировали свой новый продукт - Codex. Ответ от Google не заставил себя ждать. Более того, ответ уже давно в разработке (заявку на доступ я подавал в Январе 2025) 😁 Компания сейчас начала рассылать инвайты в Jules, который анонсировали в рамках проекта Google Labs несколько месяцев назад. Как активный участник Google Labs, я такой инвайт получил и уже готовлюсь тестировать этого зверя в деле.

Так что же обещает Jules?
Jules - довольно мощный асинхронный кодинг-агент. Ключевые фишки, которые сразу бросаются в глаза:

Автономность и эффективность: Можно делегировать задачи из бэклога и текущие кодинг-задачи. Идея в том, чтобы Jules превращал твой список "to do" в "done", освобождая время для более важных вещей.

Code Insights (Понимание кода): Jules позиционируется не просто как кодер, а как "ИИ-хаб для вашего репозитория". Особенно заинтересовала фича Codecasts – аудио-обзор последних обновлений в кодовой базе. Google пишет, что изначально делали эту фичу для себя, но она оказалась настолько ценной, что решили включить ее в Jules. Любопытно будет это опробовать.

Контроль над кодом: Важный аспект – Jules работает в своем изолированном окружении и создает ветки и PR только по вашему запросу. Финальное слово по код-ревью и мержу остается за разработчиком. Это внушает определенное спокойствие, так как полный автопилот в кодинге пока что плохая история, вчера только жаловался на Manus.

Управление данными: обещают не использовать персональные данные и дату из приватных репозиториев для обучения, в замен ждут только честный фидбек 🙂

Что касается практического использования: на старте дают возможность делать 5 запросов к агенту в день. Негусто, конечно, для полноценной работы, но для первого знакомства и тестирования должно хватить. Впрочем, есть опция запросить увеличение лимита, чем я, безусловно, воспользуюсь. Как раз нужно будет дошлифовать мою новую LMS, так что Jules может прийтись очень кстати.

Буду держать вас в курсе по мере погружения в возможности Jules. Интересно, насколько этот инструмент реально сможет упростить и ускорить разработку, особенно в контексте вайбкодинга.

Страница проекта, подавайте заявки, вдруг вам тоже повезет (желательно иметь аккаунт США)

Хочу организовать гостевой стрим по AI

Ранее я писал, что хочется делать в канале эфиры на какой-то +- регулярной основе. Мне очень зашел вчерашний формат, когда мы с Глебом на двоих покрыли довольно широкую тему. Причем, каждый дал что-то свое: где-то мысли сходились, а где-то не совсем. И это круто, потому что не только дает вам разный контекст и разный опыт, но и помогает нам самим взглянуть на ту или иную проблему с разных сторон.

Поэтому у меня появилась идея: организовать отдельный эфир на выбранную вами тему, где будет 3-4 спикера, обладающих различной экспертизой в AI. Вне контекста курсов или чего-либо еще. Целями здесь будет во-первых, сделать крутой контент, во-вторых, открыть вам каналы крутых спецов по AI, т.к. лично я знаю несколько реально крутых ребят, у которых по 200-300 подписчиков, а посты полезны даже мне.

Собственно, сейчас хочется отобрать спикеров и чтобы вы в комментарях накидали, что вам интересно узнать.

К спикерам будут следующие требования:
- вы должны работать в AI (фаундеры, продакты, инженеры, лиды по AI и так далее)
- вы ведете свой блог, в котором делитесь полезным (Telegram, YouTube, Habr - что угодно), минимум 100 живых подписчиков и наличие реально полезных, уникальных постов, а не новостей/GPT-контента
- на эфире мы ничего не продаем, у себя в каналах - сколько угодно, здесь цель - обмен экспертизой и аудиторией
- готовность по итогам эфира к взаимопиару всех спикеров в своих каналах

Если спикеров наберется больше 3-4 - разобьем на несколько стримов по разным тематикам.

Как вам такая идея? Кидайте темы в комментарии, а кто хочет выступить - пишите мне в ЛС @vladkor97

Итоги Google I/O - компания показала модели, которые рвут все

Модели Gemini 2.5 - умнее, круче в кодинге, мультимидальнее. №1 по результатом огромной кучи бенчмарков. Отменяйте свои подписки на ChatGPT, он вам больше не нужен 🙂

Gemini Diffusion - гугл пошли в использование другой архитектуры. Традиционные модели работают на базе архитектуры трансформеров, сейчас же пробуют дифузионные модели. Результат - вместо предсказания результата токен за токеном, генерим сразу цельный ответ. Модель сейчас в бете, но говорят, что она крута в кодинге и математике (с которой страдают LLM)

Gemini Robotics - показали специализированную модель, предназначенную для обучения роботов. Фокус модели на работе с физикой. Моделька учит роботов, как правильно взаимодействовать с окружающим миром.

Project Astra - то, чего я ждал очень давно. Риал лайф использование Gemini. Словами не передать. Нужно смотреть видео. Но если коротко - показали юзкейс, как можно отремонтировать велик с помощью AI. Говорим модели, что надо сделать, в процессе она получает полный доступ к телефону, управляет им, может сделать подсказку по видео, ходить в интернет, звонить и делать что угодно. Также показали, как данный продукт может использоваться незрячими для ориентации в окружающем мире

AI Mode - аналог Perplexity от Google, который я долго тестировал в рамках Google Labs. Сегодня делают доступным для всех в США. В него добавили также режим Personal context, учитывающий данные о вас, DeepResearch и поиск по наведению камеры, так называемый Search Live. Летом завезут функции комплексного анализа и визуализации данных.

AI для шопинга - сделали агента, который позволяет сделать виртуальную примерку одежды, а потом отправить его купить то, что вам понравилось.

DeepResearch прокачали. - теперь можно будет пикрепить свои файлы, на которые вы хотите, чтобы модель опиралась при поиске. Также скоро обещают добавить DeepResearch по вашему гугл диску.

Gemini добавили в Chrome - модель будет доступна прямо в браузере. Раскатывают на этой неделе на Штаты. Моделька сможет понимать контекст страницы, которую вы просматриваете прямо сейчасю

Imagen 4 - обновили модельку для генерации картинок. Обещают более высокое качество, работу с текстами и редактирование изображений прямо в приложении Gemini. При этом модель работает в 10 раз быстрее.

VEO 3 - ДОСТУПНА УЖЕ СЕГОДНЯ. И ЭТО ОФИГЕТЬ! Модель генерирует не просто видео, но и звуки, диалоги и кучу всего! В общем, полноценные фильмы!

Flow - отдельная студия, в которой можно работать со всеми медиа, которые вы генерируете. Можно создать фильм, озвучку и музыку к нему.

Gemini Ultra - новая подписка, которая включает в себя VEO 3, Gemini 2.5 Pro DeepThing, 30 тб хранилища, жирные лимиты, YouTube Premium и кучу других плюшек. Стоит $250 в месяц. Теперь сижу и думаю, как задушить жабу, которая говорит не покупать ее 😁

Это была САМАЯ МОЩНАЯ презентация от Google на моей памяти!

👉🏻 Оригинальный пост гугла

Ешьте свой собственный собачий корм, если хотите сделать крутой AI-продукт

Звучит максимально странно, не правда ли? :) Виноваты американцы с их любовью к фразеологизмам 😁 “Eat your own dog food” или “Dogfooding” – это целая философия и, на мой взгляд, крутейшая практика. Суть проста: чтобы сделать что-то действительно стоящее, нужно внедрить этот продукт прежде всего в свои собственные процессы.

Среди известных «догфудеров» в сфере AI я бы сразу отметил Google, которые повсеместно используют Gemini. Или вот Cursor, где сотрудники создают новые фичи для своего агента по написанию кода с его же помощью и иногда косячат. OpenAI тоже в теме – они оптимизируют процесс AI-исследований с помощью версий GPT, которые еще даже не вышли в продакшн. В общем, компаний, практикующих такой подход, немало. Более того, эта политика часто действует на уровне всей организации: использование продуктов конкурентов может быть попросту запрещено и блокироваться файрволом.

Смысл всех этих мероприятий прост и логичен. Когда ты сам ежедневно пользуешься своим продуктом, ты первым видишь все его «косяки» и сталкиваешься с проблемами в реальных, а не лабораторных условиях. Ты буквально примеряешь на себя шкуру пользователя и испытываешь те же «боли». В результате команда начинает лучше приоритизировать фичи, а разработчики меньше ворчат на продактов из-за очередного, по их мнению, «ненужного» изменения. Все оказываются в одной лодке.

Единственный спорный момент, который здесь может возникнуть, – это когда разрабатываемый продукт еще, мягко говоря, «сыроват». Например, для тех же исследований или кодинга. С одной стороны, компания требует от сотрудников сделать продукт лучшим на рынке, но при этом сама же ограничивает доступ к более совершенным инструментам конкурентов. И вот вроде как-то несправедливо получается. А с другой стороны – у тебя появляется просто запредельная мотивация как можно скорее довести собственный продукт до ума. Работаешь от этого только усерднее, чтобы самому же было комфортнее.

В целом, я такую политику полностью поддерживаю и сам сознательно ее применяю. Например, на базе промптов, которые я писал для парочки стартапов, я создал себе кастомные Gems. Теперь довольно часто их использую и в процессе получаю массу инсайтов для дальнейших улучшений – по сути, постоянно «допиливаю» их для себя же.

Или вот еще пример – сервис Synapex AI, ребятам из которого я помогал на первых этапах и с которыми у нас большие совместные планы. У меня даже есть платная подписка на их продукт, потому что я им реально пользуюсь. Кстати, если вам нужен крутой сервис сквозной аналитики в Telegram – пользуйтесь. AI-фичи от меня там тоже скоро появятся, следите за обновлениями. 😉

Так что, да, практика «dogfooding» – это очень круто. Настоятельно рекомендую каждому продакту взять ее на вооружение. А чтобы заниматься этим было не только полезно, но и приятно – создавайте продукты в той области, которая вам лично по-настоящему интересна! Тогда и «собачий корм» будет в радость, и результат не заставит себя ждать.

Спасибо большое! Было очень интересно, вспомнилось что-то из института и ранних изысканий в этом направлении) и вы замечательно рассказываете. приросли специфические вопросы, правда после некоторого обдумывания. И по ощущениям они похожи на задачи)

Как введение - отлично! Хорошо улеглось в голове. Еще бы перечитать презентацию для закрепления и вообще будет норм. Смогла наконец начать читать книгу про машинное обучение, до этого открывала и закрывала, лекция помогла настроиться и найти первые ориентиры.