Учиться учиться с AI

Я уже рассказывал как NotebookLM помогает быстро вгружаться в новые темы. Сегодня покаже еще один подход, которым активно пользуюсь.

Напомню, что я вписался в курс AI Product Engineer. Уже на первом домашнем задании пришлось делать AI-агента, который обрабатывает отзывы клиентов.

Я вообще никогда раньше агентов не собирал — знания скорее теоретические, да и с кодингом отношения примерно никакие, последний раз писал код лет 6 назад, да и то недолго 😅

Но с появлением AI понял простую штуку: теперь я могу разобраться почти с чем угодно, вопрос лишь в том, сколько времени это займет.

В итоге собрал для себя такой алгоритм:

1. Отдельный проект в ChatGPT
Загружаю туда контекст и материалы курса. Так модель всегда опирается на нужные мне знания и меньше генерит чего-то усредненного

2. Выгружаю задачу голосом
Просто потому, что быстрее и проще. Важно выгрузить максимум деталей — нейросеть сама отбросить весь "речевой мусор"

3. Уточняю понимание задачи
Обязательно прошу модель пересказать, как она поняла мою задачу, и задать вопросы про то, что я мог забыть. После пары итераций получаю четко сформулированную задачу

4. Выбираю план решения
Прошу GPT предложить варианты решения, и главное — объяснить, почему именно так. Если что-то непонятно — прошу прояснить, пока в голове не сложится полная картинка

5. Формирую ТЗ
Перевожу план в понятное мне и LLM задание, отдаю его на вход уже кодинговому агенту. Если нужно — вношу правки

6. Вайбкодинг. Тут не буду подробно останавливаться, это заслуживает отдельного поста 😀

7. Утрясаю понимание кода. Когда все работает, я загружаю весь код в Gemini (он может переваривать большой контекст) и прошу объяснить какие части кода за что отвечают. На скрине пример, где я начинаю обсуждать логику работы агента

Короче, используйте нейросети как партнера по мышлению — и офигеете, насколько быстрее начнете разбираться в любых задачах 😌

Рассказываю как делал игру для детей

AI для общения с детьми на расстоянии

Этим летом мы с детьми оказались в разных странах. Конечно, стараемся созваниваться почаще, но удерживать внимание в таком возрасте через экран непросто. Мне даже стало немного грустно. Тогда я подумал: а что если превратить обычный звонок в игру-приключение?

Так я сделал детективную мини-игру "Кто украл метеорит?"

Как я ее сделал

Сначала пошел в ChatGPT и рассказал, какие темы сейчас увлекают Даню (в частности, там были ниндзя, космос и детективы). Нейросеть быстро набросала базовый сюжет и нарисовала картинку с местом преступления.

Потом я открыл Gemini и превратил эту задумку в интерактивную веб-игру с персонажами и уликами. Я немного адаптировал сценарий, добавил иллюстрации подозреваемых и сгенерировал короткое видео-развязку (через Veo3), показывающее, кто и как на самом деле похитил метеорит. На реализацию у меня в итоге ушло часа 2.

Сюжет игры сделан таким образом, что там нет заранее заданного ответа. Мы вместе с Даней обсуждали его гипотезы, фантазировали, рассуждали и просто весело проводили время.

Неожиданно я задал новую планку качества онлайн-общения с сыном. Теперь, когда Даня занимается португальским онлайн, он жалуется, что ему "не хватает детектива" 😅

Если вдруг окажитесь в подобной ситуации или просто захотите сделать игру для ребенка, вот что можно сделать:

1. Обсудите с нейросетью сюжет игры или квеста, рассказав какие есть интересы у ребенка
2. Переходите в Gemini или Claude (и там, и там есть удобный превью режим, чтобы сразу видеть, что получается) и шаг за шагом создавайте интерактивную историю. Просто описывайте желаемое – остальное модель сделает сама
3. Сделайте эффектную развязку: небольшое видео или анимацию (легко генерируется с помощью Veo3)

Если будут вопросы, пишите, с радостью помогу!

AI First подход

Вчера купил подписку в ElevenLabs, хотел потестить клонирование чужого голоса (в исследовательских целях!). Уперся в логичное ограничение безопасности: нужно живое подтверждение этого человека. Решил оформить возврат. И тут редкий для SaaS кайф: их AI-ассистент мгновенно дал форму, письмо пришло сразу, клик – и через пару секунд подписка отменена. От решения до результата – 5-7 минут, без ожиданий и пинг-понга с поддержкой.

Почему так? Потому что процесс изначально спроектирован как AI First: без людей в критическом пути, с нужными данными и понятной валидацией.

Подобные "умные AI-помощники" сейчас есть уже почти в каждом сервисе, но почему же не все они такие умные? Да что уж там далеко ходить, в Додо тоже пробовали с этим экспериментировать, но "не взлетело". Давайте разбираться.

В Додо мы тестировали внешнего AI-ассистента поверх своей базы знаний. На маленьком, аккуратно подготовленном юзкейсе все работало нормально. Как только скормили большой массив информации – качество рухнуло. Проблема тут была не в ассистенте и не в модели, а в контексте: дубли, противоречия, старые версии, разъехавшиеся термины. Пришлось откатиться, и начать наводить порядок в данных, чтобы продолжать дальше.

Поэтому компании, которые спроектируют процессы как AI First, определенно получат преимущества.

Чтобы было понятнее, чем AI First отличается от "прикрутить AI к чат-боту" – свежий пример с рынка. Airbnb публично заявили, что идут к приложению AI First: уже запустили AI-агента в поддержке, сокращают эскалации к людям, а дальше – персональные агенты внутри продукта, которые не просто подскажут, как отменить бронь, а сами отменят, подберут альтернативы и оформят новую поездку. И это, очевидно, не слой поверх старого процесса, а процесс заново спроектированный под AI.

Так что просто "прикрутить AI" к чатику – это косметика. Все строится на мощном фундаменте, где под капотом много нюансов:
— чистая, нормализованная база знаний и событийка (онтология, статусы, SLA, исключения)
— доступы и ограничения на уровне документов и полей (privacy, аудит, версии)
— ретривал, который действительно находит нужное (адекватные чанки, эмбеддинги, синонимы, дедупликация, актуальность)
— сквозные интеграции (биллинг, CRM, тикет-система) с правом делать действие, а не только советовать

Кстати по теме рекомендую посмотреть выступление Эльвиры Морозовой про внедрение LLM в Яндексе, в частности в кейсах поддержки.

TL;DR: кажется сейчас у новых компаний есть окно возможностей – сразу строить AI First процессы и выигрывать скоростью и отсутствием трения. Тем, у кого накоплены годы контента, сначала придется причесать его, иначе любые AI решения (не важно, свои или внешние) не дадут нужный эффект.

Ну а если у вас есть практический опыт внедрения AI в поддержке – дайте знать, было бы полезно проконсультироваться, чтобы наломать поменьше дров 🙏

Pay → Rest App → GCX → UAE → IMG → CVM → AI

В этих аббревиатурах зашифрован мой путь в Додо. Сейчас идет 7-ой год и вот с прошлой недели новая роль, буду развивать AI в компании.

Забавно, что чуть больше года назад я писал про win-win возможности развития в Додо, приятно, что все мои слова из того поста все еще актуальны.

Так что следите за обновлениями, астрологи объявили еще больше постов про AI в этом канале 🔮

Внедрение AI в компанию на практике

Менять устоявшиеся процессы всегда непросто. А с AI сложнее вдвойне, потому что пока никто не знает как правильно. Самое лучшее в такой ситуации — это обмениваться опытом с теми, кто реально что-то делает на практике.

Поэтому на следующей неделе мы проведем открытый эфир про внедрение AI в компании и процессы — разберем, что у кого реально работает, а что нет.

С кем будем общаться
— Елена Хлюпова – CEO Tiburon Research
— Елена Дернова – основатель и креативный директор «Луч ИИ», Baloo — AI-агент для креатива в перфоманс-маркетинге
— Дима Соловьев – лид по развитию новых направлений и команды, «Радость Понимания», co-founder AI LAB

Когда
Вторник, 19 августа, 19:00 МСК. Ссылка появится тут за час до старта. Добавить в календарь.

Если есть вопросы или кейсы — пишите в комменты, постараемся обсудить в эфире.

Начинаем эфир через 10 минут!

https://us06web.zoom.us/j/81564089792?pwd=HsBZDkFiUjl5rVpehQDj1rTGNbCwuT.1

Запись эфира о сложностях внедрения AI

Спасибо всем, кто пришел и поделился практикой. Если пропустили – вот запись.

Главный инсайт, который я для себя вынес: те, кто сейчас с любопытством изучает AI, определенно получат конкурентное преимущество в будущем. Да, сегодня разрыв между теми, кто использует AI, и теми, кто нет, может казаться незначительным. Но он неизбежно будет расти. И хотя до полной замены людей еще далеко (и неизвестно, придем ли мы к этому вообще), уже сейчас можно автоматизировать множество процессов в самых разных профессиях.

При этом в разных компаниях отношение к AI может кардинально отличаться. Где-то инициативы спускают сверху, где-то развитие идет снизу благодаря энтузиастам, а где-то подобные инструменты и вовсе ограничивают или запрещают.

Поэтому моя рекомендация – начинайте с себя. Набивайте руку на любых кейсах, с которыми сталкиваетесь, причем лучше начинать не с рабочих задач, а с личных и бытовых. Возьмите за привычку обращаться к AI с разными вопросами, наблюдайте, где он работает хорошо, а где дает сбои – таких случаев тоже немало. Когда войдете во вкус и поймете границы возможного, можно переходить к рабочим задачам.

Если не знаете, с чего начать, рекомендую статью "Build your personal AI copilot" – довольно прикладная и универсальная инструкция по внедрению AI в повседневную жизнь. А мой коллега Вова сделал по мотивам этой статьи классный мини-курс, который пошагово проведет вас через процесс создания собственного AI-ассистента.

Месяц в новой роли: наводим порядок

Сегодня месяц как я официально в новой роли. И самая большая проблема – понять, за что браться в первую очередь. В AI каждый день что-то меняется, а за кейсами внедрения на масштабе компании типа Додо еще надо поохотиться.

Каждую неделю от коллег прилетают идеи и запросы. С одной стороны – хочется помочь и довести до результата побыстрее. С другой – ясно, что инвестировать нужно либо в системные решения, которые дают эффект сразу многим, либо в проекты с быстрым ощутимым результатом типа автоматизации поддержки.

Чтобы было удобнее, я разложил все входящие запросы и свои идеи по 5 стримам, каждый из которых наполняется своим бэклогом.

🏗 Infrastructure
Строим фундамент для AI: подготовка данных к работе с LLM, создание песочницы для экспериментов и прод-контура для масштабирования, реализация API/MCP для интеграций, настройка мониторинга.

🛠 Tools
Покупаем или разрабатываем инструменты, которые ускоряют доставку ценности: агенты для тестирования и кодинга, сервисы для ресерча и прототипирования.

🚀 Pilots
Запускаем эксперименты для конкретных процессов: фокус на проектах с ощутимой бизнес-ценностью. Каждый пилот – это проверка гипотезы с понятными метриками успеха.

🎓 Culture
Учим и вовлекаем: проводим воркшопы, мастер-классы, хакатоны, делимся кейсами и приглашаем экспертов, помогаем создавать простеньких личных ассистентов.

📊 Governance
Измеряем эффект от инициатив и управляем рисками: определяем и трекаем метрики, описываем AI-политики и процессы внедрения.

Параллельно формирую вижн того, куда может трансформироваться компания, если бы процессы в ней были AI-first. Одна из фундаментальных мыслей тут – у нас должны быть качественно описанные и всегда актуальные кластеры информации (база знаний, кодовая база, база данных), с которыми LLM могли бы легко взаимодействовать для обогащения контекста. Модели и инструменты будут постоянно меняться, но для всех них нужен будет качественный слой информации.

И вообще, контекст — это новая нефть. Кто владеет качественным контекстом и умеет его правильно "нарезать" под задачи – тот заметно преуспеет в этой AI гонке.

Если у вас есть релевантный опыт в каком-нибудь из интересующих меня стримов – пишите, буду рад пообщаться!

Чатджпт уже не тот

После релиза GPT-5 произошла забавная штука – я стал меньше им пользоваться. Раньше был мощный перекос в его сторону, а теперь примерно поровну распределяю время между ChatGPT, Claude и Gemini.

Три гипотезы, почему так вышло

1. Контекст стал работать хуже. У меня в ChatGPT куча проектов с длинной историей. Раньше это было преимуществом, теперь – проблема. Модель часто подмешивает нерелевантный контекст и, наоборот, игнорирует важный. Приходится постоянно исправлять и направлять. Это бесит.

2. Меньше моделей = меньше гибкости. OpenAI упростили выбор моделей. Для большинства это плюс – модель 5 объективно лучше 4o, и теперь люди получают более качественный опыт из коробки, особенно когда стоит автоматический режим выбора модели и порой включается умная модель.
Но для тех, кто умел выбирать модель под задачу, это минус. Например, раньше для текстов я использовал GPT-4.5 – сейчас ее нет, а GPT-5, по ощущениям, пишет тексты похуже.

3. Разница между Plus и Pro
Какое-то время пробовал Pro за $200, потом откатился обратно на Plus за пару недель до релиза GPT-5. Сначала казалось – разницы нет. Потом начал замечать: лимиты жестче, ответы в дипресерче скуднее. Возможно, это тоже влияет на субъективное ощущение деградации.

Как у меня сейчас

Gemini внезапно стал крут – обработка транскриптов заметно лучше, документация четче, а новый генератор картинок Imagen 3 просто пушка.

В Claude нравится писать тексты и создавать артефакты. Например, делаю вместе с сыном обучающие игры. Плюс перешел на Claude Code в вайбкодинге.

ChatGPT больше всего использую для взаимодействия голосом и когда надо показать что-то в реалтайме по видео.

В общем респект конкуренции и чет грустно за OpenAI, которые в последнее время не показывают ничего прорывного.

MVP AI-сервиса для аналитики NPS и отзывов в Додо

На прошлой неделе закончился курс AI Product Engineer от Байрама (курс, кстати топ, рекомендую). В первом дз нужно было сделать агента для анализа отзывов. Я свой собрал еще месяц назад, нопонял, что в канале про это еще не рассказывал.

В Додо регулярно собираем фидбек и NPS. Разбирать это руками – долго и неудобно. Я навайбкодил агента: загружаешь выгрузку → на выходе интерактивная аналитика с умной категоризацией.

Что получилось
— Сначала 6000 строк обрабатывались ~60 мин, после нескольких итераций оптимизации довел ~3 мин (в 20 раз быстрее)
— В срезах видно динамику NPS, доли категорий, сегменты и примеры отзывов
— Стоимость вызово LLM снижаю за счет кэша и гибких режимов обработки

Немного про техническую начинку

Агентная архитектура
MasterCoordinator – дирижер: парсит файл, запускает классификацию, собирает метрики и финальную структуру.
ClassificationAgent – умный "свитчер": сначала простые правила (словари), если не хватает — сравнение по смыслу (эмбеддинги), при низкой уверенности – эскалация в LLM.
InsightAgent – "аналитик": по метрикам и распределениям генерит краткое резюме и рекомендации.
Все модули слабо связаны: координатор подменяемо получает «агентов» и возвращает один доменный результат, который дальше маппится во фронт.

Стек
Бэкенд: Python + FastAPI, четкие DTO на Pydantic, эндпоинты: загрузка, статус/результат, экспорт, плюс WebSocket прогресса.
Фронтенд: ванильный JS + Chart.js + Jinja2. Графики – NPS-таймлайн, категории, демография, помесячка; кликаешь по категории — видишь примеры отзывов.

Инфра и скорость
Docker Compose (web, redis), healthcheck, non-root; в деве – hot reload.
Кэш по MD5 контента (Redis/SQLite) – ускоряет повторы и экономит.
Режимы исполнения переключаются конфигом: потоковый, асинхронный с ограничением параллельности, пакетные эмбеддинги, параллельные батчи с авто-фоллбеком.
Телеметрия: время, стоимость, использование инструментов, cache hit rate, контроль памяти и авто-дауншифт, если упираемся в ресурсы.

Я прорабатывал всю логику и архитектуру, а код писал Claude Code. Одну фичу ради интереса сделал через gpt-5 в Cursor. Старался делать сразу продакшен райди.

Итог
В целом получилось сделать около боевой сервис, но все равно надо немного полировки, чтобы отпускать в свободное плавание. При этом я сейчас один, а AI инициатив в компании много. Поэтому поставил пока проект на паузу, чтобы навалиться на более денежные штуки. Как-нибудь еще обязательно вернусь, чтобы добить!

В Gemini теперь можно шарить своих AI-ассистентов

Недавно писал, что все чаще перехожу с ChatGPT на Gemini. В ChatGPT всегда нравились GPTs – простые ассистенты, отвечающие на основе загруженных документов. Их можно было шарить, но только при платной подписке. У Gemini был аналог – GEMs, но без шаринга. Теперь завезли нормальный доступ и у Gem-ботов – прям как в Google Docs.

Что теперь можно
— Делиться по ссылке и на конкретные аккаунты (важно, чтобы у загруженных в базу знаний файлов был соответствующий доступ)
— Давать ролевой доступ: только просмотр или редактирование
— Пользоваться тем, у кого нет Pro (у меня по крайней мере работает)
— Создавать копию пошаренных ботов и тюнить под себя

Очень надеюсь, что этот инструмент забустит в Додо различные внутренние типовые процессы, например, мы так реализовали первую версию ассистента для помощи в написании статей в базу знаний.

Мини-гайд как реализовать

1. Откройте менеджер Gem-ботов и создаете бота
2. Нажимаете поделиться в карточке бота
3. Выберите уровень доступа и роли

Для примера сделал простенького бота для улучшения промптов.

Кстати, в каталоге есть готовые Gem-боты от Google, мне особенно нравится Storybook для генерации историй с иллюстрациями – рекомендую попробовать!

Обновили наш внутренний формат AI-образования в Додо

Каждые 2 недели проводим открытые встречи по AI. Называли это AI-трибуна.

Чередуем 4 формата:

1. Дайджесты AI-новинок – разбираем самые интересные инструменты и смотрим, как применить их в работе
2. Мастер-классы – показываем на практике, как пользоваться конкретным AI-инструментом
3. Кейсы из Dodo – коллеги делятся реальным опытом внедрения AI в свои задачи
4. Открытый микрофон – разбираем вопросы в порядке живой очереди

Сегодня провели первый дайджест.
— Генерация контента: Nano Banana, Veo3, UGC-фабрики – доступные инструменты для ситуативного маркетинга
— Обучение с AI: NotebookLM vs встроенные режимы ChatGPT/Gemini
— Агенты меняют поиск: что такое GEO/AEO и почему это важно
— Коннекторы в ChatGPT и Claude: подключаем внешние сервисы в привычные инструменты
— Claude теперь создает настоящие файлы: docx, xlsx, pptx
— Битва кодинг-агентов: Codex (GPT-5) vs Claude Code vs новички от Amazon и Alibaba

Делюсь материалами
📹 Запись (~30 мин)
📊 Преза

Персонализированный софт — новая реальность

Про вайбкодинг сейчас слышно из каждого утюга (ну ок, в моем бабле точно). И мне кайфово наблюдать, как порог входа тает на глазах. Прохожу сейчас курс по вайбкодингу от gconf и вижу, как люди без опыта кода клепают под себя ботов и мини-приложения: трекеры, тудушки, дневники и тд.

При этом часто слышу (особенно от консервативных разработчиков): "это все игрушки", "в работе не взлетит", "серьезные процессы так не ускоришь" и тп. Что ж, я думаю, это УЖЕ не так, а дальше – больше. Делюсь пруфами от Сергея, лидера команды эксплуатации в Додо.

Вот что он сделал без опыта разработки 🤯

— Telegram-бота с векторным поиском
— Платформу аналитики с автоматической генерацией PDF-отчетов
— Парсер цен конкурентов с аналитикой
— ML-систему категоризации входящих заявок

Просто открыл gpt и сделал. Достаточно любопытства и упорства.

И я уверен, что рано или поздно каждый сможет собрать под себя кастомный инструмент, это станет нормой. Мир катится туда, где менеджеры становятся немного разработчиками, маркетологи – дата-саентистами, а операционщики – автоматизаторами. Софт перестает быть одинаковым для всех и подстраивается под конкретного человека. И это, черт возьми, круто!

Ловите ссылку с нашей встречи, вдохновляйтесь кейсами Сергея и творите сами!

Я не знаю, как вы выживаете

Я довольно давно пользуюсь MacWhisper для транскрибации звонков. Выбрал его по разным причинам: работает локально, заплатил разово $60 вместо ежемесячной подписки, продукт постоянно обновляется.

Но есть прикол. Иногда Whisper ловит галлюцинацию и начинает повторять последнюю фразу, которую смог распознать.

Особенно забавляет когда надпись в духе [звук пива] (реальный пример)

Это происходит, когда модель сталкивается с нечеткой речью, фоновым шумом или тишиной. Она буквально "зацикливается" на последней уверенной гипотезе.
Fireflies и подобные облачные сервисы такое фиксят из коробки. Но MacWhisper – нет.

Поэтому включать записи приходятся после неловкого молчания вначале встречи 😀

Еще интересно выглядит сервис локальной транскрибации tryvoiceink, но я пока еще не пробовал. Вообще руки чешутся навайбкодить что-то под себя!

А вы чем пользуетесь?