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?

Бытовой вайбкодинг

Ситуация: пятница вечер, пьем винишко с женой. Думаем, чем заняться. Внезапно предлагаю повайбкодить. За пару часов сделали приложение для выбора еды на неделю. Типа как в тиндере листаешь рецепты, а потом из этого формируется список покупок. До конца не доделали, но было весело

И такой бытовой вайбкодинг у меня случается постоянно!

Играем с детьми в выходные в лего. За пару промптов делаю им в Claude интерактивную игру, где их героям надо управлять ракетой, попутно читая слова. Получаем супер вовлеченность и тренировку полезных скиллов.

На днях ходил на первый урок португальского. Записал все на диктофон, сделал транскрипт, закинул в Claude – получил персональный тренажер по материалам урока. От записи до готового инструмента 15 минут.

Кажется, что порог входа стал уже настолько низким, что единственное ограничение – это желания и фантазия. Поэтому попробуйте навайбкодить что-нибудь для себя. Без целей и ожиданий. Просто по фану. А может из этого даже что-то выйдет, кто знает.

Начать рекомендую с разгона идеи с gpt. Берете промпт (закину в комментах), описываете сырую идею и за несколько итераций превращаете ее в подробный контекст для модели. А дальше закидываете это в любой инструмент для вайбкодинга, можно даже в бесплатный от Google – AI Studio.

Так что have fun ✌️

Забавно вышло: у меня с моей сестрой Полиной разные образовательные треки – я больше технарь, она гуманитарий, но оба сейчас связались с AI. Полина двигает внутреннее обучение в red_mad_robot, я – внедрение в Додо.

Так вот, она поделилась, что 25 октября у них будет митап про то, как вайбкодинг меняет саму структуру разработки. Будет полезно инженерам и исследователям, которые работают с LLM и GenAI.

Спикеры

↗️ Валерий Ковальский (red_mad_robot) откроет программу и расскажет, как разработчик переходит от написания кода к работе с целями и промптами.

↗️ Александр Абрамов (SberAI) продолжит темой эффективности LLM – от архитектуры до обучения с подкреплением.

↗️ А Максим Скорченко (red_mad_robot) покажет, как превратить модели в инструмент управления и сместить фокус с исполнения на результат.

В завершении – панельная дискуссия с участием спикеров из SberAI, Cloud.ru и СберТех.

Изучить всю программу и зарегистрироваться можно тут.

Бесплатный транскрибатор

Недавно писал как я пользуюсь MacWhisper для расшифровки звонков, но на днях узнал, что, оказывается, в Gemini можно кидать сразу запись звонка и он ее сможет прекрасно обработать.

Так что сделал GEM-бота, куда можно закидывать хоть с диктофона запись, а он ее распознает и разложит по определенному шаблону. Можете пользоваться моим шаблоном, а можете создать себе своего бота и подтюнить инструкцию под себя (закину в тред).

Не знаю как долго продлится такая халява, но пока работает быстро и четко!

Beyond copilot: AI как новая операционная система

Вчера выступал на DevForum – такой формат в Додо, где любой желающий может поделиться чем угодно, чаще всего, связанным с ИТ. Делюсь записью.

Сразу дисклеймер: там много философии и спекуляций. Но может натолкнет на какие-то интересные мысли 🙂

Про ограничения

Заканчивается отпуск, за это время сместил фокус с AI на реальную жизнь, пора потихоньку возвращаться в виртуальное пространство 🙂

Гуляя по центру Порту, зашел в маленькую кафешку. Туалет там – произведение искусства. Места настолько мало, что раковину вмонтировали прямо в бачок унитаза. Вот что бывает, если есть жёсткие рамки.

Надо признаться, что я обожаю ограничения. Они вынуждают искать нестандартные решения, которые часто оказываются выигрышными. Про похожий принцип "минус один" рассказал как-то Федор, да и в Додо никогда не было избытка ресурсов – это держит в тонусе и заставляет креативно достигать целей.

Сейчас я уже два месяца как AI лид без команды и бюджета – это тоже ограничение. Приходится быть одновременно проджектом, продактом, разработчиком, тестировщиком, контентщиком, лектором и стратегом. Но благодаря грамотному использованию AI удается даже так создавать ценность.

Да, для масштабных результатов одного меня будет мало и все рано нужна команда. Но если я один с AI могу столько всего делать – представьте, что сможет компактная команда из 3-5 человек, которые умеют использовать AI на полную. Уверен, что будущее именно за такими небольшими командами, которые будут уметь делать много разнопрофильных задач.

Сейчас заканчиваю писать стратегию и вижн по AI, поделюсь как будет готово, там тоже приходится много действовать от ограничений 🙃

Так что не бойтесь ограничений, ищите нестандартные решения, а AI вам в помощь!

Лонгрид про вебсаммит

Что ж, наконец попал на самую большую айтишную конфу в Европе. Делюсь мыслями.

Спойлер: к таким конфам лучше готовиться заранее, ждать прикладных инсайтов от сцены не стоит, главное тут – нетворкинг и сайд-эвенты.

Про формат

Лиссабон, 4 дня, 80k+ участников, десятки сцен и сотни стендов: от ноунейм-стартапов до IBM и Cloudflare. Почти у всех есть что-то с AI, часто просто обертка над ChatGPT.

Крупных игроков почти не было, в том числе AI-лидеров. Одна из причин – шлейф скандала 2023 года, когда CEO вебсаммита высказался про войну Израиля и Хамаса, после чего часть бигтехов ушла и не вернулась.

Большинство выступлений – короткие панели по 20–30 минут с банальными вопросами и обтекаемыми ответами, без глубины и нормального челленджа. Самым живым было выступление CEO Parloa, который со сцены сказал fuck this. В остальном – сплошное "AI AI AI".

Были и интерактивные форматы: профильные митапы (от ИТ и продуктивности до кофе и спорта) и мастер-классы (типа вайбкодинга от Replit), но туда выстраивались очереди.

С первого дня ловишь FOMO: в каждом слоте параллельно идут 2–3 интересных выступления, постоянно выбираешь. Часто на середине понимаешь, что ничего полезного уже не будет, и бежишь в другой конец конфы (10 минут быстрым шагом), чтобы успеть на что-то еще. К вечеру мозг превращается в зомби.

В целом это ощущается не как конференция, а как гигантская ярмарка внимания с низкой плотностью смысла на единицу времени.

В чем был профит

– общение с коллегами по индустрии через приложение вебсаммита (по сути локальный линкедин)
– разговоры у стендов с интересными компаниями (Manus, например, дал промик, можете попробовать)
– сайд-эвенты по вечерам, где происходит реальное общение и обмен опытом

В сухом остатке за 4 дня: 15+ профильных контактов, пара потенциальных пилотов под мои проекты и несколько идей, которые я точно понесу дальше. Метрика успешной поездки – не количество посещенных сцен, а количество осмысленных разговоров и следующих шагов после них.

Что видно по AI

Если отфильтровать маркетинг, срез по AI сейчас довольно приземленный:

– все понимают, что будущее за AI, но большинство команд пока просто делают простые автоматизации, промпты, вайбкодинг и первых агентов
– волшебной палочки, где суперагент сам управляет бизнесом, никто не обещает; наоборот, все говорят, что внедрение AI – долго и требует много усилий
– продвигать AI внутри компаний советуют через энтузиастов, которые показывают пример и тянут культуру
– AI везде позиционируют как усиление человека, а не замену

Пара мыслей про будущее

Внезапно одним из самых интересных спикеров оказался CEO Qualcomm. Один из тезисов – "AI is the new UI". Идея в том, что центр нашей цифровой жизни сместится от смартфона к персональному агенту.

Такой агент получает контекст от экосистемы девайсов (часы, кольца, очки, наушники и тп), становится прослойкой между человеком и устройствами, а не очередной фичей в приложении, и доступен из любого интерфейса (голос, чат, экран в машине). Телефон при этом превращается в хаб/CPU, на котором все это крутится.

Для продуктового мышления это важный сдвиг: фокус меняется с "какую фичу добавить в приложение" на "какого личного агента мы строим и какие данные, устройства и сценарии вокруг него".

Еще понравились размышления CEO Cloudflare про то, как будет зарабатывать веб. Старая модель "поисковик + реклама в выдаче" проседает: если человек спрашивает уже не у поисковика, а у агента, кликов по ссылкам и показов рекламы меньше.

Одна из идей – смещение ценности от баннеров к доступу к данным: сайты с полезным для агентов контентом становятся сырьем для моделей, а платный кроулинг и API превращаются в еще один инфраструктурный слой вроде CDN. Не финальный ответ, но понятный намек, куда могут поехать деньги.

Выводы делать не буду, уверен, каждый сам вынесет для себя то, что посчитает нужным, зато оставлю в комментах список людей и проектов, на которые я бы обратил внимание.