Скоро нам всем придется забыть про найм.

В компаниях будущего для всех просто не будет места. Тренд на AI-first компании и соло-фаундеров уже захватил кремниеву долину. Бизнес строится так, чтобы по минимуму нанимать людей и по максимуму использовать ИИ. Команды — минимальные, роли плавают, процессы автоматизированы с самого старта. Потому что, честно, проще сразу не нанимать, чем потом увольнять и перестраивать всё, как это делают крупные компании. С таким софтом как Cursor можно делать месячную работа за день! Появляется модель: «делаем то же, что конкуренты, но дешевле — потому что у нас нет раздутого штата, всё делает ИИ». И вот в чём важный момент: молодым специалистам, студентам всё сложнее в это влиться. Тебя просто не зовут. Хочешь играть — создавай своё. Но помни: рынок один. Зачем мы все тогда будем нужны - это большой вопрос, на который нам всем придется ответить.

Earth OS

Прямо сейчас мы живём в момент смены «операционки» всего софта. От этом говорил Андрей Карпатый на недавнем Y Combinator AI Startup School.

Раньше был классический
Software 1.0 — обычный код. Потом пришел 2.0 — нейронки, веса, лоукод. А теперь уже Software 3.0 — промпты. То есть ты буквально программируешь на английском. Выбор за тобой: хочешь решать задачу — смотри, что эффективнее, писать код, настраивать нейросеть или просто писать в промпте.

Большие модели пока как старые компы: дорогие, нестабильные, неудобные. Но уже становятся критической инфраструктурой. Кто работает с LLM — уже чувствует, как встает работа, если они вдруг «падают». Промпты становятся новыми API, и теперь мы проектируем интерфейсы не для людей, а для агентов.

Еще одно сравнение LLM с симуляторами людей: у них почти энциклопедическая память, но они тупят, забывают, теряют контекст, как в “Мементо” Кристофера Нолана. Поэтому работа с ними — это пока не «автоматизация всего», а что-то вроде костюма Железного человека: человек — в центре, ИИ помогает.

Vibe coding — звучит весело: сел, накидал текстом — получил прототип. Но всё равно нужен человек, чтобы довести до реального продукта, а это еще недели работы. Так что настоящее будущее — не в полной автономности, а в гибридных системах: человек + ИИ + удобный интерфейс.

Поэтому сейчас нам всем стоит скорей обучиться новой грамотности — умение объяснить задачу не человеку, а модели. Чем раньше мы научимся проектировать под ИИ (инструкции, интерфейсы, данные), тем больше шансов, что будем на коне.

Элиезер Юдковский, один из родоначальников безопасного ИИ, остается последовательным в своей позиции последние 20 лет: сверхразумный ИИ может стать катастрофой. А на днях он решил выпустить свою монографию If Anyone Builds It, Everyone Dies, где он вновь призывает остановить исследования.

Скептики видят в книге аргумент за жёсткое регулирование, оптимисты — повод ускорять инвестиции.
И вот даже такой труд теперь больше инструмент экономической игры, чем предсказание будущего.

Наконец-то вышел по-настоящему полезный сайт:
придумайте самый безумный товар и он сгенерирует его страницу, как будто он есть на самом деле.
Например, всего за 300 долларов можно взять водный мотоцикл на солнечных панелях

https://anycrap.shop/

Если про ChatGPT слышали уже все, то есть еще одна базовая нейронка, которую должен знать каждый - Perplexity. Это как чатгпт, только она прикрепляет ссылки, откуда была взята информация.
И вчера у нее вышел в бесплатный доступ (до этого он стоял 200$ в месяц) браузер Comet, пожалуй, единственный реальный конкурент Chrome в ближайшее время.
Comet: https://www.perplexity.ai/download-comet

Мы создали инструмент, который решает одну из самых недооценённых проблем на автомобильном рынке — оценку реальной стоимости владения автомобилем. Большинство площадок и калькуляторов, включая «Авито», считают эксплуатационные расходы поверхностно: топливо, страховка, шины. Но основные издержки скрыты в амортизации силовых агрегатов — двигателя, коробки, трансмиссии и подвески.

Фактически это аналитический движок, который соединяет инженерные данные, статистику вторичного рынка и поведение владельцев. Пользователь получает реальную картину жизненного цикла автомобиля — от покупки до продажи.

Для автоподборщиков, дилеров и инвесторов на вторичке это — инструмент, который позволяет принимать решения не на интуиции, а на данных.
Для конечного пользователя — удобный способ задать самые глупые вопросы об авто бесплатно.

Мучайте вопросами, узнавайте слабые стороны авто, а если зайдете в тупик, используйте команду /reset, чтобы начать диалог заново. Может отвечать через паузу, 20-30 секунд.

Антон-автоподбор: @anton_auto_podbor

Ничего необычного, просто автоматизированные доки в Китае. Такую картину уже можно наблюдать в Лос Анджелесе и в Сингапуре

На сайте Академии OpenAI есть набор "Промпт Паков".

Есть Паки для:
for sales
for product
for IT(
for HR
for engeneers
for managers
for executives (для топов)

Для каждой категории разобраны разные кейсы.

Ссылка:
https://academy.openai.com/public/tags/prompt-packs-6849a0f98c613939acef841c

В выходные делимся с вами очень важным лонгридом о развитие критического мышления в работе с ИИ. Умение получать нужное в общении с ИИ такой же сложный навык, как и научиться кататься на серфе или играть на пианино. Вспомните, как вы раньше учились искать информацию в интернете: десятки запросов, множество открытых вкладок, с каждой из которых нужно взять несколько абзацев. Чтобы собрать нужную информацию уходили часы. Сейчас ИИ может ускорить процесс, но он не понимает вашей конечной цели. Уметь писать промты уже не достаточно для быстрого и эффективного выполнения задачи. Важно понимать, как работает модель, тестировать ее границы, выявлять паттерны поведения (почему ты ответила так?) и предугадывать ее поведение.
Самое худшее, что может произойти с человечеством- это если мы будем слепо следовать указаниям ИИ, не пытаясь понять смысл происходящего. Поэтому важно не лениться думать над каждым словом, сохраняя концентрацию над происходящим.
Статья: https://mindsmith.ru/insights/beyond-prompting/

Известная мудрость: человек - это ваше зеркало. На днях прочитал интересную статью про такой же взгляд на интеллект искусственный. Машины стали зеркалами, отражающими структуру человеческого восприятия. Страх перед «чёрным ящиком» — это страх перед собственной непостижимостью: нам комфортнее мир, где всё объяснимо. Проекции заставляют приписывать ИИ эмоции и злой умысел, а собственное несовершенство — видеть в нём угрозу. Но именно эта тревога и запускает развитие: технологии вынуждают нас учиться заново — понимать, доверять, выходить за пределы старых привычек. Даже появился термин learned distrust — выученное недоверие. Возможно, главный урок взаимодействия с ИИ в том, чтобы преодолеть это состояние — и позволить себе развиваться.

Основное:

Объём рынка
• LLM-решения для B2B — 35 млрд ₽
• Среднегодовой рост до 2028 года — около 25%
• On-Premise — 33 млрд ₽
• Средняя стоимость проекта — 15 млн₽ (!!!)

Сегменты:
• Векторный поиск — 4,2 млрд ₽ (2025 год)
• Платформы для обучения и эксплуатации AI — 15 млрд ₽, рост — 20% в год

Зрелость внедрения AI в компаниях
• Начинающие — 45%
• Продвинутые — 35%
• Профессионалы — 14%
• Лидеры — 3%

Барьеры внедрения AI-агентов
1. Постоянная идентичность — сохранение личности и памяти агента
2. Протоколы взаимодействия — необходимость единых стандартов
3. Безопасность — доверие, прозрачность, контроль

Кадровая ситуация
• Дефицит AI-специалистов — около 10 тыс. человек

Основные направления применения (% от опрошенных)
• Клиентская поддержка — 34%
• Маркетинг и генерация описаний — 25%
• Работа с внутренними базами знаний — 25%
• HR-процессы (вакансии, анализ кандидатов) — 15%

Глянул прикольный видос, где автор разбирает, почему AI-пузырь до сих пор не лопнул, хотя все согласны, что он есть. Интересная логика.

Все говорят "пузырь" - рынок держится на спекуляциях пары компаний, продукты не окупают затраты, руководители играют в "кто назовёт большее число", но информированные инвесторы продолжают вливать миллиарды каждый месяц.

Как лопались прошлые пузыри

Доткомы - антимонопольный иск к Microsoft, пересмотр отчётности Micro Strategy (акции упали на 60% за день и разбирательства с регулятором), статья о нежизнеспособности бизнес-моделей. Жилищный - кризис субстандартной ипотеки, рост ставок, банкротства кредиторов.

AI уже пережил кучу потенциальных триггеров - нестабильность из-за тарифов, регулирование чипов, рост ставок, юридические проблемы с данными для обучения, проблемы с инфраструктурой, исследования, ставящие под вопрос бизнес-применение, отчаянные попытки найти выручку, ежедневные статьи о проблемах. Рынок проигнорировал всё это.

Автор нашёл три причины, почему это ещё стоит:

1) Источник денег - не долг, а кеш

Технологические гиганты накопили триллионы за 15 лет по двум причинам:
- До 2017 налоги стимулировали держать деньги в офшорах - положил в Ирландию и не трогаешь, пока не хочешь платить налог.
- В 2017 дали разовую сделку вернуть с дисконтом.
- Плюс у них тупо не было проектов - настолько доминировали на рынках, что тратить на разработку считалось лишним риском.

Сейчас они компенсируют потерянное десятилетие, когда недоинвестировали. И главное - в отличие от жилищного пузыря, который стоял на долге и деривативных бумагах, это их собственные деньги, которые лежали без дела.

2) Круговые сделки как страховка от рисков

Oracle растёт после контракта с OpenAI. OpenAI получили миллиарды от Nvidia. Nvidia заработали, продавая GPU Oracle. Все кричат, что это компании вытягивают себя за шнурки и надувают выручку.

Но контраргумент - если смотреть на пузырь доткомов оглядываясь назад, были победители, которые выжили. Те же технологические компании, что сейчас в AI. Если бы AOL в 1999, инвестируя в Amazon, мы бы меньше критиковали. Инвестируя вверх-вниз по value chain, они максимизируют шанс поймать деньги, если AI выстрелит.

3) Это не пирамида - деньги не от розничных инвесторов

Ключевое отличие от доткомов - крупные игроки выплачивают больше через дивиденды и выкуп акций, чем получают через эмиссию. В 2000 хайповые компании жили на постоянном притоке денег инвесторов, без прибыли и часто без выручки.

OpenAI тоже зависит от новых раундов, но деньги идут от компаний с кешем, не от обычных инвесторов.

Что это означает

Компании в проигрышной ситуации - что бы ни делали с деньгами, будет критика:
- Вливают capex в дата-центры - "чипы устареют через 2 года"
- Байбек акций - "взвинчиваете переоценённые бумаги"
- Инвестируют в других - "круговая порука"

Котировки завышены в ожидании триллионов от AI. Если не выстрелит - быстрая переоценка. Но крупные игроки не рискуют рухнуть прямо сейчас - кеша больше, чем долга, есть работающие части бизнеса, на которые можно опереться.

Главный риск - объяснить инвесторам, почему потратили сотни миллиардов на дата-центры вместо выплаты дивидендов, но они преподносят это как ставку $500 млрд с шансом получить $10 трлн. Рискованная ставка не значит плохая ставка. А если что-то пойдёт не так - государство скорее всего компенсирует часть, пока игра продолжается. Но об этом вслух не говорят.

Мой тейк: да, деньги из кеша, а не с долга, снижают системный риск. Но это не меняет фундаментальной проблемы - никто не знает, окупятся ли инвестиции.

Разница лишь в том, кто обожжётся, когда это схлопнется. В доткомах горели розничные инвесторы. Тут будут гореть акционеры технологических гигантов, которые увидят, как $500 млрд превратились в избыточные дата-центры и несостоявшиеся ставки.

Либо на этот раз действительно другое, либо мы просто ещё не дошли до правильного триггера.

На заметку HR’ам

Безос возвращается к активному управлению и выводит на рынок Project Prometheus — ИИ-платформу для инженерии и производства, стартующую с беспрецедентным финансированием в 6,2 млрд долларов. Подобный объём инвестиций на ранней стадии фактически фиксирует начало новой технологической гонки за «физический ИИ» — решениями, которые работают не с текстами, а с реальными объектами, производственными системами, оборудованием и симуляциями.

Prometheus заявляет о намерении сформировать новый технологический стандарт в сегментах, где давно доминируют CAD, PLM, MES и цифровые двойники. Команда из специалистов уровня OpenAI, DeepMind и Google X подчёркивает масштаб замысла: создаётся не отдельный инструмент, а комплексная платформа для разработки и управления сложными производственными объектами.

Для компаний с инженерными и производством это значит , что пора ускорятся внедрять ИИ. В ближайшие годы рынок сильно изменится. Ключевой защитой останется собственные данные, экспертиза и пилотные проекты в ИИ.

Инженерные и производственные специальности ожидает серьёзное изменение требований: ИИ-системы будут не только автоматизировать документацию, но и предлагать режимы, последовательности операций и оптимизированные схемы.

Государства и крупные корпорации рискуют сформировать критическую зависимость от нескольких американских платформ в управлении собственной технической инфраструктурой. Это усиливает потребность в создании локальных центров компетенций и сохранении контроля над инженерными данными.

Для рынка ERP последствия очевидны: спрос смещается к интеллектуальным рекомендациям и адаптивным процессам. Преимущество получат те, кто располагает глубоким пониманием операционной логики предприятий и доступом к реальным данным — именно они станут фундаментом устойчивых индустриальных ИИ-решений.

Китайцы - короли продуктивности. И не удивительно, что именно там появляются такие практики. В приложении Doubao можно попросить ИИ-ассистента понаблюдать за ребёнком, пока он занимается. Когда ребёнок отвлекается, берет телефон или даже сутулится, то AI кричит просит вернутся к урокам.

Ждем во всех офисах страны.

Всё не зря. Мы (как человечество) шли к этому долго. Вершина технологий покорена:

Китайский инженер создал самонаводящуюся мусорную корзину, которая самостоятельно перемещается, чтобы поймать все, что вы в нее бросите. Используя датчики движения и искусственный интеллект, корзина определяет траекторию движения объекта и идеально позиционируется, чтобы ничего не пролетело мимо.