20187
Залипли и встали намертво, но хотите вырваться? Теория Каст и Ролей и прочее.
Разработчики нейросетей — новые звезды. Они решают фундаментальные научные задачи, приближают создание AGI, зарабатывают огромные деньги и даже провоцируют HR-войны: например, недавно выяснилось, что Meta (признана экстремистской организацией и запрещена в РФ) переманивает к себе сотрудников Open AI, обещая бонусы в размере $100 млн. Собрали в карточках несколько интересных фигур из сферы ИИ.
Подписывайтесь 👉 @techno_yandex
О, наконец-то раскатили режим обучения. В том числе для free пользователей.Можно не просто заставить решить примеры или домашку сделать, но попросить объяснить и учебный материал подобрать. Имхо очень полезная штука для образования.
https://openai.com/index/chatgpt-study-mode/
Прикольно, что это не просто чуть улучшенный системный промпт, а прям обучающий режим:
- Метод Сократа с наводящими вопросами
- Объяснение от простого к сложному, с уменьшением когнитивной нагрузки
- Связь с разными предметами, развитие любознательности.
Предлагают:
1. Интерактивные подсказки и вопросы для активного участия.
2. Схематичные, легко читаемые разделы.
3. Персонализация уровня материала на основе навыков и предыдущих диалогов.
4. Проверочные задания с обратной связью.
5. Возможность включать и отключать режим в любой момент.
Нужно Study and Learn активировать. В мобильном приложении и в вебе уже работает.
Попробовал на вопросе про квадратные уравнения, ну что ж... Онлайн-обучению будет несладко... А потом ещё и персонализацию по полной выкатят.
AI вызывает массовые увольнения в тех-индустрии
- Компании сокращают персонал в сферах разработки, ИТ-поддержки и администрирования.
- Microsoft уволила 15 000 сотрудников, инвестируя при этом $80 млрд в AI.
-Но за пределами IT AI-скиллы дают резкий рост зарплат
-Вне тех-индустрии вакансии, где требуются AI-навыки, предлагают на 28% выше зарплаты — в среднем +$18,000 в год.
-Особенно это касается маркетинга, HR, образования, производства, клиентского сервиса.
-AI расширяет возможности по всей экономике
-Более 50% AI-вакансий в 2024 — не в сфере ИТ.
-С 2022 года количество вакансий, где упоминается generative AI, выросло на 800%.
-Топ-навыки в спросе:
Generative AI
Large Language Models
ChatGPT и prompt engineering
-Особенно востребованы гибридные навыки: AI + коммуникация, решение проблем, управление.
-Премия за мультискилл:
Владение 2+ AI-навыками повышает зарплату на 43%.
-Новые лидеры – не инженеры, а “AI-грамотные” специалисты
-В продажах и клиентском сервисе AI используется для увеличения эффективности и результатов.
-Комбинация “человеческой оценки + AI” — редкая и высокооплачиваемая.
-Переход от “только инженеров” к “все должны понимать AI”
-Побеждают компании, встраивающие AI-грамотность во все департаменты: маркетинг, HR, финансы.
-Для компаний: AI как изолированная функция — уже ошибка.
Цена за бездействие” — потеря конкурентоспособности и снижение зарплат.
-Появляется риск “сжатия зарплат”: высокооплачиваемые тех-позиции исчезают, а зарплаты в других секторах растут.
Источник: https://fortune.com/2025/07/27/artificial-intelligence-skills-18000-salaries-28-percent/
💡 Основной вывод:
AI перераспределяет ценность на рынке труда. Техспециалисты без новых навыков рискуют потерять работу, а “не-технари”, освоившие базовую AI-грамотность, получают зарплатное преимущество. В выигрыше те, кто умеет совмещать технологии с коммуникацией, бизнес-мышлением и критическим мышлением.
Тест chatGPT Agent #2. Преамбула:
Мы в учебных целях делаем агента, который помогает искать работу - он анализирует все вакансии, выбирает релевантные на базе RAG, потом под каждую вакансию создает уникальное резюме, посылает рекрутеру, ведет диалог вплоть до назначения интервью.
Сама задача не такая уж сложная и состоит из 2 частей - подготовка данных, регистрации и собственно работа Агента, который пылесосит рынок и на выходе назначает созвоны.
В общем экономит в обычном режиме людям, которые ищут работу 4-5 часов/ день и тонну нервов.
И в процессе подготовки надо зарегаться на 10-50 работных сайтов, загрузить туда 5-6 версий резюме и т.п. и я потестировал, как с это узкой задачей справился chatGPT Agent - задача звучала так:
Зайди на monster - выясни, зарегистрирован ли там емейл *******@**.com и если нет, то зарегистрируй.
Результат на картинке. Со всем справился.
20. Работа с формами и заказами. В разделе «Forms» упомянуты задачи по бронированию встреч, оформлению заказов и заполнению заявлений на работу; агент заполняет формы, нажимает кнопки и отправляет запросы без ручного копирования.
Эти примеры показывают, что «режим Агента» позволяет ChatGPT не только отвечать на вопросы, но и выполнять сложные цепочки действий — от исследования и анализа до бронирования и управления проектами.
Я: Это общеизвестные кейсы, часть из которых можно делать в режиме Deep Research, а часть с помощью сценариев в Make или n8n. Меня же интересует нечто совершенно иное, а конкретно кейсы использования режима chatGPT Agent, а нее общая информация. Только примеры специфических кейсов помогают понять реальную ценность и для каких моих задач использование этого режима имеет уникальную ценность, которая не может быть получена никаким иным способом.
chatGPT Agent: Понял. Я найду конкретные, уникальные примеры использования режима ChatGPT Agent, которые невозможно полностью воспроизвести с помощью Deep Research или стандартных сценариев автоматизации. Для этого исследую более специализированные источники, уделяя внимание задачам, где Agent выполняет сложные последовательные действия или комбинирует несколько инструментов. Я вернусь с обновлёнными примерами, которые лучше демонстрируют уникальную ценность Agent.
Ниже приведены конкретные примеры, показывающие уникальные сценарии работы режима ChatGPT Agent, которые невозможно выполнить с помощью Deep Research или стандартных сценариев автоматизации. В этих кейсах модель фактически «пользуется» виртуальным компьютером: кликает по кнопкам, заполняет формы, переключается между приложениями и объединяет различные инструменты в единую цепочку.
1. Автоматизация внутренних заявок (парковочное место). Сотрудник OpenAI описал, что использует ChatGPT Agent для еженедельного запроса парковочного места: агент заходит на внутренний сайт компании и отправляет заявку за него. Такой процесс требует интерактивного входа, выбора даты и подтверждения на сайте — Deep Research не умеет взаимодействовать с формами, а сценарии Make/n8n не имеют доступа к закрытой веб‑форме.
2. Планирование романтического вечера. Во время демонстрации агент подключался к Google Calendar, чтобы посмотреть свободные вечера пользователя, затем переходил на OpenTable и проверял наличие столиков в ресторанах нужной кухни. Пользователь в любой момент мог изменить параметры (например, добавить другую категорию ресторана), и агент перестраивал поиск. Этот сценарий сочетает поиск, бронирование и работу с динамическими веб‑формами — его нельзя реализовать одной Deep Research.
3. Онлайн‑шопинг с анализом предложений. В той же статье упомянуто, что сочетание инструментов Deep Research и Operator позволило агенту лучше справляться с интернет‑покупками: он исследует товары и предложения, затем переходит на сайты и оформляет заказ. Здесь важна связка «исследование + покупка», чего нет у Deep Research и трудно добиться сценариями Make/n8n без прямых API.
4. Преобразование скриншота в презентацию. Агент умеет превращать изображение (например, снимок экрана) в полноценную презентацию — распознает элементы на картинке и воспроизводит структуру слайда. Эту задачу невозможно решить обычным конвертером: требуется визуальный анализ и создание редактируемого файла .pptx.
5. Обновление таблиц с сохранением форматирования. В примере от OpenAI агент обновляет финансовую таблицу новыми данными, сохраняя исходное оформление и формулы. Он заходит в Google Sheets, вставляет новые строки, обновляет формулы и диаграммы. Простой сценарий Make не сможет динамически «понять» структуру и корректно обновить формулы.
6. Комплексный анализ данных и создание слайдов. В руководстве Creole Studios показано, как агент анализирует информацию о конкурентах (обходя сайты, новости и соцсети), делает выводы и тут же формирует презентацию со схемами и диаграммами. Это комбинация браузера, аналитики и генерации файлов, которую не выполняет Deep Research.
Я: Проблема-то не в этом. Технологический уровень нашей цивилизации уже позволяет любого человека обеспечить жильём, едой, медициной. Все эти дефициты — политического характера. Это понятно.Рано или поздно всё к этому придёт.
И всё равно будут недовольны. Потому что, всё есть — а признания нет. Славы нет.
Если вы ничего не хотите делать — вы получаете комнату в гетто, бесплатный гамбургер и дешёвое порно. Это и "базовый" пакет.
А если хотите чего-то достичь — значит, поднимайте задницу и начинайте работать. Ага. Но на это мало кто способен. Начнутся бунты. Людям нужен смысл. Решение игры - других вариантов нет.
Полное интервью: https://youtu.be/blisRwVcmm8?si=GoTj3kmby1el9zik
Игорь: В прошлый раз мы начинали разговор про искусственный интеллект. И это, так или иначе, тема, которая интересует многих. Уже многих. Кто-то отмахивается, говорит: "Это меня не касается, я вообще к компьютеру не подхожу". Таким людям, наверное, легче жить — меньше знаешь, крепче спишь. Не так ли?
Я: Когда проснешься — будет тяжко. В
И: Все-таки такой прогноз: никто не увернется, да?
Я: Все это уже было в конце 90-х, когда только-только начинался бум доткомов. В конце 99-го он рухнул, но за год до этого тоже был похожий хайп, и достаточно много людей уже понимало, что происходит. Ну, что значит "много"? Допустим, 10 тысяч человек. Но эти 10 тысяч были влиятельны. Остальные — "где я, где интернет? "Но сейчас мы этот вопрос не обсуждаем. С искусственным интеллектом будет гораздо хуже.
И: Вот так, да? Именно с такой интонацией?
Я: Да. Не в смысле, что это будет плохо. Я думаю, жизнь станет лучше .... для некоторых, как обычно.
И: Но глобально опасения есть. Глобально, если так брать... Ну, кто-то фантастику хотя бы в детстве читал, какие-то известные произведения. И кто-то подозревает, что сначала машины заменят нас в тех или иных видах трудовой деятельности, а потом — и вообще заменят.
Я: Надо понимать, что авторы, которые пишут фантастику, тем более снимают кино, — у них задача не написать про искусственный интеллект, а заработать денег.
Соответственно, они должны придумать что-то "жареное", драматизировать сюжет. А что может быть лучше, чем тема "злые машины всех нас уничтожат" и так далее? То есть такой вечный "Терминатор". И вот это кино запрограммировало огромное количество людей, поэтому люди мыслят таким образом. Это как в политике. Если вы хотите привлечь внимание аудитории и получить голоса, что вы должны делать? Пугать, обвинять кандидатов и так далее: "У них коррупция, а мы — белые и пушистые". Так что тут тоже надо делать скидку.
И: Я вот замечаю, что буквально каждый день нарастает скорость обретения чего-то нового. И если ты, как говорится, не успел, то опоздал.
Я: Вы знаете, это не совсем так. Мне тоже приходится следить. И вот где-то последний, наверное, год было такое же ощущение: поток новостей, стресс, тревожность, все время не успеваю. Типа "о, мама, мы все умрем" и все в таком духе. Но когда этого уже очень много, я начинаю замечать, что реально фундаментальные изменения происходят крайне редко.
Сейчас идет хайп. Это означает, что большая часть стартапов пытается привлечь к себе внимание. А как вы можете это сделать? Сделав какое-то рекордное заявление. Типа "мы сделали суперинтеллект". Понимаете, никакого там суперинтеллекта нет, но все туда прыгают. Это в принципе характерно для рынка в стадии хайпа. Потому что для зрелых рынков такого не существует. Это — во-первых.
Во-вторых, одно дело — заявления, которые делают стартапы, а другое — их реальное применение на практике: в бизнесе, в жизни. И здесь, по большому счёту, пока всё кисло. То есть, грубо говоря, несмотря на обилие заявлений — а понятно, что топ-менеджеры корпораций обязаны их делать, чтобы акционеры верили, что они держат руку на пульсе, и продолжали платить им бонусы и всё такое прочее, — по факту ситуация другая.
У меня довольно много знакомых топ-менеджеров корпораций. Там, по сути, хаос и паника. Потому что они понимают, что нужно что-то делать, а что именно — непонятно. Специалистов нет. Те, кто говорит, что понимает, на деле просто разводят на деньги. Те, кто действительно что-то понимает, валят в стартапы, потому что там платят какие-то дикие деньги.
Я думаю, что эта тема ещё года два будет находиться в таком состоянии. Будет много-много хайпа, а потом это начнёт понемногу входить в более-менее внятное русло.
Плюс ещё есть момент: последние пару лет было очень много ожиданий, что искусственный интеллект заберёт у всех работу.
Сейчас мы видим направления, где он действительно быстро растёт, и там есть шанс, что он не то чтобы заберёт работу, а скорее усилит тех, кто им активно пользуется. Соответственно, у них вырастет производительность. Грубо говоря, это означает, что можно уволить десятерых.
Дал задачу агенту chatGPT и Манусу. Оба не разочаровали, но финал совершенно разный.
Смысл теста не сказать, кто хуже, а понаблюдать, как они подойдут к простейшей автоматизации, которая:
1. Запускается при появлении нового подписчика в EMS
2. Регистрирует его на сайте
3. Создает транзакцию в системе мембершип
4. Делает апдейт статуса в БД.
EMS = GetResponse
Сайт = WordPress
Мембершип = MemberPress
БД = AirTable
Длительность исходного теста и видео 35 минут, но скучные фрагменты я ускорил, получилось 9 минут постановка задачи и выводы. Наслаждайтесь.
TDLR: круто.
Основные косяки входа и прочего поправили: https://alexeykrol.com/courses/deepresearch/ - если что пишите - все быстро исправляем.
Читать полностью…
ChatGPT Agent стал доступен вчера поздно ночью. Сегодня потестирую, результаты представлю. Я ему дам те же задачи, которые мы делаем в автоматизациях в Make/n8n. Разумеется, автоматизации нельзя назвать полноценными агентами, это просто комплексные задачи с множеством этапов, где внедрение ИИ расшивает точки неопределенности. Тем не менее, будет интересно посмотреть - справится ли ChatGPT Agent с таким довольно простыми сериями?
Читать полностью…
перемудрил с доступом, буду упрощать. хороший опыт.
Читать полностью…
- Защита коммерческих и государственных инноваций в области ИИ**: Необходимо сбалансировать распространение передовых технологий ИИ с соображениями национальной безопасности.
- Борьба с синтетическими медиа в правовой системе**: Судам и правоохранительным органам необходимо дать инструменты для преодоления вызовов, таких как фальшивые доказательства («дипфейки»).😍
II. Создание американской инфраструктуры ИИ
- Упрощенный порядок выдачи разрешений**: Предлагается ускорить процессы выдачи разрешений для центров обработки данных, полупроводниковых предприятий и энергетической инфраструктуры, включая расширение использования категориальных исключений по NEPA.
- Развитие энергосистемы**: Энергосистема США потребует модернизации для поддержки центров обработки данных. Требуется комплексная стратегия по улучшению и расширению энергосистемы, включая приоритизацию подключения надежных источников энергии.
- Восстановление американского производства полупроводников**: Цель — вернуть производство полупроводников на территорию США для создания рабочих мест, укрепления технологического лидерства и защиты цепочек поставок.
- Создание высокозащищенных центров обработки данных**: Для использования ИИ с наиболее чувствительными данными правительства США. Эти центры должны быть устойчивыми к атакам.
- Подготовка квалифицированной рабочей силы**: Инвестиции в рабочую силу, которая будет строить, эксплуатировать и обслуживать инфраструктуру ИИ, включая электриков и техников.
- Укрепление кибербезопасности критической инфраструктуры**: ИИ будет использоваться как для кибернападения, так и для киберобороны. Будет создан Центр обмена и анализа информации по ИИ (AI-ISAC).
- Продвижение безопасных по умолчанию технологий и приложений ИИ**: Правительство США ответственно за защиту систем ИИ от атак.
- Содействие развитию зрелых федеральных возможностей реагирования на инциденты, связанные с ИИ**: Планирование для минимизации воздействия сбоев систем ИИ на критически важные услуги или инфраструктуру. (Бедная Северная Корея😍)
III. Лидерство в международной дипломатии и безопасности в области ИИ. Этот столп посвящен глобальной конкуренции в области ИИ и предотвращению доступа противников к американским технологиям.
- Экспорт американского ИИ союзникам и партнерам**: США должны экспортировать весь свой технологический стек ИИ (оборудование, модели, программное обеспечение, приложения и стандарты) во все страны, желающие присоединиться к альянсу ИИ Америки.
- Противодействие влиянию Китая**: США будут выступать за международные подходы к управлению ИИ, которые способствуют инновациям и отражают американские ценности, противодействуя авторитарному влиянию Китая.
- Усиление контроля за экспортом вычислительных мощностей ИИ**: Отказ иностранным противникам в доступе к передовым вычислительным мощностям является вопросом геостратегической конкуренции и национальной безопасности.
- Устранение лазеек в существующем контроле за экспортом полупроводникового производства**: Разработка новых экспортных контролей на подсистемы производства полупроводников для предотвращения использования американских инноваций противниками.
- Глобальное согласование мер защиты**: США будут поощрять партнеров и союзников следовать американскому контролю за экспортом чувствительных технологий.
- Обеспечение того, чтобы правительство США было на переднем крае оценки рисков национальной безопасности**: Наиболее мощные системы ИИ могут представлять новые риски национальной безопасности, такие как кибератаки и разработка ХБРЯВ.
- Инвестиции в биозащиту**: ИИ может создать новые пути для злонамеренных акторов для синтеза вредных патогенов. Требуется использование инструментов синтеза нуклеиновых кислот с надежными процедурами проверки.
Ключевые идеи и факты
- Национальный императив**: ИИ рассматривается как новый рубеж научного открытия, который может изменить глобальный баланс сил, и для США это императив национальной безопасности.
- «Гонка» за доминирование**: Документ постоянно подчеркивает, что США находятся в «гонке» за мировое лидерство в ИИ.
Запись и все материалы лекции по Deep Research - https://alexeykrol.com/ - Если косяки - пишите - всегда, когда первый раз воронку запускаешь - находятся ошибки (хотя все проверял).
Читать полностью…
Запись лекции сегодня выложим. Не переживайте. Подготовка требует времени. Вы же должны понимать - зачем делаются бесплатные лекции?
Разумеется, чтобы денег заработать. Что вы маленькие штоле?
Надеюсь, вы не подумали, что бесплатные лекции делаются ради альтруизма или эфемерной славы людской. Это все пустое. Не разочаровывайте меня.
Это только редкие программисты, работающие в западных крупных корпорация, получающие по 25-45 тыс.$ /месяц могу позволить себе такую роскошь. Или ученые, которым платит З/П университет.
А мы, честные коммерсанты, барыги, блоггеры, писатели и прочие инфоцыгане - должны тяжким трудом зарабатывать хлеб насущный, и в этом деле все бесплатное оказывается отличным подспорьем. Я, кстати, сильно недооценивал это последние лет 10, в результате чего недозаработал прорву денег.🤔
Тут такое дело - выложить просто видео куда нить в Youtube - ума много не надо. А вот заработать 5 копеек на том, что бесплатно - надо ухитриться. Соображаете?
Но с 5-ю копейками есть проблема - на них много каши не сваришь, потому как, к примеру, в косточку сходить еды закупить один раз - это от 500 до 700$. Это у нас такие цены в Долине в Costco.
Стало быть планку надо выше задирать, стремится на бесплатном заработать не 5 копеек, а хотя 50 тыс.$, а лучше 200 тыс.$, а лучше 1 млг.$ и выше.
И тут конечно, надо голову приложить, провести подготовительные мероприятия, настроить инфраструктуру, потому что большие деньги ручками не заработать. Надо использовать алгоритмы.
Все это требует времени. Опять же... вы же захотите не просто лекцию послушать, а получить конспект. Да? И Доп. материалы в количестве 200+, и много чего еще вкусного.
Значит, мы все это должны надлежащим образом организовать, чтобы с одной стороны дать вам все бесплатно (как вы любите), а с другой стороны и немного грошей заработать.
Но в целом почти все завершили, сегодня, иншалла, все выложим.
Ссылка на лекцию - https://us06web.zoom.us/webinar/register/WN_ChZYfYy1S-qfyex-5_i18g
Читать полностью…
Я: Помоги мне понять, как я могу применять новый режим обучение в chatGPT?
chatGPT: Что такое Study Mode?
Это новый режим ChatGPT, который вместо готовых ответов ведёт тебя пошагово: бот уточняет твою цель и уровень, предлагает подумать вслух, задаёт уточняющие вопросы и даёт подсказки, пока ты сам не дойдёшь до решения. Такой формат придумали, чтобы учиться было честно и глубоко, а не «списать» ответ. ([The Guardian][1], [OpenAI][2])
---
### Как им пользоваться (в двух шагах)
1. Включить.
Открой ChatGPT → «Tools»/«Инструменты» → переключатель Study Mode.
2. Задать контекст.
Начни с короткой заявки:
> «Хочу понять, … (тема). Мой уровень … (например: “базовый”) и цель …».
В ответ режим задаст уточняющие вопросы и поведёт тебя по шагам.
---
### Примеры, где он помогает
| Ситуация | Что делает Study Mode |
| ------------------------------ | ----------------------------------------------------------------------------------- |
| Учишь новый алгоритм | Разбивает на микро‑шаги, проверяет понимание каждого. |
| Готовишься к собеседованию | Имитирует интервьюера: задаёт вопросы, просит объяснить решения. |
| Разбираешься в API | Сперва выясняет твой стек и цель, потом даёт наводящие задачи вместо готового кода. |
| Шлифуешь контракт | Предлагает выделить спорные пункты, задаёт вопросы о рисках, подсвечивает варианты. |
*(Учитывал твой опыт с автоматизацией, контрактами, агент‑системами.)*
---
### Хитрости, чтобы извлечь максимум
* Скажи, что уже знаешь. Тогда подсказки будут точнее.
* Проси проверку себя. Например: «Спроси меня, понял ли я формулу».
* Формулируй мини‑цели. «Разобраться в шаге №2 до конца» — режим удержит фокус.
* Периодически пересказывай вслух. Это усиливает запоминание и режим сразу подхватывает твои слова.
---
❓ Итак, над какой темой ты хотел бы первым делом поэкспериментировать в Study Mode? (Один вариант, чтобы мы сразу начали.)
* [The Guardian](https://www.theguardian.com/technology/2025/jul/29/chatgpt-openai-chatbot-study-mode-universities-students-education?utm_source=chatgpt.com)
[1]: https://www.theguardian.com/technology/2025/jul/29/chatgpt-openai-chatbot-study-mode-universities-students-education?utm_source=chatgpt.com "ChatGPT launches study mode to encourage 'responsible' academic use"
[2]: https://openai.com/index/chatgpt-study-mode/?utm_source=chatgpt.com "Introducing study mode - OpenAI"
AI удешевляет разработку софта. (c) Андрю Янг.
Прототипы и приложения теперь можно создавать быстрее и дешевле с помощью ИИ. Это резко увеличивает спрос не на разработчиков, а на тех, кто умеет формулировать, что именно нужно построить — то есть на продакт-менеджеров.
2. Экономический эффект комплементарности
Как дешёвые машины повышают спрос на бензин, так дешёвое программирование повышает спрос на хорошо сформулированные продуктовые идеи и спецификации.
3. Бум профессии AI Product Manager
4. С ростом автоматизации кода, баланс в командах смещается: нужно меньше кодеров и больше продакт-менеджеров и дизайнеров.
5. Но: инженеры быстрее адаптируются к AI, чем PM.
6. Компаний, способных нанять AI-грамотного продакта, мало — спрос превышает предложение.
7. AI Product Management ≠ обычный Product Management
Требуются дополнительные навыки:
- техническое понимание AI (что вообще возможно построить, как устроен цикл от данных до модели),
- умение работать итеративно (AI-продукты требуют много доработок),
- грамотная работа с данными (и создание продуктов, генерирующих новые данные),
- навык работать в условиях неопределённости,
- способность постоянно учиться — технологии быстро развиваются.
8. Ответственность и быстрота, PM должен:
- понимать, где нужны ограничения/guardrails для безопасного использования ИИ,
- собирать фидбек быстро, чтобы продукт не завис,
- уметь делать прототипы самостоятельно — это становится преимуществом.
Итог: Спрос на AI-продактов будет огромный. Часть инженеров перейдёт в продакт-функции, но отдельная специализация «AI Product Manager» станет ключевой ролью будущего.
Сегодня игрался с bolt.new - хотел понять базово, что и как. Сделал демо прилку - простую форму - https://leafy-conkies-77da5d.netlify.app/ - ушло примерно 6 часов - на что, но сначала что прилка делает:
1. Вы вводите значения в поля формы (произвольные) и нажимаете на кнопку Изменить.
2. Введенный значения создают запись в AirTable.
3. И возвращаются в виде сообщений, т.е. вы видите, что введенные значения ввелись и стали крайней записью в базе. Потом введенные значения через API меняют значения рабочих параметров сценариев в n8n/make, таким образом, упрощая быструю кастомизацию.
Это демоприла. Цель - протестировать пайплан:
1. Фронт и простой бэкенд в Bolt (посложней в Figma).
2. Тонкий бэкенд, который выступает как API бридж для бизнес логики.
3. Бизнес логика в n8n/make/zapier с подключением ИИ внутри сценариев.
4. Деплой на netlify.
Результат: Все получилось. Более или менее пайплайн ясен.
1. В тесте на создание приложения в Bolt ушло 30 минут,
2. Еще 30 на решение вопросов безопасности - пришлось делать тест кода с помощью Google Gemini, но все правки и тут деплоил Bolt.
3. Остальные 5 часов ушли на попытку деплоить на абсолютно голый VPS, на котором у меня живет n8n. Но поскольку я не админ и редко все это делаю, то по большей части тупил и понял, что для учебных целей не стоит голову себе ломать, а стоит использовать netlify, который нативно интегрирован с Bolt и деплой происходит 1-й кнопкой за 30 сек.
Как обычно, первый раз самый долгий. Bolt порадовал, под капотом там Claude Sonnet 4 от Anthropic.
Итог: Для чайника вроде меня самое оно. Следующий шаг уже более сложный интерфейс, несколько экранов, авторизация и монетизация.
Русский отлично понимает. Помогла не только кодл писать, но и настроить сервак. Почти не пользовался chatGPT.
Перед использованием сравнивал: Bolt, v0.dev, Creatr, Base44 и Lovable и час Replit (гемор по факту - переоценен).
Пока вариант Bolt + netlify + Subabase + Stripe + бизнес логика на self-hosted (Hostinger) n8n/make/zapier cамый быстрый для тех, кто не умеет кодить, но есть идеи, как перевернуть мир и денег заработать. Ну и ИИ на борту, конечно.
7. Планирование и бронирование многодневного офсайта. Агент может организовать выездное мероприятие: бронировать площадку, подобрать питание, составить расписание и распределить задачи, как отмечает руководство Creole Studios. Такая цепочка требует переходов между разными веб‑сайтами и приложениями, чего не делают конвейеры RPA.
8. Многошаговый процесс оформления командировки. Агент умеет одновременно сравнивать отели, искать авиабилеты, резервировать номера и вписывать данные в корпоративную систему бронирования; примеры AI‑ассистента включают задачи «сравнить отели и забронировать поездку». Он обходит сайты без API, учитывает персональные предпочтения и спрашивает подтверждение перед покупкой.
9. Подготовка сложных отчётов для встреч. В кейсе из The Verge агент смотрел календарь пользователя, затем собирал новости о клиентах и формировал подробный брифинг по встречам. Благодаря управлению браузером и доступу к API календаря он объединяет разрозненные источники, что сложно автоматизировать отдельными инструментами.
10. Автоматическое заполнение сложных внутренних форм. Помимо паркинга, агент может подавать отчёты о расходах, запросы на отпуск или другие формы на закрытых порталах: он переходит на сайт, вводит данные, прикрепляет файлы и ждёт подтверждения (режим Watch Mode обеспечивает безопасность). Такие формы часто защищены и не имеют API, поэтому классические сценарии их не обработают.
Эти примеры показывают, что уникальная ценность режима ChatGPT Agent проявляется тогда, когда требуется сочетание глубокого исследования, визуального анализа, программных вычислений и активного взаимодействия с веб‑интерфейсами. Возможность «пользоваться» виртуальным компьютером делает его незаменимым для многошаговых задач, которые не покрываются Deep Research или сервисами типа Make/n8n.
Мой комментарий: Пока кейсы для корпоративных сотрудников довольно высокого уровня, которые сводятся к ИИ Агенту Секретарю. Мы это в большей или меньшей степени реализовали более универсально. В общем пока еще ярких кейсов нет.
По поводу бронирования вакансий - очень смешно, потому что буквально недавно этим занимались - все это не так происходит. Надуманная задач, т.е. он это может делать очевидно, но надо на вход давать целое ТЗ с кучей "если, то....".
Пока видно, что помнит процесс, держит фокус, и это шаг вперед. Но секретаря пока не заменит.
Я: Опиши мне 20 реальных кейсов, в которых можно использовать режим Агента
chatGPT Agent: Понял запрос. Я приступаю к поиску информации о реальных случаях использования режима Агента. Я соберу 20 примеров таких кейсов и представлю их вам после завершения исследования.
Ниже приведены двадцать реальных ситуаций, в которых «режим Агента» ChatGPT может оказаться полезным. Для каждой ситуации указаны источники, описывающие соответствующие возможности.
1. Краткий обзор встреч и новостей о клиентах. Агент может подключиться к вашему календарю, собрать список предстоящих встреч и дополнить его новостями о компаниях‑клиентах, а затем сформировать читабельный отчёт.
2. Анализ конкурентов и создание презентации. По одной команде агент посещает сайты конкурентов, анализирует их продукты и формирует презентацию со слайдами, диаграммами и основными выводами.
3. Структурированное веб‑исследование с действием. Агент может сам собрать данные по запросу (например, сравнить CRM‑системы до \$50/месяц), проанализировать плюсы и минусы и отправить итоговый документ.
4. Планирование меню и закупка ингредиентов. Пример из обзора — заказ ингредиентов для японского завтрака; агент планирует меню и оформляет заказ полностью самостоятельно.
5. Подготовка многодневного офсайта. Агент может планировать выездное мероприятие: бронировать места, продумывать питание и расписание.
6. Построение маршрутов и бронирование поездок. В категорию «AI‑ассистент» включены задачи по сравнению отелей, бронированию путешествий и организации мероприятий.
7. Преобразование скриншотов в презентации. Агент умеет брать изображения или скриншоты и превращать их в структурированные слайды.
8. Автоматическое обновление финансовых таблиц. Система может обновлять существующие таблицы новыми данными, сохраняя форматирование.
9. Анализ данных и формирование отчётов. Агент читает большие наборы данных, находит тренды или аномалии и рассылает итоговые отчёты заинтересованным лицам.
10. Создание таблиц с визуализацией. Можно попросить составить отчёт по продажам с разбивкой по категориям и построить круговую диаграмму — агент создаст готовую таблицу и график.
11. Формирование презентаций «с нуля». Агент может за несколько минут подготовить, например, 10‑слайдовую презентацию для презентации нового продукта, включая структуру, текст и рекомендации по изображениям.
12. Автоматизация онбординга сотрудников. HR‑отделы используют агентов, чтобы отправлять приветственные письма, собирать документы, назначать обучающие модули и синхронизировать данные с Notion или Asana.
13. Работа с клиентами и CRM. Агент способен отвечать на входящие запросы, ранжировать лиды по ключевым словам, заносить их в CRM (например, HubSpot) и отправлять персонализированные письма.
14. Поддержка клиентов. В службе поддержки агенты извлекают ответы из базы знаний, фиксируют обращения в системе, эскалируют сложные заявки и обеспечивают многоязычную поддержку.
15. Персональный учебный помощник. Для образования агент создает краткие конспекты, викторины и объяснения, отслеживает прогресс учащихся и предлагает следующую тему.
16. DevOps‑автоматизация. Разработчики используют агентов для генерации документации, запуска тестов, мониторинга ошибок и развёртывания кода в облаке, что ускоряет релизы.
17. Автоматизация календаря и встреч. Агент находит общее время для встречи, бронирует слоты, готовит повестку и отправляет напоминания.
18. Поддержка интернет‑магазинов. В e‑commerce агенты помогают подобрать товары, предоставляют обновления по доставке и оказывают пост‑продажную поддержку, снижая количество брошенных корзин.
19. Создание и редактирование документов и файлов. Агент может создавать и редактировать PowerPoint‑файлы и электронные таблицы, добавляя диаграммы, структурируя текст и обеспечивая корректное форматирование.
Не потому, что ИИ их заменит, а потому что квалифицированный человек + ИИ будет работать как десять обычных людей.
Но с другой стороны, есть направления, в которых ИИ как был тупым, так тупым пока и остаётся. В частности, если говорить о текстах, о креативных задачах — здесь писатели спокойно курят в сторонке.
Большая часть людей привыкла максимум читать технические мануалы, и они, конечно, скажут: "Ну да, он (ИИ) неплохо пишет". Но тот, кто хоть чуть-чуть разбирается в литературе, понимает: это всё из серии "слаще морковки ничего не пробовал".
Поэтому издатели на это вообще не смотрят. ))) Потому что издатели деньги зарабатывают, а не бегают за хайпом - это очень рискованный бизнес.
И: В частных разговорах слышишь: "А вот моя конкретная специальность подпадает под эти ножницы? Я буду отрезан?" То есть человек не думает, что ИИ добавит ему возможности, а переживает, что их — тех, кто занимался определённой задачей, допустим, было 50 человек — а теперь благодаря внедрению этой штуки можно спокойно половину убрать. Остальные, с его помощью и Божьей тоже, будут двигать цивилизацию дальше.
Я: Ну, так и будет. Потому что если рассмотреть всю нашу деятельность, не обязательно рабочую — даже ту, что мы дома делаем — её можно условно разделить на два типа: проекты и процессы. Проекты — это одноразовые задачи, у которых есть чёткое начало и конец. А процессы — циклические: чистка зубов, готовка и так далее. Во всех корпорациях, в госструктурах всегда только небольшая часть — это проекты: R&D, исследования, инновации. А основная деятельность — это операционные процессы: маркетинг, логистика, финансы и так далее. Эти процессы в большей или меньшей степени формализуемы. Если у вас мало неопределённости — значит, они высоко формализованы, и их легче автоматизировать. Раньше это уже было возможно, а с ИИ — тем более.
Соответственно, это не только моё мнение, это уже общепринятый консенсус: люди, занятые в такого рода процессах — они, как бы, на выход. Потому что, я понимаю, как мыслят собственники: можно просто снизить затраты.
Если говорить в целом про всё подмножество рутинных процессов — неважно, на заводе или в офисе, науке, — с высокой вероятностью в течение 3–5 лет там будут большие увольнения. Неизбежно.
И: Ведь мы помним, как в некоторых штатах очень ретивые руководители — как правило, с левой стороны политического спектра — заявляли: "Мы установим минимальную зарплату в 20 долларов, а может, и больше". И на это тот же Макдональдс очень просто отвечал: "Тогда вы получите отсутствие рабочих мест в наших филиалах. Потому что эту работу будут делать роботы".
Я: Вы же понимаете, что вся эта левая повестка идёт от учёных, которые сидят в университетах с левыми взглядами, на тенурах. Это люди, страшно далёкие от реальности. Они могут писать что угодно. А те, кто работает на производстве, в бизнесе, кто на земле — они понимают, что это полный бред. Левые могут сколько угодно фантазировать. Как говорится, легко на бумаге, а потом — наткнулись на овраги.
Прогресс не остановишь. Лудиты уже были. И дело не только в увольнениях или в экономике, а в эффективности. Сейчас, несмотря на то, что мы находимся только в начале, ИИ при определённом внедрении, особенно в государственное и муниципальное управление, может дать серьёзный прирост эффективности. И — при правильной реализации — защиту от коррупции.
Да, будет сопротивление. Да, не сразу. Но это фундаментальное направление, и многие это понимают.
Поэтому процесс неизбежен — в той или иной степени. И маловероятно, что все люди, которых это затронет, смогут себя найти. Вернее, найти-то можно. Но вопрос: станет ли это источником дохода?
Поэтому все идеи про безусловный доход — другого варианта нет. Этих людей нужно кормить.
И: Может, для кого-то сбудется вековая мечта - стать Емелей, а искусственный интеллект — та самая щука, исполняющая глубинную мечту — ничего не делать, но получать на жизнь, еду и удовольствия.
Пример, как людю тратят бездарно свое и чужое время. Я получил запрос. "Vlad Coolish: Алекс, а можете посоветовать инструмент для анализа проектов? Особенно интересует построение dataflow-схем."
Я: chatGPT, Что ты можешь сказать о таком запросе? Как ты его оцениваешь с точки зрения полноты и осмысленности?
chatGPT: Запрос в целом осмысленный, но неполный. Вот краткий разбор:
⸻
✅ Плюсы запроса:
• Цель понятна: человек ищет инструмент анализа проектов.
• Уточнён фокус интереса — dataflow-схемы, что сужает круг инструментов.
• Форма обращения вежливая, что может вызвать желание помочь.
⸻
❌ Недостатки:
• Не указан контекст проекта:
• Что за проекты? IT, бизнес, исследовательские?
• Уровень детализации: архитектура ПО, бизнес-процессы, данные?
• Не обозначены предпочтения:
• Онлайн или десктоп?
• Open Source или коммерческие?
• Для совместной работы или личного пользования?
• “Инструмент анализа” слишком широкое выражение: это может быть от Miro до Apache NiFi или даже Jupyter с pandas.
⸻
💡 Как сделать запрос полным:
Пример уточнённого варианта:
“Алекс, можете посоветовать удобный инструмент (желательно с визуальным интерфейсом) для построения dataflow-схем и анализа потоков данных внутри IT-проектов (например, ETL, API-интеграции, обработка данных)? Интересует совместная работа, экспорт схем и возможность комментирования.”
⸻
🧠 Моя оценка:
Осмысленность: 7/10, Полнота: 4/10.
Для короткого вопроса — нормально. Но чтобы получить релевантный совет — лучше конкретизировать.
Я: Может такой запрос проще направить на Deep Research?
chatGPT: Да, такой уточнённый запрос отлично подходит для Deep Research-режима, особенно если цель — найти конкретные современные инструменты и сравнить их.
Вот почему это логично:
⸻
✅ Почему стоит направить в Deep Research:
1. Запрос требует актуальности
– Новые инструменты появляются часто (например, в 2024–2025 году появилось несколько no-code/low-code решений с визуализацией dataflow).
2. Есть несколько критериев для сравнения
– Визуальный интерфейс
– Совместная работа
– Экспорт схем
– Комментирование
– Применимость к ETL/API и др.
3. Ожидается не один ответ, а сравнение 3–5 решений
– Например, n8n, Make, Apache NiFi, Prefect, Airbyte, Whimsical и т.д.
⸻
💡 Как адаптировать запрос под Deep Research:
Вот пример формулировки:
“Find and compare modern tools (2023–2025) for building and analyzing dataflow diagrams in IT projects (ETL pipelines, API integrations, data processing). Prioritize tools with visual interfaces, collaboration features, export capabilities, and support for comments. Output should include at least 3 tools, their key features, limitations, and ideal use cases.”
Конец цитаты и мой комментарий. Я не сноб, но понимаю трагизм ситуации. Вам дали супер мощный инструмент, но вы по прежнему живете старыми стереотипами, и не цените время.
Я прочитал бесплатную лекцию по поиску с помощью ИИ, но люди даже для бесплатного, холявного умудряются выражать недовольство и претензии, наивно и агрессивно веруя, что им кто-то должен. Раньше, лет 5 назад я бы задал риторический вопрос "Что у них в голове?", но сейчас я точно знаю, что там, поэтому вопросов больше не имею.🤣 Ссылку не даю - она есть в предыдущих постах, кому надо найдет.
На днях прочитал пост Димы Бондаря (Boosta) - одного из самых опытных и авторитетных SEO-спецов в СНГ.
Если кто не в курсе - ребята многие годы держат самые конкурентные ТОПы по Essay и Casino по всему миру - в Tier 1-2-3 и всегда находятся на острие технологий.
И к сожалению (для всего рынка SEO) я полностью согласен с Димой:
👉 На своем опыте - я перестал перепроверять ответы AI-overview и практически перестал переходить по ссылкам на источники
👉 Многие задачи типа составления плана путешествия я теперь отдаю General-агентам - в частности Manus. После нескольких пинков он делает готовый HTML-документ с интерактивной картой.
👉 Любые рисерчи информации - тоже уже отдаю AI и все реже хожу в Google. Почему? да потому что он сам пойдет в Google, пройдется по ссылкам, почитает и суммаризирует все. При этом еще учтет мои предпочтения в той или иной нише. Например при планировании путешествий ОН ЗНАЕТ, что у меня ребенку около 3 лет и ему нужно днем по спать и что в гору я каляску не особый любитель толкать :D
И это будет нарастать!
Кого затронет больше всего?
👉 Сайты с ответами на широкие "масс-маркет" темы. Условно - как сварить макароны/что такое полиэстер. Вот там сайтам (далее паблишерам) - конец. Они потеряют до 95% трафика
👉 Сайты-статейники на более узкие темы. Всякие "ТОП10 лучших рюкзаков для похода" - тут думаю срежет около 50% трафика.
Кого меньше всего затронет?
👉 Коммерцию. ПОКА ЧТО в такой выдаче довольно мало AI-ответов
👉 Серые/черные ниши: казино, ставки, Адалт (18+ сайты) - там видать AI не берет на себя ответственность что-то "рекомендовать" 😁😁😁
👉 Узкие экспертные ниши на подобие инженерии/SEO(как контент-ниша)/IT - там где ИИ не может дать короткий и однозначный ответ.
Куда пойдет рынок?
👉 Есть вариант, что паблишеры (сайты) будут чарджить AI-ботов за каждое обращение к своему контенту. Читал, что Cloudflare уже тестируют такую фишку.
👉 Все вернется к ламповым блогам как в начале 2000-х и люди будут платить за реально эксклюзивный контент, написанный автором для них, а не за очередной AI-высер. По подписочной модели скорее всего
Что делать SEO-спецам?
👉 Фокусироваться на нишах, которые я описан выше. Это не полный список, нужно еще помозговать куда AI пока боится идти
👉 Учиться доставить трафик из LLM и попадать в AI-overview
👉 Искать новое место, где мы можем "вклиниться" между LLM/Агентами и бизнесом. Как раз то, о чем пишет Дима Бондарь
👉 Переходить в другую нишу = менять профессию
Про Яндекс и рынок Digital-рекламы в РФ напишу отдельно. Если кратно - то в 50% нишах есть смысл только крутить ПФ и расслабиться)
И это происходит уже сейчас, не завтра, не когда-то потом через год. Сдвиг начался.
Что думаете? Гоу в комменты 👇
Vahan Kirakosyan, это все понятно и это не надо объяснять мне, это надо объяснять школьникам 2-ого класса начальной школы.
Но это лозунг, и как любой лозунг - в целом правильный. Но когда мы идем вглубь, учитывая такие незначительные факторы, как коррупция, алчность, смертельная (в буквальном смысле) свирепая бойня за власть, т.е. делаем "наезд крупным планом", то, как говорил Чаплин (не дословно), "жизнь из комедии превращается в трагедию. ". Поэтому демократы не любят факты, а любят лозунги.
Лозунги всегда хороши и позитивны, но факты - чудовищны. Цитата из сериала Рай 2025-ого (насквозь пропитанного DEI повесткой) - "американцы живут в 19 раз хуже, чем они считают".
И в частности поэтому все левые практически отказываются от любых дискуссий, ограничиваясь заявлениями из серии "трамписты с промытыми мозгами, а Трамп диктатор и злодей."
Академия... - не "наука", а именно академия - типичная разновидность корпорации со всеми признаками тоталитарной секты и элитарной бесчеловечной религии, а потому людям внутри периметра этой башни из слоновой кости свойственны все язвы корпоративного мира.
Люди борются за выживание и место под солнцем, за бюджеты, влияние, за возможность бесконтрольно продолжать наслаждаться жизнью, посылать детей в универы лиги Плюща, покупать по 3-4 Теслы у ненавистного Маска, платить по 7000$ за зубной имплант, тянуть ипотеку, сидеть на дорогой, но бесплатной для них страховке и радоваться жизни на кампусах. Вы бывали на кампусах больших универов? Рай! Коммунизм! Только надо регулярно правильную жопу лизать и бодро писать заявка на гранты.
Понимаете меня? И все это вдруг стало под угрозой. Поставьте себя лично в подобную ситуацию и сразу глаза откроются. Разумеется, любой человек, который сталкивается с такой эпичной угрозой, начнет делать все возможное, чтобы исправить ситуацию.
К примеру, еще 15 лет назад средний бюджет так называемого Preliminary Research от NSF был примерно 250 тыс.$. на год.
Чтобы понять, много это или мало, средний доход в США примерно 55 тыс. год. Эти крохи средний американец получает тяжким трудом.
А что делает "ученый" в рамках Preliminary Research?
Обзор статей, чтобы принять решение - стоит продолжать или нет. Здорово! Да? Сидите в приятном месте за компом, читаете статью, пьете смузи, ездите на конфы (живя в 5* отелях) и получаете бабло. Разумеется не все - часть универ забирает, налоги и все такое. Но жизнь удалось. Конечно, надо попку приподнять, знать правильных людей, чтобы эти безвозвратные деньги получать, получить PhD, поколбаситься постдоком и все такое. Но многим нравится.😍
Что до науки и приоритетов Трампа - вот это официально: https://www.ai.gov/action-plan - а что там левая пресса воет, это лирика.
Не путайте науку и академию.🤣
Упростил вход: https://alexeykrol.com/reg_ai_deepsearch/
Читать полностью…
- Отказ от регулирования Байдена**: План явно указывает, что президент Трамп «отменил опасные действия администрации Байдена в первый же день».
- «Строить, детка, строить!»**: Лозунг, подчеркивающий необходимость построения обширной инфраструктуры ИИ и энергии для ее питания.
- Акцент на свободе слова и объективности**: В отличие от предыдущих администраций, План явно призывает к созданию систем ИИ, «свободных от идеологической предвзятости».
- Геостратегическая конкуренция с Китаем**: Китай упоминается как основной соперник, и План предлагает конкретные меры по противодействию его влиянию и усилению контроля за экспортом.
- Комплексный подход к инфраструктуре**: Признается не только потребность в центрах обработки данных и полупроводниках, но и в значительной модернизации электросети США.
- Рабочая сила как центральный элемент**: План уделяет значительное внимание подготовке американских работников для эпохи ИИ.
- Особое внимание национальной безопасности**: Многочисленные пункты Плана напрямую связаны с использованием ИИ в обороне, разведке, а также с оценкой и смягчением рисков.
😍
Обзор «Плана действий Америки по ИИ» (Июль 2025 г.) Источник: https://www.ai.gov/action-plan
— это комплексный документ, разработанный Белым домом под руководством президента Дональда Дж. Трампа в июле 2025 года.
Главная цель Плана — достичь и поддерживать неоспоримое глобальное технологическое превосходство в области искусственного интеллекта (ИИ).
Авторы Плана рассматривают ИИ как тройную революцию: индустриальную, информационную и ренессанс.
План основан на трех ключевых принципах:
- Ориентация на американских работников**: Гарантируется, что американские работники и их семьи получат выгоду от возможностей, созданных этой технологической революцией.
- Объективность и свобода от идеологической предвзятости**: Системы ИИ должны быть свободными от идеологической предвзятости и предназначены для поиска объективной истины.
- Предотвращение неправомерного использования и рисков**: Необходимо предотвращать неправомерное использование или кражу передовых технологий злонамеренными акторами, а также отслеживать возникающие и непредвиденные риски от ИИ.
Три столпа «Плана действий Америки по ИИ»
I. Ускорение инноваций в области ИИ
Этот столп направлен на создание благоприятных условий для инноваций в частном секторе. Основные положения включают:
- Устранение бюрократических барьеров**: Отменен Исполнительный указ Байдена 14110 об ИИ, который рассматривался как обременительный. Предлагается пересмотреть и отменить федеральные правила, препятствующие инновациям в ИИ. 😍 Федеральное финансирование не должно направляться в штаты с избыточным регулированием ИИ.
- Защита свободы слова и американских ценностей**: Системы ИИ должны быть построены с учетом свободы слова и выражения, а также быть объективными и свободными от идеологической предвзятости. NIST должен пересмотреть свою «Рамочную программу управления рисками ИИ», исключив 😍ссылки на дезинформацию, разнообразие, равенство, инклюзивность и изменение климата.4
- Поощрение ИИ с открытым исходным кодом и открытым весом**: Признается ценность таких моделей для инноваций. Федеральное правительство должно создать благоприятную среду для открытых моделей и обеспечить доступ к вычислительным мощностям.
- Содействие внедрению ИИ**: Предлагается создавать «регуляторные песочницы» и «Центры передового опыта ИИ» для тестирования и внедрения инструментов ИИ, особенно в здравоохранении, энергетике и сельском хозяйстве.
- Расширение прав и возможностей американских работников**: Администрация поддерживает «повестку дня ИИ, ориентированную на работников», включая развитие навыков, образование и переобучение.
- Поддержка производства нового поколения**: Инвестиции в развитие и масштабирование фундаментальных и трансляционных производственных технологий для создания новых инноваций, таких как автономные дроны, самоуправляемые автомобили и робототехника.
- Инвестиции в науку, основанную на ИИ**: ИИ должен ускорить научные открытия, поэтому будут инвестиции в автоматизированные облачные лаборатории и поддержку организаций, использующих ИИ.
- Создание научных наборов данных мирового класса**: Высококачественные данные признаны национальным стратегическим активом. Цель — создать крупнейшие и наиболее качественные научные наборы данных.
- Развитие науки об ИИ**: Приоритет инвестициям в теоретические, вычислительные и экспериментальные исследования для сохранения лидерства Америки.
- Инвестиции в прорывы в интерпретируемости, контроле и надежности ИИ**: Это критически важно для использования ИИ в обороне и национальной безопасности.
- Создание экосистемы оценки ИИ**: Оценки являются критическим инструментом для определения надежности и производительности ИИ.
- Ускорение внедрения ИИ в правительстве**: ИИ должен помочь федеральному правительству обслуживать общественность более эффективно. Будут формализованы Совет главных сотрудников по ИИ (CAIOC) и создана программа обмена талантами.
- Стимулирование внедрения ИИ в Министерстве обороны**: ИИ имеет потенциал для трансформации военных и вспомогательных операций, обеспечивая глобальное военное превосходство.
Кому то я насолил - уже 5 часов атакуют сайт.😂 Находят открытые формы и пытаются вставить SQL инъекцию. Пришлось включаться. Из-за этого лекцию все таки выложу завтра, так как приходиться усиливать меры безопасности.
Читать полностью…
1. Маркетолог ищет лучших подрядчиков для таргетинга в TikTok
→ Deep Research находит 5 агентств, сравнивает кейсы, отзывы и цены, выдаёт таблицу с рекомендациями.
2. Фаундер выбирает между двумя SaaS-платформами
→ DR собирает технические сравнения, независимые обзоры, форумы, кейсы, указывает плюсы/минусы.
3. Писатель/журналист изучает спорную тему (например, искусственный интеллект в судах)
→ DR выдает актуальные источники, анализ позиций, графики, сопоставляет мнения.
4. Продюсер или режиссёр изучает тренды стриминга для нового проекта
→ DR исследует отчёты, данные по просмотрам, жанровые предпочтения и модели монетизации.
5. Стартап-основатель ищет подходящих грантодателей в США и ЕС
→ DR анализирует десятки фондов, условий и критериев, формирует shortlist по требованиям.
6. Бизнес-консультант сравнивает 5 CRM-систем под нишу клиента
→ DR собирает параметры: цена, интеграции, плюсы/минусы, внедрение, обучаемость персонала.
7. Исследователь разрабатывает позицию по спорной теме (например, ESG или DEI)
→ DR сравнивает отчёты, кейсы, критику, научные обзоры, строит взвешенную позицию с ссылками.
8. HR-директор ищет лучшие практики гибридного найма в стартапах после 2023
→ DR показывает, что работает, какие инструменты, какие провалы были, и в каких отраслях.
9. SEO-специалист ищет самые новые подходы к ранжированию Google в 2025
→ DR исследует англоязычные комьюнити, конференции, GitHub, private-блоги и сводит выводы.
10. UX-дизайнер анализирует 10 конкурентов по онбордингу
→ DR находит записи сессий, оценки пользователей, фреймворки, и даёт список улучшений.
10 типичных научных и инженерных кейсов
1. Физик ищет подтверждение или опровержение редкой гипотезы
→ DR находит свежие препринты, малотиражные публикации, обсуждения на форумах учёных.
2. Инженер выбирает оптимальный сплав или материал под экстремальные условия
→ DR сравнивает исследования прочности, коррозии, доступность, цену, промышленное применение.
3. Биолог ищет новые методы редактирования генов у конкретного организма
→ DR извлекает актуальные статьи, клинические кейсы, ограничения, риски, патенты.
4. Data Scientist разрабатывает методику для анализа аномалий в датчиках
→ DR ищет свежие алгоритмы, сравнивает подходы (autoencoder vs. tree-based), код и статьи.
5. Эколог ищет международные практики ренатурализации рек
→ DR находит программы, их результаты, инструменты оценки воздействия, примеры провалов.
6. Механик-авиаконструктор сравнивает 3D-печатные детали и литые по ресурсу и стоимости
→ DR выдаёт табличку с характеристиками, опытом Boeing и Airbus, публикациями в отраслевых журналах.
7. Нейроучёный ищет корреляции между мозговой активностью и когнитивными искажениями
→ DR сравнивает шкалы, fMRI-данные, когнитивные модели, открытые датасеты.
8. Химик анализирует эффективность новых катализаторов в реакциях с CO₂
→ DR ищет редкие исследования, сравниет выход, условия реакции, стабильность.
9. Инженер-робототехник выбирает лучшую систему локализации для беспилотника в помещении
→ DR анализирует SLAM-алгоритмы, условия, сенсоры, сравнивает latency, точность.
10. Медик-исследователь готовит метаанализ по эффективности новой терапии
→ DR агрегирует десятки RCT, фильтрует по методологии, выделяет тренды и слабые места.
Войти в лист ожидания, посмотреть программу, получить ссылку на регистрацию: https://alexeykrol.com/