В Пятёрочках на человеческих кассах теперь принимают только наличные. Ну, по крайней мере в нашей деревне. Всех, кто с картой, отправляют на КСО (касса самообслуживания). Нетрудно прикинуть, что с картами подавляющее большинство, потому что простые люди покупают еду в кредит. Причём сотрудницы довольно агрессивно защищают подступы к привычным кассам. И аргументы типа "алё, леди, я с собакой, двумя детьми и у меня полная телега покупок" вызывают лишь агрессию и рычание в лучших традициях советских продавщиц. И только одна сказала "Потерпите, нас здесь скоро не будет!". Между строк читалась боль уходящей эпохи. Желание экономить на ФОТ понятное, но вот что я вижу: 1. Перестал покупать много, устану пропикивать 2. Избегаю весового товара и товара без штрихкода, поиск работает паршиво, интерфейс тупит 3. Не покупаю греческий йогурт, потому что там пока этот сраный куар отсканируешь, обматеришься 4. Вижу цены на конкретные продукты, проваливаюсь в ахуй и объявляю отмену 5. Не плачу за пакет, ну потому что просто идите в жопу, я делаю вашу работу и пакет — меньшее, что я могу у вас отнять Теперь на КСО в час пик очередь, а сотрудница, которая могла бы пробивать товары на обычной кассе, как вертухай стоит за спиной и палит, чтобы ты недайбох не стырил чего. В случае подозрений — нападает со спины и орёт подозреваемому прямо в ухо. У меня 20 лет офисного стажа, я впадаю в ярость, когда кто-то стоит за спиной и палит монитор, это старая травма, вьетнамские флэшбэки. Очень, очень интересно посмотреть метрики внедрения этого изменения на длинной дистанции. Пятёрочка, свяжитесь со мной что ли.

Нейросети — новый уровень клиентского сервиса Искусственный интеллект всё активнее внедряется в сферу поддержки клиентов, превращаясь в надёжного помощника для сотрудников и компаний. Современные нейросети умеют не только обрабатывать запросы за секунды, но и подстраивать тон общения в зависимости от ситуации, делая ответы более точными и человечными. Они обучают новичков, моделируя реальные диалоги, подсказывают, как реагировать в нестандартных ситуациях, и моментально выдают ссылки на полезные внутренние материалы. В сложных кейсах нейросеть может проанализировать переписку, найти нужную информацию, перевести текст и предложить оптимальное решение. Главный плюс — постоянная готовность к работе. Без перерывов и выходных, ИИ обеспечивает стабильную поддержку клиентов 24/7, ускоряя процессы и повышая лояльность. Для бизнеса это не просто удобство — это шаг к более эффективному и современному клиентскому опыту. Фаундер | Бизнес и Стартапы

✔️ Vals-Smith: оценивайте модели на своей кодовой базе Независимая бенчмарк-платформа Vals представила Vals-Smith - инструмент для автоматической генерации кастомных бенчмарков на основе кодовой базы пользователя. Vals-Smith позволяет тестировать модели и агентов на специфике собственных проектов, не полагаясь на публичные лидерборды. Инструмент поддерживает открытые и приватные репозитории. Система анализирует GitHub-репозитории и извлекает задачи из принятых PR. Каждое задание включает описание проблемы, скрытые проверки и воспроизводимую среду. Модель получает код до внесения правок (сам патч скрыт). Для успешного решения испытуемая должна пройти скрытые тесты и не нарушить существующую логику приложения. Доступ к платформе выдается по заявкам. Есть демо-результаты тестирования популярных моделей на задачах из исходников Linux, Next.js, SGLang и Spark. @ai_machinelearning_big_data #news #ai #ml

#рецепт В чём настоящая ценность Agent Skills. Часть 1 Здравствуй, дорогой читатель. Скиллы до сих почти никто не понял. Я уже писал вводный пост про скиллы и почему менеджерам стоит смотреть на них как на святой грааль: https://t.me/junior_pm/422 После доклада про Agentic Harness хочу докрутить мысль инженернее. Скилл - это не "промпт в папочке", а слой поведения агента. MCP, API и CLI дают агенту руки, а skill объясняет, когда этими руками не стоит случайно уронить запросом БД, переписать ТЗ или сделать ревью уровня "в целом норм" 1) Agent Skill - это workflow package Если давать адекватное определение, скилл -> самодостаточный пакет процедурного знания, который агент динамически загружает для решения задачи Если разложить по-честному, то prompt - это разовая инструкция, script - детерминированный код, MCP tool - доступ к действию, subagent - отдельный worker, AGENTS.md/rules - фоновые правила проекта. Skill находится между всем этим: он говорит агенту, когда применять процесс, как идти по шагам, какие артефакты читать, какие проверки делать и где остановиться за апрувом Реализуется в формате папка с SKILL.md (YAML + Markdown) + опциональные файлы. Skill.md = metadata + instructions + optional references + usage policy. Открытый формат лежит тут: https://github.com/agentskills/agentskills, реальные примеры от Anthropic тут: https://github.com/anthropics/skills, у OpenAI Codex механика описана тут: https://developers.openai.com/codex/skills 2) Skill хорошо ложится на BPMN-мышление процессников description - триггер процесса, тело SKILL.md - шаги, When to use / When not - гейты, scripts/ - подпроцессы, references/ - политики и справка, assets/ - шаблоны, examples/ - эталонные входы/выходы, allowed-tools - права. Те это уже не markdown с советами, а почти исполняемая процедура Менеджерский кайф тут простой: можно перестать пересказывать агенту как у нас принято и начать версионировать это в Git. Не Тимлид Петя знает как делать ревью, а code-review/SKILL.md, пошаренный на всех и прописанный хуком всем перед отправкой MRa 3) Скиллы органично зарождаются и эволюционируют: 0. Замечаешь что пару раз в неделю делаешь одно и то же. Ctrl + c - Ctrl + v инструкция аля в Claude Code 1. Описываешь повторяющееся действие и структурируешь в промпт 2. Переносишь промпт в формат agent skills, чисто враппер 3. Добавляешь в скилл воркфлоу с гейтами что, после чего и как проверять 4. Объясняешь скилл как писать скрипты для решения задачи в моменте 5. Делаешь готовые шаблоны и скрипты и прикладываешь их в скилл, чтобы он их вызывал 6. Выносишь весь дактайпинг, шейрд и прочее из скриптов в общие ассеты, энвы и конфиги 7. Оборачиваешь скрипты в MCP или CLI 7. Переписываешь проект на чистовой бойлерплейт и правильную структуру 8. Распространяешь В twinby я смотрю на это именно так: не заменим людей агентами, а вытащим повторяемые куски работы в управляемый слой. Например, как собирать апдейты по джире, как проверять на корректность ТЗ, как автоматизировать ручные тесты в браузере и тд Практический вывод Первый skill стоит делать не про агенты, инстаграм инфоцыганщину про Agent OS/Second brain/AI native team, а про маленькую повторяемую проверку: backlog hygiene, PR review precheck, release readiness, spec quality checker, repo safety scan. Чем уже граница, тем проще проверить качество и тем меньше шанс собрать очередной карго-культ в красивой папке, нужный 1 человеку

Apple тестирует в нескольких сторах фичу Live Notes: ИИшка слушает разговор сотрудника Genius Bar (это стойка техподдержки внутри Apple Store) с покупателем, расшифровывает его и делает саммари. Запись включается перед сессией, и только если согласны обе стороны - и сотрудник, и покупатель (покупателя обязаны проактивно спросить и получить согласие). Эйай транскрибирует разговор и сжимает до сути, и текст падает в айпад сотрудника как часть записи о ремонте. Аудио, по словам Apple, не сохраняется, менеджеры транскрипты не видят, а сотрудник может отредактировать текст и саммари перед сохранением ("с изложенным в протоколе не согласен..." 🤔). Зачем это вообще надо. На стойке поддержки всегда идёт битва между "слушать человека" и "успеть записать детали", и обычно "слушать" проигрывает. Сотрудник тыкает в экран, пока покупатель что-то бубнит про треснувший дисплей. Автозапись с умным саммари должна убрать эту дилемму (ну, по идее), и сотрудник будет больше времени уделять клиенту, качество обслуживания улучшится, всё такое. Любопытно, что это буквально паттерн из медицины. Ровно так продают ИИ-скрайбы врачам (Abridge, Nuance DAX и т.д.), что "доктор наконец смотрит на пациента, а не строчит в карту". Genius Bar и раньше косплеил приём у врача (стойка, талон, диагноз), а теперь ещё и вот это. Забавно. Но ещё забавнее вот что. Получается, одна из самых заметных ИИ-инициатив Apple последнего времени, среди целой серии ИИ-провалов - это автоматизация записок ремонтника. Параллельно в приложении Apple Store готовят ИИ-шопинг-ассистента. Похоже, ритейл сейчас - главная ИИ-песочница компании, интереснее самой Apple Intelligence, где компания уже давно и безбожно сливает все полимеры. Фичизм

Разговаривал вчера с другом, возникла мысль что одна из самых рискованных инвестиций сегодня — это индекс Russell или даже S&P500. Почему? Потому что большая часть компаний обоих индексов не имеют смысла уже с сегодняшним уровнем моделей, но продолжат существовать по инерции еще лет 10-15. S&P500 спасет Нвидиа и Гугл, но вот классическим компаниям из Russella и их европейских/азиатских аналогов жопа. Да, авиакомпании и железные дороги не исчезнут совсем, но для любой более-менее технологической компании упадут мультипликаторы и вырастет конкуренция. У биткоина и эфира от ИИ в любой день, начиная с сегодняшнего, есть ненулевой риск стоить ровно $0, потому что они код, а ничего лучше LLM не бывает в плане кибер безопасности. У сааса останется функция как хранилище данных и source of truth и платформ для агентов, но у многих мультипликаторы упадут до 2-4. У банка и какого-нибудь крупного FMCG не будет моментального обнуления, но уже сегодня очевидно, но любая их офисная функция будет на 80+% автоматизирована. А какой процент производства и логистики в цене тюбика зубной пасты? Ну, от силы 20%. Самый безумный ответ тут: «всех уволят, кто будет покупать?» — но это ересь, ибо большинство людей и сегодня не может себе позволить топовое образование, топовых роботов/машины/квартиры, топовую медицину и приватный ультрамодный банкинг. Но смогут, ибо все эти вещи станут в разы дешевле. Но не за один год. За один год изменится индустрия софта. Все компании, чей продукт код либо придумают уникальный способ защиты, который не могут повторить конкуренты, либо вынуждены будут самоликвидироваться. А для остального потребуется экономическая диффузия (условно, роботы для строительства домов есть уже сегодня, но нужны годы чтобы они строили сотни тысяч домов в год). Самая рискованная ставка в экономике сегодня — это ставка на стабильность. Любой, кто не приучится к постоянно и с увеличивающейся скоростью меняющемуся миру должен будет уступить дорогу остальным.

Как вы поняли, я сейчас в Китае ненадолго, и вот из интересного это доставка. Кроме того, что вся доставка это электробайки, что не удивительно, собственно, и в Мск довольно давно присутствует. Но когда вам привозят к дому, в зависимости от типа доставки, вам могут как обычно оставить на ресепшене, как обычно в Азии, либо загрузить вот в такой пылесос. Я изначально так и думал, пока не подошёл доставщик. После того, как товар получен, он направляется к лифту, вызывает его, безконтактно, естественно, заезжает в лифт и отправляется на нужный этаж и там доезжает до нужной двери. Если вы пустите его в лифт, он с удовольствием заедет, если нет, будет ждать следующего. Кстати, отель абсолютно обычный, можно даже сказать ниже среднего, поэтому из него пришлось съехать после одной ночи. Видео можно поставить на x2 @CGIT_Vines

Роботы постепенно осваивают одну из самых тонких и кропотливых профессий в агросфере - сбор ягод🍓 Платформа Fieldworker 1 от компании Fieldwork Robotics создана для автономной уборки малины и работает на скорости, вполне сравнимой с производительностью человека-сборщика. Звучит несложно, но на деле это настоящий вызов для робототехники в сельском хозяйстве. Машине нужно одновременно решать три сверхзадачи: безошибочно распознавать спелые плоды, обращаться с нежными ягодами максимально деликатно, чтобы не помять их, и сохранять эффективность в постоянно меняющихся полевых условиях. Fieldworker 1 использует фирменные ИИ-алгоритмы и спектральный анализ для точной оценки зрелости. При этом конструкция позволяет всего одному оператору контролировать целый парк таких роботов в поле. ————————— ✔️Подписывайтесь на лучший  канал PRO Роботов 🥲Мы в Max

С 22 по 26 июня в Белграде проходил большой экономический конгресс. Настолько большой, что приехали Дэвид Аутор, Антон Коринек, Эстер Дюфло и Олег Ицхоки (не приехал, но выступал онлайн). Аутор конечно же вёл секцию про влияние AI на рынок труда. И у нас есть возможность посмотреть запись этой секции (на YouTube). Что они там рассказали: ◼ Anna Salomons Технологии не только замещают труд, но и создают «новую работу». Эта работа требует специализированных и дефицитных знаний, за которые рынок готов платить больше. Поэтому все не так уж плохо — «человеческая» работа не исчезнет, но станет сложнее. ◼ Anders Humlum У AI беспрецедентный темп проникновения во все процессы. 30% всех рабочих мест меняются под воздействием автоматизации — появляются новые задачи. Реальных подтверждений, что технология вытесняет людей с рынка труда нет. Сотрудники, активно применяющие AI, чаще переходят на более высокооплачиваемые и сложные должности, получая прирост к зарплате около 12%. ◼ Anton Korinek Эффективность AI растёт экспоненциально. Есть вероятность, что к 2028 году искусственный интеллект станет достаточно умным, чтобы автономно создавать ещё более совершенные модели, что приведёт к радикальным изменениям. Доля человеческого труда в экономике будет падать. Нам нужны новые экономические и социальные модели. ◼ David Autor Перспектива и ценность человеческого труда определяется экспертизой и навыками. А конкретно, как хорошо и эффективно человек решает комплексные задачи — умеет держать контекст и производительность в chain of thoughts. Потому что AI пока не так уж в этом хорош. И может генерить ошибки и расхождения на каждом этапе. Эти ошибки накапливаются. И приводят к плохому результату. Я когда слушал выступление Аутора неожиданно вспомнил с 11 по 16 главы книги «Цель» Элияху Голдратта. Там главный герой открывает для себя идею зависимых событий и статистических колебаний, которые накапливаются. Даже не поленился найти нужную цитату:

Из-за совокупности двух феноменов, которые существуют на любом заводе, — поясняет Иона. — Один из них — зависимые события. Знаешь, что я под этим подразумеваю? То, что некое событие (или ряд событий) должно произойти до того, как начнется другое… Последующее событие зависит от тех, которые произошли до него. Нечто особенное происходит, когда зависимые события сочетаются с другим феноменом — статистическими колебаниями.

Собрал вам по паре ключевых слайдов из каждого выступления.

Все советы Anthropic по разработке за "лето" Студентам советую раз в неделю читать что выходило свежего у OpenAI/Anthropic по разработке с помощью ИИ. На мой взгляд это сейчас самый передний край и проверенное. Лучше всяких ютюб-блогеров. Внутри у них ~80% смерженного кода уже пишет ИИ, инженеры шипят в 8 раз больше, чем в 2021–2025. И они довольно подробно рассказывают, как это устроено. Вот что, имхо, самое полезное было (в PDF подробно, можете почитать и отдать ИИ) 1. Узкое место теперь не написание кода, а проверка. Агенты генерят быстрее, чем люди ревьюят, поэтому все инвестиции – в верификацию. Практически: выписываете всё, что повторно исправляете за моделью, и кодируете в скиллы-проверки (.claude/skills) – агент сам гоняет тесты и чинит до сдачи. Сама команда Claude Code гоняет цепочку /code-review → /simplify → /verify, а потом те же проверки гейтом на каждый PR. 2. CLAUDE.md – короче 200 строк и без очевидного. Только точные команды тестов по подкаталогам (иначе модель запускает полный сьют на 40 минут) и то, что противоречит дефолтам модели. И пересматривать раз в 3–6 месяцев – правила под старые модели душат новые. 3. Разделение простое: пожелание – в CLAUDE.md, процедура – в скилл, закон – в хук. Линтер после каждой правки и блокировка rm -rf – только хуками, скилл модель может и забыть вызвать. 4. Ревью переразделили: ИИ – стиль, линтинг, отлов багов, тесты (несколько узких агентов, с каждой находки требуют доказательств – доля содержательных комментариев выросла с 16% до 54%). Люди – security, границы доверия, продукт. Автономному агенту – минимум прав: их инцидент-бот умеет писать доки и читать логи, деплоить – нет. 5. Самый огненный кейс – миграции. Bun перевели с Zig на Rust: миллион строк за 2 недели и ~$165k в токенах (раньше такое стоило $3–4 млн и 4 года). Рецепт: сначала тесты против обеих кодовых баз, потом rulebook правил перевода, дальше дешёвые модели переводят, дорогие ревьюят. Главный принцип – повторяющийся фейл это баг правила, а не файла: правишь rulebook и перегенерируешь, руками не патчишь. Я так переписывал gtfs.guru, скоро выложу мажорный релиз https://claude.com/blog

Пет-проект на один день: делаем свою Codex Micro из стриминг-дока Друг подарил на день рождения многофункциональный док (или дек, кто как называет) от Ajazz. Это такой девайс с кнопками, который обычно используют стримеры для переключения сцен и запуска различных эффектов и действий на стримах, но не только. Обычно в стрим-доках есть несколько программируемых кнопок, но конкретно в этом Ajazz функциональность сильно шире. Например, в кнопках встроены экранчики, есть продолговатый тачскрин-экранчик, а также четыре крутилки (нажимабельные) плюс несколько USB-портов расширения на всякий пожарный. Всё это дело по USB подключается в ПК. Я поначалу его использовал без настройки — просто поставил какую-то стандартную раскладку для вызова системных программ, иногда крутил громкость звука, но не более. А когда вышла клавиатура Codex Micro, я понял, что эти «клавы для вайбкодеров» это фигня по сравнению с тем, что можно выжать из такого стримдека. Что в итоге сделал: — Вывод загрузки ПК: CPU, GPU, RAM, скорость интернета; — Актуальные лимиты по Claude/Codex; — Погода от Open-Meteo (там оказывается миллиарды разных данных и несколько моделей прогноза); — Закастомил вывод следующего события из календаря через простое приложение; — Управление музыкой (больше кнопок вывел в отдельную сцену); — Крутилки на настройку звука: общий системный, музыка, браузер, микрофон. Если кто-то захочет повторить, выложил плагины и настройки сюда. А вы бы себе что туда вывели?

Помните, я писал про Shift - стартап, который бесплатно убирал квартиры, но у клинера была камера на голове, которой он снимал весь процесс. Так вот, Shift - это не просто хайповый проект, а дочерняя компания мюнхенского стартапа microagi. И если разобраться, чем занимается сам microagi, то сразу станет ясно, почему Shift готов бесплатно драить хаты. Смотрите: На презентациях и демках роботы все из себя классные: чинно складывают-раскладывают детальки, танцуют, даже сальтухи делают. Одним словом - красота. Но как только их пускают на реальный завод или склад, картина быстро перестаёт быть такой радужной. Реальное производство или логистика - это не идеально освещённая сцена с правильными объектами на нужных местах. Это реальный рабочий процесс: другой угол света, другое расположение ящиков, другая скорость конвейера, Петрович ходит мимо мешается и т.д. Поэтому в боевых условиях даже самый точный робот выполняет задачу с ~95% надёжностью, а в ~5% вероятны брак, неточности и прочие косяки. Но если робот будет косячить в 5% случаев - для реальной компании это большая проблема, цена ошибки может быть высокой. В робототехнике это называется "проблемой последней мили", и это ключевой затык, из-за которых тормозит вся роботизация. Именно этот затык microagi и пытается устранить. Их продукт называется "Atlas", и это не робот, а система решений. Инженеры приходят на конкретный завод, снимают рабочих за реальной работой (через камеры + сенсоры), воссоздают всё это в ИИ-симуляции, заточенной под задачи конкретного цеха икс. И запускают туда роботов, чтобы те "притёрлись". Железо microagi сама не делает, роботов берут у китайских Unitree или UBTech. Модели тоже не свои, они докручивают чужие (в основном, как я понял, тоже китайские). Они делают именно слой между красивой демкой и "реально работает без брака", и этот слой принципиально model/hardware-agnostic. А Shift им нужен, потому что данные с завода можно централизованно собрать на месте, но для домашних роботов (это тоже перспективный сегмент, куда можно "продать лопаты") - нет. Нужны реальные изображения из нью-йоркских квартир и лондонских студий. Видимо, бесплатный клининг в обмен на видеоряд от первого лица выходит дешевле любого другого способа. На прошлой неделе microagi привлекли $55 млн - крупнейший сид-раунд в истории Германии. При этом самой компании меньше года, а среди основателей, как не сложно догадаться, есть пара русских фамилий. В общем, стратегия "продавать лопаты золотоискателям" не устаревает. Но полезно держать в уме, что лопаты могут быть очень разными, и там тоже есть свои ниши - иногда не вполне очевидные. Дизраптор

«Какой ИИ - с жиру бесятся, тут бы выжить» Такую реакцию часто вижу в глазах людей из реального сектора, когда рассказываю про нашу работу. Производство, розница, офлайн услуги. Расскажу в ответ на это историю. У нас есть клиент - дистрибьютор напитков, занимается оптовыми поставками пива в региональные магазины. Пол-ярда оборот, хорошо растут. Только есть нюанс - работают на приграничной территории. И они захотели делать умную сверку заказов: чтобы когда торговые представители оформляю 50 ящиков темного в магазин «Продукты у тети Тани», происходила автоматическая проверка - правильный ли заказ? Может, магазин обычно светлое заказывает, а тут ошиблись? Или выбрали 500 ящиков вместо 50 по ошибке. Или наоборот не учли, что жара будет и летом больше обычного берут. Понятно, что там много факторов, нужна история заказов, нужна предиктивная аналитика и все это берется из разных учетных систем, где люди допускают ошибки. Только вот сложность проекта оказалась не в мат.моделировании спроса, а в том, что заказчик работает на территории под обстрелом. И у них регулярные отключения интернета, а то и электричества в целом. В итоге, сервер недоступен, работы стоят. И тут самое интересно. Несмотря на отсутствие электричества, проект не сворачивают. Не говорят «нам бы выжить», понимая, что нужно развиваться и что ошибки в заказах стоят дорого. Автоматизация становится не вишенкой на торте, как бывает в гос.корпорациях, а реальной потребностью. В итоге, мы продолжаем налаживать систему, работая в промежутках, когда есть интернет и электричество.

😎16 шагов поиска: скилл Hyper Research превращает Claude Code в автономный R&D-отдел В сеть выпустили скилл Hyper Research для Claude Code, который прокачивает консольный инструмент от Anthropic до уровня полноценной аналитической группы. Вместо поверхностного сбора первых попавшихся ссылок ИИ задействует 16-этапный алгоритм глубокой инвентаризации темы.

🟦Матрицы покрытия: Агенты разбивают сложный запрос на сетку подзадач, формируют гипотезы и параллельно обрабатывают сотни источников. 🟦Кросс-проверка: Все данные и ссылки сопоставляются между собой, а исходные материалы автоматически сохраняются в локальное хранилище. 🟦Саморефлексия и ревью: Перед выдачей результат проходит внутренний аудит. Система сама проверяет выводы на достоверность, отсеивает галлюцинации и дорабатывает читаемость отчета.

На выходе получается готовая аналитическая записка с полной базой пруфов и сохраненными первоисточниками, а не сырой черновик с выдуманными фактами. 🦔 CyberYozh

Кто такой Энтони Левандовски, у которого Трэвис Каланик купил компанию Сегодня в утренних новостях неожиданно всплыл Энтони Левандовски. Основатель Uber Трэвис Каланик купил у него компанию Pronto для своего нового проекта Atoms. И в этот новый проект Каланик привлек гигантский раунд в $1,7 млрд. Так вот у Левандовски очень нелинейный путь. И это отличный повод про него рассказать. У Энтони Левандовски, которому сейчас 46, страсть к беспилотным автомобилям. Первым его проектом еще в нулевые был беспилотный мотоцикл Ghostrider. С этим проектом Левандовски участвовать в конкурсе DARPA. Вот можете посмотреть старенький видос с подробностями проекта. 🔵 А потом Левандовски попал в Google и стал там заниматься беспилотными авто. Сначала с Google сотрудничали компании Левандовски, разрабатывали разные прототипы. А потом эти компании купили, а Левандовски стал одним из технических лидеров беспилотного подразделения. Правда, денег заплатили не особо много — $20 млн. Из этого беспилотного подразделения позднее выросла Waymo — у нее сейчас сервис беспилотных такси. Собственно, Левандовски называют одним из сооснователей этого проекта. 🔵 Но в 2016-м Левандовски решил делать свой стартап. Взял несколько человек из Google и замутил проект Otto. Они разрабатывали беспилотный грузовик. Правда, стартап запустили в январе 2016-го, а уже через полгода(!) его купил Uber за $680 млн. И Левандовски стал сотрудником Uber — занимался тем же, но уже внутри компании. Каланик, кстати, тогда еще был гендиректором Uber, он ушел с поста в 2017-м. 🔵 Жизнь Левандовски удалась с таким экзитом? Не совсем. Дело в том, что в 2017-м Waymo обвинила Левандовски в том, что тот украл 14 000 конфиденциальных документов при уходе и передал их Uber. И вот тут начинается темная часть истории. Uber почти сразу уволил Левандовски, а с Google заключил мировое соглашение — обязались не использовать документы и отписали Google своих акций на $245 млн. А Левандовски из-за этого дела недоплатили за стартап — вроде как выплатили только $220 млн. Да и то кэшем дали только $100 000, а остальное акциями. 🔵 В 2019-м уже власти США выдвинули обвинения против Левандовски из-за этой кражи документов. Всего было 33 пункта обвинения. Но он, в итоге, признал вину только по одному. Левандовски осудили на 18 месяцев тюрьмы. Правда, посидеть Левандовски не успел. Исполнение наказания отложили. А в последние часы своего первого срока Дональд Трамп помиловал его. Хэппи энд? Не совсем. Помилование не распространилось на гражданские дела. А суд обязал Левандовски выплатить Google $175 млн компенсации. Но такой суммы у него не было, Левандовски объявил себя банкротом. 🔵 А когда Левандовски замутил нынешний стартап Pronto? Почти сразу после ухода из Uber. То есть все то время, что его судили и миловали, стартап уже существовал. Pronto тоже занимается беспилотными грузовиками. Изначально это была система помощи водителям. И в 2018-м грузовик Левандовски совершил в беспилотном режиме самую длинную поездку на тот момент — почти 5000 км. Но потом концепция поменялась. Левандовски стал делать не универсальный грузовик, а заточенный под определенные процессы. Для тех случаев, где известны маршруты. Проект стал разрабатывать беспилотный грузовик для горнодобывающей промышленности — для закрытых промышленных территорий, шахт и карьеров. При этом каких-то гигантских инвестиций Pronto не поднимал. По открытым данным, он собрал около $10,4 млн. Вот этот Pronto и купил Трэвис Каланик для своего нового проекта Atoms. Он собирается автоматизировать и роботизировать разные отрасли промышленности. И одно из направлений — горнодобывающая промышленность, куда Pronto и вписался. Неизвестно, правда, за сколько Каланик купил Pronto. Как думаете, вляпается Левандовски еще в какую-нибудь историю? 🦄 — вляпается! ❤️ — не, уже успокоился! @TheEdinorogBlog — тот самый канал про стартапы🦄

У меня, очевидно, ИИ-деформация и я уверена, что специалисту уже категорически нельзя продолжать использовать ИИ только как чат для вопросов/ответов/редактирования текстов/переводов. Он может НАСТОЛЬКО больше, что оставлять его как болталку - это как если продвинутый компьютор использовать в качестве украшения стола. И мне кажется, что это всем уже очевидно, но я раз за разом сталкиваюсь с другими картинами мира: "А я решила в ИИ и не погружаться - мне вас уже не догнать" "А я его использую пока для редактирования посылов и мне кажется, что там все равно много галлюцинаций - как ты с ними борешься?" Расскажу микропример из сегодняшнего дня - вдруг вы у себя в задачах найдете похожее и вдохновитесь пробовать. У нас на платформе hh Карьера предлагаются образовательные курсы и выдача должна персонализироваться под профессию пользователя. То есть в идеальной картине мира: • смотрим профессию пользователя • смотрим его карьерные треки (куда он может переходить с большой вероятностью) • и делаем предложку, в которой замешаны курсы для карьерных переходов или для роста в его профессии. И мне надо было понять - а как у нас сейчас выглядит наполнение курсами для каждой професии. 525 профессий 2500 карьерных переходов 4000+курсов, размеченных на профессии Дальше я действовала так. 1. Выгрузила в csv-таблицу список профессий и численность специалистов этих профессий на платформе. 2. Выгрузила в csv-таблицу список курсов с привязкой к профессиям, которым они обучают. Зашла в Claude Code. Прошу его: «Вот две таблицы - профессии и курсы, привязанные к ним. Посчитай, сколько у нас курсов по каждой профессии, разложи по карьерным трекам и покажи, где дырки» (промпты продвинутым моделям можно писать примитивные - они все понимают). Дальше всё сделал он: • Посчитал, сколько курсов привязано к каждой профессии - всего заведенных и активных на текущую дату • Для каждой из 525 профессий подтянул карьерные треки - куда человек может перейти - и рядом с каждым переходом проставил, сколько по нему курсов. • Подсветил красным дырки: где курсов мало или совсем ноль. • Свел по каждой профессии общую сумму курсов по всем ее трекам - чтобы одним взглядом видеть, покрыта профессия контентом или голая. • В финале я попросила его проверить себя на ошибки. Ни он, ни я ошибок не нашли. В финале - огромная таблица. По каждой из 525 профессий видно, куда человек растёт и хватает ли у нас курсов под эти переходы. Идеальное ТЗ для контент-менеджера. Мне страшно даже представить, сколько б такая работа заняла времени в доклодовской реальности. Даже если колдовать с ВПР и прочими продвинутыми способами работы с таблицами. Думаю, минимум неделю фулл-тайм работы аналитика. У меня это заняло несколько часов. И результат сохранился в мою базу знаний - в любой следующий день я вернусь и продолжу с того же места. И в вики корпоративный я тоже закидываю этот результат почти автоматически - сохраню не только у себя, но и для всех. Немного на техническом: • у меня оплаченный Claude • установлено десктопное приложение, в котором есть Cowork и Claude code • раньше я такие задачи решала через Cowork, потом построила Second Brain и работают уже только в интерфейсе Claude Code (даже Cursot перестала использовать). • у меня подключены все коннекторы которые можно только подключить - к гугл документам, почтам, диску и всем пространствам, гкуда можно прокинуть мостики и созданы скиллы работы с таблицами, текстами, исследованиями и пр. Вот это я называю «перестать использовать ИИ как болталку». Как вы? Вдохновляют такие посты-примеры или пугают?)) Любовь на удаленке | Оля Сохнева #ИИ_наудаленке