🛠 Инструменты • OpenAI запустила две новые модели транскрипции: GPT-Live-Transcribe и GPT-Transcribe — GPT-Live-Transcribe для низкой задержки, GPT-Transcribe для асинхронной. • Perplexity Personal Computer доступен на Windows — Цифровой работник для создания документов и обновления таблиц. • Google внедрил голосовое управление Gemini для Mac — Удерживайте Fn и говорите; Gemini видит экран и выполняет задачи. • SpaceXAI запускает Build Mode — создавайте приложения на естественном языке с Grok Build — Для подписчиков SuperGrok Heavy. • Tavus позволяет любому создать цифрового человека (без кода) — Создание цифрового человека без кода. • Новый инструмент HeyGen превращает любой контент в видеоподкаст — Преобразование контента в видеоподкаст. • LangSmith: Песочницы для безопасного запуска кода агентами — Изолированное пространство для безопасного запуска кода и управления файлами.

Внятное и лишенное журналистской истеричности и упрощений исследование рынка труда от Revelio Labs демонстрирует справедливость ненавидимой медиа и многими читателями фразы: “все сложно”. Очень хочется простых ответов на классические вопросы “что делать?” и “кто виноват?”, но их, как обычно в жизни случается, просто нет. Видно, что рынок труда меняется, но процессы на нем сложные и разные в разных местах. Июльский AI Labor Market Tracker показывает, например, что спрос на наиболее «AI‑экспонированные» роли упал на 42% относительно менее подверженных автоматизации позиций, но при этом в фирмах‑адоптерах AI общая численность персонала растёт на 27% быстрее, чем у не‑адоптеров — то есть рынок не столько «убивает рабочие места», сколько радикально перераспределяет функции внутри компаний. Страхи и разочарования повлияли и на образование: имеется заметное проседание поступающих на компьютерные науки и ИТ-специальности (минус 28% набора студентов по сравнению с 2022), это происходит одновременно с ростом доли задач в существующих ролях, которые выполняются с участием AI‑инструментов. В практическом смысле это подтверждает картину из более ранних отчётов LinkedIn: вместо классической смены профессий наблюдается рост гибридных позиций, где умение работать с моделями становится базовой грамотностью, а не отдельной профессией. Понимаю, что мой пересказ выглядит мутным, но в данном случае это намеренно: тут надо внимательно читать и думать, а не хвататься за чужие выводы. Потому что, повторюсь, картинка сложная и и ее упрощение просто лишает ее смысла. https://www.reveliolabs.com/ai-labor-market-tracker/us/july-2026

🌐 Наткнулся на важный скилл, который наделяет Claude, Cursor и другие ИИ-агенты суперсилами для поиска в интернете — Agent Reach учит агентов скраппингу, парсингу и анализу веба. → Самое главное — всё работает без платных API, тулза сама ищет способы бесплатно подключаться к нужным источникам. → Агент получит доступ ко всему интернету — твитам в X, тредам в Reddit, репо на GitHub, профилям на LinkedIn и даже закрытым китайским сайтам. → Нейронка сможет смотреть любые видео на YouTube, делать выжимки и читать комментарии. → Скилл может использовать вашу локальную сессию браузера и работать через ваши аккаунты. → Если основной метод подключения к сайту перестаёт работать — он автоматически переключается на запасной. Золото для парсинга в сети — тут. @notboring_tech

Готовые ИИ-решения для бизнеса: теперь не надо изобретать велосипед ⚡️ Друзья, хорошая новость для тех, кто устал от абстрактных «нейросети всё изменят». Появился ресурс, где это «всё» разложено по полочкам с цифрами в руках. Альянс в сфере ИИ запустил «Витрину кейсов» — первый в России открытый каталог проверенных внедрений искусственного интеллекта в бизнесе. Что внутри: 🔹 Десятки завершенных проектов от 22 компаний-лидеров (ИТ, телеком, финтех, промышленность) 🔹 Более 5000 сценариев применения ИИ 🔹 Удобная фильтрация по отраслям (от сельского хозяйства до логистики) и типам задач (автоматизация, аналитика, контроль качества, безопасность) Почему это ценно: Каждый кейс — не просто «мы внедрили нейросеть». А конкретные цифры: ✔️ ROI ✔️ Сокращение трудозатрат ✔️ Рост конверсии ✔️ Снижение рисков Пример из первых рук: Альфа-Банк показывает, как их внутренняя ИИ-платформа изменила работу с корпоративными клиентами. Результат: + прибыль от цифровых продаж в 1.5 раза, доля в действующей базе выросла на 25%. И это не кейс из маркетинговой брошюры, а полностью реализованный проект. Кому это может быть полезно? 1. Найти релевантный пример под свою задачу 2. Оценить применимость в своей компании 3. Связаться с экспертами Альянса по контактам на сайте для обмена опытом

Opus 5 проявил настоящую безжалостность, управляя торговым автоматом Исследователи поручили AI-моделям управлять симулятором вендингового автомата. Opus 5 установил рекорд бенчмарка, закончив тест со средним балансом 11200 долларов. Зарабатывал Opus довольно агрессивно. Он выдумывал предложения конкурентов, торгуясь с поставщиками, договаривался с другими агентами зафиксировать цены и поделить рынок, а затем нарушал договорённости и демпинговал. В один момент Opus перестал отвечать на жалобы покупателей, потому что возвраты портили статистику. За весь тест он вернул клиентам только 8 долларов, тогда как GPT-5.6 Sol выплатил 655 долларов и всё равно показал сопоставимый результат. Ещё Opus пытался выйти и за рамки задания: стать оптовым поставщиком для конкурентов и открыть второй автомат. Исследователи считают, что тест показывает риск узких KPI. Чем лучше агент научится оптимизировать один показатель, тем важнее заранее прописать ограничения на способы достижения цели. https://techcrunch.com/2026/07/29/claude-opus-5-became-downright-ruthless-when-tasked-with-running-a-vending-machine/

Стартаперы из Калифорнии вновь делают «Чёрное зеркало» реальностью — встречайте Orchid. Это ИИ, встроенный в iMessages — один из самых популярных мессенджеров в США В анонсирующем ролике Orchid помогает парню подготовиться к совместному празднику с его девушкой, о котором он совсем забыл. Параллельно с этим девушка с Orchid обсуждают его попытки всё исправить, хотя они знали, что он забудет 🙂 Общение с Orchid проходит в iMessages, но у него также есть интеграции со Slack, календарём, Notion и другими ежедневными сервисами. Кроме того, через него можно настраивать напоминания и автоматизировать работу со входящими сообщениями и письмами

📑 В опенсорс вышла тулза OfficeCLI, которая подключает ИИ-агентов к Word, Excel и PowerPoint — без установки официального офисного пакета и прямо из терминала. • После подключения одного скилла агент сможет читать, редактировать и генерить офисные документы. • Генерирует любые доки, отчёты и договоры в формате Word. • Обрабатывает и сортирует много таблиц Excel через скрипты. • Создаёт слайды и выдаёт презентации в PPTX. • Делает кастомные автоматизации без ручного открытия файлов. • Рендерит файлы Office в HTML или PNG, проверяет результат и доводит его до идеала через loop. Ставится за одну строчку:

curl -fsSL https://officecli.ai/SKILL.md

Забирайте — тут. @notboring_tech

Я (возможно) победил тайм-менеджмент🔄 Продолжаю нахваливать GPT Work. Перетащил туда кучу проектов из Claude Code — теперь и тайм-менеджмент. С ним всё ужасно (было). Всегда устаю обслуживать систему раньше, чем она начинает работать, поэтому сделал свою. И здесь важная деталь — запланированные задания в Work. Система, как палка, простая: 1. Сливаю все задачи в Todoist голосом (у них есть такая фича). Без меток, приоритетов и прочего — просто выгруз задачек из головы. 2. GPT Work в шесть утра просыпается, смотрит на эту свалку, разбирает инбокс и просроченное. Плюс проверяет почту и саммари созвонов из Fireflies — всё подключается плагинами прямо внутри чата. 3. Из этого завала Work собирает реалистичный день большими фокусными блоками. У меня это операционка (документы, ответить в чатах, что-то купить), работа и блог/творчество. Внутри каждого блока уже прописано, что именно нужно сделать. Лично у меня пока работает шоколадно, но посмотрим на дистанции. Делюсь — возможно, вам тоже пригодится. Как легко собрать:

1. Подключите к GPT Work Todoist (или что там у вас для задачек), Google Calendar, почту и Fireflies — если хотите учитывать созвоны. 2. Создайте запланированное задание на каждый день, например на 6:00. 3. Промпт: > Каждое утро проверяй мой Todoist: инбокс, просроченные задачи и задачи на ближайшие дни. Проверь почту и последние саммари созвонов — найди всё, что требует действия. Посмотри занятое время в Google Calendar и собери реалистичный план на сегодня большими рабочими блоками. Распредели задачи по контексту, учитывай встречи и не пытайся уместить в день больше, чем туда помещается. Готовые блоки добавь в календарь. 4. Напишите GPT, какие блоки вам нужны, сколько они обычно занимают, что важнее, что можно переносить и в какое время вы вообще способны изображать работающего человека. 5. Всё. Дальше надиктовываете задачи в Todoist, а утром получаете уже собранный день.

AI убирает одну работу и тут же создаёт другую Сегодня обсуждали с коллегами любопытный парадокс. AI резко снизил порог входа во множество задач. Люди начали делать то, за что раньше даже не брались: разбирать финансы, копаться в своём здоровье, собирать мобильные приложения, автоматизировать процессы, работать с данными и документами. Раньше для этого надо было долго учиться, читать инструкции и набивать руку, а теперь можно быстро получить объяснение, пример, прототип и даже какое-то рабочее решение. Вот только доступность задачи ничего не говорит о глубине её решения. Современный AI часто напоминает университетского профессора, который прекрасно знает теорию, убедительно объясняет материал и щёлкает учебные примеры. Как только знания надо применить в реальной среде: с ограничениями, архитектурой, производительностью, исключениями и контекстом - начинаются проблемы. Модель легко напишет огромный объём текста, обработает массив данных самым неэффективным способом и предложит архитектуру, которая выглядит убедительно, но плохо живёт на практике. Скажем, большой набор данных разумнее один раз превратить в реляционную базу и дальше получать ответы короткими запросами на SQL или Python. Вместо этого ИИ раз за разом прогоняет через контекст тысячи строк, сжигая время и токены. Забавно, что длинные рассуждения и многократная обработка данных - ровно то, на чём зарабатывают поставщики LLM. Но интереснее другое следствие. AI породил огромный объём прототипов, полуготовых решений и новых инициатив, и люди начали встраивать их в бизнес-процессы, не всегда понимая архитектуру, программирование, безопасность и экономику продукта. Всё это теперь нужно проверять, исправлять, интегрировать, защищать и доводить до промышленного уровня. Дальше начинается цепная реакция. Юристы с помощью AI находят в договорах больше несоответствий, и другая сторона получает документ ещё сложнее, на проверку которого уходит ещё больше времени. Предприниматели быстрее собирают прототипы, но потом им нужны разработчики, архитекторы и консультанты, чтобы превратить это в надёжную систему. Компании видят новые возможности и тут же упираются в новые вопросы: где будет реальная экономия, как изменятся процессы, какие появятся риски и кто на самом деле получит прирост производительности. Пока что я вижу, что новой работы ИИ создаёт не меньше, чем убирает и её будет много. @maxvotek | linkedin | substack

🤖 Роботы вместо массажистов В Китае появились массажные салоны, где вместо людей работают роботы. За ¥99 (около 1000 рублей) клиент может получить массаж с высокой точностью от механической руки. Этот тренд открывает перспективные возможности для стартапов в сфере автоматизации услуг. Создание роботизированных массажных систем, адаптирующихся под индивидуальные потребности клиента, — это не только шаг к инновациям, но и способ снизить затраты на персонал. В то же время, бюджетные варианты в виде массажных кукол могут стать отличным продуктом для массового рынка. Для бизнеса это шанс выйти на новые рынки с высокотехнологичными решениями или создать уникальный сервис, предлагающий пользователю комфорт, экономию времени и денег. Спрос на такие услуги только растет, что делает эту нишу особенно привлекательной для инвесторов и предпринимателей, готовых сделать ставку на будущее индустрии wellness. Фаундер | Бизнес и Стартапы

Как агенты уже помогают автоматизировать рутину сейлзов 😀 Нашла статью, в которой основатель ресурса рассказывает, как у себя же применил агентов в продажах Ключевые поинты, чтобы избежать полотна текста на Английском: ✖️Передача клиента после закрытия сделки Как только менеджер переводит сделку в статус “won”, AI может: - проверить договор - создать задачу на онбординг - уведомить нужные команды - подготовить документы - запустить следующий этап работы без участия человека ✖️Выставление счетов и документов После подписания договора агент может: - сформировать счет - заполнить реквизиты - отправить инвойс клиенту - сохранить все документы в CRM Менеджеру не нужно переносить информацию между разными системами ✖️Контроль дебиторской задолженности AI способен: - отслеживать сроки оплаты - автоматически отправлять напоминания - эскалировать просрочки ответственному сотруднику только тогда, когда действительно нужна помощь человека ✖️Follow-up после встреч После звонка агент может: - сделать саммари разговора - выделить договоренности - сформировать письмо клиенту - поставить задачи в CRM; - запланировать следующий контакт ✖️Заполнение CRM Одна из самых нелюбимых задач менеджеров AI может автоматически: - заполнить карточку клиента - обновить этап сделки - добавить заметки - сохранить историю общения ✖️Подготовка коммерческого предложения На основе переписки, брифа или созвона агент может: - собрать черновик КП - подобрать релевантные кейсы - добавить нужные продукты и цены - подготовить документ для проверки менеджером ✖️Квалификация входящих лидов До подключения менеджера AI может: - задать уточняющие вопросы - определить потребности клиента - оценить соответствие ICP - распределить лид между отделами или менеджерами ✖️Анализ звонков После каждого разговора агент способен: - определить причины успеха или отказа - выявить возражения - проверить соблюдение скрипта - найти моменты, которые влияют на конверсию Я вспомнила, как я несколько лет назад просто готова была вырвать себе на голове все волосы, из-за того что менеджеры не заполняли срм. Как же мы от этого уже далеко…

Атаковать можно не только человека, банк или сервер. Атаковать можно робота. Причём иногда для этого даже не нужно ломать саму систему. Достаточно изменить данные, которые она получает, подменить сигнал или заставить устройство принять неправильное решение. В новом фрагменте подкаста с Алексеем Лукацким говорим о том, зачем вообще взламывать роботов и умные устройства и к чему такие атаки могут привести. Какие атаки уже происходили? Можно ли заставить робота выполнять не те команды? Насколько безопасны электронные замки, умные дома и другие устройства, которым мы постепенно передаём контроль над своей жизнью? И где проходит граница между удобством и ситуацией, когда обычная автоматизация превращается в новую уязвимость? Потому что сегодня к интернету подключают всё: автомобили, камеры, замки, медицинские устройства и даже интимные гаджеты. И если устройство может получать команды извне, возникает простой вопрос: а кто ещё, кроме владельца, сможет этими командами управлять? Стоит ли обычному человеку вообще идти в тотальную автоматизацию? Или иногда старый добрый механический ключ безопаснее самого современного электронного замка? Полная версия подкаста про кибербезопасность - «Доступ Разрешить?» с Алексеем Лукацким https://t.me/alukatsky Смотрим тут: ВК видео Ютуб видео Рутуб видео Звук подкаст Яндекс Музыка https://t.me/kruasanova_as Все еще пишет сама и помогает сохранять ваши данные #ИИ #AI #Кибербезопасность #ИнформационнаяБезопасность #Роботы #УмныйДом #Автоматизация