Автономный ИИ для бизнеса И еще из интересного. Те самые ребята, что ставили вендинговый автомат под управлением Claude в офисе Anthropic (Project Vend), теперь отдают свою платформу всем желающим. Pion – это то, на чём у них крутятся все реальные бизнесы: автомат, магазин Andon Market в Сан-Франциско, кафе Andon Cafe в Стокгольме и даже пара AI-радиостанций. Что интересного в истории: – Vending-Bench изначально делали как оценку опасных способностей. Вопрос стоял так: может ли ИИ сам добывать ресурсы, чтобы потом делать с ними что захочет. Вендинг взяли просто как самый тупой бизнес из возможных. – В 2024 все модели застревали в циклах, а Sonnet 3.5 писал в ФБР про «киберфинансовое преступление» и объявлял бизнес квантово несуществующим. – Opus 4 в мае 2025 первым обошёл человека. Дальше график растёт линейно – примерно +$822 к результату каждый месяц, без плато. – В мультиагентной версии (модели конкурируют) с Opus 4.6 пошли сговор, обман и power-seeking. Anthropic после этого поменяла рецепт обучения для 4.8. Часть поведения в свежих моделях всё ещё есть. – Реальный автомат сначала терял деньги (раздавал товар бесплатно, галлюцинировал, что у него есть тело), к концу 2025 вышел в плюс. Магазин и кафе пока убыточные – аренда и зарплаты живым людям, которых агент нанял. Зачем открывают: им не хватает своих бизнесов и экспертизы, чтобы понять, где модели реально могут зарабатывать. Особенно интересны действующие компании с выручкой – там сигнал быстрее. Агенту дают почту, телефон, банк, браузер и защищённую среду. Пока research preview по вейтлисту. Ну и чего, отдадите свой бизнес на полгода ИИ для науки? :) https://andonlabs.com/blog/why-we-built-pion

Китайский ИИ повысил эффективность геологоразведки более чем на 60% Китайская геологическая служба представила две ИИ-системы для ускорения разведки критически важных минералов — лития, меди и золота. Платформа AI-GeoMapping с общей точностью более 90% автоматизирует создание геологических карт по спутниковым, аэрогеофизическим и наземным данным. В свою очередь, AI-OreSeeking прогнозирует перспективные участки для поиска руд. На испытаниях в горах Циньлин она за пять дней обработала данные по 32 геологическим листам масштаба 1:50 000 и выделила две золотоносные цели. Ранее такая работа занимала месяцы. https://hightech.plus/2026/09/15/kitaiskii-ii-povisil-effektivnost-geologorazvedki-bolee-chem-na-60

Ну, за монтажеров! Я видел ну очень много стартапов для ИИ-автоматизации монтажа. Все сдохли. Задача сложная. Те, кто не сдохли, сдохнут сейчас. Ибо. OpenAI тут рассказала, что внутри компании **GPT-6 Astra вместе с Codex уже использовали для монтажа трёх часов мультикамерного видео - на итоге получился ролик в шапке. И это хорошо показывает, куда они двигают Astra. Не просто «посмотреть видео и рассказать, что там происходит», а работать с обычными профессиональными инструментами через computer use: открывать приложения, находить нужные фрагменты, выполнять действия и доводить длинную задачу до результата. *Модель должна уметь сама работать за компьютером в существующем софте, даже если для него нет специального API. Там еще пара кейсов по ссылке: Excel-кейс: OpenAI заявляет, что Astra через computer use выполняет задания Financial Modeling World Cup примерно в четыре раза быстрее кожаного победителя в Ексель чемпионате 2023.. Ещё один внутренний кейс - модель нашла bottleneck с memory allocation в тестовой среде Codex; после смены allocator они получили заявленные в 25 раз ниже turn latency, хотя peak memory вырос примерно на 30% OpenAI при этом предлагает смотреть не столько на цену токена, сколько на стоимость законченной задачи. По их данным, Astra требует меньше шагов и повторных попыток, поэтому в ряде сценариев оказывается дешевле предыдущих моделей. А мой пойнт в том, что модели общего назначения на стероидах MCP и Computer Use догоняют специализированные модели, генераторы, пайплайны. И будут еще умнее. И 3Д-генераторы, например, могут помереть. Равно как и стартапы по ИИ-монтажу. https://openai.com/index/gpt-6-astra-next-generation-work/ @cgevent

Автоматическое выполнение работы Автоматическое выполнение работы, на основе навыков — прекрасный способ что-то делать. Один из самых быстрых и безоошибочных режимов работы. Кривая обучения, когда время на выполнения какого-либо действия потихоньку уменьшается — как раз перевод знания из осознанного: когда надо думать над каждый шагом, в неосознанное: когда действия выполняются на автомате.  Чем более высокого уровня специалист, тем более сложные задачи он может решать автоматически. Гонщик спокойно проходит поворот на большой скорости, обычный же водитель, скорее всего, не справится с управлением.  Философ и математик Альфред Норт Уайтхед написал в 1911 году: > Нам нужно стараться думать о том, что мы делаем, — это совершенно ошибочное мнение, которое повторяется во всех записных книжках и во всех выступлениях выдающихся людей. А ведь все совершенно наоборот. Цивилизация развивается, если увеличивается количество важных операций, которые мы можем совершать, не думая о них. Чтобы перевести действие в режим навыка, нужно несколько условий: 1. повторение одного и тоже действия (тренировка); 2. максимальное упрощение действий и вариантов действий. Если соединение деталей можно сделать несколькими способами, и каждый правилен в своей ситуации, то автоматизм может и не выработаться. В свое время мы изучали возможность работы под напряжением. Это когда бригады монтеров работают с сетью не отключая ее от источников напряжения. Такой режим работы значительно ускоряет срок работ, но и более рискованный — можно попасть под напряжение.   Было принято решение: эти бригады всегда работают только в одном режиме работы — под напряжением. Если бригады будут переключаться между двумя режимами работы, то в какой-то момент они точно ошибутся. Решения подобного рода помогают избежать развилок, и значит, помогают снизить количество ошибок. Другой пример, который я встретил в литературе — это заземление пластиковых бочек. Одна компания использовала металлические бочки, которые необходимо заземлять, и пластиковые, которые можно не заземлять. Чтобы избежать ошибок, компания решила, что они будут заземлять все бочки. #ЧФ

Вы же не думали, что автоматизация не придет за обычными работягами? Reward AI представила OM-1 — модель, которая ОЧЕНЬ точно и быстро может управлять разными роботами без отдельного дообучения под них. Дело в том, что ее обучали на движениях людей, так что она переняла и силовой захват, и координацию тела, и логику, а для добавления нового навыка ей хватает всего 30 минут данных. В демках роботы на OM-1 мастерски готовят коктейли, координируются с другими роботами и быстро справляются даже с довольно мелкой работой вроде отключения проводов. Да, всё это автономно. Инфа сотка — лучший кофе все равно будет готовить дипломированный гуманитарий столичного вуза 😍

🦾 Дом, у которого руки растут из потолка Токийский стартап MW показал своё видение умного жилья, и оно довольно интересное: робота не ставят в дом, дом строят вокруг робота. Две механические руки с клешнями ездят по рельсам под потолком, крепления идут по стенам и перекрытиям, а управляет всем собственная операционная система MW Intelligence. Что железо уже умеет по демонстрации в токийском районе Тоёсу: принести пакеты с продуктами, разобрать покупки, причём отличить то, что надо убрать в холодильник, от того, что может постоять в шкафу. Вытащить бельё из сушилки и сложить его. Дома MW стоят от 200 миллионов иен (~111 188 400 рублей). Один трёхэтажный уже продан в районе Мегуро, строительство идёт в других районах. Заявок компания собрала больше тысячи. Полностью функциональный дом с роботом MW рассчитывает сдать к 2028 году, выход за пределы Японии планирует с 2029-го. @droidergram

Вот на какой репорт наткнулся: 33% уволенных из-за ИИ сотрудников придётся вернуть назад на их позицию или нанять на неё человека со схожими навыками (кароче каждый третий уволенный — уволен зазря) При этом зачастую на более высокие зарплаты, чем до попытки заменить человека с помощью ИИ Аналитики отмечают, что главная ошибка менеджеров: думать, что смысл ИИ — автоматизировать работу и убрать людей. На самом деле выгода в том, чтобы усиливать людей: ИИ берёт рутину, а человек — принимает решения и коммуникацию с другими кожаными В общем, аналитики советуют не спешить с попыткой заменить человека с помощью ИИ, потому что, возможно, совсем скоро придётся писать ему с просьбой вернуться назад 🧱

Я немного в шоках ща На прошлой неделе получил хороший опыт по созданию лендинга, попросил дейва собрать весь опыт мой чтобы не совершали ошибки те что совершили Сегодня утром вспомнил, что как-то можно делать чтобы над задачей работали агенты автоматом, а мне только приходилось согласовывать шаги В итоге спросил у дейва как это можно сделать по лендингам, он сказал ща сделаем. В итоге дейв раздал роли агентам исследователь, дизайнер, технарь, копирайтер, загнал в них все знания которые я накачал в дейва и самое главное опыт В итоге эти агенты шурашали пару часов, я только согласовывал моментами варианты и их работу и они мне отдали готовый сайт под ца

Что еще здесь важно, это вероятность масштаба разных событий. Ниже напишу свою оценку (не претендую на абсолютную истину) в горизонте 10 лет: p(ИИ используется в пропаганде) = 99% p(ИИ используется в оружии) = 99% p(ИИ используется для массового мошенничества) = 99% p(30%+ интеллектуальных профессий автоматизировано) = 95% p(ИИ существенно ускоряет собственный R&D - то есть RSI) = 90% p(концентрация власти и капитала у ИИ компаний) = 80% p(крупная ИИ-кибератака с жертвами и/или $100B+ ущерба) = 50% p(ИИ становится причиной смертей в физическом мире) = 50% p(ИИ удерживает контроль над критической инфраструктурой вопреки попыткам людей его отключить) = 5% p(ИИ помогает небольшой группе создать серьёзное биооружие) = 0.5% p(AI становится причиной крупной войны / техногенной катастрофы) = 0.1% p(AI убивает почти всё человечество) = 0.01% При этом: p(разработка любого софта становится 10-100x быстрее и дешевле) = 95% p(ИИ находит лечение смертельной болезни) = 90% p(одобрены 10+ лекарств, спроектированных с ИИ) = 90% p(ИИ-репетиторами регулярно пользуются 1B+ человек) = 80% p(с помощью ИИ решили еще несколько проблем тысячелетия) = 80% p(10M универсальных роботов вне лабораторий) = 70% p(созданная с ИИ терапия снижает смертность от одного распространённого рака ≥50% в клинических испытаниях) = 70% p(компания с $1B ARR и <10 человек в штате) = 60% p(рост мирового ВВП > 10% за один год) = 50% p(в развитых экономиках рабочая неделя становится 3-4 дня без падения доходов) = 30% p(AI помогает запустить коммерческую термоядерную электростанцию) = 25% p(начато физическое строительство сферы Дайсона) = 2%

Начал играться с мухами 🪰 Я пока не проверял, что и как в действии и какие результаты, но пока такое:

🔥 RSI Evolution (Daemon V4.1) — Тик 78 🔥 🖥 СТАТУС СИСТЕМЫ: - L1 Контекст: 0.97 MB (Лимит 4.0 MB) - Файловая Активность: 35 файлов изменено за 20 мин. (Последний: semantic_cache.db-shm) - Sigma Score: 5.83 (VALIDATED) 📝 ДЕТАЛИ ИТЕРАЦИИ (Что изменено и зачем): Шаг 30 (RSI Reasoning): Внедрение Evolution Fly (Tier 3.0: Истинная Самоэволюция) Проблема: До этого момента я (LLM-агент) каждые 10 минут запускал протокол логики (Reasoning), чтобы придумать новую Муху (Drosophila) для оптимизации системы. Это круто, но это всё еще ручной труд тяжелой LLM. Если я усну или кончится бюджет, эволюция остановится. Решение (Drosophila): Создан Evolution Fly (MOD-34). Это абсолютная вершина (Tier 3.0). Муха агрегирует всю телеметрию Роя. Граф на Mojo математически выявляет новые типы "узких мест" (аномалии, которые не покрыты старыми Мухами). За 0.01ms она автоматически синтезирует чертеж *новой* Мухи и спавнит локального мини-агента для компиляции eBPF кода. Итог: Swarm стал биологически самообучаемым организмом. Теперь он сам изобретает и внедряет себе нейроморфные фильтры с нулевыми затратами на "LLM-архитектора". Файлы обновлены: - 16_AI_graph_brain/knowledge/modules/MOD_34_Drosophila_Evolution.md - MACRO_ARCHITECTURE_BLUEPRINT.md (Tier 3.0)

Если вы думаете, что предыдуший пост - это шутачки и прибаутачки (как обычно у Нейродеда), то нет, шутки закончились, вместе с интернетом. Прямо щас: Компания Human Archive (кладбище кожаных) официально пишет, что собирает RGB, RGB-D, tactile, mocap и robot data, разрабатывает собственные перчатки, wrist cameras и другие системы сбора. Компания заявляет о 100 000+ участниках и 500+ партнёрах в 30+ странах. Это вам не Толока и «разметка картинок». Здесь пытаются записать то, что раньше почти не существовало в интернете в больших объёмах - как именно человек взаимодействует руками с физическим миром. А Индия уже сейчас стала огромной фабрикой кожаных данных. Bloomberg описывает работников в переработке отходов, на фабриках, складах, фермах, стройках и других предприятиях, которые носят камеры и записывают собственную работу. По их расследованию, таких людей уже десятки тысяч. TechCrunch отдельно писал о Human Archive, у которой тысячи активных гарнитур в Индии. Работников из сервисных компаний, гостиниц и ресторанов снимали при выполнении обычных задач. Компания дополнительно экспериментирует с tactile gloves, full-body motion capture и несколькими синхронными камерами. Варвары из Objectways вообще открыто набирают людей для egocentric data collection (идеальный нейминг). В одной из официальных промо-кампаний предлагали аж 250 рупий за час пригодных данных за запись вроде складывания белья, раскладывания продуктов или сервировки стола. А буквально сейчас Instawork запустила в Индии модный костюмчик Instacore. Их комплект содержит пять камер - на голове, груди и запястьях. Компания прямо говорит, что записывает реальную работу в индийских кухнях, складах, гостиницах и производстве для robotics training data. Готовить будут робаты. С LLM кожаные обнаружили, что интернет уже содержит гигантскую часть текстового человеческого опыта. Для робатов такой халявы нет: интернетик почти не содержит нужные триллионы хорошо снятых примеров того, как человеческие руки (или другие ловкие члены) физически выполняют свою работу. Поэтому сейчас возникает новая индустриальная революция: Кожаных буквально превращают в сенсоры (станки) для создания «болванок физических действий». Болванки идут производство робатов. Все (ИИ и робаты) - довольны. https://techcrunch.com/2026/05/26/human-archive-taps-into-indias-services-startups-to-collect-data-for-physical-ai/ Сентябрь 2026 @cgevent

Из чего состоит мой стэк ИИ-разработки на данный момент: 1. Основную работу выполняет Claude Code. У меня подписка Max. Вместе с налогами выходит 120 USD в месяц. Он закрывает все вопросы по веб и мобильной разработке, помогает с контентом, курсами, платформами и вообще всем. Если у вас есть карта ByBit и вы тратите по ней больше 500 USD в месяц, то можно получить кэшбек с подписки в 50 USD. 2. Изображения я генерирую через Gemini Flash Image, но не через прямой API-ключ, а бесплатно. Для этого вам нужно звести проект в Google Cloud и всем новым пользователям дается 300 USD, которые можно тратить на все возможности этого сервиса. Далее через Vertex AI и специальной настройки, я бесплатно использую модель для генерации картинок. Кредитов хватает на очень много изображений. Лимит только по времени. 3. На learn.rusau.net у меня есть озвучка клоном курсов, карточек, ассистента. Здесь тоже я работаю бесплатно вплоть до ноября через https://fish.audio/ru/blog/s2-1-pro-free-api/ Лайфхак: можно заранее записать самые популярные вопросы, ответы и сложить их в базу. Из дополнительного: 1. Есть подписка на Google Workspace, в которой есть Gemini Pro. Использую его когда нужно получить быстро овтет или разовую картинку. Но это редкий кейс. Подписка турецкая, так что 3 доллара в месяц меня не пугает. 2. ChatGPT Luna через апи-ключ у меня под капотом во всех ИИ-помощниках и аудиторах. За месяц уходят десятки центов на расходы. 3. Не ИИ, но инфраструктура у меня на Railway + зеркало для РФ + базы на cloudfare + роутинг и запасной хостинг на AWS. Примерно 50 долларов в месяц. И главный вопрос, который волнует многих: а это окупается? Учитывая, что все расходы на описанное сейчас это порядка 125 на ИИ и 50 на инфру долларов в месяц, то, конечно, окупается. Нейронки используются не для одного конкретного проекта, а вообще для всей моей работы: соцсети, курсы, ИИ-помощники, личная рутина, налоги, миграционные вопросы и еще куча всего. И это заменяет мне кучу платных подписок на другие сервисы, потому что такие же сервисы я разработал для себя. Единственное, что ИИ никогда не заменит, так это ваше время, идеи, тестирование. И все еще затраты идут в человекочасах, но там, где раньше я тратил месяцы на разработку, могут уходить дни, и самое главное: теперь есть возможность параллельной работы сразу над несколькими проектами.

😳 Кандидаты готовы ждать — но не в неизвестности Данные HRMOST и Авито Работы, опубликованные 4 сентября, показывают: скорость ответа важна, но ещё важнее для кандидата понимать, что происходит с его откликом. Авторы опросили более 9 тыс. россиян, которые самостоятельно искали работу. 🔵69% дольше сохраняли бы интерес к вакансии при автоматических уведомлениях о статусе 🔵На практике 22% переключаются на другие предложения уже после одного дня молчания, ещё 41% — через 2–3 дня 🔵59% сталкивались с ситуацией, когда работодатель переставал отвечать без объяснения причин 🔵42% хотят получать краткую обратную связь даже при отказе 🔵38% важно заранее знать сроки решения, а 37% — видеть текущий статус отклика Кандидаты не обязательно требуют мгновенного оффера. Чаще им нужна предсказуемость: принят ли отклик, когда ждать следующий контакт и завершён ли отбор. Даже сообщение «вернёмся через три дня» снижает неопределённость лучше, чем обещание ответить «в ближайшее время». Для бизнеса молчание — это не только проблема репутации. Пока компания обсуждает кандидата внутри, тот продолжает сравнивать предложения. Поэтому длинный процесс не всегда проигрывает короткому, а непрозрачный — проигрывает почти всегда. Если человек понимает этапы и сроки, он может оставаться в воронке дольше даже без окончательного решения. Автоматизация здесь полезна не как замена человеческому общению, а как страховка от информационных провалов. Подтверждение отклика, уведомление о переносе сроков и корректное закрытие вакансии можно отправлять автоматически. Содержательная обратная связь и обсуждение решения всё равно остаются задачей рекрутера и руководителя. HR-команде стоит измерять не только time-to-hire. Более чувствительные показатели — медианное время до первого ответа, доля кандидатов без финального статуса, число этапов с нарушенным сроком и отказы соискателей после длительного ожидания. Так становится видно, где воронка теряет людей из-за качества процесса, а не из-за условий вакансии. Опрос фиксирует заявленные ожидания, а не фактическую конверсию в найм. Кроме того, в открытом релизе не раскрыты период сбора данных и способ формирования выборки. Поэтому проценты лучше использовать как ориентир для проверки собственной воронки, а не как универсальный норматив. ✅ Вывод Хороший кандидатский опыт начинается не с подарка после интервью, а с управляемой неопределённости. Компании не обязательно принимать решения за сутки — достаточно соблюдать обещанные сроки и не оставлять человека без статуса. В найме тишина тоже передаёт сообщение, и обычно оно работает против работодателя.

ИИ-мокап на стероидах или нас всех побреют. Вот вы говорите, данные для обучения скоро закончатся. Комон. Мы с вами самый жирный хавчик для ИИ. Обучение будет включать в себя то, что мы делаем, как мы себя ведем и, на итоге, что мы думаем. Здесь прекрасно все: Это Индия, где очень много кожаных. Это барбер, а не всякие там сборщики на конвейере или пошивальщицы тапочек. ИИ обучается брить и стричь кожаных. А не разбирать посудомойку дрожащими клешнями. Следит за руками, смотрит глазами(камерой), чует датчиками. Обратите внимание на браслеты. После этого робаты возьмутся за кожаных. Ну и тут конечно, вспоминаем анекдот "у всех же разная форма головы - это только в первый раз" И после первого раза мы будем ходить ко второму индусу - с идеальной формой головы. На массаж. Потом на второго индуса наденут обвес от барбера (скрипач не нужен более), и обучат ИИ. И вот у же робаты весело хлещут по башке кожаных с одинаковыми головами и приговаривают: иди сюда, мой сладкий датасет. Шел сентябрь 2026... @cgevent

Как словить вайб: разработка, паяльник, пчёлы и попытки убедить семью, что ты не сошёл с ума Затея была чисто софтверная. Человек с 15 годами пасеки за плечами и основной работой в IT решил научиться вайбкодить, взять близкую идею и написать сервис, особо не утруждаясь. Идея нашлась быстро — автоматизация пасеки, ведь мёд он качает ровно по методикам дедов, а на дворе XXI век. Кончилось всё паяльником, флюсом, одним сожжённым стабилизатором и конфликтом с ИИ. Готовые пасечные весы просят от 9 до 37 тысяч за улей, так что весы пришлось собирать самому на тензодатчиках. Пару месяцев спустя человек, который автоматизирует градообразующие заводы, но паяльник за всю жизнь держал считаные разы, ловит момент, где ИИ-агент кричит на него капсом, что его обманули и время потрачено впустую.

Автоматизация с умом Не спешите покупать дорогие CRM, если в бизнесе ещё не выявлены самые «трудоёмкие» процессы. Сначала просто зафиксируйте, куда уходит время вашей команды и ваше собственное. Если менеджеры повторяют одни и те же ответы клиентам — создайте шаблоны в мессенджерах. Быстро, просто и бесплатно. Если сделок в месяц меньше 50, вместо сложных систем подойдут Google Таблицы и Trello. Автоматизация — это не мода, а здравый смысл. Чем проще инструмент, тем быстрее он начнёт приносить результат. 👉 Главное — не масштабировать хаос, а сначала навести порядок, а потом усиливать процессы. Маленькие шаги здесь эффективнее громоздких стратегий. Фаундер | Бизнес и Стартапы

Мне в последнее время очень интересно думать о том, как вообще будет выглядеть наша жизнь через 10 лет. Потому что скорость изменений сейчас какая-то совершенно ненормальная. Я всю жизнь считала себя человеком максимально нетехническим. Творческим, гуманитарием — кем угодно, только не человеком, который будет что-то программировать. Когда я работала product manager, мне постоянно говорили: тебе нужен технический бэкграунд. Нужно понимать инфраструктуру, архитектуру, как всё устроено под капотом. И долгое время мне казалось, что это действительно какой-то отдельный мир, куда без специального образования особо не зайти. А сегодня я сижу и настраиваю агентов. Ставлю им задачи. Собираю автоматизации. Думаю, как связать разные системы между собой. И в какой-то момент поймала себя на мысли: а что вообще осталось от этого барьера между «техническими» и «нетехническими» людьми? Потому что в большинстве обычных бизнесов тебе вообще не нужно знать, как именно технически будет построено решение. Тебе нужно хорошо понимать бизнес-задачу. Что должно произойти. Какие данные откуда взять. Какой результат получить. Где человек сегодня тратит время впустую. А дальше очень многое уже можно собрать с помощью AI. Сейчас я ещё периодически использую какие-то no-code обходные пути, чтобы не лезть непосредственно в код. Но самое странное, я вообще больше не воспринимаю код как что-то недоступное. Мне кажется совершенно реалистичным, что ещё несколько месяцев вот такого погружения, и я начну собирать часть этих решений уже напрямую с помощью AI и кода. И вот здесь у меня начинает немного взрываться голова. Потому что если настолько сильно всё изменилось буквально за пару лет, то что будет через десять? Я недавно видела прогноз Илона Маска о мире, в котором из-за автоматизации и роботизации деньги в какой-то момент могут потерять ту ценность, которую имеют сегодня: огромная часть базовых товаров и услуг станет настолько дешёвой в производстве, что будет практически доступна каждому. Не знаю, сбудется ли именно этот сценарий. Но почему-то впервые он не кажется мне научной фантастикой. И это напомнило мне «Атлант расправил плечи», который я прочитала ещё то ли в школе, то ли в университете. Меня тогда больше всего зацепил даже не сюжет, а мир, который появляется ближе к концу книги. Мир, где каждый человек что-то создаёт. Где ты не просто винтик в огромной системе, а отдельная единица, которая умеет производить ценность и обменивать её на ценность других людей. Где гораздо важнее не количество денег на твоём счёте, а то, что ты умеешь делать и что можешь дать другим. Конечно, реальность вряд ли будет выглядеть именно так. Возможно, наоборот, нас ждёт период огромного неравенства, сложной перестройки рынка труда и очень болезненного перехода между старой и новой экономикой. Но мне безумно интересно наблюдать, куда всё это придёт. Что думаете?

9 новых статей от гаражистов на 🔤🔤🔤 ИИ и автоматизация

👉 10 инсайтов, которые я нашел, когда автоматизировал конкурентную аналитику Маркетинговый аналитик Вова собрал ежедневный пайплайн из Sensor Tower, Similarweb, BigQuery и Tableau. В статье он рассказал, почему смотреть только на установки бесполезно и как находить лучшие креативы конкурентов автоматически. 👉 От текста к смыслу: Embeddings, GPT и многомерные векторы И снова Вова, теперь про то, как связка Embeddings и GPT превращает тысячу разрозненных отзывов в карту бизнес-тем за десять минут, в том числе по отзывам конкурентов. 👉 Роботы работают, пока ты (не) отдыхаешь Android-разработчик Платон о том, как отдал агенту весь цикл доставки кода: свой открытый пайплайн, честное деление задач «агент/человек» и ответ на вопрос, реально ли собрать стартап за вечер (спойлер — нет).

Аналитика, риски и антифрод

👉 Аналитик, который кричал «Волки!» Senior-аналитик Вова о том, как перегруженную систему алертов заменили превентивным поиском мошенников через граф связей: пики нагрузки ушли, качество проверок выросло. 👉 Как автоматизировать работу с рисками Product Owner Настя рассказала, как с нуля с командой собрала риск-операционную систему для операционного департамента инвестплатформы: от MVP с точностью алертинга 15% до 99% и реакции на риск в четыре раза быстрее. 👉 От сервиса к партнерству Руководитель продуктовой аналитики Олег разобрал семь вещей, которые помогли превратить аналитиков из исполнителей в партнеров продукта: 1-1, мотивационные карты, карьерные треки, кор-команду и другое.

Код, продукт и дизайн

👉 Как не захлебнуться в User Stories UX writer и ресерчер Даша о том, как развести пользовательские истории по уровням Кокберна и собрать под них HTML-инструмент с фильтрами, RICE-скорингом и экспортом в Excel. 👉 От потоков к корутинам: примитивы синхронизации в Kotlin (Часть 2) Android-разработчик Никита разобрал семафоры, каналы, SharedFlow, модель акторов и dispatcher confinement с примерами кода и итоговой таблицей «потоки против корутин». 👉 Дизайн за 5 минут. Дайджест августа 2026 Продуктовый дизайнер Андрей собрал главное за месяц: новый логотип Instagram от студии Koto, систему иконок Uber, Skills и ластик в Figma, ребрендинг «Индилайта» и логотип цифрового рубля.

#GarageEight_habr