ИИ

Поехали посмотрим на тех корпоратов, кто пишет нейрослоп! Собственно, появился такой термин Trend Slop — корпоративный мир заполняется стратегиями, которые звучат правильно (дифференциация там, синергия, долгосрочное планирование), но по сути пустыми, потому что там нет реального опыта и точки зрения. Не то, чтобы это что-то новое, они всегда так делали, но теперь поднялся градус идиотизма. Первый опыт. Взяли финансовых консультантов BCG — чтобы туда попасть, надо быть выпускником Гарвада, Оксфорда или ещё каким-то пафосным типом. Часть работала с моделями, часть сами, по-дедовски. Для задач, с которыми модель справляется отлично, аугментированные просто разнесли тех, кто пытался сам. Быстрее и качественнее на треть. Самое смешное — те, кто до этого работал херово, улучшили свои показатели на 43%. Сильные спецы тоже стали работать лучше на 17%. КольтGPT сделал всех людей равными. Дальше взяли потрясающий XLS с красивыми числами как на всех презентациях + кучу интервью, в которых надо было разобраться и понять, что третья черепаха врёт. Фокус в том, что LLM не отличали тонкий подтекст типа "90% согласились" при "исследование не было анонимным"; или "Уровень удовлетворенности клиентов вырос до 85%" — но "после внедрения новой методологии опроса"; всякие "Задачу взял на себя эксперт с богатым кросс-функциональным опытом"; "Проект переходит в фазу оптимизации ресурсов и пересмотра фокусных метрик"; "Мы наблюдаем временную стабилизацию метрик на достигнутом плато" и т.п. На этом задании эксперты без модели решали правильно в 84,5% случаев, с моделью — в 65%. Почему? Ну, уснули за рулём. Взяли мощный инструмент и расслабились. Даже когда ответы ИИ-группы были неправильными, они были написаны очень красиво, логично и убедительно. Тут опыт на 293 писателях, 3 группы: — Сами — 1 подсказка от модели — 5 подсказок от модели Потом 600 человек читали рассказы и оценивали. — ИИ повышает качество текстов. — 1 подсказка: +5,4% к новизне, +3,7% к полезности. — 5 идей давали +8,1% по новизне и на +9% по полезности относительно мясного мозга. — Людям, которые от природы мыслят нестандартно, нейросеть вообще не помогла. Они и так были хороши. — Для людей с низкими творческими способностями ИИ стал суперсилой. +26,6% к качеству и +22,6% к увлекательности. Нейросеть берёт середнячка или слабого автора и подтягивает его до уровня таланта. LLM-рассказы оказались примерно на 10% более похожими друг на друга, чем истории, написанные чисто людьми. Авторы сильно цеплялись за структуру и образы, которые им выдавал алгоритм. В масштабах общества мы получим сужение творческого кругозора — историй становится много, но как под копирку. Самый прикол — человек часто не понимает, что пишет плохо, и не осознает, насколько сильно нейросеть улучшила его работу. Методология, конечно, косая насквозь, но идеи прикольные. Тут в препринте взяли 444 белых воротничков. Дали два типичных письменных задания, занимающих обычно 20–30 минут (например, написать пресс-релиз, короткий отчет или деликатное письмо сотрудникам про то, что бигдата оценила их успехи в Джире, и они все уволены). Сначала сами, потом второе задание — пополам, часть сами, часть с моделью. С ИИ +37% скорости, оценки выросли от среднего к хорошему. Такая же история — КольтGPT уравнял всех. Дальше платили реальные деньги тем, кто сделает хорошо. Казалось бы, люди должны взять текст нейросети и вылизать его до идеала. Но нет! Оказалось, что в стандартных офисных задачах человеческий труд не добавляет вообще никакой ценности машинному тексту. С моделью время на черновик упало в 2 раза, время на редактуру выросло. Но 68% просто копировали ответ модели и сдавали его вообще без правок. В конце участники реально испугались, насколько ИИ отберёт у них работу, и пошли внедрять у себя, чтобы это возглавить. 33% начали применять сами (обычный показатель — 18%), остальные сказали, что нейросеть не знает специфики их компании и секретных рабочих контекстов. -- Вступайте в ряды Фурье! | Лучшие посты Старый медведь ругает молодых: — Мы три года жили в офисе, свободно ходили по кабинетам, на нас не обращали внимания. Каждый день мы съедали по менеджеру. НО! НАФИГА ВЫ СОЖРАЛИ УБОРЩИЦУ?!

Свежие обновления выгодности подписок подъехали Ребята не поленились: гоняли запросы через все тарифы (Anthropic, OpenAI, Meta, китайцы, Cursor, Devin) и смотрели, на сколько сдвигается шкала лимита от каждого типа токенов. В качестве промпта – кусок «Войны и мира», потому что на рандомный мусор модели отказываются отвечать :) Что получилось: – Подписки – это всего ~10% выручки Anthropic, но они съедают 40%+ инференс-компьюта. Т.е. это прям маркетинг за свой счёт. Но при этом они все еще довольно выгодные для компаний. – Fable 5.1 vs GPT-6 Astra – примерно паритет: $2,485 vs $2,897 в API-эквиваленте на тарифе за $200. Но у Claude на Fable можно потратить только половину лимита, вторая остаётся на остальные модели – А вот на «рабочих лошадках» Opus 5.5 vs GPT 6.1 Sol – Anthropic даёт ~5x больше ценности(!). Даже если считать в токенах, а не в долларах – OpenAI на прошлой неделе урезали тариф $200 вдвое и запустили $500, в котором Astra всего на 21% больше, чем в старом $200. Старые подписки живут на прежних лимитах до 29 октября. Китайские подписки (MiniMax, Kimi, GLM) – тоже норм по соотношению, чуть хуже OpenAI, но дешевле в абсолюте. Остальное к сожалению за пейволом. Но еще в одной статье получается самые выгодные - Muse от Meta запрещенной (если свои данные отдаете) - 100х от цены и Grok + X Premium (80 от цены). Но! Если смотреть на закрытые задачи за доллар (как раз вторая статья), то получается, что GPT-6.1 Sol через подписку все еще выгоднее, чем более щедрые лимиты Claude. Короче, Opus 5.5 на любом Claude-тарифе сейчас выгоднее всего, если нормально и быстро решает ваши задачи, если начинает разглагольствовать и жрать токены, то Sol 6.1 будет выгоднее. Ну и если хотите ультра-хай потребления, то Grok или Muse. https://newsletter.semianalysis.com/p/anthropic-subscriptions-offer-5x https://www.productcompass.pm/p/ai-subscription-api-value

РТК-ЦОД представил корпоративного ИИ-ассистента для безопасной работы с документами и базами знаний РТК-ЦОД, ИТ-сервис-провайдер полного цикла, представил на форуме «Цифровые решения» корпоративного ИИ-ассистента для организаций с повышенными требованиями к защите данных. Решение разработано в сотрудничестве с блоком информационных технологий «Ростелекома». ИИ-ассистент помогает сотрудникам мгновенно находить и анализировать информацию во внутренних документах и базах знаний. Продукт подходит для крупного бизнеса и способен оперировать тысячами файлов разных форматов, при этом данные никогда не покидают периметр организации. #ростелеком #россия #ии #информационнаябезопасность 📎Подробнее 🔖 3DNews в TG | MAX | VK

Looped-DiT Генератор картинок, трансформер от SenseNova. Заявлен как первый looped-transformer-подход. Одна группа общих блоков прогоняется несколько раз внутри каждого шага денойзинга — модель становится глубже без роста размера. • Генерация изображений из текста • Loop-механизм: общие блоки повторяются, глубина растёт без увеличения параметров • Глубина регулируется на инференсе — другие числа петель работают без дообучения • Deep supervision обучает предсказание после каждой петли • B/32: 512×512, петля из 5 блоков × 4 повтора • Веса ~1 ГБ • Модель меньше и легче за счет общего блока • База — pixel-space MMDiT MiniT2I + FLAN-T5-Large github.com/OpenSenseNova/Looped-DiT huggingface.co/sensenova/Looped-DiT-B32 huggingface.co/sensenova/Looped-DiT-B16 #compact #t2i MAX

Льготные кредиты и гранты для AI-разработчиков в России, крупные IPO AI-компаний в Китае, Meta* и Microsoft отучают сотрудников от Claude, блокировка сайтов подорожала, Илон Маск снова триллионер 🦄 Доброе утро, наши маленькие любители единорогов! 💲 В Минцифры решили финансово поддержать AI-разработчиков. Как пишет «Коммерсант», общий объем финансирования может достигать 10 млрд рублей в год: 8 млрд рублей на разработку и 2 млрд рублей на вычислительные мощности. Будет два механизма — льготное кредитование и гранты. Пока, правда, еще прорабатывают такое решение. Когда можно будет обращаться и на каких условиях, пока непонятно. 💰 В Китае, похоже, грядет несколько крупных IPO AI-компаний в начале следующего года. Как пишет Bloomberg со ссылкой на источники, Moonshot AI поднял раунд по оценке $50 млрд и целится выйти на биржу в первом квартале 2027-го. А еще DeepSeek близок к завершению раунда на $12 млрд. И тоже вроде как хочет на IPO в первом квартале 2027-го. ❌ Meta* и Microsoft пытаются отучить своих сотрудников использовать Claude от Anthropic, пишет The Information. Мол, надо использовать собственные инструменты, а не сторонние. При этом обе компании являются одними из крупнейших клиентов Anthropic. Изначально в Microsoft закладывали на Claude $1 млрд в год, но сократили на треть. А в Meta число пользователей Claude вроде как сократили вдвое. 🤷‍♂️ На работу и модернизацию системы фильтрации и блокировки интернет-ресурсов в России направят около 60 млрд рублей за 2027-2029 годы, пишет Forbes со ссылкой на проект бюджета. Два года назад на этот же период закладывали 32 млрд рублей. Даже блокировка сайтов дорожает. ↗️ А еще Илон Маск снова стал триллионером. Вдруг вы переживали за него. Акции SpaceX скакнули на 8% — вот и результат. * Meta признана в России экстремистской и запрещена @TheEdinorogBlog — тот самый канал про стартапы🦄

Один из лучших способов заработать на буме ИИ – вообще не заниматься ИИ. Сейчас будет несколько любопытных и местами вдохновляющих историй об этом. Можно, например, вложиться в производство термопрокладок и теплопроводящих гелей, как это сделал китайский продавец скотча и клея. Когда случился бум нейросетей, дата-центры и производители электроники выстроились в очередь к его компании Shenzhen HFC. Её продукция оказалась спасением для мощных ИИ-чипов, которые греются как утюги. В день выхода на биржу акции компании взлетели на 719%, и к вечеру бывший торговец клеем стал долларовым миллиардером. Таких историй за последние годы набралось немало. Криптомайнеры приспосабливают свои площадки, электричество и охлаждение под GPU-кластеры. Производители стекла зарабатывают на оптоволокне для дата-центров. Даже фабрика, где варят глутамат натрия, делает из побочных продуктов этой приправы изоляционную плёнку для чипов. Но моя любимая история – про японскую Toto. Компания больше века выпускает унитазы и биде. При этом ещё с 80-х у неё есть малозаметное побочное направление: керамические держатели, которые фиксируют кремниевые пластины при производстве микросхем. Десятилетиями оно считалось довеском к основному бизнесу. А с бумом нейросетей именно этот довесок стал приносить больше прибыли, чем вся сантехника. Акции компании за год подорожали вдвое, а инвестфонды называют её одним из самых недооценённых бенефициаров ИИ. Производителя унитазов! Большой тренд обогащает не только тех, кто находится в его эпицентре. Вокруг быстро возникает целая кормовая база для компаний, у которых уже есть нужная экспертиза, оборудование или инфраструктура. Поэтому, разглядывая очередную технологическую революцию, не спешите придумывать под неё новый бизнес. Сначала посмотрите на свой нынешний проект под другим углом: возможно, какая-то из ваших сильных сторон закрывает дефицит на соседнем, более маржинальном рынке. Тогда не придётся сжигать деньги и годы, строя что-то с нуля.

мне кажется, для работы с ии один из самых важных навыков, которые у людей быстро деградирует - внимательно читать то, что он тебе написал, включая длинные тексты. не пробежать глазами и поймать общий вайб. а разобраться, что именно ты сейчас одобряешь. ты обсуждаешь с моделью задачу, она пишет тз. потом выполняет работу и присылает результат. и то и другое нужно внимательно проверить. в тз надо разобраться: модель вообще собирается делать то, что тебе нужно? ничего не потеряла? не приняла за тебя решение там, где стоило спросить? результат тоже нужно сопоставить с задачей, разобраться в выводах, заметить допущения, понять, где отдельно проверить факты, расчеты или саму работу. «модель написала, что все готово» и «я проверил, что все готово» разные события. отсюда могло идти рассуждение на тему людей кто умеет пользоваться ии, а кто умеет генерировать слоп) и вот тут скилл конкурирует с привычкой к рилсам и вообще контенту, который должен за три секунды тебя заинтересовать, развлечь и донести главную мысль. кажется, из этого режима легко принести в работу ожидание, что любой текст должен усваиваться без усилий. стало сложно, скучно, непонятно? сократи. еще сократи. ладно, выглядит нормально, делай. но иногда именно в том абзаце, который хочется проскроллить, находится решение, с которым ты не согласен. карпатый недавно писал про эту же проблему со стороны интерфейса: нам придется больше разбираться в результатах работы моделей, и для этого можно просить не только текст, но и схемы, интерактивные страницы, персональные видеообъяснения. мне эта идея нравится. но есть разница между «покажи так, чтобы я лучше понял» и «сделай так, чтобы мне не пришлось вникать». иначе у тебя не управление агентами, а скроллинг с кнопкой одобрить (или даже без нее) . @aihappens

Александр, привет! Проблема действительно встречается, но она очень сильно зависит от конкретного кейса, реализации и региона, где агент внедрён. У меня на платформе сейчас 47 голосовых агентов в продакшене, около миллиона минут разговоров в месяц, и все они из разных отраслей. Может, твоему знакомому пригодится как бенчмарк. Вот несколько примеров того, как это выглядит у нас: Медицинские центры (запись к врачу): • Сразу просят человека: 17% • В течение разговора: 23% Интернет-провайдер (первая линия поддержки): • Сразу просят человека: 22% • В течение разговора: 57% Сервис лифтов: • Сразу просят человека 22% • В течение разговора: 35% Ресторан (бронирование): • Сразу просят человека: 17% • В течение разговора: 22% Сеть мед лабораторий: • Сразу просят человека: 30% • В течение разговора: 45% Аэропорт: • Сразу просят человека: 31% • В течение разговора: 38% Курьерская служба (входящая линия, не уведомления): • Сразу просят человека: 60% • В течение разговора: 76% Если будет полезно, могу сделать и более подробную разбивку: не только сколько людей просит человека, но и с какими вопросами звонят и какие интенты встречаются чаще всего. Надеюсь, кому-нибудь будет полезно.

Будущее research-индустрии (часть I) Последние два месяца мне пишут из исследовательских стартапов. У одних – свой движок по распознаванию речи. У других – несколько продуктов, включая расшифровку, но еще и с «синтетическим» модератором. Третьи переупаковали Conjoint и Maxdiff. Четвертый по поводу своего движка для расшифровки подсылает ко мне своего ИИ-агента, который предварительно «прочитал» мой канал и уже «знает», чем я занимаюсь. Будущее наступило. Правда, у меня вместо чувства shut up and take my money каждый раз возникает вопрос: зачем мне это покупать? И дело тут не в том, что продукты плохие. Если раньше за всеми продуктами такого плана стояли месяцы разработки, то приходилось сначала изучать рынок и не ходить туда, где нет денег или уже тесно. Потому что разработка была дорогой. А теперь порядок радикально поменялся: Сегодня увидели проблему → вечером завайбкодили MVP →завтра утром открыли стартап. Это даже в чем-то рационально – если продукт стоит дешевле «кастдева», то, может, сразу пилить продукт? Заодно и быстрее будет, если вынести исследование за скобки. Проблема в том, что для потенциального клиента разработка тоже подешевела. Этим летом у нас вместе с Global South Research был проект в Эфиопии. В числе прочего нам потребовались расшифровки на амхарском языке. Посидев с AI, я нашел открытую модель, понимающую амхарский на Hugging Face, сконвертировал ее в формат, который понимает noScribe – и после нескольких тестов получил работающий прототип. Это заняло 4 часа. SaaS есть у нас дома! Причем именно под решение моей проблемы и без корпоративной подписки за $79 в месяц. Так что с продуктами, чья основная функция уже стала commodity в сфере исследований, происходят интересные штуки. MaxDiff и conjoint известны давно. Whisper существует с 2022 года. Раньше ценностью мог бы стать продукт, в котором все эти вещи связали с помощью LLM и упаковали в условную «одну кнопку» (кто сказал Dovetail?). Но если кнопка тоже стала дешевой, возникает довольно неприятный вопрос: Почему я должен осваивать вашу кнопку, а не попросить LLM сделать мою? Ваши продукты конкурируют не с решениями, которые уже есть у исследователей. Ваши продукты конкурируют с ChatGPT и Claude – универсальными инструментами. Конечно, это работает не везде, где продукт - commodity. Я не собираюсь писать собственный Stripe, бухгалтерию или корпоративную почту (за которые я регулярно плачу). Но там значительная часть ценности не в самой функции, а в надежности и предсказуемости: я плачу именно за то, чтобы не думать, работает ли оно сегодня. И чем ближе ваш продукт к формату «мы запрограммировали функцию X» - тем сильнее проблема. Возникает забавный эффект: Все вокруг дешевеет, а вот время человека, которому все это предлагают – дорожает. Мне говорят «попробуй бесплатно». Но это «бесплатно» подразумевает, что я должен прочитать письмо, поучаствовать в коммуникации, зарегистрироваться в сервисе, разобраться, как он работает, найти и загрузить туда тестовый кейс (который не жалко отдать третьей стороне), сравнить с тем, что я использую, понять, что лучше, а что – хуже, и затем еще и дать фидбек. Да, цена продукта тут ноль. А как насчет цены моего времени? Ситуация кратно ухудшается, когда таких продуктов становится не 1-2, а 30. Производить стало дешево. Предлагать – тоже. Дорого теперь только одно: чтобы на тебя вообще посмотрели. (о том, что останется дорогим в эпоху дешевого AI и есть ли во всем этом место для исследований – напишем во второй части.)

Как три брата превращают интернет в помойку, на самом деле эти братья - лишь одни из многих, но как иллюстрация топ. The Futurism выпустил расследование, как три брата-австралийца строят "империю ИИ-слопа". ИМХО, слово "слоп" тут не подходит, это немного про другое, но не суть, важна сама схема: Итак, чуваки уже несколько лет скупают тематические издания (космос, веганство, психология и прочие "нишевые" истории) - небольшие, но с хорошей репутацией и старыми доменами. Старые домены - это чтобы поисковик лучше доверял при индексации. После чего заливают их тысячами ИИ-статей в месяц, получают трафик из поиска и Google Discover (это страничка Гугла с рекомендациями), генерят около 50 млн просмотров в месяц и окупают всё это дело рекламой. 50 млн просмотров в месяц - это, на секундочку, уровень СМИ-гигантов, вроде Forbes или ABC News. Вот только у братьев в штате десять с половиной человек 👍 Сначала авторов они просто выдумывали. Например, в нише "космос" у них писал "инженер NASA с 15 годами в лаборатории" с фейковым именем и стоковой фоткой. Но когда история завирусилась и журналисты стали задавать вопросы - они снесли фейков и начали подписываться именами реальных людей, но с выдуманной биографией. Для этого нанимали каких-то "мясных прокси". Не секрет, что интернет завален тоннами ИИ-текстов, и про разные инкарнации этого явления уже даже я не раз писал - например, про ИИ-новости на скорость или слопо-авторов на Амазоне. Но конкретно здесь интересно вот что: Сами контент-фермы - штука древняя. Собственно, эти трое братьев начинали ещё в 2022-2023 годах, когда ИИ-бум только зарождался, и им приходилось нанимать гострайтеров филиппинцев за миску риса. Но это был совершенно другой объём - около 10 сайтов, 60 авторов, пара тысяч (максимум) статей в месяц суммарно и какие-то крохи выручки. Но уже за 2024 год из 60 авторов осталось 12, а вот сайтов стало 20+, потом 30+ и так далее. То есть, ИИ не просто срезал основную статью затрат и увеличил маржу, а изменил всю бизнес-модель: Когда статья стоит денег (даже если филиппинец берёт доллар в день), не получится брать одну новость, писать по ней 100-200 разных статей и надеяться, что одна стрельнет и соберёт трафик. Это слишком дорого. Но когда статья = пара центов жжённых ИИ-токенов, расклад совсем другой. Можно вообще забить на качество и публиковать просто МНОГО, авось что-то залетит. Вы просто заливаете 100500 разных заголовков и вступлений, смотрите, что подхватил алгоритм, и долбите туда же. Какого уровня конь-тент в итоге окружает юзера в интернете - ну, сами подумайте))) Главный вопрос: почему Гугл такое просто не убьёт? Ответ простой: потому что это гидра, где новых бошек всегда больше чем отрубленных. До расследования Futurism Гугл выкидывал некоторые сайты братьев, но потом они снова появлялись. После расследования, когда вирусность стала бить по репутации самого Гугла - поисковик реально удалил все их сайты и статьи. Но это лишь один громкий кейс, который всплыл на поверхность. А сколько не всплывает? Охотников за дешёвым баблом всегда много, как и нишевых сайтов на продажу. Кстати, забавно, что сейчас братья продвигают свой новый проект "Sentient Blogs" - платформу "только для текстов от настоящих людей". Первую колонку написал один из братьев, и угадайте, какой % у неё показал ИИ-детектор? 🤔 P.S. Под одним из видосов на Ютубе мне надавно написали: "Лайк за то, что в кадре реальный человек". Как вам такое? Дизраптор

Вайб-заводы На прошлой неделе у знакомого сломалась посудомойка — отлетела защелка. Он описал словами эту фигулину, ИИ сделал чертеж, 3D-принтер напечатал. И вауля — все работает. Потратил 200 рублей на пластик — сэкономил тыщ пятьдесят. Десять лет назад «железо» начиналось с инженера, билета в Китай и пресс-формы за десять штук баксов. Ты получал партию в 5000 изделий и книжку с молитвами, чтобы все продалось. Сегодня завод превратился в сайт: грузишь файл в SendCutSend или Xometry — через секунду цена, через несколько дней посылка. Хоть в одном экземпляре. А запросы типа «купить ручку для...» в Вордстате — готовый портфель заказов. Ждем вайб-производство и того, кто на этом заработает.

Наука управления агентами? Недавно на AI Natives рассказывал, как я изучаю bias-ы агентов, чтобы дизайнить интересные задачки, в которых излишнее доверие агентам приводит к плохим выводам. А Илья К. пошутил: мол, вместо курса по системному мышлению мне надо сделать такой же по агентному :) И вообще-то этот коммент по делу: менеджмент как наука сложился для эффективной координации людей ради достижения цели, но уже очевидно, что мы всё чаще будем организовывать для этого агентов. Тогда какой может быть эта наука и на какие вопросы она будет отвечать? Начну с задачки, которая возникает у любого, кто имеет дело с организацией агентов: один агент vs команда? Когда эффективнее использовать одно или другое? Например, в уже упомянутом видео с Noam Brown он говорит, что пока совсем неочевидно, что рой агентов справляется с задачкой лучше/дешевле. Но на подходящих задачах может делать это быстрее, потому что работа параллелизируется. То есть соображение скорости имеет место быть. Но я считаю, что это не только про скорость: из-за принципов работы LLM они подвержены зависимости от пути (писал об этом тут) и могут сузить пространство поиска решения. А вот несколько агентов могут независимо исследовать разные направления, то есть группы нужны ещё и поэтому. И, разумеется, размер контекстного окна никто не отменял. Вообще наверняка кто-нибудь выведет некоторую зависимость, а-ля треугольник проджект-менеджмента, между скоростью, стоимостью и качеством решения задачи агентами. В эту тему мне зашла статья Google Research про систему Cogentic. Там задачку эффективной координации агентов для решения математических задач решают следующим образом: 1. Оркестратор распределяет направления ресерча. Затем одни агенты - provers - предлагают доказательства, а другие проверяют оные. 2. История всех попыток хранится отдельно от проверенных результатов. Агенты видят, что уже пробовали и почему не сработало, а проверенные находки используют в следующих итерациях. 3. Есть агент-эдвайзер, который наблюдает за процессом, повторяющимися ошибками и неэффективностями агентов и советует, как реорганизовать процесс. Мне лично подобный многоагентный процесс интересен в контексте задачи роста продукта: анализ метрик продукта, поведения пользователей, ограничений роста и потерь в воронке, ревью литературы, поиск и реализация экспериментов, фиксация результатов, в том числе неудачных, и повторный проход. Да, проверка экспериментов на юзерах требует времени и трафика, поэтому процесс не будет таким динамичным, как хотелось бы. Но точно можно организовать постоянное экспериментирование и улучшение продукта. В общем, как считаете - будет ли новая наука? P.S. тут ещё подумал: в некоторых экспериментах агенты уже вырабатывают свои языки, потому что человеческий не так эффективен. Так что, возможно, желание человека всё это читать и понимать само станет причиной неэффективности в координации :)

Отключение мозга ничего хорошего не сулит ИИ-агенту поручили поправить управление DATABASE_URL. Он разнёс решение примерно на 20 правок, добавил условия в NPM-скрипты и вызов Node в CI. Человек потом сделал то же самое добавлением одного слова — без единой новой строки. Примерно так и выглядит проблема, о которой пишет Дэн Луу: чем лучше становятся агенты, тем проще перейти в режим «поставить задачу → принять результат → при проблеме отправить обратно на исправление». Никлас Грюн назвал человека в этой цепочке «кожаным передатчиком». Сам Луу агентами пользуется постоянно. Но между помощью ИИ и передачей ему всего мыслительного процесса для него проходит довольно важная граница — и примеров того, где она проявляется, здесь хватает.