ИИ

Sales Navigator и ИИ-агенты для современного лидгена Sales Navigator – это отдельный платный модуль в LinkedIn, который содержит в себе мини-CRM, кастомные ленты и даже свой внутренний мессенджер. Но главная ценность Sales Nav – это конечно же поиск с 50+ фильтрами (здесь можно почитать разбор по фильтрам и даже посмотреть видео). Sales Nav по задумке Linkedin нельзя экспортировать. Т.е. у Linkedin предусмотрен экспорт, но только на самом дорогом плане и только в определённые CRM системы: Salesforce, HubSpot, и Microsoft Dynamics. И никто его никогда не использует. Поэтому на рынке были исторически десятки сервисов, которые позволяли парсить Sales Nav из-под своего аккаунта: LinkedHelper, Evaboot, Phantombuster, Getprospect и т.д. Мы пользовались GetProspect, но конкретно у этого инструмента были 2 минуса: 1/ у него случаются ошибки время от времени (например, он выдумывает, совершенно неправильную компанию или должность человека), 2/ как у всех туллов для автоматизации из-под собственного аккаунта, есть риск блокировок. С развитием ИИ-агентов вопрос с парсингом Sales Nav стал решаться в разу проще. Почему? 1/ Тебе не нужна больше выбрасывать $100-120 за подписку и за инструмент (еще долларов $15-50 сверху) 2/ Ты не рискуешь своим аккаунтом, т.к. всё работает программно из-под специально сделанных для этого профилей Сейчас на RapidAPI есть три разных актора, к которым “цепляются” ваши ИИ-агенты и достают нужные вам данные (Раз, Два и Три). Причём такие объёмы, которые можно доставать через RapidAPI, раньше нам и не снились – от 25,000 контактов в сутки. Причём можно вообще обходиться без собственного доступа к Sales Nav, т.к. У акторов есть MCP, через который агент сам может собрать нужную ссылку. Так что когда есть доступ к таким инструментам, уже и сам доступ к Sales Nav как-будто становится не так уж и нужен. #li_outreach #email_outreach

Продолжаю серию постов про подработки. В прошлых мы выяснили, за что компании готовы платить. Сегодня расскажу, как я препарировала своё резюме и биографию, вычленяя услуги, которые можно продавать. Загрузила ассистенту три версии своего резюме под разные роли. Промпт дала простой:

Ты - карьерный консультант. Помоги превратить мой опыт в услуги, которые я могу продавать на подработке.

Вот моё резюме (прикрепить).

Сначала задай мне 5 вопросов, чтобы понять, что я делала руками и от чего кайфую. Потом собери 3–5 услуг по формуле: конкретный результат + срок + цена + формат. И подскажи, где такое покупают.

Первое, что он сделал - не стал ничего упаковывать. Устроил мне допрос: • сколько часов в неделю готова тратить? • что делала руками, а что - руками команды? • что из работы бесит так, что не возьмусь даже за деньги? Последний вопрос - отличный фильтр - не получится зарабатывать в свободное время на том, что ненавидишь. Дальше началось самое сложное. Выяснилось, что половину моей биографии продать нельзя. 🚫«Построила направление высшего образования в Нетологии, вырастив команду с нуля до 70 человек» - не продаётся, это процесс в узком сегменте. 🚫«20 лет управляю проектами» - не продаётся, это про меня, а не про заказчика. 🚫«Развивала семейные лагеря 10 лет» - красиво, но на это нет оплачиваемого спроса. Покупают не биографию, а результат, который можно использовать у себя. Тест простой: услуга описывается одной фразой, и по ней понятно, что работа сделана. Это оказалось непростым упражнением: как сотрудник ты тащишь огромный объём задач, но сделать это отчуждаемым "товаром" - сложно. Но в итоге ИИ-допрос сработал: у меня появился список - какие направления закрывает мой опыт, что из этого отчуждаемая услуга, сколько она стоит на рынке и где такое покупают. Вот как те же самые пункты превращаются в услугу: 💚 «Соберу онлайн-магистратуру с вузом: тема под рынок труда, программа, подбор экспертов, первый набор студентов» 💚 «Посчитаю юнит-экономику продуктовой линейки и дам план, как снизить стоимость клиента» 💚 «Разбор управленческой задачи за 90 минут: где застрял и три первых шага» 💚 «Настрою AI-помощника под твои процессы: автоматизирую отчёты, почту, рутину - верну тебе несколько часов в неделю» По цифрам рынка горячее всего сейчас именно последнее: всё, что про связку «твоя профессия + AI». Спрос бешеный, а людей, кто реально умеет, мало. Так что свои AI-упражнения я, наконец, записала себе в актив, а не в хобби)) Из этой работы вырос целый мануал на 9 страниц: карта из 17 сегментов подработки с ценами Россия/Запад, площадки под каждое направление и готовый промпт - отдаёшь ему своё резюме, и он проводит тебя по тому же пути, с тем же допросом. Дочищу и отдам здесь, в канале. А пока проверка: попробуйте описать одну свою услугу одной фразой - так, чтобы было понятно, что работа сделана. Кидайте в комменты, разберём)) Оля Сохнева | Любовь на удаленке #growth_наудаленке

⚡️GPT-5.5-Cyber обходит Mythos:

ИИ-агент для легального пентеста от OpenAI

🔍OpenAI запустила ИБ-инициативу Daybreak и показала GPT-5.5-Cyber - специализированную версию своей флагманской модели. Главное отличие от базовой версии: нейросети радикально снизили порог отказов. Она больше не читает мораль, когда безопасник просит сделать реверс-инжиниринг бинарника, разобрать малварь или написать рабочий эксплойт для теста. На профильных бенчмарках (включая тесты британского UK AISI и команды XBOW) новинка от OpenAI обошла закрытую модель Claude Mythos от Anthropic:

🟦Смерть белого ящика: В режиме White-box (при наличии исходного кода) GPT-5.5-Cyber пропускает всего 10% реальных уязвимостей. Для сравнения, предыдущие поколения моделей не видели от 18% до 40% критических багов.

🟦Мощный Black-box: Модель отлично реверсит скомпилированные программы без исходников, находя логические дефекты и строя векторы атак с нуля.

🟦Рабочий Remediation: Система не просто вываливает очередную пачку ложных срабатываний. Через фреймворк Codex Security агенты сами разворачивают песочницу, проверяют уязвимость на эксплуатируемость и выдают инженеру уже готовый, протестированный патч.

❗️OpenAI начала раздавать GPT-5.5-Cyber корпоративным ИБ-командам через жесткую верификацию Trusted Access. Рынок окончательно переходит от ИИ-советчиков к автономным цифровым пентестерам. Именно этот тренд меняет правила игры в индустрии прямо сейчас. В современном мире кибербезопасности умение искать уязвимости руками - это лишь необходимый минимум. Главным хард-скиллом становится навык грамотно настраивать автономных ИИ-агентов и автоматизировать свою рутину. Специалист, который понимает архитектуру нейросетей, умеет разворачивать ИИ-пентестеров и делегировать им первичный анализ или написание эксплойтов, закрывает задачи в десятки раз быстрее. Искусственный интеллект не лишит безопасников работы - её заберут те спецы, которые научились управлять ИИ-агентами и превратили их в свое главное оружие. 🦔 CyberYozh

Wan-Streamer v0.3 Новая версия интерактивного аудио-видео-генератора Отличия v0.3 от v0.2: • v0.3 более универсальная модель, с более выразительным поведением агента • в v0.3 добавлено свободное поведение и действия, описываемые естественным языком • разрешение и скорость прежние: 640×368, 25 fps • v0.3 использует предварительное обучение на видео с последующим адаптацией к взаимодействию, тогда как v0.2 фокусировалась на данных взаимодействия • новая версия позволяет смешивать речь и действия в одной временной последовательности, их синхронизация учится вместе и генерируется напрямую И по-прежнему неизвестно будет ли опенсорс Спасибо @m_franz #avatar #intereactive #realtime #streaming #research

OvisOCR2 вышел на ModelScope. Это компактная OCR-модель на 0.8B параметров для page-level document parsing: на вход подаётся изображение страницы, на выходе получается структурированный Markdown в нормальном порядке чтения. Формулы модель отдаёт в LaTeX, таблицы в HTML, визуальные области помечает image tags с bbox-координатами. По заявленным результатам OvisOCR2 набрала 96.58 overall на OmniDocBench v1.6 и стала первой end-to-end моделью, которая заняла первое место в лидерборде, где раньше доминировали pipeline-системы. На PureDocBench тоже сильный результат: 75.06 Avg3. Это важнее, чем просто победа на одном бенчмарке, потому что документный парсинг давно страдает от переобучения под популярные наборы. Модель сделана на базе Qwen3.5-0.8B и дообучалась через SFT, RL и OPD. Для деплоя есть поддержка vLLM, лицензия Apache 2.0. https://modelscope.ai/models/ATH-MaaS/OvisOCR2