Направление Петрова

Лот 1️⃣

Угадай, где человек, а где ИИ Проверим, насколько хорошо вы распознаёте реальность?) Я собрал несколько коллажей из видео — одни кадры сняты или созданы людьми, в других всё сгенерировал искусственный интеллект. Смотрите внимательно и голосуйте ниже👇🏻 Где, по-вашему, реальный кадр, а где — работа нейросети?

Когда волшебная палочка точно бы не помешала👾 Недавно застряли с дочкой в пробке. Пока мы ползли, я буркнул, что пробка, как всегда, из-за очередных «двух баранов и курицы». И тут дочка выдает: — А у меня есть волшебная палочка, она таких курочек превращает обратно в людей. Я, конечно, выпал, дети иногда такие перлы выкидывают)) Но потом поймал себя на мысли, что в жизни действительно не хватает такой волшебной палочки 🥲 (реакцию, если жиза) Особенно в работе. когда процессы буксуют, сроки вечно сдвигаются, а люди заняты не делом, а разруливанием чужих ошибок (или вообще непонятно чем). Рост компании чаще всего упирается не в отсутствие идей, а именно в такие «бутылочные горлышки» процессов. Но прикол в том, что в бизнесе эта «палочка» уже существует — просто выглядит не как магия, а как автоматизация с помощью искусственного интеллекта. Она как раз-таки помогает оптимизировать эти «бутылочные горлышки»: дублирование действий, ручной ввод, хаотичные согласования. Есть ли у вас в компании такие узкие места? Это легко проверить, ответьте для себя на эти вопросы: ✨ Ваши ключевые сотрудники тратят больше 3 часов в день на повторяющиеся задачи? ✨ Чтобы получить нужную метрику, приходится собирать данные вручную из нескольких систем? ✨ Новые задачи достаются не по компетенции, а по принципу «кто сейчас свободен»? Если хотя бы два из трёх пунктов совпали — у вас операционная неэффективность. Я провожу бесплатный аудит ваших бизнес-процессов, где мы разбираем, какие рутинные операции можно автоматизировать уже сейчас и где это даст наибольший эффект.

Этот аудит поможет увидеть, где именно теряется время и внимание ваших сотрудников, и как закрыть эти точки автоматизацией.

Чтобы попасть на него, заполните короткую анкету. Пусть в вашем бизнесе тоже появится «волшебная палочка»🚀

Следующая стадия эволюции аналитики ♾️ Я вижу в этом начало перехода от анализа данных к моделированию поведения аудитории. Если раньше исследователь собирал ответы людей, теперь модель сама может создавать статистически достоверные выборки. Дальше — больше: 🔸маркетологи смогут запускать «виртуальные фокус-группы» — десятки LLM-персон (смоделированных нейросетью «покупателей» с разными профилями, интересами и поведением) с заданными профилями покупателей; 🔸тестировать рекламу и сценарии продаж на симулированных клиентах; 🔸прогнозировать реакцию аудитории на кампанию ещё до запуска, а не после. Это не подмена человека, а инструмент для ускоренного цикла принятия решений, где инсайты появляются за часы, а не за недели. Делюсь всеми ссылками новости:

🤖 Исследование: arxiv.org/abs/2510.08338 🧠 Код и примеры: pymc-labs/semantic-similarity-rating

Ну что, налетайте в комментариях: сможем ли мы проводить исследования вообще без участия людей и только с ИИ? ⬇️

Маркетинговые исследования без людей? 😱 Colgate-Palmolive и PyMC Labs показали, что это уже не фантастика. Они представили метод Semantic Similarity Rating (SSR) — систему, при которой большие языковые модели могут моделировать поведение потребителей в опросах. Модели показывали концепт нового геля для душа и просили ответить, купили бы они его или нет. Но не в формате «да/нет» или шкалы от 1 до 5, а через полноценное описание — с аргументами, эмоциями и субъективными впечатлениями.

Затем эти ответы переводились в цифровые оценки через оценку смыслового сходства с эталонными фразами вроде: «точно куплю», «скорее куплю», «не куплю».

То есть ИИ не угадывал, а имитировал логику принятия решений. В результате совпадение с человеческими ответами достигло 90%, а распределение оценок почти не отличалось от реального. Исследователи выложили пакет SSR (системы, моделирующей реальных потребителей) на GitHub — теперь любая компания может протестировать продукт без фокус-групп. Я считаю, что это крутая новость и новый шаг в аналитике! Опросы и глубинные интервью всегда были «бутылочным горлышком» маркетинговых исследований — долгие, дорогие, зависимые от человеческого фактора. А теперь компании могут прогонять гипотезы и тесты в виртуальной среде, прежде чем выносить их на рынок. SSR позволяет «примерить» реакцию аудитории заранее: — протестировать десятки вариантов упаковки и цен; — проверить позиционирование бренда на разных сегментах; — понять, где продукт вызывает интерес, а где — отторжение. Для стартапов это способ экономить сотни тысяч рублей и недели времени ещё до запуска кампании. Для крупных компаний — возможность быстро проверить, зайдет ли идея продукта, пока конкуренты ждут отчёты от исследовательских агентств.

Помощник для маркетологов, дизайнеров и продакшн-команд и вообще всех)) Ненавязчиво напоминаю, что у меня есть бесплатный бот, который создаёт любые изображения по вашему запросу — быстро, реалистично и в нужном стиле. Особенно полезен тем, кто работает с контентом, дизайном, продакшном и презентациями: можно за пару минут получить визуал для поста или сайта, обложку, сцену для видео или референс для проекта.

Больше не нужно искать подходящие картинки вручную, организовывать сложные и дорогие фотосессии или ждать дизайнера — бот сам сгенерирует нужный вариант по описанию для ваших бизнес-целей.

Бот доступен абсолютно бесплатно всем моим подписчикам, просто забирайте в работу своей команды или пробуйте сами: @ai_photik_bot

Бот без системы — это тот же ручной труд с новым интерфейсом Частая постановка задачи от бизнеса звучит так: «нужен бот для FAQ». Но если делать его изолированно, передавая спецам на аутсорсе, фрилансерам, бизнес всё равно утонет в ручной работе: лиды не попадают в CRM, маркетинг не видит провалы ответов, отдел продаж переливает данные вручную. Я всегда придерживался того, что сделать просто бота и выпустить недостаточно и поэтому с командой мы подходим к этому процессу полноценно — от первого касания до сделки — и под это строим архитектуру. Как это выглядит на практике по этапам (на примере реального случая - один из наших последних проектов в работе — социальный, они пришли с запросом на бота для обращения граждан) 👇🏻 1️⃣ Диагностика воронки и нагрузки. Фиксируем, где не хватает людей и на каких шагах «сыпятся» обращения. В этом проекте запрос был простой: «рук не хватает, ответы людям нужны». Бот должен был закрыть типовые вопросы и разгрузить специалистов. 2️⃣ Требования к интеграциям и данным. Сразу закладываем связку с CRM/таблицами, анализ диалогов и отчётность: какие вопросы решены ботом, какие ушли на эскалацию (когда бот не справляется и запрос передаётся специалисту) — чтобы маркетинг видел «дыры» в базе знаний, а продажам не приходилось переносить контакты вручную. 3️⃣ Архитектура: выбираем подходящий инструмент под каждую задачу: — Для справочных сценариев: бот на векторной базе данных (по сути, это хранилище текстов, где ИИ ищет ответы не по ключевым словам, а по логическому смыслу) с подготовленной документацией. Это доступный по бюджету вариант — типовой диапазон 50–100 тыс. ₽. — Для событий (выставки/офлайн-точки): лёгкий бот-сборщик обратной связи, доступ по QR-коду: бот отвечал на вопросы по продукту и собирал фидбек. 4️⃣ Прототипирование и тесты. Прописываем тон общения, сценарии и правила эскалации. Запускаем пилот, смотрим, какие вопросы бот «проваливает», дополняем базу знаний — и только потом расширяем каналы (сайт, мессенджеры, офлайн-точки). 5️⃣ Запуск и измерения. С первого дня считаем: долю закрытых ботом обращений, причины эскалаций, время ответа, качество данных в CRM. Это позволяет быстро понять, где достаточно бесплатного ChatGPT с продуманными промтами и парой API-ключей (технических «ключей доступа», которые позволяют подключить модель к вашему сервису), а где оправдано платное решение, экономящее сотни часов в год. Идея проста: не «воткнуть нейросеть», а встроить её туда, где она ускоряет процесс. Кому это особенно актуально

— IT-компаниям и разработчикам, у которых растёт нагрузка на поддержку и обратную связь — бот снимает 60–70% повторяющихся запросов, а команда фокусируется на решениях, а не на «техподдержке ради техподдержки». — Продакшн- и креативным студиям, где десятки брифов, правок и согласований. Бот помогает системно собирать требования, фиксировать обратную связь и экономить часы менеджеров на ручных уточнениях. — Медиа и digital-командам, которые ежедневно получают сотни откликов и сообщений от пользователей. Автоматизированная воронка через бота позволяет быстро фильтровать запросы, понимать паттерны аудитории и не терять потенциальные лиды. — B2B-компаниям, где важна персонализация коммуникаций: бот интегрируется с CRM, отслеживает историю контактов и помогает сохранять качество клиентского опыта даже при росте объёма обращений.

По сути, это универсальный инструмент для всех, кто строит коммуникацию с клиентом — от первого вопроса до сделки. Хотите понять, где у вас теряется время и нет желаемого результата? Заполните короткую анкету — проведём экспресс-аудит процесса и предложим архитектуру под ваш цикл работы.

Зачем вашему бизнесу анимация? 🧐 Короткие анимационные ролики — не для красоты. Они быстро объясняют сложные вещи, повышают понимание продукта и заметно помогают конверсии на лендингах, в рекламе и онбординге. В кейсе Биг Дата показываю, как нейрогенерация снимает основную рутину продакшна и делает выпуск роликов управляемым процессом. Мы убираем ручные операции, чтобы команда занималась стратегическими задачами с реальной отдачей. Теперь создание короткой анимации стоит в разы дешевле и занимает не больше 1 рабочего дня — вместо недели работы и сотен тысяч рублей. Мы не просто делаем такие ролики под ключ, но и обучаем команды создавать их самостоятельно. Сотрудники осваивают инструменты генерации анимации за 1 день, а если хотят углубиться — есть возможность пройти расширенные курсы и получить сертификат о повышении квалификации государственного образца. Подробнее о процессе, цифрах и используемых инструментах — смотрите в карточках ниже.

Быстрый тест: найдите три рутиные задачи, которые стоит автоматизировать уже сегодня Вот с чего начинается быстрая автоматизация — с инвентаризации рутины:

Выгрузите задачи команды за неделю и отметьте три самых частых повтора. В типичном контент-цикле это: ручной сбор аналитики из пяти источников, бесконечный ресайз визуалов под десять платформ, расшифровка интервью для текстов. Именно с этих мест проще всего стартовать с автоматизацией: эффект заметен сразу, а риски минимальны.

1️⃣ Мы начали с графического конвейера — там рутину видно невооружённым глазом. Вместо ручной верстки титров и пакетов под каждую локальную задачу сделали набор скриптов и шаблонов: по хэштегам автоматически подставляются гео, копирайт, персона; один прогон в After Effects — и готовые пакеты улетают на 30 языков. 2️⃣ Дальше подключили mogrt-шаблоны для Premiere (это готовые элементы для Adobe Premiere, где дизайн и анимация собраны заранее. Редактору остаётся только подставить текст, цвета и логотип, без работы со слоями и эффектами), чтобы правки шли не «вручную в слоях», а через параметры в редакторе. Сегодня подобные скрипты реально писать за час вместе с GPT: вы формулируете задачу — он отдаёт рабочий код, остаётся только встроить его в ваш пайплайн. В результате мы избавились от однообразной ручной работы, плюс стабильное качество и скорость выпуска. За счёт этого у нас освободилось 12 часов в неделю — ровно столько, чтобы взять ещё один проект без переработок команды. А теперь — практика. Проголосуйте в опросе ниже👇🏻

Как часто вы заняты обезьяньей работой? 🧐 Больше всего я терпеть не могу постоянную обезьянью работу. Это когда ты не являешься руководителем, а, по факту, вывозишь на себе кучу операционки. Когда я только пришёл в РИА, процесс выглядел именно так: все ставили задачи через почту, мне приходили письма на монтаж, и я вручную распределял их по людям. По сути, я был живым таск-менеджером. Первое, что я сделал, — ввёл Asana. Настроил процесс так, чтобы смежные отделы ставили задачи напрямую в систему, без лишних писем и переписок. И сразу с меня слетел огромный пласт тупой текучки.

Когда мы готовили серию AI-видео ко Дню Победы, все снова начали подбегать с вопросами «а как это сделать?». После пары объяснений я осознал, что каждый мой день начинается с потока вопросов: «Саш, подскажи вот тут как лучше сделать?» «А этот сервер почему не работает?» «А как тут настроить задачу?»

Чтобы ответить, нужно было полностью переключаться — бросить свою работу, вникнуть в чужой контекст, объяснить, вернуться обратно и снова погрузиться. Через час-два таких «переключений» теряется и фокус, и энергия. К вечеру ты вроде был занят весь день, но стратегически не сделал ничего. Я понял, что стал узким горлышком всей системы — и пока я в этом состоянии, команда не растёт. Поэтому проще один раз систематизировать знания. Вместе с замом провели обучающую встречу, записали шаблоны и инструкции, создали базу ответов. После этого поток вопросов просто исчез. Но главный результат был не в этом. Я не просто автоматизировал процессы — я вернул себе время. Освободил ресурс, который раньше уходил на бесконечные микровопросы, и направил его на стратегию, развитие и новые проекты. Для меня делегирование — не про увольнение людей, а про возможность сделать работу всех в команде эффективнее. Когда часть рутинных задач берёт на себя система, команда получает шанс заниматься важным: креативом, продуктом, идеями. Что в вашей работе отнимает больше всего времени, но кажется «неизбежным»? Поделитесь своим опытом 👇🏻

Как данные спасают здоровье, когда мотивация уже не работает Четыре раза я уезжал на скорой с панкреатитом. После последнего приступа понял: если дальше жить «на авось» — это закончится плохо. Сдал всё, что можно: кровь, УЗИ, КТ, гормоны. Выяснилось - к панкреатиту добавился преддиабет и ожирение первой степени. Организм вежливо, но настойчиво дал понять: «Ещё немного - и ты в системной ошибке». А потом дома случайно разбили мои старые весы. Я воспринял это как знак и купил новые - не просто весы, а устройство, которое показывает весь состав тела: жир, мышцы, вода, висцеральный жир, метаболический возраст. Когда видишь не просто число, а реальную картину, к тебе возвращается контроль. Теперь каждое утро я занимаюсь 30–40 минут, шесть раз в неделю. Быстрая ходьба, немного силовых, дыхание, растяжка. Без фанатизма, но системно - так, чтобы это стало частью жизни. В какой-то момент я понял, что если уж у меня не получается держаться на одной мотивации, значит, надо подойти к этому как к проекту. Я люблю строить процессы, запускать новые направления - почему бы не применить ту же логику к собственному телу? Поставил цель, обозначил метрики, выстроил рутину и решил: к следующему дню рождения должно быть минус 20. Ну и пусть это будет мой публичный вызов - себе и вселенной. Если у кого-то накопилось желание начать что-то менять, считайте этот пост знаком.

Самая обсуждаемая новость 👇🏻 Amazon Web Services просто сократил почти половину своих инженеров, заменив их искусственным интеллектом. А спустя три дня автоматизация напомнила, что не бывает все так гладко и просто. 20 октября в AWS произошёл масштабный сбой — на несколько часов легла половина интернета. Перестали открываться Duolingo, Zoom, Signal, Canva, Fortnite, Roblox и десятки других платформ, чьи серверы завязаны на Amazon. Этот инцидент наглядно показал, что даже самые технологичные экосистемы рушатся в два счета, когда из процесса исключают человеческий фактор. И всё же, эта история не так однозначна. Автоматизация действительно может подвести. Но она же снимает с нас огромный пласт работы и даёт возможность сосредоточиться на том, где человек незаменим — в мышлении, в идеях, в решениях. Если завтра исчезнут все нейросети, нам просто придётся снова тратить часы на задачи, которые давно перестали требовать человека. За себя скажу, что мне будет очень грустно, если это произойдет, я уже плотно подсел на них 😂 Далеко ходить не надо, с интернетом мы прошли тот же путь. Когда он только появился, его тоже считали угрозой, а сейчас представить бизнес без интернета невозможно. Да, если сеть ляжет — полмира остановится, но именно благодаря ей прогресс за последние двадцать лет ускорился сильнее, чем за весь предыдущий век. То же самое происходит с ИИ. Он становится частью инфраструктуры, но не заменяет людей. Даже крупнейшие системы рушатся, когда из процесса убирают человеческий контроль. Мы в Биг Дата видим это каждый день. Когда человек и AI работают вместе — эффективность растёт в разы. Когда человека убирают — автоматизация ломается. Поделитесь своим опытом, был ли случай, когда автоматизация подвела и всё пришлось делать вручную? Или наоборот — когда нейросеть реально спасла время и силы?

Объясняю на пальцах в карточках

Забудьте о долгой расшифровке аудио — у нас есть решение. Наш бот для расшифровки аудио и видео в текст теперь доступен бесплатно на целую неделю. Это ваш помощник, который сэкономит часы работы и превратит любую запись в четкий и структурированный текст. Что может наш бот? — Конвертирует в текст записи любого формата: от подкастов до совещаний. — Автоматически распределяет реплики по спикерам. Вы всегда будете знать, кто что сказал. — Выделяет ключевые моменты и основные идеи из диалогов. — Отмечает эмоционально окрашенные фрагменты разговора. Никаких подписок и скрытых ограничений. Просто загрузите файл и получите готовый текст. Ссылка на бот: @zapisposhla_bot как им пользоваться: —нажимаете на бота —он у вас спрашивает про подписку —вы кликаете "нет" —он уточняет ваши данные и после этого вы можете им пользоваться. Расскажите в комментариях, с каким типом контента вам работать сложнее всего: интервью, подкасты или рабочие встречи? Ваши ответы помогут нам стать лучше.

КАК ИСПОЛЬЗОВАТЬ AI И НЕ СЛИТЬ ДАННЫЕ КЛИЕНТОВ? Три уровня безопасности Недавно крупный сервис попал в скандал: их разработчики использовали публичный AI для оптимизации кода. В итоге фрагменты этого кода, содержащие коммерческую тайну, оказались в открытом доступе. Это классический пример того, как погоня за скоростью может обернуться катастрофой. Когда речь заходит об интеграции AI в бизнес-процессы, вопрос безопасности данных выходит на первый план. Существует три ключевых подхода к его решению, и выбор правильного — стратегическая задача. Уровень 1: Публичные API Это дёшево и быстро для старта, но все ваши данные могут быть использованы для дообучения модели. Это значит, что фрагменты вашего кода, коммерческая информация или персональные данные клиентов могут оказаться в открытом доступе. Для нечувствительной информации, вроде генерации текстов для блога на основе открытых данных, — это приемлемый риск. Уровень 2: Приватное облако — «золотая середина» Мы разворачиваем проверенную open-source модель (модель с открытым исходным кодом, которую можно установить на свой сервер) в закрытом облачном контуре, доступ к которому есть только у вас. Данные не уходят третьим лицам. Мы для одной e-commerce компании решили задачу анализа 10 000 чатов с клиентами в месяц для улучшения сервиса. Их данные содержали ФИО и детали заказов, поэтому отправлять их в публичный API было нельзя — это прямой риск утечки ПД (перс. данных) и нарушения ФЗ-152. Развернув для них модель в приватном облаке, мы обеспечили обработку данных внутри защищённого контура. В итоге, вместо репутационных потерь и штрафов до 18 млн ₽, они получили безопасное решение, стоимость которого оказалась в 8-10 раз ниже развёртывания и поддержки собственного on-premise сервера (то есть сервера, развёрнутого полностью на вашей территории). Уровень 3: Полностью изолированный контур (On-premise) Это когда всё серьезно, мощно и всё по-взрослому. Максимальная безопасность, все данные хранятся на ваших серверах. Но стоимость внедрения и поддержки начинается от нескольких миллионов, что оправдано только для банков и корпораций, работающих с гостайной. Выбор уровня безопасности зависит от задачи и конфиденциальности данных. Не всегда нужно строить «форт Нокс», но и рисковать данными клиентов ради экономии — опасно. Мы помогаем подобрать оптимальное и надёжное решение под ваш бюджет и задачи. Нужна консультация по безопасности вашего AI-проекта? Пишите!

Ваши маркетологи все еще работают руками? 😱 Тогда мы идём к ВАМ!)) 5 рутинных задач, которые ИИ уже забрал себе (а вы могли и не заметить) Все уже привыкли, что нейросети могут написать пост или нарисовать котика в стиле Ван Гога. Скучно. Но настоящая революция происходит не в генерации контента, а в автоматизации целых пластов когнитивной работы, на которую раньше уходили человеко-недели. Мы тут копнули глубже и собрали чек-лист из 5 НЕОЧЕВИДНЫХ задач, где ИИ уже сейчас экономит бизнесу тысячи часов и нервных клеток. 1. Стратегический контент-анализ Раньше: 13+ часов ручной кластеризации тысяч ключевиков в Excel, чтобы понять, о чем писать. Ад перфекциониста и SEO-специалиста. Сейчас: ИИ-агент за <1 часа анализирует всех конкурентов, находит «дыры» в вашем контенте и выдает готовый план с темами. Освободившееся время можно потратить на... ну, на стратегию. Или на еще одну чашку кофе ☕️. 2. Нарезка видеоконтента на клипы Раньше: 8-10 часов монтажа, чтобы из часового вебинара сделать пару рилсов. Головная боль и прокрастинация видеоредактора. (эти инструменты не всегда работают идеально, но зачастую уже делают это неплохо) Сейчас: Загружаете ссылку на видео, и ИИ за 10-15 минут нарезает десятки вирусных клипов с субтитрами, лучшими моментами и даже оценкой «виральности». 3. A/B-тестирование на стероидах Раньше: Один тест, два варианта, недели ожидания. При этом 50% трафика сливается на заведомо проигрышный вариант. Сейчас: Алгоритмы «многоруких бандитов» тестируют сотни комбинаций одновременно и в реальном времени перенаправляют трафик на лучшие. Результат, как у одного из кейсов: «объем экспериментов за 3 месяца, эквивалентный 6 годам работы». Классический A/B-тест смотрит на это с уважением и легкой завистью. 4. Персонализация сайта 1:1 Раньше: Сегменты в духе «посетители из финансовой отрасли». Очень «персонально». Сейчас: ИИ в реальном времени меняет сайт под КАЖДОГО посетителя. Зашел человек из SingleStore — вот ему логотипы похожих клиентов и релевантные кейсы. Результат? Рост конверсии до 400%. Ваш сайт превращается в персонального консьержа, который знает, чего хочет клиент, еще до того, как он сам это понял. (сами не пробовали эту штуку, но звучит очень интересно) 5. Генерация аналитических отчетов Раньше: 4 часа на выгрузку данных, сведение таблиц и написание унылого абзаца «трафик вырос, потому что вырос». Сейчас: NLG-инструменты за пару минут превращают голые цифры в понятный текстовый отчет с инсайтами и выводами. Аналитик наконец-то может заняться аналитикой, а не перекладыванием цифр. Главный вывод? ИИ — это уже не просто «младший помощник». Это полноценный коллега, который забирает на себя рутину, освобождая людей для единственного, что машины пока не умеют — думать стратегически. Так что в следующий раз, когда будете вручную сводить отчет, просто знайте: где-то в параллельной вселенной за вас это уже делает нейросеть. И, скорее всего, пьет ваш кофе 😉.

80% рутины — боту, сложные задачи — человеку. Как внедрять ИИ в поддержку Результаты нашего недавнего опроса показали, что большинство готово общаться с ботом для решения простых запросов. Повторюсь, «простых». Никто не хочет спорить с роботом о возврате средств или нестандартной проблеме. Но в целом готовы стерпеть, когда речь идет о вещах вроде обновить статус заказа Мы внедряем ИИ не как «лицо» компании, а как ассистента для команды поддержки. Он берёт на себя до 80% рутинных обращений: проверить статус заказа, ответить на частый вопрос. Если запрос сложный или клиент просит оператора — бот мгновенно передаёт диалог человеку со всей историей переписки. В итоге выигрывают все. Клиенты получают быстрые ответы 24/7, а операторы поддержки не выгорают от однотипных вопросов и могут сфокусироваться на решении реальных проблем. Это напрямую влияет на качество сервиса и лояльность. Создание такого бота занимает около пары недель. И кстати, знаете к кому можно обратиться за созданием такого?)) Ко мне)