Системное мышление для жизни

Такси или личный водитель: почему лучшие ИИ не справляются с настоящей работой Лучшие в мире ИИ-модели справляются меньше чем с половиной задач, которые рядовой айтишник в крупной фирме закрывает за обычный рабочий день. Это не моя оценка, это свежий бенчмарк Artificial Analysis и IBM. Они собрали 59 реальных задач корпоративного ИТ, тех самых, что приходят в тикетах инженерам инфраструктуры и ребятам на дежурстве, и прогнали через передовые модели. Лучшая в замере набрала 47 процентов. Остальные ниже. И это передовые модели на свете, а не средние. Это диагноз, а не сенсация. Странность в том, что параллельно в новостях те же модели «обгоняют человека на математической олимпиаде», «сдают экзамен на адвоката», «решают задачи школьного уровня лучше, чем выпускник». Можно подумать, мы живём в момент, когда машина уже умнее нас по всем фронтам человеческих знаний. Но почему она на корпоративном бенчмарке спотыкается на простых вещах. Скептики все еще говорят, что ИИ не дотягивают до человека, что модели глупы. Однако ответ в том, что ИИ не понимает контекст, в который его привели. Та же модель в чате блестяще отвечает на абстрактный вопрос про сети, и она же в живой задаче упирается в то, чего никто ей не объяснил: какая у вас сеть, кто чем владеет, какие правила в этом конкретном месте, что вчера сломалось и почему именно так. Я долго искал хорошую аналогию для этой разницы. Сначала ходил вокруг противопоставления «таксист и механик». Но это неточно: они вообще делают разные вещи, и сравнение получается так себе, всё равно что говорить «ваш помощник не умеет варить кофе». Хорошая аналогия должна быть в одной плоскости: один и тот же навык, разный охват. Когда я об этом подумал, всплыл другой образ. Таксист и личный водитель…,., —— Продолжение лонгрида в клубе МИМ.

Чем мне нравится заниматься и что мы делаем в мастерской и сообществе инженеров-менеджеров Помогаем человеку браться за проблемы и задачи, на которые он раньше боялся даже смотреть или просто мечтал когда-нибудь на них замахнуться. Проблемы — это уровень мировоззрения и интеллекта. Задачи — это уровень профессионализма. Когда человек системно решает их, он меняется сам. Но это уже скорее следствие, а не самоцель. Четыре элемента — за счёт чего: 1. Мировоззрение, культура работы и стиль жизни Человек начинает видеть проблему там, где раньше видел хаос, и формулировать задачу там, где раньше был ступор. Меняется и то, как он живёт — не только работает. 2. ИИ-инструмент как костюм "железного человека" — две роли осознанно: — Пользователь инструмента делает в разы больше за то же время, берётся за сложность, которая раньше была не по силам — Создатель строит и настраивает инструмент под свои задачи и проекты. Не просто носит костюм, а проектирует и развивает его 3. Системное мышление Развивает способность видеть мир и его будущее через новые системы, конвертировать проблемы в задачи, создать что-то там, где раньше была только неопределённость и непонимание 4. Сообщество и среда сопроизводителей В одиночку теряешь темп и норму. В среде людей, которые делают то же самое — держишь ритм и растёшь вместе с другими. Среда ускоряет то, что сложно сделать волевым усилием.

Сделать за человека или сделать человека? Весь спор про ИИ идёт не там, где нужно. Спорят, заменит он людей или нет, отберёт работу или подарит свободу. А настоящая развилка глубже и проще. Есть две философии ИИ, и они ведут в противоположные стороны. И почти все, не задумываясь, выбирают ту, что ведёт в тупик. Первая философия: ИИ должен помогать решать мои проблемы. Брать на себя трудное, закрывать задачи, избавлять от усилий. Вторая философия: ИИ должен развивать меня в процессе работы и жизни — делать способнее, чем я был вчера. Конечно, каждый осознанно выберет второе, но только большинство делает выбор на автомате. На деле это две противоположности, которые сложно связать. И лучше всего разницу видно через рассказ, написанный за семьдесят лет до всякого ИИ. Философия первая: сделать за человека В 1951 году Айзек Азимов написал «Satisfaction Guaranteed». На русском он ходит под полудюжиной названий: «Будете довольны», «Гарантированное удовольствие», «Идеальный работник». По-моему, он сейчас актуальнее, чем любая антиутопия с восстанием машин. Потому что машины в нём никого не порабощают. Человек сдаётся сам, добровольно и с удовольствием. Главная героиня — обычная женщина Клэр Белмон. Неуверенная в себе, тихая, тоскующая от серости собственной жизни. Муж работает в «Ю.С. Роботикс», и компания вместе с робопсихологом Сьюзен Кэлвин предлагает эксперимент: на три недели поселить в их доме новую модель робота ТН-3, которого назвали Тони. Муж уезжает в командировку. Клэр остаётся наедине с роботом, который должен помогать ей по хозяйству. И Тони помогает, но не только с уборкой. Он внимателен, восхищается ей, подсказывает, как одеться, как держаться, как обустроить дом. Клэр расцветает: становится увереннее, красивее, начинает нравиться себе. Впервые за долгое время она чувствует, что чего-то стоит. А потом финал, от которого становится не по себе. Выясняется, что её преображение было частью эксперимента. Восхищение Тони было запрограммировано. Чувство собственной ценности, которое Клэр обрела, держалось не на ней самой, а на машине рядом. Убери Тони — и всё вернётся обратно. Автор показывает, что Клэр ни на грамм не выросла. Просто три недели стояла в чужом свете и приняла его за свой. В чём настоящая жуть этого рассказа? Не в том, что робот опасен. А в том, что он сделал человека счастливым, ничего по сути не изменив в самом человеке. Хуже того — он лишил её причины меняться. Зачем расти самой, если рядом есть тот, кто заставит тебя чувствовать себя выросшей? Это заёмная ценность. Азимов вскрыл её за семьдесят лет до эпохи ИИ. Тони дал Клэр не силу, а ощущение силы. Не способность, а приятное чувство. Её «расцвет» был фасадом, который держался на присутствии машины. А ведь желание большинства людей, которые хотят переложить на ИИ свои проблемы, ведёт ровно туда же. К фасаду, за которым пусто Тони — это и есть первая философия в чистом виде. Сделать за человека. Закрыть его проблему, но, по сути, оставить его прежним. А чаще — оставить его слабее, потому что человек даже что-то теряет. Почему первая философия побеждает по умолчанию Многие боятся ИИ. «Он сделает людей беспомощными». «Разучимся думать». «Будем зависеть от подсказок». Страх обоснованный — потому что большинство ИИ-инструментов сегодня встроены именно в первую философию. Они гладко закрывают задачу, льстят, создают ощущение, что ты справился. И не запрограммированы оставить в человеке хоть что-то, когда экран гаснет. Так происходит, по моему, не случайно. Это не недосмотр, а бизнес-модель. Ничего личного, просто бизнес, Первая философия выигрывает сама собой, потому что её легко продать. «Сделаю за тебя» — понятное обещание. Его хочется купить. А «разовью тебя» звучит как лишняя работа, которую ты вроде бы не заказывал. И вот в чём ловушка, которую почти никто не проговаривает вслух: инструменту первой философии невыгодно, чтобы ты вырос. Зависимый — платит каждый месяц. А развивать довольно муторно и долго. Вот почему почти весь рынок ИИ строится как армия маленьких Тони..…. —— Полный лонгрид в клубе.

Мои расходы на ИИ Ещё свежи воспоминания, когда казалось, что и платная подписка не нужна. Бесплатного режима хватало. Потом долгое время я сидел на минимальных двадцати долларах: просто чатиться с ИИ, задавать вопросы, получать ответы. На рубеже 2025–2026 всё поехало. У меня появилась идея сделать интеллектуальную рабочую среду — IWE, — где ИИ становится полноценным помощником, а не чат-ботом. И вот тут мне, как разработчику, двадцати долларов резко перестало хватать. Я довольно быстро прошёл сотню и сел на тариф в 200 долларов у Антропика. Да, до декабря я тестил ChatGPT на максимальном тарифе. Тогда мне казалось, что деньги покупают доступ к более умным рассуждениям модели. Но в режиме «вопрос — ответ», даже глубокий вопрос с большим промптом, тарифа хватало за глаза. И тогда к середине 2025-го я понял простую вещь: разница в «умности» есть, но она не в десять раз. Платить 20 или 200 — вопрос тогда просто не стоял. Двадцати хватало. А потом я создал IWE. Среда, опирающаяся на FPF Анатолия Левенчука, на мои доработки вторых и третьих принципов, на практики саморазвития, на MCP и множество сервисов. И вопрос перехода со 100 на 200 долларов уже даже не обсуждался — просто кончились токены. И я не задумывался. Я переключился на максимальный тариф, поскольку польза зашкаливала. Умность модели перестала быть для мне главным критерием. Главным стало одно: токены. Их катастрофически не хватало. С февраля я ушёл с головой в ИТ-разработку. По сути, я строю новую платформу: сначала для профессиональной работы, потом для развития себя. И даже персональные руководства, учёт активных действий, бонусы, мультиагентные сессии нужны для того, чтобы все новое свое мастерство применять в рабочих проектах. И с выходом Опуса 4.7 максимального тарифа стало не хватать уже по-настоящему. Недельный бюджет я съедал за пять дней. Со всеми оптимизациями. Три недели подряд я фактически отдыхал в субботу и воскресенье. Звучит мило, но на деле это была пытка. Обычно я в разработке по 8–10 часов каждый день, а без скорости IWE я будто слез с машины и пошёл пешком. Те выходные дались тяжело, это были реально сильные негативные эмоции от того, что «встал», когда хотелось лететь. А ещё в первую такую неделю случился сюрприз. Лимит кончился за пять дней, и я неожиданно для себя сжёг все подаренные Антропиком бонусы. 200 долларов испарились за два дня. Я сел и посчитал. В моём режиме реальный расход токенов — это около 3000 долларов в месяц. А плачу я подписку в 200. И, что забавно, до того как я увидел эту цифру, я был готов платить и 500. Если же считать честно, то два дня в неделю по сотне плюс 200 подписки — мне нужно примерно 1000 долларов в месяц. В следующие недели пришлось сбавить обороты. По выходным я довольствовался дополнительными 20–30 долларами в день. Но руки чесались, эмоции зашкаливали, и я полез смотреть другие модели с похожим функционалом. Остановился на Kimi. Пара дней экспериментов, и я купил годовой контракт за 1000 долларов. Модель понравилась: MCP держит так же хорошо, как Claude, по уму уступает совсем чуть-чуть, а токены тратит заметно экономнее. Важное понимание состоит в том, что умность модели не так важна, как обвязка знаниями и формирование контекста, которые даёт IWE. Модели будут примерно одинаковы, это как сейчас разные модели компьютеров. Разные бренды, разные шильдики, но ядро у всех плюс-минус одно. А в компьютере реально отличаются установленными программами и файлами пользователя. Начинку даёт моё IWE. Еще мне нужны разные LLM, я строю мультиагентную систему, а не молюсь на один бренд. Раньше я платил за ум. Теперь плачу за токены и скорость. 200-500 долларов в месяц — нормальная цена для профи, у которого в руках появился настоящий инструмент. Это как арендовать костюм «железного человека» и стать вместе с ним совсем другим. Я больше не плачу за то, чтобы поговорить с умным собеседником. Я плачу за то, чтобы не ходить пешком, а летать и браться за крутые дела, о которых даже не мог помыслить.

Мои расходы на ИИ Ещё свежи воспоминания, когда казалось, что и платная подписка не нужна. Бесплатного режима хватало. Потом долгое время я сидел на минимальных двадцати долларах: просто чатиться с ИИ, задавать вопросы, получать ответы. На рубеже 2025–2026 всё поехало. У меня появилась идея сделать интеллектуальную рабочую среду — IWE, — где ИИ становится полноценным помощником, а не чат-ботом. И вот тут мне, как разработчику, двадцати долларов резко перестало хватать. Я довольно быстро прошёл сотню и сел на тариф в 200 долларов у Антропика. Да, до декабря я тестил ChatGPT на максимальном тарифе. Тогда мне казалось, что деньги покупают доступ к более умным рассуждениям модели. Но в режиме «вопрос — ответ», даже глубокий вопрос с большим промптом, тарифа хватало за глаза. И тогда к середине 2025-го я понял простую вещь: разница в «умности» есть, но она не в десять раз. Платить 20 или 200 — вопрос тогда просто не стоял. Двадцати хватало. А потом я создал IWE. Среда, опирающаяся на FPF Анатолия Левенчука, на мои доработки вторых и третьих принципов, на практики саморазвития, на MCP и множество сервисов. И вопрос перехода со 100 на 200 долларов уже даже не обсуждался — просто кончились токены. И я не задумывался. Я переключился на максимальный тариф, поскольку польза зашкаливала. Умность модели перестала быть для мне главным критерием. Главным стало одно: токены. Их катастрофически не хватало. С февраля я ушёл с головой в ИТ-разработку. По сути, я строю новую платформу: сначала для профессиональной работы, потом для развития себя. И даже персональные руководства, учёт активных действий, бонусы, мультиагентные сессии нужны для того, чтобы все новое свое мастерство применять в рабочих проектах. И с выходом Опуса 4.7 максимального тарифа стало не хватать уже по-настоящему. Недельный бюджет я съедал за пять дней. Со всеми оптимизациями. Три недели подряд я фактически отдыхал в субботу и воскресенье. Звучит мило, но на деле это была пытка. Обычно я в разработке по 8–10 часов каждый день, а без скорости IWE я будто слез с машины и пошёл пешком. Те выходные дались тяжело, это были реально сильные негативные эмоции от того, что «встал», когда хотелось лететь. А ещё в первую такую неделю случился сюрприз. Лимит кончился за пять дней, и я неожиданно для себя сжёг все подаренные Антропиком бонусы. 200 долларов испарились за два дня. Я сел и посчитал. В моём режиме реальный расход токенов — это около 3000 долларов в месяц. А плачу я подписку в 200. И, что забавно, до того как я увидел эту цифру, я был готов платить и 500. Если же считать честно, то два дня в неделю по сотне плюс 200 подписки — мне нужно примерно 1000 долларов в месяц. В следующие недели пришлось сбавить обороты. По выходным я довольствовался дополнительными 20–30 долларами в день. Но руки чесались, эмоции зашкаливали, и я полез смотреть другие модели с похожим функционалом. Остановился на Kimi. Пара дней экспериментов, и я купил годовой контракт за 1000 долларов. Модель понравилась: MCP держит так же хорошо, как Claude, по уму уступает совсем чуть-чуть, а токены тратит заметно экономнее. Важное понимание состоит в том, что умность модели не так важна, как обвязка знаниями и формирование контекста, которые даёт IWE. Модели будут примерно одинаковы, это как сейчас разные модели компьютеров. Разные бренды, разные шильдики, но ядро у всех плюс-минус одно. А в компьютере реально отличаются установленными программами и файлами пользователя. Начинку даёт моё IWE. Еще мне нужны разные LLM, я строю мультиагентную систему, а не молюсь на один бренд. Раньше я платил за ум. Теперь плачу за токены и скорость. 200-500 долларов в месяц — нормальная цена для профи, у которого в руках появился настоящий инструмент. Это как арендовать костюм «железного человека» и стать вместе с ним совсем другим. Я больше не плачу за то, чтобы поговорить с умным собеседником. Я плачу за то, чтобы не ходить пешком, а летать и браться за крутые дела, о которых даже не мог помыслить.

Чем отличается развитый человек от «железного человека»? Все мы хотим быть лучше. Стараемся развиваться, читаем, учимся, ходим на курсы и тренинги. И вот вопрос: а как вы вообще видите себя развитого? Остановитесь на минуту и правда представьте... Я почти уверен, что у большинства всплывает примерно одна и та же картинка. Умный. Профессиональный. Эрудированный. Уверенный в себе, востребованный профи, со степенью или сертификатом, с книжной полкой, со связями и деньгами. Под эту картинку и заточена вся индустрия образования: школы, вузы, MBA, Гарвард и Стэнфорд, бесчисленные программы личностного роста. Все они делают одно и то же — улучшают человека. Прокачивают его голову, его навыки, его характер. Но в системном саморазвитии, я считаю, лучше работает другая метафора. Не «развитый человек», а «железный человек» Тони Старка. И разница тут принципиальная: вы представляете себя не просто умнее и сильнее, вы представляете себя внутри «оболочки». Внутри костюма, который расширяет ваши возможности на порядки. JARVIS в ухе, доступ ко всей вашей памяти и знаниям, армия агентов-исполнителей, скорость реакции, которой у голого человека быть не может. И тогда вопрос саморазвития переформулируется. Вы развиваете не столько себя, вы строите бо́льшую систему, в которой вы — пилот, но не единственная её часть. Костюм, мастерская, JARVIS, дроны — всё это тоже вы, точнее, ваша расширенная система. Голый Тони Старк без костюма является обычным умным мужиком с проблемами, который, конечно, круче миллионов других. Но он не сверхчеловек. Голый костюм без Тони будет лишь грудой металла. "Железный человек", таким образом, это связка, и развивается именно связка, а не одна её половина. "Железный человек" — это сверхчеловек, мой IWE тоже позволяет быть сверхчеловеком. Это совсем другой взгляд на не только на собственный рост. Не «как мне стать умнее», а «какую систему я вокруг себя собираю, и кто я в этой системе». А также какие дела я могу делать как сверхчеловек.

🤖 «Вайбкодинг или серьёзная разработка» — ложная развилка. И «ИИ не заменит человека» в ИТ — тоже. Вопрос не в вайбкодинге и не в ИТ или в ИИ, а в том кто это делает, какое у него мышление и мировоззрение, какая культуры работы и какой инструмент он использует. Сейчас самое время для амбициозных людей делать рывок в развитии. Три месяца я, не будучи айтишником, в одиночку строил с ИИ свою рабочую экосистему: 28 сервисов, в тч боты, агенты, воркеры, MCP-серверы. На днях решил проверить, что получилось, по индустриальному стандарту — 12 факторам Heroku, методичке, на которой держится cloud-индустрия с 2011 года. Матрица 28×12 = 336 ячеек compliance-проверки. Результат: архитектурный фундамент — на уровне senior-инженера. Stateless-дизайн, идемпотентность, ноль hardcoded-секретов. Паттерны, которые обычно приходят через годы боли в проде. Операционный долг есть, но локализован в одном слое — это разница между «не понимаю, что делаю» и «осознанно отложил». Как это вообще возможно без профильного образования? За счёт двух вещей: 1. Системное мышление. Не «попросил ИИ написать код», а изначально понимал что хочу сделать в физическом мире, сначала разобрался в предметной области, разложил её на роли, методы, потоки и состояния, и только потом отдал ИИ конкретные задачи в этих рамках. Системный подход даёт язык, на котором с ИИ можно вести профессиональный разговор, а не угадайку. 2. IWE — моя Интеллектуальная Рабочая Среда, это не чат с ИИ, а современный профессиональный помощник. В него стекаются мои заметки, цели, проекты, лог решений, уроки из прошлых ошибок. ИИ-агенты подключены к среде через MCP и работают не «с чистого листа каждый раз», а с накопленным контекстом обо мне и моих системах. Аудит, который я провёл — это тоже работа агента поверх IWE: он сам прошёл по сервисам, заполнил матрицу, нашёл проблемы, которых я не видел. Это и есть ответ на «ИИ против человека»: вопрос не «кто кого заменит», а что человек строит вокруг себя, чтобы ИИ работал в его контексте, по его методу, на его задачах. Тогда не-айтишник в соло выходит на уровень, который профи читает и кивает как коллеге. 👉 В посте в клубе полный разбор аудита, метод с двумя стадиями independent verify, и заключение ИИ-критика.

Сначала развить себя или сначала разгрести хаос на работе? Знакомая сцена: человек решает наконец-то заняться собой, почитать про привычки, поставить утренний режим, начать что-то менять и записаться на курс. Через две недели он пишет: «Слушайте, у меня на работе пожар, я не успеваю даже на это время выкроить. Может, я сначала разберусь с делами, а потом вернусь к развитию?». Звучит разумно: сначала освободить время, убрать текучку, навести порядок снаружи, и тогда появится ресурс на развитие себя. И тут же другой голос, более старый и пафосный, возражает словами Гарри Трумэна: «Первой победой великих людей была победа над собой, и главным их достоинством была самодисциплина». То есть наоборот: пока ты не победил себя, никакой хаос ты не разгребёшь, потому что хаос снаружи — это проекция беспорядка внутри. Две позиции, обе звучат разумно. Большинство разговоров о саморазвитии застревают между ними: одни кивают Трумэну, другие — современным методикам про «сначала систему, потом героизм» или сначала вовне, а потом внутрь. Мне представляется, что развилка ложная. Не в смысле «обе стороны по-своему правы», а в более жёстком: сама постановка вопроса опирается на устаревшую модель того, как человек меняется. Откуда взялась развилка? Чтобы спор «сначала внешнее или сначала внутреннее» вообще имел смысл, надо принять одно молчаливое допущение: что внешнее и внутреннее — это две отдельные области, между которыми есть граница, и работать с ними можно по очереди. Сначала наведу порядок снаружи (расчищу рабочий календарь, делегирую задачи, выйду из лишних проектов и перестану переделывать), потом займусь внутренним (привычки, мышление, характер). Или в обратном порядке. Это допущение унаследовано от очень специфической традиции — христианско-стоической, потом протестантской, потом советско-педагогической. В ней человек устроен как крепость: внутри сидит «я», у него есть воля, и этой волей он управляет своим поведением. Если поведение плохое, то значит, воля слабая, надо её тренировать. «Победа над собой» — это буквально внутренняя битва, которую герой ведёт со своими страстями, ленью, слабостью. Трумэн говорит именно из этой модели. И когда человек спрашивает «может, сначала с работой разобраться?», то он, не подозревая, оспаривает её с другой стороны: мол, нет, сначала внешнее, потом внутреннее. Но он остаётся внутри той же рамки. Просто меняет порядок ходов. Что не так с этой моделью? Современные представления о том, как люди реально меняются, эту картину не поддерживают. Поведение не выводится из «силы характера», как ток из батарейки. Оно воспроизводится изо дня в день в конкретной среде: что под рукой, кто рядом, какие обязательства уже взяты, как устроен день, какие сигналы запускают какие реакции. Стиль жизни — это паттерн, который держится на среде, а не на решениях. И стиль — это те действия (методы), которые даются нам легко и без особых усилий. Это значит, что «внутреннее» и «внешнее» — не две комнаты с дверью между ними, а одна и та же ткань, рассмотренная под разными углами. Когда человек убирает из дома холодильник с пельменями и кладёт на стол гантель — это «внешнее изменение» или «работа над собой»? Когда он отказывается от трёх проектов, чтобы защитить четыре часа в день для важного, — это «разгребание хаоса» или «развитие себя»? ...... _________ Полный пост к клубе

Человек и ИИ: связка, а не противостояние Чем больше работаешь рядом с языковыми моделями, тем настойчивее всплывают старые вопросы: что такое знание, понимание, мысль. Самый частый ход в этих разговорах: «настоящее понимание укоренено в теле, у ИИ тела нет, значит он чего-то главного не умеет». Звучит красиво, но это редукция. В новом посте разбираю, почему сама постановка вопроса «что может ИИ сам по себе» бессмысленная, и предлагаю другую рамку. Стартовая точка: интеллект это не телесность, а мыслительное мастерство, способность находить решения для проблем, которые раньше не встречались. Реализуется он обобщённым вычислителем: мозг плюс тело плюс экзокортекс (компьютер, программы, инструменты). Тело здесь один из носителей, а не источник смысла. Эйнштейн представлял луч света не потому, что у него была «телесная подложка», а потому что у него была развитая трансдисциплина (физика и математика) и навык работы с моделями. Главный сдвиг: единица анализа это не человек и не ИИ по отдельности, а связка человек+ИИ. Спрашивать «помнит ли блокнот» бессмысленно: помнит человек, использующий блокнот, и помнит лучше, чем без него. Точно так же «удивляется» не ИИ, а человек, работающий с ИИ. И в правильном режиме он бы удивляется чаще, потому что модель быстрее показывает несоответствия между ожиданиями и данными. Внутри связки есть два режима, и различать их важно практически. Протез заменяет функцию. Вход: «что мне делать?», выход: готовый ответ. Задача решена, человек ничему не научился, при следующей такой же задаче снова идёт к ИИ. Навык видеть варианты атрофируется. Экзоскелет усиливает функцию. Вход: «вот что я думаю», выход: дополнение, возражение, недостающий контекст. Человек думает сам, ИИ забирает рутину, но не разгружает мышление полностью. Проблема решена, и человек вышел из взаимодействия компетентнее. Тест простой и операциональный: может ли пользователь объяснить и защитить результат, не ссылаясь на «ИИ подсказал»? Если нет, это был протез. Если да, экзоскелет. Этим различением можно пользоваться завтра. В посте также разбираю несколько связанных сюжетов. Полный текст по ссылке в клубе.

"Букварь", мастерская, единомышленник и аватар Что сегодня называют ИИ-продуктом? Сначала был чат: задал вопрос, получил ответ. Потом «ассистенты» и «копилоты» вроде Copilot, помогающие делать работу внутри контекста. Сейчас выходят ИИ-агенты, которые сами выполняют задачи и действуют за пользователя. Чем дольше я строю IWE (Intellectual Work Environment), тем яснее вижу: это не «ещё один ИИ-помощник» и даже не «ассистент». У продукта складывается необычная множественная природа, которой не находится одного имени. Сейчас я различаю четыре, возможно, их и больше. Природа первая. Наставник, ведущий по траектории развития. Здесь приходит аналогия живого букваря из «Алмазного века» Стивенсона. Букварь там не учебник: он адаптируется под героиню, девочку Нелл, ведёт её через всю жизнь, разворачивает истории под её возраст и характер. IWE задуман в той же логике. Он не отвечает по запросу, а развивает человека в его темпе, под его желания, цели и контекст. Внутри встроена траектория созидателя: Ученик → Интеллектуал → Профессионал → Исследователь → Просветитель. Природа вторая. Мастерская, в которой делается работа. IWE — это рабочая среда, в которой я каждый день думаю, пишу, проектирую, веду рабочие продукты, отлаживаю архитектуру. Здесь я к нему обращаюсь не для самоулучшения, а чтобы сегодня сдвинуть конкретное дело, рабочий продукт, проект. Здесь подходят старые ремесленные образы: цех, токарный станок, мастерская инженера. Хороший станок не учит токаря быть токарем, он позволяет токарю быть токарем точнее, быстрее, на более сложных деталях. Природа третья. Сотворец, которого деятель достраивает сам. IWE не статичен. Он не идёт «из коробки от вендора». Мастер не просто вкладывает в него свои знания, картину мира, методы и решения, но IWE ещё сам вычленяет опыт из каждой сессии. Не как заметки в Notion и не как контекстный промпт, а как живую структуру: ядро мышления (FPF, SPF), предметные области деятельности (Pack), производные знания о проекте или коде (DS), личное руководство, расчётный профиль человека на траектории его развития. Среда растит мастера, мастер растит среду. Это ко-эволюция. Близкие предшественники — голем и гримуар, японские цукумогами, личная книга мастера, деймон Пулмана. Каждый описывает кусок этой природы, но не накрывает её целиком вместе с первой и второй. Природа четвёртая. Аватар, через которого человек-созидатель присоединяется к большему. В фильме «Аватар» каждый На’ви соединяется с деревом и через него с сообществом, с природой, со всем «большим». IWE задуман так же. Личный IWE подключается к среде сообщества, организации, общего Дела. Через него созидатель попадает в общую методологию и общий слой знаний, не теряя своего: его ядро памяти у него на руках. Без этой природы каждый IWE был бы изолированным контуром. С ней он становится узлом сети, частью инфраструктуры, в которой растёт интеллект цивилизации. Большинство существующих слов покрывают одну, реже две природы из четырёх. «Ассистент» и «копилот» — только инструмент. «Наставник» и «тьютор» — только развитие. «Второй мозг» — только хранилище. «Аватар» — только подключение. Нужно слово или образ, который удерживает все четыре смысла сразу: ведёт по траектории, служит ежедневной мастерской, достраивается руками деятеля и подключает к среде сопроизводителей. Имя нужно не столько для маркетинга. Имя нужно мне самому, чтобы не разваливать продукт на части. Когда у одной вещи нет одного слова, разговор в команде расходится: кто-то говорит «это инструмент», кто-то «это методология», кто-то «это сообщество», и каждое следующее решение принимается на куске, без удержания целого. Может у вас есть имя, метафора или культурный образ, например, из литературы, мифологии, ремесленных традиций, где встречается связка «растит → служит → растёт сам → подключает к большему», буду рад услышать. Или может я ошибаюсь и не нужно ничего выдумывать?

Друзья, если кто сможет сегодня-завтра выделить 30-40 минут на интервью по теме своей текущей работы с ИИ, то выберите удобное время и отметьте, пожалуйста, свой телеграм аккаунт или в личку @TserenTserenov напишите. Спасибо большое

До прихода ИИ было сложно объяснять различие профессиональных навыков и мышления, все гонялись за первым и зевали, когда обсуждали второе. За первое платили звонкую монету, а про второе говорили, что это не рынок. Но с приходом ИИ все сильно меняется. Чтобы это объяснить давайте начнем с различия более близких всем понятий: проблема и задача. Проблемы в работе и жизни редко упираются в навыки. Не в их отсутствии — это дело наживное. Проблема возникает в другом месте. В моменте, когда смотришь на ситуацию и не понимаешь, что вообще делать. Это состояние неопределённости. И оно парализует. Многим это знакомо: опыт есть, ресурсы есть, даже ИИ под рукой — а движения нет. Почему? Потому что перед тобой ещё не задача. Это проблема. И их нельзя путать. Разница принципиальная: — задача — это когда ты понимаешь, какие методы применять; — проблема — это когда ты не понимаешь даже этого. И именно здесь происходит основной сбой. ИИ радикально усилил этап решения задач: он пишет код, тексты, отвечает на вопросы. Но он не делает главное: ИИ как автопилот не превращает неопределённость в задачу, ИИ как экзоскелет может это сделать, если человек ведет. Если этот переход не сделан, есть два сценария: либо ступор, либо случайный результат. Поэтому главный навык сейчас — не программирование и даже не работа с ИИ. Главный навык сейчас особенно — это превращать проблему в задачу. То есть разбираться в новой ситуации через системное моделирование и только потом применять инструменты. В этот момент происходит перелом. До этого — перегрузка, прокрастинация, ощущение, что нет сил и непонятно, с чего начать. После — появляется структура, ясность и вместе с ней энергия. Не из-за мотивации, а потому что появляется понимание и восстанавливается контроль над жизнью. По сути, мы не учим навыкам. Мы учим тому, что управляет всеми навыками или работе с неопределённостью и её переводу в действия. И только после этого навыки и ИИ начинают по-настоящему работать.

И последнее, без чего предыдущее не работает, требовательность к себе. Хороший руководитель спрашивает с подчинённых, но в первую очередь с себя, и спрашивает жёстче, чем с остальных. С ИИ это становится особенно очевидно. Ты не можешь требовать от агента качественного результата, если сам формулируешь задачи и рабочие продукты расплывчато. Не можешь требовать выполнения задачи, если сам не определил критерии. Не можешь жаловаться на «среднепопулярные ответы», если сам не вложился в базу знаний. Здесь нужно быть с собой душным. Поймал себя на том, что промптишь по инерции, остановись и переформулируй. Принял результат «на глаз», заставь себя пройти все три уровня проверки. Это неприятно, мозг сопротивляется, всегда хочется срезать угол и иногда сказать "и так пойдет". Но именно эта внутренняя требовательность отличает руководителя, у которого ИИ работает, от руководителя, у которого ИИ создаёт иллюзию работы. С другими людьми эту требовательность можно было размазать: сотрудник дотянет, команда подстрахует. С ИИ дотягивать некому. В сухом остатке: навык работы с ИИ это навык быть руководителем. Понятная нарезка задач, явные критерии приёмки, защищённое личное мышление, качественная база знаний для онбординга и жёсткий спрос с себя самого. Кто это умел до ИИ, тот сейчас взлетает. Кто не умел, тот получил болезненное зеркало. И в этом, мне кажется, хорошая новость. ИИ не создаёт новых требований к человеку, он подсвечивает старые, которые мы давно научились прятать.

Наблюдение из опыта работы с ИИ: навыки руководителя Чем больше я работаю с ИИ, тем чаще ловлю себя на том, что вижу в этой работе свою же руководящую деятельность, только в концентрированном виде. И это, кажется, главный вызов эпохи ИИ для каждого из нас: сможешь ли ты стать хорошим руководителем. С человеком можно было компенсировать слабую постановку задачи «человечностью» сотрудника, общим контекстом, способностью переспросить и догадаться. С агентом так не получится: что сформулировал, то и получил. Плохой менеджер с ИИ остаётся плохим менеджером, только теперь с большей пропускной способностью своей неэффективности. Первое, что обнажается и сразу влияет на общий результат, это нарезка задач. Главный сдвиг в том, чтобы в числе прочего мыслить задачами размером в один ответ модели или одну сессию агента, а не «проектами на неделю». Хорошая задача для ИИ это та, у которой можно за разумное время проверить результат. Если ты не понимаешь, как будешь принимать работу, задача нарезана плохо. И отдельный навык, отличать задачи, которые стоит делегировать ИИ, от тех, которые стоит делать самому. Стратегия, архитектурное решение, разбор конфликта это твоё мыслительное упражнение, делегировать его значит обокрасть себя. А исполнительская работа на знакомой территории, наоборот, должна уходить агенту. Второе это приёмка результата, который строится на различии задачи, работы и рабочего продукта. Здесь нужна дисциплина не доверять. Не в смысле паранойи, а в смысле всегда явного шага верификации. У меня в голове три уровня проверки: поверхностный (структура, формат, нет ли явной чуши), содержательный (соответствует ли решение задаче, нет ли логических дыр) и глубокий, для важных решений (проверка фактов по первоисточникам, сравнение с тем, что сделал бы сам). И отдельно навык быстро браковать, но при этом вести учет сделанных рабочих продуктов. Третье и самое недооценённое это переключение и личная собранность. Когда у тебя параллельно идут несколько Claude Code сессий, чат с моделью, агенты в фоне, узким местом становишься ты сам. Что работает на практике: один первичный фокус в момент времени, даже если фоном крутятся агенты. Между задачами явная пауза и явный вход: что я делаю, зачем, какой ожидаю результат. Без этого получается состояние «весь день что-то делал с ИИ, а к вечеру не понимаю, что сделано». ИИ создаёт иллюзию, что можно делать всё сразу: пока генерится одно, давай начну другое. По факту качество решений падает, и ты становишься узким местом не в скорости, а в качестве суждения. Четвёртое, о чём редко думают на старте. Любому новому сотруднику ты обязан обеспечить доступ к информации, провести онбординг, определить границы: что можно видеть, что нельзя, к каким системам подключён. С ИИ ровно так же. Модель без правильного контекста это новичок без онбординга: она не знает твоих договорённостей, истории решений, специфики предметной области, и её ответы будут «среднепопулярными», а не «твоими». Отсюда практический вывод: нужно всерьёз заняться качественной базой знаний (контекстом). Не «когда-нибудь потом», а как часть руководящей работы. По сути, ты строишь базу знаний для команды людей и агентов одновременно, и это другой уровень требований к качеству и структуре. Пока её нет, большая часть твоего времени уйдёт не на мышление, а на повторное «введение в курс дела» каждого нового агента.

Конец эпохи навыков? Как больше получать? Нужны навыки, нужно учиться и получать опыт. Раньше люди охотно покупали курсы с прикладными навыками, ведь навыки конвертировались в зарплату и карьеру. Сейчас уже всем очевидно, что навыки постепенно забирает ИИ. И стало видно то, что раньше можно было прятать. Проблема «слабого инструмента» исчезла. Появилась проблема «слабого мышления пользователя инструмента». И работодатель замечает это первым. Что остаётся профессионалу? Мышление. Но что это такое и чем оно отличается от навыка? Разница между навыком и мышлением — это разница между задачей и проблемой. Навык решает определённый класс задач. Навык конкретен — мышление универсально. Нельзя быть профи сразу во всем. Я хорошо вожу, готовлю и строю дома, но плохо плаваю или программирую. Мышление работает в условиях неопределённости: помогает выдвигать гипотезы, как проблему перевести в задачу. А уже задачу закрывает прикладной навык, в том числе «руками» ИИ. Пример. Предприниматель говорит: «У нас падают продажи». Это проблема — непонятно, что именно делать. Слабое мышление сразу бросается в задачи, которые ему понятны: запустить рекламу, сделать скидку, переписать лендинг. ИИ с этим справится — быстро и дёшево. Только продажи от этого не вырастут. Сильное мышление сначала разбирает проблему. Что изменилось: рынок, продукт, аудитория, канал, наши процессы? Какие гипотезы объясняют падение? Какую проверить первой и как? И только после этого формулируется задача, которую имеет смысл решать — своими руками или с помощью ИИ. А изменения можно делать на разных уровнях: рынка (сменить аудиторию, поменять позиционирование, отстроиться от конкурентов), продукта (поменять архитектуру, функции или сам продукт), организации (снизить издержки, поставить новые методы работы). Беда в том, что раньше мышление не считалось чем-то явным и востребованным. Зачем напрягаться, если деньги платят за умение только решать задачи? Сейчас становится понятно: ИИ не заменяет человека. Он заменяет профессионала со слабым мышлением. Хорошая новость — мышление можно осознанно развивать. Например, через системную методологию. Она помогает видеть и описывать мир системными понятиями и работать в условиях неопределённости с разными профи — будь то биологический или искусственный агент.

Адаптивная персонализация Слово «персонализация» стало затёртым. Любой сервис обещает «персональный опыт» — и под этим обычно скрывается что-то вроде «мы запомнили твоё имя» или «показываем рекламу по интересам». Я сам долго смешивал разные вещи под одним словом, пока не разобрался, что за «адаптацией под человека» стоят три принципиально разных механизма. Они работают на разных слоях, их нельзя путать — иначе чинишь не то место, когда что-то идёт не так. Первый механизм — персонализация. Платформа адаптирует контент под тебя в реальном времени, на основе того, что о тебе знает. Ты заполняешь профиль: кто ты, чем занимаешься, какие цели, что уже умеешь. Эти данные хранятся в цифровом двойнике. Когда система генерирует урок, дайджест или рекомендацию, она читает этот двойник и строит ответ под конкретного человека. Не усреднённый ответ для «целевой аудитории», а именно под тебя. В нашей платформе это уже делают несколько ролей: Консультант выдаёт персональные ответы с учётом твоего профиля, Навигатор строит персональную траекторию, Оценщик проверяет задания в контексте твоего уровня. Отдельно тестируется роль Портного, который создаёт персональное руководство целиком, выстраивая маршрут развития под конкретного человека. Тест систематичности определяет твоё состояние (хаос, тупик или поворот) и под каждое меняется стиль изложения, сложность заданий, тематические приоритеты в ленте. Второй механизм — индивидуализация. Не платформа адаптируется под тебя, а ты сам настраиваешь свою среду. В IWE (Intellectual Work Environment — персональной интеллектуальной рабочей среде) это означает: берёшь шаблон экзокортекса, форкаешь и развиваешь его под себя. Меняешь протоколы под свой ритм, добавляешь правила, создаёшь Pack личных знаний. Система становится твоей не потому что алгоритм так решил, а потому что ты сам так выбрал. Персонализация — это гостиничный сервис («мы знаем, что вы предпочитаете»). Индивидуализация — это своя квартира, которую ты обставил как хочешь. Третий механизм — адаптивность. Система не просто знает тебя здесь и сейчас, она меняет своё поведение со временем на основе обратной связи. Ты прошёл урок, ответил на вопросы — система пересчитала вероятность того, что ты действительно усвоил материал. Через неделю предложит повтор именно тех понятий, где вероятность упала ниже порога. За этим стоят BKT (Bayesian Knowledge Tracing) и HLR (Half-Life Regression). BKT обновляет вероятность знания после каждого ответа. HLR моделирует забывание: у каждого понятия своя «полужизнь» в памяти. Это математическая модель состояния знаний конкретного человека, которая обновляется в реальном времени. Разница: персонализация знает, кто ты; адаптивность знает, что ты уже знаешь и когда это забудешь. Почему важно называть три вещи тремя словами? Когда что-то не работает, нужно понимать, в каком слое проблема. Платформа предлагает нерелевантный контент — смотришь в первый механизм: данные в цифровом двойнике неполные. Человек не может встроить инструмент в свой ритм — второй: среда недостаточно гибка для кастомизации. Материал забывается и не повторяется вовремя — третий: адаптивности нет или она плохо откалибрована. Где мы сейчас? Персонализация реализована: профиль, тест систематичности, роли Консультанта, Навигатора и Оценщика работают, Портной тестируется. Индивидуализация реализована на уровне шаблона IWE: форк, params.yaml, extensions. Адаптивность — на стадии проектирования: архитектура цифрового двойника поддерживает нужные данные, метамодель BKT/HLR описана, осталось реализовать вычислительный слой. Вероятно, большинство платформ реализуют только первый механизм. Все три вместе — персонализацию, индивидуализацию и адаптивность — осознанно строят мало кто: это требует другой архитектуры, где не только алгоритм принимает решения, но и сам человек управляет своей средой. Это и есть суть IWE: не «умный сервис, который всё знает про тебя», а среда, которую ты можешь сделать своей — и которая при этом становится умнее со временем.

Работа с ИИ: на что обращать внимание Когда люди говорят про ИИ-агентов, то чаще всего мешают в одну кучу три совершенно разные вещи. Из-за этого возникают и ложные ожидания («сейчас возьму Claude Code — и всё поменяется»), и разочарования («попробовал, не помогло»), и неправильные вопросы («а какой агент лучше?»). Стоит разобраться, что важно, когда работаешь с ИИ. Первый слой — это LLM-модель от вендора. Claude, GPT, Gemini — это конкретные сущности, у каждой из которых свои возможности, ограничения, особенности поведения в выдаче информации. Она давно универсальные ответы, что для 80% случаев достаточно. Но чтобы модель хорошо работала в конкретной задаче, её нужно дообучить или настроить под вашу ситуацию. Это дорого, требует данных и технической экспертизы. Большинство людей берут модель как есть: универсальную, с базовыми возможностями от вендора. Они следят за релизами, сравнивают бенчмарки, спорят о том, кто лучше. Хотя для личного или профессионального проекта это, как правило, вопрос наименьшей важности. Второй слой — это методы и роль, в которую поставлен ИИ-агент на конкретной LLM-модели. Одна и та же модель может работать как ментор, как аналитик данных, как редактор текстов, как архитектор систем. Роль часто задаётся через промпт: что должна делать ИИ-система, какие способы применять, как отвечать и тп. Тут уже не вопрос модели, это вопрос того, как вы настроили работу с ней. Здесь начинается то, что называется «умением работать с ИИ». Умные модели иногда сами выбирают подходящую роль, но только там, где задача достаточно типовая. В узких профессиональных областях универсальная ИИ-система работает плохо, и тогда приходится задавать роль явно. Кстати, когда кто-то говорит «я создаю ИИ-агента» или «обучаю ИИ», чаще всего речь идёт именно об этом: о настройке роли и методов работы под конкретную область. Это не совсем создание агента в полном смысле, скорее точная настройка вендорской модели под определенный тип задач. Но именно здесь можно получить первое реальное преимущество по сравнению с универсальной моделью «как у всех». Третий слой — это контекст. И вот здесь самое интересное. Представьте: у вас есть доктор-светило. Настоящий специалист. Самый лучший. Он и роль свою знает, и методы применяет современные. Вы приходите к нему, садитесь напротив и говорите: «Вылечи меня». Без анализов. Без истории болезни. Без симптомов. Просто «вылечи». Что он может сделать? Как бы хорош он ни был — без контекста он ничего не сделает. Никакой профессионал в любой сфере не даст результат, если не будет третьего: контекста, в котором ему нужно действовать. С ИИ точно так же. Слабая модель с лучшим методом и хорошим контекстом даст лучший результат, чем любая сильная модель без контекста. Без контекста вы всегда получаете универсальный ответ. Для бытовых задач это нормально, но для профессиональной деятельности — недопустимо. При этом большинство внимательно следит за выбором модели, хотя это вопрос третьего порядка. Внимание большинства перевёрнуто с ног на голову. Но здесь возникает следующий вопрос, который обычно остаётся за скобками. Передать контекст — это ещё полдела. Сначала нужно его вычленить из собственного опыта. У человека это работает через память: годами накапливается профессиональная интуиция, понимание того, что важно, а что нет, какие решения работали, какие нет. Это знание живёт в голове — неявное, не записанное, не структурированное. С ИИ этот механизм не работает. Каждый новый разговор как чистый лист. ИИ вендора не особо помнит, что вы обсуждали вчера, какие решения принимали на прошлой неделе, какой контекст уже был передан раньше. Значит, возникает отдельная задача: не просто иметь контекст, а уметь его фиксировать, хранить и поддерживать актуальным. Это отдельная большая работа, которую делает наша собственная память. Теперь её нужно вынести наружу — в базу знаний, в структурированные документы, в систему, которая живёт рядом с ИИ. Но при этом еще постоянно обновляется по мере того, как меняется ваш опыт и ваши задачи. Разговор про ИИ становится продуктивным когда во внимании эти три объекта.

Как устроить учёт персональных данных в ИИ-среде: "парламент" вместо "президента" Чтобы получить качественного ИИ-помощника, нужно дать ему больше данных о себе: проекты, здоровье, семья, финансы, карьера. Государства и вендоры уже собирают информацию о нас, в том числе чтобы предоставить услуги. Этот тренд неизбежен. Однако каждый, наверное, в страшном сне видит, что все его данные окажутся в одном месте и будут доступны одному ИИ. Пусть даже если он собственный помощник. Я нашёл аналогию, которая решает эту проблему. 20 лет назад мы с Анатолием Левенчуком, Виктором Агроскиным и группой коллег проектировали архитектуру электронного государства в проекте «Электронная Россия». Главная идея: разделить управление информацией на три института — учёт, доступ, аудит. Каждое ведомство ведёт учёт строго в своих границах. Отдельный институт регулирует, кто к чему имеет доступ. Третий проверяет, что правила соблюдены. Разделение властей, но не для страны, а для информации. Эта триада, вероятно, объясняет, как должен быть устроен персональный ИИ-помощник будущего. Ваши данные распределены по доменам: здоровье, финансы, образование, семья, карьера. В каждом домене — свой изолированный ИИ-агент, который имеет доступ к физически распределенным данным. Медицинский агент знает результаты анализов, но не видит банковский баланс. Образовательный знает прогресс в курсах, но не знает диагнозы. Один факт живёт в одном месте, но доступен для определённых сценариев — и все действия журналируются. Вы, как парламент, определяете правила: какой агент к каким данным имеет доступ, при каких условиях, в каких сценариях. ИИ-помощник реализует эти правила и следит, чтобы данные не утекали. Координатор маршрутизирует запросы между доменами, но не хранит данные — как президент в парламентской республике, который не может единолично получить любую информацию. Верификатор проверяет в изоляции — как аудитор, который проверяет бухгалтерию, но не ведёт её. Минимум агентов = число доменов + 2 (координатор и верификатор). При пяти доменах — минимум семь изолированных агентов. Один агент может исполнять разные роли (стратег, аналитик) внутри своего домена, но физически не видит чужие домены. Не доверие одному агенту, а архитектурные гарантии. Парламент и распределённые ведомства вместо президента с неограниченной властью. ___ Полный пост в клубе.

Конкуренция больше не между специалистами. Она между специалистами вместе с их ИИ-помощниками. На рыцарском турнире нужен конь, копье и свои мозги. Я через своего помощника проектирую платформу и учусь, пишу код и посты, управляю командой и анализирую прогресс. Один человек + один ИИ-помощник делают то, что раньше требовало трёх-четырёх специалистов. Работать голыми руками и головой в 2026 году это как пахать поле без трактора. Можно, но зачем. Но ИИ-помощника нужно создать и постоянно развивать. Отныне мы с ним неразлучны и он всегда со многой, всегда советуюсь с ним, потому что это вторая часть меня. Голый ChatGPT или Claude без вашего контекста и формализованного опыта — это как блестящий новичок в первый рабочий день: умный, но бесполезный. В чем сила моего помощника по сравнению с другими и почему я не жду вендоров? Потому что вендоры дают "умную болванку", далее я развиваю его, прививая в числе прочего системное мышление. Оно даёт каркас, на который нанизываются все остальные знания. Без каркаса наш опыт, базы знаний, заметки и промпты остаются кучей, которая не масштабируется. И даже крутые болванки не особо помогут выиграть конкуренцию (у всех будет то же самое). Я за пару месяцев прошел большой путь. Еще в январе я считал, что исполнилась моя мечта — я сделал бота и ДЗ-чекер на платформе. Это как велосипед, а сейчас я сделал автомобиль. И вот что изменилось: каждый может подключить помощника теперь за 5 минут из браузера Claude.ai, без знания ИТ. А дальше вместе с ним расти всю жизнь. Будет нужны 2 подписки: подписка на знания МИМ (сейчас ~$10/мес и эта стоимость фиксируется навсегда пока есть автопродление, позже ~$40/мес) + подписка на ИИ-агента (Claude, GPT). Я хотел бы сделать так, чтобы этого было достаточно для любого человека, чтобы непрерывно развиваться от школьного возраста до профи. Это позволит быть востребованным, потому что через такого ИИ-помощника мы (МИМ) дадим персонально настроенные программы для фундаментального образования (без вуза) и прикладного мастерства. Подробнее о том, как подключить 👉 ссылка на пост в клубе. Я пока еще не могу говорить, что это полностью продуктовая и профессиональная разработка, но это уже хорошая первая версия. И я буду рад обрадовать всех, кто поверит и воспримет ее всерьез.