Что делать сначала?
رفتن به کانال در Telegram
Пишу о том, как делать важное и меньше тревожиться через рефлексию, AI и системы, которые поддерживают. Консультации: @skitnik
نمایش بیشتر1 448
مشترکین
-124 ساعت
+17 روز
+630 روز
در حال بارگیری داده...
کانالهای مشابه
ابر برچسبها
اشارات ورودی و خروجی
---
---
---
---
---
---
جذب مشترکین
ژوئیه '26
ژوئیه '26
+11
در 0 کانالها
ژوئن '26
+30
در 0 کانالها
Get PRO
مه '26
+24
در 0 کانالها
Get PRO
آوریل '26
+86
در 0 کانالها
Get PRO
مارس '26
+34
در 0 کانالها
Get PRO
فوریه '26
+26
در 0 کانالها
Get PRO
ژانویه '26
+41
در 1 کانالها
Get PRO
دسامبر '25
+39
در 0 کانالها
Get PRO
نوامبر '25
+44
در 1 کانالها
Get PRO
اکتبر '25
+44
در 1 کانالها
Get PRO
سپتامبر '25
+31
در 0 کانالها
Get PRO
اوت '25
+37
در 1 کانالها
Get PRO
ژوئیه '25
+48
در 0 کانالها
Get PRO
ژوئن '25
+84
در 0 کانالها
Get PRO
مه '25
+44
در 2 کانالها
Get PRO
آوریل '25
+57
در 0 کانالها
Get PRO
مارس '25
+107
در 1 کانالها
Get PRO
فوریه '25
+84
در 3 کانالها
Get PRO
ژانویه '25
+145
در 1 کانالها
Get PRO
دسامبر '24
+114
در 2 کانالها
Get PRO
نوامبر '24
+172
در 3 کانالها
Get PRO
اکتبر '24
+113
در 0 کانالها
Get PRO
سپتامبر '24
+90
در 2 کانالها
Get PRO
اوت '24
+96
در 0 کانالها
Get PRO
ژوئیه '24
+32
در 1 کانالها
Get PRO
ژوئن '24
+244
در 1 کانالها
Get PRO
مه '24
+47
در 1 کانالها
Get PRO
آوریل '24
+87
در 0 کانالها
Get PRO
مارس '24
+157
در 0 کانالها
Get PRO
فوریه '240
در 1 کانالها
Get PRO
ژانویه '24
+128
در 0 کانالها
| تاریخ | رشد مشترکین | اشارات | کانالها | |
| 13 ژوئیه | +2 | |||
| 12 ژوئیه | 0 | |||
| 11 ژوئیه | 0 | |||
| 10 ژوئیه | +1 | |||
| 09 ژوئیه | +1 | |||
| 08 ژوئیه | +1 | |||
| 07 ژوئیه | +1 | |||
| 06 ژوئیه | +1 | |||
| 05 ژوئیه | +2 | |||
| 04 ژوئیه | 0 | |||
| 03 ژوئیه | +1 | |||
| 02 ژوئیه | +1 | |||
| 01 ژوئیه | 0 |
پستهای کانال
Study and learn
У ChatGPT есть спрятанный и недооценённый режим - он вызывается через прописывание @Study в диалоге.
Любые наши вопросы обычная модель стремится быстро упаковать в готовые ответы и шаблоны, что создаёт ощущение эффективности в моменте, но долгосрочно приводит к постепенному cognitive offloading и делегированию способности думать. Около года назад ChatGPT добавили “Study and Learn”, режим, который старается не давать нам делегировать весь процесс мышления, педагогически определяет наши задачи, задаёт хорошие вопросы (а не для галочки, как обычные модели).
Последнее время всё чаще им пользуюсь. Рекомендую, если вы часто приходите с вопросами типа:
• объясни концепт
• как это работает?
• хочу понять
• хочу освоить навык
• в чём отличие?
Я использую этот режим в супер разных сценариях:
• перед началом чтения книг, когда нужно оценить свой уровень понимания темы, особенно, когда понимаю, что книга на вырост и сложная.
• когда нужно решить сложную рабочую задачу, с которой я не сталкивался + мне нужно хорошо подумать
• когда нужно освоить какой-то навык. Например, недавно с ним учился писать музыку в новом для меня стиле, он хорошо помог не только механически увидеть где должна стоять бочка, где хэты, но и понять, почему оно работает именно так
• самое неожиданное - когда нужно сделать саммари видео, большой статьи или даже книги. Я змечаю, что саммаризация контента языковыми моделями не особо работает, потому что создаёт только поверхностную иллюзию понимания. А когда инструмент просит сформулировать идею, мысль - становится сразу понятно, где я плаваю, а где норм.
Короче, это универсальный инструмент для того, чтобы включаться в работу. И, конечно, очень показательно, что ChatGPT так глубоко спрятали этот режим в своём интерфейсе. В 2023 году казалось, что LLM изменят опыт обучения, но они довольно быстро сдались - видимо, в среднем пользователи лучше реагируют на быстрые ответы, подхалимство и понятные чек-листы на выходе. А инструмент Study and Learn только лишнее место занимал.
| 2 | Как меняется время и работа
Можно бесконечно спорить, даёт ли AI прирост в эффективности, но одно очевидно уже сейчас - AI меняет саму структуру работы.
Сегодня на философском семинаре вспоминал времена, когда работа включала в себя большой объём рутинных действий. Например, пока готовишь презентацию, долго выбираешь картинки, выравниваешь заголовки, вёрстку, редактируешь и вычитываешь тексты. Сегодня это всё делается одним запросом в чатик с LLM.
Кажется, на общем воодушевлении от новых возможностей, мы ещё не осознали, чего лишаемся. Тема сегодняшней встречи была “присвоение времени”, и именно про влияние новой природы работы на время (или, точнее, на индивидуальный темпоральный режим) сегодня стоит подумать отдельно.
Рутинные задачи внутри интеллектуально сложной работы обычно давали два бонуса:
• позволяли ментально отдохнуть,
• давали пространство подумать.
Сейчас легко превратиться в оператора языковой модели 24/7 - это режим работы, когда человек не столько выполняет задачу, сколько постоянно обслуживает цикл работы модели: пишет запрос, ждёт, проверяет результат, исправляет, уточняет, снова запускает модель. В таком цикле сложно понять, где работа начинается, где её конец (наверное, когда пятичасовые лимиты заканчиваются). Да и кто из нас не запускал агентов на ночь, не проверял результаты работы во время прогулок?
LLM ломают прежнюю темпоральность работы. Вопрос, который сегодня встаёт: что делать в эти 5-15-30 минутные промежутки времени, пока AI выполняет задачу? Эти отрезки времени слишком короткие для глубокой работы, тревожные для отдыха, подвешенные отвлечения.
И проблема не в том, как продуктивно использовать паузы пока агент выполняет задачи - а в том, как не поехать кукухой как жить, когда весь наш рабочий день превращается в непрерывную цепочку подвешенных задач и пауз. Джуди Вайсман в книге "Времени в обрез" описывает, как постоянная подключённость, требование быть всегда онлайн, дробит день и повышает общую тревожность.
AI выкручивает эту включённость на максимум, потому что сейчас всё сложнее ответить что-то вроде “я отправлю эту презентацию через два дня”. | 540 |
| 3 | Почему мы продолжим ходить на конференции?
У профессиональных конференций сегодня сложная ситуация. Если вам нужен контент с конференции, то достаточно скопировать программу и тезисы докладов, попросить AI-агента сделать глубокий ресерч, а потом, например, дать доступ к своей базе знаний и попросить отсеять нерелевантное. Я периодически провожу такое упражнение, и в большинстве случаев (даже по хорошим конференциям) получаю результат лучше, интереснее и глубже, чем то, что рассказывают в докладах.
Но конференция выполняет также важную роль синхронизации с рынком: узнать, о чём все говорят, какие задачи ставят перед собой коллеги и что всех беспокоит. Эта синхронизация происходит, конечно, не через прослушивание докладов.
Например, сейчас на конференциях много докладов о том, как все внедряют бесконечное количество AI-агентов, повышают производительность и экономят кучу ФОТа. Самое полезное, что можно вынести с таких докладов - это реакция слушателей. Там выясняется много интересного: например, что в других компаниях вообще не так, что все устали от AI или вообще не открывали Claude Code, что люди скрывают факт использования AI и вообще есть много нюансов, почему описанное в докладе никогда не сработает.
Интернет вообще превратил конференции в большие площадки для пиара. Как бы программные комитеты ни старались, люди и компании стремятся выглядеть лучше, даже если вставляют слайд «наши ошибки и факапы», и это долго отрывало нас от реальности.
Конференции сегодня меняются, организаторы уже не могут игнорировать конкуренцию с AI за доступ к информации, придумывают для себя разные стратегии трансформации форматов: обычно это про ориентацию на практику, воркшопы, нетворкинг и просто развлекательные интерактивы для выгорающих сотрудников.
Мне кажется, конференция должна вернуть себе основную функцию коллективной калибровки представления о реальности. Что у всех ломается? Какие практики больше не работают? Какие управленческие иллюзии существуют? Какие новые конфликты между ролями и бизнесом нарастают?
Если после конференции вы можете ответить себе на эти вопросы - конференция прошла успешно. | 714 |
| 4 | Сначала нужно снизить FOMO
Если вы только сегодня решили оплачивать подписку на ChatGPT, вкатываться в вайбкодинг, если вы понимаете, что ваша команда даже не начинала системно внедрять AI в процессы, самый первый шаг - снять FOMO.
Сколько бы громких слов не звучало в ютуб-видео, со сцен на конференциях, на лендингах курсов и тренингов - к 2026 году в сфере AI не произошло ничего, что нельзя было бы освоить за полтора часа погружения в теорию (которую можно спросить у того же чатика) и сразу же начать получать практические результаты.
В моей работе после базового знакомства с Codex начинают вайбкодить и автоматизировать простые процессы люди, которые до этого использовали бесплатную версию ChatGPT / которые последний раз видели код на университетских лабах на информатике / которые никогда не работали с архитектурой IT-сервисов и автоматизациями.
На самом деле, чтобы научиться базовому вайбкодингу, нужно просто поставить Codex, попросить помощи у коллеги, который это сделал чуть раньше. Но люди месяцами и годами откладывают это решение, потому что считают, что это сложно.
Причина - общее инфополе создаёт много лишнего шума. Доклад "я просто включил клод код и решил с ним 90% задач" сложно превратить в какой-то красивый сторителлиг для конференции и, тем более, дорогой образовательный продукт - поэтому тут и появляются "мультиагентные системы", "клешни", "хермесы", “mcp”. Это всё, конечно, важно и нужно, но не для 99% пользователей.
Короче, на деле обычно всё просто: скачайте claude code, codex, заплатите 20$ и попробуйте уделить этому час сфокусированного времени. Если что-то не получается - спрашивайте у AI. Если всё-таки упрётесь, начнёте тонуть в инструментах, не поймёте, с какой задачи начать, захотите пройти этот путь быстрее - ищите курсы или консультации. | 914 |
| 5 | Заметки на встречах - это промпт
В основном я пишу заметки на встречах руками, и замечаю, что эти заметки всё чаще похожи на хороший промпт для LLM.
Например, приходят со мной поконсультироваться, а я понимаю, что, вместо звонка, мы можем собрать прототип. На встрече я пишу заметки, паралелльно отправляю их в Codex, продолжаю брифовать - к середине встречи у нас есть готовый прототип решения, который мы смотрим и итеративно дорабатываем. Это не обязательно про готовый сервис, код - это могут быть гипотезы решения задачи, прототип продукта, описание проекта и так далее.
Это же происходит, когда я фасилитирую командные встречи, мозговые штурмы, стратегические сессии - пока участники придумывают гипотезы или выясняют проблематику, я закидываю результаты в LLM, прошу структурировать и подсветить слепые зоны, показать, как может выглядеть решение.
В итоге, не дожидаясь следующей встречи, мы смотрим на прототип решения и быстрее добегаем до результата.
Как у меня это работает:
• перед встречей или в начале я формулирую цель встречи так, чтобы она была понятна LLM: “Мы хотим получить гипотезы развития продукта”.
• во время встречи я пишу заметки в сам Codex и делаю пометки для LLM: “вот здесь нужно провести факт-чек предпоссылок”, “здесь нужно расширить”, “здесь нужна критика идей”.
• в середине встречи я отправляю в LLM получившийся промпт, показываю экран, смотрим и обсуждаем решения.
• после встречи прошу оформить постмит, основываясь на моих заметках и промежуточному результату.
В итоге, включение AI во встречи зачастую приводит к снижению бесполезной бредовой работы, уменьшению ожидания согласований, фидбэка, и быстрее приводит нас к тому, ради чего рабочие встречи (в идеале) изначально и ставятся - прийти к какому-то решению и сделать работу. | 889 |
| 6 | 📍 4–5 июня 2026
📍 Москва + онлайн-участие
В управлении командами и процессами часто повторяются одни и те же сценарии: решения затягиваются в череде согласований, договоренности не выполняются, синхронизация съедает время и не приносит результата.
Как решают эти проблемы в других компаниях?
Разбирать будут на PeopleSense’26 — конференции об управлении командами, процессами и собой. Организаторы — команда ProductSense.
Среди спикеров — руководители из «Авито», «Сбера», «Циана», «МегаФона», Dodo Brands.
В выступлениях и на мастер-классах они расскажут, как справляются с управленческими вызовами:
— управляют командой в условиях постоянных изменений;
— внедряют ИИ в рабочие процессы без потери контроля;
— выстраивают в команде культуру, которая работает на общие цели.
Всего в программе — 50+ докладов и мастер-классов, объединенных в 5 треков:
— Современное лидерство
— Операционка и процессы
— Культура и коммуникация
— Личная эффективность
— ИИ-инструменты
Плюс организованный нетворкинг, активности от партнеров и вечерняя программа.
👉🏻 Посмотреть программу и спикеров | 364 |
| 7 | Бернар Стиглер, короткие цепи и AI
Перевёл с помощью Claude Code книгу философа Бернара Стиглера для чтения на философском кружке.
Стиглер развивает идею фармакона - техника может быть и ядом, и лекарством. Техника скорее вредит, если провоцирует короткие цепи (быстрый контент, скроллинг, импульсивные покупки) и полезна, если порождает длинные (письмо, мышление, чтение). Сам перевод книги искусственным интеллектом - хорошая иллюстрация этой мысли.
Около года я пробовал погружаться в философию Бернара Стиглера через диалоги с моделями: просил структурировать идеи, показать концепции, рассказать о них больше. Это было малополезно, потому что я делал всё, кроме самого важного - длительного погружения в непростой текст.
Вообще, я уже давно признался себе, что с этим вайбкодингом и доступом к сильным моделям в какой-то момент я стал меньше читать и думать. В моделях по дефолту слишком много “коротких цепей”, быстрых убедительных результатов, из-за чего пропадает та фрустрация от незнания, которая и порождает “длинные цепи”. Ведь проще запустить диприсерч и каждый рза ощущать себя чуть умнее (чем по несколько раз перечитывать один абзац и приходить к мыслям, что философия - не моё).
Когда же я читаю переведённую (даже искусственным интеллектом) книгу, у меня запускается совсем другой процесс, длинная цепь, которая не возникает при диалогах с LLM: я думаю про прочитанные идеи в разговорах в течение дня, пока пишу посты, готовлюсь к философскому кружку, и это всё происходит фоном.
Сейчас я отключил у клода память, возможность читать соседние диалоги, не использую модели параллельно с чтением, пишу философский дневник, думаю во время прогулок без AI (короче, просто включаю свой thinking), и это частично вернуло прежнюю фрустрацию, которая была ещё пару лет назад. Да что там, несколько месяцев назад, до клод кода и opus моделей :) | 832 |
| 8 | Мета-подхалимство
Услышал в одном разговоре, что люди не любят подхалимство AI-моделей и через несколько недель доброжелательных ответов находят кнопку смены “характера” чата на более нейтральный.
Я думаю, мы не любим только явное подхалимство, а скрытое - пожалуйста!
Раньше мне казалось, что с помощью кастомных настроек можно сделать так, чтобы модель расширяла картину мира, помогала сохранять напряжение, разрывы между вопросом и ответом, и в целом сопровождала мои исследования, а не вела их. Или, хотя бы, не выглядела бы чересчур поддерживающей.
Не получилось. Исследования, в целом, показывают, что подхалимство - это структурное свойство модели, и никаким стилистическим промптом это не исправляется. Слишком много лайков мы поставили “дружелюбным” ответам на этапах реинфорсмент-лернинга.
Сейчас я понимаю, что сам вопрос "можно ли запромптить языковую модель так, чтобы она была критически настроенной и менее вредной для мышления?” - изначально ошибочен. Sycophancy (подхалимство) как свойство неустранимо (у лабораторий нет такого интереса, сколько бы антропики про это не писали в своих исследованиях). Более интересный вопрос: почему мы вообще склоняемся к хвалебным ответам от AI? И часто оказывается, что подхалимство - это просто удобный способ передать в AI часть своей агентности и снизить тревогу, снять существующие напряжения.
Поэтому, всё, что нам остаётся - создать вокруг AI практики повышения собственной агентности. Чаще всего это простые практики медленного чтения, письма, живого обсуждения с людьми, которые вообще никак не связаны с настройкой моделей.
Так, например, был написан этот пост: какое-то время я обсуждал эту тему на философском кружке, в разговорах, встретил тейк про отключение дружелюбного тона, внутренне оспорил, выгрузил все свои мысли в LLM, спросил, кого мне ещё почитать на эту тему и, в итоге, через какое-то время дописал сам пост.
Теперь можно и клоду отправить - пусть меня похвалит. | 844 |
| 9 | Долго ждать не пришлось, с обновлением модели Claude добавили в интерфейс Adaptive thinking. Раньше был Extended thinking. Это значит, что теперь модель в чате будет глупее, потому что наши вопросы не связаны с математикой или, например, написанием кода. Модель сама решит, стоит ли вопрос глубокого мышления или нет.
В целом, интересно наблюдать, как Anthropic следует за Open AI и постепенно закручивает лимиты, отупляет модель и внедряет у себя те же стрёмные паттерны. Но это неизбежно.
Всегда важно держать в голове, что сегодняшние модели такие дешевые, потому что они всеми способами стремятся проникнуть в наши бизнес-процессы и стать незаменимыми. Про это хорошо написал ещё в 2023 Янис Варуфакис в “Технофеодализме”.
Выходов из складывающейся ситуации немного (почти что нет):
1) Я всем (не разработчикам, не для кодинга) рекомендую переходить с чатов на coding assistant вроде Claude Code или Codex - там всё ещё есть более ручная настройка effort/thinking и можно пользоваться тем, за что мы на самом деле платим.
2) Можно чаще использовать локальные модели - они становятся всё доступнее. Например, транскрибация аудио отлично работают на телефоне и на ноутбуке.
3) Не привязываться к одному провайдеру. В целом, благодаря п. 1 это и получается - если все диалоги с LLM у вас лежат локально, то стоимость перехода с Claude Code на Codex будет практически нулевая, в отличие от экспорта чатов. | 0 |
