fa
Feedback
Что делать сначала?

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 بیشتر
1 444
مشترکین
+124 ساعت
-17 روز
اطلاعاتی وجود ندارد30 روز
جذب مشترکین
ژوئن '26
ژوئن '26
+18
در 0 کانال‌ها
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
18 ژوئن+1
17 ژوئن+1
16 ژوئن+1
15 ژوئن+2
14 ژوئن0
13 ژوئن+1
12 ژوئن0
11 ژوئن0
10 ژوئن+1
09 ژوئن+1
08 ژوئن0
07 ژوئن0
06 ژوئن+2
05 ژوئن0
04 ژوئن+1
03 ژوئن+1
02 ژوئن+1
01 ژوئن+5
پست‌های کانال
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.

2
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.
462
3
📍 4–5 июня 2026 📍 Москва + онлайн-участие В управлении командами и процессами часто повторяются одни и те же сценарии: реше
📍 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
4
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
5
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
6
Долго ждать не пришлось, с обновлением модели Claude добавили в интерфейс Adaptive thinking. Раньше был Extended thinking. Эт
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
7
Дарк паттерны провайдеров языковых моделей Если посмотреть на среднего пользователя двадцатидолларовой подписки языковых моделей - это человек, который изредка переключается на думающие модели, не использует глубокие исследования, скиллы, кодинг-агентов, один раз за всё время настроил кастомные настройки, использует “проекты” как склад для сбора чатов по одной теме, а не дообучения. Короче, освоил функционал 2024 года и дальше не сдвинулся. Значительная часть моих индивидуальных консультаций про внедрение AI в жизнь и работу больше похожа на качественный онбординг, который, по хорошему, должны бы закрывать провайдеры этих языковых моделей. Как показывает практика, от базового использования AI на уровне “более быстрого гугла” до реально полезного инструмента в рабочих задачах - несколько промптов и примеров, релевантных контексту пользователя. Задумался, почему они этого не делают. Прочитав пару ресерчей, почитав анонсы новостей и маркетинговые материалы, я сделал вывод, что провайдерам просто выгоднее показывать, что их AI - супер простой инструмент, который работает с первого промпта, где особые навыки вообще не требуются. Любой намёк на то, что придётся включить голову чтобы получить реальную пользу, а не плацебо, значительно снизит конверсию в частого пользователя - пользователи уйдут туда, где попроще. А дальше, если пользователь всё-таки купил подписку и не использует deep research и ризонинг модели, то, это же отлично, нечего и начинать! Вокруг этого Open AI, например, выстроили кучу дарк паттернов: периодические сбросы модели на instant режим, ослабленный ризонинг, сокрытие объма оставшихся токенов. Поначалу я сильно удивлялся, что моя подписка на Claude стоит всего 100$ (а я, как правило, не дохожу до 100% утилизации токенов). Я не мог понять, как у них сходится экономика, ведь для моих ежедневных задач они дают практически безлимитный доступ к самым сильным моделям. Но сейчас я понимаю, что это работает по модели фитнес-клубов: продал 1000 подписок - активно используют 100. По сути, сегодня можно получить огромное преимущество просто освоив не самый сложный инструмент на уровне чуть выше среднего. Хотя, когда-то мы ведь это уже проходили :)
0
8
Генеративный творческий продукт Часто в спорах “считается ли AI творчество за творчество” я слышу один аргумет вроде: “Творчество с AI - это настоящее творчество, ведь я три дня сидел и выбирал какой из сотни сгенерированных треков лучше звучит. И у меня в результате получился альбом. Я потратил время и даже получил удовольствие” Я считаю, конечно, что такой процесс - никакое не творчество даже близко. Брайан Ино в своей книге “what art does” определяет творчество как “a way of making feelings happen”. А эти “производимые чувства” сильны и работают, потому что их сложно артикулировать. Это что-то неконтролируемое, что-то, что случается с нами. Но когда мы генерируем трек или изображение генеративными моделями, мы буквально пытаемся выразить словами и заказать творческий продукт. У философа Андреаса Реквица есть термин “curated life”. И это ближе всего описывает то, что делает человек, заказывая “свой альбом” в Suno. Я вспоминаю, как во времена социальной сети вконтакте люди собирали себе красивые плейлисты, сохранёнки, держали их открытыми (ну, где-то до 2014) и через это всячески пытались самовыражаться. Это всё можно считать перформативным потреблением, которое, как и генерация музыкальных отрывков через модели, с творчеством имеет мало чего общего. Генерация, поиск, оценка, выбор, публикация. И если в 2014 году не было никакой претензии на творчество при сохранении понравившихся картинок вконтакте, то почему сегодня мы спорим про AI? Всё из-за того, что продакт-менеджеры и маркетологи поменяли кнопку “save” на “create”? Или в сгенерированных альбомах действительно есть что-то не артикулированное промптом?
0