Что делать сначала?

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.

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.

📍 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

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 :)

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.

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.

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 :)

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?

Дорогая пауза В какой-то момент мне показалось, что я решил прочитать все книги и пройти все курсы во всех сферах корпоративной жизни - от коучинга до продакт менеджмента. Во-первых, не рекомендую. Книжки и обучения - это мой способ избегания реальности, до психотерапии я этого просто не замечал. Во-вторых, я начал подозревать, что большая часть профессиональных софт-скиллс курсов, курсов по методологиям “как делать работу эффективнее” выполняют одну простую задачу: Помочь обучающемуся сделать паузу в корпоративной системе, которая в обычной жизни эту паузу не даёт. И через эту паузу включить у человека рефлексивное мышление. Если бы у людей было время регулярно осмыслять свои рабочие процессы, говорить друг с другом, с клиентами, смотреть вокруг - большинство курсов по стратегиям, развитию продуктов, командных курсов просто потеряли бы свою актуальность. Французский философ Бернар Стиглер называет это пролетаризацией - утратой "знания-как-делать”, "знания-как-жить" и “знания-как-мыслить”. Это когда навык управлять своим временем переносится на таск-трекеры, навык кооперироваться с людьми - на корпоративные ритуалы, а принимать решения сегодня получается только смотря на данные и анализ языковых моделей. Конечно, в таких условиях корпоративные обучения работают. В погоне за KPI всегда полезно сделать паузу и немного подумать. Но главный вопрос здесь - что остаётся с системой после обучения, может ли двухдневный тренинг или трёхмесячный курс как-то повлиять на большие неповоротливые системы.

Личная база знаний и AI Это тезис, который я не устаю проговаривать. Информации становится много - и управлять ею всё сложнее. За один запрос к LLM сегодня можно получить любую методологию, конспект книги, фреймворк. И даже попросить AI запомнить в SKILL.md, агент выучит, будет придерживаться правил. Но, по большому счёту, это создаёт только видимость понимания. Автоматизация, но не аугментация. У меня в Obsidian почти 4000 заметок, и я до сих пор туда не пустил AI для добавления новых заметок - только read-only права. Я осознанно пишу заметки вручную, потому что это в них моя рефлексия, мои наблюдения. Некоторые заметки пишутся днями, неделями, месяцами, но именно эта медленная работа наибольший эффект. И эти заметки чаще всего я использую как контекст для агентов. А их за последнее время стало много. Сейчас учусь фасилитации. На курсе фиксирую не только правила, методологию, их можно всегда загуглить. Я записываю в заметки главное: как преподаватель говорит с группой, какими фразами поддерживает динамику, на что делает акценты, где я хочу делать акценты в своих будущих сессиях и какие ошибки уже совершал в прошлом. Это никакой транскрибатор не считает. Потом, каждый раз, когда буду проектировать сессию “по привычке”, агент прочитает и скажет: а помнишь, ты видел у преподавателя вот такой инструмент и тебе он показался полезным - попробуй сейчас. И учтёт все мои личные особенности. И так с каждой задачей, которую я сегодня делаю. Понимание, какой контекст важен, какой нет - это, по сути, всё про ведение личной базы знаний, ведение своих заметок и рефлексию. Большую часть задач уже сегодня можно выполнить с AI на достаточно хорошем уровне, на любой вопрос офисного майндворкера “а может ли это сделать AI?” я почти всегда отвечаю - “да”. Мне кажется (я верю), это всё ведёт нас к тому, что постепенно требования к качеству нашей работы, наконец-то, будут расти - так же неизбежно, как выросли сегодня требования к продуктам. И вот здесь личная база знаний (неважно, своя или корпоративная), будет давать то самое преимущество. Через год или пару лет мы забудем про SKILL.md, как забыли про GPTs, но навык выделения главного из своей работы, упаковку этого в понятный “to-do” (для живого человека или языковой модели) и сохранение в базу знаний, остаётся неизменным. Сейчас я помогаю командам и руководителям внедрять личных AI-ассистентов. Готов поработать в 1-1 формате и помочь усилить экспертизу с помощью агентов. Это более комплексная работа (и, на мой взгляд, более интересная), чем внедрение базы знаний. Если актуально - пишите @skitnik, обсудим.

Начинается В ближайшие дни будет много заголовков про то, что “Джек Дорси уволил 40% сотрудников своей компании (около 4,000 человек) из-за AI”. И, мол, это только начало: дальше таких новостей будет много. Если дочитать такие посты до конца, то, как правило, они будут заканчиваться призывами освоить искусственный интеллект на каком-нибудь курсе по вайбкодингу, в противном же случае через какое-то время вас тоже сократят. Я сейчас пишу лонгрид про то, какое влияние искусственного интеллекта на реальные процессы в бизнесе - выводы пока неоднозначные. Конечно, основное влияние на увольнение 40% сотрудников Джека Дорси оказал не искусственный интеллект, а раздутый штат. Block почти удвоил штат между 2020 и 2025. Одновременно акции за 5 лет упали на 75%+. С учётом этих вводных, какая может быть интерпретация этой новости? • компания раздулась на пандемийном росте • начала испытывать проблемы • занялась “оптимизацией расходов” • увидела, что можно просто уволить лишнюю неэффективную прослойку, как это сделал Маск после покупки Твиттера • PR обернул это в красивые заголовки “Начинается. AI пришёл за неэффективными, а мы инновационные и одни из первых”. Нет, не AI. Здравый смысл.

Claude Code — не только для разработчиков Главная мысль, с которой я ношусь с конца прошлого года - призывы начать использовать кодовые редакторы/среды разработки с AI тем, кто с кодом вообще не связан, а особенно - менеджерам. Не важно, что это будет: клод код, кодекс, курсор или что-то ещё. Главное - начать осваивать новую модель мышления и работы с языковыми моделями. В 90% сценариев работы с LLM я ушёл с чат-интерфейса на работу в Claude Code. Получаю от этого три главные ценности: • Удержание длинного контекста. Работает просто: столкнувшись с большой задачей, я прошу клод код по ходу моих устных рассуждений фиксировать ключевые идеи и структурировать хаос из головы своими вопросами. Недавно проводил стратегическую сессию, думал об клода. На основе долгого обсуждения клод сгенерировал все презентации, план сессии, советовал форматы, раздаточные материалы, после проведения провел рефлексию. На выходе у меня сформировался артефакт с извлечёнными уроками, сложностями, который поможет мне проводить следующие сессии эффективнее - я сложил его в базу знаний на будущее. Но есть нюанс - результат на выходе получается хороший, потому что есть связь с базой знаний. • Связь с базой знаний. Если до 2026 года я, как правило, просто давал курсору доступ в мою базу знаний или отдельные заметки, то сегодня у меня появился набор экспертных скиллов (по сути, это большой промпт, к которому клод приходит, когда сталкивается с определённой задачей). Скиллы формируются на основе пройденных курсов и моих заметок. Когда прихожу обсудить рабочую задачу - у него уже есть плотная теоретическая база из скиллов и мой личный опыт по каждому блоку. На выходе это даёт кратно более глубокие ответы и решения. А я верю в то, что только связка личного опыта, контекста, базы знаний с LLM в будущем будет конкурентным преимуществом, а не умение писать промты, запускать агентов или чему там сегодня на вайбкодинг-курсах учат :) • Быстрое прототипирование и второе мнение. Конечно, во время звонков я пишу записи вручную. Но всё чаще я их пишу не в заметочнике, а в клод код. И когда вопрос снят, где-то в середине встречи я отправляю конспект, прошу клод сделать быстрый прототип или накидать гипотезы в какую сторону нам ещё можно посмотреть. Это сильно улучшает коммуникацию - вместо того, чтобы расходиться и обсуждать индивидуально со своими чатиками решение после встречи, я открываю свой и мы сразу видим прототипы - и происходит обсуждение конкретных решений. Здесь же - аналитика данных, презентации, быстрые визуальные решения и схематизация. Основной барьер, который я вижу - это UX. Если пользователь не работал с кодом, нужно потратить какое-то время на освоение принципов, новых подходов. А средний-не-айти-менеджер привык жить в зумах и телеграмах, и “откат” обратно в папки на ноутбуке, когда нужно начать делать что-то руками, воспринимается болезненно. Да, постепенно возможности клод кода будут появляться и в облаке, но я не верю, что эффект будет даже приблизительно сравним с локальной личной системой управления. Потому что за последние годы разрыв между веб-чатами и локальными средами разработки становится всё сильнее.

25 лет Agile Manifesto Увидел пост про 25-летие Agile-манифеста и выделение любимого принципа в канале Александра Апазиди. Перечитал сегодня манифест и сразу подумал о том, как сильно за последние два года AI усилил каждый из принципов. Не буду комментировать свой любимый (он тоже про максимизацию количества несделанной работы, по крайней мере стараюсь ему следовать), но хочу выделить тот, который сегодня особенно актуален:

На протяжении всего проекта разработчики и представители бизнеса должны ежедневно работать вместе.

Мемы про пропасть между чайка-менеджментом и разработкой, надеюсь, вскоре вообще пропадут, потому что в мире не должно остаться представителей бизнеса, которые не понимают в разработке. И в обратную сторону тоже: я уже давно в вайбкодинге перешёл с промптов на язык jtbd при постановке задач. Собрать прототип, mvp, пайплайн без разработчика уже сегодня посильная задача практически каждому - мы просто ещё не успели этого понять. Обычно я даю простой совет менеджерам, которые только начинают погружаться в AI: как только вы поставили задачу разработчику/аналитику/исследователю/маркетологу/ассистенту/специалисту, удаляйте и несите её в LLM. Смотрите что получится. AI уже сейчас радикально снизил стоимость доработок и изменений. И тут актуализируется принцип “Изменение требований приветствуется, даже на поздних стадиях разработки”. Если раньше любое изменение требований означало страдания, неделю доработок, большие косты, то с AI стоимость правок стремится к нулю. Особенно в типичных бизнес-задачах, которых в любой компании 90%. И, конечно, остаётся не забывать, что “Постоянное внимание к техническому совершенству и качеству проектирования повышает гибкость проекта.” Ну и главное - не воспроизводить карго-культ, принципы работают, когда мы примеряем их на нашу реальность, которая, к слову, за 25 лет неплохо так изменилась.

Вайбкодинг не поможет Когда вы скачиваете Claude Code, Cursor (а может, только пришли к покупке платной подписки на любимую LLM), моментально появляется желание начать автоматизировать каждый аспект жизни и работы. Не внедряются полезные привычки? Навайбкодьте трекер привычек - это же легко. Плохо питаетесь? Сделайте распознаватель-трекер калорий по фотографиям, задача на один вечер. Не получается превращать заметки в посты для блога? Нужен RAG-агент, понятное дело! Я вижу (и я проверил), что в 90% сценариев это абсолютно тупиковый путь, отнимающий время. Недавно на одном из звонков мы обсуждали эйфорию от вайбкодинга, когда процесс затмевает конечный результат: вместо того, чтобы начать делать задачи, ты делаешь тудулисты и т.д. Когда всё-таки можно и повайбкодить? Есть реально полезное применение AI - это когда мы в первую очередь берём уже существующий процесс, где испытываем боль, неудовлетворённость, сложность, за который платим - и ускоряем/усиляем/убиваем его. Но и для этого зачастую достаточно взять Claude Code на месяц, решить задачу и успокоиться. Я бы мог завершить пост призывом записаться на мой экспресс-курс по вайбкодингу, но, почему-то я уверен, что те, кому вайбкодинг на самом деле нужен и важен, уже всё завайбкодили или вайбкодят ночами. А всем остальным он, скорее всего, и особо не нужен. И зачастую нужно всего лишь честно ответить себе на вопрос: а есть ли у меня процессы, требующие оптимизации? Или это всё FOMO и очередной поиск способа снять тревожность и найти хоть какой-нибудь вариант улучшить свою жизнь?

Трекинг задач и проектов с AI Астрологи объявили неделю Claude Code. С конца декабря попробовал с ним кучу разных штук, что аж распирает. Начну делиться, а дальше - как пойдёт. Сначала про управление проектами и задачами. Для начала немного контекста. Claude Code - изначально инструмент для кодинга, но, как Cursor и подобные CLI-инструменты, отлично выполняет роль general-purpose агента, который может ходить по файлам, редактировать их, запускать код => автоматизировать кучу разных рутинных процессов. Года полтора назад я экспериментировал так с базой знаний. Раньше мне не нравилась идея проводить дейлики и ставить задачи в AI. Казалось, что происходило какое-то бесполезное делегирование и автоматизация ради автоматизации: в целом, я и сам могу записать важную задачу и проследить её выполнение без какого-то напряга. Проблем с этим не было, а AI не давал никакой добавочной ценности. Но Claude Code (и Claude Cowork) всё поменяли. Я считаю, что Claude вообще за последние месяцы сделали очередную большую революцию, которая дойдёт до нас только через год-два (как это было с их Computer Use в 2024). С конца года через Claude Code я веду большую заметку, в которую каждое утро наговариваю текущие задачи и проекты, итоги в конце дня. Сейчас это Claude Cowork. По сути, наконец-то я получаю полноценного личного ассистента, который снимает операционку: - Смотрит весь мой контекст сразу: заметку с мыслями о проектах, гугл календарь, контент диалога. Напоминает о приоритетах, если сильно увлекаюсь. - Ставит нужные события, напоминалки в календарь (ненавижу это, хотя и веду задачи в календаре) - Смотрит, где я беру слишком много и задаёт уточняющие вопросы: точно ли задачи с высоким приоритетом - Если задачу можно сразу выполнить, он её просто делает или начинает :) На неделе подводил итоги квартала, планировал OKR и с Claude Cowork и это тоже было супер удобно: на выходе получился удобный артефакт-табличка для будущего трекинга. Конечно, я не питаю иллюзий, что буду и дальше проводить с ним дейлики (это какой-то микроменеджмент). Но недельные сверки фокусов - точно. P.S. Папку downloads он мне тоже разобрал от всякого мусора в первый же вечер.

Важность контекста в LLM (для нас) Дэвид Шапиро в видео про AI-брейнрот рассказал про свои лайфхаки сопротивления AI-брэйнроту: - Удалять треды, пробовать объяснять всё с нуля. Замечаю это по себе: некоторые треды я не удаляю, потому что они большие и я боюсь, что что-то не понял до конца. На самом деле, это простой самообман - значит, я основательно ничего не понял, но зато получил какую-то интересную информацию. Единственное, что у меня работает по итогу длинного сложного треда - написать заметку, рассказать кому-нибудь о том, что я понял. - Превентивно атаковать свои утверждения. Тут даже Claude подметил, что когда я прихожу с вполне понятными рабочими задачами - я открыт любой критики, использую его как спарринг-партнёра. Когда прихожу с философскими/этическими/политическими тезисами ("которые касаются твоей идентичности") - я часто использую LLM чтобы "найти подтверждение или рамку, которая легитимизирует то, что ты уже чувствуешь". Раньше меньше такое замечал, в обсуждении сложных вопросов (у которых, как правило, и нет готовых ответов) хочется сделать шорткат, конечно. - Формулировать инструкции так, будто их будет выполнять мыслящий третьеклассник. Я сначала подумал, что это всё про добавление контекста в LLM, но нет: это когда я формулирую задачу так, как сам бы её решал и думал бы про неё. Есть большая разница между двумя запросами:

“Расскажи мне про критику "Взаимопомощи" Кропоткина”

и

“Расскажи мне про критику "Взаимопомощи" Кропоткина. Я считаю, что он мало внимания уделил внутревидовой конкуренции, но не понимаю, сознательно манипулировал или из-за того, что в его время было мало исследований на эту тему.”

Скорее всего, в обеих случаях ответ LLM будет похожим, но внимание и вовлечённость, с которой я читаю второй ответ, сильно выше. Без самостоятельного синтеза, генерации, формулирования идей - ответы от LLM легко создают уверенную иллюзию понимания. У меня всплывает сравнение с чтением: мы можем бесконечно читать нонфикшн, добавлять в закладки умные статьи, но без медленного осмысления, без появляющегося в процессе трения, информация так и будет оставаться всего лишь галочкой в тудулисте у пункта "прочитать 24 книги за год".

Что там по AI-прогнозам 2025 Прогнозы с каждым годом менее конкретные, хотя влияние AI на жизнь становится всё больше. На 2025 год я загадывал себе два пункта:

1. Продолжать экспериментировать

К концу 2024 года становилось как-то скучно с AI: кейсы устаканились, модели не показывали чего-то прям супер-нового. 2025 год, конечно, превзошёл все ожидания. Когда я подводил итоги, очень удивился, что это всё произошло в прошлом году. Мои любимые инструменты/открытия: - Deep Research. Казалось, они с нами так давно, но первые ресерчи я начал запускать в феврале (10 месяцев!). Это сильно расширило мой кругозор: ресерчи по книгам, разным концепциям, образовательные ресерчи, поиск лучших практик. Главное - воспринимать полученные глубокие ресерчи как карту местности, а не итоговый документ. Частично ресерчи у меня решают проблему бесконечного поиска быстрых ответов на все вопрос у LLM. - Вайб-кодинг. Последний месяц я вечерами и ночами вайбкодю. Я доделал своё расширение для чтения на английском, сделал плагин поиска похожих заметок для Obsidian (пока на модерации, но я уже пользуюсь), организовал наконец-то карточку здоровья и ещё куча всяких начинаний просто для удовольствия. Ну и скучное рабочее, конечно, тоже, когда нужно автоматизировать какую-нибудь табличку, процесс, работу. - Голосовой ввод победил. Я продолжаю верить в то, что написание текстов пальцами и ручкой становится всё более важным. Но 80% вводных для LLM я набираю голосом через VoiceInk. Тут часто срабатывает эффект уточки, когда от LLM и ответ не требуется - просто иногда важно сформулировать проблему вслух. - Cursor / Claude Code + База знаний. Я не использую AI в базе знаний ежедневно, скорее по запросу: когда нужно исследовать определенную тему, решить задачу, вернуться к старому контексту. Всё больше воротит от кейсов, когда LLM формулирует контекст и добавляет заметку вместо меня (храню от такого AI-слопа свои заметки). Но всё-таки путь от GPTs до полноценного поиска по всем заметкам за пару лет - удивительный. - В конечном итоге, AI adoption сегодня занимает большую часть моей работы: провожу воркшопы, консультации, стратсесси. Тема сопротивления внедрению LLM в корпоративном мире (да и в обычной жизни) для меня самая интересная сегодня.

Хочется больше сотворчества и фана с AI.

- Вообще, идея провалилась. Для меня AI - это очень плохой компаньон в сотворчестве. В любом творчестве (от созданий музыки до написания текстов) у меня сформировался довольно твёрдый принцип: сначала я включаюсь сам, пишу черновики до того момента, чтобы мне было ок. Потом только включается лень/самозванец, я иду к LLM с разными вопросами: подсветить слабую аргуметацию, подсказать ошибки, сделать читабельнее, прошу разные исследования, почелленджить какие-то тезисы через исследования. Но изначальный посыл всегда мой. - Музыка, кстати, окончательно отделилась от AI. Я купил Digitakt и синтезатор, радуюсь, что в нём никакого AI! Прогнозирую, что человеку нужно будет больше таких AI-free пространств. Нам вообще периодически нужно возвращаться к дикости. Что хочу в 2026 году? Где-то в середине года я заметил, что AI неплохо так поддерживает мои отлёты от реальности и избегание по-настоящему сложных действий и даже мыслей. Это когда вместо того, чтобы начать что-то делать, я бесконечно пережёвываю одни и те же идеи. И такого в какой-то момент стало много. Это тоже одна из интересующих меня тем: когнитивная разгрузка, отчуждение и как это всё минимизировать. AI - идеальный пример фармакона: лекарство, когда используем его в задачах, которые усиляют результат нашей работы, делает интереснее, веселее, яд, когда это всё в конечном итоге приводит нас к меньшему контакту с реальностью и получению бесконечного персонализированного AI-слопа. Ну и заставляет нажать на кнопку саммаризации у длинных постов. 😁

📚 Критика психополитического разума. От самоотчуждения выгоревшего индивида к новым стилям жизни, Алексей Соловьёв Итоги года в канале показали, что самый популярный по реакциям пост - пост про книгу Алексея Соловьёва “Эпоха выгорающих супергероев”. После этого поста много чего произошло: мне писали в личку слова благодарности за рекомендацию, негодование за темы, критический тон книги, мы провели небольшой книжный клуб по мотивам, но, самое важное лично для меня - весь год я читал новую книгу Алексея в клубе неспешного чтения. Недавно книга “Критика психополитического разума” вышла. Хочу порекомендовать. Если “Эпоха выгорающих супергероев” для меня скорее задала вектор исследований критической теории и социальной философии, то “Критика” стала проводником в темы, которые меня особенно интересуют: как все эти системы продуктивности, эффективности, менеджмента, самоменеджмента, AI приводят нас в точку выгорания, тревоги, самоотчуждения и, главное, что с этим всем делать. Мне хочется отметить несколько идей, которые оказали на меня освобождающий эффект: - Критика психополитического разума. Психотерапия (особенно популярная позитивная психология) часто фокусирует на внутреннем источнике сложных эмоций (психика, установки, травма, СДВГ, расстройства), игнорируя внешние структурные причины. Но на то что нам сегодня тревожненько, вообще-то влияет атомизация общества, идеология “ты всё можешь”, токсичные структуры и прочие сложности современности. Одного “разберись в себе и полегчает” здесь недостаточно. В книге описываются как раз такие факторы, на которые мы зачастую прямо и экспресс-курсом кпт-психологии повлиять не можем. Это диспозитивы (механизмы власти от “предпринимательства самого себя”, “креативного селф-дизайна” до необходимости “духовных поисков” разных вариаций), влияющие на наши решения. И даже от такого честного взгляда на реальность в итоге становится как-то понятнее и спокойнее. - Самоотчуждение. Вообще, после книги я стараюсь обновить свой словарь. До 2025 года мне были близки все вот эти “спринты в жизни”, “ставить цели”, “планировать год”, “системы для работы с тревогой”, “KPI на количество дней с музыкой” - потому что по-другому я не умел! Логика тут простая: если оно работает на работе, то и в жизни должно быть полезным. И оно работало, пока окончательно не сломалось. Отсюда происходит самоотчуждение и рождается запрос на “путь заботы о себе по ту сторону экономической поглощенности внутренней жизни проектированием потребительского опыта”. Ещё на личной психотерапии я открыл, что, кроме части “достигатор”, у меня есть и внутренний “созерцатель”. Книга для меня постепенно легализовала новые стили жизни вне достигаторского подхода. По крайней мере, я стал про это открыто говорить: можно не ставить цели на год, а просто сесть помечтать, не делать нейроспринты, а регулярно рефлексировать, собирая в жизни практики заботы о себе. - Новые стили жизни? Когда начинаешь понемногу говорить правду о себе самом, немного чаще следовать своему интересу, каким-то красивым образом происходит формирование нового стиля жизни. Это когда без всяких трекеров, табличек, KPI в жизни появляется творчество, занятие музыкой, глубокие встречи в философских клубах, медленное чтение, честная письменная рефлексия. В книге много красивых терминов в духе “сомаэстетика”, “встреча с Другим”, “производство присутствия”, “внутренняя честность” и, конечно, “эстетика существования”. Это хорошие ориентиры. Конечно, по пути было больно: описание диспозитивов местами настолько точно, что хочется опустить руки. Картина мира рушится, непонятно что с этим делать, бесит технофеодализм, бесит неолиберализм, бесит надзорный капитализм и вообще все окружающие измы бесят. Альтернативная картина долго выстраивается, и постепенно гнев переходит в депрессивные мысли. Но книга, на мой взгляд, более бережно (чем “Эпоха”) и медленно проводит к честному диалогу с собой. Да, читается тяжелее, но рекомендую подбираться к ней не спеша, с паузами на осмысление, формировать своё отношение к каждой теме.

Лесть года В номинации маркетинговая кампания года побеждает ChatGPT с лестными итогами года. Все скриншоты сегодня - про гордые титулы “топ-1% пользователей”, где все мы, конечно, “первые из 0.1%”, “исследователи”, “практики”, “планировщики”, “специалисты”, “стратеги”. И как же здорово, что ни в одном из итогов ChatGPT не отметил, что, например, пользователь прокрастинатор, склонен к избегающему поведению, задаёт односложные вопросы, самоотчуждается через бесконечные пережёвывания одних и тех же тем с добрым поддерживающим чатиком! Цифры выглядят красиво, но: — Топ 1% по сообщениям = один среди 8 миллионов человек — Топ 0.1% по = примерно первые 800,000 человек. — Если поделить количество сообщений на количество чатов = получается менее 10 сообщений на чат (а чаще - ещё меньше). Это очень простые запросы. Я после таких “итогов года" попросил чат их дополнить: Не льсти. Опираясь на эти цифры, подведи итоги года, но реалистичные и критические, без сарказма, а с диагнозами. Например, вместе "вы в топ 1% пользователей" = "вы один из 8 млн. пользователей” В такие итоги года от AI я верю больше:

— Это год интенсивного мышления вслух, что может вообще не коррелировать с результатами. — AI выполняет функцию когнитивного костыля, но реже — функцию фиксации, завершения и выхода наружу. — Основной паттерн — много формулирования, мало финализации, ты дольше остаёшься в размышлении, чем средний пользователь.

Но, к слову, картинку он сгенерировал красивую к итогам!

Что я прочитал в ноябре 2025 года Прочитал серию эссе 📚 Небеса в смятении, Славой Жижек. Довольно интересно прочитать работы времён ускоряющегося пандемийного хаоса, но всё-таки у Жижека я не нашёл интересных для себя идей, которые помогут противостоять всей этой окружающей турбулентности. А вот книга 📚 Искусство и космотехника, Юк Хуэй - помогает и расширяет. Хуэй ставит вопрос: как преодолеть модерн с неевропейской перспективы? Вопрос важный, потому что при чтении понимал, насколько моя картина мира построена на европейском мировоззрении и насколько игнорируется любое другое. Хуэй предлагает нам изобретать мышление о технике, а не новую технику, посмотреть в сторону китайского искусства (искусства как способа мышления между инженерией и философией). И делает это очень вдохновляюще. Когда я погружался в критику ChatGPT, мне было сложно представить альтернативу. Да, Grok менее политкорректный, чем ChatGPT, но, по ощущениям, логика ответов в них заложена сильно схожая - никакой дополнительной инструкцией это не исправляется. Они все обучены плюс-минус на одном массиве текстов. А после “Искусства и космотехники” появился интерес поглубже посмотреть китайские LLM, заложенную в них интуицию. Потому что я понимаю, что всё, что мне сегодня не нравится в LLM - следствие как раз такого технооптимизма, индивидуализма, заложенных в сами модели. А техника, как я сейчас дочитываю в книге 📚Времени в обрез, ну ооочень сильно влияет на нашу жизнь, меняет природу и смысл задач. Короче, всё чаще пробую китайские модели - интересно сравнивать подходы к ответам.