Эд Хорьков из КОД9

AI & Breakfast - бизнес-завтраки про ИИ-зацию бизнеса Я занимаюсь искусственным интеллектом уже несколько лет, а последний год — исключительно внедрения ИИ в бизнес, в свой собственный бизнес и в бизнес заказчиков. За это время насмотрелся на кейсы, разобрался (нет) и продолжают (да) разбираться что работает, а что нет. Теперь хочу рассказывать про это и обмениваться опытом. Запускаю серию бизнес-завтраков. Идея простая — собираемся за одним столом на 7-10 человек и разбираемся, как внедрять ИИ в свой бизнес. Без презентаций и без абстрактных разговоров про трасформацию. Что будет: — Разберу конкретные кейсы внедрения ИИ с понятным ROI (зарубежные и местные); — Обсудим, что из этого реально применить у вас; — Буду звать тех, кто уже внедрил и получил результат Формат неформальный — завтракаем, общаемся, задаём вопросы. 1,5–2 часа, за которые прекращаем сложную технологию в прикладные решения. Первый завтрак уже в эту пятницу: - 13 февраля, начинаем в 10:00, собираться можно с 9.45; - Рихтер, Пятницкая ул., 42; - Общение бесплатно, еда по цене из меню - 7–10 мест Мест мало, за одним столом больше не поместимся. Если хотите прийти - пишите плз мне в личку @edcode9 P.S. Картинка из НаныБананы опять.

Всем хороших выходных 🦾

Если у вас Claude-подписка, то сегодня для вас стала доступна Opus 4.6 - Новост на сайте Антропика (3 минуты назад): https://www.anthropic.com/news/claude-opus-4-6 - Скриншот из моего Claude Desktop

Как мы делаем AI-native разработку

Дисклаймер: описанные техники мы применяем на своих собственных проектах. Клиентские проекты подобным образом не делаем (пока что).

Обещал практические кейсы — вот первый. Расскажу, как у нас устроен пайплайн разработки нашего B2B-продукта. Сетап такой: — Lovable для дизайна и фронтенда. Он хорошо работает с интерфейсом, удобно быстро накидать UI. Первую версию интерфейса сделали целиком в нём. Но потом поняли, что разворачивать весь проект в ловебл это слишком много кредитов. Наш дизайнер сжег $100 за пару дней. Поэтому после первого прототипа интерфейса мы переключились на другой инструмментарий. — Supabase как бекенд. Там много готового, быстро поднимается, агенты хорошо умеют с ним работать. Работают с Supabase через MCP и через консольные команды. — Кодинг-агенты инструменты (тут целая коллекция) 1. AntiGravity - для Gemini 3 Pro - практически безконечные лимиты. Хорошо для фронтендовых задач, сам Antigravity их как-то даже может тестировать; 2. Claude Code для Opus - для задач со сложной логикой. 3. OpenCode c Codex xhigh - для всего остального Работаем параллельно в нескольких: расходуешь рейт-лимит в одной — идёшь в другую, чтобы не тормозиться. Все три решения на фиксированной подписке, не на кредитах. Это позволяет как-то контроллировать бюджет. — Linear для управления задачами. Описали MVP, декомпозировали на задачи, загрузили в Linear через MCP. Подключили Linear ко всем инструментам через MCP. Это позволило держать задачи по проекту в одном месте, там же их редактировать и дополнять менеджеру в привычном интерфейсе. Выглядит примерно так: Агент заходит в Linear, видит список задач по приоритетам. Говоришь ему: бери вот эту. Он работает 20–30 минут, сам ходит в Supabase по MCP если нужно, сам коммитит. Если нужны визуальные правки - можно их сделать в Lovable. Итого пайплайн:

Декомпозиция MVP на задачи → Linear ↓ Агенты берут задачи из Linear через MCP ↓ Кодят в AntiGravity / ClaudeCode / OpenCode (Codex) ↓ Запускают всевозможные тесты ↓ Пушат в GitHub → деплой ↓ Ручное тестирование перед релизом ↓ Баги → обратно агентам

В следующих постах расскажу что пока не получилось, сколько на всё это ушло денег, человеко-часов и какая команда всё это тянет. Пишите, если хотите подробности по какому-то из этапов — разберу отдельным постом. P.S. Картинку сделал НаноБананой. #Продукт #Знание

Данные для агентов. Сначала не понял а потом как понял https://agentmarket.cloud Агентам нужны реальные данные чтобы эффективно работать. - Допустим, агент управляет энергопотреблением вашей организации. Он может планировать энергоемкие вычисления ориентируясь на график стоимости килловата в течение суток. - Или агент управляет маршрутами вашего флота грузовиков. Ему важно знать цены на бензин в регионах, загруженность дорог, другие данные реального мира. - Ладно, теперь реальный юзеейс — данные про погоду, чтобы подсказать вам что надеть. Это проект типа инфраструктура для агентов. Дальше такого добра будет только больше. Пристегнись Элли, домик с Тотошкой уже взлетает🛫

Волнуются ли разработчики что ИИ их заменит?

Да, с каждым годом все больше.

На Reddit вышел выложили статистику по FAANG-компаниям, опрашивают около 800 человек ежегодно. https://www.reddit.com/r/dataisbeautiful/comments/1qp1n0r/oc_for_the_past_3_years_ive_polled_people_on/

Планы это конечно хорошо, то gemini только что сошел с ума

Мы опубликовали программу КОД9 на 2026 год Полный текст смотрите в канале КОД9

TL;DR: Заказная разработка в текущем виде умирает. Написание кода стоит ноль денег через 6-12 месяцев. В скором времени любой бизнес должен стать AI-native.

Наша идеология на 26 год складывается из таких китов: 1. Сообщество - См Неизвестные машины, в феврале будет новая встреча. 2. Продукт - мы делаем свой продукт. Тема AI в B2B еще не раскрыта и будет раскрывать еще несколько лет. Мы начинаем ее раскрывать. 3. Знание - мы хотим делаться своим знанием про AI, знанием не только инженерным но и культурным и гуманитарным. См мое ессе про ИИ в бизнесе. 4. Сервис - мы продолжим помогать нашим клиентам и партнерам увеличивать конкурентоспособность и прибыльность их бизнеса за счет технологий, новых подходов, внедрения новой ИИ инфраструктуры. Пишите мне в личку, если есть вопросы.  - @edcode9

Claude Cowork Cowork - это такой аналог Claude Code для непрограммистов. Предполагалось, что функционал будет такой же мощный как в Code, но работать он будет в человеческом интерфейсе, а не через консольку. Если вам как и мне дали доступ к Cowork - не спешите им пользоваться. Пока что все глючит, а на более менее серьезной задаче Opus за 10 минут съел весь мой суточный лимит Pro-подписки.

RAG vs KAG. Мы все понимаем что у классического RAG-подхода есть много недостатков. Поэтому появился KAG - Knowledge-Augmented Generation. KAG пытается работать со смыслами в тексте, а не с чанками, формирует графы знаний, связи между этими знаниями, строин онтологию текста. Технически это выглядит так: - граф знаний (сущности, взаимосвязи, правила); - multi-hop reasoning (аля многошаговое рассуждения); - движок для запросов и объяснений.

1. Граф обеспечивает сущности, отношения и правила, на которых можно выполнять многошаговые выводы. 2. LLM формирует запрос к графу, получает связанный контекст и использует его как структурную память. 3. На основе этой памяти модель строит рассуждение, которое можно проверить, объяснить и повторить.

Китайский опен-сорс для построения KAG-а. https://github.com/OpenSPG/openspg

Прогноз на 2026 год: как вайбкодинг и нейросети изменят всё 1. К концу 2026 года у большинства айтишных вакансий будет требование навыка вайбкодить и проверять гипотезы с нейронками И вероятно именно в Claude Code, если OpenAI или Google не сделают конкурентноспособные модели для кода. 2. Возникнет давление на работодателей от сильных специалистов, которые пойдут делать своё дело Летом я провёл исследование среди моих выпускников и выяснил что подавляющее большинство продактов мечтают сделать свой продукт. Видимо, это такой прикол профессии. Теперь у всех без исключения такая возможность есть. Понятно, что воспользуются этой возможностью не все, но тренд точно будет расти. Работодатели будут вынуждены адаптироваться и как-то заинтересовывать сотрудников. Сейчас ВСЕ продакты, которые погружаются в вайбкодинг, что-то пилят своё. Сталкиваются с ограничениями психики, отсутствием навыка маркетинга и продаж. Но сталкиваются. Ставлю на значительный [десятки процентов] рост средних зарплат фулл-стек-билдеров, чтобы удерживать сильных ребят, которые фигачат за десятерых. Те, кто не вайбкодят будут с завистью смотреть на тех кто вайбкодит и тоже учиться. Я считаю, что сейчас отличная возможность для специалистов вырасти по деньгам начав приносить компании X10 результата. 3. Команды станут меньше, но команд станет больше Нужно меньше специалистов на задачу > команды становятся меньше. Освободившиеся ресурсы инвестируют в новые продукты или на то, на что не хватало ресурсов. Команд становится больше как в текущих компаниях, так и на рынке в целом. Думаю, что средний размер команды технологического бизнеса будет стремительно уменьшаться. 4. Разработчики будут менять инфраструктуру и процессы, чтобы продакты и маркетологи могли деплоить в прод эксперименты с минимальным ущербом Сейчас среднему продакту нельзя давать деплоить в прод. Во-первых, модели ещё не на таком уровне, во-вторых, можно сломать всё кхре нам. Но для того, чтобы бизнес получил ценность от вайбкодинга, ПРИДЁТСЯ дать продактам/дизайнерам/маркетологам/аналитикам деплоить в прод. Просто ещё не придумали как. Думаю, что к концу года появятся первые успешные кейсы. 5. Будет стремительный рост количества солопренёров Не у всех будет получаться. Но количество тех, кто будет стараться и тех у кого получится, будет стремительно расти. 6. Мы увидим автоматизацию там, где её в принципе не могло быть ещё год назад Бухгалтера, сотрудники поддержки, курьеры, юристы будут себе что-то вайбкодить. 7. Всем придётся переучиваться Если раньше я сначала месяц делал с дизайнером макет будущего продукта и потом пару месяцев разрабатывал, сейчас вайбкожу за пару дней, пару недель тестирую и потом уже работающее отдаю на отрисовку. Мой дизайнер за мной не поспевает. За вами не будут поспевать аналитики, разработчики и все остальные смежники. 8. Мы снова будем больше работать с файлами на компе, чем с экранами SaaSов Если вы начали работать с Cursor/Claude Code, то вы наверняка переехали из ноушна/конфлюенса/асаны в свой кастомный воркфлоу. За последние пару месяцев я работаю с файлами больше чем за последние 10 лет. Я УВЕРЕН, что джобы, которые люди раньше решали в SaaS'ах будут переезжать в кастомные навайбкоженные воркфлоу. 9. Появятся вайбкодинг-луддиты Которые до талого будут сопротивляться и кричать на каждом углу, что вайбкодинг херня и ничего нормального на нём не написать. Психотерапия прекрасно умеет работать с сопротивлением. Сопротивление бесполезно. 10. Основная эмоция года: а чо так можно было? Состояние шока и восторга будет сопровождать всех, кто хоть как-то будет связан с вайбкодингом. ———- Взял это у Вани Замесина: https://t.me/zamesin

Мы сердечно поздравляем всех, кто был с нами в этом 2025 году 🎉 – наших сотрудников нынешних и бывших, наших клиентов, партнеров и подрядчиков, тех кто следит за нашей работой, наших друзей в индустрии и сообществах! 💡 С наступающим вас Новым 2026-м годом! ✨ Желаем вам здоровья, счастья и веселья во всех годах, в которых вам предстоит оказаться 🙃 Нам искренне приятно работать с вами, знать вас, придумывать и создавать вместе новое! Мы продолжим делать это и в 2026 году, 17-м году нашего существования ) С наступающим Новым годом и Новым счастьем! 🎄🍾 Команда КОД9 xx ❤️

Итоги года В текущем году мы в КОД9 по настоящему прочувствовали на себе кризис рынка) Тем приятнее похвалиться проектами, которые мы сделали (и которые еще делаем) ⛴ AI-аналитик для морского грузоперевозчика - наш первый полноценный кейс с AI, сложная система совмещающая в себе RAG и Text2SQL-техники. 🔑 Система контроля доступов с SSO и 15 интеграциями, среди которых Битрикс, AD, SuperSet, и другие кастомные системы заказчика. 👗 Платформа fashion-курсов Mood Atelier - стартап из Португалии, где мы отвечаем за всю технологическую составляющую 🗄 - ШКАФ: приложение и бекенд для вендинговых шкафов, устанавливаемых в ЖК. Тут мы перехватили разработку и другой команды и кратно улучшили качество продукта. 👨‍🍳 - KDS: автоматизация процессов на кухне — сложный продукт с интеграций с IIKO и всякой специфичной для ресторанов историей. (кейс скоро будет!) 🎮 - Игровой портал для реселлинга игр для заказчика из Сингапура. Мало что могу тут написать, детали comming soon. Мы так же много занимались технологическим консалтигоном: - Помогли выстроить QA-процессы на крупном проекте со сжатыми сроками релизов - Проанализовали архитектуру заказчика, который готовится к масштабированию. Указали где будет ломаться.

Московское общество неизвестных машин ИИ уже стал частью повседневной работы бизнеса. Он помогает принимать решения, писать тексты, анализировать данные и автоматизировать процессы. Но при этом мы всё ещё плохо понимаем, как именно он меняет саму логику управления и ответственности. В последний рабочий день месяца я хочу рассказать про место, которое родилось именно из этого ощущения. Мы в КОД9 основали "Московское общество неизвестных машин". Что это такое? Я считаю , что рынок застрял между двумя крайностями. С одной стороны - восторг и вера в ИИ. С другой - попытки засунуть новые технологии в старые управленческие конструкции. Мы собрали людей из бизнеса и ИТ чтобы честно поговорить о том, что происходит, когда в управлении появляется не просто софт, а система с собственной логикой и скоростью мышления. На первой встрече мы говорили про - Уровни автономности ИИ в бизнесе - по аналогии с уровнями автономности self-driving машин - Обсуждали, почему корпоративные ИИ-системы оказываются особенно хрупкими перед лингвистическими атаками и джейлбрейками. - Почему ИИ перестаёт быть чисто цифровым явлением, всё чаще вмешиваясь в физическую реальность. Суть этой встречи можно сравнить с попыткой составить правила дорожного движения в момент, когда машины уже изобретены, но люди всё еще пытаются запрячь в них лошадей или обсуждают их устройство с точки зрения философии девятнадцатого века. Это была только первая встреча. Следующая будет в феврале - пишите мне если вам это интересно.

Московской общество неизвестных машин ИИ уже стал частью повседневной работы бизнеса. Он помогает принимать решения, писать тексты, анализировать данные и автоматизировать процессы. Но при этом мы всё ещё плохо понимаем, как именно он меняет саму логику управления и ответственности. В последний рабочий день месяца я хочу рассказать про место, которое родилось именно из этого ощущения. Мы в КОД9 основали "Московское общество неизвестных машин". Что это такое? Я считаю , что рынок застрял между двумя крайностями. С одной стороны - восторг и вера в ИИ. С другой - попытки засунуть новые технологии в старые управленческие конструкции. Мы собрали людей из бизнеса и ИТ чтобы честно поговорить о том, что происходит, когда в управлении появляется не просто софт, а система с собственной логикой и скоростью мышления. На первой встрече мы говорили про уровни автономности ИИ в бизнесе - и внезапно стало ясно, что многие компании уже живут на уровнях, к которым они ментально не готовы. Обсуждали, почему корпоративные ИИ-системы оказываются особенно хрупкими перед лингвистическими атаками и джейлбрейками. И почему ИИ перестаёт быть чисто цифровым явлением, всё чаще вмешиваясь в физическую реальность. В какой-то момент разговор сам собой свернулся в метафору. Это похоже на попытку написать правила дорожного движения в эпоху, когда машины уже изобретены, но люди всё ещё обсуждают их с позиции философии XIX века — или пытаются запрячь в них лошадей. Наверное, именно ради таких разговоров и имеет смысл собираться. Пока неизвестные машины не стали для нас слишком привычными, чтобы задавать о них правильные вопросы.

Product-less разработка Есть такая легенда, что Gmail захватил рынок почты когда стал давать пользователям по 1GB бесплатно -- якобы их CFO рассчитал, что storage (диски, железо) будут дешеветь, и по мере того как пользователи будут выбирать доступное место, Gmail сможет дешево закупить необходимое железо. Когда мы думаем, что дальше будет с цифровыми продуктами, полезно посмотреть на текущие тенденции (как это сделал мифический CFO Гугла). На самом деле ничего не поменялось: - Compute дешевеет - Storage дешевеет НО!! - Разработка дешевеет! и будет дальше дешеветь. Это значит что в прекрасном будущем создание (почти) любых продуктов будет стремиться к нулю. Если сделать продукт ничего не стоит, то мы можем делать их сотни и тысячи, выкатывать и рынок и смотреть есть ли спрос. А это значит, что продакт-менеджеры будут не нужны. Каждый желающий сможет сделать нужный ему продукт под себя и под своих друзей -- вы ведь сами точно знаете что вам нужно) Такое пятничное предсказание для вас, дорогие читатели.

AI-бизнесы будущего (часть 1) Каждый сезон Y Combinator (лучший VC-фонд на планете) публикует короткое эссе о том, какие проекты им сейчас интересны и где они видят будущее. Посмотрим сегодня на пару идей оттуда. Обучение рабочего класса с помощью ИИ

Чтобы развивать искусственный интеллект, нужно строить дата-центры. Чтобы строить дата-центры, нужно много рабочих. А чтобы рабочих было достаточно, их нужно обучить — и сделать этот процесс масштабируемым. Нужны проекты, которые будут обучать рабочих (слесарей, сварщиков и т. п.) с помощью ИИ. Например — через VR/AR-программы и персонализированные траектории обучения.

Генерация видео как новый примитив

Качество ИИ-видео стремительно улучшается: модели вроде Google Veo 3 уже создают 8-секундные видео за несколько долларов. Дальше будет ещё дешевле и лучше. Теперь представим, что мы можем создавать видео любого сюжета, качества и наполнения с околонулевой стоимостью. Куда это можно применить? 1. В шоппинге. Ищете платье в отпуск — сразу показываем вас в этом платье, идущей по Милану. 2. В играх. Игра будет такой же реалистичной, как фильм, а фильм — как игра. Всё генерируется на лету. 3.В аренде и продаже недвижимости. Показываем видео из вашей будущей квартиры с той мебелью, которую вы хотите. Нужны проекты, которые либо строят инфраструктуру для таких видеопотоков, либо используют ИИ-видео как программный примитив.

Промты это магия Нет, это не магия, а работа с контекстом. Модели нужно 1. Объяснить, какой результат вам нужен 2. Дать достаточно контекста, чтобы она сама связала контекст с результатом Мини-гайд, как делать это нормально. 1) Сформулировать цель, а не описывать процесс ❌Плохой промпт (про процесс): Сначала проанализируй данные, потом найди паттерны, потом сделай выводы. ✅Хороший промпт (про цель): Мне нужен [результат], который должен дать [конкретный эффект]. Аудитория — [кто будет читать или использовать результат]. Успех — [как понять, что получилосьъ. Пример: Мне нужен документ-план, чтобы нетехнические стейкхолдеры поняли наш план внедрения ИИ и не запутались в деталях. 2) Задаём ограничения, а не правила поведения

Правила - это делай шаг 1, шаг 2. Ограничения - это рамки, в которых ответ будет полезным.

Пример трех типов ограничений: - Контекст - медицина, финансы, B2B, для ребёнка, для CTO - Качество - "коротко и с примерами" или "глубже и обстоятельнее" - Границы - "без абстрактных тезисов", "без сравнений", "без ссылок" Как писать: ❌Неправильно - "кратко, просто, без жаргона", ✅ Правильно - "текст должен работать для человека, который впервые слышит тему. C примерами и без терминов". 3) Давать примеры (аля one-shot/few-shot prompting)

Модели лучше понимают, когда им показывают пример, а не объясняют словами.

Можно дать:пример того, как правильно и пример того, как неправильно (антипример) Формат: "Вот пример нужного уровня детализации:...". " А вот так — слишком поверхностно" 4) Указывать критерии качества

Не надо писать ИИ "сделай хорошо", - он не знает что для вас хорошо. Пишите, что именно значит хорошо.

❌ Неправильно: сделай точно, будь кратким. ✅ Правильно : факты должны быть проверяемыми, чтобы читатель мог подтвердить их за пару минут ✅ Правильно: каждый раздел - максимум один абзац, чтобы текст работал как резюме. ❌ Неправильно: объясни понятно ✅ Правильно: человек должен понять без гугления терминов 5) Если задача сложная - делаем иерархию целей

Не расписываем как делать, а описываем, что должно получиться по этапам.

Пример:

1. Мне нужен анализ, где сначала оценивается текущая ситуация только по предоставленным данным. 2. Потом выявляются паттерны, у каждого минимум 3 подтверждения. 3. В конце предлагаются действия, которые соответствуют этим паттернам.

Универсальный шаблон промпта (сохраняйте пока я такой щедрый)

Мне нужен [результат], который решает [конкретную задачу]. Это для [конкретной аудитории или домена]. Хорошо — это [понятный результат], плохо — [понятный антипример]. Фокус на [приоритете, пример], избегай [лишнего, антипример] После прочтения/использования результата человек должен уметь [сделать конкретное действие].

Итог: Хороший промпт — это не делай мне ответ» а сделай мне результат, который можно использовать. Скидывайте свои задачи или промпты в комменты — докрутим вместе в рабочий вариант. В комментариях еще скину 1-2 примера. Референсы: - https://arxiv.org/abs/2505.13360 - https://arxiv.org/abs/2401.14043 - https://arxiv.org/abs/2410.22225

AI-first компании Работа с документами и операционные процессы часто становятся бутылочным горлышком, когда компания растёт. Долгое рассмотрение договоров тормозит совершение сделок и напрямую влияет на кэшфлоу компании. Компания LogicMonitor, специализирующаяся на мониторинге ИТ-инфраструктуры, внедрила ИИ-решение для автоматизации процесса рассмотрения контрактов. Gartner пишет, что ROI составил более $100K за счёт ускорения первоначального рассмотрения контрактов и NDA на 50–70%. Я даже ввёл свою почту и скачал кейс, чтобы написать этот пост. Отдаю вам бесплатно (в комменты скину PDF). Шаги реализации проекта: 1. Определить, какие типы документов будем поддерживать. LogicMonitor взяли договоры MSA, NDA, повторяющиеся договоры. 2. Определить, что не автоматизируем. В нашем случае — финальное решение, выявление нестандартных рисков. Ответственность остаётся на юристе. 3. Навести порядок в документах до AI. Сделать хранилище договоров, контроль версий, прозрачный workflow движения документов между отделами. — Наконец, AI — 4. Подключение AI для редлайна (первичной проверки документов). 4.1 Делаем библиотеку эталонных пунктов (эталонные формулировки, запрещённые формулировки и т.п.). У LogicMonitor над этим работали 3 юриста. По сути, мы готовим для AI примеры «как надо» и «как не надо». 4.2 Готовим правила и политики: где компания готова уступать, где - нет, какие оговорки допустимы. 4.3 Тюним промпты под стиль компании. Важно, чтобы AI действовал как наш юрист, а не юрист абстрактной компании. 5. Включаем AI-ревью. 5.1 Загруженный договор программно разбиваем на пункты. 5.2 LLM сравнивает каждый пункт с библиотекой (из пункта 4.1). 5.3 LLM предлагает комментарии и помечает риски. 5.4 Передаём документ юристу на итоговую проверку. 6. Дообучаем AI-агента на комментариях юриста. Сравниваем комментарии юриста и комментарии AI и, при необходимости, дорабатываем библиотеку эталонных пунктов или промпты, чтобы AI точнее оставлял комментарии. Итоговый пайплайн получается такой: Sales-команда заводит договор в CRM AI сразу делает проверку и оставляет комментарии Юрист подключается только если есть риски или нестандартные условия При этом LogicMonitor решили, что им достаточно 80% точности при проверке входящего контракта. Это позволило быстрее запустить решение и обкатывать его на практике. В итоге сроки первичного ревью сократились с 10 часов до 10 минут. Хотите так же у себя → пишите мне, подскажу, чем могу. #AI_first_компании