armansu

Статистика 8 недель этого лета: суммарное кол-во токенов - 3.42 млрд (Claude Code - 2.59 млрд, Codex - 788 млн., все остальное - Claude Cowork, Cursor, Opencode, Antigravity); суммарная выручка всех приложений - $42,899.37, суммарное кол-во пользователей - 27,309; суммарное кол-во публикаций в соцсетях участниками - 14,611; суммарные охваты в соцсетях - 5,199,571 уникальных пользователей; суммарное кол-во реакций - 460,804. Подробнее: https://incubator-leaderboard.lovable.app/ Огромное спасибо нашим партнерам в лице Chevron Kazakhstan, CIS, Higgsfield, NaceAI, Satbayev University, Narxoz University за безграничную поддержку! Чтобы увидеть презентации продуктов из списка выше, приходите на nFactorial Demo Day - выпускной нашей летней программы. Вход свободный. Регистрация по ссылке: https://nfactorialschool.typeform.com/to/syWrSaRy Онлайн-трансляция будет на YouTube-канале nFactorial Podcast. 24 июля, пятница, 13:00-15:00 - выставка проектов; 15:00-17:00 - выступления перед звездным жюри (кто именно - сюрприз!). Narxoz University, главный учебный корпус, актовый зал, ул. Жандосова, 55, Алматы. До встречи!

Вот некоторые из других продуктов, которые были созданы этим летом с нуля за 8 недель в рамках nFactorial Incubator. Фокус подавляющего большинства продуктов - мировой рынок (отсюда - английский интерфейс): 1) Carvin - проверка истории автомобиля за 15 секунд по 96 базам данных со всего мира 2) Otclick - AI-copilot для массовой подачи резюме на вакансии в компаниях 3) Fitaura - превращает фото лица или аутфита в шуточные «aura cards» с вердиктом и стилевым фидбеком для сторис и соцсетей 4) hearless - ИИ-платформа для глухих и слабослышащих. Переводит речь в текст, распознает звуки и учит жестовому языку с помощью ИИ 5) Linetta - приложение для рефлексии: само начинает разговор, задает вопросы и превращает диалог (текстом или голосом, как звонок другу) в аккуратную запись дневника 6) VibeSong - подбирает идеальную песню под ваше фото, сторис или пост: ИИ анализирует настроение и эстетику снимка и находит подходящий трек за секунды 7) Klyrene - ИИ-телефония для входящих и холодных звонков 8 ) Klip - инструмент для экспертов, подкастеров и подкаст-студий, ускоряющий нарезку вирусных клипов из длинного контента (эфиры, подкасты) 9) Growny - превращает воспоминания, истории любви, свадьбы и биографии в персонализированные анимационные фильмы, а бизнесу помогает делать рекламные и launch-видео без съемок 10) Saywell - ИИ-копилот карьеры: переписывает резюме под конкретную вакансию, показывает разрыв в навыках, проводит симуляции собеседований с фидбеком и автопостит в LinkedIn 11) AqyPOS - облачная POS-система и платформа управления для кафе и ресторанов: касса, учёт, склад, меню и продвинутая система лояльности 12) Trendoff - платформа, где интернет-тренды становятся соревнованиями: двое выполняют один челлендж, ИИ анализирует результат и мгновенно определяет победителя - без голосований и накруток 13) LinAI - ИИ-ассистент для LinkedIn: генерирует посты, подстраивается под ваш стиль письма по прошлым публикациям, предлагает идеи и планирует публикации 14) Narrly - родитель выбирает имя ребенка и ценность (доброта, честность, смелость), а Narrly создает персонализированную иллюстрированную сказку, где ребенок - главный герой 15) Amplify - GEO-платформа, которая добивается упоминания брендов в ответах ИИ (ChatGPT, Perplexity, Gemini): мониторит, диагностирует невидимость и сама это исправляет 16) WearIt - приложение, где можно сгенерировать любой аутфит на себе, оценивать образы и получать фидбек от людей с похожим вкусом 17) Insight Engine - ИИ-гострайтер, который пишет посты для X и LinkedIn голосом самого фаундера и на основе реального исследования - качество гострайтера по цене софта 18) Aura - платформа офлайн-нетворкинга: находит рядом релевантных людей по интересам, целям, навыкам и локации, а также митапы поблизости 19) ENTprep - бесплатное веб- и мобильное приложение для подготовки к ЕНТ: 33 000+ вопросов по 13 предметам с разбором по темам и полной симуляцией экзамена 20) Creatorfield AI - один промпт - сотня видео: превращает одну идею в десятки коротких роликов в разных нативных форматах, а длинный подкаст - в 100 клипов 21) GraderAI - ИИ-платформа подготовки к IELTS по всем четырём секциям с мгновенной оценкой и фидбеком в стиле экзаменатора, плюс Teacher Dashboard и CRM для языковых центров 22) VettaX - автоматизированный воркфлоу дистрибуции в Twitter/X с алгоритмом XSO, помогающий набирать популярность на платформе 23) LingoPRO — ИИ-платформа подготовки к международным языковым экзаменам (TÖMER - турецкий, TOPIK - корейский, HSK - китайский и др.) Полный список всех выпускников и продуктов этого лета (с ссылками) - https://projects.nfactorial.school/

Итоги лета 2026г: подготовили 72 ИИ-разработчика, создавших 76 ИИ-приложений с выручкой и пользователями nFactorial Incubator - это кузница нескольких сотен разработчиков, работающих в ведущих технологических компаниях США/Азии/Европы. Всего в nFactorial School 4000+ выпускников. Но больше всего мы гордимся тем, что nFactorial Incubator - это кузница технических фаундеров, которые впоследствии создают свои технологические продуктовые компании. Поскольку в летний инкубатор к нам зачастую приходят будучи студентами ВУЗов и старшеклассниками, то обычно свои успешные продуктовые компании наши выпускники создают через 3-5 лет после инкубатора. Наши выпускники, ставшие фаундерами, суммарно привлекли $180+ млн. венчурных инвестиций в Кремниевой Долине. Каждый год для летнего инкубатора согласно самым последним трендам в мире технологий и потребностям рынка труда мы выбираем новую тематику. В прошлые годы темами были дополненная реальность, гибридные приложения, утилиты, игры, web3. Фокус последних 4 лет - генеративный ИИ. На nFactorial Incubator этого года поступило около 2000 анкет. После тщательного отбора, который состоял из 3 этапов и продолжался всю весну, были отобраны около 80 участников. Все они приехали в Алматы и провели все лето здесь. 20% школьники, 80% студенты/выпускники ВУЗов. На выходе до конца дошли 72 разработчика, запустивших 76 ИИ-приложений с пользователями и выручкой. Некоторые хайлайты этого лета. 17-летние Жакпелов Дияр и Казахов Дамир создавали похожие продукты, решили объединить свои усилия и построили Atla - операционную систему для бизнесов: чтобы заявки из WhatsApp не терялись, клиент получал ответ за минуты, а вся операционка жила в одном месте. Они с нуля зафиксировали выручку в $24,000. Жигер Мансур продал созданное им приложение Rivalscope за $20,000. Rivalscope - это инструмент конкурентной разведки для основателей SaaS-компаний и отделов продаж. Вы указываете URL-адрес конкурента, а сервис отслеживает изменения на его главной странице, собирает жалобы клиентов с сайтов отзывов вроде G2 и Trustpilot, фиксирует сигналы о найме сотрудников и стратегических сдвигах, после чего превращает всю полученную информацию в ранжированный sales playbook, готовый к применению.

В ближайшие месяцы мы в nFactorial планируем анонсировать новый долгосрочный глобальный проект, который станет кульминацией нашей работы с 2013 года. Для этого создаем in-house команду Agentic AI-инженеров. Функции: тесная работа с CEO, создание LLM knowledge base (e.g. garrytan/gbrain), создание контент-маркетинг хаба со всеми нужными инструментами для доминирования в Twitter/X, генерация и публикация большого количества англоязычных высококачественных High-IQ-нарративов, статей и тредов для мировой публики в X, создание мультиагентной системы для текстового контента со вкусом и высокой плотностью инсайтов (исследование, аутлайн, драфт, редактирование, проверка фактов, стилистика, работа с контекстом, минимизация галлюцинаций, аутентичный голос на основе 1000+ статей, написанных нами ранее), агенты для дистрибуции (outbound-каналы, UGC, brand content, product launches, etc.) и прочее. Присоединиться к команде: https://nfactorialschool.typeform.com/to/ArVYTH31

Специальный эпизод nFactorial Reunion. Встреча выпускников nFactorial Incubator разных лет: где они сейчас, что делали тогда, советы для участников 2026 года https://www.youtube.com/watch?v=Csr4j8vAcco

Постройте свой ИИ-стартап с выручкой $1000/месяц этим летом nFactorial Incubator - это ежегодная оффлайновая летняя программа, когда 100+ отобранных участников из разных уголков республики собираются на лето в Алматы, работают по 50+ часов в неделю, чтобы запустить собственный продукт с платящими пользователями. На данный момент в nFactorial School 4000+ выпускников с 2013 года. Наши выпускники привлекли $160 млн венчурных инвестиций и основали Higgsfield, Laminar (YC S24), Perceptis, GoatChat, etc. Поскольку теперь есть Claude Opus 4.7 и GPT-5.5, а также Claude Code, Codex, Lovable, Replit и пр., на входе мы принимаем не только разработчиков, но и продакт-менеджеров, дизайнеров, контент-криэйторов и маркетологов. Цель-минимум для каждого участника - с нуля достичь $1000 MRR за 8 недель. Имеется 55 полных грантов от наших партнеров. В первые 2 недели программы я планирую провести серию интерактивных лекций на следующие темы: выбор рынка, анализ выручки самых успешных веб-приложений и iPhone-приложений в App Store, как использовать дизайн-системы для создания визуально эффектных и функциональных продуктов, правильный onboarding пользователей, плейбук по дистрибуции (UGC-контент, App Store Optimization, Answer Engine Optimization, paid ads, контент-маркетинг), moats и т.д. Огромное спасибо за партнерство Chevron Kazakhstan, CIS, Satbayev University и Управление цифровизации города Алматы. Даты: 1 июня - 24 июля 2026 года Место: SmArt.Point, 22-й этаж, Северная Башня, Almaty Towers Подать заявку: https://nfactorialschool.pro.typeform.com/to/liKRXYQ1

Пятница - время очередного YouTube-эпизода nFactorial Weekly. Делюсь мыслями по поводу новостей из мира стартапов и ИИ за прошедшую неделю. Некоторые темы, которые мы обсудили  • 10+ полезных ИИ-инструментов для Вашего бизнеса  • Первая миллиардная компания с одним сотрудником  • Как внедрить ИИ в свою компанию, если коллеги сопротивляются?  • Почему AGI уже пришел, но еще не распределен равномерно • Как действие создает информацию? • Почему OpenAI заплатил $100 млн за однолетний подкаст, который набирает 50 тыс. просмотров за эпизод?  • Самый важный навык в XXI веке по мнению Андрея Карпаты • И многое другое https://www.youtube.com/watch?v=TQES-8YSKwM

Одна из самых востребованных и высокооплачиваемых профессий на сегодняшний день - профессия ИИ-разработчика. Роль ИИ-инженера находится на стыке: программной инженерии; продуктовой инженерии; автоматизации и прикладного ИИ. Вот почему спрос на эту роль так быстро растет. Компаниям все меньше и меньше нужны разработчики из прошлого. Нужны люди, которые могут взять существующие ИИ-модели и превратить их в полезные для рынка продукты. Команда nFactorial School оформила все свои знания в ИИ-разработке, приобретенные за последние 3.5 года, в учебную программу для подготовки нового поколения сильных ИИ-разработчиков. В рамках первого потока 50 разработчиков уже начали обучение в прошлом году и завершают программу в первой половине мая. Содержание нашего буткампа. 1) Продвинутый Prompt Engineering и эффективная работа с контекстом. Саморефлексия и итеративное улучшение. Выбор модели под задачу. Структурированный вывод: возвращение моделью валидного JSON, совместимого с бэкендом. 2) 10x инструменты разработчиков: Claude Code, Cursor, Windsurf, Gemini CLI. Работа с деградацией качества при переполнении контекстного окна. 3) Обработка данных и файнтюнинг. Извлечение данных из веба, PDF, изображений. LoRA, qLoRA, PEFT - эффективная дообучка. Создание своей fine-tuned модели. 4) RAG-системы. Векторные базы данных: Pinecone, Qdrant, Weaviate, Chroma. Embeddings и semantic search. Chunking и оптимизация retrieval. Работа с большими документами. Создание собственной RAG-системы. 5) MCP. Инструменты: BrowserUse, Tavily, Jina, Firecrawl, Playwright. Создание своих MCP-серверов. 6) Мультимодальный ИИ. Работа с изображениями: DALL-E, SDXL, Midjourney API. Аудио: Suno, ElevenLabs, Whisper. Preprocessing: WAV, 16kHz, chunking. Beam search, repetition penalty для борьбы с галлюцинациями на длинных файлах. Система определения, кто говорит (speaker segmentation, embeddings, threshold логика). Видео и другие модальности. Vision модели и анализ изображений. Создание собственного мультимодального приложения. 7) Автономные ИИ-агенты. Мультиагентные системы. Архитектура. Память: краткосрочная, долгосрочная, эпизодическая. Многошаговые процессы и планирование. Создание автономного агента. 😍 Продуктовое мышление для разработчиков. Что строят участники? Минимум 3 production-ready проекта. RAG-системы для реальных документов, мультиагентные пайплайны, мультимодальные приложения (текст + изображения + аудио), собственные MCP-серверы. Создание своей fine-tuned модели. Кто целевой участник? Backend/fullstack разработчик, data engineer, ML-инженер, руководители команд разработки. Обязательно: опыт в разработке junior+, знание ООП и клиент-серверной архитектуры. Стек курса: Python, LangChain, LangGraph, LLMs, Whisper, Stable Diffusion, ElevenLabs, Pinecone, Qdrant, ChromaDB, BrowserUse, Playwright, Firecrawl, FastAPI, Cursor, Claude Code, MCP. Дата начала нового потока - 30 марта. Подать заявку: https://courses.nfactorial.school/llm?utm_source=armansu

nFactorial Weekly - мои рекомендации лучших статей, книг, подкастов каждую неделю В начале года запустили наш еженедельный дайджест, который приходит на ваш почтовый ящик утром каждой пятницы. За последние 7 недель отправили 7 выпусков. Нашу рассылку уже читают 22 тысячи читателей. Каждую неделю - рекомендации топ 3 подкастов, книг, фильмов, эссе, блог-постов, цитат, выступлений, ресторанов, ИИ-инструментов и многого другого. Подписаться на nFactorial Weekly: https://nfactorial-school.kit.com/8f63213111

Это был легендарный эпизод! Наш друг Даулет Жангузин (15 лет работы в Groq, Cohere, Lyft, Google, Microsoft) - Как пишут код в 2026 г. лучшие программисты Кремниевой Долины? Бонус: Даулет зашерит экран и покажет, как пишет код с помощью Claude Code и OpenAI Codex. https://www.youtube.com/watch?v=r6hn4BgL-Zc

14 - возраст Нади Команечи, когда она первой в истории спортивной гимнастики получила идеальную оценку 10.0 на Олимпийских Играх 15 - возраст Луи Брайля, когда он разработал рельефно-точечный шрифт для слепых, который используется во всем мире по сей день 17 - возраст Жанны д’Арк, когда она возглавила французскую армию и сняла осаду с Орлеана во время Столетней войны 18 - возраст Мэри Шелли, когда она начала писать роман “Франкенштейн” и создала жанр научной фантастики 19 - возраст Блеза Паскаля, когда он изобрел первую работающую механическую счетную машину 19 - возраст Виталика Бутерина, когда он опубликовал концепцию Ethereum 20 - возраст Александра Македонского, когда он взошел на трон, создав одну из крупнейших империй в истории 20 - возраст Эвариста Галуа, к которому он успел создать основы современной высшей алгебры (теорию групп) 21 - возраст Линуса Торвальдса, когда он создал первую версию ядра Linux 21 - возраст Фило Фарнсуорта, когда он успешно продемонстрировал первую в мире полностью электронную систему телевидения 21 - возраст Мехмеда II, когда он захватил Константинополь, положив конец Византийской империи 22 - возраст Лоуренса Брэгга, когда он открыл закон дифракции рентгеновских лучей (самый молодой лауреат Нобелевской премии по физике) 22 - возраст Чарльза Дарвина, когда он отправился в кругосветное путешествие на корабле «Бигль», где собрал данные для будущей теории эволюции 23 - возраст Исаака Ньютона, когда он изобрел дифференциальное и интегральное исчисление 24 - возраст Ричарда Фейнмана, когда он руководил группой вычислений в Манхэттенском проекте 24 - возраст Вернера Гейзенберга, когда он разработал матричную механику, заложив основу квантовой физики 24 - возраст Уильяма Питта-младшего, когда он стал самым молодым премьер-министром в истории Великобритании 24 - возраст Джеймса Уотсона, когда он вместе с Фрэнсисом Криком открыл структуру двойной спирали ДНК 25 - возраст Нильса Абеля, когда он опубликовал фундаментальный труд по теории эллиптических функций, создав новый раздел математики 26 - возраст Альберта Эйнштейна, когда он опубликовал четыре статьи, совершившие революцию в физике, включая работы по специальной теории относительности и E=mc2 28 - средний возраст инженеров в центре управления полетами NASA во время посадки Apollo 11 на Луну Великие дела не требуют “подходящего” возраста.

В моей компании Notion мы экспериментируем. Наряду с тысячей сотрудников у нас теперь работают более 700 агентов, выполняющих рутинные задачи. Они ведут протоколы встреч и отвечают на вопросы, синтезируя неявные знания коллектива. Они обрабатывают IT-запросы и фиксируют отзывы клиентов. Они помогают новичкам разобраться с социальным пакетом. Они пишут еженедельные отчеты, чтобы людям не приходилось заниматься копипастом. И это лишь первые шаги. Реальный выхлоп ограничен только нашим воображением и инерцией. Экономики: от Флоренции к мегаполисам Сталь и пар изменили не только здания и заводы. Они изменили города. До недавнего времени города были соразмерны человеку. Флоренцию можно было пересечь пешком за сорок минут. Ритм жизни определялся тем, как далеко человек может пройти и как громко звучит его голос. Затем стальные каркасы сделали возможными небоскребы. Паровые двигатели привели в движение железные дороги, соединившие центры городов с глубинкой. Следом появились лифты, метро, шоссе. Города взорвались в масштабе и плотности. Токио. Чунцин. Даллас. Это не просто большие версии Флоренции. Это совершенно другой образ жизни. Мегаполисы дезориентируют, они анонимны, в них сложнее ориентироваться. Эта “нечитаемость” - цена масштаба. Но они также предлагают больше возможностей, больше свободы. Больше людей делают больше вещей в большем количестве комбинаций, чем мог бы выдержать город эпохи Возрождения, построенный по меркам человека. Я думаю, что экономика знаний вот-вот претерпит ту же трансформацию. Сегодня интеллектуальный труд составляет почти половину ВВП США. Большая его часть всё ещё работает в “человеческом” масштабе: команды из десятков людей, процессы, размеченные встречами и e-mail, организации, которые начинают трещать по швам, перерастая несколько сотен человек. Мы строим свои Флоренции из камня и дерева. Когда ИИ-агенты войдут в строй в полном масштабе, мы начнем строить Токио. Организации, охватывающие тысячи агентов и людей. Рабочие процессы, которые идут непрерывно, сквозь часовые пояса, не ожидая, пока кто-то проснется. Решения, синтезируемые при только необходимом участии человека. Это будет ощущаться иначе. Быстрее, с большим рычагом, но поначалу и более дезориентирующе. Ритмы еженедельных планерок, квартального планирования и годовых обзоров могут потерять смысл. Появятся новые ритмы. Мы потеряем часть прозрачности. Но выиграем в масштабе и скорости. За пределами водяных колес Каждый чудо-материал своей эпохи требовал от людей перестать смотреть на мир через зеркало заднего вида и начать воображать новый мир. Карнеги смотрел на сталь и видел силуэты будущих городов. Владельцы ланкаширских фабрик смотрели на паровые машины и видели цеха, свободные от рек. Мы всё ещё в “фазе водяного колеса”, прикручивая чат-ботов к процессам, созданным для людей. Нам нужно перестать просить ИИ быть просто нашими вторыми пилотами. Нам нужно представить, как может выглядеть интеллектуальный труд, когда человеческие организации армированы сталью, а рутина делегирована умам, которые никогда не спят. Пар. Сталь. Бесконечный разум. Следующий горизонт уже перед нами, ожидая, когда мы его построим.

Второй недостающий ингредиент — верифицируемость (возможность проверки). У программного кода есть магическое свойство: его можно проверить тестами и ошибками. Создатели моделей используют это для обучения ИИ (например, обучение с подкреплением aka reinforcement learning). Но как проверить, хорошо ли управляется проект? Или хороша ли записка по стратегии? Мы еще не нашли способов улучшать модели для большинства задач интеллектуального труда. Поэтому людям всё ещё нужно оставаться “в контуре” (human in the loop), чтобы контролировать, направлять и показывать, что такое “хорошо”. “Закон о красном флаге” 1865 года требовал, чтобы перед автомобилем шел человек с флагом. Пример нежелательного “человека в контуре”. Агенты для программирования в этом году научили нас тому, что наличие “человека в контуре” не всегда желательно. Это как если бы кто-то лично инспектировал каждый болт на конвейере или шел перед машиной, расчищая дорогу (см. “Закон о красном флаге” 1865 года). Мы хотим, чтобы люди контролировали процессы с позиции рычага управления, а не находились внутри них. Как только контекст будет объединен, а работа станет проверяемой, миллиарды работников перейдут от кручения педалей к вождению, а затем - от вождения к автопилоту. Организации: сталь и пар Компании - недавнее изобретение. Они деградируют по мере масштабирования и достижения своих пределов. Несколько сотен лет назад большинство компаний представляли собой мастерские из дюжины человек. Теперь у нас есть транснациональные корпорации с сотнями тысяч сотрудников. Коммуникационная инфраструктура (человеческие мозги, соединенные встречами и сообщениями) прогибается под экспоненциальной нагрузкой. Мы пытаемся решить это иерархией, процессами и документацией. Но мы решаем проблему индустриального масштаба инструментами человеческого масштаба - это как строить небоскреб из дерева. Две исторические метафоры показывают, как могут выглядеть организации будущего с новым чудо-материалом. Первая метафора - сталь. До появления стали здания в XIX веке имели предел в шесть-семь этажей. Чугун был прочным, но хрупким и тяжелым; добавьте больше этажей, и конструкция рухнет под собственным весом. Сталь изменила всё. Она прочная, но пластичная. Каркасы стали легче, стены тоньше, и внезапно здания стали подниматься на десятки этажей. Стали возможны принципиально новые типы строений. ИИ - это сталь для организаций. У него есть потенциал сохранять контекст через рабочие процессы и предлагать решения тогда, когда это нужно, без лишнего шума. Человеческая коммуникация больше не обязана быть “несущей стеной”. Еженедельная двухчасовая планерка превращается в пятиминутный асинхронный обзор. Исполнительное решение, требовавшее трех уровней согласования, скоро может приниматься за минуты. Компании смогут масштабироваться - по-настоящему масштабироваться - без деградации, которую мы привыкли считать неизбежной. Вторая история - о паровом двигателе. В начале промышленной революции первые текстильные фабрики стояли у рек и ручьев, работая от водяных колес. Когда появился паровой двигатель, владельцы фабрик поначалу просто заменили водяные колеса на паровые машины, оставив всё остальное прежним. Прирост производительности был скромным. Настоящий прорыв случился, когда владельцы фабрик осознали, что могут полностью “отвязаться” от воды. Они начали строить огромные фабрики ближе к рабочим, портам и сырью. И они перепроектировали заводы вокруг паровых двигателей. (Позже, когда появилось электричество, владельцы пошли еще дальше, отказавшись от центрального вала и разместив небольшие двигатели у каждого станка). Производительность взлетела, и Вторая промышленная революция набрала полную силу. Мы все еще находимся в фазе “замены водяного колеса”. ИИ-чатботы прикручиваются к существующим инструментам. Мы еще не переосмыслили, как должны выглядеть организации, когда старые ограничения исчезают, а ваша компания может работать на бесконечном разуме, пока вы спите.

Каждую эпоху формирует свой собственный чудо-материал. Сталь выковала «Позолоченный век» (прим.: эпоха быстрого роста экономики и населения США после гражданской войны и реконструкции Юга). Полупроводники зажгли Цифровую эру. Теперь на сцену вышел Искусственный Интеллект (ИИ) - как ресурс бесконечного разума. Если история нас чему-то и учит, так это тому, что эпоху определяют те, кто сумел обуздать чудо-материал данной эпохи. В 1850-х годах Эндрю Карнеги бегал по грязным улицам Питтсбурга, работая посыльным на телеграфе. Шесть из десяти американцев были фермерами. Всего за два поколения Карнеги и его современники создали современный мир. Лошади уступили место железным дорогам, свечи - электричеству, а железо - стали. С тех пор работа переместилась с заводов в офисы. Сегодня я управляю софтверной компанией в Сан-Франциско, создающей инструменты для миллионов работников интеллектуального труда. В этом «заводском городе» IT-индустрии все говорят об AGI (“сильном ИИ”), но большинство из двух миллиардов офисных сотрудников пока не ощутили его влияния. Как будет выглядеть интеллектуальный труд в ближайшем будущем? Что произойдет, когда организационная структура поглотит умы, которые никогда не спят? Это будущее трудно предсказать, потому что оно всегда маскируется под прошлое. Ранние фильмы часто напоминали театральные постановки, снятые одной камерой, направленной на сцену. Первые телефонные звонки были короткими, как телеграммы. Раннее кино выглядело, как заснятый на пленку театр. Канадский философ Маршалл Маклюэн называл это “движением в будущее с взглядом, прикованным к зеркалу заднего вида”. Сегодня мы видим это в ИИ-чатботах, которые имитируют поисковую строку Google. Мы находимся глубоко внутри той неудобной переходной фазы, которая сопровождает любой технологический сдвиг. У меня нет ответов на все вопросы о том, что будет дальше. Но мне нравится использовать несколько исторических метафор, чтобы поразмышлять о том, как ИИ может работать на разных масштабах: от отдельных людей до организаций и целых экономик. Индивидуумы: от велосипедов к автомобилям Первые проблески можно заметить у «жрецов» интеллектуального труда - разработчиков. Мой соучредитель Саймон - тот, кого ранее называли 10-х программистом, но сегодня он редко пишет код сам. Пройдите мимо его стола, и вы увидите, как он дирижирует тремя или четырьмя ИИ-агентами одновременно. Они не просто печатают быстрее - они думают, что в совокупности делает Саймона 30-40-х программистом. Он ставит задачи в очередь перед обедом или сном, позволяя агентам работать, пока он занят другими делами. Он стал менеджером бесконечного разума. В 1980-х Стив Джобс назвал персональные компьютеры “велосипедами для ума”. Десять лет спустя мы проложили “информационную супермагистраль” - интернет. Но сегодня большая часть умственной работы всё ещё выполняется на “человеческой тяге”. Это похоже на то, как если бы мы крутили педали велосипедов на автобане. С появлением ИИ-агентов кто-то вроде Саймона пересел с велосипеда за руль автомобиля. Когда же свои “автомобили” получат другие работники интеллектуального труда? Для этого нужно решить две проблемы. Во-первых, фрагментация контекста. В программировании инструменты и контекст, как правило, живут в одном месте: IDE, кодовый репозиторий, терминал. Но общая офисная работа разбросана по десяткам инструментов. Представьте ИИ-агента, пытающегося составить продуктовый бриф: ему нужно вытянуть данные из сообщений в Slack, документа по стратегии из Google Doc, метрик за прошлый квартал из дашборда и “институциональной памяти”, которая живет только в чьей-то голове. Сегодня люди - это клей, сшивающий всё это с помощью копипаста и переключения между вкладками браузера. Пока этот контекст не будет консолидирован, агенты останутся запертыми в узких сценариях использования.

Очень вдохновился новым эссе основателя Notion Ивана Джао - "Пар, сталь и бесконечный разум". Далее - краткое содержание. Будущее трудно предсказать, потому что оно всегда маскируется под прошлое. Первые телефонные звонки были короткими, как телеграммы. Раннее кино выглядело, как заснятый на пленку театр. Движение в будущее с взглядом, прикованным к зеркалу заднего вида. Сегодня мы видим это в ИИ-чатботах, которые имитируют поисковую строку Google. Мы находимся глубоко внутри той неудобной переходной фазы, которая сопровождает любой технологический сдвиг. В 1980-х Стив Джобс назвал персональные компьютеры “велосипедами для ума”. Десять лет спустя мы проложили “информационную супермагистраль” - интернет. Но сегодня большая часть умственной работы всё ещё выполняется на “человеческой тяге”. Это похоже на то, как если бы мы крутили педали велосипедов на автобане. С появлением ИИ-агентов некоторые пересели с велосипеда за руль автомобиля. Когда же свои “автомобили” получат другие работники интеллектуального труда? Для этого нужно решить две проблемы. Во-первых, фрагментация контекста. В программировании инструменты и контекст, как правило, живут в одном месте: IDE, кодовый репозиторий, терминал. Но общая офисная работа разбросана по десяткам инструментов. Представьте ИИ-агента, пытающегося составить продуктовый бриф: ему нужно вытянуть данные из сообщений в Slack, документа по стратегии из Google Doc, метрик за прошлый квартал из дашборда и “институциональной памяти”, которая живет только в чьей-то голове. Сегодня люди - это клей, сшивающий всё это с помощью копипаста и переключения между вкладками браузера. Пока этот контекст не будет консолидирован, агенты останутся запертыми в узких сценариях использования. Второй недостающий ингредиент — верифицируемость (возможность проверки). У программного кода есть магическое свойство: его можно проверить тестами и ошибками. Создатели моделей используют это для обучения ИИ (например, обучение с подкреплением aka reinforcement learning). Но как проверить, хорошо ли управляется проект? Или хороша ли записка по стратегии? Мы еще не нашли способов улучшать модели для большинства задач интеллектуального труда. Поэтому людям всё ещё нужно оставаться “в контуре” (human in the loop), чтобы контролировать, направлять и показывать, что такое “хорошо”. До появления стали здания в XIX веке имели предел в шесть-семь этажей. Чугун был прочным, но хрупким и тяжелым; добавьте больше этажей, и конструкция рухнет под собственным весом. Сталь изменила всё. Она прочная, но пластичная. Каркасы стали легче, стены тоньше, и внезапно здания стали подниматься на десятки этажей. Стали возможны принципиально новые типы строений. ИИ - это сталь для организаций. В начале промышленной революции первые текстильные фабрики стояли у рек и ручьев, работая от водяных колес. Когда появился паровой двигатель, владельцы фабрик поначалу просто заменили водяные колеса на паровые машины, оставив всё остальное прежним. Прирост производительности был скромным. Настоящий прорыв случился, когда владельцы фабрик осознали, что могут полностью “отвязаться” от воды. Они начали строить огромные фабрики ближе к рабочим, портам и сырью. И они перепроектировали заводы вокруг паровых двигателей. (Позже, когда появилось электричество, владельцы пошли еще дальше, отказавшись от центрального вала и разместив небольшие двигатели у каждого станка). Производительность взлетела, и Вторая промышленная революция набрала полную силу. Мы все еще находимся в фазе “замены водяного колеса”. ИИ-чатботы прикручиваются к существующим инструментам. Мы еще не переосмыслили, как должны выглядеть организации, когда старые ограничения исчезают, а ваша компания может работать на бесконечном разуме, пока вы спите. Ниже - отредактированный мной перевод всего эссе целиком. ****** Пар, сталь и бесконечный разум Автор: Иван Джао, основатель, Notion

Китай доминирует в мировом производстве за счет географической концентрации. Баоань (провинция Гуандун) - производит 95% мирового рынка электронных сигарет Гуанюнь (провинция Цзянсу) - 70% мирового объема женского эротического нижнего белья Гужэнь (провинция Гуандун) - 50% мирового рынка осветительных приборов Даньян (провинция Цзянсу) - 50% мирового рынка очков и линз Датан (провинция Чжэцзян) - 35% всех носков в мире Иу (провинция Чжэцзян) - 80% мирового рынка рождественских товаров Люян (провинция Хунань) - 90% мирового рынка фейерверков Пинду (провинция Шаньдун) - 70% мирового рынка накладных ресниц Синчэн (провинция Ляонин) - 25% мирового объема купальников Сюйчан (провинция Хэнань) - 60% мирового рынка париков Фуян (провинция Чжэцзян) - около 50% производства оптического волокна в Китае Ханцзи (провинция Цзянсу) - 35% мирового рынка зубных щеток Хуанцяо (провинция Цзянсу) - 30% мирового рынка скрипок Цаосянь (провинция Шаньдун) - 90% рынка гробов для японского рынка Цыси (провинция Чжэцзян) - 60% мирового рынка малой бытовой техники Цяоту (провинция Чжэцзян) - 60% всех пуговиц и застежек-молний на планете Чжэнъань (провинция Гуйчжоу) - 15% мирового рынка гитар Чэньдай (провинция Фуцзянь) - 20% мирового объема кроссовок Шаодун (провинция Хунань) - 70% мирового рынка зажигалок Шэнчжоу (провинция Чжэцзян) - 60% мирового объема галстуков Самое интересное, что эти кластеры появились не из-за специальных экономических зон или того, что, например, китайское правительство объявило город Датан “городом носков”. После реформ Дэн Сяопина в 80-ых предпринимательство постепенно стало легальным. И частные предприниматели в разных регионах Китая не заставили себя долго ждать. В Цяоту три брата из семьи Йе собирали выброшенные пуговицы с улиц, мыли их и продавали с прибылью. Далее, увидев спрос, запустили бизнес. Их соседи последовали примеру. Сегодня их город производит 60% всех пуговиц мира. Доминирование города Сюйчан в мировом производстве париков имеет другое происхождение. В 1900-ых немецкие купцы покупали волосы у местных жителей. В 1990-ом местный предприниматель Дженг Ючуан объединил несколько производств и создал компанию Rebecca Hair Products. В 1978г в Вэньчжоу (провинция Чжэцзян) на одного человека приходилось менее 20 соток пахотной земли. Это горная провинция. Там нет возможности заниматься крестьянством, чтобы выйти из бедности. Местные жители поколениями занимались торговлей изделиями ручной работы, так как другой альтернативы просто не существовало. Был период, когда Вэньчжоу контролировал до 80% мирового рынка зажигалок. Юньхэ (провинция Чжэцзян) производит 40% всех деревянных игрушек в мире. Здесь помогает большое кол-во местных лесов. Это отличает их от центров производства пластиковых игрушек в провинции Гуандун. “Маховик” Джим Коллинза раскручивается следующим образом: географические ограничения вынуждают специализироваться, специализация создает условия для нишевого обмена опытом между местными предпринимателями, далее - этот опыт привлекает еще больше специалистов. Как использовать китайский опыт? На первый дилетантский взгляд, необходимо выявить существующие кластеры для усиления, сделать список текущих активов и ресурсов каждого региона, найти регионы со скрытым или нереализованным потенциалом и устранить барьеры для их естественного развития. На небольшое исследование и эссе вдохновила короткая заметка Акаша Гупты на X.

nFactorial Muse: формулы контента, которые привели nFactorial к аудитории в 500,000+ подписчиков Новый онлайн-курс, в рамках которого мы опенсорсим наши подходы к контент-маркетингу. Содержание курса. Фреймворки: “Hook, Story, Offer”, “Jab, Jab, Jab, Right Hook”, “Purple Cow”, “22 Immutable Laws of Marketing” и многие другие. Как коллекционировать идеи для контента. Принципа ясного письма без воды от Джеффа Безоса, Уоррена Баффетта и Скотта Адамса. Как адаптировать контент под разные платформы. Художественное письмо: как найти идеи и истории, которые можете рассказать только вы; как найти свой оригинальный стиль, который будет отличать вас от толпы; как держать внимание читателя, как построить свою аудиторию из лояльных читателей, как затронуть душу читателя через текст без помощи картинок и видео. Как публиковать видео без страха осуждения: принципы видео-композиции, инструменты (Veo 3, Higgsfield, CapCut) и пр. Ситуационный маркетинг: как мастерски реагировать на то, что происходит в стране и в мире. Лекция от основателя Cvety KZ: как создавать вирусный контент (и наращивать продажи) в Threads. Лекция от продюсера nFactorial Podcast: как записывать 3-часовые YouTube-подкасты, которые досматривают; плейбуки для создания документальных фильмов, коротких фильмов и социальных экспериментов. Жанры контента: продающие карусели, аналитические текстовые отчеты, истории из жизни, вирусные ИИ-ролики с сильным сценарием, подкасты, документальные фильмы, влоги, rage-bait маркетинг, ситуационный маркетинг, гиды и туториалы в качестве лид-магнитов, рейтинги и списки, истории успеха, интервью с экспертами, по домам, отзывы клиентов, UGC, AMA, кейсы (“проблема-решение-результат”) и прочее. Что у вас будет на выходе? Программа минимум - 64 публикации на следующих площадках (8 на каждой): Instagram, Telegram, YouTube, Threads, LinkedIn, X, TikTok, Substack. Привычка писать и публиковать каждый день, созданная за 4 недели курса. Формат: онлайн, 8 живых воркшопов, 4 недели, вт-чт, 19:00–21:00. Начало: 20 января. Первую лекцию на 100+ слайдов прочитаю сам. Другие лекторы: Чингиз Алекенов (основатель Cvety KZ), Данияр Ахметжанов (креативный директор, Hero’s Journey; продюсер, nFactorial Podcast), Роман Пищик (руководитель digital marketing, abr tech; ранее - Head of Marketing, 1Fit; автор рекламы "Обожаю плавать!", Astana LRT и многих других) и контент-маркетинг команда nFactorial School. Подать заявку для участия: https://nfactorialschool.typeform.com/to/OiphjK7O

Метод Харады На 16-ую встречу nFactorial Club 28 декабря мы запланировали 6 упражнений для каждого участника: 1) обзор 2025г - победы, поражения, уроки года; 2) цели на 2026г - сначала список из 10 целей в 7 сферах жизни (карьера, финансы, семья, отношения, духовность, здоровье, творчество), далее нужно сократить список до 5, после - одной цели; 3) декомпозиция - какие ежедневные привычки приведут к цели, какие маленькие приятные награды вы будете давать себе за выполнение привычек (например: ужин с другом после спорта), маленький шаг, который можно сделать сегодня; 4) доска целей/желаний на следующие 10 лет (Наполеон Хилл); 5) заполнение 64 ячеек дорожной карты по достижении главной цели на следующие 10 лет “методом Харады”; 6) и наконец, очень полезное упражнение, которое я практиковал трижды за последний месяц - список советов от идеальной версии себя через 10 лет (мастер) себе из настоящего (ученик): что помогло вам (мастеру) добиться успеха, рекомендации и рефлексия; список активностей, которые ученик должен начать/приостановить/продолжить. Таким образом, мы поработаем как над краткосрочным, так и долгосрочным целеполаганием. Расскажу подробнее об одном из упражнений - методе Харады. О нем я узнал из публикации Арпана Гупты (Техасская спортивная академия) на примере Шохея Отани - абсолютно лучшего бейсболиста мира современности. Он Месси современного бейсбола. Когда Шохей был десятиклассником, он создал “карту мечты”, в центре которой стояла главная цель - стать первым игроком драфта Японской профессиональной бейсбольной лиги (NPB). Карта мечты состояла из 64 ячеек и основана на методе Харады. Метод Харады был создан Такаши Харадой, школьным тренером по легкой атлетике из Японии. Он принял команду, занимавшую последнее место среди 380 школ, и, используя свою систему, превратил их в команду №1 в регионе за 3 года. Они удерживали эту позицию следующие 6 лет. Вы начинаете с того, что помещаете свою главную цель в центре доски 8x8. В случае Отани цель звучала так - стать первым номером драфта. Далее вы определяете 8 столпов, необходимых для достижения этой цели. Они записываются вокруг центральной цели. 8 столпов Отани выглядели так: тело (физическая форма), контроль, острота подачи (резкость), скорость, вариативность подачи, личные качества, карма, психологическая устойчивость Затем вы разбиваете каждый из этих 8 столпов на 8 мелких задач или ежедневных ритуалов. Это заполняет всю доску, превращая большую мечту в конкретный план ежедневных действий. В блоке улучшения кармы у Отани значились следующие действия: приветствия, сбор мусора, держать комнату в чистоте, проявлять уважение к судьям, чтение книг, быть тем, кого люди хотят поддерживать; излучать оптимизм, ухаживать за спортивным инвентарем. Этот метод идет гораздо глубже, чем просто развитие технических навыков. Он заставляет вас проанализировать свои слабости и работать над уверенностью в себе. Также делается акцент на служении людям: скромность и вклад в общество необходимы для достижения индивидуального успеха. Главное - ежедневное выполнение действий, ответственность и дисциплина. Как только таблица заполнена, вы вносите задачи и привычки в свой дневник в виде чеклиста. Таким образом, большая долгосрочная цель становится последовательностью ежедневных ритуалов.

“AI-пожар приближается. Он будет очень болезненным и невероятно целительным”. Очень интересная статья в CEO Dinner Insights. Находимся ли мы в AI-пузыре? Лучше думать о текущем моменте не как о пузыре, а как о лесном пожаре. Лесные пожары не просто разрушают; они жизненно важны для здоровья экосистемы. Они выжигают густой подлесок, который душит новые ростки, возвращают питательные вещества в почву и создают условия для процветания следующего поколения леса. Как и в каждом технологическом цикле, AI-огонь выжжет лишние заросли, перераспределит талант и оставит после себя инфраструктуру для того, что будет построено дальше. Google, Amazon, eBay и PayPal выжили крах дотком-пузыря в 2000г. Следующий технологический цикл, движимый социальными сетями и мобильными технологиями, “заполыхал” в 2008-2009гг, очистив подлесок для Facebook, Airbnb, Uber и стартапов из Y Combinator. Оба пожара следовали одному и тому же шаблону: чрезмерный рост, резкая коррекция с последующим возрождением. Грядущая коррекция в AI проявится как лесной пожар, а не лопнувший пузырь. Понимание этой разницы позволит стартапам выжить и процветать в новой эпохе. Лесные пожары не просто уничтожают экосистемы. Они их перестраивают. Одни виды вспыхивают мгновенно. Другие сопротивляются пламени. Третьи и вовсе зависят от огня, чтобы размножаться. Со стартапами всё то же самое. 1) Легковоспламеняющийся подлесок: AI-application wrapper’ы, инфраструктурные клоны; B2C-приложения, которые гонятся за неплатящими DAU, забывая про retention. 2) Огнестойкие гиганты: Apple, Microsoft, Nvidia, Google, Amazon. У них устойчивые финансовые показатели, долговременные отношения с клиентами, структурный product-market fit в облаке, чипах или дата-инфраструктуре; реальная выручка, диверсифицированная бизнес-модель. Они поглотят жар и выйдут из огня ещё сильнее. 3) Растения, которые вырастают заново, отмирают, чтобы вновь пустить корни: стартапы, которые делают успешные пивоты после пожара. Команды с глубокой экспертизой, IP, данными, готовностью начать заново. Фаундер, который в 2024г сделал неправильный продукт для неправильного рынка с правильной командой, в 2027г становится фаундером, который делает правильный продукт для правильного рынка с проверенной командой, которая прошла огонь и воду. 4) Последователи огня. Их семена активируются жаром. Они вообще не могут прорасти, пока старая растительность не исчезнет. Основатели, которые стартуют после кризиса. Они строят команды «из пепла», строят на более дешёвой инфраструктуре и учатся на ошибках своих предшественников. LinkedIn - в 2002г, Stripe - в 2010г, Slack - в 2013г. Следующие великие AI-native компании, скорее всего, появятся именно здесь. Credit: Don Lim Текст полной статьи (время чтения - 30 минут): https://ceodinner.substack.com/p/the-ai-wildfire-is-coming-its-going

Шедевр! 5 лет назад я писал о выходе замечательного документального фильма “AlphaGo” - истории о том, как человечество создало искусственный интеллект, который взял недосягаемую вершину - победил чемпиона мира по го - древней китайской игре, где кол-во состояний доски превышает кол-во атомов во Вселенной. Последние 5 лет авторы фильма снимали продолжение. История DeepMind, как ранние годы фаундера Демиса Хасабиса сформировали в нем интерес к созданию AGI, от покорения компьютерных игр до решения 50-летней задачи предсказания структуры белка, за которую Демис получил Нобелевскую премию. Сегодня после мировой премьеры на фестивале Tribeca и международного тура фильм “The Thinking Game” доступен в YouTube. Фильм “AlphaGo” настолько меня вдохновил, что я пересмотрел его много раз и показывал его разным компаниях друзей и родных. Убежден, что фильм “The Thinking Game” ждет похожая судьба. https://www.youtube.com/watch?v=d95J8yzvjbQ