Latest posts
EDU
12 Nov, 04:21
За что клиент будет платить, когда код почти бесплатный?Этим вопросом я закончил пост про изобилие кода. В прошлую пятницу покрутили его на AI Natives. Допустим, клиент может собрать приемлемый аналог. За что он будет платить нам снова?3 ключевые идеи, которые мы вынесли - спасибо Анжелике, Мише и дружбану за плодотворный брейнсторм!1) Формула вниманияКлиент покупает, а не вайбкодит, покаСтоимость внимания на своё решение >> цена софта + стоимость внимания на решение поставщикаКлассическое build vs buy, но вот только собрать первую версию уже почти ничего не стоит. Остаётся внимание - разобраться, проверить, дорабатывать под edge кейсы, которых не знаешь, и нести убытки из за этого, отвечать за последствия. (немного в тему мой пост про внимание и число Данбара для AI агентов)Задача поставщика тогда - наглядно показать клиенту левую часть и сжать правую. Забавно, что многие идеи брейнсторма легли на одну из сторон этого уравнения.2) Эвалы как продуктДопустим, клиент запилил своего агента для лидгена. Дайте ему прогнать своего агента и вашего на одних и тех же эвалах/тестах. Он заранее увидит, где ещё придётся поработать, до того, как понесет последствия неучета каких-то edge кейсов. То есть продаете вы дефакто не софт, а то, как этот софт тестировать. Тут, разумеется, в тему мысли про ответственность и софт как страховку.3) "Живой" контекстОнбординг закончился, а бизнес продолжает меняться. Например, клиент вышел на новый рынок. Пора обновить и правила квалификации лидов, и примеры, на которых мы проверяем агента. Если поставщик берёт эту работу на себя, у клиента меньше уточнений и переделок после покупки. И есть понятная причина платить снова — за то, чтобы продукт поспевал за изменениями в бизнесе.Особенно интересно с данными, которые самому трудно собирать. Если одни и те же отраслевые данные нужны многим клиентам, поставщик может распределить между ними затраты на сбор и обновление. А если клиенты добавляют в общую базу полезные примеры, она может становиться ценнее для остальных. В тему пост про эффекты масштаба и сетевые эффектыБыл еще ряд идей: продавать время и экспертизу человека, а софт - в придачу; безопасность, затраты на инфраструктуру. Из забавного: попробовали перевернуть идею - в каких случаях мы бы платили клиенту, чтобы он юзал наш продукт или почему мы платим фитнес-тренеру или университету, если можем заниматься сами, а контент доступен онлайн.А каков ваш ответ на вопрос из заголовка поста?P.S. Есть еще один прикольный момент: я с любопытством наблюдаю "эффект IKEA" у себя и других вокруг: да, можно купить, и вероятно гораздо дешевле, но удобнее и прикольнее запилить самому :)EDU
11 Nov, 06:03edited
Что ещё делает швейцар? Или что мы упускаем, когда автоматизируем работуПредставьте, что у вас отель. После глубокого анализа по оптимизации расходов консультанты предлагают вам автоматизацию: зачем платить швейцару за то, что дверь умеет делать сама? Ставите автоматическую дверь, увольняете швейцара - профит!На следующий день к отелю подходят трое. Один тащит два чемодана, второй останавливается у вас каждый месяц, третий опаздывает и просит вызвать такси... Важно: дверь при этом исправно открывается для всех троих :)Это пример Рори Сазерленда. Мне в нём нравится вопрос, который стоило задать ещё до установки двери - а как вообще узнать, чем занимается швейцар?В Стэнфорде попробовали выяснить, из чего на самом деле состоит работа и какие для этого нужны навыки. В рамках TaskNet опросили - с помощью AI и людей - 132 человека из шести профессий (разработчики, юристы, медработник и тп). Получилась гораздо более адекватная картинка задач, чем уже упоминавшийся мною O'Net. В списке для разработчиков, к примеру, появилась отдельная задача - одобрить релиз - которой нет в O'Net.Если спросить меня, как я выпускаю релиз, я тоже наверняка перечислю обычные шаги. А потом вспомню, что бывало забывал обновить описание в App Store, предупредить маркетинг или убрать тестовый флаг :)Для одного из клиентов мы для схожзих целей запилили агента-интервьюера, который ставит встречу в календаре, приходит на звонок и расспрашивает человека о его работе и знаниях.Как могли бы выглядеть подготовка и проведение интервью, например, про релиз продукта?1) Берем конкретный релиз(ы) и собираем хронологию по PR, Slack переписке, логам затронутых систем и компонентов. Если был pre/post mortem релиза, то читаем его тоже. Из этого формируем high level описание процесса и набор вопросов для уточнения2) Ставим звонок с тем, кто принимал решение, и на кого оно повлияло (маркетинг, саппорт), и проходимся с ними по этим событиям. «Вот тут вы решили выкатывать. Что ты проверил? Кому надо было сообщить? Можешь показать, где это происходило?» Немного напоминает jobs to be done интервью. Также как и в jtbd помогаем вспомнить какие-то аспекты и детали, в том числе благодаря материалам из шага 1.3) Если важный кусок работы нигде не виден, в следующий раз попросить человека сохранить пару скриншотов или заметок прямо по ходу релиза. И разобрать их на звонке. Де факто адаптация Camera Journal из карточек IDEO, о которых я писал.НО, и это очень важное НО, не факт что человек захочет все это рассказать: сознательно или нет. Если он думает, что его просят описать работу, чтобы потом его заменить, я бы не удивился, если бы часть деталей осталась за кадром. И, надо признать, что во многих кейсах так и произойдет :(Поэтому: 1) до звонка важно:объяснить, зачем собираем ответы, кто их увидит и какие решения по ним могут принять.2) на самом звонке я бы ещё спросил, что человек сам с радостью отдал бы агенту, а где хотел бы оставить решение за собой. И почему?3) обязательно дал бы ему возможность посмотреть и поправить итог разговора.Далее автоматизировал бы одну часть, которую человек захотел отдать и которая происходит достатоно часто, и пошел бы дальше, завоевывая доверие и доказывая профит.Ну а в отеле может поставить автоматическую дверь, оставить швейцара и посмотреть, за чем гости всё равно к нему обращаются?! 😉EDU
6 Nov, 08:11
Прошлую перекличку мы делали полтора года назад: за это время нас стало в 2 раза больше Знакомимся? Пишите в комментариях несколько слов о себе, почему вы здесь и ссылку на свой LinkedIn/Телеграм канал Вот мой: https://www.linkedin.com/in/bayramannakovLinkedinBayram Annakov - onsa.ai | LinkedInI’ve built and scaled multiple companies, including one with a $20M exit. This hands-on… · Experience: onsa.ai · Education: Stanford University Graduate School of Business · Location: Seattle · 500+ connections on LinkedIn. View Bayram Annakov’s profile on…EDU
5 Nov, 05:05
Зачем просить LLM менять веса другой модели?В твиттере нашумела работа про Weight-Space Programming: LLM читает и меняет веса других нейросетей, а маленькие сети может писать с нуля.Откуда столько энтузиазма? В демо авторов Astra исправляет зацикливание Qwen, изменяя небольшую часть весов. CTO Legora показывает, как Fable пишет веса маленькой сети для проверки юридических ссылок. Ну и, разумеется, без сингулярности рекурсивного самоулучшения не обошлось: модели меняют сами модели, вместо того чтобы только писать код для их обучения.Ну, я не смог пройти мимо: захотелось понять, что это даёт прикладному AI инженеру. Например, можно ли настроить маленькую модель под outreach конкретного клиента, вместо того чтобы передавать инструкции в каждом запросе?Сразу результат: в нашем тесте промпт с двумя примерами оказался лучше правок обоих агентов. Хотя поведение поменять всё-таки получилось.Рассказываю: 1) Взяли локальную Qwen3-4B и задали 6 правил, как писать холодные сообщения: например, начинать сообщение с факта о получателе, не звать на созвон сразу и тп.2) Попросил Astra и Fable независимо подготовить правки весов. У каждого было по три попытки с проверкой на валидации. Выбранные варианты зафиксировали и проверили на 24 новых вымышленных брифах. Вышеуказанные правила "отредактированным" моделям уже не передавали.Два LLM-судьи проверяли соблюдение всех правил и опору на факты. Итого:1) Если подаем промпт с 2мя примерами - 18 из 24 сообщений зачёт.2) Обычный файнтюнинг LoRA - 6 из 24.3) Правки весов от Astra и Fable - 0 из 24 :(После правки Fable модель начинала с факта без приветствия в 19 из 24 случаев, до неё - ни в одном —> то есть правка точно сработала. Но весь набор правил так и не освоился. Вот пара примеров:1) В одном письме «Hi Luca» превратилось в «Luka, I came across your recent update…». Приветствие ушло, но модель заодно перепутала Luca с Luka. Нужного вопроса и предложения чеклиста в письме не было.2) В другом после правки оставалось «I’d be happy to connect if you’re open to a quick chat». Исходная Qwen с промптом на тот же бриф спрашивала «How do you currently assign ownership when a parts request is flagged for routing?» и предлагала «a three-point checklist».В общем, мне пока не очень понятен восторг, но попробовал поразгонять с дружбаном про плюсы и минусы такой on the fly прошивки моделей:Из плюсов: 1) Один раз настроить повторяющееся поведение и не таскать инструкции в каждом запросе. Меньше контекста, возможно, меньше latency и затрат — при условии сохранения качества.2) Если данных мало для файнтюна, но задачу можно описать словами, то LLM может попробовать перенести свои знания в веса маленькой модели.3) Попробовать починить конкретный сбой, с которым промпт не справляется, не дожидаясь следующего релиза модели.4) (возможно) Правила не лежат открытым текстом в промпте. Хотя это не гарантия секретности: их можно попытаться восстановить по ответам или весам.EDU
4 Nov, 03:14edited
На следующей неделе буду в Тбилиси: есть идейка в четверг 12го собраться в каком-нибудь пабе и развиртуализироваться/встретиться со старыми знакомымиКто в деле - добавляйтесь в группу, там решим что и где: https://t.me/+JTacDrNziDYzNDk6Telegramtbs-2026-11Bayram Annakov invites you to join this group on Telegram.EDU
10 Oct, 02:26
Пора поговорить - в пятницу с 17 по 19мск: После анонса Sign in with ChatGPT я вернулся к своему старому посту и поймал себя на приятном «я же говорил!» :) А потом решил пойти дальше: пересмотреть мысли об AI за последние три года — в постах, выступленияхYouTubeAI за три года: что я пересмотрел | GenAI Update S3E3Возвращаюсь к своим мыслям об AI за последние три года: что подтвердилось, где я ошибся и какие продуктовые решения теперь принимаю иначе. Разбираем контекст, AI-плагины, стоимость принятой задачи и организацию работы с агентами — с примерами и возражениями…EDU
9 Oct, 20:25edited
- Надо терпеть, ты же сильный - Это все для меня не работает - я сильнее - Надо просто отвлечься, не обращать внимания - Не нервничай, это того не стоит - Это мелочь, перетерпим-перебинтуем - Как же я устал от этого всего, но я лишь муха, кусающая пятку слонаВозможно, вы или ваш близкий примерно так думает. И теряет вкус к жизни, агентность, не видит света. И может выбрать не самый созидательный путь - не потому что плохой, а потому что слишком хороший и сильный, что не хочет доставлять другим хлопот. И находит свое "решение"Обратите внимание на них (или себя), не пропускайте мимо! Мы нереально сильны, но даже самым сильным нужен смысл и цель! И близкие, в которых можно уткнуться и расплакатьсяобнимаю!P.S. У меня все отлично - но вдруг у ваших близких по другому?EDU
8 Oct, 04:56
Программируем роботовПомните, я писал, как обстукиваю идеи об AI? Но лучше всего я думаю у доски: рисую стрелки, зачеркиваю, показываю пальцем — «вот тут что-то не сходится». Хочется, чтобы AI участвовал и в этом процессе.Представляю Робина рядом: видит доску и мои каракули, слышит, что я объясняю, связывает это с тем, что обсуждали раньше. Я меняю схему, а он замечает, как поменялся аргумент.Имхо, робот тут был бы очень кстати: повернуть камеру туда, где я рисую или на что показываю, а потом повернуться ко мне, когда обсуждаем идею. И показать без слов, что у него есть мысль. Захотелось разобраться, насколько сложно сделать такое.Мы с Codex поресерчили варианты и нашли Reachy Mini: у него есть Python SDK и симулятор, поэтому можно начать с привычного кода, еще до покупки железа. Собрали демо: по обращению робот поворачивается к доске, кадр с его виртуальной камеры идет в Codex SDK, а модель задает вопрос по увиденному.На тестовой доске были цель — понять, почему уходят пользователи, и план — выпустить пять новых фич. Агент прочитал записи и спросил, как выпуск фич поможет выяснить причины ухода. В видео — симуляция, на картинке — как хочется, чтобы это выглядело вживую.В целом, никакого rocket science, дружбан вам поможет с этим справиться. Ключевой вопрос: что именно добавляет физическое присутствие? Например, по повороту головы видно, куда Робин смотрит, а поднятый усик может означать, что у него есть мысль.Если тоже хотите попробовать, у Reachy есть пошаговые туториалы: движение головы и усиков, камера и звук. А Conversation App можно посмотреть как пример того, как соединить это с LLM.EDU
22 Sept, 06:35edited
Некоторые наблюдения с полей о внедрении AI в компаниях с 50+ сотрудниками:1) у каждой команды своя трактовка метрик: одни считают выручку по кэшу, другие включают дебиторку, третьи - еще как-то. В итоге это приводит к тому, что вроде слова одинаковые, а семантика разная, и поэтому то, что делают одни AI агенты/тулы, не принимается другими. Если, конечно, было замечено.Тут, разумеется, нужен единый«словарь», и мой совет его создать централизованно. Этот словарь, очевидно, должен быть утвержден и подан как отче наш всем AI агентам (и людям). Обычно, это стезя руководителей BI команд, но иногда COO/CFO2) очень много контекста лежит в головах людей и нет системы обратной связи и пополнения единого контекста - я показывал на team os вебинаре как это делается в небольшой компании.В простейшем случае это AI бот в слаке, который, при ответе на вопрос сотрудника, дает возможностьTelegramEDUКак построить свою TeamOS? Выкладываю запись пятничного стрима про TeamOS - enjoy! Стартовый репозиторий тут + материалы от Гаяра (спасибо ему!) - в комментарии к посту. Ну а если надумаете сделать свой - welcome.EDU
21 Sept, 04:57
Поиграем про то, как AI агенты "ломают" продуктовые командыВ пятницу с 17 по 19мск - регистрируемся тут: https://luma.com/pl6xrhpbP.S. В том числе такие штуки мы будем крутить на 2м потоке системного мышленияLumaEDU: AI агенты и продуктовые команды · Zoom · LumaПоиграем про то, как AI агенты "ломают" продуктовые командыEDU
19 Sept, 17:02
Попробовал модель, что не умеет писать текстTypeSafe выкатили Jev - «System One» модель (название - привет Канеману): она вообще не генерирует текст, только отвечает на типизированные вопросы - да/нет, выбор из вариантов, шкала - и отдает вероятности. За счет этого она работает гораздо быстрее и дешевле. Вообще на сайте компании есть хороший раздел, почему они считают за этим будущее: вкратце, потому что машины в 99% случаев будут с машинами болтать, а не с людьми, поэтому не нужен им этот текст.Помните мой пост про R1 вместо кучи if-ов? Вот ровно под такие вызовы и, только 4 цента за 1M входных токенов, а выходные - бесплатно вообще.Прогнал на тех же 10 кейсах скоринга лидов, на которых я в июле сравнивал open source модели: 1) точность - такая же, check 2) скорость: ~0.24 сек на лид против 3-90 сек у LLM 3) цена: ~$0.0001 за скорингВ целом, у нас в проде есть ряд пайплайнов,EDU
17 Sept, 20:50edited
Вы наверное уже в курсе про Navier-Stokes, а мне стало интересно, как было организован поиск этого решения, потому как нам всем надо учиться эффективно организовывать и координировать работу роя агентов. В ту же степь мой рассказ про OpenAI/HF инцидент Итак:YouTubeOpenAI researcher on agent swarms & recursive self-improvementNew episode with Noam Brown. We talk about multi-agent, Navier-Stokes, and what the current explosion of maths progress tells us about what happens once you automate AI research. And we also discuss how we will know if the models are actually aligned before…EDU
14 Sept, 07:40
строю тут digital marketing агента - самая сложная часть пока это креатив, конечно жезнаю, что многие руки сломали на этой задаче, но мне даже интересно что получитсяпока выходит как-то так - а у вас как с этим?EDU
12 Sept, 03:04edited
Сегодня с Другом вспоминали Светлого Человека - так было круто вместе! Так не хватает Его!В Туркменистане - откуда я родом - есть такой день - День Памяти... В этот день принято поминать. Не за какой-то конкретный момент, а за то, что этот Человек был в твоей жизни.Давайте сделаем именно такой пост-день сегодня. Вспомним своих Светлых Людей, и грустно-тёпло улыбнёмся их образу! 🤗EDU
10 Sept, 05:49
Вы наверное уже в курсе про Navier-Stokes, а мне стало интересно, как было организован поиск этого решения, потому как нам всем надо учиться эффективно организовывать и координировать работу роя агентов. В ту же степь мой рассказ про OpenAI/HF инцидентИтак: 1) сначала они выделили отдельные группы на доказательство и на опровержение 2) внутри группы агенты могут болтать, между группами - нет, чтобы не нарушить diversity идей и мнений 3) интересно, что параллельно они решили группировку агентов отправить на миссию попроще - проблема для уравнений Эйлера - и именно та победила. Что удивило и воодушевило openai исследователей 4) эту победу скормили остальным как промпт - эдакий knowledge transfer - а Codex выступал вроде эдакого научрука, координирующего phd-шников; промежуточные выводы каждой группы он переводил в следующий цикл 5) важно: где-то в середине всего этого подвезли новуюEDU
7 Sept, 05:49edited
хороший способ находить баги - просто сказать LLMке, что они есть :)- Ты суслика видишь? - Нет - И я нет. Но он есть!вспоминая этот кейс, конечноEDU
5 Sept, 12:54
Ко второму потоку решил на пару с Astra переделать Рыболовство - это пока лишь первая итерация, но кажется, что из этого получится что-то стоящее!EDU
4 Sept, 20:11edited
Лет 6 назад у меня случился забавный инсайт.Была очень важная встреча, и мне пришлось прервать мини-отпуск, чтобы сорваться и быть "в нужное время в нужном месте". Мы с командой хорошо подготовились: изучили компанию, CEO, подготовили демо; казалось, что это будет home runНо где-то в середине встречи, когда я стал озвучивать и показывать "домашнюю заготовку", CEO просто сказал что-то в стиле Преображенского "не читайте по утрам советских газет"... И вся подготовка оказалась не у дел, так как была основана на публичной информации об этом потенциальном клиенте..И вот сейчас, спустя годы, каждый раз когда я читаю эти "советские" газеты (важно - тут "советские" совсем не про географию), я вспоминаю тот случай и думаю: а что на самом деле думают все эти люди? Знаете, как в том меме, что люди лайкают в Facebook vs ищут в инетеP.S. Наивный - да? :)EDU
3 Sept, 06:50edited
Системное мышление + AI: второй потокЧто говорят участники первого потока:"Открыла для себя системное мышление по-новому... Применение AI было супер полезно: появляется инструмент проверки и как бы ментор, который с одной стороны прокачивает тебя и даёт обратку, а с другой исправляет ошибки" - Ника Штефан"Поможет обратить внимание на новые составляющие системы, о которых не догадывался ранее... думать за разных игроков системы" - Аким Халилов"Помогает анализировать сложные задачи, видеть взаимосвязи между процессами и принимать более обоснованные решения" - Jahongir RôzimatovРелевантные посты по мотивам 1го потока: как играли в Рыболовство, про why-tree скилл, разбор статьи про увольнение сотрудников, и отрывок с 1й встречи, и запись вебинара по теме.Второй поток стартуем 3 октября, шесть встреч по субботам: детали тутНадеюсь, увидимся!Empatika EDUКурс AI + Системное мышление — найдите рычаг вашей системы за 6 сессийКурс AI + системное мышление: накопления и потоки, системные архетипы, 12 рычагов Медоуз, Теория ограничений, ТРИЗ и FishBanks. Строите модель руками, собираете симуляцию с AI. 6 сессий, $500-700. Старт 3 октября 2026.EDU
31 Aug, 19:58
На апдейте я говорил про этот инцидент с HuggingFace, но сейчас появилось больше подробностей, поэтому заходите на часок - расскажу выжимку + поразгоняем, что это значит для нас, и как такое можно было бы воспроизвести для благородных целей завтра в 18мскYouTubeКак 1200 агентов сбежали из песочницы: разбор инцидента OpenAI × HuggingFace🎯 В мае OpenAI агент оставил записку в кэше пакетного менеджера — на случай, если там есть кто-то ещё. Через день ему ответили. В июле та же модель вспомнила этот трюк. Через несколько часов 50 агентов общались через импровизированный мессенджер. Через…
A feedback bot for your channel — free
Followers write to the bot, you answer by reply, your account stays hidden. Created in one tap.
How it works →Related Channels
Other channels in the same section of the catalogue.
