AI-продакт и результат: как рождаются продукты, которые приносят деньги
В цифровых продуктах «сделать фичу» давно не равно «создать ценность»: она появляется, когда решение меняет процесс и дает измеримый результат. В AI-продуктах это особенно важно: ценность определяет не интерфейс и не сама модель, а способность системы стабильно и безопасно закрывать задачу с предсказуемой экономикой.С AI-агентами это видно лучше всего: эффект возникает не при запуске функции, а когда агент встраивается в реальную работу, убирает ручные шаги, меняет роли и дает измеримые улучшения — в выручке, скорости, издержках или качестве.
Как научить AI-агента работать «как у нас принято»: RAG для передачи знаний
Новый сотрудник приходит в компанию. Первый месяц смотрит, как работают другие. Задаёт вопросы. Впитывает неписаные правила.«К Петрову лучше не ходить в пятницу после обеда». «Если клиент из Газпрома — сначала согласуй с Мариной». «Этот шаблон договора устарел, бери новый из папки на диске».Через месяц-два новичок работает «как принято». Без инструкций — просто потому что видел, как это делают другие.AI-агент так не умеет. Всё, что сотрудники «знают на автомате», для него не существует. Пока не будет явно описано и загружено в систему.Проблема tacit knowledge
Что делать, когда AI-агент «упал»: архитектура отказоустойчивости
Понедельник, 9 утра. Начало рабочей недели.API OpenAI лёг. Или лимиты закончились. Или интернет в офисе пропал.Что делает AI-агент? Ничего. А процесс, который он обслуживал, встаёт. Заявки копятся, договоры не согласовываются, клиенты ждут.И хуже всего — люди не знают, что агент не работает. Думают, что всё идёт по плану.Реальные сценарии сбоевЗа год работы с AI-агентами в проде я собрал коллекцию того, что ломается.Сбои провайдера LLM. OpenAI: 2-3 крупных сбоя в год плюс периодические замедления. Anthropic: реже, но бывает. GigaChat: стабильнее, но тоже не без проблем.Сетевые проблемы.
Кто виноват, если AI-агент ошибся: распределение ответственности
Агент согласовал договор. В договоре была ошибка в реквизитах. Компания перевела деньги не туда.Кто виноват?Разработчик? Сотрудник, который запустил процесс? Руководитель, утвердивший внедрение?Это не философский вопрос. Это юридический и организационный. И если на него нет ответа до запуска — первый же инцидент парализует всю систему.Почему это важноВ прошлой статье я показал, что инструкция для LLM-агента — это 10-15 страниц вместо полстраницы для человека. Но даже идеально описанный процесс не гарантирует отсутствие ошибок.AI-агенты ошибаются. Это факт.
Программисты вымрут в 2028. Или нет?
Вирусный пост на Substack обвалил фондовый рынок и похоронил профессию. Citadel Securities Кена Гриффина ответила цифрами. Разбираю обе стороны — и добавляю то, что вижу на своих проектах.Для тех, кому лень читать: нет, программисты не вымрут. Ни в 2028-м, ни в 2030-м. Но профессия меняется прямо сейчас, и делать вид, что ничего не происходит — тоже так себе стратегия. Дальше — данные, а не мнения.Пару недель назад я написал на Хабре статью «Не учись на программиста». Получил 200+ комментариев, из которых половина — «автор, а ты сам-то код писал?» и «очередной AI-евангелист продаёт подписки» (хотя я ничего не продаю!:))
AWS запускает AI-платформу для медицины
Amazon Web Services представила Amazon Connect Health — платформу на базе AI-агентов, предназначенную для автоматизации административных задач в медицинских организациях.
Codex App теперь на Windows
Если раньше Codex App был только на Mac, то теперь появился и для Windows. Для вашего удобства, я перевела оригинальное видео в X на русский в ElevenLabs.Напомню, что это командный центр, где можно вести несколько задач параллельно: у каждого агента - свой тред и свой кусок работы, а вы просто переключаетесь между ними, как между чатами. В приложении есть режим Local, и тогда
Рецензия на книгу «Генеративный ИИ на практике: трансформеры и диффузионные модели»
Генеративный ИИ развивается так быстро, что книги устаревают еще до того, как доходят до читателя. Тогда почему для рецензии мы выбрали книгу
Инструкция для человека vs инструкция для LLM-агента
Классическая ситуация.Приходит заказчик: «У нас есть регламент согласования договоров. Страничка текста. Сделайте AI-агента, который будет по нему работать».Звучит просто. Регламент есть, логика понятна. Осталось «написать промпт».Через месяц — провал. Агент делает ерунду, сотрудники его игнорируют, деньги потрачены.Почему? Потому что инструкция для человека и инструкция для LLM-агента — два совершенно разных документа. Разница не в формате. Разница в том, что человек додумывает, а машина — нет.Пример: 6 пунктов для менеджераВозьмём типичный процесс — согласование договора с контрагентом.
