Анатолий Бузанов⚡️Программирую бизнес

Разбор реального кейса. Часть 2. первая часть тут В прошлом посте я рассказал про кейс Сергея и три гипотезы, которые решил проверить до начала разработки. Напомню задачу. Есть дизайн-проект квартиры. Есть сметчик, который на его основе готовит смету. И есть идея: а может эту работу уже способен делать ИИ? Чтобы не гадать, я решил проверить это на практике. В комментариях под прошлым постом Ирина абсолютно правильно подметила важную вещь: смета для заказчика и смета для подрядчика - это две разные логики. Сметчик - это не просто человек, который переносит цифры из проекта в таблицу. В его работе много опыта, правил и профессиональных решений. Когда я работал в МТС, перед запуском автоматизации мы всегда задавали один вопрос: "Мы автоматизируем механическую обработку информации или принятие решений?" С обработкой информации современные ИИ справляются очень хорошо. С принятием решений всё гораздо сложнее. Но к черту теорию, давайте к фактам. Я взял реальный дизайн-проект Сергея на 67 страниц (в комментариях прикреплю несколько ключевых страниц) и загрузил его в современные ИИ-модели. При этом меня интересовал не вопрос: "Может ли ИИ полностью сделать смету?" Это слишком большая задача. Сначала я хотел понять более простую вещь: Что современные ИИ способны извлечь из такого проекта уже сегодня? Для проверки использовал несколько моделей и поставил важное ограничение: Если данных недостаточно - ничего не придумывать, а честно сообщать об этом. Результаты оказались довольно показательными. 🟢 Что ИИ делает хорошо Практически без ошибок модели находили данные, которые уже были рассчитаны проектировщиком и представлены в явном виде: - экспликации полов; - площади помещений; - ведомости дверей; - спецификации оборудования. По сути ИИ выступает как очень быстрый аналитик, который способен за считанные секунды собрать информацию по десяткам страниц документации. 🟡 Что ИИ делает удовлетворительно Сложнее становится там, где информацию нужно сопоставлять из разных частей проекта. Например: - искать взаимосвязи между разными листами; - объединять данные из нескольких разделов; - подсчитывать отдельные группы элементов; - выявлять несоответствия. Результаты часто оказываются полезными, но требуют обязательной проверки специалистом. 🔴 Что ИИ делает плохо Основные ограничения проявились там, где требуется интерпретация инженерной графики. Например: - подсчёт электроточек по условным обозначениям; - анализ некоторых сантехнических схем; - перегородки и короба. Причём похожие результаты показали разные модели. Похоже, проблема находится не в конкретном ИИ, а в самой природе задачи. Самый важный вывод оказался неожиданно простым. Мы изначально задавали неправильный вопрос. Не: "Может ли ИИ заменить сметчика?" А: "Какую часть работы сметчика можно автоматизировать уже сегодня?" Потому что между полной заменой специалиста и автоматизацией значительной части рутины лежит огромная разница. И именно в этой разнице, как мне сейчас кажется, находится настоящий продукт. В финальном посте покажу главный вывод всего исследования и расскажу, почему, если бы я запускал стартап в этой нише сегодня, я бы вообще не делал "ИИ-сметчика". Напишите в комментах, к примеру, 60 минут вместо 6 часов - это достаточный повод внедрять ИИ в бизнес, или надо добиваться полной замены человека, ну или почти полной?👇

Разбор реального кейса: может ли ИИ автоматизировать строительные сметы? За последние месяцы ко мне уже не первый раз приходят с похожим запросом: можно ли автоматизировать подготовку строительных смет* с помощью ИИ? *кто не в теме, смета, если очень упрощённо, - это расчёт стоимости ремонта: сколько кв. метров плитки уложить, сколько стен покрасить, сколько нужно материалов и сколько будет стоить работа. Исходником для смет служит дизайн-проект квартиры или дома - часто это несколько десятков страниц чертежей, планов и спецификаций. На этот раз написал Сергей. У него строительный бизнес, блог и большое профессиональное сообщество строителей. На первый взгляд задача выглядит очень привлекательно. Есть дизайн-проект. Есть сметчик. Есть несколько часов ручной работы. И есть современные ИИ-модели, которые умеют анализировать документы и чертежи. Логичный вопрос: может ли ИИ взять эту работу на себя? Здесь легко наступить на грабли. Многие начинают обсуждать технологии раньше, чем понимают задачу. За годы работы с продуктами в МТС, 1С и Adobe я видел одну и ту же картину десятки раз: люди приходят с готовым решением там, где нужно начинать с проверки проблемы. Поэтому я решил посмотреть на кейс не как разработчик, а как продакт. Сначала собираем факты. По словам Сергея: - подготовка одной сметы занимает от 4 до 8 часов; - цена услуги на рынке - от 2 500 до 10 000 рублей; - многие компании отдают эту работу на аутсорс; - ожидание готового документа иногда занимает дни и недели. Проблема реальная, и деньги в ней есть. Но наличие проблемы ещё не означает наличие продукта. Перед любым проектом я сначала проверяю базовые гипотезы: Гипотеза №1. Проблема действительно массовая? Это боль одного человека или с ней сталкивается значительная часть рынка? Автоматизировать единичный процесс - всегда плохая бизнес-идея. Гипотеза №2. Есть ли достаточный экономический эффект? Если задача сокращается с 5 часов до 10 минут - это бизнес. Если с 5 часов до 4 часов 30 минут - игра не стоит свеч. Гипотеза №3. Где находится основная ценность работы сметчика? В тупой обработке информации или в экспертных знаниях? Часто кажется, что специалист просто переносит данные из проекта в таблицу. Но на практике выясняется, что большая часть работы - это накопленный опыт, профессиональные правила и сотни мелких инженерных решений, которые нигде не записаны. Если ценность именно там, задача становится в разы сложнее. Поэтому первым делом я решил не писать код, не строить архитектуру и не выбирать модели. Я решил проверить самую простую вещь: что современные ИИ вообще способны извлечь из реального дизайн-проекта уже сегодня? Для этого я провёл серию экспериментов на реальных объектах Сергея. Результаты оказались не такими, как я думал. И местами довольно неожиданными. Продолжение следует, не переключайтесь. Если тема автоматизации реального сектора вам близка - ставьте 🔥, так я пойму, что контент заходит.

Главное в ИИ за неделю (15-21 июня 2026) - Коротко и по делу Без маркетингового буллшита. Разбираем, как главные события недели влияют на наши проекты и кошельки. 1️⃣ Бан Claude Fable 5 и суверенный ИИ Anthropic уже больше 9 дней держит флагманы в оффлайне из-за экспортного запрета Минторга США (виной всему инвестиции корейской SK Telecom). Европа в ответ экстренно строит свой open-source проект EUROPA на 400+ млрд параметров. Вывод: Зависимость от одного закрытого UI - огромный риск. Стройте независимый стек (Coolify + n8n + Supabase) и настраивайте оркестрацию через OpenRouter, чтобы переключать API на альтернативы (DeepSeek, Qwen) за 5 секунд. 2️⃣ OpenAI хоронит Sora: Конец эпохи хайпа Видеогенератор официально закрыт из-за коммерческого провала: $15 млн ежедневных расходов против $2,1 млн выручки за всё время. Все ресурсы переброшены на новую модель Spud и корпоративных агентов перед IPO в сентябре. Вывод: Красивые картинки больше не продаются. Рынок требует автономных цифровых сотрудников, зашитых в реальные бизнес-процессы. Направляйте фокус и разработку именно туда. 3️⃣ Парадокс PwC и кодинг как расходник По данным PwC, надбавка за навыки ИИ выросла до 62%, но требования к джунам взлетели в 7 раз. Базовую рутину (код, SQL, копирайт) полностью забрали нейросети, особенно после покупки Cursor компанией SpaceX за $60 млрд. Вывод: Профессия программиста превращается в профессию "человека, принимающего решения". Важна не скорость написания кода, а архитектурное мышление и понимание болей бизнеса. 4️⃣ Microsoft Phi-4: Умная экономия на API Вышла открытая модель Phi-4 (15B) с "селективным мышлением". Она сама решает: ответить дешево и быстро на простой запрос или включить тяжелые логические блоки для сложной задачи. Экономия энергии и денег - до 80%. Вывод: Идеальный элемент для парадигмы «Архитектор и Прораб». На рутинные воркфлоу ставим копеечные локальные модели, а тяжелую артиллерию вызываем только там, где реально нужно пораскинуть мозгами. 🔥 Итог: Доля ChatGPT на рынке упала ниже 50%. Модели становятся взаимозаменяемым расходником. Перестаньте залипать в интерфейсы - инвестируйте в архитектуру автономных систем, работающих по API. Вы уже перешли на self-hosted рельсы после падения Клода? Кто, что думает об этом? обсудим! 👇

Запускаем автономного ИИ-агента на собственном сервере 24/7 Выкатил новый ролик, в котором мы пошагово и без душного программирования разворачиваем Hermes Agent на чистом удаленном сервере (VPS) и подключаем его к Telegram. Теперь нейросети будут работать на вас в фоне круглые сутки: писать контент, парсить данные, собирать аналитику и раскладывать задачи по полочкам на удобной Канбан-доске, которой можно управлять прямо с телефона. Что внутри: - Развертывание на VPS: аренда VPS и настроqrf базовjq безопасностb (фаервол UFW), чтобы никто чужой не залез. - Экономия на токенах: Подключаем OpenRouter и заставляем агента работать на бесплатной Gemini 3.5 Flash. - Демонизация процессов: Пишем фоновую службу (systemd) для дашборда, чтобы веб-панель не падала после закрытия терминала. - Полный тест-драйв: Ставим задачи агенту через ТГ и смотрим, как он шуршит в реальном времени. Смотреть ролик на YouTube 📄 Забирай готовую PDF-шпаргалку Чтобы вы не переписывали команды с экрана и не запутались в 25 пунктах интерактивного инсталлятора, я собрал строгий и стильный гайд со всеми конфигами, матрицей правильных ответов для скрипта и командами. Шпаргалка уже загружена в нашего бота: 👉 Бот ТГ-канала TeqIT_lab Заходи, жми кнопку «Материалы к роликам» и забирай файл в один клик. Смотрите видео, поднимайте своих агентов и делитесь в комментариях под роликом, под какие задачи будете их адаптировать. Наберем 500 лайков - сразу выкатываю вторую часть о вариантах использования, какие скиллы можно добавить сразу пачкой и многое другое!

Итоги эксперимента "ИИ против Автора": почему вы искали меня не там (и где нейросети сломали зубы) 🤖 (пост с этим экспериментом тут) Мой живой, написанный пальцами пост - это ПОСТ №3 (тот самый лонгрид про стратегии маркетинга без бюджетов). Кстати, его полную версию без сокращений я уже выложил на VC, можете заценить всю практическую фактуру целиком: Как продавать свой сервис, если ты не Яндекс и у тебя нет мешка денег? Мой опыт продуктолога с 15-летним стажем (Статья на VC) Соответственно, Пост №1 (про ИИ-косплей) и Пост №2 (про навык принятия решений) - это чистокровная синтетика. Причем во втором случае ИИ тупо, но ювелирно пересобрал мои же старые мысли из прошлых постов. Но самое интересное - это то, КАК вы пытались меня вычислить в комментариях. Наш чат превратился в филиал детективного агентства, и это натолкнуло меня на очень глубокие выводы. Ловушка формы: почему маркеры больше не работают В комментариях развернулась гениальная аналитика. Кто-то смотрел на пробелы перед запятыми, кто-то зацепился за смайлики ")))" во втором посте. А кто-то даже предположил, что слово "жопа" в первом варианте - это почерк Грока, который косит под человека. Этот пост написал всего лишь ChatGPT. У меня для вас новость из 2026 года: ИИ идеально научился копировать форму. Попроси его сделать опечатку - он сделает. Попроси расставить корявые запятые, насыпать скобочек или ругнуться для экспрессии - он скопирует это в лучшем виде. Ловить нейросеть на синтаксисе в эпоху продвинутых LLM - это как пытаться отличить фальшивую купюру по качеству бумаги. Вы смотрели на запятые, но почти никто не посмотрел на то, где ИИ бессилен. В чём истинная ценность человека? Нейросеть - это идеальный компилятор. Она может написать стихи в стиле Пушкина или сгенерировать картину под Ван Гога. Но она никогда не создаст принципиально новое течение в искусстве🔥. Она работает только на основе того, что в неё уже загрузили. То же самое с бизнес-контентом: ИИ может идеально сымитировать мой слог, но он никогда не придумает за меня мой опыт. Нейросеть не стажировалась в Michelin. Она не выводила продукты в МТС, не знает изнутри кухню "1С". ИИ не совершал моих ошибок, не терял бюджеты, не рисковал своими деньгами и карьерой, не проживал эту жизнь. У него нет болей и шрамов - у него есть только гигабайты чужих текстов. Поэтому Пост №3 оказался живым не потому, что там какие-то особенные запятые. А потому, что там есть реальный, уникальный человеческий бэкграунд, хардкорная практика и новые идеи, которые нельзя просто нагуглить или скомпилировать из "средневзвешенного по интернету". Формула контента: мысль vs упаковка Давайте зафиксируем главное правило, которое этот эксперимент доказал, как мне кажется, на 100%: Если мысль говно - то абсолютно неважно, кто её упаковывал. Хоть ИИ её проверял и переписывал, хоть человек вручную неделями вылизывал - такое читать никто не захочет. Но когда мысль новая, свежая, острая и интересная (а вытащить её из реальности пока может только человек), то какая разница, использовался ли ИИ для полировки текста или нет? Для меня ИИ сегодня - это реальный экзоскелет для человека. Это мощнейшая помощь, и глупо (даже грех) им не пользоваться для автоматизации рутины. Я всегда буду использовать его как продвинутый Т9, чтобы убирать тавтологию, оформлять списки или исправлять опечатки, с которыми воюю со школы. Но экзоскелет нужен для усиления, а не для замены органов. Я категорически против того, чтобы заменять свои собственные мысли мыслями ИИ. Сам так никогда не делал, не делаю и вам не советую. Настоящий вайбкодинг - это когда архитектором смыслов и генератором идей всегда остается живой человек. Те, кто угадал третий пост по сути, а не по запятыми - снимаю шляпу! 🎩 (и да, я иногда ставлю смайлики, чтобы упростить текст и сделать его легче и понятнее) Переходите на статью на VC, накидайте лайков и давайте в комментариях обсудим👇: замечали, что ценность просто гладкого текста в интернете упала до нуля, и теперь решает только личный прожитый опыт? #вайбкодинг #нейросети #эксперимент #маркетинг #бизнес2026 #индихакинг

Главное в ИИ за неделю (8-14 июня): Коротко и по делу Без лишней воды разбираем главные инфоповоды недели через призму шкурного интереса соло-разработчиков и автоматизаторов. 1️⃣ Бан Claude Fable 5: Конец иллюзии открытого мира Anthropic выкатила мощнейшую Claude Fable 5 (80.3% на SWE-Bench Pro), но власти США тут же ограничили к ней доступ для иностранцев из-за киберугроз, и компания временно вырубила модель для всех. Что это значит: В любой момент закрытый ИИ-сервис может забанить вас по паспорту. Стройте независимый self-hosted стек (Coolify + n8n + Supabase) и подключайте модели через OpenRouter. Упал один провайдер - за 5 секунд переключились на другой. 2️⃣ WWDC 2026: Модели стали расходником Тим Кук провел последний кейноут перед уходом, представив Siri на движке Google Gemini (1.2T параметров). В iOS 27 появится система расширений, где пользователь сам выбирает «мозг» девайса: Gemini, ChatGPT или Claude. Что это значит: Гонка "у кого нейронка умнее" закончена. Если даже Apple разрешает менять ИИ как перчатки, уникальность продукта на одном хитром промпте умирает. Выигрывает тот, кто строит глубокие интеграции и оркестрацию под боли клиентов. 3️⃣ Эпоха агентов и обновление "Сновидения" от OpenAI OpenAI выкатила апдейт фоновой памяти "Dreaming", подняв точность долгосрочного профилирования до 82.8%. При этом инвесторы массово уходят от чат-ботов, вливая 60% капитала в автономных агентов (Claude Code, Codex). Что это значит: Мы переходим от промптинга к управлению цифровыми сотрудниками. Главная опасность тут - слив баланса API, когда агент ловит ошибку и уходит в цикл. Спасает наш подход "Архитектор и Прораб": дорогая модель строит план, а дешевая (типа Gemini Flash) кодит по жестким рельсам. Итог Пока OpenAI подает документы на IPO с оценкой $850 млрд, а Маск становится триллионером на фоне успехов SpaceX и xAI, наша задача - забирать их мощности по API за копейки (или вообще юзать бесплатные лимиты Gemini через OpenRouter, как я показывал в последнем видео) и пилить независимые автономные системы, которые экономят нам время и приносят реальные деньги. Гонка моделей превратилась в гонку агентов. Замечаете, что чаты уступают место автоматизациям? Пишите в комменты! 👇 #вайбкодинг #ии #новости2026 #ai #автоматизация #нейросети #солофаундер

Кто пишет мои тексты? Пару раз в комментариях меня упрекнули, что посты пишу не я, а ИИ. Я повозмущался, но потом задумался. А какая разница? Попробую объяснить, что я имею ввиду. Если мысль интересная, полезная или заставляет задуматься - что меняет факт, что автор проверил орфографию через ИИ или попросил убрать пару корявых формулировок? Я всю жизнь работал продуктологом в крупных российских и западных компаниях. Каждый месяц проводил вебинары, презентации, семинары. По работе постоянно приходилось объяснять сложные вещи простым языком. Поэтому структурировать мысли я умею и без нейросетей. Но есть нюанс, куда же без него. С орфографией у меня проблемы ещё со школы. До сих пор люди замечают очепятки и досадные орфографические ошибки в моих роликах. 😅 Поэтому текст я вполне могу прогнать через ИИ на ошибки, опечатки и иногда тавтологию. Но саму мысль он за меня не придумает. Я собственно к чему. Мне кажется, люди немного переоценивают ИИ. ИИ прекрасно умеет: ✅ переписывать; ✅ улучшать формулировки; ✅ менять стиль; ✅ собирать информацию. Но он не живёт жизнь. - Он не запускал продукты. - Не терял деньги. - Не общался с клиентами, а те не посылали его на три известные буквы. - Не набивал шишки. Поэтому новые идеи, наблюдения и выводы всё ещё рождаются у людей, а не у нейросетей. И если мысль слабая - её не спасёт даже самый красивый текст. А если мысль сильная - мне вообще не важно, проверял автор орфографию сам или через ИИ. Поэтому предлагаю эксперимент. 🔥 Я возьму свои прошлые статьи и дам их двум разным нейросетям. Задача будет простая - написать новый пост в моём стиле. А в комментариях под этим постом вы найдёте три текста: 1️⃣ один написал я; 2️⃣ один - ИИ №1; 3️⃣ и еще один - ИИ №2. Попробуйте угадать, где человек, а где нейросеть. Сам я на момент написания поста ещё не знаю, насколько легко будет отличить. Но моя гипотеза простая: ИИ возьмёт старые мысли, пережуёт их, причешет и выдаст в новой упаковке. А человек всё ещё способен принести новую мысль. Посмотрим, прав ли я. И вообще, сможете ли вы отличить автора текста, если заранее не знаете ответ. Какой текст написан человеком? 👍 - №1 🔥 - №2 ⚡️ - №3 😄 - все посты написал ИИ (оставлю вариант для скептиков) Буковок много в комментариях и в этом посте, но я бы посоветовал вчитаться и вдуматься, это как минимум любопытно - смотри и ставь реакцию, где мой живой пост. А если лень, то забей и можешь отписаться, я ценю твоё время. P.S. Самое забавное, что перед публикацией я закинул этот пост в ChatGPT. И знаете, какую правку он предложил? Вместо: "Поэтому новые идеи, наблюдения и выводы всё ещё рождаются у людей, а не у нейросетей". Он предложил написать: "Поэтому самые интересные идеи, наблюдения и выводы пока всё ещё чаще рождаются у людей, а не у нейросетей". Т.е. ИИ буквально нашёл место, где я утверждаю, что он не умеет генерировать новые идеи, и предложил сформулировать это помягче. Это политкорректность или ИИ обиделся? 😆 Скрин в комментариях. #ии #вайбкодинг #ai #контент #нейросети #эксперимент #мышление

В новом видео показал, как использовать официальные бесплатные лимиты Gemini через API для вайбкодинга, автоматизаций и AI-агентов. 🎥 Видео: https://youtu.be/yC0BG6umnkk?si=vqzR-9voxfSONyod А теперь наблюдение, которое я специально не стал подробно разбирать на YouTube. 1️⃣ Во-первых, это пока ещё не завершённый эксперимент. 2️⃣ Во-вторых, и Gemini API, и YouTube принадлежат Google 😄 Но выглядит всё очень любопытно. Сейчас у меня в OpenRouter через BYOK подключены API-ключи Gemini от нескольких разных Google-аккаунтов. И я заметил вот такую закономерность. Когда использовал один ключ - в бесплатные лимиты упирался довольно быстро. Подключил второй - стало заметно комфортнее. Подключил третий - ещё лучше (в ролике как раз уже подключены три ключа из разных аккаунтов)... И тут мои мысли понесло дальше как я подключаю сто ключей)). На днях специально гонял большого ИИ-агента в Hermes. В итоге он обработал около 3,5 миллиона токенов, а итоговая стоимость составила примерно 10 центов и то, это когда он переключился на платные ключи после достижения лимитов бесплатных. Поэтому у меня появилась гипотеза, что OpenRouter действительно умеет корректно распределять запросы между несколькими Gemini-ключами и таким образом суммарные бесплатные лимиты растут. 🤷‍♂️ Пока это именно гипотеза. Я ещё не нашёл способ увидеть точную статистику по каждому ключу отдельно и поэтому не могу утверждать это на 100%. Но косвенные признаки выглядят очень убедительно. Следующий этап эксперимента - попробовать добавить ещё несколько ключей и посмотреть, будет ли эффект масштабироваться дальше или после определённого количества аккаунтов рост лимитов прекращается. 🤔 Если подтвердится - получится очень интересная история для AI-агентов, исследований, анализа данных и других задач, где расход токенов большой, а требования к модели не такие жёсткие, как в серьёзном программировании. Если кто-то уже тестировал несколько Gemini API-ключей через OpenRouter BYOK - напишите в комментариях свой опыт. Интересно сравнить результаты.

🤔 Забавное наблюдение из эпохи вайбкодинга. Последние месяцы я собрал больше прототипов, чем за несколько предыдущих лет. То, на что раньше уходили выходные, сегодня делается за пару часов. То, что казалось "слишком сложно", теперь просто очередная задача для AI. Но есть проблема. Оказалось, что код никогда не был главным узким местом. Сделать продукт сегодня легко. Сложно понять: 🔹 нужен ли он вообще кому-то; 🔹 где взять первых пользователей; 🔹 как получить обратную связь; 🔹 почему люди должны изменить свои привычки ради твоего сервиса. ИИ убрал огромное количество оправданий. Раньше можно было говорить: "У меня нет команды". "Нет программиста". "Нет денег на разработку". Сейчас часто остаётся только один вопрос: А ты вообще решаешь реальную проблему? 🎯 Самое интересное, что ускорение разработки дало ещё один эффект - ускорение разочарования. 😅 Раньше можно было полгода мечтать о будущем успехе. Теперь собрать сервис можно за вечер и уже через неделю понять, что он никому не нужен. И знаете что? Это хорошая новость. Потому что в 2026 году выигрывает не тот, кто быстрее пишет код. Выигрывает тот, кто быстрее находит настоящую боль клиента. Код стал дешёвым. Внимание людей - нет. 💰 А у вас что сейчас главное узкое место? 👍 Разработка? 🔥 Поиск клиентов? ⚡️ Монетизация? 🤷‍♂️ Понимание, что вообще строить? Напишите в комментариях. Интересно посмотреть, где сегодня реальные проблемы у тех, кто делает продукты через AI. #вайбкодинг #стартап #бизнес #ai #нейросети #solofounder #программируюбизнес

Что произошло в мире ИИ за неделю (1–7 июня) и почему нам стоит обратить на это внимание Продолжаю эксперимент с еженедельными новостями. Но не в формате "кто сколько миллиардов привлёк", а через призму человека, который собирает сервисы, автоматизации и ИИ-агентов. Поехали 👇 1️⃣ OpenAI делает ставку на память На этой неделе OpenAI показала новую систему памяти Dreaming. Если очень упростить - ChatGPT постепенно превращается из "золотой рыбки" в ассистента, который действительно помнит ваши проекты, задачи и предпочтения. 📍Что это значит для нас? Сегодня большинство ИИ-систем приходится постоянно заново вводить в контекст. Завтра память станет встроенной функцией. А значит появятся агенты, которые смогут месяцами сопровождать проект без бесконечных объяснений. Т.е. следующий большой скачок будет не в интеллекте моделей. Следующий скачок будет в памяти. 2️⃣ OpenAI больше не продаёт "чат" Компания всё активнее продвигает Codex как инструмент не только для программистов. Теперь речь идёт про аналитиков, менеджеров, исследователей и вообще любую интеллектуальную работу. 📍На мой взгляд это очень важный сигнал. Раньше мы спрашивали: "Какая модель лучше отвечает?". Сегодня вопрос уже другой: "Какую работу можно полностью отдать агенту?" Начинается эпоха цифровых сотрудников. 3️⃣ Meta тоже пошла в AI-агентов для бизнеса Meta представила собственного корпоративного AI-агента для автоматизации процессов. 📍Обратите внимание на интересный момент. Ни OpenAI. Ни Meta. Ни Microsoft. Уже почти никто не говорит про чат-ботов. Все говорят про автоматизацию работы. То есть крупнейшие компании мира теперь конкурируют за одно место: За место внутри бизнес-процессов. CRM. Продажи. Поддержка. Документы. Согласования. Внутренние операции. Это ровно то, чем мы занимаемся через n8n, Coolify и AI-агентов уже сегодня. ✅ Что я вижу по итогам недели Если собрать все новости вместе, получается интересная картина. ИИ становится: - более долгосрочным (память) - более автономным (агенты) - более полезным для бизнеса (автоматизация) - менее похожим на чат Похоже, мы окончательно переходим от эпохи "спроси нейросеть" к эпохе "поставь цифрового сотрудника". 🤔 А как думаете вы? Через 3 года будет больше программистов или больше людей, управляющих армией ИИ-агентов? 🔥 - за агентов 👍 - программисты ещё надолго