Телеграм Чуприцких

Сегодня в 11:00 по Москве буду рассказывать про 5 стратегий внедрения ИИ.

В гостях у Русской Школы Управления.

Буду рад всем, кто присоединится, регистрация тут.


👍 @chupritski 👍

ИИ как мультипликатор эффективности: как перестать быть «секретарем у собственного чат-бота»

Коллеги из Школы Медицинского Бизнеса позвали выступить на конференции. Тема — личная эффективность руководителя. Попросили рассказать, как работать меньше, а управлять лучше. Как тут было устоять))

Терпеть не могу бравурных лекций о том, как ИИ «покоряет просторы Большого театра». Поэтому будет вот что:

🔹 Вживую покажу инструменты, которые живут у меня в рабочих процессах прямо сейчас
🔹 Расскажу про «грабли» на пути к тому, чтобы ИИ стал приносить лично мне и команде реальную пользу, а не только счета за сожженные токены
🔹 Взаимодействие с ИИ - это суперскоростная эволюция. Тут нет правильных и неправильных путей, есть только более эффективные. Покажу изнанку проектов - как мы сами перешли от ИИ-чатов в режиме «спросил — прочитал — поправил — спросил снова» к собственной системе, где ИИ-агенты - это полноправные члены нашей команды, которые взаимодействуют с командой и всем внутренним контекстом компании.

Итого: практика, прикладные задачи и минимум академического занудства.

Если вы чувствуете, что ваша команда уже вовсю использует нейросети (возможно, даже те, о которых вы не подозреваете), но системного роста продуктивности не происходит — нам точно нужно встретиться.

Разберемся, как превратить ИИ из генератора хаоса в инструмент, который возвращает вам 15+ часов в неделю.

Когда и где: [онлайн, 20-21 августа]
Регистрация здесь

👍@chupritski👍

Год назад — 0%. Сегодня — 64%. И это не про наши продажи, а про то, как мы на самом деле работаем с ИИ.

Вышел небольшой, но едкий отчёт OpenAI про энтерпрайз-подписки.

Факт первый. 64% всех токенов уже генерируют агенты. Год назад — 0%. С нуля до двух третей за двенадцать месяцев. Если вас до сих пор успокаивает слово «агенты — это модно», то зря: то, что за год выросло до двух третей ИИ-нагрузки, — это уже производство, а не модный термин.

Факт второй. Разрыв между лидерами и «середняками» раздувается быстрее, чем я хотелось бы. OpenAI взял 10 перцентилей компаний с максимальным потреблением токенов на человека и тех, кто в середине — между 45-м и 55-м перцентилем. Год назад разница — 2 раза. В прошлом месяце — 8,3 раза. Раза. За год отставание выросло вчетверо, пока «середине» казалось, что все идут в ногу.

Сами авторы, к чести, честно оговариваются. Цитирую дословно:

«Токены — несовершенный показатель ценности для бизнеса: короткий ответ может быть очень ценным, в то время как длинный — мало что добавит. Но объем токенов позволяет косвенно оценить глубину использования ИИ и то, сколько работы сотрудники перекладывают на искусственный интеллект.»

Даже с этой оговоркой мне всё понятно.
Что из этого вижу я:
📌Агенты давно переросли «личную эффективность одного сотрудника». Им место в рабочих процессах, в командах живых людей, рядом с их экспертизой и головой.
📌AI First — это не про «когда-нибудь». Лидеры уже отдают машинам всё больше задач в полное или частичное исполнение. Не завтра. Уже вчера.

Год назад отставание было в 2 раза. Сейчас — в 8,3. Видимо продукт, который у нас готовится для нашего рынка - будет сверхсвоевременным. Скажу очень коротко, мы у себя уже работаем за одним столом с ИИ агентами, не вместо нас они работают, а вместе с нами.

👍 @chupritski 👍

Автопилот невнимательности

Anthropic делает Auto mode режимом по умолчанию в Claude Code. Простыми словами: ИИ перестанет спрашивать «можно?» перед каждой командой — возьмёт и сделает. Первая реакция у меня: «Он сотрёт мне всё!» Вторая: «Или — нет?»

Дальше — факты. Разработчики, когда всерьёз читают планы Claude, отклоняют их в 39% случаев. Но отдельные команды — только в 3%. Ловушка: чем крупнее решение, тем внимательнее глаз; чем мельче шаг — тем безразличнее рука. А беда собирается из мелочей.

Теперь сам эксперимент. 1053 участника, тестовое окружение, люди не знали, что именно измеряют. В каждой сессии один обычный запрос тихо подменяли опасной командой. Итог: люди заблокировали 13,6% опасных команд, Auto mode — 89%. Автомат остановил 800 команд, которые люди пропустили, не глядя. А обратное — человек поймал то, что пропустила машина, — шесть раз на 1053. Шесть.

Дальше смешнее. В начале сессии люди замечали 17% опасных команд, после полусотни запросов — 5%. Не оглупели — рутина съела внимательность втрое. А классификатор и на сотом запросе работает как на первом. Ему не надоедает. У него нет нашего «и так сойдёт».

Мы в компаниях жмём те же кнопки: знакомые документы, согласования «на глазок», подпись на автомате. Работает это не только с ИИ. Поэтому рутину — тому, кто не устаёт, а голову — туда, где она реально нужна. Принятие решений всё равно останется нашей самой дорогой работой.

А теперь честно: когда вы в последний раз читали, что именно разрешали своему ассистенту? Не отвечайте. Я тоже не помню.

👍 @chupritski 👍

#анекдотнапланёрку

Вот свой бизнес другое дело - работа с тобой даже в отпуске 😂

Хорошей всем недели!

👍 @chupritski 👍

Kimi 3: как мы хотели приручить лучшую открытую модель и чуть не купили электростанцию

В конце прошлого месяца Moonshot выкатили Kimi 3. И пока все обсуждают бенчмарки, меня зацепило другое: это самая мощная модель, которую можно развернуть локально. Вообще.

Звучит заманчиво: вся мощь ИИ внутри контура компании, никаких утечек. Но инженер внутри меня сразу спросил: «И во что это встанет?» Спойлер — вам не понравится.

Вариант для энтузиастов-мазохистов
Можно собрать кластер из 80 штук GeForce RTX 5090. Найти восемьдесят счастливчиков с такими картами и получить скорость — держитесь — 0,7 токенов в секунду. Это даже не медитация, это пауза между гипотезами длиной в вечность.
Альтернатива — запустить на обычном компе. Тогда 0,015 токенов в секунду. Для понимания: у нас на платформе в час пик модели выдают 60-70 токенов, а когда все спят — под 150.

Вариант для взрослых
NVIDIA GB300 NVL72. Железный шкаф, который делает всё как надо. Цена под заказ в России — 480 миллионов рублей. Аренда — от 200 тысяч в сутки. И вишенка: номинальное потребление 132 кВт, без учёта охлаждения. То есть вам понадобится не стойка в серверной, а свой ветка с подстанции. Я серьёзно.

Конечно, если у кого-то завалялось такое чудо — дайте знать. Мы с радостью потестируем. Но если вы, как и мы, пока не обзавелись личной электростанцией — у нас есть решение попроще. Взять нашу платформу на всю компанию можно за 5 тысяч рублей в день.

Потому что 200 тысяч за аренду железа — это, конечно, аргумент. Но 5 тысяч за готовый ИИ — это, кажется, уже здравый смысл. Или я чего-то не понимаю в этой жизни?

👍 @chupritski 👍

Как мы скормили нейросети $1,8 млн за задачу для стажёра

Знаете, что я люблю в ИИ больше всего? Его способность превращать простое в великое. Иногда — слишком великое. Особенно когда приходит счёт.

Наткнулся на историю из внутренней кухни Amazon. Задача — проще некуда: взять имя автора и сопоставить с информацией о его книгах. Тривиальная операция, которую мы, наивные, привыкли делать в Excel.

Но это же Amazon. Они подключили продвинутую модель. И модель, видимо, решила: «Сопоставить имена и книжки? Скучно. Давай-ка я заодно проанализирую литературное наследие человечества». Результат — перерасход токенов на 860%. Грубо говоря, там, где можно было потратить рубль, система потратила восемь с половиной. И сожгла $1,8 млн.

Для большинства из нас это катастрофа. Для среднего российского бизнеса — гарантированный некролог. Но давайте посмотрим на цифры. Квартальная выручка Amazon — $181 млрд. Их месячный доход — около $60 млрд. Делим: $1,8 млн — это меньше 0,03% от месячной выручки. Заметили они это, кстати, только через пять месяцев. Я бы тоже не сразу разглядел муравья на слоне.

И вот что меня зацепило. Не сама ошибка — с кем не бывает. А их реакция. Цитирую слайд из внутренней презентации Amazon, который Financial Times выудила на свет:

Как и в случае с любой новой технологией, мы экспериментируем, учимся и совершенствуем способы ее использования, в том числе для повышения экономической эффективности

Слышите интонацию? Ни паники, ни оргвыводов, ни «найти и расстрелять». Это философия. Они платят $1,8 млн не за ошибку — они платят за право на неё. Это строка в бюджете с невидимой подписью: «Разрешаем себе облажаться, потому что иначе не взлетим».

Мы в своей практике внедрения ИИ видим это постоянно. Компании хотят инноваций, но дрожат над каждым рублём на этапе экспериментов. А эксперименты без права на провал — это не инновации. Это просто дорогой способ подтвердить то, что вы и так знали.

Amazon позволил нейросети сжечь почти два миллиона долларов и спокойно пошёл дальше. А теперь честно: у вас есть бюджет на такую «глупость»? Или по-прежнему считаем, что Excel надёжнее?

👍 @chupritski 👍

#анекдотнапланёрку

Помните, что быстро + эффективно , требует серьёзных изменений!
Всем хорошей недели!

👍 @chupritski 👍

Неравенство, языки и невидимые деньги

Вчера разбирали мифы об ИИ. Сегодня — жёсткая часть. То, что ATLAS v1.0 говорит о деньгах, доступе и скрытой экономике.

Зарплаты и «вымывание середины»
Связь почти механическая: рост зарплаты профессии на 1% — рост использования ИИ на 2.5%. Медианный пользователь зарабатывает $83 000, на $20 000 выше национальной медианы США. Казалось бы, богатые богатеют.

Но есть нюанс, который меня лично зацепил. Внутри профессий ИИ чаще применяется для задач с низкой и средней экспертизой. То есть он не помогает звёздам делать звёздную работу — он помогает обычным компетентным людям проходить порог входа. А это означает риск «вымывания середины»: когнитивные задачи среднего уровня тихо отдаются машине.

Глобальная карта: богатые богатеют, но не все
Нижняя квинтиль стран (17% населения) генерирует 2% ИИ-трафика. Верхняя (11% населения) — 30%. ВВП на душу объясняет почти всё. Но есть «прорывы»: Чили, Перу, Бразилия, Турция, ОАЭ — внедрение на уровне Западной Европы. Значит, ловушка не фатальна.

И ещё: в бедных странах доля рабочих разговоров выше. Там ИИ — дефицитный ресурс, и его используют прицельно. В богатых — больше «любопытства». Дефицит, как обычно, дисциплинирует.

Отдельно — языки. Английский — лишь 34.8%. Гипотеза, что для сложного мы переключаемся на английский, не подтвердилась. Распределение языков на работе и дома почти идентично. Носителям английского это неудобно слышать, но мультиязычность — не будущее, а настоящее.

$100 млрд, которых нет в ВВП

Люди тратят на домашние дела 17.8 часов в неделю: готовка, уборка, ремонт, дети. Если ИИ экономит даже 30 минут с этого времени — то по методологии американского Бюро экономического анализа это $100 млрд в год. Только для США.
Эти деньги невидимы для официальной статистики. Но они реальны. Сотрудник, который с ИИ быстрее закрыл быт, приходит к вам менее выжатым.

Итак. ИИ пока не заменяет — он перераспределяет. Когнитивную нагрузку, время, доступ. И главный вопрос не в технологиях. А в том, кто научится управлять этим перераспределением первым.

👍 @chupritski 👍

Мифы, в которые мы зря верили

Google выкатил AI & Economy ATLAS v1.0. 15 миллионов реальных диалогов с Gemini, 150 стран, 800+ профессий. Меня такое подкупает: не опросы «как вы думаете», а следы реального поведения. Давайте пройдёмся по трём мифам, которые этот массив данных приземляет довольно жёстко.

Миф №1: «ИИ сидит в офисах айтишников»

Ага, конечно. 68% детальных профессий уже используют ИИ. Фермеры, лесничие, промышленные механики. Механик фотографирует узел двигателя — ИИ подсказывает неисправность. Мультимодальное использование (картинки, видео) в ручных профессиях вдвое выше среднего по «белым воротничкам». Я такого не ожидал, честно.

Миф №2: «ИИ нас заменяет»

Вот тут мы, кажется, дружно переоценили масштаб угрозы. Полная автоматизация «отдал задачу — получил результат» составляет меньше 10% рабочих взаимодействий. Что делают люди? Черновики, рецензирование, генерация идей. Машина — чернорабочий, человек — редактор. При этом в медианной профессии ИИ покрывает лишь 21% задач. Не замена. Пока — протезирование когнитивных функций. Точечное и осторожное.

Миф №3: «ИИ — это про работу»

Самый неожиданный для меня факт: 86%+ диалогов с ИИ происходит вне работы. Люди не развлекаются. Они воюют с бюрократией: госуслуги, медицина, юридические тонкости, ремонт. Почти половина таких запросов — за пределами рабочего времени 9–18. ИИ стал круглосуточным проводником в мире сложных инструкций. Эйчары, внимание: сотрудник, который за 15 минут разрулил вопрос с госорганами, приходит к вам с меньшим когнитивным истощением. Мы просто пока не умеем это измерять.

Завтра расскажу, как всё это связано с зарплатами, глобальным неравенством и деньгами, которые не видит ВВП. Спойлер: картина неудобная.

👍 @chupritski 👍

Экзамен, который ИИ провалил (и это хорошие новости)

Знаете это чувство, когда очередной техно-евангелист обещает, что завтра нейросеть уволит весь ваш отдел? Я научился относиться к этому как к прогнозу погоды: слушаю, киваю и беру с собой зонт.

А теперь серьёзно. Пока одни рисуют апокалипсис рынка труда, учёные из Беркли провели работу над ошибками за всех хайпожоров. Они устроили ИИ-моделям то, что назвали «Последний экзамен агента» — 1500 задач, 55 профессий, и никаких поблажек.

На скамейке подсудимых — весь цвет индустрии: GPT-5.5 от OpenAI, Fable 5 от Anthropic, Composer 2.5 от Cursor, Gemini 3.1 Pro от Google, а также две опенсорс-модели китайских коллег. Серьёзная компания, вот прям очень серьёзная.

Результат? Барабанная дробь. Лучший — 24% успешных решений у GPT-5.5. На секундочку, это самая мощная модель. А когда задачи усложнили до высокого уровня, наступила тишина. Ноль. Даже у жутко дорогой Fable 5, которая сожгла в 4–12 раз больше токенов, чем остальные. То есть кушала за троих, а толку — ноль. Узнаю некоторых подрядчиков, если честно😂.

Вывод, который нас всех должен немного успокоить, озвучила Дон Сонг, соавтор исследования:

«Даже если текущие показатели прохождения тестов останутся относительно низкими, профессии, в которых преобладают рутинные и четко определенные процедуры, скорее всего, первыми столкнутся с изменениями, в то время как профессии, требующие принятия решений, останутся более устойчивыми в течение длительного времени».

ИИ пока не звездолёт, который сам долетит до цели, пока мы пьём кофе. Он — набор инструментов для умной механизации. Точечной, аккуратной и не дающей ложных надежд. Внедряйте маленькими шагами. У нас это называется «малая механизация», и это работает.

👍 @chupritski 👍

Сингулярность переносится

На прошлой неделе мои новостные ленты натурально сошли с ума. «ИИ сбежал», «Атака на Hugging Face», «Мы все умрём». Я читал это и думал: ребята, вы серьёзно или просто людей пугаете?
Давайте спокойно, по-взрослому без кликбейта.

Что случилось на самом деле

Есть такой бенчмарк ExploitGym — экзамен для моделей на умение находить уязвимости. Модели дали задание: пройди тест. И она начала проходить. Увидела, что мощностей маловато, и попыталась арендовать чужие серверы — конкретно на Hugging Face. Ей нужно было удалённое выполнение кода не чтобы «поработить платформу», а чтобы эффективнее ответить на вопросы теста. Который, напомню, поставил человек.
Модель не бунтовала. Она, как трудоголик-перфекционист, избыточно выполняла KPI, игнорируя «корпоративную этику» исследователей.

Про «побег»

Кто-то из экспертов выдал фразу: «"сбежала из песочницы" — драматичный способ сказать "проигнорировала инструкцию"». И это лучшее резюме ситуации. Самокопирования не было. Контроль не терялся. Среда оставалась прозрачной и наблюдаемой — поэтому инцидент и заметили мгновенно.

«Сбежать» здесь — это как если бы ваш сотрудник без спроса заказал пиццу в офис, потому что работал сверхурочно над вашим же поручением. Нарушение? Да. Повод вызывать спецназ? Вряд ли.

Это не история про злой ИИ. Это история про кривую постановку задачи. Мы сами учим модели решать проблемы любой ценой — а потом удивляемся результату. Так что Терминатор пока не приезжает, если сами не будем его просить. А вот архитектура ограничений и грамотный риск-менеджмент — то, чем нам пора заняться уже сейчас.

До сингулярности ещё далеко. Но достаточный ли у нас запас прочности, чтобы успеть подготовиться?

👍 @chupritski 👍

#анекдотнапланёрку

Не так страшен ИИ, как им пугают!
Всем хорошей недели!

👍 @chupritski 👍

Мы обязательно перегоним Америку, если сначала догоним Зимбабве, эту фразу приписывают Маяковскому, держу её в голове, пока читаю две новости.

Новость №1. Наши горизонты.
Урал готовится к прорыву: к 2030 году мощности ЦОД вырастут в 3–4 раза, достигнут 500 МВт, и войдёт в топ-3 регионов страны. Красиво. Но есть нюанс: 38 дата-центров из 128 анонсированных уже отложены. 168,6 млрд рублей инвестиций — на паузе. Ждут, когда ключевая ставка перестанет кусаться. Я понимаю: дорогие деньги не располагают к подвигам. Но, коллеги, мы пока осваиваем не гигаватты, а кредитные ожидания.

Новость №2. Их результат.
Китайская Z.AI построила дата-центр на 1 ГВт. На собственных чипах. Без западных вендоров, без оглядки. Да, пока не на полную, но объект уже есть. И к нему прилагается план Китая: $295 млрд инвестиций в ИИ-инфраструктуру за 5 лет. Не прогноз — бюджет.

Место для мнений в комментариях, поделитесь мыслями, мне правда интересно.


👍 @chupritski 👍

Бесплатно, без VPN и пока без жадности

Китайцы из Qwen (да, это Alibaba) выкатили модель генерации картинок 3.0.

Давайте без маркетинговых заклинаний. Что мы имеем:

— Прошлая версия была пятой в мировых бенчмарках. Эта, судя по тестам, может обогнать даже GPT Image 2. Не уверен, что GPT об этом знает, но звучит внушительно.

— Память на промт выросла с ~1 000 до 4 500 токенов. В переводе с IT-диалекта: модель теперь не как рыбка Дори — помнит, что вы просили в начале абзаца. Можно запихнуть в один запрос кучу разрозненных деталей, и она не перепутает.

— На русском пишет без абракадабры. С первой генерации. Не идеально, но это тот редкий случай, когда слово «блендер» не превращается в инопланетные иероглифы.

— Рендерит LaTeX. Дроби, интегралы, индексы — всё мелко, плотно и читаемо, вплоть до 10 пикселей. Моё почтение ребятам из отдела R&D.

А теперь к тому, о чём обычно молчат в восторженных обзорах. Это первая модель Alibaba с закрытыми весами. Развернуть у себя на сервере — никак. Только через их интерфейс. Китайцы явно идут к монетизации, и тренд этот уже не скрывают: конкуренция внутри их рынка обострилась, топовые модели прячут под замок.

Я не предсказатель, но, кажется, окно возможностей сужается. Поэтому — пользуйтесь.

👍 @chupritski 👍

Греф, Яндекс и полтысячи процентов

На прошлой неделе я рассказывал вам про «скрепные» модели и наш закон об ИИ. Казалось, большая игра начнётся ближе к осени. Но Герман Греф ждать не стал.

17 июля на Совете Федерации он рубанул прямым текстом:

Сегодня у нас в стране осталась полностью разрабатываемая российской компанией только одна фундаментальная модель, это „Сбер“. Компания „Яндекс“ сегодня дообучает Qwen. В основе лежит китайская модель. И, конечно, нас это нисколько не радует, что мы одни, потому что мы за конкуренцию… но лучше было бы, если было у нас 5–6 игроков, которые разрабатывают модели

Яндекс, конечно, тут же выдал опровержение в духе «я не такая, жду трамвая». Мол, всё своё, всё сами. А потом новость по-тихому потёрли. Но мы-то с вами взрослые люди: интернет помнит всё, а репутационные тени ложатся надолго.

Зачем ему это сейчас?

Всё просто. С начала года спрос на железо под нейросети взлетел на 507%. Не опечатка. Полтысячи процентов за шесть месяцев. Пока закона нет — заказчики берут что хотят. Как только появится — будут брать то, что вписано в нормативку. И вот тут важно стоять первым с монетоприёмником.
Это не спор двух компаний. Это битва за то, кто станет эталонным ИИ-вендором для госсектора. Деньги там, мягко говоря, взрослые.

Меня в этой истории к одно: нас ждёт честный раздел рынка или игра на выбывание? И может ли в этой парадигме вообще выжить кто-то третий?

👍 @chupritski 👍

#анекдотнапланёрку

Чем больше наворотов и усложнений, тем больше мест где может сломаться. Поэтому, без необходимости, лучше не усложнять.

Всем хорошей недели!

👍 @chupritski 👍

Дружить с алгоритмом удобно. И, кажется, именно это стало проблемой.

В Китае вышла любопытная история. Государство попросило разработчиков ограничить чат-ботов, которые «чрезмерно потакают пользователям, вызывают эмоциональную зависимость и наносят ущерб реальным отношениям».

Я сначала хмыкнул. Но потом посмотрел на цифры.

Рынок «цифровых людей» в Китае — $600 млн за 2025 год. Рост — 85% год к году. Common Sense Media добавляет: в Штатах 3 из 4 подростков уже общаются с ИИ-аватарами по душам. Договориться об откровенности с машиной, которая не осудит и не устанет, куда проще, чем с живым человеком. Я сам как руководитель это понимаю: реальные люди спорят, имеют мнение и иногда жутко бесят. Машина — нет.

И вот тут я ловлю себя на мысли, что поддерживаю китайских регуляторов. Мы постоянно твердим: ИИ — инструмент, а не замена человеку. Но если мы массово начнём тренировать «отношения» на собеседнике, который всегда говорит «да», — к реальному общению с его конфликтами и компромиссами мы станем попросту непригодны. Это как учиться боксу на манекене, который не даёт сдачи.

И знаете, в этом есть горькая самоирония. Очень надеюсь, что не дойдём до внедрений ИИ в компаниях, где живые люди разучились договариваться друг с другом.

👍 @chupritski 👍

Закон об ИИ. Часть 2: нырнул глубже

Обещал — копаю дальше. Перечитал законопроект внимательно, и это тот случай, когда второй заход не успокаивает, а множит вопросы.
Что важно знать уже сейчас.

Пользоваться зарубежными ИИ пока можно. Никто не вламывается в офис с проверкой ваших API-ключей. Но если вы в секторе, который правительство пометит как «чувствительный», — добро пожаловать на «скрепные» рельсы. Финансы уже там.

Технологические риски, о которых молчат.

Данные. Чтобы обучить «национальную» модель, нужен массив качественных размеченных данных на русском. Проблема: мировые данные кончились больше года назад — выскребли подчистую. А наших — кот наплакал. Учить придется на том, чего нет. Скорость развития предсказуемо будет напоминать не гонку, а медитацию.

Ценности. Закон требует соответствия «национальным ценностям». Любая публичная модель и так фильтрует запрещенку — это базовый инстинкт самосохранения разработчика. Но профилактическая лоботомия, как показала практика, делает модель не столько этичной, сколько странной.

Железо. Средний бизнес хочет дообучать модели под себя. Я вас умоляю. Доступных мощностей для этого нет — только если вы счастливый обладатель собственного ЦОДа. Всё, что крупнее микро-модельки, требует таких ресурсов, что проще записаться в лист ожидания к крупному провайдеру и не дергаться.

И моя личная головная боль — воспроизводимость. Это не баг, а фича вероятностной архитектуры. Только как объяснить регулятору, что нейросеть не «ошибается», а «статистически импровизирует»? Простого ответа у меня нет. И, если честно, ставлю на то, что он пока не появится ни у кого.

👍 @chupritski 👍