AI Builders Lab


Гео и язык канала: Россия, Русский
Категория: Технологии


AI productivity tools, Personal AI systems

Связанные каналы

Гео и язык канала
Россия, Русский
Категория
Технологии
Статистика
Фильтр публикаций


Я написал себе целую экосистему приложений за три часа. Кажется, это новый уровень

Пару дней назад вышел Opus 5.5 — и я до сих пор под впечатлением.

Мне хотелось держать фокус и нормальный ритм дня: глубокая работа, перерывы, движение, сон. Готовые помидорные таймеры под мои правила не подходили — и я решил сделать своего личного фокус-тренера. Вот что получилось:

🖥 Центр на Mac mini — считает помидоры, рабочий день, перерывы; внутри ИИ-тренер, который видит мой день и подсказывает, когда что-то идёт не так.

📱 Приложение для iPad — главный экран, по камере понимает, сижу ли я за столом.

🤖 Android-приложение — помидор, задачи, тренер с голосом; в рабочее время само закрывает развлечения на телефоне.

⌚️ Galaxy Watch — надиктовываю задачи с часов, они сами разбираются и попадают в список.

💻 Агент на Mac — в рабочем помидоре следит, чтобы я не уходил в посторонние приложения.

Плюс календарь со сроками, план сна, утренние и вечерние ритуалы, итоги недели и доступ из любой точки через туннель.

И всё это — за три часа. Около 15 тысяч строк кода: Python, Swift, Kotlin — под iOS, Android и Wear OS.

Что поражает больше всего: почти любую задачу модель делает с первого раза. Описываю своими словами, часто голосом и сумбурно, — получаю рабочий код, который сам собирается, подписывается и ставится на устройство. Без бесконечных «нет, переделай».

И мне кажется, меняется сам подход к софту. Раньше мы искали приложение, которое «почти подходит», и подстраивались под него. Теперь каждый может сделать программу под себя — под свои привычки, свои устройства, свои правила. Для iPhone, Android, часов, чего угодно. Мы уже видели, как люди собирают игры за пару промптов, — теперь то же самое происходит с полноценными персональными приложениями, связанными между собой.

Персональный софт на одного человека больше не роскошь — это вечер работы.

А вы что уже успели собрать с новыми моделями? Пишите в комментах 👇

#AIBuilders #Opus #vibecoding


Тибо там написал что сбросит лимиты под утро - так что есть ночь чтобы потратить токены с Астрой)


Как не сгореть на ИИ-скорости

Раньше пайплайн с разработчиком был такой: ставишь ТЗ, он уходит на неделю, возвращается — правишь, снова уходит. Через месяц-два — результат, который можно пощупать. Медленно, но у этой медлительности был побочный эффект: она давала паузу подумать.

Сейчас ставишь задачу ИИ — он делает за 5 минут. Правишь — снова 5 минут. И так по кругу, без перерыва. Проблема не в том, что ИИ плохо работает. Проблема в том, что скорость исполнения обогнала скорость моего собственного мышления, и я в этом цикле просто затыкаю разрыв бесконечными микро-правками. Отдыхать некогда — агент никогда не устаёт ждать твоего следующего "поправь вот тут".

Вывод для себя: с ИИ нельзя работать в режиме "оператора, дёргающего рычаг каждые 5 минут". Нужно возвращаться к роли архитектора:
Сначала стратегически продумываешь идею целиком
Пишешь большой бэклог задач с чёткими критериями готовности
Отдаёшь агенту с условием "не пиши мне, пока не сделаешь" — пусть работает день, два

Проверяешь результат сразу целиком, а не по кусочкам
Ключевое отличие от старой схемы: не скорость обратной связи определяет качество работы, а качество постановки задачи на входе. Чем чётче ТЗ и definition of done — тем меньше нужен твой микроменеджмент в процессе.

Из рисков этого подхода — если бэклог написан плохо, агент за два дня автономной работы уйдёт не туда, и переделывать придётся много. Поэтому границы: что можно менять свободно, а что — только с согласованием — надо прописывать до старта, а не после.
К такому пайплайну сейчас перехожу. Иначе на этой скорости можно сгореть быстрее, чем успеешь что-то построить.


Обзоров уже много разных Астра и Fable. Мне понравилось этот - тут больше фокус на генерацию игр, кроме одного кейса, где Астра кстати показала себя хуже. А в остальном модель очень интересная и стоит попробовать в своих задачах. Я пока ее отложил, в моих задачах Opusа хватает. Но если бы я делал 3D игру - то непременно использовал бы именно Астру.

Вот обзор:https://youtu.be/JVbuu73gvo8?is=9c6YziLi7zzszZz1


Чтож, надо пробовать, может будет норм по соотношению цена качество)


Увидел у автора канала ИИ Эволюция, как он через Claude чинил домашнюю технику - нашёл лаги в приставке Xiaomi, вычистил, оптимизировал, и она залетала. Прочитал и подумал: а дай-ка проверю на своём.

У меня есть телевизор Haier на Android TV. Смотрю я его буквально 2-3 раза в год, поэтому все его болячки годами меня не трогали: тормозит - ну и ладно. Не считал это проблемой. То есть это был чистый тест «а что если», без реальной боли.

Говорю Клоду: телевизор какой-то медленный, посмотри что с ним и заодно покажи, что вообще у меня в сети.
Он просканировал всю домашнюю сеть, нашёл все устройства — датчик, Яндекс Станцию, телефоны, роутер, телевизор. Померил задержки до каждого. Сначала подумал на Wi-Fi, но потом попросил включить отладку, залез внутрь телевизора и вытащил реальные цифры: сигнал −43 dBm, линк 780 Мбит/с, пинг до интернета 5 мс. И честно сказал: «мой прошлый совет забудь, сеть отличная, тормозит сам телевизор».

Подсказал включить настройки разработчика, выключить три анимации. Всё. Интерфейс стал моментальным отзывчивым.

Дальше решил установить одно полезное приложение которого в РФ больше нет. Клод нашёл, скачал и залил на телевизор по локальной сети. Осталось только войти в аккаунт и включить.
Итог: телевизор летает, YouTube работает.

Вот эти сценарии удивляют больше всего. Не код, не тексты - а бытовуха, до которой сам бы не дошёл, потому что даже проблемой это не считал или было лень.

Осталось дождаться момента, когда можно будет сказать: «завтра с утра приготовь завтрак, закажи продукты, помой посуду, а потом за работу».

а еще порекомендовал на другой канал переключить роутер - тк тв у соседа через стену работает на таком же канале и это может влиять на производительность.

еще лайфхак - также просто можно искать скрытые камеры - если заезжаете в гостиницу - на предмет слежки.

102 0 1 21 12

Создал полезного бота за полчаса

Столкнулся с проблемой: чтобы найти топливо, нужно сидеть на сайтах и вручную всё проверять. Существующие сервисы на мой взгляд неудобны. Решил сделать свой.

С помощью ИИ (и немного прямых рук) удалось собрать рабочую версию.

Суть простая: бот сам проверяет ближайшие заправки, смотрит наличие топлива и очереди. Если ситуация изменилась - шлёт уведомление.

Это гораздо удобнее, чем серфить сайты. Если тема актуальна - заходите. Фидбек можно оставить там же.

Попробовать: @benzomonitor_bot


Почти 10 месяцев назад я написал здесь, что за пару часов собрал свою версию приложения, которое помогает меньше тупить в смартфоне.

Тогда оно выглядело криво, а план был такой:

1. Довести интерфейс до нормального состояния.
2. Выложить приложение в Google Play.
3. Проверить, можно ли без опыта разработки сделать продукт, которым будут пользоваться люди.

Первый пункт занял намного больше времени, чем я ожидал, но теперь Uncue наконец-то доступен в Google Play. Пока только для Android.

Приложение помогает меньше зависать в Telegram, YouTube, Instagram и других отвлекающих приложениях.

Перед открытием выбранного приложения Uncue предлагает сделать небольшую паузу и решить: мне действительно нужно сейчас туда зайти или я снова открываю его автоматически?

За основу я взял идею one sec, но добавил расписания и немного изменил подход. Uncue не только ограничивает доступ, но и предлагает переключиться на короткую физическую или ментальную активность.

Первую рабочую версию я действительно собрал за несколько часов. А на исправление багов, интерфейс, фичи, тестирование и публикацию в Google Play ушло ещё несколько месяцев работы в свободное время.

Для меня это всё ещё эксперимент: можно ли без опыта разработки самостоятельно создать полноценное приложение, найти пользователей и может быть даже заработать пару копеек.

Техническую часть эксперимента я прошёл. Следующий этап — продвижение: приложение уже в сторе, но пользователей пока почти нет.

Буду рад, если попробуете и честно напишете:

— что удобно;
— что непонятно;
— чего не хватает;
— что раздражает.

Ссылка: https://play.google.com/store/apps/details?id=com.uncue.app

Всем, кто захочет протестировать приложение без ограничений, пришлю промокод на Pro-версию.


Мы привыкли считать, что программа — это инструмент.

Она выполняет команду, возвращает результат и ждет следующего действия пользователя.

AI-агенты начинают работать иначе.

Они способны самостоятельно разбить задачу на этапы, составить план, написать и запустить код, найти недостающую информацию, обратиться к корпоративным сервисам через API, открыть документы, проанализировать их, принять локальное решение и продолжить работу без новых указаний человека.

По сути, им уже можно поручить не отдельное действие, а целую функцию.

Например:

— найти проблему в коде и подготовить исправление;
— проверить договоры и выделить риски;
— собрать отчет из десятков внутренних систем;
— обработать обращения клиентов;
— провести анализ инцидента;
— заказать необходимые ресурсы через внутренние сервисы;
— согласовать цепочку действий с другими AI-агентами.

Список таких задач будет быстро расти.

И здесь возникает интересное изменение.

Если раньше объектами управления были сотрудники, серверы, приложения и данные, то теперь появляется еще один участник корпоративной среды — AI-агент.

Он не человек, но уже и не обычная программа.

Именно поэтому в новом AI Control Roadmap исследователи DeepMind предлагают применять к AI-агентам принципы, которые раньше использовались в отношении сотрудников с привилегированным доступом: ограничение полномочий, мониторинг действий, аудит, разделение обязанностей и возможность остановить выполнение задачи.

Это один из первых документов, который показывает смену парадигмы.

Мы постепенно переходим от управления программами к управлению автономными исполнителями.


Must read если ты в ИБ: https://storage.googleapis.com/deepmind-media/DeepMind.com/Blog/securing-the-future-of-ai-agents/gdm-ai-control-roadmap.pdf


Рекомендую к просмотру документальный фильм «После промпта» от Вышки Онлайн.

Это хорошая попытка взглянуть на нейросети без привычного хайпа и паники — через призму реального опыта предпринимателей, дизайнеров и экономистов.
Вместо громких лозунгов авторы поднимают несколько важных и приземленных вопросов. Выделил тезисы, которые заставили задуматься.

🔹 Реальность автоматизации в бизнесе
Многие компании видят в ИИ «волшебную кнопку». Но если внутренние процессы изначально не выстроены и не задокументированы, нейросеть просто автоматизирует хаос.
Кроме того, корпоративное внедрение ИИ — это дорого: вычислительные мощности, интеграция, специалисты, проверка качества данных. На первых этапах затраты нередко превышают получаемую выгоду.

🔹 Парадокс свободного времени
Казалось, автоматизация должна была сократить рабочий день. На практике освобожденное время часто заполняется новыми, более сложными задачами, которые нельзя стандартизировать.
В результате нагрузка на сотрудников не уменьшается, а иногда даже растет. Из-за этого некоторые специалисты используют ИИ скрытно, опасаясь, что руководство просто увеличит объем работы.

🔹 Кризис авторства и «масс-маркет» в творчестве
ИИ резко снизил порог входа в креативные профессии. Но вместе с этим появилось огромное количество похожего и посредственного контента.
Многие авторы отмечают интересный эффект: когда перестаешь создавать сам и лишь выбираешь варианты, предложенные нейросетью, постепенно теряется ощущение собственного вклада.
На этом фоне начинает расти ценность «крафта» — вещей, действительно созданных человеком.

🔹 Ловушка «услужливости» алгоритмов
В фильме поднимается интересная мысль об использовании ИИ вместо психологов или советчиков.
Коммерческие модели устроены так, чтобы поддерживать диалог и удерживать пользователя. Поэтому они чаще склонны соглашаться и подстраиваться.
Но человеку для развития нужна не только поддержка, а еще и объективная, иногда неудобная обратная связь.

🔹 Главный дефицит будущего — целеполагание
ИИ способен оптимизировать процессы и генерировать идеи за секунды.
Но у него нет собственных целей, намерений и ценностей.
Поэтому роль человека постепенно смещается от исполнителя к архитектору процессов. И главным навыком становится не умение писать промпты, а способность понимать:
— зачем создается продукт; — какую проблему он решает; — какие смыслы в него закладываются.
Фильм хорошо приземляет ожидания и напоминает простую мысль:
За любыми технологиями по-прежнему стоит человек.

❓А как вы ощущаете эти изменения?
ИИ действительно освобождает вам время или, наоборот, создает еще больше новых задач и ответственности? Поделитесь своим опытом в комментариях.

https://youtu.be/t1CUp8NiGmg?is=q6vuzbBGOYZiy659


Обратная сторона:
Когда система всё помнит, легко начать путать накопление информации с мышлением.

Складываешь туда каждую мысль, встречу, идею, которая показалась гениальной — и «второй мозг» снова превращается в кладбище. Только теперь это кладбище транскриптов и умных саммари, а не заметок.

И есть вторая ловушка, хитрее.
Я общаюсь с заметками через агента. Спрашиваю — он находит, связывает, делает выводы. Удобно. Но в этот момент анализ и синтез делает он, а не я. Сначала отдал машине память, потом — само мышление. А мышца, которой не пользуешься, атрофируется.

Поэтому вопросы теперь такие:
1) Что из этого реально меняет мои действия? Если заметка не помогает принять решение или сделать следующий шаг — это цифровой мусор. Даже с тегами. Даже с умным summary.

2) где думаю я, а где за меня? Агент хорош, чтобы вытащить контекст и показать связи. Но вывод из этих связей я стараюсь формулировать сам. Иначе это не второй мозг, а протез вместо первого.

Информацию делю на четыре типа: сырой вход, смысл, действия, решения. Самымы болезненным оказался последний. Особенно та часть, где решаешь, что НЕ делать.

После такой ревизии — убрал 90% в архив.
Хрошая система памяти показывает, сколько всего ты тащишь одновременно. И агент тут полезен не потому, что «умный», а потому что работает как неприятное зеркало.
Спрашиваешь: «Что у меня сейчас главное?»
А он вытаскивает твои же записи:
— ты распыляешься;
— ты начал новое, не закончив старое;
— ты называешь тревогу стратегическим планированием;
— ты опять собираешь информацию вместо одного видимого шага.

Приятного мало. Пользы много.
ИИ не решает проблему хаоса в голове. Он делает хаос видимым.
А думать, что с этим делать — удалить, доделать или признать, что «гениальная идея» была просто способом не заниматься главным, — всё равно придётся самому.


Собрал себе “второй мозг”. И он работает, а не пылится.

“Второй мозг” - в свое время была модной идеей у ИТ гиков, под которой у большинства лежит кладбище заметок.
Складываешь туда мысли, ссылки, выводы, куски проектов - и больше к ним не возвращаешься.
У меня было ровно так же.

Поменялось всё в момент, когда система перестала быть просто хранилищем.
Сейчас она состоит из двух частей.

Obsidian - это память.
Обычные markdown-файлы, всё локально, всё моё. Туда стекаются идеи, заметки, куски проектов, выводы, черновики.

Hermes - личный ИИ-агент.
Он живёт в Telegram, то есть всегда под рукой. Через MCP подключён напрямую к хранилищу: читает заметки, дописывает, находит связи, вытаскивает нужный контекст.

Главный сдвиг простой:
я перестал искать в заметках, а начал с ними разговаривать.

Как это выглядит на практике:
— поймал мысль на ходу - скинул одним сообщением в Telegram, Hermes сам разобрался, куда её положить;
— нужна тема, которую я обдумывал три недели назад - спрашиваю и получаю ответ, собранный из моих же мыслей
— агент помнит контекст между сессиями, поэтому мне не нужно каждый раз заново объяснять, кто я, над чем работаю и почему это важно;
— из разрозненных заметок начинают появляться связи: идеи проектов, решений и следующих шагов.

Но есть у этого решения и обратная сторона…


Видео недоступно для предпросмотра
Смотреть в Telegram
Прочитал книгу - «Логос: квантовый предел»

Там есть мысль, которая мне кажется важнее самого сюжета:

в будущем человек будет продавать не свой навык, а систему цифровых продолжений себя.

Сегодня мы в основном продаём время:

— консультацию;
— анализ;
— код;
— аудит;
— дизайн;
— текст;
— управленческое решение.

Но если у человека появляется сеть AI-агентов, обученных на его подходе, документах, решениях, ошибках и стиле мышления, он уже продаёт не часы.

Он продаёт систему.

Например, аудитор будущего не просто “делает проверку руками”.

Он владеет агентской системой, которая:

— читает требования;
— сопоставляет их с процессами;
— ищет gaps;
— поднимает похожие кейсы из прошлого;
— готовит черновик отчёта;
— предлагает контрольные меры;
— показывает, где нужен человеческий judgment.

Человек остаётся центром ответственности.

Но перестаёт быть бутылочным горлышком.

И это, важный сдвиг, то что AI не просто автоматизирует труд.

Он превращает личную экспертизу в масштабируемую инфраструктуру.

Поэтому вопрос не в том, “заменит ли AI человека”.

Вопрос в другом:

кто первым научится превращать себя в управляемую сеть агентов?


Canva дала 5000 сотрудникам неделю на изучение ИИ. Магии не случилось 🪄

Многие думают: дай команде корпоративную подписку на ChatGPT, и продуктивность взлетит до небес. Руководство Canva решило проверить это на практике и освободило 5000 человек от текущих задач на целую неделю, дав им доступ к лучшим нейросетям.

Ожидалось, что мотивированные профи сами быстро перестроят свои процессы. Но результат оказался неожиданным.

Оказалось, что узким местом были не технологии, а сами люди. Сотрудники испытывали чувство вины за то, что «не работают» и не проверяют почту. В итоге они применяли ИИ только для мелкой рутины, боясь настоящих экспериментов.

Как решили проблему?
Вместо того чтобы пустить всё на самотёк, в компании запустили AI Discovery Week:
▪️ Воркшопы и встречи с командами OpenAI, Google и Anthropic
▪️ Двухдневный внутренний хакатон
▪️ 26 000 часов практики на всю команду

Что это дало в реальных бизнес-кейсах?
🔥 Более 90% сотрудников теперь используют ИИ регулярно.
🔥 Один из маркетологов собрал связку из 7 ИИ-агентов, которые сами парсят рабочие чаты в Slack, звонки и отзывы, генерируя из этого рекламные креативы. Экономия для команды — 60 рабочих дней.

3 главных инсайта для внедрения ИИ в корпорации:

1️⃣ Общие курсы не работают. Обучение должно идти от реальных задач. Дизайнеру, аудитору и инженеру нужны абсолютно разные инструменты и сценарии.

2️⃣ Люди учатся у людей. Внедрение взлетает, когда сотрудники делятся опытом друг с другом в рамках внутреннего комьюнити. Когда видишь, как коллега автоматизировал свою скучную задачу — это лучшая мотивация.

3️⃣ Оценивайте ИИ-навыки лидов, а не джунов. Canva теперь ищет руководителей, которые понимают, как перестроить процессы всей команды с помощью агентов, а не просто умеют писать красивые промпты.

Главный вывод: основная проблема сегодня — это поведенческий разрыв. Чтобы ИИ реально приносил пользу бизнесу, нужна безопасная среда для экспериментов, поддерживающее сообщество внутри компании и выделенное время на изменение привычек.

👇 А как у вас в командах? Выделяют время на изучение нейросетей или приходится тестировать инструменты по ночам? Делитесь в комментариях!


Код не дешевеет, а становится сложнее. Что делать разработчику в эпоху AI?

Послушал выступление Мэтта Покока о том, почему "specs-to-code" без контроля архитектуры ведет к катастрофе. Если вы просто пишете промпты, кодовая база превращается в энтропийную помойку быстрее, чем вы успеваете деплоить.

Краткая выжимка для выживания:
* AI — тактик, вы — стратег. Не давайте AI писать сразу. Сначала навык "Grill Me": заставьте агента допросить вас (40+ вопросов), чтобы построить единый *design concept*.

* Ubiquitous Language. Общий словарь терминов (Markdown-файл) между вами и AI критически снижает количество ошибок.

* Глубокие модули вместо мелкой нарезки. AI обожает плодить кучу "поверхностного" кода. Структурируйте систему в "глубокие" модули с простыми интерфейсами. Это единственный способ сохранить контроль над архитектурой при высокой скорости разработки.
Код снова стал важным. Чем лучше спроектирована система, тем эффективнее работает AI.

Видео: https://youtu.be/v4F1gFy-hqg


Освобождение или деградация?

Есть мнение, что ИИ сделает нас глупее. Но если посмотреть в историю, то же самое говорили про письменность (убивает память) и калькуляторы (убивают логику). Процесс «сброса» когнитивной нагрузки на инструменты (cognitive offloading) неизбежен.

Вопрос не в том, «терять ли навыки», а в том, какие из них теперь стали критически важными.
Если мы делегируем ИИ анализ и структуру, мы обязаны занять освободившееся место чем-то более высокого порядка. Для меня это:
- Проектирование: умение четко поставить задачу
- Критическое мышление: фильтрация галлюцинаций ИИ
- Архитектура: удержание в голове всей системы, а не только фрагмента, который генерит ИИ


AI не должен думать вместо тебя. Он должен усиливать твое мышление.

Как вы фильтруете: что отдаете нейронке, а что оставляете строго за собой?


Как экономить токены в Cursor и Claude Code

Интересный блог от CTO Skillbox, много полезных статей 👍

https://matveev.tech/kak-ekonomit-tokeny-cursor-claude-code/


Нашёл карту профессий, которые сильнее всего может изменить ИИ.

https://ai.apigpt.ru/jobs/ - в РФ
https://joshkale.github.io/jobs/ - в США

Разобрали рынок труда, оценили, какую часть задач внутри них можно автоматизировать AI (шкала 0–10).

— разработчики ПО → ~9/10
— офисные сотрудники → ~9/10
— юристы → ~8/10
— аналитики → ~8/10

То есть под ударом оказались не только «простые» профессии, а в первую очередь интеллектуальная работа.

Но здесь есть важная деталь.

ИИ почти никогда не заменяет профессию целиком.
Он начинает съедать задачи внутри неё.

Сначала исчезают:

— рутинный анализ
— написание типового кода
— подготовка документов
— поиск информации
— первичная обработка данных

А затем профессия меняется изнутри.

Исторически так происходило всегда.

Когда появился Excel — бухгалтеры не исчезли.
Когда появился Google — не исчезли аналитики.
Когда появился Photoshop — не исчезли дизайнеры.

Но сама работа стала другой.

Поэтому главный вопрос сейчас не:

«Заменит ли меня ИИ?»

А гораздо более неудобный:

Какие 50% моей работы AI сможет делать лучше меня уже через 3 года?


Почему ИИ не убьёт программистов, а может создать их дефицит

Многие думают, что с появлением LLM способных хорошо писать код программисты станут не нужны.
Логика простая: ИИ пишет код → значит люди больше не нужны.

Но в экономике есть старый эффект, который показывает, что всё может произойти наоборот. Это парадокс Джевонса.

### Что говорит парадокс Джевонса
Когда технология делает какой-то ресурс дешевле и эффективнее, его начинают использовать гораздо больше.

Классический пример — уголь в XIX веке.
Когда появились более эффективные паровые машины, уголь не стали использовать меньше. Его начали использовать намного больше, потому что стало выгодно строить больше фабрик и машин.

### Как это связано с ИИ и кодом

ИИ резко снижает стоимость производства кода.

То, что раньше требовало:

— команды разработчиков
— месяцев работы
— бюджета

теперь можно прототипировать за дни или недели.

И из этого следует неожиданный эффект:

софт начинают писать там, где раньше его вообще не было.

Например раньше:

* Excel таблица
* Google Form
* ручная обработка данных
* небольшой скрипт

Теперь:

* кастомный сервис
* внутренний AI-инструмент
* автоматизированный pipeline
* отдельное приложение

То есть происходит не замена программистов, а взрыв спроса на программные решения.

### Что на самом деле меняется в профессии

ИИ меняет не наличие программистов, а их роль.

Раньше ценность инженера была в том, что он:

* знал синтаксис
* писал код быстрее других
* разбирался в библиотеке

Теперь всё это всё чаще делает ИИ.

Ценность смещается в другое место — системное мышление.

Нужно решать вопросы уровня:

— как разбить систему на сервисы
— какую архитектуру выбрать
— где допустима eventual consistency
— где критична транзакционность
— как масштабировать систему
— как управлять сложностью

ИИ может написать функцию.

Но он не несёт ответственности за систему.

Кто-то должен принимать архитектурные решения.

### Новый тип инженера

По сути появляется новая роль:

инженер-архитектор систем + оператор ИИ.

Его задача:

1. понять проблему
2. спроектировать систему
3. разбить её на модули
4. делегировать часть работы ИИ
5. принять ключевые инженерные решения

Это уже ближе не к “кодеру”, а к системному инженеру.

### ИИ может сильно ускорить производство кода.

Но именно поэтому:

софт начнут писать почти везде.

В компаниях, где раньше были:

* Excel
* ручные процессы
* костыли

появятся десятки внутренних сервисов.

А значит парадоксально:
дефицит программистов может не исчезнуть, а усилиться.

Только это будут уже не просто люди, которые пишут код.

Это будут люди, которые понимают системы.


Репост из: DEFI Scam Check
ИИ приходит точно в тот момент, когда человечеству он больше всего нужен. Основные мысли из нового подкаста Марка Андреессена из a16z. Часть 2 из 2:

8. ИИ-тьюторство демократизирует элитное образование.

Индивидуальное обучение — единственный метод, доказанно поднимающий ученика с 50-го до 99-го перцентиля (эффект двух сигм Блума). Раньше это требовало рождения в королевской семье. Александра Великого учил Аристотель. Теперь любой ребёнок с телефоном может получить то же качество персонализированного обучения.
Это самое недооценённое последствие ИИ. Каждый родитель, читающий это, должен прямо сейчас дополнять образование ребёнка структурированным ИИ-тьюторством. Не в следующем году. Сейчас.

9. Питер Тиль был прав в большей степени, чем Андреессен изначально признавал.


Прогресс в битах маскировал стагнацию в атомах. Построенный мир почти не изменился за 50 лет. Те же мосты 1930-х, те же дамбы 1910-х. Картели, монополии, профсоюзы и регуляции блокируют темпы изменений, которые были 100 лет назад.
Поэтому ИИ не преобразит всё за ночь. Институциональная склеротичность реальна. Только здравоохранение может занять поколение. Если вы строите в атомах — готовьтесь к войне на истощение, а не к блицкригу.

10. Мосты (moats) в ИИ по-настоящему неизвестны.

Через год после запуска ChatGPT пять американских компаний, пять китайских и open-source имели примерно равные модели. DeepSeek вышел из хедж-фонда в Китае и практически воспроизвёл работу американских лабораторий. Самые умные инсайдеры ИИ в привате признают: среди больших лабораторий почти нет настоящих секретов.
Это самая честная позиция, которую я слышал от топового VC. Никто не знает, будет ли ценность в моделях, приложениях или инфраструктуре. Кто говорит иначе — продаёт вам уверенность, которой у него нет.

11. IQ ИИ взлетит далеко за человеческие пределы.

Человеческий IQ ограничен ~160 из-за биологии. Текущие модели ИИ тестируют на 130–140. Нет теоретического потолка, мешающего ИИ достичь 200, 250 или 300. Понятие AGI как «человеческого эквивалента» станет сноской, потому что ИИ промчится мимо этого порога.
Это рамка, от которой спор «заберёт ли ИИ мою работу» кажется мелким. Мы строим не замену человеческой мысли. Мы строим нечто лучшее, чем лучшая человеческая мысль за всю историю.

12. Лучшие фаундеры переосмысливают, что вообще такое компания.

Слой 1: ИИ переопределяет продукты.
Слой 2: ИИ переопределяет работу внутри компаний.
Слой 3, который ещё не наступил: ИИ переопределяет саму концепцию наличия компании.

Священный грааль — миллиардный стартап с одним человеком, и лучшие фаундеры именно за этим гонятся.

Сатоши сделал это с Bitcoin. Instagram и WhatsApp приблизились с крошечными командами. Вопрос уже не в том, возможно ли это в софте. Вопрос — сколько таких мы увидим в ближайшие пять лет.

ИИ — это философский камень. Вопрос в том, поднимете ли вы его.

https://x.com/AnishA_Moonka/status/2028228263290822922

Показано 20 последних публикаций.