AI-native Круглов

Harness: страшное слово, простая идея

На следующей неделе проводим обучение по ИИ для управленцев крупной агротехнической компании. И в процессе подготовки упёрся в то, как объяснить людям не из IT слово «харнесс», которое сейчас звучит из каждого утюга?

Пришёл к тому, нужно дать немного предыстории, как всё развивалось и пришло, собственно, к харнессу.

1. Начиналось всё с промпт-инжиниринга: мы учились, что сказать модели.
Не «проверь договор», а «найди риски, укажи конкретные пункты и объясни последствия». Один запрос, один ответ.

2. Дальше на сцену вышли агенты, чтобы ответить на вопрос: а делать дальше?
Модель перестала отвечать за один заход. Она сама выбирает следующий шаг: сначала сходить в CRM за данными клиента, потом написать ему ответ. Вместо одного запроса появился цикл: оценила ситуацию, сделала действие, получила результат, решила, что дальше.

3. Следующий вопрос – как пустить агента в наши системы? Ответом стал MCP
Раньше каждую интеграцию собирали вручную под конкретное приложение. В конце 2024-го появился MCP, единый стандарт подключения ИИ к данным и инструментам. По сути, розетка, одна на всех.

4. Дальше контекст-инжиниринг: что показать модели прямо сейчас?
Когда данных и инструментов стало много, выяснилось, что вываливать на модель всё сразу нельзя. На каждом шаге ей нужен ровно тот контекст, который помогает принять следующее решение.

5. Скиллы: как именно делать эту работу?
Доступ к данным ещё не умение. Скилл — это готовая инструкция со скриптами и материалами под конкретную задачу: как анализировать договор, как готовить отчёт. Агент подключает её тогда, когда она нужна.
Если упростить: MCP даёт доступ к системам, скилл даёт способ выполнить работу.

И вот теперь вишенка на этом много слойном тортике.
6. Harness. Связывает всё это в один процесс.
Шагов у агента много. Действие надо выполнить, результат вернуть, контекст обновить, модель вызвать снова. Харнесс — это система вокруг модели, которая ведёт весь этот цикл: связывает модель, контекст, инструменты, память и скиллы и задаёт правила, в рамках которых агент работает.

Готовые харнессы у всех на слуху: Claude Code, Codex. Но под специфичный процесс можно собрать свой, со своими инструментами, правилами проверки и логикой работы.

Если проще, по любимой всеми олдскульными управленцами аналогии с авто:
Модель — это двигатель. Харнесс — всё остальное в машине: руль, тормоза, приборная панель.

Поэтому вопрос «какую нейросеть нам взять?» вторичен. Важнее, в какую систему она встроена: к чему у неё есть доступ, по каким правилам она работает и кто проверяет результат.

#руководителю

Халява, налетаем 😄

Anthropic раздают бесплатные кредиты для Claude Code: подписчики Pro получат по $100, а Max — по $250.

Раздачу запустили ради теста новой функции: облачные сессии вышли из беты. Теперь агента можно оставить работать даже с закрытым ноутбуком.

Кредит выдается один раз на аккаунт и действует только для облачных сессий, получить нужно до 7 октября по ссылке из этого поста или командой /claim-credit в терминале.

🤖 Почему мы не боимся, что ИИ заменит разработчиков? За 25 лет мы не раз проходили через технологические перемены, и в новом ролике директор по AI-трансформации Сергей Круглов рассказывает, как ИИ работает на нас и почему на первое место выходят навыки, которые он не заменит никогда.

Выступил на Product Sense 🎤 Выдохнул — и наконец могу поделиться самым интересным из доклада. А самое интересное — не слайды, а тест на архетип, который я собрал специально к выступлению.

Контекст в двух словах. Борис Черный (руководитель разработки Claude Code в Anthropic) заметил: ИИ так сжал этап build, что привычные роли — продакт, проджект, дизайнер, разраб — переплавляются во что-то новое. И вместо должностей он выделил у себя в команде пять архетипов:

• Прототайпер — фонтанирует идеями. Большинство до прода не доедет, и ему с этим абсолютно ок.
• Билдер — машина по дотаскиванию до прода. Из прототипа собирает надёжную архитектуру.
• Свипер — скульптор: отсекает лишнее, упрощает, выключает.
• Гровер — эталонный любитель итераций, потихоньку растит метрики на зрелом продукте.
• Мейнтейнер — держит зрелую систему: надёжность, безопасность, масштаб.

Один человек может сочетать два, редко три. Но важно: архетип — это не роль, которую назначили. По Юнгу это врождённая настройка, которая диктует, как мы ведём себя в ответ на внешние ситуации. Роль можно сменить. Архетипу можно только соответствовать.

Почему это работает на практике. В Vetsy мы переезжали с WordPress на новый стек за 2,5 месяца — и команду миграции я собирал ровно по этому принципу, ещё не зная слова «архетип» (пост Черного вышел через год после нашего переезда). Билдеры и свиперы — в миграцию. Мейнтейнер — держать старую платформу, чтобы не развалилась. Прототайпера — в отпуск: на миграции он размывает скоуп.

И ещё одно наблюдение из доклада. У каждого архетипа есть родная «линза» — продуктовая («стоит ли вообще это делать?») или проектная («как гарантированно довести до результата?»). Чужой линзой пользоваться можно, но это как чужие очки: видно, но нужно сильно напрягаться, на длинной дистанции не вариант. Свипер — единственный, кому родные обе. И у Черного он же — единственный, кто нужен продукту на любой стадии.

Зрелость руководителя продукта — знать свой архетип, честно признавать свои сильные и слабые стороны и добирать в команду тех, кто может тебя усилить. Не по хардам, а по архетипу.

Так вот, тест. Собрал распределяющую шляпу — телеграм-бота с пятью кейсами. Отвечаете, как поступили бы вы, — на выходе ваш наиболее вероятный архетип 🎩

👉 @the_sorting_hat_bot

Оговорка: тем, кто был на докладе, интерпретировать результат будет проще. Но вы умнички, вы разберётесь. Пройдите сами, прогоните команду — и расскажите в комментариях, попал или нет.

Уже на этой неделе в четверг выступаю на ProductSense

Буду рассказывать 2 жизненных кейса и про то, как применяю архетипы Бориса Черного для формирования AI-native команд.

Если когда-то пропустили эту тему и не знаете, о чём речь — вот ссылка на оригинальный пост Бориса. Он, кстати, создатель Claude Code в Anthropic.

До встречи!

У Клода вышел Fable 5.1.
Радуемся, тестируем.
Для гиков, кто сечёт в бенчмарках — вторая табличка.
Для нормальных людей, кто смотрит на такие таблички как "о, числа подросли — значит, стало круче, надо брать" — первая.

Наткнулся на рилс «Claude заказывает продукты из ВкусВилла». Сам MCP-сервер у них не новый (статья на Хабре от декабря), но я увидел только сегодня — и пошёл тестировать на реальной задаче: собрать корзину готовой еды на 3 дня. Условия — разогрев до 10 минут, ~2300 ккал и 150+ г белка в день.

Что понравилось:

• Подключение — одна команда в Claude Code, без ключей и OAuth. Внутри 8 инструментов, хотя в статье описаны только 3: поиск, детали товара, аналоги, скидки, рецепты, магазины. Видимо, развивают!

🔥 Поиск сразу отдаёт КБЖУ, вес порции, цену и состав — агенту хватает, чтобы честно посчитать рацион, вообще не открывая сайт.

• В качестве результата — ссылка на готовую корзину: до 20 позиций с количествами передаются одним URL. Вот моя — 15 позиций на 5 010 ₽: https://vkusvill.ru/?share_basket=4107707781. В целом, съедобно, одобряю 👌

Где споткнулся:

👎 MCP не знает про геолокацию — каталог и цены по факту московские. Первая корзина сломалась об Ульяновск: 5 позиций из 18 там просто не оказалось. Пришлось чинить связкой «MCP для данных + Claude in Chrome для проверки наличия на сайте».

• Ссылку на корзину понимает только сайт — мобильное приложение её не открывает. Агент довёл до кассы, а последний метр всё равно руками и через браузер.

Вывод. Инициатива интересная, но главное в ней то, что агентов всерьёз начали рассматривать как отдельную целевую аудиторию. Для этого уже есть термины: AJM и AX — Agent Journey Map и Agent eXperience, по аналогии с CJM и CX. На английском про них пишут статьи, но в рунете пока тишина: выдача Яндекса пустая. Как следствие: явный разрыв на границе CX и UX — агент свою часть пути проходит достойно, но «шов» передачи человеку пока очень слабенький.

Сервер легко ищется по запросу «MCP ВкусВилл» — попробуйте, любопытный опыт

Сегодня прям кайфанул от задачки.

Суть: в продукте, который строим, надо было доказательно проверить, можно ли доверять AI-ассистенту. Функция ассистента — отвечать на вопросы по ESG-отчёту компании. А это почти 400 страниц, где почти вся фактура живёт не в тексте, а в 160 диаграммах и 270 таблицах.

Взялся делать сам (я же всё таки тут и сам трансформируюсь, а не только компанию трансформирую).

Как решал:
1) Чтобы построить эталон, мы с Клодиком разобрали весь документ в машиночитаемый слой: 20 параллельных агентов, 14 минут, каждая диаграмма — таблицей с явной привязкой подписей к значениям.

Из интересного: из документа посыпались внутренние противоречия. Их никто не искал — они выпали из ETL сами. Итог: 25 дефектов, семь из которых реально искажают показатели. Например, затраты на лечебно-профилактические мероприятия занижены примерно в 1000 раз: около 1 млн рублей на всю программу, внутри которой одно только ДМС стоит больше 1 млрд. Получается, ассистент, которого мы проверяем на то, можно ли ему доверять, уже показал себя лучше человека, который этот отчёт собирал 🤷😁

2) Дальше — голден-сет: 75 вопросов пяти уровней сложности, от «найди число в тексте» до провокаций с зашитой ложной предпосылкой.

3) Прогоны — не руками в чатике, а через API: на каждый вопрос сервер поднимает чистую сессию, вопросы друг у друга не подсматривают. Сначала смоук на 5 вопросов, потом 30, потом все 75. Первый честный результат: 82,6 балла из 100, три галлюцинации. Самое слабое место — диаграммы: 73,5.

4) Обновили корпус, перепрогнали те же 75 вопросов: 92,5 балла, ноль галлюцинаций, диаграммы — 96,7.

5) В середине дня заказчик прислал свою настоящую ESG-анкету — 48 пунктов, дословно. Прогнали и её: 95,1 из 100, ноль галлюцинаций, ни одного провала. Все 48 вопросов в шесть потоков — 173 секунды.

Итого день: ~3 часа плотной работы, 4 сессии Claude Code, 48 запусков субагентов, ≈2,9 млн выходных токенов и 406 млн прочитанных из кэша. Удовольствие от результата — бесценно.

Ну и очевидный, но важный для экономики совет: дорогая модель — думать (план, спецификация, оценка), дешёвая — проводить тесты через API в соответствии с планом.

За прошлую неделю к нам пришло сразу 3 запроса на AI-хакатон ITECH.

Вижу, что формат действительно попал в актуальную боль: бизнес хочет пробовать AI, но не хочет тратить месяцы на предпроекты, концепции и презентации.

Суть AI-хакатона простая:

Берём конкретную бизнес-боль → выбираем гипотезу → за 2 дня вместе с командой клиента собираем работающий прототип и проверяем его на реальном процессе и данных.

Это может быть автоматизация согласований, работа с документами, поиск по базе знаний, AI-помощник. Главное условие — практически применимый результат через 2 дня.

И не обязательно AI должен быть функцией самого решения. AI здесь прежде всего инструмент, который позволяет очень быстро пройти путь от идеи до работающего прототипа.

До лаборатории — короткая подготовка: определяем задачу, данные, KPI и ограничения. После — фиксируем результаты и понимаем, есть ли смысл идти дальше и масштабировать решение.

Я лично участвовал в первых наших лабораториях и могу сказать, что формат получился очень продуктивным: вместо долгих обсуждений о том, сработает ли гипотеза, за два дня можно сделать что-то руками, проверить на реальной задаче и уже от этого принимать решение.

А ещё есть интересный побочный эффект. Бизнес-заказчики сами примеряют на себя «экзоскелет» agentic-разработки и на практике ощущают, насколько быстрее с ним можно двигаться. По моим наблюдениям, после AI-лаборатории ритм и количество AI-инициатив у клиентов увеличиваются кратно.

Логично: лучше один раз попробовать, чем сто раз услышать.

Посмотрел крутое видео от CEO Hexlet (и легенды ульяновского IT) Кирилла Макевнина о том, как ИИ меняет разработку прямо сейчас. Кирилл собрал ключевые инсайды с крупнейших конференциях и поделился с нами.

А я делюсь своим личным ТОПом из того, о чём было в видео:

1. Реальное проникновение ИИ сильно ниже хайпа. Даже на профильных ИИ-мероприятиях руку на вопрос «кто пишет код полностью агентами?» поднимают максимум 20% зала. В обычных залах — ещё меньше. Причина — основная масса продакшн-кода живёт в крупных компаниях с жёсткими контурами. Банки сетапят локальные квены, пилят собственные агенты, и честно признают, что до уровня Claude им далеко. Вывод: кто выстроит работу с ИИ сейчас — обгонит тех, кто «подождёт, пока устаканится».

2. Увольнения из-за ИИ начались только сейчас, и компании закладывают до -30% персонала. Раньше сокращали из-за экономики, ИИ был удобным прикрытием. Теперь наоборот: компании реально видят, что могут закрывать задачи без найма. Но дальше сработает классика: когда производительность вырастет у всех, все снова окажутся на одном уровне. И единственным способом расти опять станет найм. Вопрос только в том, кто доживёт до этой фазы с командой, умеющей работать с ИИ.

3. Метрика эффективности ИИ — не деньги и не токены, а выкаченные стори. Денежные KPI для разработки не работают: выручка зависит от рынка, продаж и мегаконтрактов фаундера, а не от количества фич. Сбер считает стори, доехавшие до продакшена — то есть time-to-market всего пайплайна. И бонусом умная мысль оттуда же: на этапе обучения токены НЕ ограничивать. Пусть люди жгут и экспериментируют — лимиты убивают вкатывание. Оптимизировать расход — потом, точечно.

4. Кода стало в 10 раз больше — и бутылочное горлышко переехало в ревью. Кодинг перестал быть проблемой, зато ревьюеры тонут в пул-реквестах и выключаются из своей работы. Просто «ускорить» старые процессы не выйдет — их придётся пересобирать. Туда же проблема «skill hell»: компании обрастают сотнями скиллов, которые никто не переиспользует. ИИ-трансформация требует пересборки процессов.

Ссылка на оригинальное видео: http://youtube.com/watch?v=6w6NstwWb1Y

На этой неделе очень плотно работаю над двумя важными для меня продуктами 👇

1. AI-лаборатория
Enterprise-продукт для крупного бизнеса, который помогает обеспечить зрелый AI SDLC.

2. Бот-транскрибатор
Превращает любую запись в структурированный документ: краткое содержание, задачи, решения и детальная транскрибация с разделением по спикерам.

Такой бот я уже давно внедрил в ITECH — сейчас это один из самых востребованных внутренних сервисов. А теперь делаю (и тут внимание) бесплатную версию для подписчиков канала.

Не переключайтесь, скоро всё расскажу и дам доступ 👌🏼

—

А ещё в сентябре я выступаю на Product Sense — топовой конференции по управлению продуктами 🚀

📅 Когда: 10–11 сентября
📍 Где: Москва, Конгресс-центр ЦМТ

Подробнее о том, о чём буду рассказывать, — здесь.

Пригоняйте! ❤️‍🔥

Технология — это самое простое, что можно внедрить

На ULCAMP побывал на круглом столе про внедрение ИИ, который организовал мой друг Рамис Гизялетдинов, CIO Smart Group. Собрались CIO и руководители IT-подразделений, и разговор быстро ушёл от моделей и серверов к тому, что на самом деле тормозит внедрение. Спойлер: не технологии.

Сила цепи равна силе самого слабого звена. И это звено — не GPU и не модель, а головы людей. Можно внедрить все технологии мира, сделать десять итераций системы — а разрешение на выгрузку документов вам дадут через полгода, обновлённые должностные инструкции — через год. Технология крутится, как машина в грязи: колёса вращаются мощно и быстро, а движения нет.

Все боятся упустить «последний вагон» и отстать от конкурентов, у которых «уже есть крутые ИИ-решения». Но дополнительные вагоны у этого «поезда» технологий прицепляются спереди, а не сзади. Вы запрыгнули в первый вагон — через полгода вы уже в хвосте, потому что технологии устаревают быстрее, чем внедряются. Нулевая технологическая база в каком-то смысле даже преимущество: можно сразу сесть в актуальный вагон, не переплатив несколько раз за «повышение класса обслуживания». А вот люди так быстро не «обновляются». Именно поэтому компетенция работы с людьми и их сопротивлением — первична.

Почему люди сопротивляются понятно: как только человек чувствует экзистенциальную угрозу своей профессии, он закрывается и начинает ставить палки в колёса. Не открытым «нет», а итальянской забастовкой: «пришлите письмо-уточнение», «ответим через неделю», «мы сейчас заняты».

Как это лечится: живой кейс с того же стола. Финансовый департамент тихо саботировал все заходы с роботами и агентами. Тогда команда внедрения сменила тактику: вместо «мы вам сейчас всё автоматизируем» — «покажи отчёты, которые ты носишь своим директорам, давай сделаем их понятнее». Сделали прототип куда можно просто перетянуть экселёк. Реакция: «Офигенно. А ещё вот так можно? А вот так?» На третий раз ему дали учётку — и теперь этот человек каждое утро сам ловит айтишников в офисе: «Пошли, покажу, что я сделал».

Из этого — три вывода:

Не воевать, а поджигать. Скептик, который 10–15 лет делает одну и ту же работу, лучше всех знает, где ИИ даст реальный эффект. С ним нужно разговаривать, а не продавливать.
Показывать открытость. Не «мы шпионы в отдельном кабинете, которые всех уволят», а «приходите, инструменты дадим, реализацию покажем — от вас нужны только идеи и знание процессов изнутри».
Молотилка не должна останавливаться. Внедрение — не проект с финалом, а постоянный процесс: гипотезы проверяются, подтверждённые — масштабируются, амбассадоры поджигают следующих. Остановились «на достигнутом» — через полгода усилия растворились.

Технологический прогресс остановить нельзя. Но можно помочь людям в него войти — и это единственная часть работы, которую не получится купить или арендовать.

Выходные прошли в бешеном ритме. А всё потому, что мы в ITECH в 13 раз организовывали ULCAMP — крупнейший пляжный IT-фестиваль в России.

Это было легендарно:
• тысячи участников
• 90+ спикеров
• 2 музыкальные сцены
• 50+ часов образовательной программы

Про AI, кстати, тоже было много интересного, но об этом в следующих постах.

А вот что искусственному интеллекту пока неподвластно, так это погода и бездорожье. Пятница 13-го улкэмпа преподнесла сюрприз, поэтому на моём счету 60+ км по бездорожью, 12 доставленных до площадки гостей и 10+ спасённых из грязевого плена авто. Заехал на детейлинг — оказалось, что уже 3-й за день такой "красивый". Пасхалка в галерее.

Отдаю учебный стартер-пак: Telegram-бот на n8n + Claude Code за час

Сложность: для начинающих

В прошлый вторник провёл для топ-менеджеров ITECH часовой воркшоп по созданию ботов для Telegram и Bitrix24 на связке n8n + Claude Code — для автоматизации рутины собственных подразделений.

Задача была простая: дать тем, кто уже знаком с Claude Code, первый быстрый и успешный опыт самостоятельной сборки бота на n8n.

Для этого собрал учебный стартер-пак — по сути набор инструкций для Claude Code, по которым Клод ведёт участника за руку с первых шагов до готового бота-транскрибатора голосовых сообщений, пусть и простейшего. Программировать не нужно: Клод через MCP сам собирает workflow в n8n, человеку остаются только те действия, которые из соображений безопасности модели не доверяем — завести credentials и опубликовать workflow.

Результат: все, у кого были выполнены предусловия, уложились в час. Несколько человек подвисли на доустановке пакетов (привет, Node.js) и закончили уже за пределами отведённого времени — тут моя ошибка: не отразил это в предусловиях.

Пара наблюдений с воркшопа:

— Главные затыки были не в ИИ, а в окружении: VPN, API-ключи, скрытые файлы, недоустановленный Node.js. Сам процесс сборки бота Клод вёл уверенно.

— Ключевой навык для нетехнаря: не понял рекомендацию Клода — спроси у Клода. Работает почти всегда.

— Секреты в чат с моделью не передаём никогда. Стартер-пак сам предупреждает участника, если тот пытается кинуть ключ в чат.

— Топовая модель тут не нужна: Sonnet собрал бота с первого раза, Opus для такой задачи overqualified.

Учебный стартер-пак публичный, забирайте: https://github.com/sergeykruglovit-a11y/bot-starter-workshop

Внутри — стартовый промпт и все инструкции: от подключения MCP до работающего бота.