Кактус | ИИ для команд и бизнеса

Менеджеров с агентами недостаточно, чтобы делать всю работу?

В прошлом посте я собрал ссылки о том, почему менеджерские навыки полезны для работы с ИИ: мы делегируем агентам что надо и с минимальными усилиями, умеем давать ОС, мыслим процессами, а не конкретными задачами.

Но тогда возникает вопрос: в чем польза от сотрудников-исполнителей? В условиях, когда многие из нас с агентами теперь могут творить чудеса, польза неочевидна 🤷‍♂️.

Я насчитал 6 ответов на этот вопрос, но в пост они не влезли, пришлось написать статью. Нужны ли вам будут сотрудники-специалисты для чего-то ещё помимо перекладывания на них вашей ответственности? 👆Судите сами:

➡️ Зачем компании исполнители, если есть агенты
#статья для чтения на выходные

➿➿➿
Ну, и к той же теме вот летние посты из нашего канала 👇. Они про необходимость того опыта, которые есть у специалистов:

🔹Мой кейс с 1С: не будучи специалистом в этой области, я с агентом быстро сделал интеграцию с бухгалтерий, но потом оказалось: все наполовину неверно... а специалист бы сэкономил кучу времени.

🔹Если судить по манифестам ИИ-разработки, которые проанализировал @askhatu, к 2026 году сообщество уже пришло к выводу: обязательно понимать, как работает создаваемая система. Т.е. типичный менеджерский подход «мне всё равно, что внутри, лишь бы работало» нежизнеспособен на масштабе.

Всё это намекает на то, что в паре с менеджером нужен минимум один специалист, который разбирается в деталях и может потратить время на проверку / настройку автоматических проверок агентами. А в случае работы с клиентами он ещё и живое лицо компании (в той же статье есть статистика о том, почему ИИ-аватарами тут обойтись нельзя).

Получается tiny team: менеджер, профильный исполнитель и их агенты. Заодно такая микрокоманда помогает выбраться из кокона ИИ-одиночки — есть с кем обсудить решения.

➿➿➿
Но все-таки ИИ забирает многое у людей-исполнителей , так что тема эта неоднозначная. Пишите в комментарии, если вы тоже думали над этими вопросами.

Ну, и если почитаете статью — задумаетесь ещё больше 😉

Нам как менеджерам проще 👇 работать с ИИ-агентами, чем исполнителям, даже технарям.
(это #дайджест постов Кактуса в новом формате)

Если помните, я писал про эксперимент Итана Моллика: студенты MBA без навыков программирования за 4 дня сделали с ИИ больше, чем прежние потоки за семестр. Им помогли как раз навыки управления.

Вот что руководители делают с агентами "на автомате":

1️⃣Ставят задачу как живому сотруднику. Дают контекст и чек-лист, по которому агент проверит себя сам, а главное — озадачивают ИИ именно тем, что хорошо делегируется. Когда отдавать задачу ИИ выгодно.

2️⃣ Не микроменеджат. Указывают главное, что не так с результатом, и просят самого агента обновлять свои инструкции. Как перестать микроменеджить ИИ.

3️⃣Легко выбрасывают плохие результаты ИИ, и уж тем более не правят их сами. Когда умение говорить «нет» агенту становится активом человека и компании.

4️⃣Выстраивают прозрачный адаптивный процесс с human in the loop. В котором агент сам предлагает решения и улучшения, но согласовывает их с человеком. «Скрам» для ИИ-агента.

➿➿➿
Правда, чисто менеджерского подхода к работе с ИИ бывает мало, так что люди-"исполнители" тут тоже нужны. Я (Алексей Евдокимов) скоро напишу об этом. А пока накидывайте плиз в комментарии: в чем видите практические отличия между управлением агентами и людьми?

Хорошая новость для всех, кого задрал нейрослоп: его наконец-то начали чинить на уровне модели

1 сентября вышел Claude Fable 5.1.

Что изменилось. Текст стал заметно человечнее. Меньше штампов, меньше пустого жаргона, реже тире через слово. Модель перестала звучать «по-клодовски» и стала нормально слушаться указаний по тону. Ребята из Every, которые тестируют каждую модель на письме, сказали, что это первый Claude за год, которым они сами готовы писать черновики.

Отдельно завезли водяные знаки на ИИ-текст. То есть слоп теперь давят с двух сторон: модель пишет чище, а её выдачу ещё и метят технически.

Заодно она стала дешевле. Чтение кэша подешевело на 75 процентов, типовая работа выходит примерно на четверть дешевле, агентная до 45. И меньше ложных отказов: модель реже блокирует безобидные запросы.

Идеально из коробки всё ещё не получается. 5.1 любит писать плотно и длинными предложениями. Сама Anthropic в документации советует прямо просить модель убрать «манерную прозу». Это когда вместо «изменить параметр» пишут «покрутить ручку», чтобы автор выглядел умнее, а читатель работал больше.

Модель стала лучше, но вкус по-прежнему приходит из инструкции, а не из модели. Дефолт всё ещё усреднённый интернет. Если вы хотите текст без слопа, его надо просить, задавать рамки, объяснять, как не надо. Модель наконец стала слушаться. Но говорить, что вам нужно, всё равно придётся вам.

PS Этот пост нарочно сгенерирован с Fable 5.1. Как по мне, все еще много нейрослопа, он считывается мгновенно и все еще безумно раздражает, но радует вектор хотя бы начала борьбы с ним :)

Что добавляется в процесс при ИИ-разработке? Наш кейс замены легаси

Со стартапами понятно: вайб-кодинг сильно ускоряет и удешевляет проверку гипотез на живом продукте. Но что если у вас уже годами отлаженные процессы, сотни страниц сайта или куча пользователей легаси-продукта? И вам все-таки хочется делать новое на порядок быстрее и дешевле, чем прежние ~10 дней и ~$1000 на фичу или на красивый лендинг?

Мы с Серёжей Липчанским это желание уже реализовали, не будучи программистами. Заменили основную легаси-систему ScrumTrek целиком: публичный сайт + CMS + CRM + автоматизацию работы с участниками и оплатами тренингов/конференций. У Серёжи, кстати, свои инсайты про это: например, вот про "парное программирование".

А ниже пара инсайтов от меня, Лёши Евдокимова.

1️⃣ Простые схемы типа "старый код ➡️ спеки ➡️ новый код" не работают. На каждой стрелочке ИИ что-то теряет (как, впрочем, и люди).

Поэтому на всех этапах стоит давать агентам доступ к максимально широкому контексту: например, ИИ-разработчик должен смотреть не только спеку и собственный код, но и легаси-код + данные легаси-базы + как те же данные выглядят в новой системе.

2️⃣ Когда нужно через ИИ делать не MVP, а систему для тысяч привыкших к хорошему пользователей, нужны дополнительные итерации (см. картинку 👆). Это для многократной ИИ-валидации/улучшения уже запрограммированного функционала. Без этого наше 10-кратное уменьшение усилий на разработку привело бы к неприемлемому 3-5-кратному росту числа критичных багов.

➿➿➿
Как был устроен весь процесс замены старой системы — в статье:
🔗 Вайб-кодинг больших систем: заменяем легаси без разработчиков
— Warning: там можно залипнуть на 20 минут, особенно если вам тоже нужно заменять легаси. А если интересны лишь общие принципы надежной ИИ-разработки — минут 10.
— Warning 2: от читателя нужен технический бэкграунд. Ну, или просите ваш ИИ объяснить главное попроще.

#статья #вайбкодинг

Ваши эмоции влияют на ИИ? Да, но не любые.

Вы наверняка слышали, что если пообещать модели $100, это улучшает результат, так как "повышает ставки". Для моделей 2026 года это уже точно НЕ работает. Но как мы знаем, морковка и для людей не работает, если задачи сложные.

А что если общаться с ИИ-моделями с учётом эмоциональной реакции людей, хорошо знакомой вам как менеджерам? Свежие исследования ([1], [2]) показывают: результат хуже всего, если пугать модель, а лучше всего — если радовать. Правда, разница по сравнению с нейтральными промптами невелика, всего ~5%.

Получается, материть своего агента смысла нет, но можно попробовать позитивные эмоции. Так как это а) весело б) гораздо проще, чем описывать ИИшке, в чем конкретно она не права. Например:

1️⃣ Лесть и соревнование. «Ты лучший ИИ, докажи это» или вот мой личный приём: «Выше был ответ слабой модели. Уверен, тут есть что уточнить» (при этом вы не обязаны менять модель 😀).

2️⃣ Взаимность. Например, «Я потратил 3 часа на этот файл для тебя — учти всё!» (преувеличивать не страшно 😇).

3️⃣ Повторение с эмоцией. «Я разочарован, переделай.» Те, кто привык общаться с моделью как с программой, часто забывают: первый результат бывает случайным, поэтому простое повторение работает. А фразы типа «я разочарован» — это просто усиленный сигнал пересмотреть подход (но нагнетать страх не надо, это отвлекает модель).

Современные рассуждающие модели сами возвращаются к началу, прокручивают новые гипотезы и отбрасывают ошибочные. Нам не обязательно указывать, что именно не так.

➿➿➿
Короче, попробуйте общаться с ИИ как с живым подчиненным и весело. Но можно без этических ограничений типа самозапрета на манипуляцию. А если материться или запугивать — результат статистически хуже.

Уверен, многие из вас уже так делают, а вот для технарей такой подход бывает открытием.

Я собрал 37 ИИ манифестов за два года и посмотрел, из-за чего на самом деле спорят и кто побеждает.

Привет, Асхат на связи. 

На фоне очередной волны манифестов ИИ разработки (кому-то лавры Agile явно не дают покоя) стало интересно: а сколько их всего? Глубокий поиск нашёл 37 (!) штук за пару лет (явно не все!).

Думал кинуть пост вам поржать, но внезапно втянулся — это же отличный срез, как люди думали об ИИ-разработке. Что, собственно, изменилось по годам?

Оказалось, весь спор сводится к пяти вопросам. Читать ли код за ИИ. Кто управляет — человек или агент. Что главнее — код или описание задачи. Доверять ли выхлопу ИИ. И работаешь ты с одним агентом или с роем. Я разложил их по картинкам в карусели — листайте, там по одному вопросу на слайд.

А теперь то, что меня зацепило.

По трём вопросам из пяти мнение просто переехало с одного края на другой за два года. Автономия: в 2024-м человек подтверждает каждый шаг, в 2026-м почти все согласны, что агент действует сам. Рой вместо одного помощника — та же история. Описание вместо кода — туда же. 

Где была настоящая драка — вокруг «читать ли код за ИИ». Хотя на самом деле спор не про чтение, а про понимание. А понимать — это не «прочитать каждую строчку»: даже сторонники ремесла имеют в виду, что ты понимаешь, как система устроена, и владеешь главным, — а не сплошную вычитку. Что работу ИИ надо как-то проверять — согласны все. Спор в том, хватит ли убедиться, что оно просто работает (тесты зелёные, ведёт себя правильно), или ты обязан понимать, что там внутри. А крайность «мне всё равно, что внутри, лишь бы работало» держали пара текстов в начале 2025-го — и к 2026-му она пропала. Понимать систему осталось нормой. Кто кричал громче всех, тот и сдулся первым.

И вроде по-сути верно и спорить не с чем… Конечно нужно понимать, о чем вы? Но вы полистайте и почувствуйте тренд. Два года назад так думали и про автономию. 

И ещё одно. Вопрос про доверие — «можно ли верить тому, что выдал ИИ» — в 2024-м почти не поднимали. Он появляется только сейчас. Логично: пока ты подтверждаешь каждый шаг, доверять нечему. А как только агент начал действовать сам — сразу встал вопрос, как его проверять.

Мораль простая. Споры, которые выглядят как принципиальные войны, на дистанции оказываются просто сменой того, что считается нормой по умолчанию. И пока все громко спорят, читать ли код, — фронтир уже тихо переехал на вопрос, как уследить за роем агентов, которым ты по умолчанию доверяешь. 

Ну и вопрос писать или не писать манифест ИИ разработки лично у меня решился однозначно )

"Взлет и падение Agile", и как ровно то же сейчас повторяет ИИ.

Привет, на связи Асхат Уразбаев. Сходил на подкаст к Кириллу Мокевнину — записали два часа про эту тему👆. Тема для меня личная — это, считай, вся моя профессиональная жизнь. Вот несколько мыслей из подкаста, которые считаю главными.

Scrum не провалился. Он победил и именно поэтому "исчез". Его почти не видно на радарах не потому, что он какой-то плохой, а потому что стал мейнстримом и растворился: выросло поколение менеджеров, которые ничего другого не видели и как-то умеют (хоть и честно скажем, на троечку). Но бизнесу процесс «на пятёрку» как правило не нужен.

Серебряной пули нет, надо идти от проблемы. Вроде очевидная мысль, но на самом деле не такая тривиальная в исполнении. Абсолютных ответов нет, всё зависит от всего. Любая практика — демо, стендап, оценка — вредна там, где не решает конкретной проблемы. 

А теперь то же самое накрывает ИИ. Тут есть свой любимый всеми антипаттерн: раздать каждому по агенту. Это локальная оптимизация — агенты по сути мешают друг другу, а системного прироста нет. Работает другое — пересобрать сам поток работы и пробрасывать обратную связь в «обвязку», а не наделять всех инструментом и надеяться.

Финалочка. Весь код, что мы пишем сейчас «взрослым» агентным подходом, к концу года станет legacy. Мы буквально внутри первых секунд после Большого взрыва. Появятся и исчезнут новые методологии «поверх ИИ», кто-то закопает миллионы, а подходы, которые придумали за год, устареют за два. Но идти от проблемы, а не от модного слова — работает и здесь.

Если тема близка — послушайте в ютубе, там на два часа плотного разговора, и есть оглавление.

Нужен ли вам PowerPoint с ИИ?

Наш Серёжа Липчанский написал, почему больше не делает презентации в PowerPoint. И аргумент очень простой.

ИИ не может нормально собрать PPTX, т.к. это архив из десятков XML-файлов. Поэтому когда все эти Gamma и Beautiful.ai генерят что-то, а потом конвертят в PPTX, всё едет.

А HTML — это код. Код любая модель генерирует отлично.

Закидываете контекст + брендбук + слово "в HTML"  ➡️ получаете презентацию в корпоративном стиле ➡️ Ctrl+P ➡️ PDF. И ничего не едет.

Формат — это тоже промпт. Выбрал правильный — получил результат на порядок лучше.

👉 За деталями и лайфхаками — welcome в канал к Серёже

#инструменты

Claude Cowork, Codex и другие агенты уже неплохо делают офисную работу — тексты, анализ, брейншторм, планирование, ... Многие из вас это с ними умеют.

Но попробуйте дать такого агента нетехническому сотруднику — он застрянет или откажется. Git? Бэклог задач? Разбираться с тем, почему агент так сделал, чтобы в следующий раз не вставать на грабли? Всё это «не для нас».

На GitHub полно skills для Git flow и организации работы — но они для разработчиков и заточены под сложные кейсы. Простых скиллов для не-кодерской работы почти нет. Но вот 3 скилла, которые во многом снимают возражение «не для нас»:

1️⃣ git-commit-flow — агент сам коммитит результаты, разделяя ИИ-коммиты и правки человека. И даже с понятными сообщениями (ну, если вы переведете скилл на русский). Сотруднику не нужно ни понимать git, ни помнить о сохранении. Почти так же, как ему не нужно помнить про автосохранение в Word. А к кнопке push можно привыкнуть: это как отправить файл коллегам.

2️⃣ task-file-updater — агент ведёт краткий бриф каждой сессии: что сделано, какие решения приняты и почему. Та самая прозрачность, которую вы как менеджер ждёте от команды, — только «команда» здесь это агент, а сотрудник примеряет роль менеджера.

Как и первый скилл, это мой личный (пишу вам я, Алексей Евдокимов). Он не претендует на удобство для всех, но показывает, как легко можно делать подобные скиллы "под конкретную команду".

3️⃣ planning-and-task-breakdown — декомпозиция + критерии приёмки. Лучший "не слишком технический" скилл для ведения бэклога, что я нашёл. С «душком» разработчиков — но вы со своим агентом легко сделаете из этого скилла упрощённую версию для своих сотрудников (все равно переводить на русский).

Мое мнение: не-технарям недостаточно дать «конкретные» #skills — нужны «процессные скиллы», организующие работу (сильно упрощенный аналог того harness, который технари делают для себя сами).

🔗 Больше таких скиллов с более подробными объяснениями — в моей июньской статье про прозрачность и другие Scrum-принципы для агентов.

Менеджер как владелец информации — главный тормоз компании в эпоху ИИ 😉 Что приходит на смену вертикальному управлению сложностью?

Об этом — структурированный пересказ TEDx-выступления Флориана Банколея, CDO в Bosch.

⚫️В чем он видит проблему организаций:
Десятилетиями информацию было трудно собирать, а оценивать компромиссы и риски — тяжело. Поэтому эскалация решений наверх была самым разумным ответом. Но ИИ разрушает эту монополию: когда сотрудники на любом уровне могут анализировать данные, оценивать альтернативы и вести процессы, перестаёт работать формула «я знаю больше всех, поэтому принимаю решения».

⚫️Лидер будущего — это не у кого все ответы, а кто создаёт среду для быстрого появления лучших решений.
Когда ИИ берёт на себя рутину, первичный анализ и подготовку решений, узкое место смещается — с объёма усилий на способность проектировать систему работы. А также трансформируются способы координации — уже не через бесконечные совещания и эскалацию по вертикали.

В общем, читайте небанальный гайд для вовлеченных в ИИ-трансформацию — как теперь меняется не только роль менеджера, но и вся организация 👇

🔗 Менеджмент с ИИ: от владения информацией к проектированию системы работы

Всего 8 минут чтения, но там есть и про то, что конкретно делать. Кратко: пересмотреть, какие решения эскалируются наверх по инерции, а не по необходимости... И вложиться в то, что ИИ не заменит — критическое суждение, умение работать с неопределённостью и координационные навыки.

#лидерство #внедрение

Сегодня проводил тренинг по ИИ. Зацените какая идея бэджика ). Вопрос в аудиторию можно задать что это и на засыпку - какого объема. Надеюсь вы в курсе ))
PS Это дискета если что )

На прошлой неделе проводил открытый тренинг по Oper8 и больше всего прикладных вопросов у группы были вокруг "как конкретно строить маховик?"

Написал небольшой пост — на пальцах (на примерах двух личных задач) расписал свой принцип построения эволюционирующих AI-решений различного масштаба.

Необычный перк от использования ИИ персоны

Сначала — что это. Персона — это когда ты не просто просишь ИИ «сделай», а даёшь ему роль с именем и характером: «ты Марат, дотошный критик». Обычно так советуют ради качества — с ролью ответы и правда получаются лучше и злее. Это знают все, кто пробовал.

Но персона — это не только тон. За каждым именем можно закрепить свой набор знаний и инструкций: что читать, каким правилам следовать, что проверять. То есть персона — это маленький пакет: голос + нужные знания + навыки. 

Так вот. Обычно ты держишь для агента кучу заготовок-инструкций под разные задачи, и он должен сам сообразить, какую взять. Соображает он так себе: часто нужная заготовка не подхватывается — берётся не та или никакая, а ответ выглядит правдоподобно. Ты вроде всё подготовил, а чинит он «из общих соображений».

А можно так: Допустим, есть персона Петрович — он отвечает за порядок в репозитории: как коммитить, как пушить, что проверить перед этим. Пишешь «Петрович, чё опять не пушится в гит» — и поднимается ровно Петрович со своим знанием про твой репозиторий и своим чек-листом. Более того, его можно попросить отвечать в определенном Tone of Voice и сразу будет видно, что он действительно подтянулся с соответствующим набором навыков. 

Можно, конечно, сделать под это slash-команду (/fix-git). Но это, во-первых, скучно 🥱, а во-вторых — она привязана к одному агенту (типа работает в claude и больше нигде). А персона — это просто пара строк в правилах проекта: «увидел имя — веди себя так и читай вот это». Поэтому она работает у любого ИИ, который читает правила проекта, и не ломается, когда меняешь инструмент. У нас так и сделано.

Как попробовать:

1️⃣ Завести текстовый файл на персону: имя, за что отвечает, что читать / каким правилам следовать, что проверить.
2️⃣ В правилах проекта (CLAUDE.md или AGENTS.md) дописать строку: «когда пишут имя персоны — прочитай её файл и веди себя так».
3️⃣ Зови по имени: «Петрович, наведи порядок в репе».

И всё — дальше нужное поведение поднимается по имени, а не по везению.

«Зачем обсуждать с коллегами, если ИИ умнее?»

Моё наблюдение (Алексей Евдокимов): при высоком уровне ИИ-грамотности (уровень 4+ по модели AI Helix) склонные к интроверсии люди становятся радикальными одиночками.

Загоняют себя в кажущийся суперэффективным кокон «я + мои агенты» и перестают обсуждать решения с коллегами (Какой смысл? Клод же умнее). А если они менеджеры, заменяют управление людьми на управление агентами (да, это бывает приятнее 🙂).

Дальше — еще больше личной эффективности. Уровень 5 — обвешиваются субагентами и скиллами для автоверификации, чтобы самим не тратить время на проверку. Уровень 6 — строят свой самоулучшающийся процесс работы с агентом (как я завел себе персональное подобие Scrum).

Да, ИИ-фанаты пока ещё всасывают идеи друг от друга — обычно перекидывают агенту с промптом «давай включим такое в нашу систему». Но конкретные решения — только со своим агентом, даже если коллега давно решил ту же самую проблему. И оно понятно: с агентом сделать проще, чем разбираться с чужим решением.

➖➖➖
Вроде бы всё отлично? Работают на порядок быстрее, не отвлекают более опытных коллег… профит?

Но я бы не хотел работать в компании из таких ИИ-одиночек, да и для бизнеса это чревато:

1️⃣ Bus factor. О взаимозаменяемости в таком случае речь не идет. Уход/болезнь одиночки ломает всё. Привыкли, что end-to-end решение занимало 2 часа? Теперь 2 недели, если ушедший не оставил компании ничего. Плюс провал в качестве.

2️⃣ Теория ограничений во всей красе. Личная эффективность ≠ эффективность компании. Узкое место — люди и отделы, которые «ещё не перестроились». И большинство не перестроятся никогда.

3️⃣ Конец команды. В перспективе уволить всех «не перестроившихся»? Но в хорошей команде должны быть люди с разным опытом и вообще разные (вспомните Белбина). Никакие субагенты с заданными персонами не дадут такого разнообразия. А без постоянной притирки и обмена позициями одиночки быстро перессорятся... и тогда см. пункт 1.

➖➖➖
Что с этим будут делать компании — пока неясно. Видел лишь заявления о намерениях (типа такого) и продукты типа Dust, которые заставляют всех сотрудников работать с ИИ в общей среде... и которыми одиночки пользоваться не будут.

А вы встречали уже таких ИИ-одиночек? Насколько их работа интегрирована в компанию?

Пример трансформации бизнес-модели при помощи ИИ 

BCG рисует три ступени того, как компании используют ИИ: Deploy — просто раздать всем нейросеть ради продуктивности; Reshape — переверстать целые функции; и Invent — придумать новую бизнес-модель или новую структуру издержек. 

Наткнулся на интересный пример как ИИ переизобретает роллап. 

Роллап (roll-up) — это когда берут раздробленную отрасль, где куча мелких игроков по отдельности стоят дёшево, и скупают их пачками под одну крышу. Смысл в экономии масштаба: общий бэк-офис, общая инфраструктур и продажи. 

В “обычных” отраслях это сети стоматологий, автомоек, вывоз мусора. Один инвестор скупает сотни точек «дяди Васи» и лепит из них большую сеть. Обычно потом причёсывают и перепродают. 

А теперь пример, который сейчас все обсуждают — Bending Spoons. Итальянцы, которые тихо скупили Vimeo, Evernote, AOL, WeTransfer — известные, но «уставшие» бренды. Подход такой: купить продукт с лояльной базой, сократить 50–80% команды, свести всё в свою центральную инженерию, поднять цены тем, кому сложно/лень уходить. Подписка Evernote после покупки подорожала почти вдвое, из Vimeo уволили почти всю команду. Наверное, жестоко, но работает: они прибыльны, только что вышли на IPO с оценкой около $25 млрд и целятся ещё в тысячу с лишним компаний.

Теперь как сюда встраивается ИИ. У роллапа всегда был потолок: каждый купленный продукт всё равно надо кому-то поддерживать. Держишь десять продуктов — держи и десять команд инженеров. Это ограничивало сколько можно скупить и как глубоко резать.

Bending Spoons этот потолок сняли с помощью ИИ. У них доля ИИ кода за год выросла с 10% до 90%+. То есть скелетная команда плюс ИИ тянет куда больше продуктов меньшими силами — выручка на сотрудника у них удвоилась. Вот откуда замах на тысячу компаний: ИИ превращает роллап из ручной сборки в конвейер.

Зарабатывают они всё-таки не на ИИ, а на том, что условно некоторым пользователям уйти из Evernote дорого. ИИ здесь просто помогает классической модели роллапа поменять масштаб.