С красной строки. Илья Чиркин

Классификация моделей

Много разговоров о том, какие существуют модели и какая у них классификация.

Сергей поделился своим видением 4х уровней: от закрытых моделей в лабораториях OpenAI и Anthropic до открытых локальных моделей, которые можно установить себе даже на телефон. Мне понравился подход, решил и у себя опубликовать.

1. Эталон (суперэлита) — нам недоступен. Внутренние модели AI-корпораций, которые живут за условной колючей проволокой.

2. Элита — дорогой корпоративный доступ к передовым моделям. Возможности максимально близки к тому, что сегодня находится на технологическом фронтире.

3. Первая репродукция — обычные платные подписки примерно от $20 до $200. Хорошее качество, массовая доступность, закрывают большинство задач личной и рабочей эффективности.

4. Вторая и следующие репродукции — бесплатные и локальные версии с ограничениями по самой модели, контексту, инструментам и вычислительным ресурсам. Где-то справятся отлично, где-то разница с верхними уровнями становится критичной.

Отдельный фактор — вычислительная мощность. Покупая подписку, ты получаешь доступ ещё и к инфраструктуре крупных дата-центров. При локальном развёртывании качество всей системы уже зависит от того железа, которое ты можешь себе позволить.

Российские модели от Сбера и Яндекса я бы разместил между 3м и 4м уровнем.

Сам я сейчас практически всегда работаю с тремя моделями: ChatGPT, Claude и Gemini.

Причём для меня вопрос «какая модель лучшая?» постепенно потерял смысл. У каждой появился свой участок работы.

Gemini + NotebookLM — размышления вокруг собранных экспертных материалов, анализ больших массивов данных, документов, видео и сборка контекста вокруг конкретной темы;

Claude и Codex — вайбкодинг, агентные задачи, построение фин. моделей, анализ excel, парсинг данных и длинные содержательные материалы (например, лендинг);

ChatGPT — визуализация и очень простые повседневные задачи типа что-то подсказать или интерпретировать.

Совершенное искуственное мышление у каждого.
Чего ещё не хватает?

У нас уже появился искусственный интеллект - альтернатива нашему естественному «процессору». Но сам по себе процессор бесполезен. Он умеет находить идеальные комбинации, считать вероятности, но чтобы их выдать, ему нужны данные на входе, наша память.

Желая максимизировать личную эффективность и экспериментируя с созданием полноценного второго контура мышления, вайбкодеры-энтузиасты связывают все свои источники контекста (ТГ, аудиозаписи, почту и проч.) и собирают внешнюю память, разделяя её на краткосрочную (оперативную) и долгосрочный контекст. Собирают библиотеки, папки, ведут Obsidian. Делают всё, чтобы сократить логистику между своей памятью (данными) и искусственным интеллектом.

Отсюда у меня родились две мысли этим утром.

1. Мы удивительно быстро приняли то, что теперь у нас есть внешний мозг, мощнее нашего собственного. Следующий шаг очевиден — подключить к нему нашу память. Собственно, вайбкодеры на фронтире сейчас этим и занимаются, придумывая костыли, чтобы соединить источники своего контекста (памяти) с внешним процессором.

2. Думаю, что в ближайшие 3-6 месяцев инженеры Anthropic или OpenAI найдут элегантное решение и встроят нужную обвязку в своих агентов, чтобы пользователям не пришлось собирать инструменты из палок и костылей. Так уже было год назад с OpenClaw.

Конечно, всё это происходит неравномерно и не в одночасье.
Но тренд очевиден - мы очень быстро (в историческом масштабе) идём к сближению с технологией - ИИ или даже к слиянию с ним.

Каким будет этот новый мир? Вопрос открытый.

ИИ-трансформация в Сколково

Посмотрел эфир Сколково об ИИ-трансформации бизнеса и вызовах, с которыми она сопряжена.

Участники эфира:

- Николай Верховский, директор департамента цифровых и продуктовых программ СКОЛКОВО;
- Михаил Степнов, директор по ИИ Beeline Cloud;
- Михаил Петухов, практик внедрения ИИ, основатель инжинирингового центра Black Mesa IT.

Самые интересные тезисы я оформил в формате карточек.
Многое из того, что было озвучено, перекликается с темами наших обсуждений.

Очень понравился тезис:

Если человеку неинтересна оптимизация своей собственной жизни, ИИ в его руках не взлетит.

На своих ИИ-мастерских я часто говорю, что своей ключевой задачей вижу то, чтобы вдохновить людей своими WOW-кейсами, примерами реализованных задач - вдохновить и зажечь людей этим, чтобы они в этот же день начали что-то делать самостоятельно, эксперементировать, вовлекаться.

Только так, без специальной литературы и сложной теории работает обучение взрослых, зрелых людей.

Последние месяцы я много наблюдаю за тем, как люди учатся работать с ИИ. И у меня сложились два наблюдения, которыми хочу поделиться.

Первое очень простое.

1. Люди не очень хотят работать по новому

Я показываю инструмент, который способен за минуты сделать то, на что раньше уходили часы/дни. Объясняю, показываю примеры. Вовлекаю тем, что можно высвободившееся время и силы направить в творчество и эксперименты. Показываю wow-примеры.

Мы привыкли думать, что человек сопротивляется технологиям, которые отнимают у него работу. Но иногда человек сопротивляется даже технологии, которая обещает эту работу облегчить или сделать лучше и далет по своему/по старому.

Впрочем, эта проблема решаема.

Но есть второе наблюдение. И оно кажется мне гораздо более фундаментальным.

2. Интеллект не существует в вакууме

Представим, что завтра каждому человеку на планете бесплатно выдали интеллектуального помощника невероятной мощности. По сути, это уже произошло.

У всех одинаковая модель, одинаковая скорость, одинаковый доступ к знаниям. Станут ли результаты людей одинаковыми?

Очевидно, нет.

Потому что между интеллектом и результатом находится человек во всём его многообразии.

Чтобы задать хороший вопрос и задать правильный контекст, нужно понимать, что именно ты хочешь.

Чтобы увидеть необычную идею, нужна насмотренность.

Чтобы отбросить банальность, нужен вкус.

Чтобы усомниться в убедительном ответе, нужно критическое мышление.

Чтобы превратить ответ в действие, нужны воля и мотивация.

Чтобы понимать, какие действия вообще допустимы, нужна этика.

Получается интересное уравнение. Мы создаём всё более мощный искусственный интеллект. Но его ценность определяется качествами естественного интеллекта, который сидит перед экраном и если он плох, то результатом этого умножения становится ноль.

И вот с этим работать сложнее.

ИИ-зация организации как в Яндексе (AI-Adoption)

Две недели назад, завершив свое исследование о том, какие AI-компетенции российский бизнес ищет на рынке труда, я начал работать над гайдом по эталонной ИИ-трансформации организации.

Как это обычно бывает, те, кто глубоко увлекается одной темой, существуют в какой-то одной ноосфере с идеями и соревнуются в том, кто раньше сформулирует то, что "растворено в пространстве - между умами".

Сегодня ознакомился с замечательным гайдом Дарьи Золотухиной (HRD Яндекс) о том, как должна происходить ИИ-трансформация (внедрение и фактическое использование искусственного интеллекта в работе компании, разработанный на основе опыта Яндекса).

Гайд посвящён управленческой стороне ИИ-трансформации, а не развёртыванию локальных моделей и инженерной архитектуре. Софт и хард остаются важной частью этой работы, но решающий фактор - люди и их компетенции, роли, привычки.

Словно инфекция, ИИ должен проникнуть во все процессы и через AI-амбасадоров "заражать" коллективы - менять их способ мышления.

Для этого должна быть подходящая среда с поощрением экспериментов, инициатив, обмена практиками и измерением эффектов.

Вторая важная мысль - про контекст:

В будущем единый контекст компании станет главной силой, трансформирующей привычную структуру управления.

Сегодня корпоративные знания разрозненны и заперты в головах сотрудников, чатах или созвонах. В будущем ИИ-агенты будут не просто суммаризировать встречи, а связывать обсуждения между собой, автоматически находить релевантный контекст и доставлять его тем, кому он необходим для работы.

Это приведет к фундаментальным изменениям:

- Знания перестанут зависеть от иерархии. Руководитель больше не будет «узким горлышком» информации только потому, что у него по статусу больше доступа к частям системы.

- Исчезнет бюрократия и организационные издержки. Пропадет необходимость в лишних слоях структуры и бесконечных встречах для синхронизации, а высвобожденная энергия пойдет на реальные действия.

- Интеллект встанет над должностями. Будет создана среда, где возможность знать, влиять и действовать определяется не высотой роли, а близостью к задаче и качеством мышления.

Звучит как фантастика, но именно в такой позитивный сценарий я верю как в образ будущего организации труда и работы.

Ссылку на гайд я представил выше, а во вложении прикладываю презентацию с ключевыми тезисами и идеями в 10 слайдах (моя интерпретация).

Я изучил 1000 вакансий на HH с упоминанием AI

По разным оценкам, до 80% инвестиций в ИИ не окупаются или вовсе проваливаются. Причина часто лежит за пределами ИТ-составляющей, т.к. компании внедряют модели и инструменты, но не меняют процессы, роли, культуру и управленческие решения.

Я «спарсил» и проанализировал
1 000 вакансий с HH.ru с упоминанием AI / ИИ / искусственный интеллект / LLM. В выборку вошли упоминания в любом контексте - от прямых обязанностей до описания стека и корпоративной культуры.

Всё ради того, чтобы понять - какие ИИ-компетенции ищет российский бизнес? Кто эти люди и сколько им готовы платить?

Все свои наблюдения я оформил
в этом лендинге.

Некоторые тезисы:

ИИ чаще помогает в работе, чем составляет её суть

В 664 из 1 000 вакансий ИИ выступает вспомогательным инструментом для продаж, маркетинга, HR, финансов и операций. Только в 336 вакансиях он является ядром роли: сотрудник создаёт, интегрирует или эксплуатирует AI-системы.

Почти каждая пятая AI-вакансия — про маркетинг

Маркетинг формирует около 20% спроса на AI-компетенции. Главные сценарии — тексты, визуалы, ролики, персонализация и аналитика кампаний. ИИ быстрее всего закрепляется там, где результат можно увидеть в контенте и коммуникациях уже сегодня.

Рынок ищет создателей ИИ активнее, чем проводников изменений

Разработка ПО и AI engineering образуют крупнейший контур спроса. При этом продажи, продуктовая трансформация и аналитика представлены слабее, хотя именно они связывают технологию с выручкой, данными и выбором сценариев внедрения.

Claude обошёл ChatGPT в вакансиях

Claude и ChatGPT стали двумя главными универсальными платформами рынка. LangChain упоминается 96 раз — это важный сигнал перехода от одиночных запросов к AI-продуктам, агентам и интеграциям.

Следующий эшелон формируют Midjourney — 61, GigaChat — 59, Cursor — 51 и n8n — 46 упоминаний. Рынок уже ищет конкретные инструменты, а не абстрактное «знание нейросетей».

От ChatGPT к MLOps — пять уровней специалиста

Первые два уровня AI-компетенций связаны с готовыми сервисами, ботами и автоматизацией. На третьем появляются use cases, roadmap и метрики. Четвёртый и пятый требуют работы с LLM, RAG, API, данными, MLOps и production-средой.

Зарплатный разрыв следует за этой логикой: на уровне проектирования AI-сценариев средняя зарплата приближается к 200 тыс. рублей, на уровне обучения и эксплуатации моделей начинается от 360 тыс. рублей.

Стартапы покупают скорость, корпорации строят фундамент

В выборке из 661 вакансии с определяемым масштабом работодателя проявились две модели. Стартапы и агентства чаще ищут ИИ для маркетинга, продаж и клиентского сервиса — там, где быстрее возникает коммерческий эффект.

Корпорации концентрируются на разработке, данных, комплаенсе, доступах и безопасности. Для них ИИ становится инфраструктурой управления всей организацией.

Обзор будет полезен соискателям, которые хотели бы развивать свои ИИ-компетенции и бизнесу, который хотел бы лучше понять рынок кандидатов.

👍 ✍️

Харизма

В юношестве я играл в футбол на позиции опорного полузащитника. Я играл под нападающими и моей главной задачей было создавать моменты.

Это позиция, когда ты должен отдавать такие передачи, которые выводят нападающих на голевые моменты.

В игре на этой позиции есть очень тонкий момент, который ты должен понимать и чувствовать - важно не слишком рано отдать мяч вперед, но и не слишком поздно. Не передержать мяч, оттягивая на себя игру, но и не передать ответственность в самом начале, когда еще никого момента нет.

С тех пор прошло много лет.

В работе я очень много коммуницирую, провожу глубинные интервью, задаю вопросы. Иногда встречаю людей, которые абсолютно не умеют чувствовать момент, когда надо отдать «пас».

Когда ты уже завязал беседу, задал вопрос и вместо того, чтобы передать слово, продолжаешь оттягивать внимание, за своего визави формулировать, рассказывать «как жить»…

Вовремя останавливаться, держать паузы и быть на 1000% вовлеченным в разговор - основные проявления харизмы.

Об этом и не только сделал карточки - синтез из 3х книг о харизме и о том, что нас привлекает в коммуникации с другими людьми.