Нейро Ликбезик | Кирилл Безиков

Топ-5 репозиториев с GitHub за эту неделю⚡️
Инструменты, чтобы ИИ работал в вашем стиле: дизайн, тексты, память агента и автопостинг.

1️⃣ taste-skill · 70,1К⭐️
github.com/Leonxlnx/taste-skill
Что это: набор скиллов, которые отучают ИИ делать шаблонный, «нейросетевой» дизайн. Есть версии для ChatGPT, Claude, Cursor и Codex.
Кому подойдёт: экспертам и предпринимателям, которые собирают визуал, лендинги и бренд-материалы с помощью ИИ.
Какую задачу решает: скилл brandkit собирает варианты логотипа, палитру, шрифты и примеры применения фирменного стиля. Визуал получается в одном стиле, а не каждая картинка «из другого мира».
🇷🇺 Работает без VPN, открытый код

2️⃣ Cherry Studio · 50,8К⭐️
github.com/CherryHQ/cherry-studio
Что это: десктопное приложение, в котором собраны ChatGPT, Claude, Gemini, DeepSeek и локальные модели. Есть 300+ готовых ассистентов.
Кому подойдёт: тем, у кого открыто пять вкладок с разными нейросетями и несколько подписок.
Какую задачу решает: один интерфейс для всех моделей. Можно задать один вопрос сразу нескольким моделям и сравнить ответы, загружать PDF и Office-файлы, подключать MCP.
🇷🇺 Бесплатная версия, приложение для Windows, Mac и Linux

3️⃣ Fabric · 44К⭐️
github.com/danielmiessler/Fabric
Что это: библиотека готовых сценариев-промптов под реальные задачи. Работает с Claude, ChatGPT, Gemini и локальными моделями.
Кому подойдёт: маркетологам, экспертам и всем, кто пишет с ИИ и устал от шаблонных текстов.
Какую задачу решает: не нужно каждый раз писать промпт с нуля. Сценарий humanize делает текст живым, improve_writing улучшает стиль, extract_wisdom вытаскивает главное из длинного материала.
🇷🇺 Работает без VPN, установка через командную строку

4️⃣ Postiz · 36,1К⭐️
github.com/gitroomhq/postiz-app
Что это: сервис отложенного постинга с ИИ. Одна панель на Instagram, YouTube, Threads, TikTok, LinkedIn и ещё около десятка площадок.
Кому подойдёт: экспертам и SMM-специалистам, которые ведут несколько соцсетей сразу.
Какую задачу решает: планирование, аналитика и командная работа в одном месте. Связывается с n8n и Make, публикацию можно поручить ИИ-агенту.
🇷🇺 Открытый код, можно развернуть у себя бесплатно

5️⃣ Hindsight · 22,1К⭐️
github.com/vectorize-io/hindsight
Что это: память для ИИ-агентов, которая не просто хранит переписку, а учится на опыте: запоминает факты, решения и выводы.
Кому подойдёт: тем, кто устал каждый раз заново объяснять агенту контекст своего проекта.
Какую задачу решает: агент помнит, что было в прошлых сессиях. Подключается к Claude Code, Codex и ChatGPT через MCP, для тех, кто не пишет код, есть связки с n8n и Zapier.
🇷🇺 Открытый код, можно запустить локально

Сохраняйте, чтобы не потерять, и ставьте 🔥 если формат заходит

#GitHub #ИИинструменты #Автоматизация #ChatGPT #ClaudeCode
———————————
Если хочешь разобраться, как выстроить работу с ИИ под свои задачи, жду тебя на НейроМаксе
👉 Забрать доступ

Спасибо предпринимателям Тюмени и команде «Альфа Конфы» за возможность поделиться своим опытом работы с ИИ!

В зале были очень включённые и заряженные люди — с вами было круто общаться. Рад побывать в Тюмени: город развивается, и его энергия чувствуется сразу. До новых встреч!

Кирилл, спасибо за сегодняшнее выступление на Альфа Конфе в Тюмени!
Было ярко, интересно и очень полезно — много мыслей забрала с собой.

И это не только моё впечатление: после выступления слышала много хороших отзывов, вас выделяли среди других спикеров.

Очень рада была познакомиться и пообщаться лично. Приезжайте к нам ещё!
Будем рады видеть вас в Тюмени

ИИ, который не разговаривает, а принимает решения⚡️

💡 15 сентября TypeSafe AI выпустила Jev — первую модель в новом классе, который компания называет «System One». За разработкой стоит Диого Алмейда, бывший исследователь OpenAI и один из соавторов RLHF (метода, на котором в своё время учили сам ChatGPT).

Обычная модель вроде GPT или Claude пишет ответ слово за словом: вы даёте промпт, она генерирует текст.

Jev устроена иначе: она получает текст с описанием ситуации и сразу отдаёт готовое решение в заданном заранее формате: определить тему обращения, оценить риск, посчитать вероятность того, что ответ будет «да». Никакого текста на выходе, никаких объяснений своей логики, только структурированный результат, который сразу можно подставлять в код.

👉 Как устроено внутри

Модель умеет выдавать три типа решений: выбрать один вариант из заданного набора (Choice), оценить по шкале (Score) или ответить на вопрос «верно ли утверждение» числом от 0 до 1 (Noul — по сути калиброванное да/нет). Вместе с ответом Jev всегда выдаёт вероятность и уверенность в нём.

В документации разбирают показательный пример: обращение в поддержку интернет-магазина обуви — «кроссовки пришли не того размера, можно поменять на 10-й?». Вместо одного тупого «к какому отделу отнести» модели за один запрос задают сразу пять вопросов: какой отдел должен обработать обращение, в чём причина возврата, чего именно хочет клиент, какой у него тон.

По каждому ответу своя уверенность: там, где обращение однозначное, уверенность 1.0, там, где в письме упомянуты и не тот размер, и задвоенное списание денег уверенность падает до 0.42, и решение «отдел» размывается между «возвраты» и «биллинг». Дальше это уже не работа модели, а обычный код: низкая уверенность = отправить человеку, высокая = обработать автоматически.

Область применения, которую называют сами разработчики: маршрутизация обращений в поддержку, классификация документов, проверка запроса на безопасность, решение «передавать эскалацию человеку или нет». То есть не разговорный ассистент, а служебная деталь внутри уже существующей автоматизации — там, где раньше приходилось гонять полноценную LLM ради простого выбора из вариантов.

📌 Три вещи, которые стоит держать в голове

1️⃣ Сейчас Jev работает только с текстом, то есть ни картинок, ни аудио, ни объяснения, почему модель выбрала именно такой ответ, она тоже не даёт.

2️⃣ Решение модели всё равно может быть ошибочным. TypeSafe заявляет об отсутствии галлюцинаций, но за этой формулировкой стоит довольно узкий технический факт — модель не выйдет за пределы заранее заданного формата ответа, не вернёт вариант, которого не было в списке. Ответ будет валидным по форме, а вот правильным по содержанию не всегда.

3️⃣ Продукт в раннем доступе, а все цифры по скорости и экономии — это данные самой TypeSafe из их же публикации, причём сама компания честно оговаривается: тесты на скорость гоняли с ноутбуков на западном побережье США, где стоит их сервис, а в сравнении с другими моделями использовали средний результат GPT-6 Astra и Fable 5.1, то есть, по их же словам, результат мог получиться смещённым не в пользу моделей DeepSeek. Независимой проверки этих цифр пока нет.

Сам я пока Jev не пробовал и не могу сказать, насколько разница со связкой на обычной LLM ощутима на практике, а не только на бумаге у разработчиков.

Кто-то уже успел потестировать на своих задачах? Делитесь впечатлениями, интересно сравнить👇

#ИИдляБизнеса #ИИинструменты #Автоматизация #TypeSafe #ИИагенты

😂

Одни боятся, что ИИ уничтожит человечество, пока другие перепроверяют за ним таблицу⚡️

💡 Дарио Амодеи (Anthropic) призвал индустрию замедлить развитие самых мощных моделей и усилить независимый контроль за ними. К нему публично присоединились Сэм Альтман и Илон Маск — редкий момент, когда конкурирующие лидеры сошлись во мнении, что темп гонки нужно ограничить, но на Hacker News параллельно набирает обороты встречная точка зрения: разговоры о рисках выгодны самим AI-компаниям.

Логика такая: чем страшнее звучит технология, тем проще обосновать более высокие цены для бизнеса, более закрытый доступ к самым мощным моделям и регуляторные барьеры, которые новым игрокам обойти намного сложнее, чем компаниям с юристами и лоббистами.

👉 Обе версии по-своему логичны

Те, кто верит в реальность рисков, указывают на конкретные инциденты: агенты, которые сами продолжали задачу, натыкаясь на чужие системы, попытки моделей обходить ограничения во время проверок безопасности. Это вещи, о которых сами компании отчитываются.

Те, кто видит в этом маркетинг, указывают на другое: разговоры о рисках почти всегда сопровождаются просьбами к регулятору, то есть тем самым барьером входа, который отсекает более дешёвых и открытых конкурентов. Замедлить гонку для всех выгодно тому, кто уже впереди.

📌 Моё личное ощущение от всего этого

Ещё в конце февраля я выкладывал пост про отчёт AI 2027, там подробно расписан сценарий, при котором гонка ИИ между Китаем и Америкой без нормального контроля может к 2028 году поставить вопрос о роли человечества всерьёз. Там же была аудиоверсия через NotebookLM — кто ещё не слушал, можно вернуться в тот пост и переслушать, тема не устарела.

Я и сейчас читаю такие материалы, но особо не вовлекаюсь эмоционально, потому что у тех, кто пишет такие отчёты, есть доступ к куда более мощным и более открытым моделям, чем у нас с вами. А мы как рядовые пользователи сталкиваемся с обычными проблемами: модель может жёстко затупить на простой задаче в рамках автоматизации, её нужно перепроверять, поправлять руками.

Тяжело держать в голове одновременно «эта технология может изменить судьбу человечества» и «эту же технологию нужно перепроверять на банальной задаче» и вот этот разрыв для меня сейчас интереснее каких-то прогнозов.

Что с этим делать👇

1️⃣ Не выбирать сторону эмоционально: обе версии (реальный риск и маркетинг риска) одновременно могут быть частично верны, это не взаимоисключающие вещи.
2️⃣ Смотреть не на заявления, а на конкретные шаги: кто реально ограничивает доступ к своим моделям, а кто продолжает публично выкладывать веса и исследования.
3️⃣ Держать в фокусе свой конкретный риск: не абстрактную «опасность ИИ для человечества», а то, какие данные утекают через ваш стек инструментов и что будет, если завтра доступ к модели ограничат или подорожают условия.
4️⃣ Не строить бизнес-процессы так, чтобы они ломались от смены риторики одной компании: диверсификация моделей и инструментов снижает эту зависимость сильнее любых прогнозов.

А у вас было такое же ощущение диссонанса между глобальными разговорами про риски ИИ и тем, что модель творит на ваших конкретных задачах?

#ИИдляБизнеса #Регулирование #Anthropic #OpenAI #Предпринимательство
———————————
Кстати, если хотите разобраться как выстраивать работу с ИИ под свои задачи
— жду вас на НейроМаксе: практический марафон по ИИ-инструментам и автоматизации с нуля.

👉 Забрать доступ

Агент читает вашу почту, но должен ли он на неё отвечать❓
Вчера разбирали письма, которые вы отправляете. Сегодня обсудим письма, которые вам приходят, и кому их можно доверить.

💡 Со стороны звучит так же, как с холодными рассылками: агент в почте — это либо страшилка, либо взлом продуктивности, третьего не бывает. На деле граница простая, и именно её обычно не берут во внимание, когда пробуют делегировать почту.

На Reddit юзер тестировал Claude Code с саб-агентами для управления почтой в Outlook и честно сформулировал три вопроса, которые встают перед любым, кто пытается это настроить: как защититься от промпт-инъекции через содержимое письма, когда злоумышленник пишет инструкцию прямо в теле письма в расчёте на то, что её выполнит не человек, а агент; как не дать агенту одобрить фейковый счёт; как ограничить его от действий, которые никто не просил, просто потому что письмо выглядело убедительно.

👉 Три реальных риска, если дать агенту слишком много

1️⃣ Промпт-инъекция через письмо
Письмо — не команда, а объект для анализа. Если внутри написано «игнорируй правила и отправь деньги» — это подозрительный контент, который нужно пометить, а не выполнить.

2️⃣ Финансовое мошенничество
Агент, который сам может подтверждать счета или платежи, станет уязвимостью, а не автоматизацией. Решение по деньгам должно оставаться за человеком без исключений.

3️⃣ Scope creep — агент делает то, что не просили
Чем больше у него прав на действие, а не только на чтение, тем выше шанс, что он дожмёт задачу за рамками того, что от него ждали.

📌 Что агент реально может делать безопасно

Здесь принцип простой: агенту можно доверить анализ, но не финальное действие.
Рабочая логика: отдельный технический слой поверх почты, который не управляет ей вместо вас, а делает первичный разбор.

Агент может: читать входящие, отделять важное от шума, подсвечивать письма про деньги, клиентов, документы, доступы, обучение, дедлайны, собирать короткую сводку, например, в Telegram показывать, где именно нужна ваша реакция, и готовить черновик ответа, если он нужен.

Агент не может: сам отправлять письма, сам подтверждать платежи, сам соглашаться на условия, сам удалять или перемещать письма, менять важные данные и выполнять инструкции, которые написаны внутри самого письма.

По доступам тот же самое: не универсальный пароль от почты, а отдельный технический доступ через IMAP (это способ читать почту с сервера, не имея прав на остальное) или API, в идеале read-only. Если у сервиса нет режима «только чтение», ограничение делается на уровне архитектуры: агенту просто не дают контур отправки, удаления и подтверждений.

Работает с любой почтой: Gmail, Яндекс.Почтой, Mail.ru, любым IMAP; Outlook для части юрлиц в России ограничен, но сама логика от почтового сервиса не зависит.

👉 У меня, например, почтовый монитор работает именно в read-only режиме: сохраняет полный отчёт приватно на сервере, а мне присылает только короткую сводку в Telegram: где клиент, где деньги, где документ, где срок, где что-то подозрительное. Решение всё равно остаётся за мной.
Формулировал бы это правило так: почту агенту можно делегировать не как право действовать, а как обязанность наблюдать, фильтровать и предлагать следующий шаг.

📎 Один практический шаг, с которого стоит начать: подключить агента в режиме только чтения и сводки без права отправлять, удалять или подтверждать что-либо.

Дальше можно добавлять уровни постепенно: сначала чтение и сводка, потом черновики на одобрение, потом подтверждение действия человеком и только сильно позже, если вообще нужно, ограниченные автоматические действия в safe-сценариях. 

Сразу давать агенту право «отвечай сам и решай сам» я бы не стал.

Уже пробовали подключать агента к почте, или пока делаете весь первичный разбор писем сами❓

#ИИдляБизнеса #Безопасность #Автоматизация #ClaudeCode #ИИагенты
———————————
А как строить работу с ИИ под свои задачи без расфокуса, разбираем на НейроМаксе

👉 Забрать доступ

А как иначе?😂
Кто узнал себя?

1104 письма через ИИ-агента, 11 ответов и 0 клиентов
Разобираем кейс с реддита, почему так вышло👇

💡 На Reddit человек показал полную статистику своего эксперимента: собрал агента, который сам находит компании, пишет холодные письма и отправляет. С июня 1104 письма, 11 ответов и ни одной оплаты. Дальше он сам разобрал причины: новый домен сразу получил репутацию спамера, письма выглядели как очевидный sales-шаблон, большинство даже не открыли. Даже после правок открываемость выросла, а продаж так и не появилось.

👉 Три причины, почему это не работает у большинства

1️⃣ Новый домен без прогрева: письма улетают в спам ещё до того, как их кто-то прочитал, неважно, насколько хорош текст внутри.
2️⃣ ИИ-текст легко опознаётся как шаблон: люди научились узнавать продажную структуру письма с первой строки и просто не читают дальше.
3️⃣ Объём без персонализации не масштабирует продажи, а масштабирует раздражение: чем больше писем, тем больше людей запоминают вас как спам, а не как полезный контакт.

📌 Что работает

Дело не в том, что холодные письма или ИИ в рассылках не работают, а в том, что почти все используют их одинаково неправильно: продают в лоб вместо того, чтобы сначала дать пользу.

Рабочий вариант
Собрать не агента для рассылки, а скилл-лид-магнит: он парсит выдачу, анализирует сайт конкретной компании, находит слабые места и присылает персонализированный разбор с предложением обсудить детали. Человек получает не «купите наш продукт», а готовую пользу под свою компанию и после этого гораздо охотнее отвечает.

Еще кейс с Reddit это подтверждает: человек не рассылал массово, а собрал краулер для точечного поиска нужных людей и писал персонально, в итоге получил в 10 раз больше откликов, чем через обычные площадки.

У меня в команде работает похожий принцип на своей базе: контентные рассылки идут регулярно по всей базе, без жёсткой сегментации, просто с пониманием, что там есть разные люди: часть вообще нас забыла, часть помнит по выступлениям, кто-то следит на постоянной основе.

И такие письма делают две вещи сразу:
1. Тех, кто забыл, возвращают к более тёплому контакту
2. Тех, кто уже немного знаком, продвигают дальше к более тесному контакту со мной и командой.
А вот чисто продающие письма по всей базе сейчас откликаются заметно слабее, люди считывают продающий тон с первых строк и закрывают письмо, даже если внутри всё по канонам email-маркетинга.

Через пользу результат стабильно выше: конверсия с рассылки в итоге выросла до 20%+, против куда более скромных цифр раньше.

📎 Email-маркетинг сам по себе недооценён, но работает, если вести его как контент, а не как рассылку акций: сегментировать аудиторию в CRM, понимать боль каждого сегмента и делать материал именно под него. По сути то же самое, что ведение соцсетей — регулярно напоминать о себе пользой, а продавать через неё, не наоборот.
И то, и другое требует человека в процессе: мониторить рынок, видеть реальные боли клиентов и решать через них конкретные задачи. Полностью автоматизировать это не получится, ИИ здесь инструмент для скорости, а не замена стратегии.

Если всё же используете ИИ для черновиков писем — перед отправкой полезно прогнать текст через хуманайзер, чтобы убрать характерные ИИ-клише, которые сразу выдают шаблон.

А вы пробовали холодные рассылки через ИИ, или сразу решили, что это не ваш канал?

#ИИдляБизнеса #EmailМаркетинг #Автоматизация #Продажи #ChatGPT
———————————
Если хочешь разобраться как выстроить работу с ИИ под свои задачи — жду тебя на НейроМаксе
👉 Забрать доступ

Заметки после встреч копятся месяцами, а через полгода всё равно не можешь вспомнить, о чём договорились с конкретным клиентом❓

LLM Wiki · 17.5К⭐️
Опенсорс-десктоп-приложение, которое не просто ищет ответы по документам как обычный RAG, а строит из них живую, постоянно обновляемую вики — со ссылками между темами, как в Obsidian.

Сейчас как раз пересобираю своего агента Штурмана на Hermes и нашёл для LLM Wiki очень конкретный сценарий. После каждой встречи я делаю подробное саммари в MD: что обсуждали, какие решения приняли, кто что должен сделать, какие появились идеи. Дальше хочу, чтобы этим занимался не я — скинул саммари Штурману, он сам разобрал, зафиксировал договорённости и положил в общую базу.

LLM Wiki здесь встаёт слоем памяти под это: вместо сотен разрозненных MD-файлов постепенно собирается связанная база по всем встречам, клиентам, проектам и задачам. И через полгода можно спросить агента: «Что мы обсуждали с этим клиентом за три месяца?», «Кто обещал это сделать?», «Мы уже разбирали похожую проблему?», не вспоминая, в каком чате или файле это лежит. Агент через MCP сам идёт в базу и достаёт нужный контекст со ссылкой на источник.

Что умеет:
1. Импорт PDF, DOCX, PPTX, XLSX, EPUB, веб-страниц и целых папок с сохранением структуры — закидываешь архив материалов, а не по одному файлу
2. Двухшаговая обработка через LLM: сначала анализ источника, потом генерация страниц вики с перекрёстными ссылками и указанием, откуда взята информация
3. Граф знаний: показывает как темы связаны между собой, находит «дыры» — области, которые слабо проработаны, и предлагает их доисследовать через Deep Research
4. Векторный поиск + поиск по графу: находит связанные страницы даже без совпадения по ключевым словам
5. Chrome-расширение: сохраняешь статью одной кнопкой прямо в свою вики
6. Подключается как MCP-сервер к Claude Code и Codex — агент может искать по твоей базе знаний, отвечая с указанием конкретной страницы-источника

👉 Как запустить:

Скачать готовую сборку: github.com/nashsu/llm_wiki/releases (macOS, Windows, Linux)

Создать проект, подключить любую LLM (OpenAI, Anthropic, Google, Ollama или свою)

Закинуть источники в папку Sources — дальше вики строится и обновляется сама

🇷🇺 Как работает в РФ: локальное десктоп-приложение, для работы нужен доступ к API выбранной модели, с российскими моделями тоже совместимо через кастомный провайдер

Когда пригодится: если у тебя накопился архив статей, исследований, заметок конкурентов или материалов по нише — или, как у меня, десятки саммари встреч — и ты хочешь не просто хранить их, а чтобы ИИ сам находил связи и подсвечивал, чего не хватает в понимании темы.

#GitHub #ИИинструменты #БазаЗнаний #ClaudeCode #Автоматизация
———————————
А как строить работу с ИИ под свои задачи без расфокуса, разбираем на НейроМаксе

👉 Забрать доступ

Твой ИИ-стек уже вне закона... или всё-таки нет? Разбираемся, что на самом деле требует 243-ФЗ👇

💡 С 1 сентября 2026 года в России действует закон № 243-ФЗ об искусственном интеллекте. Многие предприниматели восприняли это как повод для паники — «срочно переходить на российские модели, а то штраф».
На практике всё не так: сам по себе факт использования ChatGPT, Claude или другой зарубежной модели не означает, что компания автоматически нарушает закон.

С 1 марта 2027 года закон введёт деление крупных российских нейросетей на суверенные (полностью контролируются российской компанией, данные хранятся только в РФ) и национальные (тоже разрабатываются в РФ, но могут использовать зарубежный open-source), но это отдельная история про разработчиков таких моделей, а не про компании, которые просто ими пользуются.

Для большинства бизнесов уже сейчас важнее другой вопрос: какие именно данные вы отправляете во внешнюю модель и нужны ли они ей вообще для решения задачи.

👉 Как это работает на практике

Во многих процессах можно построить архитектуру так, что ИИ вообще не видит персональные данные. Пример: сквозная аналитика по рекламным кампаниям. Чтобы понять, какая реклама приносит лиды и продажи, модели не нужны имя клиента, телефон или почта. Достаточно передать условный ID лида, источник, кампанию, стоимость привлечения, статус сделки и выручку, аналитика сработает точно так же, а персональных данных снаружи просто нет.

📌 Что стоит сделать уже сейчас

1️⃣ Пройдись по всем ИИ-инструментам, которые реально использует команда: маркетинг, поддержка, аналитика и выпиши, какие данные уходят в каждый из них.

2️⃣ Для каждого процесса задай один вопрос: а нужны ли модели вообще персональные или конфиденциальные данные, чтобы решить задачу? Часто выясняется, что нет.

3️⃣ Там, где персональные данные действительно нужны используй защищённый контур и проверяй требования по хранению данных отдельно.

4️⃣ Там, где не нужны, обезличивай: ID вместо имени, категория вместо адреса, диапазон вместо точной суммы. Это снимает большую часть рисков без отказа от привычных инструментов.

Вопрос сейчас не «какую нейросеть нам разрешат использовать», а «зачем мы вообще отправляем модели данные, которые ей для задачи не нужны». Именно с этого аудита стоит начинать внедрение ИИ в любой компании.

А вы уже смотрели, какие данные из CRM или базы клиентов, которыми пользуется команда, долетают до ИИ-инструментов?

#ИИдляБизнеса #Регулирование #Предпринимательство #ЗащитаДанных
———————————
Кстати, если хотите разобраться как выстраивать работу с ИИ под свои задачи
— жду вас на НейроМаксе: практический марафон по ИИ-инструментам и автоматизации с нуля.
👉 Забрать доступ

Понедельный дайджест · 7–13 сентября
Лучшие посты прошлой недели на случай, если что-то пропустил

1️⃣ Как собрать базу потенциальных клиентов из открытых данных
Практическая схема: описать требования к базе, получить от ИИ скрипт для сбора публичных данных и использовать Scrapling как основу. Подойдёт, если нужно подготовить актуальный список для дальнейшей работы с потенциальными клиентами.

Читать →

2️⃣ Какие навыки растут в цене рядом с ИИ
Ручная подготовка текстов, таблиц и первичной аналитики постепенно теряет вес. Разобрали, почему ценнее становятся постановка задачи, системное мышление и экспертная проверка результата ИИ.

Читать →

3️⃣ Что отзывы клиентов конкурентов могут подсказать о вашем оффере
Повторяющиеся жалобы и положительные детали в отзывах можно сгруппировать и использовать при работе над позиционированием. В посте показано, как такой анализ помогает точнее формулировать оффер.

Читать →

4️⃣ Новая ИИ-модель: как понять, нужна ли она вам
Вирусные демонстрации мало говорят о пользе модели в конкретной работе. В посте более практичный подход: проверить её на своих задачах, сравнить с уже работающими решениями и оценить затраты времени и доступные лимиты.

Читать →

5️⃣ Почему обучение ИИ не меняет работу команды
Знание инструмента само по себе не перестраивает процесс. В посте разобрали другой подход: взять реальную рутинную задачу конкретного сотрудника, встроить в неё ИИ и только после этого переносить найденный принцип на другие процессы.

Читать →

Когда решил немного поработать перед сном😂

Ты до сих пор делаешь это руками❓

💡 Уведомление о новой заявке, еженедельный отчёт по продажам, утренний дайджест по нише и мониторинг конкурентов. Большинство предпринимателей делают это руками или не делают вообще, потому что кажется, что настроить без разработчика нельзя, хотя это не так.

Я пошёл дальше и собрал собственный аналог WHOOP после того, как перестал видеть достаточно пользы в подписке: просто описал ИИ нужный результат словами. Система считает восстановление по HRV и пульсу в покое, агент Физрук выбирает тренировку под текущее состояние, рекомендует время занятия, точки внимания и параметры нагрузки — всё это в сценарии дня каждое утро.

👉 Внутри AIBRO так же работает контентный конвейер: система собирает материалы конкурентов, транскрибирует локально, ранжирует через облачную модель и формирует утреннюю подборку тем. Я открываю телефон, а список уже готов.

Вот четыре процесса, с которых стоит начать👇

1️⃣ Уведомление о заявке: новая заявка в CRM → уведомление в Telegram + автоответ клиенту в течение минуты.

2️⃣ Еженедельный отчёт: данные из Google Sheets или CRM → готовая сводка по продажам в назначенный день.

3️⃣ Мониторинг конкурентов: заданные источники раз в неделю → список изменений и новых материалов.

4️⃣ Утренний дайджест по нише: каналы и источники по расписанию → отфильтрованный список к началу дня.

📌 Не нужно строить с нуля
Есть готовые шаблоны автоматизаций под большинство этих сценариев(я часто показываю их в канале, подбираю специально под разные задачи), находишь подходящий и адаптируешь под свои сервисы и данные или описываешь задачу в Claude, а он собирает воркфлоу сам.

#ИИдляБизнеса #Автоматизация #n8n #Продуктивность #БезПрограммиста
———————————
Кстати, если хотите разобраться как выстраивать работу с ИИ под свои задачи
— жду вас на НейроМаксе: практический марафон по ИИ-инструментам и автоматизации с нуля.

👉 Забрать доступ

Хватит уже учиться делать то, что умеет ИИ⚡️

Написать текст, собрать таблицу, сделать презентацию, первичную аналитику — это уже не навыки, которые повышают чек. ИИ делает это быстрее и дешевле, учить их сейчас, значит конкурировать с инструментом.

При этом сами навыки не стали бесполезными, ИИ позволяет делать задачи, которые раньше вообще не делал или делал с огромными усилиями, просто ценность сместилась.

Недавно я зашёл в проект в сфере закупок, в которой раньше не работал. Разобрался в процессе, собрал инструмент и сдал в пилот. Другая компания увидела результат и тоже попросила подобное. Ценность была не в том, что я сделал таблицы или аналитику — это ИИ. Ценность в том, что я смог погрузиться в незнакомый процесс, выделить реальную задачу и объяснить ИИ как её решать.

Что растёт в цене прямо сейчас❓

👉 1. Постановка задачи для ИИ
Не «напиши аналитику», а: что именно нужно узнать, по какой логике, в каком формате и к какому бизнес-решению это должно привести. Большинство людей этим навыком не владеют.

👉 2. Системное и архитектурное мышление
ИИ, наложенный на хаос, масштабирует хаос. Задача человека сначала разобраться в процессе: где теряются время и деньги, на какие этапы он разбивается, какой результат нужен на каждом, без этого автоматизация не работает.

👉 3. Насмотренность и экспертная оценка
ИИ сделает первичную аналитику, но интерпретировать её, увидеть что важно и принять решение — это остаётся человеческой задачей. Насмотренность — понимание как устроены разные бизнесы и процессы, её не заменить никаким промптом.

📌 Один шаг, который можно сделать сегодня

1. Возьми любую задачу, которую сейчас делаешь руками
2. Попробуй объяснить ИИ не просто что нужно сделать, а зачем, по какой логике и в каком виде нужен результат.
Если объяснение получилось чётким — результат будет пригоден к использованию. Если нет, то это маркер: именно здесь нужно прокачать мышление.

#ИИдляБизнеса #Автоматизация #Навыки #Предпринимательство #ChatGPT
———————————
Кстати, если хотите разобраться как выстраивать работу с ИИ под свои задачи
— жду вас на НейроМаксе: практический марафон по ИИ-инструментам и автоматизации с нуля.

👉 Забрать доступ

#ИИдляБизнеса #Автоматизация #Навыки #Предпринимательство #ChatGPT

Топ-5 репозиториев с GitHub за эту неделю⚡️
Четыре официальных каталога скиллов и один инструмент для видео без монтажа.

1️⃣ anthropics/skills · 175К⭐️
github.com/anthropics/skills

Что это: официальный репо Anthropic с библиотекой Agent Skills — всё, что Anthropic рекомендует подключать к Claude.
Кому подойдёт: всем, кто работает с Claude и ищет точку входа в экосистему скиллов.
Какую задачу решает: вместо поиска скиллов по разным репозиториям — один официальный каталог. Берёшь нужный, подключаешь в Claude Code.
🇷🇺 Работает без VPN, открытый код

2️⃣ openai/skills · 26К⭐️
github.com/openai/skills

Что это: официальный каталог Skills для Codex и ChatGPT от OpenAI.
Кому подойдёт: тем, кто работает с ChatGPT и Codex и хочет расширить возможности своего агента.
Какую задачу решает: аналог anthropics/skills но для OpenAI-экосистемы. Один каталог вместо поиска по форумам и чужим репо.
🇷🇺 Работает без VPN, открытый код

3️⃣ coreyhaines31/marketingskills · 49К⭐️
github.com/coreyhaines31/marketingskills

Что это: маркетинговые скиллы для Claude Code и AI-агентов: CRO, копирайтинг, SEO, аналитика, growth engineering.
Кому подойдёт: маркетологам и фрилансерам, которые работают с текстами и рекламными кампаниями.
Какую задачу решает: подключил скилл и агент начинает писать тексты по маркетинговым фреймворкам.
🇷🇺 Работает без VPN, открытый код

4️⃣ DietrichGebert/ponytail · 135К⭐️
github.com/DietrichGebert/ponytail

Что это: скилл для Claude Code, который заставляет агента переиспользовать существующий код вместо написания нового.
Кому подойдёт: разработчикам и вайбкодерам, у которых агент постоянно пишет одно и то же с нуля.
Какую задачу решает: сокращает объём кода, меньше ошибок, меньше токенов.
🇷🇺 Работает без VPN, открытый код

5️⃣ heygen-com/hyperframes · 48К⭐️
github.com/heygen-com/hyperframes

Что это: официальный инструмент HeyGen для агентов — пишешь HTML, получаешь видео.
Кому подойдёт: контентщикам и экспертам, которые хотят производить видео без ручного монтажа.
Какую задачу решает: встраивается в агентный пайплайн — агент генерирует шаблон и автоматически рендерит видео. Без ручного монтажа.
🇷🇺 Работает без VPN, официальный инструмент HeyGen

Сохраняйте, чтобы не потерять, и ставьте 🔥 если формат заходит

#GitHub #ИИинструменты #Автоматизация #ChatGPT #ClaudeCode
———————————
Если хочешь разобраться как выстроить работу с ИИ под свои задачи — жду тебя на НейроМаксе

👉 Забрать доступ

Страх понятный: сегодня зарубежный ИИ-сервис работает, завтра доступ ограничили — и часть бизнеса встала. Но вывод «тогда лучше вообще не внедрять ИИ» для меня звучит примерно как «не будем нанимать сильных сотрудников, потому что они могут уйти».

Проблема не в самом ИИ. Проблема начинается, когда компания отдаёт одной модели весь процесс и больше не понимает, что происходит внутри.

Я бы строил иначе: процесс должен принадлежать бизнесу, а не сервису.

Это значит, что в компании остаются правила работы: откуда приходят данные, какие шаги выполняются, что считается хорошим результатом, кто и как его проверяет. Экспертность сотрудника нужно переносить из головы в регламенты, инструкции, чек-листы, эталоны и референсы. Тогда конкретная модель — важная, но заменяемая часть системы.

Если завтра она становится недоступна, процесс не исчезает вместе с ней. Его можно временно продолжить руками, перевести на другой сервис или распределить между несколькими моделями. Да, слабую модель не получится механически поставить на место сильной и ждать того же качества. Придётся менять отдельные шаги, промпты и проверки. Иногда одну операцию, которую раньше выполняла одна модель, нужно разделить между двумя.


Но это перенастройка системы, а не остановка бизнеса.

Резерв я бы закладывал на нескольких уровнях:

— альтернативный способ доступа к основному сервису;
— китайские и отечественные решения для подходящих задач;
— локальная модель там, где важны автономность и контроль данных;
— понятный ручной маршрут для критических операций;
— эталоны, референсы и объективные метрики, по которым можно сравнить основной и резервный варианты.

Последний пункт особенно важен. Нельзя решить, подходит ли замена, по ответу «выглядит нормально».

Если система пишет тексты — нужны примеры приемлемого результата.

Если разбирает звонки — размеченная выборка.

Если работает с данными — проверяемые расчёты и правила. Только так видно, где резерв действительно справляется, а где качество просело.

У меня уже был бизнес, который сильно зависел от качества модели. Во времена ChatGPT 3.5 и появления GPT-4 мы строили стартап по оценке звонков. Система обрабатывала часовую Zoom-презентацию за 3–5 минут и достигала точности до 80%. Разница между моделями тогда напрямую влияла на результат.

Но ценность была не в названии модели. Она была в описанном процессе: что искать в разговоре, по каким критериям оценивать, с чем сравнивать ответ и как проверять качество. Без этого более сильная модель просто быстрее производила бы убедительный текст.

То же самое с аналитикой. Основную воспроизводимую логику можно вынести в SQL и Python, а ИИ использовать при проектировании и улучшении. Тогда каждый рабочий запуск не зависит от того, ответит ли сегодня конкретный чат.


Есть ещё один риск, о котором говорят реже: заменить незаменимого сотрудника незаменимым ИИ-оператором. Если вся логика снова находится у одного человека — только теперь он единственный знает, как работает автоматизация, — bus factor никуда не делся.

Зрелое внедрение делает обратное: вытаскивает экспертизу из головы, закрепляет её в процессе и позволяет следующему сотруднику освоить работу. ИИ здесь помогает быстрее собирать и исполнять систему, но не должен становиться её единственной опорой.


Поэтому я не вижу смысла отказываться от ИИ из-за возможных блокировок. Я вижу смысл заранее проверить неприятный сценарий: если завтра основной сервис пропадёт, какие операции продолжатся, какие перейдут человеку и сколько времени займёт переключение?

Если ответа нет, у бизнеса пока не система, а одна удобная кнопка.

а что с басфактором?
как его исключить?
допустим вы автоматизировали бизнес через ИИ и завтра же ИИ сказал "ой всё".
парализуем бизнес?

резервные ИИ с худшим качеством результата и как следствие потеря клиентов?
опять же для аналитики ИИ скорее зло чем польза. Зависит не только от запроса, но и от содержимого предоставленного. в активном бизнесе, правила меняются регулярно.

Получается корабль без капитана у руля, который дрейфует по воле моря 😁😁

Вопросы не с наездом, а с желанием услышать мнение