NGI | Влад Корнышев про AI и создание AI-продуктов

Делаем вторую версию конференции ROИИ

Многие из вас помнят нашу первую конференцию в феврале. Мы тогда собрали огромное количество обратной связи: мне до сих пор пишут со словами благодарности за спикеров и пользу, а главное - за то, что получилось сделать событие по сути и высокого уровня.

Для меня эта конференция - не просто способ набрать аудиторию. Это напрямую связано с моей миссией: знакомить людей с ИИ и показывать, как применять его на практике. Поэтому я не хочу ставить такие ивенты на конвейер и придерживаюсь стратегии делать их редко, но с максимальной пользой.

Сейчас близится конец года, и мы активно готовим вторую конференцию. Она пройдет в ноябре.

В работе с клиентами я сейчас постоянно вижу одну и ту же тенденцию: многие накупают подписки, запускают пилоты, но имеют проблемы с тем, чтобы ответить на два вопроса:

-как найти сценарии, которые действительно работают;
- как нащупать области применения, где технологии окупаются и работают системно.

В этот раз мы хотим разобрать задачу комплексно и посмотреть на неё с двух сторон: со стороны стоимости и выбираемых технологий, а также со стороны процессов и людей.

Мы уже начали работу и формируем список спикеров, но перед тем как финализировать программу, я хочу пособирать запросы от вас:
- Какие вопросы, темы и боли сейчас для вас актуальнее всего? Что конкретно разобрать?
- Кого из спикеров вам хотелось бы послушать? У нас уже есть шорт-лист, но может быть вы хотите увидеть какую-то звезду или кого-то конкретного

Напишите в комментариях свои мысли и предложения спикеров. Всё отсмотрим и обязательно учтем при сборке сетки!

Kickstarter как лучший тренажер для продуктового питча

Поймал себя на том, что в последнее время дико залипаю на краудфандинговых платформах. В Штатах на меня сейчас жестко льется таргет со всякими штуками с Kickstarter, и я регулярно вписываюсь бэкером в разные проекты.

Из последнего интересного: хардварный девайс на голову, который трекает сон с помощью ИИ и посылает волны для стимуляции глубокой фазы; датчики давления в шинах для велика; компактный активный компрессор и еще куча бытовых и спортивных штук.
Но самый кайф тут даже не в покупках, а в том, как люди все это преподносят.

Kickstarter - это ведь чистый полигон для питчей, где тебе нужно зацепить человека за минимальное количество времени и продать идею.

Там хватает слабого контента, но когда начинаешь скроллить и видишь проекты, которые пробивают цель сбора на 1000% или 10 000%, на них прямо стоит залипнуть и разобрать:

Нейминг кампании. В название они почти всегда выносят саму боль, а не просто абстрактное имя девайса. Сходу понятно, о чем речь и зачем это нужно.

Продуктовые видео на 1-1.5 минуты. За эти полторы минуты авторы успевают показать не просто проблему, а сразу несколько ключевых юзкейсов из реальной жизни, в которых этот продукт раскрывается.

Подача и структура. Как выстроен нарратив, чтобы человек был готов отдать деньги за то, что еще даже не произведено.

Если хотите прокачать продуктовую насмотренность и навыки питча, очень советую регулярно скроллить краудфандинг. Смотреть на оверфандед проекты, вытаскивать оттуда закономерности и забирать эти приемы себе: будь то защита идеи перед менеджментом, упаковка своего стартапа или презентация фичей конечным пользователям.

В тему железа со всякими локальными возможностями, тоже дополнение к предыдущему посту.

Пару часов назад ко мне приехал новый Google Pixel 11 Pro. В Штатах здесь очень классные предложения от Гугла. У меня оператор Google FI и он даёт скидку аж 600 баксов при заказе нового телефона. Я давно хотел обновить свой 7 Pro ещё с прошлого года, после того как увидел, какая 10-серия классная у жены.

И, собственно, Pixel, наверное, самый лучший смартфон с точки зрения всяких локальных моделей и прочих штук. В десятке ещё были доступны хорошие приложения диктофона, где очень крутые транскрибации, и ты можешь прямо по транскрипту задавать вопросы. Всё локально, всё на твоём устройстве, никуда не уходит. LLM-ки и всякие там другие модельки работают прекрасно, уже не говоря про всякие там моменты, связанные с камерой.

Но что ещё прикольно - пока эксклюзивно в одиннадцатой серии, но, думаю, дальше раскатится и на предыдущие, - это режим Rumbler на клавиатуре.

Это голосовой ввод. Я сейчас пишу этот пост как раз-таки с помощью этого голосового ввода. Я просто тупо наговариваю свой поток мыслей, и иишка, если где-то я по пути исправился, если там сказал, что не так, а вот так, поправь и так далее, она, по сути, полностью локально может промптиться и оформлять мои мысли в нормальный структурированный вид. Мне остаётся только на абзацы подробить.

Тоже обалденная фича, экономит кучу времени, потому что для меня лично после того, как я привык к диктовке на компьютере с помощью Whisper, использовать обычную клавиатуру или какой-то голосовой ввод на телефоне было буквально болью.

А сейчас это просто прекрасно, шикарно и волшебно. Айфону даже такое и не снилось 😁

Куда двигать свой AI-стек прямо сейчас: мысли про тарифы, локалки и железо

Вчера писал про браузер Comet от Perplexity, а сегодня хочу развернуть более глобальную картину того, что сейчас происходит с подписками и куда вообще катится рынок.

1. Конец эпохи подписок по $20
Perplexity - относительно небольшой стартап, особенно на фоне Google или Anthropic. Они находятся в куда более уязвимом положении, работая по API, поэтому первыми начали активно резать функционал и просить деньги за базовые вещи. Но этот тренд неизбежно дойдет и до остальных гигантов.

Ограничения и рост цен продиктованы банальным дефицитом видеокарт, видеопамяти и общим кризисом на рынке полупроводников. Мы проживаем последние моменты условной халявы в стандартных тарифах. Базовым минимумом для нормальной работы становится подписка за $100-200, куда компании сейчас стараются напихать максимум возможностей.

Но и эта щедрость ненадолго, думаю, что на горизонте года и их будут резать. Поэтому мой посыл - залетайте в эти тарифы прямо сейчас, пока дают максимум (как тот же Google со связкой сервисов вроде NotebookLM), быстро выстраивайте рабочие процессы, пробуйте все, что там доступно, чтобы к моменту неизбежных урезаний точно понимать, за что вы готовы платить.

2. Инвестиция в локальное железо
Для большинства ежедневных задач огромные облачные LLM объективно не нужны. Локальные модели развиваются бешеными темпами: если год назад для схожего качества требовалось шаманить с SGR, то сейчас условная Gemma E4B из коробки отлично закрывает базовые кейсы. Я уверен, что в течение года модели в этом размере станут еще круче.

Показательный пример - недавний запуск Perplexity Local Computer в рамках их экосистемы. Ребята развивают направление AI Harness и выкатили решение, работающее либо на Qwen, либо на собственном обученном оркестраторе. Но чтобы крутить локально модели такого уровня (27B и выше), нужно железо.

На фоне дорожающей памяти и урезания базовых комплектаций производителями, лучшая инвестиция в свой AI-стек прямо сейчас - это покупка мощной машины. В идеале - Mac с объединенной памятью от 64 ГБ (или хороший ПК на Windows). Это дает полную автономность от облачных лимитов и подписок, которая через год станет еще более критичной.

3. Как оптимально собрать стек под себя
Формула эффективного рабочего сетапа на ближайшее время выглядит так: одна сильная подписка ($100+) + локалка на хорошем железе + 1-2 ситуативных сервиса под узкие задачи.

• Выбор флагмана. Если ваш фокус - разработка и код, логичнее держаться Claude или ChatGPT. Если вы глубоко сидите в экосистеме Google и хотите максимум отдачи на каждый доллар - Google AI с тарифом уровня Ultra полностью закрывает потребности. У меня этот переход, например, снял необходимость держать пачку параллельных подписок.
• Вайб-кодинг и сторонние тулзы. Сервисы вроде Lovable, Bolt или Granola - неплохая точка входа, но платить за них бесконечно нет смысла. Гораздо перспективнее сразу учиться работать с AI-кодингом через Claude Code, Codex или Antigravity. Если нужно пилить прототипы - вы вполне сможете делать это в них. Если нужен узкий тул для своих задач - вы сможете накодить его. Как только вы понимаете механику, необходимость в промежуточных сервисах отпадает сама собой.

🚀 Влад Корнышев про AI и создание AI-продуктов

Пожил с Perplexity Comet больше полугода как с основным браузером и возвращаюсь на Chrome

Больше полугода назад я пересел на браузер Comet от Perplexity и активно агитировал других делать то же самое. На самом старте браузер казался довольно сырым, но в какой-то момент его нормально так допилили и появились интересные фичи. Я даже писал о том, как Comet помогал мне парсить данные со страниц и автоматически заполнять таблицы и даже хвалил его.

Но сейчас эксперимент подошел к концу: я возвращаюсь на Chrome.

Причина простая - киллер-фичи, ради которых я переходил, либо перестали выделяться на фоне конкурентов, либо их просто урезали.

Что случилось с ключевыми сценариями:
• Управление браузером и агенты. Это был главный рабочий инструмент: найти данные, автоматизировать работу с таблицами, заполнить формы. Сейчас Perplexity все сильнее закручивает гайки. При попытке передать управление страницей ассистент выдает ошибку об отсутствии доступа к инструменту и предлагает использовать Computer для решения этой задачи. А эти кредиты платные и жестко ограничены тарифами. На Pro они только платные, на Max есть квота, но тратить ее на заполнение табличек как-то не хочется. При этом для Chrome есть бесплатный плагин для браузер юза Gemini, закрывающий ту же самую задачу.
• Встроенный AdBlock. Изначально он отрабатывал шикарно и вырезал рекламу даже внутри видеоплееров. Сейчас защита стала обычной: реклама на сайтах и в видео проскальзывает все чаще.
• Саммари видео. Удобная кнопка быстрого разбора роликов на YouTube потеряла уникальность. С подпиской и встроенным Gemini в самом YouTube я получаю выжимку и факты гораздо быстрее и удобне.

Старые компромиссы, которые теперь перевешивают:
Моменты, на которые я закрывал глаза, но которые на фоне деградации браузера теперь бесят

• Пароли и Passkeys. Родной менеджер не синхронизируется с экосистемой Google, а сторонние решения добавляют лишние клики. На сайтах с авторизацией через Passkeys регулярно возникают проблемы, потому что связка ключей из Chrome здесь нативно не подтягивается.
• Нестабильная синхронизация. За полгода синхронизация между ноутбуком и мобильными устройствами отваливалась трижды. Приходилось логиниться заново, а история вкладок периодически отображается некорректно.

Пока Comet урезает базовые сценарии в платные лимиты, Chrome вместе со связкой Gemini подтянулся: управление браузером через расширения доступно бесплатно, а экосистема стабильнее в разы.

Я ушел с Chrome не потому что было плохо, а потому что Comet давал тот опыт, которого в хром не было. А теперь, когда в Comet надо платить за то, что доступно в Chrome бесплатно, у меня складывается ощущение, что браузер от Perplexity пойдет тем же путем, что и Atlas от OpenAI - на кладбище.

🚀 Влад Корнышев про AI и создание AI-продуктов

Друзья, нужна ваша поддержка проекту моего хорошего коллеги!

Редко пощу тут подобные просьбы, но сегодня важный день. В Skyeng мы вместе работали с Женей Литвиненко в RnD. После Скаенга Женя с ребятами запустил очень социально важный стартап - Unicool. Это сервис помощи детям с особенностями развития и их родителям.

Ребята прошли акселератор, сложный путь и сейчас находятся на новом этапе. Я неоднократно подключался к проекту, помогал с тестами гипотез и AI-экспериментами, так как не понаслышке знаю, насколько это сложный рынок и как сильно дети с особенностями и их родители нуждаются в поддержке.

Сейчас команда пивотнулась в сторону поиска нового PMF и сегодня запускает мобильное приложение на Product Hunt. Лонч для них - это и дополнительный трафик, и способ рассказать о себе, и возможность проверить рабочие гипотезы.

К вам небольшая просьба: если у вас есть аккаунт на PH - заапвоутите, пожалуйста, проект по ссылке. Это поможет сделать мир немного лучше и добрее 🙂

👉 Ссылка на Product Hunt

P.S. Если напишете пару слов в комментариях на PH - алгоритмы подбросят проект еще выше!

Почему AI в фитнесе и питании всё ещё оверхайп - и как настроить его правильно

Решил поделиться длительным опытом интеграции LLM в тренировочный процесс и ЗОЖ. За последний год я изучил этот вопрос с разных сторон: от обсуждения тренировок с LLM до разработки AI-приложений. Сегодня делюсь инсайтами.

Спойлер: прямо сейчас 90% приложений с AI - тупая выкачка денег за иллюзию пользы. Но если подойти к делу с умом, ваша подписка на LLM их заменит и превзойдет.

Разберем два главных направления: питание и планирование нагрузок.

1. Подсчёт калорий по фото
Практически каждый современный трекер (MyFitnessPal, FatSecret, Garmin и.т.д.) встроил фичу: «сфоткай тарелку — получи КБЖУ».

В чём проблема:
- Специализированных моделей почти нет. В большинстве сервисов под капотом сидит обычная LLM, которая чаще завышает каллорийность. В итоге вместо легкого дефицита вы улетаете в жёсткую яму (что чревато срывами), а при работе на профицит - сидите в дефиците.
- Проблема с фото. Чтобы специализированная модель хотя бы приблизительно угадала вес и состав, нужен идеальный свет, понятный масштаб и фиксированный размер тарелки. В реальной жизни люди фоткают как придется.
- Иллюзия экономии времени. Большая точность достигается там, где вас просят после фото дописать текстом, что вы ели. Но тогда теряется весь смысл: проще взвесить все на весах за те же 2 мин.

2. AI-тренеры внутри приложений
С планированием тренировок есть две базовые схемы:
- Жесткие формулы (Garmin и др.). В 9 из 10 случаев их рекомендации адекватны, но не знают ваших целей и контекста.
- Экспорт данных в стороннее приложение с LLM. Возникают проблемы экономики и управления контекстом.

Чтобы модель дала качественный план, ей нужна куча данных:
- Цель и фаза текущего тренировочного блока.
- Саммари тренировок за прошлую неделю и динамика ключевых метрик (HRV, RHR).
- Планируемая нагрузка + телеметрия за последние 3 дня.

Легкие модели под капотом приложений тупо не периваривают это и путаются в цифрах,а полновесные GPT или Gemini руинят экономику разработчика.

В итоге любой чат с AI в обёртке фитнес-аппы втирает вам дичь, которая совпадает с реальностью только на 60–70%.

Как тогда правильно использовать LLM для тренировок?
Шаг 0. Изучите базу
Перед тем как идти к LLM, изучите метрики, важные для вашего спорта и как они реагируют на стресс/недосып. Вы должны быть подкованы в теме, чтобы: А) Не тратить контекст на лекции от модели. Б) Понимать реальное состояние тела до того, как откроете чат.

Вариант 1: Разделение контекста в вашей личной подписке
Используйте свою подписку на LLM и разведите задачи по разным чатам:
- Чат 1 (Оперативный): Только динамика HRV/RHR за 3 дня + телеметрия конкретной тренировки (лучше цифрами/текстом, а не скринами).
- Чат 2 (Стратегический): Таблица HRV/RHR за месяц, сводка типов нагрузки, текущие профильные метрики (например, FTP и VO2Max для вела) + цели прошлого и следующего блоков.

Вариант 2: Кодинговый агент + MCP (Garmin / Strava)
Самый правильный и продвинутый путь. Вы один раз собираете skill для агента, подключаете нужный MCP, настраиваете локальное сохранение контекста в файлы и дальше общаетесь как с персональным тренером. Контекст контролируется идеально, ручного копипаста - ноль. Но нужен запар на первичную настройку.

Два совета для обоих сетапов:
- Сообщайте инфу про свое субъективное самочувствие. Обязательно скормите модели информацию о том, как вы себя чувствуете прямо сейчас (тяжесть/стресс/плохой завтрак). ЦНС часто дает более точный сигнал, чем датчики часов, которые ещё не успели отловить сбой.
- Не навязывайте модели своё мнение. Если вы напишете: «Я сегодня устал, давай отменим интервалы?» - LLM с вероятностью 99% поддакнет. Дайте ему 2–3 альтернативы, попросив сделать объективный выбор.

Так вы снизите риск перетрена и травм практически до нуля и получите действительно рабочий инструмент.

Если вам интересна тема сетапа кодингового агента - накидайте огонечков, распишу отдельным постом.

Друзья, о чём вам сейчас реально интересно читать?

Я думаю, вы заметили, что количество постов в канале упало. Раньше я стабильно выходил на связь 3-5 раз в неделю, а сейчас пишу совсем редко. Решил честно поделиться, почему так произошло и куда планирую двигаться дальше.

Причин наложилось сразу несколько:

1. Лето и фокус на жизни. Пока тепло, стараюсь больше времени проводить на свежем воздухе и ловить совместные выходные с женой, когда совпадают наши графики, а не сидеть за компьютером. Честно - самое лучшее решение!

2. Устоявшийся workflow. Как я неоднократно писал, индустрия ИИ немного замедлила свой безумный темп, да и я сам перестал тестировать по 3-5 новых сервисов в неделю. Уровень текущих инструментов меня устраивает, а там, где есть нюансы, я уже выстроил свои workflow и workaround-ы. Все эти бесконечные новые плагины и мелкие фичи для LLM сейчас кажутся скорее гиковской историей - классические 80% усилий ради 20% реального выхлопа в повседневной работе.

3. Вопросы к формату и легкое авторское выгорание. Блокировки Телеграм в РФ, общая ситуация с глобальным интернетом и просевшие охваты заставляют задуматься, ради чего и для кого пишется контент. Расти в Telegram стало сложнее, и писать в пустоту не хочется. В MAX я не перейду. Считаю, что моя аудитория умнее аудитории этого мессенджера и скорее я вообще перестану вести блог, чем пойду в эту помойку.

Поэтому у тех, кто меня читает регулярно хочется узнать, что вам интересно?

При этом вот мысли по тому, чего я точно делать не хочу:
- Превращать канал исключительно в историю про обучение. Это лишь способ монетизации, а не цель канала для меня.
- Уходить в новостную повестку - мне это никогда не было интересно.
- Делать из канала сугубо технический блог - хардкорного техконтента вокруг и так хватает, да и моя аудитория больше про бизнес.

Мне самому по-прежнему интересны три вектора: бизнес, практическая применимость и наука вокруг ИИ.

Хочу давать то, что действительно принесет вам пользу и будет интересно читать.

Пишите в комментариях:
Каких тем, разборов или форматов вам не хватает? О чём вам хотелось бы почитать в ближайшее время?

🚀 NGI дайджест №39

Давно у нас не было дайджестов, хотя контента за это время вышло прилично! Собрал всё самое интересное и полезное в один список, чтобы вы ничего не пропустили.

1. Осенний поток буткемпов NGI Academy — стартуем 8 сентября! Будет три ступени обучения, ограничения по местам и эксклюзивный бонус — инсайдерский контент и тренды прямо из MIT.

2. Приложение для умной локальной диктовки на Windows — отличный пример того, как проходить обучение и делать свои продукты. Мой студент разработал крутое приложение для работы с голосом, которое решает проблемы с лимитами и распознаванием профессионального сленга.

3. Запись эфира Decision Lab по обучению и адаптации в эпоху AI — запись нашей мини-конференции. Разбираем, как подстроиться под меняющийся рынок труда, как работает мозг взрослого и какие ИИ-инструменты реально помогают учиться.

4. От мультитаскинга к разумному параллелизму — делюсь личным трехслойным AI-стеком, который позволяет успевать в 2–3 раза больше и закрывать параллельные задачи без выгорания.

5. Скилл для создания скиллов в Spark — готовый мета-скилл, который чинит косяки Google, спасает агента от зацикливания и заставляет его создавать правильную древовидную структуру файлов.

6. Gemini Spark: худший среди лучших или скрытая пушка? — детальный разбор 40 часов работы с агентом от Google: где он откровенно тупит, а в чем проявляет себя великолепно.

7. Как Gemini Spark окупает подписку на покупках — неочевидный кейс использования ИИ-агента, который сэкономил мне более $500 на зарубежном онлайн-шопинге за счет поиска скрытых скидок и промокодов.

8. Почему AI сейчас находится на плато — размышления о том, почему отсутствие революционных релизов — это идеальный момент для людей и компаний, чтобы спокойно нагнать упущенное и внедрить устойчивые практики.

9. AI в Customer support: как выбесить клиентов — личный бесячий опыт взаимодействия с поддержкой FedEx и выводы о том, почему слепая автоматизация и плохо настроенные боты только портят сервис.

10. Tesla в мире велосипедов: концепт Canyon Predict — разбор редкого кейса, когда ИИ и датчики с обзором 360 градусов используются в реальном мире не ради хайпа, а для спасения жизней райдеров.

Прошлый дайджест тут

Запись эфира по обучению и адаптации в эпоху AI

Пару дней назад провели нашу очередную лабу, как обычно - делюсь записью здесь.

Много говорили про карьеру, про изменения в AI и из-за AI, как под это подстроиться, что работает, а что нет и почему происходит именно так.

Видос выложили на Youtube, смотреть тут.

В видосе есть тайм-коды, а в описании - каналы и презы спикеров. Залетайте, комментируйте, подписывайтесь на ребят, задавайте вопросы, всем ответим 🙂

Пишу в канале в последнее время не так много, летом просмотры падают, да и релизов, стоящих внимания, не так много.

Наибольшую пользу стараюсь сосредоточить в живых ивентах, поэтому напоминаю вам об очередном 🙂

Уже сегодня собираемся на нашей камерной мини-конфе, где обсудим темы обучения и адаптации в эпоху AI, анонс и подробные детали - в посте выше.

Собрали классный лайнап, свободных мест не так много, поэтому кто хочет в онлайне позадавать вопросы и послушать - сделать можно это по ссылке.

От спикеров будут всякие плюшки в формате того, чтобы сразу после эфира вы могли взять и применить полученные знания на себя.

А подробности ивента можете почитать либо в посте выше либо по ссылочке

Где обучить свою команду разработки AI-кодингу?

Сегодня AI стал неотъемлемым элементом разработки. Но между “потыкать нейросеть” и “эффективно заинтегрировать AI в ежедневный пайплайн” - куча подводных камней

Мы со своей командой проходили этот путь на практике и набивали шишки в реальном времени:
• Специально брали дополнительные проекты, чтобы изучить рабочие практики.
• Когда у разработчика что-то не получалось, разбирали косяки вместе: подключался и я как менеджер, и наш CTO, который глубже подкован в технических вопросах и работе AI.

Такой путь самообучения - классный, он дает глубокое понимание всех нюансов. Но у него есть гигантский минус: он требует колоссального количества времени.

В чём главная проблема сейчас?
AI внедряется везде и сразу. У команд, которые не успели вскочить на поезд раннего самообучения, при попытке быстро внедрить нейросети начинаются проблемы:
• Агенты делают не то, что нужно, и переусложняют код.
• AI пишет решения с нуля и изобретает велосипеды там, где нужно было просто переиспользовать готовый код.
• Модель некорректно считывает архитектуру и контекст кодовой базы.

В итоге вместо ускорения команда тратит драгоценные часы спринта на дебаг за нейросетью, а в худшем случае - рискует уронить продакшн.

Как сделать так, чтобы команда освоила новые инструменты, стала future-proof и не отстала от рынка - но без разрушения прода и слива времени?

Моя рекомендация
Среди моих учеников ко мне довольно часто обращались с вопросом “Влад, я как менеджер AI-инструментами уже овладел. А куда отправить учиться именно моих разработчиков?”

Когда мне впервые задавали этот вопрос, мне было вообще нечего порекомендовать. Сам я не особо кодер, а делать еще один продукт, привлекая ребят из команды нет сил, желания и ресурса. В следующий раз, когда меня спросили, у моего друга Тимура только-только зарождался первый поток, и места там раскупили моментально, я уже неоднократно рекомендовал его. Сейчас он открывает новый набор - уже с проверенной программой и обратной связью от первых выпускников.

Тимур - практик, который варится в теме AI-кодинга очень давно. Это не курсы от гигантов вроде Скаенга и Скиллбокса, которые я знаю изнутри и где компании стараются сократить издержки, в ущерб качеству. Это не успешный успех от инфоцыган, которым плевать на результат обучения. Это качественная база от человека, с которым я работал и за продукт которого могу ручаться.

Если вам нужно системно прокачать инженеров и внедрить AI-кодинг в процессы без боли - это моя искренняя рекомендация.

👉 Все подробности про курс читайте в посте у Тимура:

Ну и от меня приятный бонус на скиду 5% по промокоду: VLAD_NGI

Неочевидный кейс: как Gemini Spark полностью окупает свою подписку на покупках

Уже месяца два я активно гоняю Gemini Spark в самых разных сценариях. За это время гугловский агент заметно прокачался, особенно в плане интерфейса и логики: он стал интерактивнее, чаще задает уточняющие вопросы и согласовывает шаги перед тем, как побежать выполнять задачу. В общем, прогресс налицо.

Но сегодня я хочу рассказать про один неожиданный кейс, который вообще полностью окупает подписку от Google. Это экономия на онлайн-шопинге.

Кейс будет максимально актуален для всех, кто заказывает вещи в зарубежных интернет-магазинах. В РФ надо тестировать, не проверял

В чем боль?
Я часто покупаю в онлайне специфические штуки из довольно узких ниш: велоэкипировку, спортивную одежду, разные гаджеты. Естественно, платить full price не хочется. Мой базовый арсенал до этого выглядел стандартно:
• Браузерные расширения, которые автоматически ищут промокоды и сравнивают цены.
• Старый добрый ручной поиск в Google.
• Попытки искать скидки через Perplexity или Claude.

Но, как оказалось, другие LLM-ки часто выдают стандартные или устаревшие ссылки и вообще не видят глубокие выгодные предложения.

Как это работает в Spark?
В последнее время я стал отдавать эту задачу Gemini Spark, и за два месяца он сэкономил мне уже больше $500 (около $200 на одной крупной покупке и остальное по мелочи на других заказах).

Мой рабочий промпт выглядит так:
1. Даю конкретную вещь, которую нужно купить.
2. Прошу найти ее по максимальным скидкам и проверить наличие действующих промокодов.
3. Главная фишка: прошу сразу проверить доставку в мой регион (например, из США или Европы) и пробить, доставляет ли конкретный сайт в нужную страну. Очень часто бывает, что LLM находят выгодные сделки, но когда переходишь в корзину - там выходит “We don't ship to your country”. Этот шаг помогает избежать такого

Почему у него получается, а у других неочень?
Судя по всему, у Spark есть глубокая интеграция с Google Shopping (или отдельный мощный модуль для коммерции), о развитии которого Google как раз заявляли ранее. Он видит такие скидочные комбинации и локальные спецпредложения магазинов, которые другие нейронки просто игнорируют.

Если вы уже пользуетесь Spark и хотите выжать из подписки максимум, или просто ищете сетку, которая реально помогает экономить семейный или бизнес-бюджет - протестируйте этот сценарий. Работает на удивление круто.

🚀 Влад Корнышев про AI и создание AI-продуктов

NGI | Влад Корнышев про AI и создание AI-продуктов pinned «Осенний поток буткемпов NGI Academy: стартуем 8 сентября Пока в глобальном развитии AI-моделей все довольно сильно замедлилось, самое время закрыть свои пробелы, глубоко освоить инструменты и подготовиться к тому, что будет дальше. Этот поток будет особенным.…»

Осенний поток буткемпов NGI Academy: стартуем 8 сентября

Пока в глобальном развитии AI-моделей все довольно сильно замедлилось, самое время закрыть свои пробелы, глубоко освоить инструменты и подготовиться к тому, что будет дальше.

Этот поток будет особенным. С учетом текущих изменений в российском законодательстве я не знаю, сколько еще потоков смогу провести на локальный рынок. Уже абсолютно точно ясно, что и по цене, и по контенту мы будем делать ставку на англоязычный сегмент. Я не хочу уподобляться Sunlight с их вечными закрытиями, но реальность такова: каждый последующий B2C-поток на русском языке сейчас может стать последним, тупо потому что доступ ко всему “несуверенному” заблокируют, а Гигачат не расскажет, как получить доступ к GPT, если у вас его не было ранее. Делать и поддерживать отдельный продукт под работу с российскими нейронками я не хочу и просто не смогу.

Для записи на выбор доступны три ступени:

1. Базовая эффективность
Курс про то, как полноценно освоить LLM и другие типы моделей. Сейчас идеальный момент, чтобы наконец разобраться с технологией, пока индустрия дала небольшую передышку.

2. AI Product Management
Чисто прикладная история для продакт-менеджеров: как пилить AI-продукты, в каких сценариях использовать нейросети и под какие конкретно задачи их адаптировать.

3. AI Solopreneur
Флагманский тариф. Включает в себя базу обеих предыдущих ступеней плюс глубокий блок о том, как в соло затащить проект или продукт и успешно вывести его на рынок.
Важно: в этот раз я повышаю цену на этот тариф и ограничиваю количество мест - их всего 3. Это будет суперплотная совместная работа с трекингом и моей личной обратной связью для тех, кто готов мощно вписаться.

Главный эксклюзивный бонус потока:
Как раз во время проведения обучения я улетаю на свою учебу в MIT. Студенты ступеней AI Product Management и AI Solopreneur получат уникальный бенефит - без какой-либо доплаты мы выберем отдельный день, и я поделюсь с вами инсайтами, трендами и информацией прямо из MIT. По сути, это инсайдерский контент из первоисточника, который достанется вам бонусом.

👉 Занять свое место в потоке можно по ссылке

P.S. Чуть позже я анонсирую дополнительные бонусы при покупке - мы их сейчас как раз готовим и докручиваем, но места на ключевые тарифы (особенно на солопренера) лучше бронировать сразу.