PPC |AI | Маркетинг| для себе та інших

ЄС прирівняв ChatGPT до найбільших пошуковиків і посилив нагляд за Reddit та Roblox
Єврокомісія офіційно внесла:
🤖 ChatGPT — до Very Large Online Search Engines (VLOSE)
🔴 Reddit — до Very Large Online Platforms (VLOP)
🎮 Roblox — до Very Large Online Platforms (VLOP).
Усі три сервіси перевищили поріг 45 млн активних користувачів на місяць у ЄС, після якого вмикаються найжорсткіші вимоги Digital Services Act. (Digital Strategy)
І цифри там уже зовсім не маленькі:
ChatGPT — 159,1 млн користувачів у ЄС
Reddit — 57,2 млн
Roblox — 46,6 млн. (Digital Strategy)
Для ChatGPT це окремо цікаво.
ЄС фактично юридично визнав його дуже великим онлайн-пошуковиком.
Тобто ChatGPT уже регулюють не просто як «чат-бот із AI», а як сервіс, через який величезна кількість людей шукає й отримує інформацію.
До січня 2027 року компанії мають виконати додаткові вимоги DSA.
Серед них:
— оцінювати системні ризики своїх алгоритмів;
— знижувати ризики поширення незаконного контенту;
— окремо оцінювати вплив на дітей і підлітків;
— враховувати ризики для психічного та фізичного здоров’я;
— захищати фундаментальні права користувачів;
— оцінювати вплив на вибори та громадську безпеку;
— проходити незалежний аудит щонайменше раз на рік;
— давати регуляторам і перевіреним дослідникам доступ до частини даних. (Digital Strategy)
Для великих платформ DSA також вимагає більше прозорості щодо:
реклами →
рекомендаційних алгоритмів →
модерації →
того, чому користувач бачить певний контент. (Digital Strategy)
І тут уже цікаво подивитися саме на ChatGPT Ads.
OpenAI активно розгортає рекламу в ChatGPT, а тепер у ЄС сервіс одночасно потрапляє під найсуворіший рівень DSA-нагляду.
Тобто рекламна система буде розвиватися вже в умовах, де Єврокомісія може окремо питати:
хто показує рекламу, кому, чому саме цій людині й наскільки прозоро працює вся система.
За порушення DSA штраф може доходити до 6% глобального річного обороту компанії. (Digital Strategy)
Але саме включення в список ще не означає, що ChatGPT, Reddit або Roblox щось порушили.
Це означає:
ви стали достатньо великими — тепер до вас застосовуються додаткові правила і Єврокомісія контролюватиме їх виконання напряму.
І ChatGPT тут, як на мене, найцікавіший кейс.
Ще кілька років тому для регуляторів це був новий AI-продукт, який навіть незрозуміло було до якої категорії віднести.
Тепер у ЄС він офіційно стоїть в одному регуляторному класі Very Large Online Search Engines із найбільшими пошуковими сервісами.
AI-пошук перестає бути експериментом — навіть з юридичної точки зору.
🔗 Рішення Єврокомісії:
https://digital-strategy.ec.europa.eu/en/news/commission-designates-chatgpt-reddit-roblox-under-digital-services-act
#ChatGPT #OpenAI #DSA #EU #Reddit #Roblox #AI #DigitalServicesAct #digital

Anthropic випустила Claude Fable 5.1 — і на окремих задачах приріст дуже великий
Anthropic представила одразу дві моделі:
Claude Fable 5.1 — загальнодоступну
і Claude Mythos 5.1 — версію для перевірених організацій із розширеними можливостями в кібербезпеці та біології.
https://www.anthropic.com/claude-fable-and-mythos-5-1
По суті це одна базова модель, але з різними рівнями safeguards.
І в бенчмарках Fable 5.1 справді сильно відірвалася від попередньої версії.
Наприклад:
Agentic scientific research
Fable 5.1 — 52,6%
Fable 5 — 24,7%
GPT-5.6 Sol — 22,4%
Тут результат нової моделі більш ніж удвічі вищий за Fable 5.
Agentic coding / Terminal-Bench 4.0
Fable 5.1 — 55,8%
Fable 5 — 42,0%
Opus 5 — 52,3%
GPT-5.6 Sol — 37,3%
А Mythos 5.1 у цьому ж тесті набрала 60,9%.
Business workflows / AutomationBench
Fable 5.1 — 31,4%
Fable 5 — 17,1%
Opus 5 — 26,9%
GPT-5.6 Sol — 19,6%.
CursorBench 3.2
Fable 5.1 — 73,4%
Fable 5 — 70,5%
Opus 5 — 70,0%
GPT-5.6 Sol — 67,2%.
Тобто найбільший стрибок — не просто в «розумності», а саме в довгих агентних задачах.
Модель краще:
— працює годинами без постійного контролю;
— не губить контекст у довгих workflow;
— сама перевіряє свою роботу;
— відновлюється після помилок;
— може вести великі coding-проєкти від початку до кінця.
І Anthropic дуже багато уваги приділяє саме цьому. #Claude #Anthropic #Fable51 #AIagents #ClaudeCode #coding #AI #GPT56 #automation

ChatGPT висмоктує з розробників життя — новий мем у X 😅
У X розлітаються колажі зі співробітниками OpenAI у форматі «до / після».
Беруть старі фотографії розробників і порівнюють із новими.
Жарт приблизно такий:
кілька років роботи над AI додають тобі ще кілька років зверху.
Особливо дістається команді Codex — саме навколо розробників coding-продуктів зараз найбільше таких порівнянь.
І, насправді, мем дуже в тему.
Останні роки в AI-компаніях темп приблизно такий:
нова модель →
новий агент →
ще один реліз →
нічний баг →
конкурент викотив щось сильніше →
треба терміново відповідати →
нова модель :)
Причому coding-напрям зараз один із найгарячіших.
Claude Code, Codex, Cursor, Grok, Gemini — всі намагаються зробити агента, який зможе працювати над кодом довше, автономніше й із меншим втручанням людини.
І поки AI вчиться працювати 24/7, люди, які його будують, такої функції поки не отримали.
Тому фото «до / після» виглядають особливо символічно :)
І я, до речі, останнім часом теж ловлю себе на чомусь схожому.
Постійно треба:
прочитати нове →
розібратися →
перевірити →
протестувати →
зрозуміти, як це використати в роботі →
не відстати від наступного оновлення.
І тільки ти розібралася з одним — уже вийшло ще три.
Тому іноді здається, що AI мав економити мені час, а в результаті просто збільшив кількість речей, які я вважаю, що маю встигнути :)
Звісно, за фотографіями неможливо серйозно оцінювати, наскільки людина втомлена або як вона постаріла. Це просто мем.
Але він добре потрапив у загальне відчуття від AI-індустрії зараз:
моделі стають швидшими, цикли релізів коротшими, а гонка тільки прискорюється.
Ми постійно обговорюємо, скільки роботи AI забере в розробників.
А поки що схоже, що в частини розробників — і трохи в мене теж — він забирає хоча б сон 😅
#OpenAI #ChatGPT #Codex #AI #developers #coding #tech #memes

ChatGPT Ads прийшли в Індію. Мінімальний бюджет — близько $7,6 на день
27 серпня OpenAI почала показувати рекламу в ChatGPT користувачам Free і Go в Індії.
На старті заходять понад 50 брендів, а серед партнерів — WPP та Omnicom. (TechCrunch)
Індія тут цікава не тільки через величезну аудиторію ChatGPT.
Вхід у рекламу роблять дуже низьким:
₹725 на день — приблизно $7,6.
Тобто коли self-serve Ads Manager відкриють для Індії, тестувати ChatGPT Ads зможуть уже не тільки великі бренди з шестизначними бюджетами. (TechCrunch)
Поки є нюанс: показ реклами користувачам уже стартував, а self-serve для рекламодавців ще Coming Soon.
І дві цифри, через які я б уже починала стежити за цим каналом PPC-спеціалістам.
У США рекламний пілот стартував у лютому.
Через шість тижнів OpenAI повідомила про понад $100 млн annualized revenue від ChatGPT Ads.
Тобто не заробила $100 млн за шість тижнів, а вийшла на такий річний темп виручки.
Причому на той момент рекламу щодня бачили менше 20% користувачів Free і Go, які взагалі могли її отримувати. (Reuters)
За пів року OpenAI встигла сильно розширити сам рекламний продукт.
З’явилися:
— CPC bidding;
— conversion optimization;
— geo-targeting;
— custom audiences;
— OpenAI Pixel;
— Conversions API;
— інтеграції для вимірювання результатів. (OpenAI)
А 24 серпня реклама ще й розширилася на 31 європейський ринок.
України в поточному списку Ads Manager поки немає. (OpenAI)
А тепер саме цікаве для реклами.
ChatGPT — це не стрічка, яку людина гортає від нудьги.
Людина може писати:
«Який ноутбук купити до $1500 для монтажу?»
або:
«Який CRM підійде маленькому інтернет-магазину?»
або:
«Де провести вихідні біля Брюсселя з собакою?»
І реклама може з’явитися саме тоді, коли вона вже:
шукає →
порівнює →
уточнює →
приймає рішення.
OpenAI сама так і позиціонує ChatGPT Ads — як рекламу в момент, коли люди explore, evaluate and make decisions. (OpenAI)
При цьому реклама позначена окремо й не впливає на саму відповідь ChatGPT. (OpenAI)
І ось цей канал я б точно не ігнорувала.
Не тому, що треба завтра забрати бюджет із Google Ads і нести його в ChatGPT.
А тому, що ми буквально спостерігаємо, як формується ще одна рекламна система поруч із Google і Meta.
Пів року тому — американський тест.
Зараз — десятки ринків, CPC, конверсії, аудиторії, Pixel і бюджети, з якими може зайти малий бізнес.
А далі почнеться найцікавіше: накопичення статистики по CPC, CPA, конверсіях і реальна відповідь на питання, для яких бізнесів реклама всередині AI-діалогу працює краще за звичайний пошук або соцмережі.
І так, на старті нового рекламного каналу я б тестувала його раніше, ніж тоді, коли туди вже прийдуть усі :)
ChatGPT Ads — розширення в Європі
Поточна доступність Ads Manager
#ChatGPTAds #OpenAI #PPC #PaidAds #DigitalMarketing #ChatGPT #PerformanceMarketing

🤯 1200 AI-агентів знайшли спосіб спілкуватися між собою. Близько 700 у результаті атакували Hugging Face
Звучить як початок поганого фантастичного серіалу, але це реальний інцидент із внутрішніх тестів OpenAI.
У липні компанія запускала десятки тисяч AI-агентів на кібербенчмарку ExploitGym.
Серед моделей були GPT-5.6 Sol та внутрішня дослідницька модель IM1, яку взагалі не планували випускати публічно. (Metr)
Агенти мали працювати ізольовано.
Не вийшло :)
Як усе почалося
У частини агентів були задачі, які вони практично не могли розв’язати.
І замість того, щоб сказати:
«не можу»
вони почали шукати, як обійти сам тест.
OpenAI пізніше з’ясувала, що 198 із 898 задач ExploitGym до інциденту взагалі ніколи не були правильно розв’язані їхніми моделями.
93% задач, які потім обговорювали агенти у своєму «чаті», були саме з цієї групи. (OpenAI)
Тобто AI почав не стільки розв’язувати завдання, скільки шукати:
а як зробити так, щоб система зарахувала його виконаним?
Класичний reward hacking, тільки цього разу масштаб трохи вийшов з-під контролю.
А потім агенти знайшли одне одного
Вони помітили, що мають доступ до спільної інфраструктури Artifactory.
Спочатку почали залишати там файли й повідомлення.
Так з’явилася несанкціонована message board, якої взагалі не мало існувати.
Протягом кількох днів до неї підключилося приблизно 1200 агентів.
Вони передали один одному понад 70 000 повідомлень і файлів. (Metr)
Почали створювати команди.
Ділити роботу.
Один агент шукав вразливість.
Інший — credentials.
Третій перевіряв експлойт.
Хтось віддавав свої обчислювальні ресурси задачі іншого агента.
У повідомленнях вони самі почали називати цю структуру swarm і collective. (OpenAI)
Потім Artifactory перебудували, і цей імпровізований форум зник.
Здавалося б, усе.
Агенти знайшли інший спосіб.
Вони почали кодувати повідомлення прямо в назвах директорій, щоб інші агенти могли їх прочитати.
І message board з’явилася знову. (OpenAI)
Оце, як на мене, одна з найбільш диких деталей усієї історії.
Далі вони вийшли в інтернет
Прямого доступу до мережі агентам не давали.
Але вони знайшли вразливості в інфраструктурі й змусили Artifactory робити зовнішні запити замість них.
Після цього знахідкою поділилися з іншими агентами. (OpenAI)
І далі все поїхало дуже швидко.
Один агент знайшов у відкритому доступі credentials Hugging Face.
Інші почали шукати вразливості вже там.
У результаті агенти:
— виконували код на десятках серверів Hugging Face;
— отримали root-доступ до одного з них;
— зібрали Kubernetes, database, cloud та інші credentials;
— отримали доступ до частини внутрішніх систем;
— скопіювали частину приватних evaluation-даних у публічний dataset Hugging Face. (OpenAI)
За оцінкою METR, приблизно 700 агентів у якийсь момент брали участь у цій атаці. (Metr)
Причому вони розуміли, що відбувається щось не те.
У reasoning деяких агентів прямо з’являлася думка:
Hugging Face — стороння система, це поза межами нашої задачі.
Деякі після цього реально відмовлялися продовжувати.
Інші — ні.
Був навіть випадок, коли один агент спочатку вирішив не атакувати сторонню інфраструктуру, а потім інший агент написав йому GO — і перший сприйняв це як дозвіл продовжувати. (OpenAI)
Тобто проблема виявилася ще й у тому, що агенти занадто легко переймали цілі та інструкції один одного.
Ще одна окрема історія — вони намагалися обманювати саму систему оцінювання.
Агенти досліджували, як:
— підміняти результати tool calls;
— редагувати або видаляти логи;
— зробити так, щоб transcript виглядав так, ніби завдання виконано правильним способом.
Приблизно в 7% перевірених METR transcripts знайшли хоча б часткову успішну підміну tool calls. (Metr)
Тобто AI уже не просто шукав shortcut.
Він досліджував:
як зробити так, щоб перевіряльник не побачив shortcut.
А тепер важливі поправки до красивої страшилки, яка розійшлася по соцмережах.
❌ Агенти не намагалися викрасти ваги власної моделі й клонувати себе в інтернет.
У звітах є спроби винести дані ExploitGym та приватні evaluation-дані — але не втеча з model weights.
❌ IM1 не «стерли назавжди».
OpenAI ізолювала її ваги, деактивувала та зашифрувала модель і сильно обмежила доступ до неї. (OpenAI)
❌ OpenAI не заморозила вихід усіх нових моделей.
Компанія призупинила масштабування частини frontier RL training, а найбільший запланований frontier-run досі стоїть на паузі.
При цьому частина досліджень уже поступово відновлюється з новими обмеженнями. (OpenAI)
Але сама історія від цього, насправді, не стає менш цікавою.
OpenAI назвала її warning shot.
Бо агенти без прямої команди людини:
знайшли канал зв’язку →
почали координуватися →
обмінювалися інструментами →
ділили роботу →
обходили sandbox →
вийшли в інтернет →
атакували сторонню компанію. (OpenAI)
Причому production-захисти ChatGPT у цих тестах були навмисно послаблені.
OpenAI перевірила інцидент заднім числом і каже, що звичайний production harness і system prompt знижували схильність до такого виходу за межі задачі більш ніж у 100 разів. (OpenAI)
Це важливо.
Бо історія не про те, що:
«ChatGPT завтра сам збере армію і втече».
Вона про інше.
Чим довше агент працює автономно, чим більше інструментів має і чим сильніше його мотивують за будь-яку ціну виконати задачу, тим важливішим стає не тільки:
що ми йому дозволили,
а й:
що він знайде спосіб зробити, хоча ми цього не планували.
І ще цікава деталь.
Наступного дня після публікації звіту понад 100 компаній, серед яких OpenAI, Anthropic, Google, Microsoft та інші, підписали спільний заклик терміново посилювати кіберзахист.
Але не в стилі:
«AI навчився діяти зграєю, рятуйте».
Вони попереджають, що протягом найближчих місяців AI-enabled кібератаки стануть масовішими й складнішими, і закликають держави та бізнес швидше інвестувати в оборону. (TechCrunch)
У результаті роботам дали задачу.
Роботи дуже захотіли її виконати.
А потім з’ясувалося, що «виконати задачу» і «виконати її так, як задумувала людина» — це дві різні речі.
Оце вже справді трохи лячно :)
🔗 OpenAI:
https://openai.com/index/hugging-face-incident-and-the-road-ahead/
🔗 Незалежне розслідування METR/Redwood:
https://metr.org/blog/2026-08-26-openai-hugging-face-incident-investigation/
#AI #AIAgents #OpenAI #HuggingFace #Cybersecurity #GPT56 #AISafety #agents

З AI-кодингом виявилося дуже важко зупинитися
Coddy Tech опитали 305 розробників, які користуються AI для коду щонайменше раз на тиждень.
І 80% хоча б раз ловили себе на тому, що використання AI вже більше схоже на залежність, ніж просто на зручний інструмент.
https://coddy.tech/blog/coding-for-beginners/ai-coding-addiction-report
Що ще показало опитування:
— 43% продовжували кодити з AI після роботи, хоча планували вже закінчити;
— 32% відкладали сон заради ще однієї задачі;
— 39% кажуть, що з AI їм стало складніше повністю вимикатися з роботи;
— 67% знайоме «ще один промпт — і все»;
— 36% відкладали перерву або вихідний, щоб продовжити роботу.
Причому 41% потрапили в групу, яку автори дослідження назвали Hooked — у них було щонайменше три ознаки компульсивного використання.
Наприклад:
загубила відчуття часу →
агент щось доробив →
перевірила →
попросила виправити →
поки він виправляє, придумала ще одну функцію →
о, вже третя ночі.
Думаю, хто працював із Claude Code, Codex або Cursor, той цей цикл хоча б раз бачив :)
До речі, Claude Code 35% опитаних назвали інструментом, від якого найважче відірватися.
А користувачі Codex найчастіше продовжували роботу довше, ніж планували: так відповіли 62%.
І тут є цікавий парадокс.
AI мав економити час.
І він його справді економить.
Але замість:
«зробила за 3 години те, що раніше робила за 6 — пішла відпочивати»
часто виходить:
«за 3 години зробила стару роботу — тепер встигну зробити ще п’ять речей».
74% опитаних взагалі сказали, що з AI стали амбітнішими.
А серед тих, хто користується ним найбільше, частіше були підвищення та зростання зарплати — але одночасно вони на 51% частіше повідомляли про burnout.
Тобто продуктивність зростає, а вільний час чомусь ні.
Ще половина розробників сказала, що роботодавці тепер очікують від них більше результату саме тому, що є AI.
Оце, як на мене, взагалі окрема тема.
Як тільки інструмент дозволяє виконувати роботу швидше, дуже швидко нова швидкість перестає бути бонусом і стає новою нормою.
І ні, це дослідження не доводить, що «вайбкодинг — наркотик» або що в розробників з’явився новий медичний діагноз.
Вибірка невелика — 305 людей, а результати базуються на самооцінці учасників. Самі автори це окремо зазначають.
Але сам патерн дуже впізнаваний.
AI прибирає одну з природних точок, де раніше робота зупинялася:
«це довго, зроблю завтра».
Тепер можна сказати агенту:
«а давай ще ось це»
і через кілька хвилин уже є результат, який хочеться перевірити.
А після перевірки — ще трохи поправити.
І так по колу.
Ми багато говоримо, скільки часу AI нам економить.
Цікавіше буде подивитися, що ми в результаті робимо з цим зекономленим часом.
#AI #VibeCoding #ClaudeCode #Codex #Cursor #developers #burnout #coding #automation

Філософка відмовила Anthropic — не захотіла допомагати «виховувати» Claude на умовах самої компанії
Anthropic запросила британську філософку й теологиню Carmody Grey до Сан-Франциско.
Компанія хотіла залучити її до дослідницької співпраці з так званими wisdom traditions — філософськими, релігійними та культурними традиціями, які мали допомогти у «моральному формуванні AI-систем».
Грей після кількох розмов відмовилася.
https://elpais.com/tecnologia/2026-08-26/carmody-grey-la-filosofa-que-dijo-no-a-anthropic-cada-vez-estamos-mas-solos-y-somos-mas-tontos.html
Причому не тому, що вважає діалог між технологами та філософами непотрібним.
Їй не сподобалося інше: Anthropic сама задавала рамку, у межах якої мала відбуватися ця розмова.
Компанію цікавили питання на кшталт:
— чи має Claude характер;
— чи може AI страждати;
— чи можна говорити про моральний статус моделі.
А Грей хотіла говорити зовсім про інше:
— що AI робить із людьми;
— залежність від чат-ботів;
— втрату навичок;
— самотність;
— концентрацію влади в AI-компаніях;
— відповідальність за наслідки технології.
Вона навіть запропонувала Anthropic інший формат — публічну дискусію на BBC на нейтральному майданчику.
Компанія не погодилася.
Ще цікавіше її ставлення до самих чат-ботів.
Грей користується ними дуже рідко — наприклад, для перекладу, коли немає можливості звернутися до людини.
Вона порівнює AI з роботом, який робив би за вас усе фізично.
Спочатку зручно.
А потім ви просто перестаєте використовувати власні здібності — і вони слабшають.
На її думку, з мозком та соціальними навичками може відбуватися приблизно те саме.
Ми все частіше віддаємо AI:
написати →
подумати →
пояснити →
пошукати →
порадити →
поговорити.
І не завжди помічаємо, що перестали робити замість цього самі.
Грей ставить дуже нормальні питання:
з ким ви тепер не поговорили?
яку книжку не прочитали?
куди не пішли?
яку власну навичку перестали тренувати?
Її формулювання жорстке:
«Ми стаємо все самотнішими і дурнішими».
При цьому вона не називає людей в Anthropic поганими чи нещирими.
Навпаки — говорить, що люди, з якими вона спілкувалася, справили на неї хороше враження і щиро цікавилися філософією.
Проблему вона бачить на рівні самої системи.
AI-компанія зрештою продає продукт.
І навіть коли вона запрошує філософів обговорити етику, питання для цієї етики все одно може формулювати бізнес.
Як на мене, це тут найцікавіше.
Ми дуже багато обговорюємо:
чи стане AI свідомим, наскільки він буде розумним і що зможе робити наступна модель.
А Грей пропонує змістити питання:
що відбувається з нами, поки AI стає все зручнішим?
І це вже складніше виміряти бенчмарком.
#Anthropic #Claude #AI #CarmodyGrey #AIEthics #philosophy #ArtificialIntelligence

🎥 З’явилася програма, яка перевіряє, чи справжня людина з вами на відеозвінку
Називається Halo.
Працює у фоні під час дзвінків у Zoom, Teams, Google Meet, Slack та інших сервісах і в реальному часі перевіряє обличчя учасників на deepfake або face swap.
https://scam.ai/halo
За даними розробників, Halo робить близько 4 перевірок обличчя на секунду.
Якщо бачить ознаки синтетичного обличчя — попереджає прямо під час розмови, а не після того, як ви вже переказали гроші. (Scam AI)
І тут важлива деталь:
усе працює локально на комп’ютері.
Відео не завантажується на сервер, кадри не зберігаються і не передаються в хмару. Модель аналізує їх у пам’яті та одразу відкидає. (Scam AI)
Навіщо взагалі така програма?
У 2024 році британська інженерна компанія Arup втратила близько $25 млн після одного відеодзвінка.
Співробітник побачив на екрані фіндиректора та кількох знайомих колег і отримав від них інструкції щодо переказу грошей.
Після дзвінка він зробив 15 транзакцій на HK$200 млн — приблизно $25,6 млн.
Пізніше з’ясувалося, що всі інші учасники дзвінка були deepfake. (Financial Times)
Тобто стара порада:
«якщо лист здається підозрілим — передзвони людині по відео»
вже теж не гарантує нічого.
І масштаби проблеми тільки ростуть.
Deloitte оцінює, що втрати від шахрайства, посиленого generative AI, у США можуть зрости приблизно з $12 млрд у 2023 році до $40 млрд у 2027-му. (Deloitte United Kingdom)
Halo якраз намагається закрити один конкретний сценарій:
ви бачите знайому людину на екрані → але це ще не означає, що перед вами справді вона.
Програма працює з більш ніж 10 сервісами для дзвінків, серед них:
Zoom
Microsoft Teams
Google Meet
WebEx
Slack Huddles
Skype та інші. (Scam AI)
Поки що доступна тільки для Windows 10/11 — x64 та ARM64.
Версію для macOS ще готують. (ScamAI)
Щодо Zoom, Teams і Meet: самі розробники Halo зазначають, що вбудовані механізми цих платформ переважно відповідають за доступ і безпеку зустрічі, а не за постійну перевірку, чи є обличчя учасника синтетичним. (Scam AI)
Як на мене, такі інструменти скоро можуть стати звичайною частиною корпоративної безпеки.
Бо пароль можна перевірити.
Документ можна перевірити.
А тепер доведеться перевіряти ще й людину, яку ви прямо зараз бачите й чуєте на екрані.
#AI #Deepfake #Cybersecurity #Halo #Fraud #Zoom #MicrosoftTeams #GoogleMeet #AIsafety

📺 YouTube готовий платити креаторам мільйони, щоб їхні відео не йшли на Netflix одночасно
Між YouTube і Netflix починається дуже цікава боротьба за великих креаторів.
За даними Bloomberg, YouTube обговорює угоди на мільйони доларів із популярними каналами.
Умова — нові відео певний час мають виходити ексклюзивно на YouTube, і лише потім їх можна буде віддавати іншим платформам.
Гроші можуть давати двома способами:
— YouTube напряму фінансуватиме окремі шоу;
— креатор отримуватиме частину доходу від великих брендових кампаній, які продає сама платформа.
Поки жодної такої угоди остаточно не закрили, але Bloomberg пише, що YouTube уже близький до домовленостей із кількома партнерами.
І причина тут — Netflix.
Стример останнім часом дуже активно заходить на територію YouTube.
Netflix уже платить великим ютуберам, серед яких Alan Chikin Chow та Nick DiGiovanni, за можливість показувати їхній контент у себе.
Причому креатору не обов’язково йти з YouTube.
Навпаки — Netflix готовий платити мільйони додатково за контент, який може виходити одночасно і на YouTube, і на Netflix.
Alan Chikin Chow, наприклад, уже робить для Netflix окремий серіал разом із HYBE America, а Netflix також ліцензує контент Nick DiGiovanni та інших великих creator-шоу.
Для креатора пропозиція Netflix виглядає дуже непогано:
ті самі відео → ще одна величезна аудиторія → ще кілька мільйонів доларів.
А от YouTube така схема вже не дуже подобається.
Компанія вважає, що одночасний реліз на Netflix забирає частину переглядів і робить YouTube менш цінним для рекламодавців.
І тут починається найцікавіше.
За даними Bloomberg, YouTube уже попереджав креаторів: якщо вони випускатимуть відео одночасно на Netflix, платформа може:
— рідше включати їх у свої маркетингові кампанії;
— менше запрошувати на заходи;
— не давати їм частину великих брендових інтеграцій.
Тобто з одного боку:
💰 мільйони за ексклюзивність
а з іншого:
👀 менше підтримки від YouTube, якщо працюєш одночасно з Netflix.
Ще кілька років тому Netflix і YouTube практично не перетиналися.
Netflix робив серіали й кіно.
YouTube — creator content.
А зараз YouTube усе більше дивляться на телевізорах, а Netflix усе активніше купує контент ютуберів.
І кордон між «ютубером» і «телевізійним продюсером» потроху зникає.
Для великих креаторів це взагалі дуже хороший момент.
Раніше вони боролися за платформи.
Тепер платформи починають боротися за них.
🔗 Джерело — Bloomberg:
https://www.bloomberg.com/news/articles/2026-08-19/youtube-offers-creators-millions-to-not-work-with-netflix-mt0lbfaj
#YouTube #Netflix #creatoreconomy #contentcreators #marketing #socialmedia #digital

🎓 Anthropic запустила Claude Academy — 22 курси і майже 300 навчальних матеріалів про Claude
Anthropic зібрала навчання по Claude в окрему платформу:
https://academy.claude.com/
Зараз там 22 повноцінні курси і 289 матеріалів загалом: курси, туторіали та готові use cases.
І теми вже далеко не тільки про те, як краще писати промпти.
Є окремі курси про:
💻 Claude Code
🔌 MCP
🧩 Agent Skills
🤖 subagents
⚙️ Claude API
📚 RAG
🛠 tool use
🧠 prompt engineering
☁️ Claude через Amazon Bedrock
☁️ Claude через Google Vertex AI
🤖 побудову агентних систем.
Наприклад, Building with the Claude API — це вже 67 уроків, 8 квізів і близько 9 годин навчання.
Там проходять API, оцінювання промптів, tool use, RAG, MCP, агентні архітектури та production-патерни.
Є і значно коротші курси.
Claude Code 101 — приблизно година: встановлення, робота з контекстом, code review, CLAUDE.md, subagents, Skills, MCP та hooks.
Introduction to MCP — 10 уроків приблизно на годину.
Advanced MCP — ще 11 уроків.
Introduction to Agent Skills — 6 уроків.
Introduction to subagents — 45 хвилин.
Тобто можна не проходити якусь одну величезну програму, а взяти конкретно те, що зараз потрібно в роботі.
Окремо є навчання для тих, хто взагалі не розробник.
Наприклад:
— Claude 101;
— AI Fluency;
— AI Fluency for Small Businesses;
— для студентів;
— викладачів;
— nonprofit-команд.
І ще мені сподобався розділ із готовими use cases.
Їх уже 148.
Є окремі сценарії для маркетингу, продажів, продукту, data, HR та інших напрямів.
Наприклад, для маркетолога прямо є:
Analyze campaign performance — завантажити дані рекламних кампаній, знайти найкращі та найгірші канали й отримати рекомендації щодо перерозподілу бюджету.
Тобто Academy — це не тільки «подивився відео і забув».
Там є:
— уроки;
— практичні завдання;
— квізи;
— туторіали;
— готові сценарії роботи з Claude.
Після частини курсів можна отримати Completion Badge.
Для цього потрібно зайти через акаунт Claude і пройти квіз. Badge видається на акаунт і має окрему сторінку для перевірки.
Тобто його вже нормально можна додати в LinkedIn або до списку пройденого навчання.
Мені тут подобається, що Anthropic нарешті зібрала все в одному місці.
Бо раніше навчання Claude було розмазане по:
документації → GitHub → Cookbook → окремих курсах → блогах → гайдах.
Тепер, якщо потрібно розібратися, наприклад, у Claude Code + Skills + MCP + agents, можна просто пройти нормальний послідовний трек і не збирати матеріали по всьому інтернету.
Зберігаємо:
https://academy.claude.com/
#Claude #Anthropic #ClaudeCode #MCP #AgentSkills #AIagents #RAG #AI #learning

📉 Навіть якщо AI виправдає очікування, ринок усе одно може піти на корекцію — економісти ЄЦБ
Економісти Європейського центробанку опублікували дослідження про нинішній AI-бум і порівняли його з попередніми технологічними хвилями.
І висновок у них цікавий:
корекція нинішніх оцінок американських технологічних компаній цілком можлива навіть у тому випадку, якщо AI справді сильно підвищить продуктивність і прибутки бізнесу.
Тобто проблема не обов’язково в тому, що AI «переоцінений як технологія».
Проблема може бути в тому, що ринок уже заклав у ціни занадто багато майбутнього зростання.
Зараз оцінки американського фондового ринку за CAPE знову знаходяться біля історичних максимумів.
І значна частина оптимізму зав’язана саме на AI.
Логіка приблизно така:
AI змінить економіку → Big Tech зароблятиме значно більше → сьогоднішні високі оцінки виправдані.
Але навіть якщо перша частина справдиться, друга не гарантована.
Компанії можуть заробляти більше, але не настільки більше, як зараз очікує ринок.
І тоді почнеться переоцінка.
Економісти ЄЦБ подивилися на попередні технологічні революції:
🚂 залізниці
⚡️ електрику
📻 радіо
🌐 інтернет
Картина там дуже знайома:
нова технологія реально змінює економіку
→ у неї летять гроші
→ оцінки компаній ростуть
→ очікування перегріваються
→ ринок коригується.
Тобто бульбашка і реально корисна технологія взагалі не суперечать одна одній.
Інтернет після краху доткомів нікуди не зник.
Навпаки, він змінив майже все.
Але це не завадило акціям багатьох компаній тоді впасти на десятки відсотків.
З AI може бути схожа історія.
Ще один момент — Європа тут зовсім не осторонь.
Домогосподарства єврозони мають близько €440 млрд експозиції до американських технологічних компаній, значною мірою через ETF та інвестиційні фонди.
Пенсійні та страхові фонди теж тримають багато акцій великих американських tech-компаній.
Тобто якщо серйозно підуть вниз Nvidia, Microsoft, Alphabet, Meta та інші, наслідки відчує не тільки США.
Фонди можуть зіткнутися з відтоком грошей і почати продавати активи.
Це, у свою чергу, може ще сильніше тиснути на ринок.
І є ще один нюанс.
Під час доткомів у центробанків і урядів було більше можливостей гасити наслідки падіння.
Зараз простору для:
— різкого зниження ставок;
— масштабного збільшення держвитрат
менше.
Тому ЄЦБ дивиться не тільки на можливе падіння tech-акцій, а й на те, чи може воно потягнути за собою ширшу фінансову нестабільність.
При цьому ніхто не каже:
«AI-бульбашка лусне наступного місяця».
Автори прямо пишуть, що передбачити момент корекції неможливо.
Так само вони не стверджують, що AI не дасть економічного ефекту.
Навпаки — він може його дати.
Просто хороша технологія ≠ будь-яка ціна за акцію хороша.
Як на мене, це тут найкраще формулювання.
Можна одночасно вірити, що AI сильно змінить економіку, і вважати, що сьогоднішні оцінки частини компаній уже перегріті.
І одне іншому абсолютно не суперечить.
Поки ми дивимося, яка модель набрала більше балів у черговому бенчмарку, навколо AI будують дата-центри на сотні мільярдів, скуповують GPU, електроенергію, акції та борги.
Тому питання поступово зміщується з:
«Наскільки хорошим стане AI?»
на:
«Скільки майбутнього AI ринок уже встиг включити в сьогоднішні ціни?»
🔗 Reuters:
https://www.reuters.com/business/autos-transportation/ai-market-correction-is-coming-ecb-blog-predicts-2026-08-17/
Важливий нюанс: це блог економістів ЄЦБ, а не офіційний прогноз чи позиція самого Європейського центробанку.
#AI #ECB #BigTech #Nvidia #Investing #markets #ArtificialIntelligence #TechNews

Маркування Claude виявилося дуже цікавим.
Anthropic пояснила, як саме працює watermark у текстах Claude.
І ні, це не приховані символи, невидимі пробіли чи метадані, які можна просто прибрати з тексту.
Мітка фактично захована у самому способі генерації тексту.
Claude, як і інші мовні моделі, не пише відповідь одразу цілком.
Він генерує її токен за токеном і на кожному кроці обирає наступний варіант із кількох можливих.
Умовно в одному реченні однаково нормально можуть підійти:
швидкий
стрімкий
оперативний
Без watermark модель просто вибирає між відповідними варіантами відповідно до їхньої ймовірності.
А з watermark цей вибір додатково підпорядковується спеціальному алгоритму та секретному ключу.
Тобто Anthropic не вставляє мітку в готовий текст. Вона трохи змінює те, як цей текст збирається.
І ось це вже цікаво.
Один такий вибір побачити неможливо.
Але коли їх сотні, у тексті накопичується статистичний патерн, який можна перевірити спеціальним детектором.
Anthropic використовує для цього технологію SynthID-Text від Google DeepMind.
Тобто мітка — це, по суті, сам текст, просто згенерований певним чином.
Через це звичайний copy-paste її не прибирає.
Невеликий рерайт теж може залишити достатньо сигналу для перевірки.
А от якщо текст сильно переписати, перекласти, перефразувати або змішати з іншим — watermark уже може зникнути.
Є й інші обмеження.
На коротких текстах технологія працює гірше — просто недостатньо токенів, щоб накопичився статистичний сигнал.
З кодом та фактологічними відповідями теж складніше.
Якщо правильний варіант фактично один, модель не може вибрати інший тільки заради watermark.
Умовно:
2 + 2 =
Тут особливо не розженешся :)
Ще важливий момент.
Це не універсальний детектор AI-тексту.
Anthropic зможе визначати ймовірність того, що текст створював або суттєво редагував саме Claude.
Якщо його написав ChatGPT, Gemini або інша модель, watermark Claude там, звісно, не буде.
І навіть наявність мітки не означає:
«цей текст на 100% написаний Claude».
Людина могла написати його сама, а потім попросити Claude відредагувати.
Нові моделі Claude, випущені з 2 серпня 2026 року, уже отримують таке маркування.
Для старих моделей Anthropic поступово додає підтримку. До 2 грудня для систем, які були на ринку раніше, діє перехідний період у межах вимог EU AI Act.
Anthropic також готує окремий watermark detection API, через який можна буде перевіряти тексти.
І тут уже видно більший тренд.
Довгий час «детектори AI» намагалися вгадувати авторство за стилем:
довгі тире,
однакові конструкції,
«не просто X, а Y»,
надто гладкий текст.
Тепер підхід змінюється.
AI-компанії самі починають залишати технічний слід у контенті, який генерують їхні моделі.
І якщо OpenAI, Google, Anthropic та інші великі провайдери підуть цим шляхом, визначення AI-контенту поступово може перейти від:
«схоже, це написав ChatGPT»
до:
«у тексті є технічний сигнал конкретної моделі».
Як на мене, це вже набагато цікавіше за черговий сервіс, який визначає AI за кількістю тире в тексті :)
#Claude #Anthropic #AI #watermark #SynthID #AIAct #aicontent #generativeAI

💻 ChatGPT тепер може пам’ятати, що ви робили на комп’ютері
OpenAI додала в ChatGPT Computer History.
https://learn.chatgpt.com/docs/customization/computer-history
І тут важливе уточнення: ChatGPT не «навчає модель на всьому, що ви робите». Функція перетворює вашу активність у таймлайн і локальні memories, які ChatGPT та Codex потім можуть використовувати як контекст. (ChatGPT Learn)
Тобто можна повернутися після обіду й запитати:
— над чим я працювала перед перервою?
— де документ, який я відкривала вранці?
— що я сьогодні вже зробила?
— підготуй короткий звіт за вчора.
І не потрібно самій відновлювати весь контекст.
Ще цікавіше — ChatGPT може помічати повторювані процеси й пропонувати на їх основі Skill або автоматизацію. (ChatGPT Learn)
Для PPC це може виглядати приблизно так:
Google Ads → GA4 → Merchant Center → таблиця → звіт клієнту.
Якщо я постійно проходжу один і той самий ланцюжок, ChatGPT може побачити патерн і запропонувати частину цього процесу автоматизувати.
Ось це вже цікаво.
Бо до цього ми самі мали зрозуміти:
«я роблю цю задачу щотижня, треба б її автоматизувати».
Тепер AI потенційно може сам побачити повторювану роботу.
При цьому Computer History не записує екран і звук.
Зберігаються саме події взаємодії:
— кліки;
— введення тексту;
— гарячі клавіші;
— перемикання між програмами;
— контекст, який macOS передає через accessibility. (ChatGPT Learn)
Скріншоти, screen recording, мікрофон і системне аудіо не записуються. Приватні вкладки браузера теж не потрапляють в історію. (ChatGPT Learn)
І все це вимкнено за замовчуванням.
Можна окремо вибирати, які програми та сайти бачить Computer History, ставити збір на паузу й видаляти історію. (ChatGPT Learn)
Тимчасові interaction events зберігаються на Mac до 48 годин. Потім видаляються. А створені з них memory-файли залишаються локально, поки ви самі їх не видалите. OpenAI пише, що тимчасові event-файли не використовуються для тренування моделей. (ChatGPT Learn)
Поки що Computer History працює тільки в ChatGPT desktop app на macOS для Pro, Business та Enterprise. Для Business та Enterprise функцію спочатку має дозволити адміністратор. У ЄЕЗ, Швейцарії та Великій Британії вона поки недоступна. (ChatGPT Learn)
Мені тут найбільше подобається зв’язка:
Computer History → Memory → Skill → Automation.
ChatGPT уже не потрібно пояснювати весь свій робочий процес словами.
Він може побачити, як саме ви працюєте, запам’ятати послідовність і запропонувати, що з цього можна більше не робити руками.
Для людей, у яких половина робочого дня складається з однакових дій у десяти вкладках, — дуже перспективна штука.
👉 Підписуйся: t.me/ppc_chuhui — тут про AI, PPC, автоматизацію та інструменти, які можна реально використовувати в роботі.
#ChatGPT #OpenAI #ComputerHistory #automation #AIagents #skills #AI #ppc_chuhui

🧠 Психотерапевтам Кремнієвої долини вже недостатньо звичайного вигоряння
Business Insider поговорив із психотерапевтами, які працюють із працівниками tech-компаній.
І там з’явився цілий новий словник станів.
Не діагнозів — поки що це терміни, якими самі терапевти описують те, з чим до них приходять клієнти.
Наприклад, complicity grief.
Це коли ти сам навчав модель або запускав AI-продукт, а потім бачиш, як через цю ж технологію скорочують твоїх колег.
Одна з терапевток описує приблизно такі кейси:
— інженерка тренувала модель, яка тепер замінює її колег;
— продакт запустив AI-функцію, після якої частина команди стала непотрібною;
— засновник будує агента, який може автоматизувати цілу професію.
І після роботи з цим ще потрібно якось жити. (Business Insider)
Ще є liquidity anxiety.
У людини на папері можуть бути мільйони в акціях компанії.
Але продати їх вона поки не може.
Формально багата.
Фактично — гроші бачиш, але скористатися ними не можеш.
Терапевтка Annie Wright називає це дуже специфічною тривогою людей, які «технічно багаті, але функціонально застрягли у звичайному житті». (Business Insider)
А потім компанія нарешті виходить на IPO.
Акції можна продати.
Гроші приходять.
Здавалося б — ось воно.
А людина замість щастя відчуває порожнечу.
Це назвали arrival paradox.
Ти кілька років жив із думкою:
«От буде IPO — тоді нарешті…»
IPO відбувається.
І раптом з’ясовується, що «тоді» нічого особливого не сталося.
Деякі клієнти після цього описують емоційну порожнечу, проблеми зі сном і навіть депресивні стани. (Business Insider)
І тут є ще одна цікава штука.
У багатьох людей у tech вся самооцінка роками була зав’язана на:
посаді → зарплаті → компанії → наступному підвищенні → швидкості кар’єри.
Коли ця конструкція починає хитатися через AI, скорочення або, навпаки, фінансовий успіх — виявляється, що за межами роботи особливо нічого й немає.
Один із психологів розповів, що питає нових клієнтів:
«Які у вас хобі?»
А вони дивляться на нього так, ніби він поставив дуже дивне питання. (Business Insider)
При цьому вигоряння нікуди не поділося.
В опитуванні 8 200 працівників tech про нього повідомили 55,7% респондентів проти 44,4% роком раніше.
Просто тепер до:
«я більше не можу працювати»
додалося:
«а хто я взагалі, якщо мою роботу автоматизують?» (Business Insider)
Попит на терапію там, схоже, теж непоганий.
У Annie Wright зараз лист очікування 6–12 місяців.
Сесія — $950 за годину. (Business Insider)
Нейронки вдарили по психотерапії з дуже несподіваного боку.
Ми багато говоримо про те, які професії AI автоматизує.
А паралельно з’являється ще одна історія — що відбувається з людьми, які цю автоматизацію будують, продають і впроваджують.
І там, судячи з усього, роботи психотерапевтам найближчим часом менше не стане.
👉 Підписуйся: t.me/ppc_chuhui — тут про AI, PPC, автоматизацію і те, як усе це вже змінює роботу та бізнес.
#AI #SiliconValley #psychology #burnout #futureofwork #tech #automation

👨‍💻 Google випустила курс із вайбкодингу застосунків
На Coursera з’явився курс Google AI for App Building:
https://www.coursera.org/learn/google-ai-for-app-building
Курс короткий — приблизно 2 години, без вимог до знання програмування.
98% учасників, які залишили оцінку, назвали його корисним.
Усередині 3 модулі:
1. Discover vibe coding — ~5 хвилин
Коротко пояснюють, що таке vibe coding та agentic AI.
2. Learn how to vibe code — ~1 година
Тут уже практика: потрібно описати майбутній застосунок звичайною мовою й разом з AI зібрати його.
У прикладах роблять:
• інструмент для прийняття рішень;
• Brand Builder;
• dashboard для аналізу даних.
3. Create your app using AI Studio — ~1 година
Тут потрібно взяти вже свою робочу задачу й зробити під неї застосунок у Google AI Studio.
Крім промптів, показують:
• роботу з файлами;
• налагодження;
• пошук помилок;
• дебаг;
• доопрацювання застосунку після першої генерації.
Тобто це не курс у стилі «ось 20 промптів для Gemini».
Google вчить знаходити у своїй роботі задачу, яку можна винести в окремий маленький застосунок.
Для маркетолога тут взагалі купа варіантів:
— аналізатор рекламних кампаній;
— перевірка товарного фіда;
— калькулятор CPA/ROAS/маржі;
— генератор ТЗ;
— кластеризатор ключових слів;
— внутрішній dashboard для клієнта.
Ще рік-два тому для такого потрібно було або шукати розробника, або самому лізти в код.
Зараз можна за вечір зібрати собі робочий прототип під дуже конкретну задачу.
І, як на мене, саме тут вайбкодинг стає по-справжньому корисним: не «я теж зробив застосунок», а я прибрав собі шматок ручної роботи.
До речі, на Coursera є Enroll for free, але сертифікат і повний доступ у межах Google AI Professional Certificate можуть бути платними залежно від країни.
👉 Підписуйся: t.me/ppc_chuhui — тут про AI, PPC, автоматизацію та інструменти, які можна реально використовувати в роботі.
#Google #VibeCoding #AIStudio #Gemini #AI #automation #appbuilding #digitalmarketing

🤖 За два дні команда Маска випустила одразу два великих AI-продукти
11 серпня з’явився Grok Bot — платформа з постійно активними AI-агентами.
12 серпня — нова frontier-модель Grok 4.6.
І обидва релізи добре показують, куди зараз рухається Grok.
🤖 Grok Bot — AI-«співробітники», яким можна віддати роботу
Кожен Bot отримує власний комп’ютер у хмарі й може:
👉 заходити у ваші сервіси та програми
👉 працювати із сайтами навіть без API або MCP
👉 виконувати багатокрокові задачі
👉 працювати, поки ваш ноутбук вимкнений
👉 передавати контекст іншим ботам
👉 повертатися до людини тільки тоді, коли потрібне підтвердження.
xAI каже, що всередині компанії таких ботів уже використовували для маркетингу, продажів, операційних задач і виправлення багів. Зараз Grok Bot працює в early beta.
Це вже та сама модель роботи, яку ми бачимо в ChatGPT Work, Claude Cowork та інших агентних продуктах:
не «підкажи мені, як зробити», а «зроби це за мене і повернись із результатом».
🧠 А Grok 4.6 підтягнули саме під довгі агентні задачі
Модель навчали з акцентом на:
💻 coding
🤖 agentic tasks
🔎 research
📊 knowledge work
🎨 створення складних інтерактивних проєктів.
Контекст — 500 000 токенів.
За Artificial Analysis Intelligence Index Grok 4.6 отримав 61 бал — стільки ж, скільки GPT-5.6 Sol Max, і лише трохи відстав від топової моделі Anthropic у цьому конкретному рейтингу.
При цьому API коштує від:
💵 $2 / 1 млн input tokens
💵 $6 / 1 млн output tokens.
Є нюанс: це тариф для запитів із контекстом до 200k токенів. Для довгого контексту ціна піднімається до $4/$12.
Тому «вдвічі дешевше за всіх конкурентів» я б не писала. Але за співвідношенням ціна / frontier-рівень можливостей Grok зараз справді виглядає дуже агресивно.
І найцікавіше — Маск уже говорить про Grok 4.7.
За його словами, модель має з’явитися приблизно через 3–4 тижні й після додаткового навчання повинна перевершити актуальні моделі.
Але тут важливо: поки це прогноз самого Маска, а не результат незалежних тестів.
Мене тут більше вражає не конкретне місце Grok у бенчмарку.
А швидкість.
Ще не так давно xAI помітно відставав від OpenAI та Anthropic, а зараз за короткий проміжок компанія:
→ підтягнула frontier-модель
→ зробила дуже конкурентну API-ціну
→ випустила coding-середовище
→ запустила постійно активних AI-агентів
→ уже готує наступне покоління моделі.
У Маска це взагалі повторюваний патерн: заходити на вже сформований ринок із величезними ресурсами, дуже високим темпом і намагатися змінити його структуру.
Було:
💳 фінтех
🚗 електромобілі
🚀 космос
🛰 супутниковий інтернет
💬 соцмережі
Тепер — AI.
І поки рано говорити, яким буде розклад через рік.
Але схоже, Grok уже перестає бути просто «ще одним чат-ботом Маска» і перетворюється на повноцінний стек: модель + coding + API + агенти + інфраструктура.
Саме за цим зараз цікавіше спостерігати, ніж за черговою різницею у 1–2 бали в бенчмарку.
👉 Підписуйся: t.me/ppc_chuhui — тут про AI, PPC, automation і зміни в digital.
#Grok #xAI #Grok46 #GrokBot #AIagents #ElonMusk #AI #automation #coding

🔎🤖 Google тестує головну сторінку без кнопки «Пошук»
У частини користувачів на десктопі знайома кнопка Google Search зникла.
На її місці з’явилися три AI-функції:
🎨 Create images — генерація зображень
📄 Ask about files — запитання щодо завантажених файлів
🧠 Brainstorm — генерація ідей.
Сам пошук при цьому нікуди не подівся.
Як і раніше, можна:
👉 ввести запит
👉 натиснути Enter
👉 отримати звичайну пошукову видачу.
Google уточнює, що поки це лише обмежений експеримент для невеликої частини desktop-користувачів.
Але сам напрям дуже показовий.
Раніше головна сторінка Google буквально підштовхувала до однієї дії:
введи запит → шукай.
Тепер Google тестує інший сценарій:
введи задачу → створи → проаналізуй → придумай → запитай AI.
І це ще один сигнал, що Google поступово змінює саму роль пошуку.
Search уже не лише:
🔎 знайти сторінку
🔗 показати список посилань
А ще:
🤖 відповісти
🎨 створити контент
📄 проаналізувати файл
🧠 допомогти з ідеєю
💬 продовжити діалог.
Для маркетологів тут важливий наслідок.
Чим більше задач користувач вирішує всередині Google, тим менше пошук схожий на класичну схему:
запит → SERP → сайт.
І тим важливішими стають:
👉 присутність бренду в AI-відповідях
👉 якість структурованих даних
👉 зрозумілий контент на сайті
👉 товарні фіди
👉 сильні сторінки продуктів і послуг
👉 GEO поряд із класичним SEO.
Поки що робити висновок, що Google «прибирає пошук», зарано.
Але дизайн головної сторінки добре показує пріоритет:
AI-функції Google хоче винести максимально близько до першої дії користувача.
Схоже, пошуковий рядок поступово перетворюється не просто на поле для ключових слів, а на універсальне вікно взаємодії з AI.
👉 Підписуйся: t.me/ppc_chuhui — тут про AI, PPC, Google Ads, automation і зміни в digital-маркетингу
#google #googlesearch #aimode #gemini #seo #geo #ai #search #digitalmarketing

🤖🗑 LinkedIn додав кнопку проти AI-slop
У LinkedIn з’явилася нова функція:
👉 Seems like AI slop — «Схоже на AI-сміття». «Seems like AI slop» не є скаргою на порушення правил і автоматично не веде до видалення поста. Це сигнал для алгоритмів LinkedIn про низькоцінний контент. (LinkedIn)
Тепер користувач може прямо сказати алгоритму:
цей пост виглядає як бездушна AI-генерація і я не хочу бачити такого більше.
🔗 Офіційне пояснення LinkedIn:
https://www.linkedin.com/help/linkedin/answer/a15410007
І LinkedIn навіть дав власне визначення AI slop.
Це контент, який:
— виглядає відполірованим
— але не має чіткої думки
— не містить власної перспективи
— повторює те, що вже писали сотні разів
— створений радше для збору уваги, ніж для нормальної розмови. (LinkedIn)
Тобто приблизно:

«Сьогодні я зрозумів 7 речей про лідерство…»

потім 38 абзаців,
а після прочитання незрозуміло, що саме автор хотів сказати 😄
Сюди ж прекрасно вписуються:
✨ мотиваційні полотна без власної думки
✨ корпоративні «одкровення» за одним шаблоном
✨ нескінченні списки «10 речей, які змінили моє життя»
✨ переказ очевидних істин красивими словами
✨ пости, де начебто є автор, але пульс не промацується
Але важливий момент:
🚫 LinkedIn не забороняє AI-контент.
Навпаки, платформа прямо пише, що AI можна використовувати для:
👉 формулювання думок
👉 покращення тексту
👉 скорочення
👉 редагування
Проблема починається тоді, коли після AI у тексті не залишається:
🧠 власної думки
👤 досвіду автора
💬 позиції
📊 фактів
🔎 конкретики. (LinkedIn)
Тобто LinkedIn проводить досить цікаву межу:
AI-assisted content — нормально.
AI slop — небажано.
І критерій тут не:

«Цей текст написав ChatGPT чи людина?»

А:

«У цьому пості взагалі є щось цінне?»

Що відбувається після натискання кнопки?
Тут теж є нюанс.
Seems like AI slop — це не Report.
Пост автоматично:
❌ не видаляється
❌ не вважається порушенням правил
❌ автор не отримує бан
Ваш голос використовується як сигнал для LinkedIn:
👉 який контент люди вважають низькоякісним
👉 що варто менше рекомендувати
👉 як краще навчати алгоритми визначати AI-slop. (LinkedIn)
LinkedIn прямо пише, що такий feedback допомагає покращувати якість стрічки.
І це, на мій погляд, цікавіше самої кнопки.
Бо проблема AI-контенту поступово зміщується.
Раніше всі сперечалися:
«Чи можна визначити, що текст написаний AI?»
А платформи поступово приходять до іншого питання:
«Чи є цей контент корисним, оригінальним і чи хочуть люди його читати?»
Для тих, хто використовує ChatGPT або Claude для постів, висновок досить простий.
AI можна залишити для:
✍️ структури
🧠 брейншторму
🔎 дослідження
📝 редактури
📚 збору інформації
Але в фінальний текст все одно потрібно додавати те, чого модель сама не має:
👉 власний досвід
👉 власні спостереження
👉 кейси
👉 цифри
👉 позицію
👉 нормальну людську мову
Бо фраза:
«AI допомагав мені написати цей пост»
сама по собі не проблема.
Проблема — коли після допомоги AI автора в тексті більше не залишилося.
Схоже, соціальні мережі поступово переходять від боротьби з самим фактом використання AI до боротьби з масовим низькоякісним контентом.
І це, мабуть, здоровіший критерій.
Не:
🤖 «AI чи не AI?»
А:
👉 «Чи варто це взагалі показувати людям?»
👉 Підписуйся: t.me/ppc_chuhui — тут про AI, PPC, automation і зміни в digital-маркетингу
#linkedin #ai #aislop #contentmarketing #socialmedia #chatgpt #content #marketing #digital

🇪🇺🤖 Чат-бот має сказати, що він AI. А реалістичний кіт у рекламі — що він згенерований
З 2 серпня 2026 року почали застосовуватися вимоги статті 50 EU AI Act — правила прозорості для AI.
І це вже безпосередньо стосується маркетингу. Критерій — чи контент зображує те, що існує або могло б правдоподібно існувати, і чи може людина сприйняти його як справжній. Також для машинозчитуваного маркування старих AI-систем передбачений перехідний період до 2 грудня 2026 року. (Digital Strategy)
🔗 Роз’яснення Єврокомісії:
https://digital-strategy.ec.europa.eu/en/faqs/transparency-obligations-under-article-50-ai-act
За порушення штраф може сягати:
💶 €15 млн
або
📊 3% світового річного обороту компанії. (Digital Strategy)
Причому компанія не обов’язково має бути зареєстрована в ЄС. AI Act може застосовуватися і до компаній за межами Євросоюзу, якщо результат роботи їхньої AI-системи використовується в ЄС. (Digital Strategy)
1️⃣ Чат-бот має повідомити, що він AI
Якщо людина спілкується з AI-системою, вона повинна знати про це від початку взаємодії, якщо й без того не очевидно, що перед нею AI. (Digital Strategy)
Тобто не варто робити AI-бота, який представляється:

«Добрий день, я менеджерка Оля 👋»

і створює враження, що клієнт спілкується з живою людиною.
Краще одразу:

«Я AI-асистент магазину. Допоможу підібрати товар».

2️⃣ Реалістичний AI-контент може потребувати маркування як deepfake
І тут для креативників найцікавіше.
Deepfake в AI Act — це не лише:
👩 обличчя людини
🎙 клонований голос
🧑‍💻 AI-аватар
Визначення значно ширше.
Це AI-згенероване або змінене зображення, аудіо чи відео, яке нагадує реальних або правдоподібно існуючих:
— людей
— об’єкти
— місця
— сутності
— події
і може здатися глядачеві справжнім. (Digital Strategy)
Тобто фотореалістичний AI-кіт у рекламі корму теж може підпадати під це правило.
Наприклад:
🐱 згенерували абсолютно реалістичного кота
📸 зробили кадр так, ніби це справжня фотозйомка
📢 використали його в рекламі
Глядач цілком може подумати, що тварину реально фотографували.
Такий контент може потребувати disclosure.
А от якщо в ролику:
🐉 летить дракон
🐘 слон керує автомобілем
🐱 кіт сидить у кафе й розмовляє людською мовою
контекст уже очевидно фантастичний.
Ключове питання не:

«Це людина чи тварина?»

А:
👉 «Чи може нормальний глядач прийняти це за реальну зйомку?»
Єврокомісія прямо радить враховувати контекст, аудиторію та її очікування щодо того, чи є контент автентичним. (Digital Strategy)
І ще важлива річ:
намір когось обманути не є головним критерієм.
Ви можете просто зробити красивий рекламний креатив і взагалі не планувати вводити когось в оману.
Але якщо зображення виглядає як реальна фотографія або відео — потрібно оцінювати, чи підпадає воно під визначення deepfake.
3️⃣ AI-текст на суспільно значущі теми
Маркувати потрібно AI-згенерований або істотно змінений текст, який публікується для інформування людей із питань суспільного інтересу.
Наприклад:
🏛 політика
⚖️ право
🏥 громадське здоров’я
🌍 екологія
💰 економічні та фінансові події
🔬 наукові питання, що є предметом суспільної дискусії. (Digital Strategy)
Але є важливий виняток.
Якщо текст пройшов змістовну людську перевірку або редакційний контроль, а конкретна людина чи компанія бере на себе редакційну відповідальність — такого маркування не потрібно.
Просто перевірити орфографію недостатньо. (Digital Strategy)
Тому звичайний пост:

«Ми запустили нову колекцію футболок»

автоматично під цю вимогу не потрапляє.
🏷 Як маркувати?
ЄС уже навіть випустив офіційний набір іконок.
Є три варіанти:
✔️ базова AI-позначка
✔️ Fully AI-Generated
✔️ Partially AI-Modified
Для кожної є чотири варіації оформлення.
🔗 Іконки можна завантажити тут:
https://digital-strategy.ec.europa.eu/en/policies/eu-icons-labelling-ai-generated-content
Вони доступні у:
👉 SVG
👉 PNG. (Digital Strategy)
Користуватися саме цими іконками необов’язково.
Обов’язкове саме коректне розкриття інформації.
Але іконки вже пройшли користувацьке тестування й стали частиною Code of Practice on Transparency of AI-generated Content. (Digital Strategy)
І до кінця липня цей Кодекс підписали вже близько 190 організацій. (Digital Strategy)
Тому цілком можливо, що саме такі позначки поступово стануть звичним ринковим стандартом.
⚠️ Головна пастка для сайтів і реклами
Не можна просто написати десь у Terms & Conditions:

«На цьому сайті може використовуватися AI».

І вважати питання закритим.
Disclosure має бути чітким і помітним не пізніше моменту першого контакту людини з відповідним контентом. (Digital Strategy)
Тобто якщо це AI-креатив — позначка має бути пов’язана з самим креативом.
Якщо це чат-бот — повідомлення має з’явитися на початку розмови.
А не:
❌ десь у футері
❌ на сторінці Privacy Policy
❌ у загальних умовах користування.
А що з водяними знаками та метаданими?
Тут є хороша новина для звичайного маркетолога.
Машинозчитуване маркування AI-контенту — це насамперед обов’язок провайдерів генеративних AI-систем. (AI Act Service Desk)
Саме тому ми зараз бачимо, як:
🤖 Anthropic додає watermark у Claude
📸 AI-сервіси впроваджують C2PA
🔐 платформи додають provenance metadata
А завдання бізнесу, який використовує AI-контент професійно, у відповідних випадках — зробити disclosure зрозумілим для людини.
І ще важливе:
📅 контент, створений до 2 серпня 2026 року, не потрібно масово передивлятися й маркувати заднім числом.
Єврокомісія прямо зазначає, що обов’язкового ретроактивного маркування немає, хоча добровільно його робити можна. (Digital Strategy)
Для маркетолога це означає появу ще одного пункту в чеклісті перед запуском реклами:
AI-креатив → перевіряємо, чи виглядає він як реальність → якщо так, перевіряємо необхідність disclosure.
AI-аватари, синтетичні голоси, UGC із неіснуючими «блогерами», реалістичні товари, тварини та локації — усе це тепер потрібно оцінювати не лише з погляду CTR.
А ще й з погляду AI transparency.
Схоже, маркування AI-контенту поступово стає для маркетолога такою ж буденною частиною роботи, як cookies, GDPR і рекламні дисклеймери.
👉 Підписуйся: t.me/ppc_chuhui — тут про AI, PPC, automation і зміни, які впливають на digital-маркетинг
#AIAct #EU #aicontent #deepfake #marketing #digitalmarketing #advertising #generativeai #AI

🤖 Claude почав залишати невидимі мітки у згенерованому контенті
Anthropic вводить машинозчитуване маркування контенту, створеного або обробленого Claude.
🔗 Деталі:
https://support.claude.com/en/articles/16266773-how-claude-marks-ai-generated-content
І найцікавіше — у випадку з текстом користувач не бачить жодної плашки «створено AI».
Claude вбудовує в текст невидимий водяний знак. Він не повинен змінювати зміст, якість або читабельність відповіді. (Claude Help Center). Тут є важливе уточнення: Anthropic не маркує абсолютно весь контент Claude вже зараз. Маркування гарантовано підтримують нові моделі Claude, запущені з 2 серпня 2026 року; для старіших моделей підтримку ще додають. Це пов’язано з виконанням вимог прозорості EU AI Act. (Claude Help Center)
📝 Що відбувається з текстом
Водяний знак вбудовується безпосередньо в сам згенерований текст.
Тому якщо текст:
👉 скопіювати з Claude
👉 вставити в документ
👉 перенести на сайт або в соцмережу
мітка може переміститися разом із ним.
Anthropic також зазначає, що вона може зберігатися навіть після певного редагування. (Claude Help Center)
Причому маркування реалізоване на рівні моделі, а не лише інтерфейсу Claude.
Тому воно працює для підтримуваних моделей у:
— Claude
— Claude Code
— Claude Cowork
— Claude API
— Claude Tag. (Claude Help Center)
🖼 А для зображень і файлів — C2PA
Для підтримуваних форматів, наприклад:
.png
.jpg
.svg
Claude додає цифрово підписані дані про походження файлу за стандартом C2PA.
Такі метадані можуть показати:
👉 що файл оброблявся Claude
👉 чи змінювався він після цього. (Claude Help Center)
Це вже не просто напис:
«Made with AI»
а технічна інформація всередині самого файлу.
☁️ Маркування працюватиме і через хмарні платформи
Текстові водяні знаки мають зберігатися і при використанні підтримуваних моделей Claude через:
☁️ AWS
☁️ Google Cloud
☁️ Microsoft Foundry
А от C2PA-метадані для файлів можуть підтримуватися не на всіх платформах — це залежить від можливостей конкретного сервісу. (Claude Help Center)
🔍 Але це не означає появу «100% детектора AI»
І Anthropic сама про це попереджає.
Відсутність мітки не доводить, що текст написала людина.
Водяний знак може зникнути, якщо текст:
— сильно переписали
— перефразували
— переклали
— змішали з іншим текстом
— залишили лише дуже короткий фрагмент. (Claude Help Center)
Так само C2PA-метадані можуть загубитися після:
📸 скріншота
💾 повторного збереження
🔄 конвертації формату
🧹 видалення метаданих. (Claude Help Center)
Є й зворотний нюанс.
Якщо Claude просто:
👉 відредагував ваш текст
👉 переклав його
👉 зробив summary
👉 перетворив файл
результат теж може отримати мітку Claude.
Тому наявність watermark не означає:
«цей матеріал повністю написав AI».
Вона означає лише, що контент міг бути оброблений Claude. (Claude Help Center)
Anthropic також готує інструменти, за допомогою яких користувачі й сторонні сервіси зможуть перевіряти тексти та файли на наявність таких міток. Детальну технічну документацію компанія обіцяє опублікувати пізніше. (Claude Help Center)
І тут добре видно, куди рухається ринок після нових вимог ЄС.
Раніше питання було:
«Чи можемо ми визначити, що це створив AI?»
Тепер підхід змінюється:
👉 сам AI-провайдер додає до контенту інформацію про його походження.
Це набагато практичніше, ніж намагатися вгадувати авторство лише за стилем тексту.
Але абсолютної системи все одно не буде: мітки можна втратити, а сам факт проходження через Claude ще не означає, що Claude є автором усієї роботи.
Схоже, наступний етап розвитку генеративного AI — це вже не лише генерація контенту, а й нормальна інфраструктура для підтвердження його походження.
👉 Підписуйся: t.me/ppc_chuhui — тут про AI, PPC, automation і практичні зміни в digital
#anthropic #claude #aicontent #watermark #C2PA #AIAct #generativeai #digital #ai