Industrial Ai | Stanislav Dmitriyev

🔍 Я вот что думаю, не отпускает меня мысль из интервью с преподавателем Стэнфорда Kian Katanforoosh 🧐

Раньше человек мог выучить профессию — и спокойно работать с этим набором знаний 10–15 лет.
Сейчас, особенно в IT и AI, похоже, эта модель ломается.

По сути, «период полураспада навыков 2 года».

Причем дело даже не только в AI.

— 5 лет назад почти никто не работал с LLM
— 3 года назад Copilot казался магией
— год назад agentic AI почти не обсуждали
— сегодня многие уже автоматизируют целые workflow через AI-агентов

И скорость изменений только растет.

Мне кажется, сейчас самым ценным навыком становится не знание конкретного инструмента или языка программирования.

А способность постоянно пересобирать себя:
— быстро учиться
— адаптироваться
— переосмысливать свою работу
— не бояться заново становиться “junior” в новой области

Интересно, что это уже видно даже на уровне компаний.

Раньше enterprise внедрял новую систему лет 5–7.
Сейчас AI-инструменты появляются и меняются буквально каждые несколько месяцев. И иногда маленькая команда с новым стеком оказывается эффективнее огромного отдела с “правильными” процессами.

✈️Похоже, в ближайшие годы выигрывать будут не те, кто “один раз стал экспертом”.
А те, кто научился постоянно учиться.

🔍 Норникель показал очень интересный кейс industrial AI.

Компания разрабатывает мультиагентную систему для проектирования промышленных объектов.
По сути — AI помогает инженерам собирать проект от фундамента до кровли, формировать цифровую модель и готовить документацию.

Причем система обучается не просто “на интернете”, а на базе корпоративных знаний:
— ГОСТы
— СНиПы
— внутренние стандарты
— реальные сценарии проектирования объектов

Самое интересное — цифры.

— задачи на проектирование создаются на 83% быстрее
— построение цифровой модели ускорилось на 80%
— сроки выпуска документации сократились вдвое

И это, как мне кажется, очень важный сигнал.

✈️ Industrial AI постепенно начинает переходить из презентаций и пилотов в инженерные процессы с вполне измеримым ROI.

🔍 Теперь и в Codex можно вайбкодить со смартфона. В chatgpt появился режим подключения к десктопу. У меня почему-то пока не работает. Но вообще кайф 😎

🔍 Интересное интервью с Кианом Катанфарошем, преподавателем из Стэнфорда:
🔍 ИИ не лишит нас работы мгновенно. Люди часто переоценивают краткосрочный эффект технологий. Переход от автоматизации отдельных задач (с чем ИИ уже хорошо справляется) к полному замещению профессии, состоящей из сотен таких задач, займет десятилетия.
🔍 Карьерная безопасность зависит от скорости обучения. «Период полураспада» навыков в IT и сфере ИИ сократился примерно до 2 лет. И Ваша главная защита — умение постоянно пересобирать себя и адаптироваться к новым условиям.
🔍 Иллюзия компетентности. Около 71% людей неверно оценивают свой уровень владения ии. Нужно разделять «базовое использование» и «профессиональное владение» (когда вы используете сложные техники написания промптов, такие как Zero-Shot, Chain of Thought, и строите собственные RAG-системы).
🔍 Фундаментальные навыки. В видео обсуждаются навыки, которые останутся актуальными даже через 10 лет, а также топ-3 навыка, за которыми сейчас активно охотятся компании.
🔍 Почему 95% ИИ-агентов пока не работают. Несмотря на хайп, создание полностью автономных агентов, способных решать реальные бизнес-задачи без сбоев, пока остается сложным вызовом.

🔍 Claude for Small Business

Anthropic сделали интересный ход — выпустили AI-пакет для малого бизнеса с готовыми workflow прямо внутри рабочих инструментов компании.

Что внутри:
— интеграции с Microsoft 365, Google Workspace, QuickBooks, PayPal, HubSpot, Canva, DocuSign
— готовые AI-процессы для finance, HR, sales, marketing и customer support
— Claude может помогать с payroll, invoice chasing, закрытием месяца, sales-кампаниями и аналитикой
— все работает через Claude Cowork с approval flow (AI предлагает действие → человек подтверждает)

То есть это уже не просто “отдельный AI-сервис”, а попытка встроить AI прямо внутрь операционной деятельности компании.

Особенно интересно выглядит интеграция с Microsoft 365.
Похоже, рынок постепенно движется к тому, что AI станет стандартным слоем поверх корпоративного Office/ERP/CRM-стека.

🔍 Похоже, рынок корпоративного AI входит в новую фазу.

По данным The Information, клиенты Anthropic готовы принимать рост расходов на Claude — просто потому, что AI уже плотно встроен в рабочие процессы и дает эффект.

И это, наверное, один из самых важных сигналов для рынка инфраструктуры.

✈️Если компании готовы увеличивать AI-бюджеты даже при росте цен — значит гигантские вложения в GPU, дата-центры и энергетику начинают выглядеть уже не как “пузырь”, а как вполне рациональная ставка на растущий спрос.

🔍 Пока Apple осторожно допиливает свой Apple Intelligence, Google Gemini on Android уже начинает выглядеть как полноценная AI-операционка для смартфона.

Причем Google делает ставку не просто на “чатик в телефоне”.
Gemini постепенно встраивают прямо в Android:

— понимает контекст экрана
— работает между приложениями
— может выполнять действия
— помнит контекст диалогов
— умеет multimodal (текст, голос, камера, видео)

То есть телефон постепенно превращается не в набор приложений, а в AI-слой поверх всего устройства.

Я все еще жду, когда Apple нормально зайдет в эту историю (особенно с учетом их экосистемы — там потенциал огромный).

Но если честно…
уже начинаю подумывать взять вторым Google Pixel 10 просто чтобы посмотреть, как выглядит AI-native смартфон вживую 😄

А вот CEO Y Combinator Garry Tan, похоже, немного… увлекся.

Он построил себе полноценный AI second brain — систему из 100+ AI-скиллов, 100 000 страниц знаний о своей жизни, людях, встречах, книгах и проектах. И теперь сидит по ночам до 2:00, потому что, по его словам, “AI снова сделал меня билдером”.

Причем это не “папка с заметками”.
Тут все сильно интереснее.

Каждая встреча автоматически транскрибируется, раскладывается по людям и компаниям, обновляет связи между сущностями (entity propagation), добавляет новые факты в knowledge graph и готовит контекст к следующей встрече.

Каждая книга — анализируется отдельными AI-агентами.
Например, он загрузил книгу Pema Chödrön “When Things Fall Apart”, и система сделала ему “book mirror”:

— слева идеи автора
— справа — как эти идеи связаны конкретно с его жизнью, терапией, разговорами с фаундерами, семейной историей и мыслями в 2 часа ночи.

Получился 30 000-word разбор личности.

Причем первая версия, как он пишет, получилась откровенно плохо — AI перепутал факты про его семью и детство. Тогда он добавил cross-model fact-checking между Opus, GPT-5.5 и DeepSeek.
Ну то есть человек уже строит не “чат-бота”, а целую AI-операционку для собственной жизни.

Учитывая что LLM страдают внезапной амнезией, очень правильно сразу делать в виде RAG.

Ух блин! Тоже хочу 🙂

Очень понравилась мысль из интервью Андрея Карпаты про переход от Vibe Coding к Agentic Engineering.

Vibe Coding — это когда ты просто “на вайбе” общаешься с AI и получаешь код.
Сейчас по сути, базовый уровень разработки резко поднялся — теперь почти любой человек может собрать приложение через Claude или Codex.

Но Agentic Engineering — уже совсем другая история.

Это не “AI пишет код вместо тебя”. Это твое умение управлять агентом или целой командой AI-агентов:
— давать правильный контекст
— строить архитектуру
— координировать workflows
— проверять качество
— обеспечивать безопасность и логику системы

И вот тут Карпаты сказал, пожалуй, главную фразу:

“You can delegate your thinking to AI, but you cannot delegate your understanding.”

(Вы можете делегировать ИИ своё мышление, но не можете делегировать ему своё понимание.)

Как я это понимаю:

AI может:
— написать код
— проанализировать данные
— предложить решение
— автоматизировать процесс

Но понимание:
— зачем вообще это делать
— правильна ли архитектура
— соответствует ли это бизнесу
— не строим ли мы бессмысленную сложность
— где риски и ограничения

…всё ещё остаётся за человеком.

И это очень важный момент.

✈️ Похоже, в эпоху AI главным навыком становится уже не “умение писать код”, а умение понимать систему целиком и управлять агентами

🔍 Mine-to-Mill optimization — самый “денежный” кейс для добывающих компаний

Тут эффекты часто даже интереснее, чем просто predictive maintenance.

Например:

◽оптимизация blending
◽AI управление SAG mill
◽анализ hardness руды
◽оптимизация реагентов

Могут давать:

+1–2% recovery
+3–5% throughput
снижение energy/reagent costs

✈️ Для большого рудника это уже десятки миллионов долларов EBITDA.

Кто это сделал в Казахстане? Полный Mine-to-Mill пока никто 🙂

🔍 5 реальных Ai кейсов Bonjoy — AI Agents for Manufacturing (ссылку уже давал, но решил добавить больше важного)

🔍 Predictive Maintenance Agent
— мониторит 2400 sensors на 180 machines
— генерирует ~15 predictive work orders/week
— ↓ unplanned downtime на 34% за 6 месяцев

✈️ Quality Inspection Agent
— проверяет 12 000 изделий в час
— обеспечивает 100% visual coverage
— ↓ defect rates на 41% за квартал

🔍 Supply Chain Agent
— прогнозирует shortages и задержки поставок
— автоматически управляет replenishment
— снижает inventory costs и production interruptions

🔍 Energy Optimization Agent
— анализирует энергопотребление оборудования
— оптимизирует пики нагрузки и consumption patterns
— ↓ energy costs и carbon footprint

🔍 Production Scheduling Agent
— динамически перестраивает production schedule
— учитывает downtime, материалы и загрузку
— ↑ throughput и utilization оборудования

Все кейсы — это уже не “аналитика в dashboard”.
AI начинает:
— сам мониторить
— принимать решения
— создавать work orders
— перестраивать процессы

То есть industrial AI постепенно превращается из BI → в operational layer производства

🔍 А еще наткнулся на очень полезный сервис — LazyWeb

Если делаете: web UI, mobile UI, dashboards, лендинги, интерфейсы, то там просто огромная коллекция готовых современных дизайнов и референсов.

Причем удобно сделано: можно быстро посмотреть реальные интерфейсы по категориям и стилям, а не бесконечно искать по Dribbble и Pinterest через пень-колоду.

Для vibe coding и AI-generated интерфейсов вообще отлично: берете хороший reference → даете в Lovable / Codex / Claude Code → получаете уже гораздо более вменяемый результат.

И что приятно — большая часть материалов доступна бесплатно

✈️ Для презентаций, кстати, тоже очень полезно — особенно когда нужен современный UI-style, а не очередной “корпоративный слайд 2014 года”

🔍Вот еще очень полезный AI Skill — Playwright

По сути это штука, которая дает AI “руки” для работы в браузере.

Что умеет:
— открывать сайты
— нажимать кнопки
— заполнять формы
— логиниться
— делать скриншоты
— скачивать файлы

Причем для Codex / Claude Code это уже совсем другой уровень.

AI не просто отвечает в чате,
а начинает реально выполнять действия.

Например:
— забронировать очередь на визу 🙂
— зайти в ERP и проверить статус
— собрать данные с сайтов
— протестировать интерфейс
— автоматически пройти workflow

AI постепенно превращается из “советчика” → в оператора.

GitHub:
https://github.com/microsoft/playwright

~70k ⭐ stars
Apache 2.0 лицензия

✈️Как установить?
Обычно достаточно дать ссылку Codex или Claude Code и попросить установить Playwright MCP / setup автоматически

#Skills

🔍 Вот, например, очень крутой скилл — translate-book

Переводит книги или большие документы

— берет PDF / EPUB / DOCX книгу
— разбивает на части
— параллельно переводит несколькими sub-agents
— собирает обратно в EPUB / PDF / DOCX

Причем сделано уже довольно серьезно:
— resumable pipeline
— glossary для одинаковых терминов
— validation через SHA-256
— multi-agent orchestration

GitHub:
https://github.com/deusyu/translate-book
~700 ⭐ stars
MIT лицензия

✈️ Как установить? Да просто дайте ссылку Codex или Claude Code и попросите установить и начать использовать.

#Skills

🔍 AI Skills — это следующий большой слой после промптов.

Если коротко: скиллы — это готовые инструкции и workflows для AI-агентов. Их можно подключать к Claude, Codex и другим AI-инструментам.

Прикол в том, что это уже не просто «напиши текст».

Скилл может:
— делать SEO-аудит
— генерировать дизайн
— строить дашборды
— анализировать Reddit/X/YouTube
— готовить презентации
— переводить книги
— и даже превращать документацию в новых AI-агентов

По сути, AI начинает получать готовые профессии и специализации.

И для Codex / Claude Code это очень мощная история: вместо одного универсального агента появляются целые наборы «мини-экспертов» под конкретные задачи.

✈️ Буду периодически выкладывать сюда самые полезные

#Skills

🔍 Вот это уже больше похоже на настоящие ROI от AI на производстве

В кейсах Bonjoy manufacturing AI agents - predictive maintenance agent:
— мониторит 2400 сенсоров
— на 180 единицах оборудования
— автоматически генерирует ~15 predictive наряд заданий в неделю

Результат за 6 месяцев:
— минус 34% незапланированных простоев

А AI для quality inspection:
— проверяет 12 000 изделий в час
— даёт 100% visual coverage
— снизил defect rate на 41% за квартал

И вот тут важный момент.

Это уже не AI ради AI.
Это AI, встроенный прямо в производственный процесс:
— ремонты
— качество
— планирование действий

✈️ По сути, industrial AI постепенно уходит от dashboards и пилотов
к автономным operational agents

🔍 Meta показала интересный проект — AutoData.

Идея очень жизненная для enterprise AI.

Все говорят про модели, агентов и AI-first… Но в реальности главный bottleneck почти всегда один — данные.

Грязные таблицы.
Разные форматы.
Дубликаты.
Ручная разметка.
Бесконечная выверка.

✈️ На подготовку данных компании часто тратят больше времени, чем на сам AI.

AutoData пытается автоматизировать этот слой:
— очистку данных
— структурирование
— подготовку датасетов
— поиск проблем и inconsistencies

✈️ По сути, это ai data scientist

Прикольно! Возможно следующая большая волна AI будет не только про модели, а про автоматизацию всей скучной подготовки вокруг них

🔍 OpenAI выкатили новое поколение voice-моделей в API.

Что нового:

— GPT-Realtime-2 — голосовая модель с GPT-5-level reasoning
— GPT-Realtime-Translate — перевод речи в реальном времени
— GPT-Realtime-Whisper — стриминговый speech-to-text

Поддерживается 70+ входных языков, включая русский.

Но самое интересное — не перевод.

Voice AI начинает превращаться из «голосового ассистента» в полноценного realtime-агента:
— слушает
— понимает
— переводит
— вызывает tools
— выполняет действия прямо во время разговора

И это уже выглядит не как Siri 2.0,
а как начало нормальных AI-операторов для бизнеса, поддержки, продаж и производства