Digital Tools for Creative Education

Командообразующие выездные тренинги можно и с умом сделать 😊

По этому каналу может сложиться впечатление, что я делаю для компаний только сложные архитектурные штуки. Но это не совсем так.

Если точнее, я иногда пакую сложные архитектурные штуки в оффлайны, которые выглядят как классный корпоративный выезд.

С одной из моих ураганных команд мы делаем такие программы под ключ: берем бизнес-задачу, находим подходящую механику и нарратив локации, собираем систему физических, игровых и когнитивных активностей — и превращаем несколько дней вне офиса в пространство, где команда одновременно отдыхает, взаимодействует и тренирует то, что потом должно работать в реальной жизни.

То есть это не «сначала тренинг, потом тимбилдинг и экскурсия». Сам выезд становится тренингом.

Например, на прошлой неделе мы работали с кадровым резервом Мосэнерго в Калининградской области.

Помимо командообразования нам нужно было прокачать компетенцию discovery на отрезке между «вижу проблему» и «предлагаю решение» и продолжить практическую работу по западающим в реальности аспектам корпоративной культуры, которую компания очень аккуратно и деликатно корректирует не первый год.

Под эту задачу я собрала игровой тренинг на нарративе экологической проблематики и уникальной истории Куршской косы: охота в Королевском бору, разрушение растительного слоя, наступление песков и последующая борьба с дюнами.

Внешне это были игровые тренинги на берегу Балтийского моря, в лесу, на заливе, в аудитории и на террасе с видом на шторм.
Внутри — спроектированный каскад с балансом физических, игровых и когнитивных нагрузок, где каждая активность работала на общую задачу.
▪️ Разбираемся с сильными сторонами и уязвимостями полярных позиций типа «стабильность» и «рывок», прыгая между заливом и Балтикой.
▪️ Синхронизируем команду через велопробег с усилием — и через цигун на закате у моря.
▪️ Помогаем присвоить мысль о субъективных ограничениях через строительство реальной песчаной косы, когда люди подчиняются карточкам ограничений типа «тебе нельзя сгибать колени».
▪️ Учимся аргументации, придумывая и отбивая обвинения виноватых в экологической катастрофе — от лесников до натуралистов.
И все это работает не только на уровне «поняли головой»: эмоциональное переживание в игре, embodiment (телесное проживание ситуации), ресурс ландшафта и взаимодействие друг с другом помогают прожить то, что потом можно унести обратно в рабочую реальность.

Внешняя среда в таких программах — не декорация. Она часть дизайна обучения. И я иногда отталкиваюсь от локации, в которую компания готова выехать, а иногда — выбираю сама под бизнес-задачу (спасибо, что исколесила всю страну со школьниками, хехе).

Особенно хорошо формат работает там, где компании мало просто «сплотить команду», а хочется использовать несколько дней вне привычной среды, чтобы с людьми что-то действительно произошло.

Ну и да. Красивые фотографии тоже будут. А эти — просто с мобилки моего коллеги.

Какие каналы продвижения помогают EdTech-проектам расти, когда платный трафик дорожает, а путь от первого контакта до покупки может занимать больше полугода?

Чтобы найти работающие связки, сверьте свои метрики с рыночными. Платформа eLama выпустила свежее исследование отрасли: eLama Index EdTech 2026.

В отчете собраны цифры, которые помогут оптимизировать закупку трафика:
• Главные тренды рынка онлайн-образования и актуальные бенчмарки продвижения.
• Детальный разбор медиамиксов: как распределяют бюджеты лидеры отрасли.
• Сравнение каналов: откуда сейчас реально приходят клиенты и где заявки дешевле.

Материал будет полезен специалистам по трафику для защиты медиапланов, а фаундерам образовательных проектов для понимания вектора развития ниши.

Забрать полную версию исследования можно здесь: https://try.elama.ru/elama-index-edtech

ООО "СМБ-Сервис"
ИНН 7713412899
Реклама
Erid:2VSb5zBVtFC

Когнитивный партнер: я все-таки изобрела велосипед или нет

Я сначала собрала, протестила и апробировала на живых людях когнитивного партнера, а потом пошла разбираться, не изобрела ли я велосипед.

Готового чужого велосипеда пока не нашла, но есть три разных практики.

1️⃣ Сильному эксперту дают AI, чтобы он думал сильнее

Это уже довольно большой тренд вокруг AI as a tool for thought / thought partner.

Например, Microsoft Research ведет отдельное направление Tools for Thought. 

Концепт: ИИ должен челленджить человека, а не слушаться его: человек уже умеет решать задачу → AI помогает ему решать ее сильнее.

Неистово плюсую. Люблю, умею практикую.

Общее с моим кейсом: гипотезы, альтернативы, критика, работа с неопределенностью.

Отличие: У Microsoft объект дизайна — взаимодействие уже достаточно компетентного knowledge worker с AI. А у меня была команда, которая пока сама не умеет стабильно выполнять часть нужных профессиональных операций.

2️⃣ Экспертное мышление начинают кодировать как инфраструктуру компании

2 сентября Meta Engineering опубликовала An Organizational Second Brain: Building an AI That Learns From Experts.
Задача у них такая: в организации может лежать тонна документов, но документы еще не равны экспертизе.
Экспертиза находится также в том,
▪️что специалист считает существенным;
▪️в каком порядке исследует ситуацию;
▪️как интерпретирует неоднозначность;
▪️какие процедуры использует для решения;
▪️когда считает анализ достаточным.

Поэтому Meta специально разделяет:
what the agent knows и how the agent reasons.

Они не ограничиваются гигантским системным промптом.
Они делают специальные recipes — составные процедуры, в которых явно прописано:
▪️что исследовать сначала;
▪️какие знания подключить именно на этом шаге;
▪️какую методологию принятия решения использовать;
▪️что считать достаточным результатом этапа;
▪️какой следующий кусок reasoning запускать.

Recipes собираются в пайплайны. Причем Meta отдельно пишет, что такая стадийность еще и уменьшила количество лишнего контекста: вместо загрузки всего подряд модель на каждом этапе получает только то, что нужно именно сейчас.

🚀 Логика как у меня, но на максималках, конечно

Еще одно очень близкое место у Meta — экономика экспертной мощности. Они хотят, чтобы экспертное виешательство не оставалась одноразовым эпизодом. Эксперт поправил систему один раз — feedback превращается в проверенное обновление, которым потом может пользоваться организация.

У меня, в компании на 100 человек в ситуации пилота, конечно, попроще: после этого запускаем сеньора. Но сеньор уже не сидит над десятью сырыми транскриптами. Он получает рабочую модель, спорные места, конфликтующие данные и гипотезы. То есть дорогая экспертная мощность включается не на всю работу, а там, где действительно нужно экспертное суждение.

Но есть и важное различие.

Meta строит цифрового эксперта для организации — ИИ-агента, которому можно передать значительную часть специализированной аналитической работы.

У меня основной объект дизайна другой: junior + AI + senior.
Мне недостаточно, чтобы система хорошо сделала работу. Мне нужно еще и распределить ее так, чтобы менее опытный сотрудник сам участвовал в нужных профессиональных операциях и постепенно становился сильнее.

L&D-шная душа, ну, простите

3️⃣ ИИ специально делают таким, чтобы он не забирал мышление у менее опытного человека

И тут уже интересно, что владельцы самих больших моделей массово двигаются в одну сторону.
🔻 Anthropic в Claude Learning Mode прямо пишет: модель должна guide students' reasoning process rather than providing answers. Claude ведет сократический диалог, просит обосновывать выводы и концентрирует внимание на базовых принципах.
🔻OpenAI в ChatGPT Study mode делает примерно то же: guiding questions, hints, self-reflection, knowledge checks и движение по задаче вместо немедленной выдачи финального ответа.
🔻Google называет свой режим Guided Learning и прямо противопоставляет answers и understanding: вопросы, пошаговая декомпозиция, активная работа самого learner.
🔻У Microsoft формулировка вообще замечательная: их Study and Learn должен keep the thinking with the student.

То есть тут формула уже другая:
человек пока не умеет → AI специально устроен так, чтобы не просто скомпенсировать дефицит, а простраивать нужные когнитивные операции.

И это уже очень близко к нашей задаче развития джунов. Но опять есть серьезное отличие.
Обычный Study/Learning mode универсален:
▪️пойми концепт;
▪️подумай сам;
▪️объясни свое решение;
▪️попробуй следующий шаг.

А мы зашивали внутрь конкретную профессиональную методологию конкретного класса рабочих задач.
Не просто «думай критически», а:
▪️вот что в нашей профессии считается evidence;
▪️вот какие различия надо замечать;
▪️вот какие гипотезы здесь стоит строить;
▪️вот какой пробел существенный;
▪️вот когда тебе надо вернуться к информатору;
▪️а вот здесь ты вообще не имеешь права принимать решение — вызывай эксперта.

То есть обучающая компонента происходит в процессе выполнения реальной задачи, как in-job-training/

Кажется, мой когнитивный партнер находится ровно на пересечении трех линий.
Исходим из экспертной методологии
→ раскладываем на когнитивные операции
→ определяем, что способен сделать джун
→ что компенсирует ИИ
→ где нужно суждение эксперта
→ собираем из этого рабочий контур
→ и уже внутри него одновременно производим результат и, если это действительно нужно заказчику, развиваем человека.

Развитие не обязано быть целью каждой ИИ-системы.

Иногда бизнесу совершенно рационально нужен просто быстрый и достаточно хороший результат — и тогда нечего насильно превращать бизнес-инструмент в тренажер развития.

Но если заказчику одновременно нужны результат сейчас + передача компетенций внутрь команды, тогда, кажется, есть довольно интересная территория между «обучить людей», «автоматизировать работу» и «дать всем доступ к ChatGPT».

Это посильней библиотеки промптов. Это задачка: «Как спроектировать совместную когнитивную систему, в которой человек, AI и эксперт делают каждый именно ту часть работы, где дают максимальную ценность?»

И в моих проектах - это сейчас довольно классно работает. Может, вам тоже зайдет как идея.

КЕЙС. Когнитивный партнер на ChatGPT: бизнес-инструмент и инструмент развития в одном флаконе. Часть 2 (Часть 1 тут)

3. Джун идет к эксперту добывать реальную работу
Не спрашивать в лоб про компетенции, а вытаскивать эпизоды: что происходило, какую задачу человек решал, что заметил, между чем выбирал, почему сделал именно так, что отличало хороший результат от плохого.

💻 А дальше начинается собственно когнитивный партнер.

Работа идет в отдельном чате без памяти и персонализации.

4. Сначала Base
Первым загружается базовый промпт — Base.
Это не «сделай мне таксономию». Это правила, как башка машины должна работать внутри проекта.

Там зашита эпистемическая дисциплина: как обращаться с фактами и интерпретациями, как работать с противоречиями, гипотезами и пробелами, чего не считать доказательством, где нельзя сглаживать неопределенность.
Плюс есть кастомные куски под клиента, которые уже под NDA.

Зачем все это?

Чтобы ChatGPT не делал то, что умеет делать по умолчанию очень убедительно:
быстро собирать правдоподобную историю из неполных данных.

5. Потом джун загружает интервью и первый рабочий промпт
Из транскрипта машина собирает первую рабочую Модель реальности. Но не в формате summary.
Она должна:
▪️вытащить утверждения, которые действительно способны изменить наше понимание работы;
▪️показать, какие части модели уже подтверждены данными, а где есть пробелы;
построить несколько конкурирующих гипотез;
▪️для каждой показать, что ее поддерживает, что ей противоречит и какое есть альтернативное объяснение;
▪️после этого обновить рабочую модель и предложить, у кого и что лучше спросить дальше.

То есть результатом анализа становится не «мы поняли человека».
Результатом становится:
вот наша текущая версия реальности, вот на чем она держится, вот где она может быть неправильной и вот какой следующий ход даст нам больше всего информации.

6. Дальше добавляем контекст
В тот же диалог можно добавлять новые интервью, комментарии сотрудников, ответы экспертов и документы. Base не позволяет автоматически считать мнение руководителя фактом только потому, что это руководитель, а официальный документ — истиной только потому, что на нем логотип компании.

Если источники расходятся, машина должна не примирить их красивым текстом, а сохранить конфликт и обновить модель с учетом новой неопределенности.
Постепенно вместо кучи интервью, презентаций и мнений появляется достаточно прозрачная рабочая модель компании, если брать в фокус то, что нужно для нашей цели.

7. И только потом есть финальный промпт
Он работает уже на накопленном контексте и собирает финальный артефакт по нужной структуре, сохраняя происхождение выводов и степень их подтвержденности.

🧙‍♀️После этого можно запускать сеньора.
Он ковыряет не сто транскриптов и документов, а уже собранную модель, спорные места и рабочие гипотезы.

Технически далог ссылкой можно передать мне или внутреннему эксперту и продолжить там же: спорить с моделью, приносить новые данные, пересобирать решения.

То есть дорогая экспертная мощность включается не на всю работу, а именно там, где нужно экспертное суждение.

8. И вишенка на торте: три режима
В Base я делаю три режима.
Во всех сохраняются одни и те же правила работы с доказательствами, гипотезами, противоречиями и пробелами. Меняется то, как результат выдается человеку.

▪️Дефолт — нормальный полноценный ответ плюс необходимая аргументация.
▪️Рабочий — минимум текста: что мы знаем, где критический пробел и какой следующий ход делать.
▪️Обучающий — больше объяснений: почему машина пришла к такому выводу, на чем держится гипотеза, какие есть альтернативы, что пользователь мог не заметить и где можно было лучше вмешаться в разговор.

Переключать режимы можно в любой момент.
Потому что одна и та же когнитивная система иногда должна помогать человеку работать, иногда учиться, а иногда — просто не мешать.

Вот тогда она одновременно становится и бизнес-инструментом, и инструментом развития.

Я сейчас смотрю на такие задачи примерно так.

Если в компании есть:
▪️повторяющийся класс сложных задач;
▪️сильный эксперт и/или уже существующая методология;
▪️менее опытная команда, которую надо быстро подтянуть;
▪️работа, которую нельзя нормально пояснить одним регламентом;
▪️задача не только получить результат сейчас, но и повысить самостоятельность людей,

то нужна не библиотека из 100 промптов.

Нужно вытащить наружу архитектуру экспертного мышления и спроектировать от нее когнитивного партнера.

После трех таких кейсов я, конечно, подумала: «Наверное, я изобрела велосипед» — и пошла искать референсы в индустрии.

Пока кажется, что не велосипед, а локальная адаптация нескольких очень сильных трендов.

Об этом следующий пост.

КЕЙС. Когнитивный партнер на ChatGPT: бизнес-инструмент и инструмент развития в одном флаконе. Часть 1

Собрала тут для трех разных команд когнитивных партнеров на коленке. Выглядит это как документ с промптами и инструкцией для пользователя, а по сути — ответ на вопрос:

«Как в экосистему клиента затащить клона Ани с ее мозгами, но без ее мерзотного характера?»

Задачи были такие:

▪️Научить мотивированных преподавателей ДПО трекать предпринимательские проекты студенческих команд.
▪️Научить сотрудников корпуниверситета брифовать заказчиков, информаторов и стейкхолдеров программ обучения и делать такой дебриф, чтобы дальше было легко создавать грамотный концепт.
▪️Силами джунов создать таксономию навыков для сложных ролей в небольшой компании, чтобы потом раскатать ее по всему HR-циклу — от HR-бренда до обучения и карьерных треков.

Но история во всех трех случаях была похожая.

🔹Есть сложный повторяющийся класс задач. Есть менее опытная команда, которая должна научиться их решать. Есть экспертная логика принятия решений, которую нельзя передать человеку полуторачасовым тренингом или регламентом. И есть ChatGPT, который сам по себе прекрасно умеет быстро производить очень убедительно выглядящую ерунду.
При этом заказчику нужен и бизнес-результат сейчас, и передача компетенций команде.

Вот здесь имеет смысл строить не библиотеку промптов, а когнитивного партнера.

У меня для этого были необходимые условия:

▪️я сама строила методологию: какие решения надо последовательно принять и по каким критериям;
▪️предварительно исследовала компанию и контекст команды и понимала, как бы выполняла эту задачу сама именно в этой экосистеме;
▪️понимала разрыв между текущими возможностями команды и сильным исполнителем;
▪️могла разложить работу: что способен сделать менее опытный человек, что можно отдать машине, а где должен вмешаться человек — иногда не сам пользователь, а подключенный эксперт.

То есть промпты здесь — не продукт.

Продукт — это архитектура того, как распределить когнитивную работу между методологией, человеком, машиной и живым экспертом.


🧙‍♀️Расскажу подробнее про кейс №3 в обезличенном формате, с клиентом согласовано.

Небольшая растущая ИТ-компания умеет хорошо строить карты компетенций и процессы в техническом блоке. Но продажи и суппорт уже не укладываются в хорошо работающую на технарях рамку ни процессов, ни оценки. При этом HR маленький, оргструктура еще двигается, а сотрудники сильно мультифункциональны. СЕО интуитивно видит, что уже нанял сильных людей, которым нормально тащить эту мультифункциональность. Мы хотим не потерять ее при росте, а, наоборот, распаковать эту интуицию в механику найма и с этой константы строить оргразвитие.

Одна из задач большого проекта — создать таксономию навыков.

Не табличку ради таблички, а язык, через который компания сможет видеть, сравнивать и развивать разные типы профессиональной работы. Один из референсов для всего проекта — GitLab Handbook: не как источник готовой таксономии, а как пример того, как компания выносит наружу собственную логику работы, принятия решений и взаимодействия.

С готовой таксономией здесь были проблемы.

▪️Во-первых, нельзя просто забрать базовое ядро у старших товарищей: роли и оргструктура еще меняются, а мультифункциональность сотрудников — не баг стартапа, который хочется устранить.
▪️Во-вторых, делать полевую работу должны люди с разным бэкграундом, которые сами пока джуны и не умеют стабильно вынимать из экспертов материал для хорошей модели навыков.

Поэтому мы пошли не от должностей и не от вопроса «какие навыки нужны хорошему сейлзу?».
Мы пошли от эпизодов реальной работы.

1. Сначала я раскладываю, какую реальность вообще нужно восстановить
🔻Я знаю, что мне нужно понять про работу человека, чтобы потом построить хорошую таксономию. Это можно представить в виде таблицы — Модели реальности.
🔻Я знаю, какие вопросы нужно задавать, чтобы люди наговорили материал, из которого эту таблицу можно заполнить.

В итоге одна и та же модель работает в две стороны:
▪️человеку служит шпаргалкой для интервью;
▪️машине — рамкой, по которой потом разбирать транскрипт.

2. Потом я делаю воркшоп для джунов по интервью
Там есть:
▪️шаблоны повестки для встреч;
▪️объяснение, что и зачем мы делаем;
▪️вопросы для встреч;
▪️инструкции по безопасной работе с ChatGPT и данными;
▪️мини-методичка и практика по интервенциям, когда разговор идет не так и не туда.
У меня эти вмешательства работают на профессиональном опыте, который невозможно передать за полтора часа. Поэтому вместо попытки «сделать из человека Аню» мы учим его распознавать самые яркие маркеры: вот здесь надо уточнить, здесь вернуть человека к эпизоду работы, здесь проверить противоречие, здесь перестать слушать красивую концепцию и спросить, что он реально делал.

Продолжение следует. И там, наконец-то будетChatGPT 😊

Bending Spoons покупают Miro. Пока не эпитафия, но

Эту сделку обсуждают и в сообществах креативных образованцев, и в каналах следящих за стартапами, особенно с русскими корнями. А для меня это, прежде всего, повод сказать спасибо.

Я помню свое первое чувство, когда первый раз пришла на Miro:

Божечки, тут можно построить Learner Journey Map (Карту путешествия ученика) в прямом смысле слова. И по этой карте реально пройти настоящий путь героя с тусовкой, достраивая мир вокруг.

На поверхности - возможности доски:

- пространство для командной работы и манипуляция с артефактами и источниками
- возможность авторского дизайна и самовыражения
- смешение форматов от скучных документов до настолок
- комьюнити-библиотека крутых шаблонов и ивенты для распределенных команд

А потом выясняется, что эти фишки дают нечто большее, чем инструмент.

На хайпе я делала воркшопы и курсы по Miro и видела, что мой кайф часть учеников подхватывает, а часть ломается и просится обратно в паверпойнт. Я стала думать, в чем разница между этими людьми. Потом я на ковиде развернула целые миры в Miro для дистанционного обучения и наблюдала, как у детей меняются паттерны мышления и взаимодействия, когда они начинают картировать эти совместные путешествия хоть к ЕГЭ, хоть к pet-проекту.

И вот теперь у меня есть повод сформулировать, в чем суть Miro, простите, с концептуальной точки зрения.

Miro - это цифровая среда, которая позволила материализовать и подвергнуть челленджу чужим вмешательством свой mind palace.

И в этом есть и философия, и методология обучения людей мышлению и взаимодействию в ситуации неопределенности:

▪️ Высокая agency/агентность всех участников процесса. Тут я имею в виду agency не в нынешнем смысле «ИИ-агентов», а человеческую способность быть субъектом действия: выбирать траекторию, менять среду, оставлять в ней следы и видеть последствия своих действий.

Слайды, e-learning и т.п. по своей природе предлагают тебе пройти по уже собранной кем-то траектории. Там тоже можно при желании разработчика делать и коллаборации, и разветвления, но среда этому сопротивляется, требует дополнительного усилия и профессионализма разработчика. А на бесконечной доске намного проще и естественней построить среду, в которой траекторию приходится создавать самому, а правильного ответа - нет.

В этой среде приходится взаимодействовать с другими, которые могут что-то сделать с твоей работой - как вывести на новый уровень, так и удалить случайно ууупс.

И доска сильно меняет роли. Конечно, у лидера есть и инструменты управления вниманием, и возможность вешать замки и скрывать фреймы. Но в остальном высокая степень вмешательства остальных в то, что "принес учитель" задает реально другие отношения в процессе обучения. Дизайнер заранее снижает управляемость образовательной среды и передает больше контроля и ответственности участникам.

▪️ Пространственное и relational/отношенческое мышление.
Мир становится все более сложным, а сложные системы плохо помещаются в линейную репрезентацию. Для понимания сложных (которые complexity, а не complicated) систем имеет смысл думать руками, визуализировать. Это помогает и понять самому, и построить общий контекст с другими.

В Миро заложена свобода передвижения по личному и коллективному mind palace. Это такая карта совместно спроектированного и построенного города. Она создает и общую память, почему и как получилось именно так, и возможность это действительно присвоить и развивать.

Одновременно сам инструмент и его возможности стимулируют развитие этой самой компетенции. Библиотека Miroverse - лучше кучи учебников по фасилитации. Она дает готовые паттерны организации коллективного действия. А сама возможность фигачить в пространстве прям подбрасывает все новые и новые идеи о том "как сделать что-то реальное". Результаты обучения/командной работы на доске воспринимаются более материальными, чем баллы в lms или "я все понял" без сделанного и выложенного на публику артефакта.

Miro - это среда, которая провоцирует определенные действия и стимулирует определенные мыслительные операции и со стороны разработчика, и со стороны пользователей этой разработки.

Miro не просто помогает визуализировать уже готовую мысль. Она создаёт условия, в которых мысль может измениться из-за того, что ты её вынес наружу и дал другим людям возможность в неё войти.

И тут мы наконец получаем связь обучения со сложными компетенциями. Например, поддерживаем рефрейминг и командное взаимодействие не только содержанием и фасилитацией, но архитектурой среды, которая делает нужные действия естественными и повторяемыми.

А в терминах "педагогический дизайн" и "путь ученика" - дизайн и путь становятся настоящими, а не метафорическими.

Почему я грущу из-за очень вероятной продажи Miro Bending Spoons? Есть вероятность, что нас ждет попытка превратить Miro в еще одну корпоративную доску со всеми вытекающими: убрать "лишние" фичи, творческое сообщество и образованческие тарифы неслыханной щедрости. Такой продуктовый подход и эффективность.

Возвращаясь к моему опыту обучения, когда, мягко говоря, не у всех от Миро возникало ВАУ и бешеный когнитивный рывок, я понимаю, что штука - ну, не для всех. Вот эта самая агентность, пространственность, новые отношения - не всем подходят. Понимаю, что большинство просто стикеры клеит и расходится по домам, и экономически надо на эти наши креативы не тратиться.

Но, черт возьми, как это было красиво. И пусть побудет еще. Спасибо.

Казалось бы непродуктовое

На самом деле это, возможно, и есть самая интересная часть продукта. Просто она плохо помещается в стандартную логику «дорого → должно дать измеримый uplift». Поэтому фабрика обычно так не делают. Но для стартапов внутри фабрики или творческих команд в поиске - это реальный поведенческий паттерн.

- Слишком хороший сценарий (кто как куда смотрит и дергается, когда что-то происходит) и слишком качественные диалоги.
Классика жанра - это когда внутренний голос персонажа проговаривает: Of course, he won't forgive me. I lied to him for so long, а вслух герои говорят еще более прямолинейно.
Здесь наоборот: значимая часть истории живет в подтексте.
- Слишком ироничная игра с каноном.
Например, обязательный публичный coming out есть. Но делает его bottom character - причем так, что именно он оказывается в позиции силы.
Сопротивление среды тоже формально присутствует, но превращено в комический шум на периферии сюжета.
То есть троп соблюден, но неплохо так разобран отверткой.
- Слишком хорошая мимика персонажей.
Для AI short drama вообще подозрительно много смысла происходит не в репликах, а в микровыражениях, паузах и реакции одного персонажа на другого.
И слишком сильные крупные планы. Не функциональные, а реально кинематографические.
- Слишком много режиссуры там, где можно было обойтись генерацией контента.
Кадры построены избыточно хорошо в четко зафиксированной стилистике. Кто-то явно думал не только «что должно произойти в сцене», но и «как именно зритель это увидит».
- Слишком хорошо синхронизированы сложные вещи.
Сценарий, мимика, монтаж, динамика отношений, ирония с жанром, экшен.
На фабрике такие вещи обычно начинают расходиться по швам. Здесь возникает ощущение малой контактной команды, которая очень синхронизирована.
Выглядит как будто хорошему сценаристу дали синопсис, идеально оптимизированный под продуктовые метрики, а он посмотрел на него и сказал:
Ахаха. А что, если внутри этого тупого канона бахнуть нормальную историю? Погнали.
Они сделали BL, который формально использует все механики BL, но вообще-то рассказывает про чувства, отношения, власть, доверие, уязвимость и экшен.
- Сериал не монетизируются.
Во всяком случае пока это выглядит так, будто задача «а теперь срочно выжмем отсюда деньги» стояла где-то очень далеко в очереди.

И вот поэтому для меня это хороший кейс про роль человека в AI-продуктовом пайплайне.
Потому что оптимизируемую часть мы уже довольно хорошо умеем раскладывать:
данные → паттерны → гипотезы → тесты → производство → метрики → масштабирование. ИИ здесь становится все сильнее.

Но есть еще Избыточность человеческого усилия. Когда кто-то делает лучше, чем рационально нужно. Точнее, чем требует метрика. Сложнее, чем окупается. Тоньше, чем заметит большая часть аудитории.

Тупо по любви. К себе. К команде. К продукту.

И именно эта экономически подозрительная избыточность иногда превращает очередную единицу массового контента в явление.

А уже потом можно взять аналитику фандома, построить гипотезы о том, что именно сработало, посчитать экономику - и изгадить все масштабированием превратить находку в воспроизводимый продукт. И рыдать, что массовая аудитория только прирастает. Как в Шреке, Шерлоке и т.п.

Проверила эту механику на команде digital-стартапа, которым было ок с такой интервенцией и референсом BL в обучалку. Они накидали в домашке собственных референсов из игр и вирусного маркетинга - а сама механика и декомпозиция неожиданно хорошо сработала уже на их продуктовых решениях.

В общем, механика воркшопа рабочая. BL можно заменить. Суть с точки зрения instruction design - взять достаточно чужой референс, в котором нужная тебе логика выпукла до неприличия, разобрать его, а потом перенести оптику обратно на свою работу.

AI BL short drama внезапно подарили мне отличный контент для воркшопа про роль человека в лютом продуктовом пайплайне с ИИ.

BL - это Boys Love. AI BL short drama - сделанные ИИ-шкой мини-сериалы для мобилки про романтические отношения двух мужчин. Еще месяц назад я вообще была не в теме. А потом бывшая ученица, которая учится не в России на какой-то смеси social и gender studies, попросила помочь с диссертацией.

И я провалилась в довольно занятный продуктовый мир:

- какие тропы заходят одновременно алгоритмам соцсетей и людям;
- почему основная аудитория жанра — гетеросексуальные женщины;
- как продакты еще до продакшна проверяют через микровидео, персонажей и хэштеги гипотезы о взлетаемости истории;
- как потом на основании данных конструируют продукт и как вообще устроена эта сериальная фабрика;
- какая математика стоит за фандомом самых успешных проектов;
- как монетизируются платформы с такими сериалами.

В общем, прекрасный материал для обучения продуктовому мышлению и вот этому всему.

В процессе мне довелось посмотреть Royal Blood and Mafia Knight (сейчас целиком лежит здесь) - вполне себе явление в этой нише. В частности, впечатляет скорость, с которой вокруг него вырос фандом. И вот тут начинается самое интересное.

Продуктовое
Тут практически все сделано по гайдбуку.

- Самая ходовая тема BL.
- Самые ходовые хэштеги.
- Оба героя сконструированы так, чтобы быть привлекательными для основной аудитории жанра.
- Название и формальное описание сюжета выглядят как контейнер со всеми топовыми ключевиками жанра.
- До релиза аудиторию раскачивали и гипотезы тестировали микровидосами в соцсетях.
- Сейчас перед вторым сезоном продолжают вбрасывать мелкие артефакты в фандом.
- Делают и стандартную для таких проектов игру в «персонажи существуют в современном мире как живые актеры». В основном лениво, но иногда там попадаются бриллианты. Фандом, разумеется, жжот.

То есть сверху это выглядит как прекрасно оптимизированная машинка: данные → гипотеза → тест → контент → реакция → следующая итерация.

А потом начинаешь смотреть сам сериал.

Образованческий стендап приглашает гостей и желающих выступить

🕰 9 июля (четверг), 18:30 мск

В Москве, рядом с м. Чистые Пруды, пройдет очередной Педсовет - открытый микрофон для всех, кто работает в сфере образования. Ведущим будет отец наш и этого движа - Вася Федоров.

В боте регистрации @edustandupbot можно зарегистрироваться в качестве зрителя, а если есть смешные истории - в роли комика и выступить на сцене вместе с профессионалами своего дела - Борисом Зелигером и Севой Ловкачевым.

Билеты мы не продаем, но ботик попросит вас внести благотворительный взнос. Мы направим эти деньги в Фонд Новый Учитель - он помогает приводить в школы с серьезным дефицитом кадров крутых творческих учителей.

Основной контент "Педсовета" - про школу,а выступающие - школьные учителя. Я, наверное, расскажу про это свое корпоративное обучение и про работу в вузе. Пошла писать материал.

KIMI - нейросеть, не на слуху, но масса преимуществ для бесплатных юзеров

Включаю теперь Кими во все свои обучалки по нейросетям для условно начинающих, и вот почему.

1️⃣ Режим Sheets - работа с таблицами
При каскаде промптов от запроса на понимание таблицы до запроса на аналитику неплохо справляется с экселькой на несколько листов с кучей шума.
* с "красивыми" таблицами, где объединены ячейки, несколько разных табличек "под человека" на одном листе не справится ни одна нейросеть, так что без претензий
✅ Выгрузки, где четко идут массивы данных по колонкам хорошо обрабатывает на:
- инсайты
- sentiment (по каким темам высказывания в опросе, каков эмоциональный окрас)

2️⃣ Режим Docs
Тут можно настроить себе условный чат по документу в формате док, пдф и т.п.
* если это классная презентация "для человека" с цветовыми акцентами и т.п., не очень четкая инфографика, то накосячит, но это опять же ограничение технологии
✅ Довольно строго, без домысливания поглощает контент и позволяет с ним взаимодействовать

3️⃣ Режим Presentation
Я по-прежнему думаю, что действительно хорошие презы нейросетки не смогут делать никогда, но...
✅ Если вам подходит один из визуальных шаблонов и вы подготовили текст в понятном для нейросети формате:
▪️Маркдаун или просто разные уровни заголовков в гуглдоке
▪️Таблички, буллиты, абзацы
▪️В Заголовке 1 или Подзаголовке написано, что это Лекция, Коммерческое и т.п
Она по крайней мере сделает не-уродски, что будет ок большей части обычных пользователей.
Лайфхак: Прогнать через нее или через другую нейросеть ваш контент, чтобы подготовить задание для создания презентации, а потом уже требовать презу.

4️⃣ Research источников в интернете
Внезапно сделала не хуже Perplexity поиск и приоритизацию исследований по ИИ в HR в России в 2025-2026 году.

❌ Из минусов - в бесплатном режиме периодически перегружена.

🟢 Однозначно в копилку бесплатных инструментов, которые под рукой

🧙‍♀️Канал Ани Бабиной  Телеграм | Макс | Сетка

Баттл с Колей: Эйджизм в найме: приводит ли он к уязвимостью для бизнеса и команд и что можно сделать, если жертва эйджизма - лично вы

Понедельничные дебаты с Николаем Писаренко ❤️.

*Эйджизм в найме - это когда рассматривают кандидатов в конкретном возрастном диапазоне: "до 40", "от 30" и т.п.

Лично я к эйджизму отношусь спокойно, потому что разнообразие менеджерить сложно и это не всегда того стоит.

1️⃣ Разнообразие (Diversity) - возрастное, культурное, профессиональное, когнитивное и др. - требует от лидера
▪️сильных управленческих навыков и power skills,
▪️системного мышления,
Это компетенции управления изменениями, а не регулярного менеджмента. Если от руководителя требуется реагировать на изменения, а не управлять ими, ему намного логичней работать с более однородным коллективом.

2️⃣ Плюсы одновозрастных команд очевидны, когда в приоритете скорость синхронизации и простота управления:
▪️Взаимопонимание строится из простых вещей: общие культурные мемы, представление о норме корпоративной культуры и отношений. Меньше времени уходит на калибровку.
▪️Правила работы органически выстраиваются проще, можно не требовать этих компетенций от руководителя.
▪️Легко делать мотивацию и признание - ожидания и пожелания у людей похожи.

Это правильный вариант для быстрого старта, рутины, решения тактических задач.

🟢НО если говорить об адаптивности в долгосрочной перспективе, то лучше строить разновозрастные коллективы

Женя Вольнов цитирует статью "Почему женщина 50+ это "сотрудник будущего" в эпоху ИИ". Звучит как гимн милфам и сексизму 😊 По факту там описаны критерии устойчивости команд, просто в фокусе компетенции 50+. Их можно дополнить фишками других поколений и получить высокоадаптивную команду. Например:

▪️Карьерные переходы
и насмотренность на стратегии и тактики выживания и успеха при сломе системы - фишечка российских 45+. В комбинации с успешным успехом 30+ и быстрыми треками 20+ такая команда в состоянии выработать такой ответ на вопрос "зачем мы здесь", который обеспечит реальную вовлеченность.
▪️Способность привносить суждение в мир автоматизации
40+ натренированы рожать инсайты и делать выводы без опоры на дашборды. Им нормально делать форсайт и брать ответственность за риск, когда данных пока нет. В синергии с data-driven мозгом более младших поколений получается быстрая генерация и проверка гипотез.
▪️Умение учиться
40+ пережили пришествие компьютеров, интернета и смартфонов после того, как они научились а) выжимать из огромных объемов информации главное и нужное, б) получать пищу для инсайтов из живых людей. Они взаимодействуют с LLM с критически и креативно и грамотно оценивают качество и применимость аутпута. Разновозрастной команде намного проще находить реально полезные точки приложения технологий к бизнесу в силу разного порога входа в digital.

Попробуйте продолжить такой мыслительный эксперимент - вдохновитесь.

✅ Что с собой делать, когда осознаешь, что тебя нахлобучивает эйджизм в найме в 40+

1️⃣ Перепаковать свой опыт в ценность
Рассказывать о себе в настоящем времени: что вы умеете, как снимете боль работодателя и нанимающего менеджера
2️⃣ Рассказывать о достижениях с фокусом на навыки
На уровне резюме это довольно простые формулировки. Не управлял отделом, а применил такую-то технологию, обучил тому-то команду - так мы добились того-то
3️⃣ Переназвать свои крутые компетенции модными словами
Я вот по приколу недавно свою метод.поддержку одного сообщества обозвала "управление UGC-контентом".
4️⃣ Оживить и покачать нетворк
Это максимально нормально сообщать своим довольным бизнес-заказчикам, клиентам, бывшим коллегам о том, что вы ищете работу или проекты. Это работает.
5️⃣ Избавиться от эйджизма в своей собственной голове
Неделю следите сами и при помощи людей за своей речью, отловите эйджизмы типа "ну, в его возрасте такие косяки закономерны", вслух перефразируйте КАЖДЫЙ. Добросовестно делайте это 1 месяц. Когда удивитесь изменениям, напишите мне в личку, какие инсайты словили 😊

А что по поводу эйджизма в найме думает Николай Писаренко - читайте в его блоге.

Баттл с Колей: AGI — ждет ли нас супер-интеллект и что нам с собой делать в эпоху наступления машин

Понедельничные дебаты с Николаем Писаренко ❤️.

Из-за чего, на мои глаза, весь кипеш:

👉 мы уже почти научились измерять интеллект,
👉 можем оценивать рассуждение,
👉 разум и сознание — все еще зона гипотез и интерпретаций.

🔹Интеллект - способность решать задачи. Применяем тесты IQ и видим, что машина тащит.

🔹 Мышление - построение рассуждения. Проверяем законами формальной логики, видим результаты решения сложных для большинства людей задач. Делаем вывод, что машина рассуждает.

🔹Разум - принятие решений с учетом контекста и последствий. Нам свойственно ретроспективно объяснять, было ли решение разумным. Если не сработало — объясним почему решение было неразумным. Если сработало — убедительно расскажем, как «рационально» к нему пришли. Машина это тоже умеет, и нам кажется, что она проявляет разум.

🔹Сознание - уникальный фильтр, через который ты воспринимаешь сигналы мира, обрабатываешь мышлением, принимаешь разумные решения. Наличие сознания мы определяем субъективно. Психиатры вот тоже не всегда сходятся в диагнозах.

В чем проблема?

Мы приписываем ИИ разум и сознание, когда наблюдаем признаки рассуждения. Примерно как в песенке "Прости, Виталик, прости, я выйду замуж за ChatGPT"
▪️язык дает ощущение «человеческого собеседника», ведь больше никто говорить не умеет
▪️логика и адаптация под пользователя дает ощущение «понимания»
▪️эмпатичные по форме ответы дают ощущение «отношения»

👉 мозг достраивает субъекта там, где его может не быть

В будущем ИИ будет: быстрее и убедительнее в рассуждениях. Но это не значит, что у него будет сознание и разум.

Мне близка позиция Мустафы Сулеймана (CEO Microsoft AI): сейчас и далее мы имеем дело с seemingly conscious AI (штука, которая кажется сознательной), он "хакает" человека через эмпатию.

❗️Как в этом жить: мнение L&D

ИИ усиливает интеллект и мышление, но не дает разум и сознание. Не надо с ним тягаться, надо понять, что ценность человека не снижается, а смещается.

Вот что я думаю правильно делать:

1️⃣ Взаимодействовать с ИИ и искать зоны своего роста
У каждого условно "свой ИИ", который зависит от его уровня экспертности и задач: кому-то белковые структуры расшифровать, кому-то оценить качество саженца с гугл-линзой.
▪️Компетенции и крутое бесплатное обучалово

2️⃣ Учиться быть руководителем, т.к. исполнительские роли в интеллектуальных сферах будут планомерно сокращаться и надо будет управлять цифровыми агентами/сотрудниками/скиллами и т.п.
▪️Целеполагание. Не "как" решить, а что вообще надо решить и зачем.
▪️Архитектура задач. Декомпозиция, workflow
▪️Распределение ролей, делегирование, контроль.
▪️Конструктивная и развивающая обратная связь для дообучения системы.

3️⃣ Развивать человеческую эмпатию
Прорывные инновации и просто хорошие решения зависят от "химии" белковых организмов. Важно уметь быстро вливаться и усиливать собой потенциал групп людей.
▪️Берите техники из импровизационных искусств, командного спорта и т.п., которые научают синхронизировать команду и настраивать взаимный обмен.

4️⃣ Развивать творческое мышление
ИИ работает с тем, что уже есть в данных. Инсайты часто приходят из того, где массива данных нет.
▪️Разрешайте себе создавать то, что не имеет прагматического смысла, но хочется в этом проявиться, поймать и выразить какой-то смысл

5️⃣ Собирать портфельную карьеру
Когда ИИ так развивается, ценность белкового сотрудника - не его прошлые достижения, а его потенциал. Стоит думать и рассказывать о своем опыте именно как о доказательстве потенциала и 👆пп. 1-4
▪️Вступайте в трудовые отношения с фокусом: чему я взрывно научусь, что положу в портфель как пруф, об кого я буду думать, с кем я останусь на связи после выхода.

А что по поводу выживания в эпоху могущественного супер-ИИ думает Коля Писаренко - читайте в его канале.

Ставьте ❤️ чей пост вам больше зашел.

🧙‍♀️Канал Ани Бабиной  Телеграм | Макс | Сетка

L&D-AI баттл с Колей Писаренко

Думаю, вы знаете Колю как автора канала Человечно про AI&Tech, ИИ-спикера и евангелиста технологий. Меня давно восхищает его трудоспособность, чуйка на народные тренды и умение обаять и увлечь абсолютно любую аудиторию.

Коля "родом из HR", он проводит корпоративные обучения, поэтому у нас с ним довольно много общих тем, но мнения часто расходятся. После очередной зарубы мы решили поделиться с вами в формате заочных дебатов.

⏰ 5 понедельников в 12-00 мск каждый из нас будет публиковать в своем канале пост со своей позицией и аргументами по темам:

▪️ AGI — ждет ли нас супер-интеллект от машины и как людям себя отстраивать и перестраивать исходя из этого.
▪️Эйджизм в найме — когда компания не нанимает людей 40+, это зачем и почему и даст ли ожидаемый бизнес-результат
▪️Корпоративное AI-обучение — есть ли универсальный рецепт и какой он
▪️Начитались Берсина — каждый из нас выберет и разберет популярное понятие/термин/идею Берсина, которые многие понимают неверно или поверхностно
▪️Тренды L&D+AI — разбираем по одному тренду Offbeat L&D Trends Map из сегмента Human AI Synergy

🔹Читателей попросим честно лайкать, чья позиция ближе. 🧙‍♀️Да, я знаю, что очно я писаренковской харизме проиграю точно, но тут на буковки надеюсь

До понедельника 😊

🧙‍♀️Канал Ани Бабиной  Телеграм | Макс | Сетка

Встреча HR-визионеров в HH

Дарлинги HeadHunter замыслили собирать закрытые оффлайн митапы HR-визионеров в своем уютном офисе. Была на первом. Понравилось.

Интересное:

1️⃣ Когда HH по ошибке вкатил рекомендацию работы курьером всем соискателям, количество откликов резко возросло. Как будто люди просто не думали о такой возможности, а тут з.п. увидели и такие: а почему бы и нет.
🧙‍♀️Конечно, надо строить skill based, но можно просто включить в рекомендации рандом-рулетку. Так дешевле.

2️⃣ Коллеги поделились личным наблюдениями, которые совпадают с моими: количество откликов на вакансии растет, а качество кандидатов на немассовые позиции - нет. Люди часто закрывают немассовые позиции не через job board. Нетворк, сообщества, рекомендации - рулят.
🧙‍♀️Ну, а што вы хотели с этими вашими автоскриннингами резюме и перегруженными рекрутерами.

3️⃣ Что делать с валом идеальных резюме от карьерных консультантов и ИИ никто не понимает. Но работодатели жаждут опции проверки по выписке из электронной трудовой.
🧙‍♀️Как это порешает качество на уровнях профподбора и экзека - не очень понятно, когда у многих портфельная карьера с побочными проектами, а в трудовой, ну, место и должность с периодом работы.

4️⃣ Байка про рецепт пельменей в резюме - фейк.
🧙‍♀️Но вера людей в правдивость этой истории - очень симптоматична.

5️⃣ Поговорили про эйджизм. Оказывается, у HH была попытка забрать у работодателя фильтры по полу и возрасту. Работодатели потребовали вернуть.
🧙‍♀️Я бы не наезжала на НН тут вообще. Если такая корп.культура и рекрутеры не считают нужным/возможным дискутировать с нанимающими менеджерами по этой теме, то отсутствие галочки ничего не решит.

6️⃣ Прикольный тренд - обновлять и не открывать в общий доступ резюме. Как будто люди держат себя в тонусе и посматривают, вдруг чо всплывет.
🧙‍♀️Вообще, очень логичное поведение на текущем рынке. Особенно с учетом того, что у многих работает так: откликнулся в HH и включил нетворк, чтобы на тебя обратили внимание.

❤️ А еще было приятно: идешь такой на тусовку одын совсем одын, а там - знакомые любимые лица + развиртуалы с сетевыми знакомыми + новые встречи с интересными людьми.