AI Assistants

Команда холдинга «Коломенский» выступила на конференции 1С с рассказом о нашем совместном проекте Я уже писал о нем, постараюсь больше этого не делать, а писать про новые 😊 Но тут такая причина, мимо которой я не мог пройти — вот этот слайд. Посмотрите на него. Это не «давайте внедрим ИИ-шечку». Это — наглядное пособие по тому, как выглядит по-настоящему зрелый управленческий подход: • Правильно сформулировали вопрос. Вместо попыток заставить людей работать быстрее с помощью ИИ, они спросили: «Что нужно перепроектировать в процессе, чтобы машина смогла забрать эту задачу?» • Услышали людей. Сопротивление сотрудников восприняли не как саботаж, а как сигнал. Произошло четкое разделение: системе отдали то, что не требует внимания. Человеку оставили то, что требует суждения • Выстроили доверие. Параллельная эксплуатация (когда человек и система работают вместе) стала не техническим этапом тестирования, а психологическим переходом. Доверие нельзя спустить приказом по компании. В итоге люди перестали быть живым буфером между бумагой и системой. Уровень зрелости менеджмента вызывает огромное уважение. Полная версия презентации есть в канале Владимира Девятьярова

Нашему голосовому помощнику исполнился 1 год Я часто говорю: чтобы получать от ИИ (да и от коллег) хорошие результаты, нужно давать много контекста. А печатать длинные тексты руками — непозволительная роскошь. Год назад мы написали для себя утилиту AI Voice Clipboard для Windows. Идея простая: нажимаете кнопку, наговариваете мысли, и готовый текст сам печатается там, где сейчас стоит курсор — в почте, Telegram, Word или где бы то ни было. При этом программа не просто переводит голос в буквы: • Нейросеть на лету убирает «мэканье», исправляет оговорки и причесывает стиль. • Она понимает ваш рабочий сленг. Программа уверенно распознает жуткие корпоративные аббревиатуры (вроде УМПК или ГБОУЖЛ), на которых ломаются обычные диктофоны. • Умеет разворачивать ваш сленг в формальные фразы. Например, вы диктуете «бюджетная шахматка», а программа пишет «детализированная матрица распределения бюджета». На день рождения мы подарили AI Voice Clipboard новый интерфейс. Теперь программа выглядит современно, настраивается в пару кликов и приносит еще больше пользы и удовольствия. А главное — для ее установки не нужны админские права. Мы по-прежнему выкладываем AI Voice Clipboard в открытый доступ и не берем за него денег. Если вы устали бить по клавишам, формулируя длинные задачи, письма или промпты — забирайте и экономьте время. Скачать обновленную версию можно в нашей «Лаборатории»

Как не разориться на ИИ: почему агенты сжигают бюджеты Что сейчас происходит в мире при использования ИИ для программирования? На рынке столкнулись две волны: Интеллект дорожает. Как минимум два из трех главных вендоров задирают цены на доступ к своим новым моделям. Иногда — в разы. Агенты жрут токены. Автономные системы потребляют в сотни раз больше контекста, чем привычные чат-боты. Юнит-экономика компаний ломается из-за взрывного роста самого объема данных в задачах. В итоге заголовки новостей всё больше напоминают сводки финансовых катастроф: Microsoft отменяет внутренние лицензии на Claude Code, Uber сжигает годовой ИИ-бюджет за 4 месяца, а в Nvidia расходы на использование нейросетей превышают фонд оплаты труда. ИИ — это мощнейший ресурс. Но без методологии, стандартов и контроля он превращается в черную дыру. Раздавать разработчикам безлимитный доступ к тяжелым моделям без выстроенного пайплайна — это всё равно что топить печь ассигнациями. Без грамотного управления вы получите астрономические счета от вендоров, которые никак не бьются с реальными результатами разработки. Возникает логичный вопрос: сколько реально нужно денег, чтобы разработчики работали значительно быстрее традиционного способа, но при этом не разорили компанию? По моему опыту, если грамотно маршрутизировать задачи, отдавая рутину быстрым моделям, а сложную архитектуру — тяжелым, и четко контролировать потребление токенов, адекватный бюджет составит около 50 000 - 70 000 рублей в месяц на специалиста. Этого вполне достаточно, чтобы дать стабильный буст к производительности на 30%.

Утечка OnlyFans на 340 миллионов пользователей: чем займется ИИ на выходных В сети шум: хакеры продают базу пользователей OnlyFans — якобы 340 миллионов записей. Мне даже немного обидно, что в такой масштабной исторической тусовке меня точно не будет. Но академический интерес остается: а как вообще можно проанализировать такой большой массив информации? Изучать этот объем «руками» невозможно. И здесь самое смешное (и жуткое): современная ИИ-индустрия способна любую катастрофу превратить в дашборд, питч-дек и очередной SaaS-продукт. Вот как выглядел бы конвейер обработки такого слива: • Предиктивный деанон (Машинное обучение). Свести одинаковые email-адреса из разных сливов можно и обычным скриптом. А вот ML-модели нужны для аналитики паттернов — мутаций паролей и логики никнеймов. Они не дают 100% доказательств, но высчитывают высокую вероятность того, что анонимный HotBoy99 и Ivan_Petrov из слитой базы доставки еды — один и тот же человек. • Визуальный OSINT (Компьютерное зрение). Пользователи редко ставят реальные фото на такие сервисы. Но моделям и не нужно лицо. Достаточно того, что на аватарке стоит кусок картинки с машиной или фото кота, которое этот же человек пять лет назад засветил на городском форуме. • B2B-аналитика. Вы думаете, никто не регистрируется на таких сайтах с рабочей почты? Закон больших чисел гарантирует тысячи «оптимистов» с корпоративными доменами. Простой фильтр плюс генеративный ИИ — и вот уже готов красивый BI-отчет о том, советы директоров каких компаний активнее всего «инвестируют в независимых авторов». • Автоматизация отмазок (Crisis Management). Как только данные структурированы, можно запускать AI-агентов. Они будут автоматически генерировать персонализированные линии защиты и рассылать их женам «пострадавших»: «Дорогая, я не развлекался, это было глубокое конкурентное исследование подписочной бизнес-модели!» В 2026 году любая крупная утечка — это уже не просто повод для скандала. Это суровая реальность, в которой даже чужой человеческий стыд кто-нибудь обязательно завернет в красивый демо-стенд.

Как потерять команду за месяц, или обратная сторона медали Я считаю, что сотрудники, саботирующие внедрение ИИ, должны получать предложения о переходе на должности, где ИИ неприменим. И я считаю, что сотрудник без ИИ — преступление его руководителей. Но есть и обратная сторона медали — когда ИИ-хайп сносит крышу самому руководству, и страдать начинают адекватные специалисты. Недавно подписчик поделился реальной историей: В компании внедряют AI-инструменты (в данном случае Cursor). Разработчик искренне готов с ними работать. Но что делает его руководитель? Берет стул, садится за спину сотрудника и 8 часов в день диктует ему свои промпты. Инженерная экспертиза подписчика летит в мусорку. Человек превращается в белковую прослойку между фантазиями начальника и клавиатурой. Логика потрясающая: ➡️ сгенерированный код работает — «классный у нас ИИ» ➡️ код падает — виноват разработчик, который не так ввел промпт. Итог предсказуем: автор истории уволился, за ним уходят другие ключевые разработчики. Новые технологии не спасут бизнес от отсутствия эмпатии и управленческих навыков у менеджеров. Здесь всё задушил микроменеджмент. В десяти других местах будут другие причины провала. Но вполне возможно, что в постмортеме от этих самых недоруководителей будет записана удобная ложь: «команда ушла в знак протеста против внедрения ИИ».

Есть как минимум два подхода (продолжение) Выбирать один из них не обязательно — лучше всего они работают в связке • Внедряйте ИИ там, где НЕ нужна инициатива людей. Не ждите, пока сотрудники сами захотят использовать новые инструменты. Встраивайте ИИ в процессы «под капотом». Пример — автоматический ИИ-аудит изменений кода перед переносом в прод. Разработчику не нужно ничего запускать или менять свои привычки, он просто получает результаты ревью и описание багов, которые он оставил. Здесь работает системная архитектура, а не личный энтузиазм • Управляйте изменениями как HR-проектом. Внедрение ИИ делают люди. Ищите тех, кто на уровне ДНК тяготеет к инновациям и любит тестировать новое, даже вопреки корпоративной гравитации. И главное правило: держите подальше от ИИ-трансформации сотрудников, чья базовая мотивация — это стабильность и надежность. Какими бы крутыми, заслуженными и профессиональными экспертами они ни были, их естественное поведение задушит любые инновации на старте Итого: либо меняйте сам конвейер так, чтобы он работал без участия человека, либо собирайте для старта отдельную команду, которой действительно интересно ехать по новым рельсам Я сам за последние полтора года: • Насмотрелся такого у «опытных менеджеров, внедренцев и трансформаторов на местах», что кровавые слезы из глаз • Стал способен дать сотни и, возможно, тысячи рекомендаций о том, как нужно и как не нужно внедрять ИИ. Приходите за экспертизой, я готов ее продать 🙂

Почему ваши программисты будут саботировать внедрение ИИ Вы внедряете ИИ, чтобы ваши разработчики писали код быстрее и закрывали больше задач. А вы задумывались, зачем это самим разработчикам? Давайте честно: сопротивление ИТ-команд (и не только ИТ) абсолютно рационально. В корпоративной среде безотказно работает правило: «наградой за быстро выкопанную яму становится лопата побольше» Если взглянуть на ситуацию глазами сотрудника, логика предельно ясна: • Больше пота за те же деньги. Если ИИ ускоряет написание кода на 30%, менеджмент просто увеличивает норму выработки. Зарплата не меняется, а интенсивность конвейера растет • Из творцов — в проверяющие. ИИ генерирует код мгновенно, но его нужно тщательно вычитывать. Проверять и исправлять чужой код часто сложнее и скучнее, чем писать свой с нуля. Это прямой путь к выгоранию Люди не будут поддерживать изменения, которые ухудшают их жизнь и искренне назовут вам 100500 причин почему ИИ не работает Так как же быть?

Продавцы во все времена любили приукрасить возможности своего продукта Но хайп вокруг ИИ привел в его продажи самых упоротых фантазеров. Сейчас даже уважаемые вендоры смело обещают бизнесу то, что технологически реализовать пока не способны. Я своими глазами вижу это каждый день Значит ли это, что ИИ — мыльный пузырь? Абсолютно нет. ИИ — это настоящая революция. Просто реальные возможности продуктов часто не дотягивают до предпродажных обещаний Главное правило заказчика сегодня: не дайте себя обмануть • Игнорируйте «черри-пики». На демостенде вам покажут только идеальные примеры. Требуйте стабильного, воспроизводимого результата на потоке ваших реальных, «грязных» данных • Уточняйте детали. Как именно это работает под капотом? Что происходит, когда модель ожидаемо ошибается? • Не верьте на слово. Проверяйте информацию и требуйте прозрачности ИИ дает эффекты только там, где заканчивается маркетинг и начинается суровая инженерия

Иллюзия 5-минутного ИИ, или Почему прототип — это не продакшен Собрать базового ИИ-ассистента сейчас можно за выходные. Но в энтерпрайзе, где нужны точность и контроль качества, строить решения по прямой схеме Задача ➔ LLM ➔ Ответ — это архитектурное самоубийство. Слишком хрупко Даже с самыми лучшими моделями работает так: 3 раза из 10 они приятно удивят, 6 раз выдадут нормальную базу, а 1 раз эпически ошибутся на ровном месте. И этот 1 раз перечеркивает всё хорошее, что было до этого Поэтому в серьезном продакшене LLM всегда обкладывают guardrails (защитными барьерами): 1. Алгоритмическими: жесткая валидация ответа LLM 2. Гибридными: связка дополнительных вызовов LLM + алгоритмизация 3. LLM-аудиторами: когда вторая модель (часто более легковесная) проверяет ответ первой на адекватность Именно на этапе перехода от прототипа к защищенному решению стоимость и сроки вырастают кратно. Поэтому, если вам обещают внедрить ИИ в процессы за пару дней («там делов-то — API дернуть») — относитесь к этому со здоровым прагматизмом. Настоящая инженерия начинается уже после того, как вы получили от модели первый красивый ответ.

ИИ не хороший и не плохой. Он такой, на каких данных учился Представьте себе ситуацию: если в обучающей выборке все врачи всегда были мужчинами, модель будет думать, что женщина не может быть врачом. Но вина ли это модели? Алгоритм лишь отражает мир, который ему показали. Собрать идеальный датасет и обучить модель вообще без отклонений и предвзятостей — задача крайне сложная Не могу не поделиться отличным постом на эту тему, который наглядно показывает, насколько это (не) удается сделать в реальной жизни Коллеги разобрали свежий и весьма дистопичный бенчмарк KillBench. В нем нейросетям предлагают решить классическую «проблему вагонетки»: кого спасти из горящего здания, а кем пожертвовать Спойлер к результатам тестирования: если у вас нет мобильного телефона, ИИ убьет вас с вероятностью в 2,7 раза выше. Для нейросети это хуже сатанизма.

Сколько контекста нужно ИИ для хорошего результата В прошлых постах я уже упоминал: чтобы получить от LLM хороший ответ, ей нужно отдавать не только саму задачу, но и контекст (почему и для чего вы это делаете). Возникает логичный вопрос: а сколько именно контекста нужно, чтобы результат получился рабочим? Отвечу прямо — много По моему опыту, качественная постановка задачи — это хотя бы 2–3 страницы формата А4 (11-м шрифтом). Именно в такой объем нормально укладываются предыстория, ограничения, детали бизнес-процессов и ваши ожидания Понятно, что набивать такой объем на клавиатуре каждый раз — непозволительная трата времени. Поэтому я этот текст просто наговариваю. Например, через наш AI Voice Clipboard или любой аналогичный продукт. Надиктовать плотный поток мыслей на три страницы можно буквально за 5–7 минут В дополнение к этому — небольшой личный лайфхак. Я всегда сохраняю не только финальные результаты работы с LLM, но и саму надиктованную постановку. Под каждый проект у меня создаются папки, где лежит исходник (файл дата-постановка-такая-то.docx) и уже сгенерированные артефакты: ТЗ, письма, протоколы. Если через месяц в задаче что-то поменяется или потребуется сделать смежный документ, мне не нужно вспоминать детали и наговаривать базу с нуля. Я просто отдаю модели старый файл с контекстом, добавляю пару новых вводных и спокойно работаю дальше.

ИИ — отличный аудитор Попробуйте скормить по-настоящему хорошей модели свое письмо, отчет или ТЗ и контекст к нему (почему и для чего вы это пишете). А затем попросите покритиковать текст и предложить улучшения. Вы будете удивлены качеством обратной связи. Сделайте это ежедневной рутиной — и быстро получите системный эффект Но главная суперсила ИИ раскрывается в аудите кода. Он подсвечивает абсолютно слепые зоны. Нейросети находят неочевидные хрупкости, логические нестыковки и краевые кейсы даже в очень качественном Senior-коде И это не преувеличение. Вы наверняка уже видели новость: компания Anthropic создала новую модель Claude Mythos, но отказалась выпускать ее в открытый доступ. Причина? Модель оказалась слишком хороша. Она автономно нашла тысячи критических уязвимостей (некоторым багам было по 27 лет!) в самых популярных ОС и браузерах, превзойдя лучших безопасников мира. Теперь эту модель используют закрыто, спешно латают дыры, которые до сих пор позволяют получить полный доступ к сотням миллионов компьютеров по всему миру Если сделать ИИ-аудит частью пайплайна подготовки релизов, вы начнете ежедневно отлавливать критические баги до выкатки в прод. Меньше аварий, дешевле разработка, стабильнее продукты.

Как вычислить текст от ИИ за одну секунду Те, кто плотно работает с LLM, умеют на глаз отличать тексты разных нейросетей. По стилистике вполне реально понять, к какому семейству принадлежит автор: ChatGPT, Gemini или китайские модели вроде Qwen Но отличить ИИ от живого человека еще проще. И дело даже не в формулировках. Есть один железобетонный визуальный маркер — длинное тире В Word используется дефис (-) или короткое тире (–). А вот искусственный интеллект всегда генерирует типографски безупречное длинное тире («—»). По этому символу за секунду становится понятно, кто готовил финальную версию текста 🙂 Признаюсь честно: раньше я вручную вымарывал эти длинные тире и менял их на обычные. А потом поймал себя на мысли — какого черта? «Умные помощники», создают ИИ-продукты для бизнеса. Абсолютно логично и правильно, что мы сами по максимуму используем нейросети в своей ежедневной рутине. Было бы странно, если было бы иначе Так что стесняться нечего: свои посты я пишу в соавторстве с ИИ 🙂 Ну а если вы раньше не знали про маркер с длинным тире — теперь знаете

ИИ-автоматизация: где искать процессы с гарантированным ROI Вот направления, где генеративка и компьютерное зрение дают самый быстрый и измеримый эффект: • Умные корпоративные ассистенты. Вместо ручного поиска по регламентам — ИИ-суфлер, который мгновенно дает точный ответ по внутренней базе знаний. Отлично работает для онбординга, ИТ-поддержки и везде, где есть частые запросы к корпоративным данным • Анализ и сверка документов. Проверка договоров, актов, сложных спецификаций. ИИ извлекает неструктурированные данные и проверяет их на логику и соответствие правилам • Бизнес- и системный анализ, разработка. Здесь нужно не «вайб-кодить», но внедрить новые методологии работы. Если сделать все правильно, то эффект будет больше, чем у мирного атома План действий из 3 шагов: 1. Ищем «пожирателей бюджета». Выбираем процессы, которые обходятся компании дороже всего — как напрямую, так и косвенно (например, из-за задержек в смежных подразделениях) 2. Фильтруем «хотелки». Нашли процесс? Отделите бизнес-требования от капризов. Золотое правило: если требование меняется при смене руководителя или заказчика — это личное мнение, а не бизнес-требование. Автоматизировать нужно фундаментальную логику бизнеса, а не субъективные вкусы. Тогда это надолго 3. Советуемся с профи. Идем к ИИ-экспертам, чтобы точно понять, что из выбранного ИИ действительно сделает хорошо, а что — нет. Выкидываем фантазии Профит.

Как НЕ надо внедрять ИИ: три главных антипаттерна Универсального рецепта успешного внедрения ИИ не существует – он рождается под задачи конкретной компании. Зато легко сказать, как делать не надо, чтобы избежать граблей на старте – от слепого ТЗ до хаоса в разработке Вот три типовые ошибки: • ТЗ без ИИ-экспертов. Писать требования самим – верный способ раздуть ценник х10 из-за фантазийных фич. Привлекайте профи до тендера: так вы оставите в плане работ только то, что даст максимум пользы при минимуме затрат и в кратчайшие сроки • Зоопарк решений. Нанимать параллельно разных подрядчиков без единой инфраструктуры – значит получить набор несовместимых костылей. Базой и архитектурой должен управлять кто-то один • Ждать своих. Надеяться, что штатные ИТ-специалисты с нуля освоят AI – значит потерять 1-2 года. Вы же не пишете сами корпоративную почту или BI-систему, правда? Идите на рынок за готовой экспертизой.

Меня часто спрашивают, какую модель я использую Сегодня выбор нейросети и вообще AI-инструментов – это скорее HR-задача, а не техническая. Я не шучу. Как и в реальной жизни, у каждой модели свой «характер» и сильные стороны. И нет одного идеального универсала. Под каждую задачу я собираю команду, где все дополняют друг друга 99% времени мои задачи закрывает эта тройка: 🤖 Gemini Pro – быстрый гений. Моментально схватывает суть, но зачастую теряет мелкие детали 🤓 GPT-5.2 (5.4) – умный дотошный зануда. Вкапывается в нюансы, но из-за этого может потерять общую картину задачи ⚡️ Gemini Flash – первая линия. Молниеносно пережевывает гигантские объемы данных. Суперкачества от него не жду, он просто быстро готовит черновик для передачи остальным Секрет в правильной комбинации: каждый работает строго на своем участке И, да, наш AssistNow GPT, позволяет пользователю выбирать любую модель. От проприетарных западных для решения общих задач, до локальных для обработки персональных данных

Как мы подружили ИИ и булочки: кейс с Холдингом «Коломенский» 🥖🤖 Наконец-то могу поделиться результатами большого проекта Дано: Холдинг «Коломенский» (№1 на рынке хлеба). Проблема: надо проверить 2 000 000 (да-да, два миллиона, Карл!!!) страниц бумажных (так надо) документов в месяц Представьте себе эту гору первички, которую нужно проверить глазами и руками. Тлен, безысходность, риск пропустить пометки от руки или ошибочную печать Что мы сделали: Создали и развернули систему, которая позволила перестроить процессы. Система «читает» сканы как минимум не хуже человека Наше ИИ-ядро теперь: ✅ Само ищет печати и подписи ✅ Сверяет их с эталонами ✅ Распознает пометки от руки типа «отказ в приемке» или вычерки (это вообще магия) Результаты, которых мы уже добились: • Минус 60% рутины. Больше половины ручной работы просто испарилось • Скорость: Раньше проверка могла тянуться неделями, теперь – одна смена • Прозрачность: Руководство видит статус каждой накладной в реальном времени Я не пишу здесь о том, каков эффект в деньгах. Думаю, вы и сами можете прикинуть, сколько нужно людей на проверку 2 млн страниц первички в месяц и что такое 60% от их стоимости. И это – результаты всего лишь первых 4 месяцев с момента первого обсуждения задачи. Большинство компаний за это время не могут согласовать даже график проекта и бюджет 🙃 а мы – дали прямые реальные эффекты В общем, пока вы доедаете утренний батон, наши алгоритмы следят, чтобы документы на него были в полном порядке Едем дальше! 🚀 #Кейс

Вебинар по GigaChat для бизнеса Обратите внимание на совершенно четкое позиционирование Gen AI в целом. Никаких инфантильных заигрываний с аудиторией. Gen AI – это в первую очередь возможности для автоматизации бэк-офиса https://disk.yandex.ru/i/ogJCB5BALMiotQ

🧪 Открываем «Лабораторию» AssistNow Мы создаем себе внутренние инструменты, чтобы ускорить свою же работу. Решили, что не будем жадничать – будем делиться ими с вами. Бесплатно Сделали на сайте новый раздел, и первый лот уже там – AI Voice Clipboard для Windows Это маленькая программа, которая делает две большие вещи: 1️⃣ Качественная диктовка. Встали в любое поле ввода (Word, Telegram, …), нажали кнопку – надиктовали текст, нажали еще раз – готово, текст в поле. Работает на базе быстрой модели Qwen 2️⃣ LLM-магия с буфером. Копируете текст в буфер и говорите голосом, что с ним сделать: «Исправь ошибки», «Перепиши официально» или «Переведи на английский». Результат вставляется в активное поле Всё работает через наш облачный бэкенд Забирайте, тестируйте и пишите фидбэк – нам интересно, как это приживется у вас 🔗 Скачать можно тут: https://assistnow.ru/#labs Upd. При установке может ругаться SmartScreen Windows, писать про то, что это программа из не доверенного источника. Ну что ж, с точки зрения Windows это так 🤷‍♂️ А вы сами решайте сами – доверять нам или нет 🙃 #Лаборатория

Сделали себе новый сайт В прошлый раз занимались этим полтора года назад. И на тот момент все делалось руками в специализированном редакторе В этот раз руками было внесено несколько мелких правок по тексту и подготовлены скриншоты. Все остальное полностью создано ИИ - Изображения – Nano Banana Pro - Текст – Gemini 3 Pro - Верстка – Gemini 3 Pro Время на создание сайта – 4 часа https://assistnow.ru