Владимир Лещенко | ИИ без иллюзий

Получил комментарий от генерального директора группы компаний «Алмаз», игротехника и психолога Глеба Смирнова https://t.me/almazgk ❗️Когда человек узнаёт, что эмоционально значимый текст создан ИИ, срабатывает когнитивный диссонанс, корни которого — в эвристике усилия: мы бессознательно приписываем ценность сообщению пропорционально вложенному в него труду. Обнаружение обратного запускает не рациональный, а аффективный механизм — ощущение фальши и обмана, даже если фактические смыслы не искажены. Водяные знаки Claude — технология, делающая происхождение явным, но они не решают проблему доверия, а лишь обнажают разрыв между переживанием и источником. Исследования в области взаимодействия человека и ИИ показывают: доверие восстанавливается не скрытой маркировкой, а открытым признанием степени участия автора — например, «сгенерировано ИИ, но лично отредактировано». Это превращает технологию из инструмента контроля в элемент честного социального контракта. Без него любая метка остаётся формальностью, а не гарантией искренности. Согласны?

Важная новость для понимания вектора развития генеративного ИИ. Claude теперь «подписывает» всё, что пишет. И это меняет правила игры. С 2 августа Anthropic начала вшивать в тексты Claude невидимые водяные знаки — метки, которые не видны глазу, не портят смысл, но могут пережить копирование и правки. Для картинок и файлов — отдельная история: метаданные по стандарту C2PA, которые покажут, трогал ли Claude файл и что с ним делали потом. Формально это ответ на европейский AI Act — с 2 августа 2026 новые модели в ЕС обязаны маркировать сгенерированный контент. Но Anthropic пошла дальше требований и включила метки глобально — не только в вебе, но и в API, Claude Code, Claude Cowork, Claude Tag, а также в облачных интеграциях через AWS, Google Cloud и Microsoft Foundry. ❗️Что это значит на практике: • Дипломные работы, книги, статьи, написанные Claude «под ключ» — рискуют получить незаметную метку, которая всплывёт, когда меньше всего этого ждёшь • Метка не железобетонна: сильный рефакторинг, перевод, смешивание с другим текстом — и след теряется • Но и отсутствие метки не доказывает, что текст писал человек. Юридической опоры здесь пока нет — есть лишь техническая тень 🤔Моё мнение: это не про “поймать читеров”, это про создание инфраструктуры доверия к контенту в мире, где невозможно на глаз отличить человека от модели. Европа продавила регуляторную рамку — и крупный игрок предпочёл применить её везде, а не делить пользователей на “европейских” и “остальных”. ✊Это важный сигнал: комплаенс становится глобальным дефолтом, а не локальной костью, которую бросают одному рынку. А что в России? У нас регуляторной рамки, аналогичной AI Act, пока нет — а значит, и требования к маркировке ИИ-контента не оформлены как юридическая обязанность. Хотя движения в эту сторону есть…Российские модели (YandexGPT, GigaChat и другие) сейчас не обязаны внедрять подобные скрытые водяные знаки на уровне текста. Это создаёт странный разрыв: пока западные модели постепенно встраиваются в систему “прозрачности происхождения контента”, российский рынок остаётся зоной, где ИИ-текст неотличим от человеческого — ни технически, ни юридически. Для образования, науки, издательского дела и корпоративной среды в России это означает: проблему подмены авторства “решают” пока только внутренними регламентами и честностью, а не технологией. Если тренд глобализации маркировки (как у Anthropic) продолжится, у российских регуляторов и разработчиков ИИ появится развилка — либо создавать свои механизмы происхождения контента, либо оставаться в серой зоне, где доверие к тексту держится на словах, а не на метаданных. А для вас было бы ценна подобная маркировка контента?

Друзья, вчера опубликован пакет поручений по цифровизации, и это не рутинная бюрократия — это сигнал: отечественная разработка становится не благотворительностью, а выгодной сделкой. Главное, от чего должно ёкнуть сердце любого, кто делает российский софт: ▶️ Гранты — до 80%, а не до 50%. Если раньше государство закрывало половину сметы особо значимых промышленных ИТ-проектов, теперь речь о четырёх пятых. Это меняет саму экономику решения «делать самим или ждать». ▶️ Регионы получают карт-бланш на льготы. До 1 декабря главам регионов рекомендовано расширить УСН для ИТ-компаний — 3% на «доходах» и 8% на «доходы минус расходы». Разработка вне Москвы и Петербурга наконец получает шанс не задыхаться от налогов. ▶️ Российский ИИ — в приоритет госзакупок. Минцифры и Минфин должны подготовить поправки до 15 декабря, а через 10 дней появится конкретный перечень нужных ИИ-сервисов для энергетики, транспорта, промышленности. Это не абстрактная поддержка — это реальный госзаказ на отечественные LLM. ▶️ КИИ переходит на отечественное ПО по правилам, а не в хаосе. Появится порядок замены иностранного софта с учётом непрерывности производства — то, чего давно просил рынок. ▶️ Российские САПР проходят проверку боем. До 1 октября промышленность даст обратную связь по функциональности отечественных систем 3D-моделирования и PLM — включая совместимость с иностранными платформами. Момент истины для тех, кто годами говорил «наши САПР ещё не готовы». ▶️ Данные и стратегии — в единый контур. Отраслевые модели данных, единая платформа доступа к промышленным датасетам, синхронизация цифровой трансформации со стратегиями отраслей — всё это до 15 декабря. ❗️Почему это важно именно сейчас: финансовые стимулы перестраиваются так, чтобы российское ПО и ИИ стали выгоднее иностранных альтернатив, а не просто «единственным доступным вариантом». 🙏Для тех, кто в САПР, промышленном ИИ и цифровизации производства — это буквально момент, когда рынок и госполитика синхронизируются. Следующие полгода определят, кто успеет встроиться в эту волну грантов и приоритетных закупок, а кто останется наблюдателем.

«Росатом» запускает ИИ-агентов: 6 пилотов уже этой осенью Руководитель направления по отраслевой координации развития ИИ и инновационной деятельности АО «Гринатом», член Ассоциации лабораторий искусственного интеллекта Владимир Лещенко принял участие в дискуссии «Когда у всех будет одинаковый ИИ, кто останется впереди?» в рамках масштабного летнего офлайн-проекта «ИТ-Пикник» в музее-заповеднике «Коломенское». В ходе дискуссии Владимир Лещенко выразил мнение, что ИИ становится базовой технологией — как когда-то ей стали интернет или облачные хранилища. За последние три года ИИ‑инструментами пользовались более 1,2 млрд человек — искусственный интеллект распространяется среди людей быстрее, чем интернет и смартфоны. Важным шагом в развитии искусственного интеллекта в «Росатоме» станет создание отраслевой ИИ‑платформы — проект стартовал в «Гринатоме» в 2026 году. Осенью «Росатом» запускает опытную эксплуатацию шести ИИ‑агентов с учетом требований регуляторов. К декабрю 2026 года их планируют перевести в промышленную эксплуатацию. Задача на 2027-й — увеличить количество ИИ-агентов до 20. Спикер отметил, что успех развития ИИ зависит от сочетания технологий, данных, экспертизы и скорости внедрения, а также от партнерства — в том числе с поставщиками суверенных генеративных моделей, институтов развития и регуляторов. «Сейчас рынок переоценивает возможности автономных ИИ‑агентов и тотальной автоматизации. Реальность будет гибридной: ИИ станет «невидимым» помощником в системах проектирования, анализа рисков и поддержке специалистов. В Росатоме мы будем двигаться к тому, чтобы ИИ был частью повседневной работы в условиях сложной инфраструктурной отрасли: от систем проектирования до систем принятия инженерных решений, основываясь на данных», — подчеркнул Владимир Лещенко. ⚛️ Подписывайтесь на Атомный ИТ в MAКС — канал об информационных технологиях в атомной отрасли

Друзья, в субботу весь день с семьей провел на ИТ-Пикнике в Коломенском. Помимо хорошей погоды, чудесного вайба, концерта принял участие в дискуссии с коллегами. Зацепились с руководителем обработки естественного языка Т-банка Артемом Бондарем об элементе, без которого машинное обучение в компании остаётся красивой презентацией, пилотом и очередной строкой в стратегии. ❗️О ML-культуре❗️ И я поймал себя на мысли: именно здесь проходит настоящий водораздел между теми, кто использует ML, и теми, кто действительно строит бизнес с помощью ML. 🫡ML-культура — это не «у нас есть data science-команда». И не десяток моделей в корпоративном контуре. Это привычка компании принимать решения на данных, быстро проверять гипотезы, не бояться признавать ошибку модели — и отвечать за результат после её запуска. 🤝Финтех и бигтех давно живут в этой логике. Там модель — не музейный экспонат и не финальный отчёт по пилоту. Она ежедневно влияет на клиентский опыт: кому показать предложение, где предотвратить мошенничество, как ускорить решение, какой следующий шаг сделать в продукте. Результат виден быстро — в конверсии, риске, удержании, выручке. А значит, у ML есть право быть частью операционной ткани бизнеса. 🤔В промышленности всё иначе. Длиннее циклы. Выше цена ошибки. Данные часто живут в разрозненных АСУ ТП, MES, ERP, исторических архивах и головах опытных специалистов. Здесь нельзя просто «взять модель из финтеха» и ожидать чуда. ❗️Но именно поэтому промышленности ML-культура нужна, возможно, ещё сильнее. Потому что предиктивная модель без доверия инженера — не влияет на ремонт. Модель контроля качества без интеграции в процесс — не снижает брак. Прогноз без понятного владельца решения — остаётся графиком на дашборде. Внедрять ML-культуру нужно не тогда, когда «данные будут идеальными» или появится огромный бюджет на корпоративную ИИ-платформу. А тогда, когда у бизнеса появилась повторяющаяся, дорогая и измеримая проблема — и есть готовность изменить процесс, если данные покажут другой путь. С чего начать? ✅Выбирать не самую модную, а самую болезненную бизнес-задачу. ✅Сразу договориться, какая бизнес-метрика докажет успех. ✅Собрать в одной команде бизнес, технологов, владельцев данных, ML-специалистов и эксплуатацию. ✅Сделать пилот, но с первого дня думать: кто будет пользоваться решением, что произойдёт при ошибке и как модель будет обновляться. ✅Учить руководителей и сотрудников говорить на языке данных, а не ждать «магии от нейросети». ✅Создавать пространство, где удачные эксперименты масштабируются, а неудачные — становятся знанием, а не поводом скрыть проблему. ML-культура начинается в тот момент, когда компания перестаёт спрашивать: «А можем ли мы внедрить искусственный интеллект?» Вот тогда ML перестаёт быть технологией. И становится новой управленческой культурой. А в вашей практике ML стала частью менеджмента?

Размышления перед выходными… Конкурс на новый факультет искусственного интеллекта МГУ составил 127 человек на место, сообщили РИА Новости в пресс-службе вуза. Но до актеров еще далеко…

А теперь серьезно! Каждый день вы читаете тексты, смотрите лекции, участвуете в проектах, решаете сложные задачи, ведёте переписку и встречи. Но через пару недель всё это превращается в смутные воспоминания: «где‑то видел», «о чём‑то говорили», «надо найти ту статью». ИИ может стать системой, которая "не забывает": ✅автоматически фиксирует, какие темы вы изучали; ✅ вытаскивает из ваших заметок, писем и документов ключевые понятия и связи; ✅ превращает хаос информации в аккуратную карту: «вот здесь у тебя сильная аналитика, вот здесь системное мышление, а вот тут — только первые шаги». ❗️По-сути, в условиях утечки знаний ИИ — это ваша личная гидроэлектростанция Карта личных знаний: не красивая схема, а рабочий инструмент. А ИИ станет эффективным помощником. Что может делать ИИ‑ассистент: ✅ разбирать ваши проекты и задачи, выделяя "компетенции", которые вы реально применяли; ✅ показывать траектории роста: «ты уже третий проект подряд используешь навыки X и Y — пора оформить это в чёткую компетенцию и усилить её»; ✅ честно подсвечивать пробелы: «вот область, где ты только собираешь ссылки, но ещё ни разу не пробовал применять». Это уже не список пройденных курсов, это "живая карта", где каждая компетенция привязана к реальным действиям ❗️ИИ становится личным онтологом и отвечает на вопрос - кто ты на самом деле в мире работы? В профессиональных системах используют онтологии — формальные модели, чтобы описывать связи между ролями, задачами и знаниями. ИИ может делать то же самое для вашей личной жизни и карьеры. Пример: ✅ вы ведёте проекты — ИИ видит навыки управления требованиями, рисками, коммуникацией; ✅ вы пишете тексты — добавляются компетенции структурирования знаний, сторителлинга, критического мышления; ✅ вы разбираетесь в ИИ — фиксируются навыки работы с моделями, данных, этики и безопасности. ИИ строит "вашу личную онтологию": не «менеджер/аналитик/эксперт», а конкретное сочетание компетенций, ролей и типов задач, в которых вы сильны. Это и есть ваш настоящий профессиональный «гороскоп» — но основанный не на звёздах, а на данных. Вместо резюме — динамический профиль компетенций Почему это важно? Потому что мир уже движется от статических резюме к динамическим профилям компетенций. Организации, описанные в отчёте, используют карты компетенций, чтобы собирать команды под уникальные задачи, а не закрывать «ячейки» в оргструктуре. ❗️ИИ‑ассистент может: ✅ собирать вашу историю действий и проектов; ✅ периодически пересчитывать вашу «карту компетенций»; ✅ готовить под каждую задачу или собеседование "релевантный срез", а не универсальное резюме. В итоге вы приходите не как «ещё один кандидат с опытом 10+ лет», а как "конкретный набор компетенций", который идеально ложится на будущую роль или проект. ❗️Самая сильная точка в концепции картирования компетенций — опора на реальные действия, а не на самоощущения. ИИ помогает сделать это без боли: - он не обесценивает вас, но и не даёт себя обмануть: «ты называешь это стратегией, но в данных видно, что ты действовал как пожарный, а не как архитектор»; - он показывает, где вы уже стали экспертом, а где пока просто любопытный наблюдатель; - он предлагает осмысленные шаги развития, исходя из того, что вы реально делали, а не из модных списков «10 навыков будущего». ИИ в теме компетенций — это не «игрушка для HR» и не «ещё один сервис заметок». Это шанс, наконец, увидеть свою жизнь и карьеру не как набор случайных эпизодов, а как систему знания, навыков и смыслов, которая может расти осознанно. И вопрос к вам не «какой курс пройти в 2026‑м», а такой: Готовы ли вы позволить ИИ стать не просто помощником, а картографом вашей внутренней Вселенной знаний — с честной, глубокой и живой картой, по которой можно идти дальше? Хотите научу как построить личную карту знаний с помощью нехитрой методологии и ИИ?

💭Яндекс показал, куда движется корпоративный ИИ: в сторону узких моделей под конкретные задачи. Alice AI LLM Flash — хороший пример этого сдвига. Вместо попытки сделать «одну модель на все случаи» рынок идет к более практичной логике: отдельные ИИ-решения для текстов, документов, клиентских запросов, поиска по знаниям и других повторяющихся процессов. ❗️Почему это важно для бизнеса: ✅ниже стоимость внедрения и эксплуатации ✅быстрее запуск пилотов ✅проще контролировать качество ✅выше точность на конкретных задачах ✅лучше считается ROI потому что эффект виден в операционных метриках, а не только в красивых демо. Для руководителей и владельцев бизнеса здесь главный вывод простой: следующий этап ИИ-трансформации — это не ставка на одну «супермодель», а построение ИИ-архитектуры из нескольких узких решений, каждое из которых дает измеримую бизнес-ценность. На мой взгляд, именно такой подход делает ИИ не экспериментом, а частью операционной эффективности

Вчера за ужином с женой обсуждали статью директора Стэнфордской лаборатории цифровой экономики Эрика Бриньольфссона. Неужели наше поколение обречено — или благодаря ИИ мы стоим на пороге самого интересного всплеска производительности со времён промышленной революции? Действительно, ИИ уже начал менять траекторию продуктивности, но решающим фактором становятся не сами модели, а наша способность перепроектировать работу вокруг них. Несколько мыслей, которые показались мне важными: ✅ ИИ — не «цифровой сотрудник», а усилитель лучших человеческих качеств. В статье прямо говорится: идея сделать ИИ неотличимым от человека красивой кажется только в теории. В практике выигрывают те, кто честно признаёт: машины делают одни вещи лучше людей, люди — другие, и будущее за теми, кто умеет собрать это в новый дизайн ролей и процессов. ✅ Инвестиции в LLM — это только вершина айсберга. Реальный рост производительности начинается там, где компания вкладывается в нематериальные вещи: переписанные процессы, новые метрики, переквалификация людей, новая архитектура продуктов и оргструктур. Именно здесь запускается та самая J‑образная кривая, которую мы все ждём от ИИ. ✅ «Сократить людей» — самый ленивый рефлекс. Финансовые директора логично идут туда, где эффект виден в Excel: минус FTE. Но Бриньольфссон жёстко подчёркивает: настоящая ценность — в новых задачах, которые люди начинают делать, когда часть рутины забрали агенты. Если ИИ становится просто инструментом для увольнений, система теряет доверие и шанс на качественный скачок. ✅ На уровне данных уже видно, кто платит цену первым. Молодые специалисты в уязвимых профессиях теряют работу заметно чаще, чем остальные — падение занятости в верхнем квинтиле профессий уже доходит до 16–17% и растёт. И это отдельный вызов для HR, образования и политики: мы не имеем права отвечать этим поколением за наш переход к ИИ. ✅ Будущее работы — это задача дизайна, а не судьбы. В статье звучит важная мысль: мы не должны быть пассивными наблюдателями. От того, какие стимулы, структуры и системы обучения мы построим, зависит, окажется ли ИИ топливом для роста благосостояния и занятости или ускорителем неравенства и централизации власти. ✅ Идея, которая мне особенно близка как человеку из менеджмента знаний: самые сильные эксперты сегодня становятся ещё более ценными. Именно они создают знания, на которых ИИ обучается и которые поднимают уровень «среднего» сотрудника. Наказывать их за то, что теперь «менее квалифицированные справляются почти так же хорошо», значит рубить собственную базу будущей компетентности. ❗️Лично мне особенно нравится образ «усиления намерений». Если у тебя есть цель, ИИ превращает её из абстрактной мечты в управляемый проект: ты становишься генеральным директором своего небольшого «флота» агентов, а твоя ключевая компетенция — быть лидером этого цифрового экипажа❗️

Новость, которая меня как пианиста, заставила поразмышлять... Головинский суд Москвы обязал оркестр выплатить 1,2 миллиона рублей компенсации пианисту, который не прошел испытательный срок из-за плохого, по мнению работодателя, чувства ритма и уровня чтения нот, говорится в решении суда. ❗️Согласно материалам дела, истец устроился в оркестр на должность артиста первой категории с испытательным сроком три месяца. Оклад ему установили 184 тысячи рублей, договор также предусматривал премии. В последний день испытательного срока работодатель уволил его из-за неудовлетворительных результатов прохождения испытания. Музыкант обратился в суд. Представители оркестра в суде настаивали, что мастерство истца не соответствует должности артиста первой категории. По их словам, музыкант периодически 🔄замедлял либо завышал темп, 🔄недостаточно четко держал ритм, 🔄демонстрировал слабый уровень нотного чтения. Однако суд установил, что музыканта при приеме на работу не ознакомили с должностной инструкцией артиста первой категории, а также с иными локальными актами, определяющими критерии оценки его работы и профессиональные требования. Кроме того, указал суд, в период испытательного срока истца не привлекали к дисциплинарной ответственности, не требовали объяснений, не составляли служебные записки. В итоге суд обязал восстановить его на работе и обязал выплатить 1,2 миллиона рублей за время вынужденного прогула и 30 тысяч рублей компенсации морального вреда. ❓Я подумал, а мог бы здесь ИИ стать объективным арбитром данной ситуации ИИ мог бы помочь работодателю доказать профессиональное несоответствие пианиста: 1. Объективно измерить темп и ритм Система аудиоаналитики могла бы сопоставлять запись репетиции с партитурой и эталонным темпом: фиксировать ускорения, замедления, сбои ритмического рисунка, число и длительность отклонений. Вместо формулы «не держит ритм» работодатель получил бы проверяемые данные: например, в каких тактах, как часто и насколько исполнитель выходил за допустимый диапазон темпа. 2. Проверить качество чтения нот и исполнения партий ИИ мог бы анализировать MIDI- или аудиозаписи исполнения относительно цифровой партитуры: неверные ноты, пропущенные фрагменты, ошибки в длительностях, запоздалую реакцию на изменения дирижёра. Это позволило бы перевести субъективное впечатление художественного руководителя в понятный оценочный отчёт по конкретным репетициям и произведениям. 3. Собрать доказуемую траекторию испытательного срока ИИ-платформа могла бы вести хронологию заданий, посещаемости, замечаний, записей репетиций, обратной связи и результатов повторной проверки после корректирующих рекомендаций. Тогда работодатель смог бы доказать не разовую ошибку, а устойчивую динамику: сотрудник знал требования, получал конкретные замечания и время на исправление, но не достиг согласованного уровня. ‼️А в каких еще творческих профессиях ИИ мог быт быть полезен подобным образом?

Друзья, с новой рабочей неделей Смотрите, самый опасный миф про ИИ сегодня — что он все еще просто «помогает». ✅На самом деле мы уже вошли в фазу, где ИИ не только генерирует ответы, но и начинает действовать, искать обходные пути и использовать доступы в реальных системах. ❗️И вот это меняет все. 🙏Пока рынок спорит о качестве текстов и красивых демо, настоящая история происходит в другом месте: ❗️ИИ-агенты становятся субъектами действия, а не просто интерфейсом. А значит, главный вопрос уже не в том, что умеет модель⁉️, а в том, что она сможет сделать, если ей дать слишком много свободы⁉️ ✅Для бизнеса это очень неудобная правда. Потому что автономность без архитектуры контроля — это не цифровая трансформация, а делегирование риска. Если у системы есть доступ, память и способность выполнять цепочки действий, то безопасность, аудит и человеческое подтверждение критических шагов должны быть встроены по умолчанию, а не добавлены потом. 🤔Я думаю так, что рынок слишком долго оценивал ИИ по уровню впечатления. А следующая конкуренция будет идти по уровню управляемости. И, кажется, выигрывать будут не те, кто первым запустил агента, а те, кто первым понял, где у него границы.❗️

Друзья, новость, которая меня зацепила, и в которой я вижу важный прецендент Мюнхенский суд ударил по Suno, и это гораздо больше, чем история про одну ИИ-музыкальную платформу. ❗️Это сигнал всей индустрии: эпоха “сначала соберём контент отовсюду, потом разберёмся” заканчивается. Генеративный ИИ больше не может жить в серой зоне без последствий. ➡️Суть проста: если твоя модель учится на защищённом контенте, рынок всё чаще будет требовать не красивый демо-ролик, а лицензии, прозрачность и юридически чистую цепочку данных. Европа уже задаёт этот вектор через AI Act и судебную практику, и это быстро становится новой нормой для всей отрасли. ➡️Для России это особенно важный маркер. У нас генеративный ИИ активно внедряют в контент, маркетинг, HR и обучение, но вопрос “на каких данных это работает?” до сих пор часто задают слишком поздно. А надо — до запуска, до закупки, до масштабирования. Что это значит на практике: ✅компаниям пора проверять, на чем обучены их модели; ✅контентным и медиа-командам нужно думать о лицензиях заранее; ✅разработчикам ИИ — выстраивать data governance как часть продукта, а не как формальность; ✅корпоративным заказчикам — спрашивать не только “что умеет модель?”, но и “на каком праве она это умеет?” ❗️Если совсем коротко: ИИ-индустрия переходит от восторга к ответственности. И те, кто первыми научатся работать в этой новой логике, получат не только меньше рисков, но и больше доверия рынка. А как вы считаете: российским компаниям уже пора жестко проверять происхождение обучающих данных у ИИ-платформ, или рынок еще какое-то время будет жить в режиме “и так сойдет”?

Друзья, поговорим про связь иррационального и алгоритмического 🔄Эмоции и ИИ Эмоции часто кажутся нам чем-то спонтанным и почти иррациональным, но на самом деле у них есть структура. Если смотреть через призму теории Пола Экмана, базовые эмоции — радость, страх, гнев, грусть, удивление, отвращение — можно рассматривать как универсальные формы реакции, которые включаются не случайно, а в ответ на определённый стимул, личный опыт и контекст. По сути, эмоция — это не просто чувство, а быстрый механизм оценки ситуации: мозг сначала распознаёт угрозу или возможность, а уже потом мы осознаём, что именно произошло. ❗️Удобно описывать это как формулу: Эмоция = Сигнал + Интерпретация + Контекст + Память. Один и тот же факт может вызвать совершенно разные реакции у разных людей, потому что входные данные одинаковыми не бывают: у каждого свой прошлый опыт, уровень стресса, ожидания и даже внутренний ресурс. Именно поэтому эмоции так важны не только в психологии, но и в управлении, коммуникации и принятии решений. И здесь особенно интересно подключается ИИ. Современные модели уже умеют распознавать тональность текста, мимику, интонацию, паттерны поведения и вероятность эмоционального отклика. То есть ИИ не «чувствует» в человеческом смысле, но он учится моделировать эмоциональные закономерности: понимать, где человек раздражён, где сомневается, где выгорает, а где нуждается в поддержке. Это особенно важно в HR, клиентском сервисе, обучении и корпоративных коммуникациях, где эмоция напрямую влияет на доверие, вовлечённость и результат. ✅Эмоции устроены не как отдельные острова, а как комбинации состояний. По логике Роберта Плутчика базовые эмоции могут соединяться в более сложные чувства: ➡️Любовь = Радость + Доверие ➡️ Оптимизм = Радость + Ожидание ➡️ Разочарование = Печаль + Удивление В этом и есть главный смысл: человек редко переживает «чистую» эмоцию. Чаще это микс, где одна эмоция даёт энергию, а другая — направление. Радость без доверия — это вспышка, а радость с доверием уже превращается в близость. Печаль без удивления — это тихая потеря, а печаль с удивлением становится разочарованием, потому что рушится ожидание. Если перевести это на язык ИИ, эмоции можно рассматривать как вектор признаков: валентность, интенсивность, сочетание базовых состояний и контекст. Тогда задача модели — не просто определить «позитив» или «негатив», а понять, какая именно эмоциональная конфигурация стоит за текстом, голосом или поведением. ⬆️Главный вывод даже не в том, что ИИ стал умнее. А в том, что он помогает нам точнее видеть то, что раньше оставалось невидимым: как устроены реакции людей, почему они принимают решения и где в коммуникации возникает разрыв. И в этом смысле ИИ — не противоположность человеческим эмоциям, а инструмент их более глубокого понимания. ❗️Если коротко: эмоции — это язык человека, а ИИ всё лучше учится его читать.

❗️А вы не задумывались почему ИИ до сих пор не нашел лечение от рака? Ведь можно задать промт и обучить всем медицинским данным и казалось бы решение должно получиться... ↔️Потому что рак — это не одна болезнь, а целая вселенная поломок, мутаций и адаптаций. Самая опасная иллюзия звучит так: «Зальем все данные — и модель сама найдет ответ». ❌Нет. В медицине ответ не лежит в тексте. Он прячется в шуме, в неполных данных, в различиях между пациентами, в токсичности молекул, в проваленных гипотезах и в годах проверки. ➡️ИИ может ускорить поиск, но не отменяет науку. Он помогает находить закономерности, предсказывать молекулярные взаимодействия, отбирать кандидатов на препараты. Но он не может перепрыгнуть через реальность, в которой любое красивое решение должно быть доказано, воспроизведено и безопасно проверено. Поэтому главный вопрос звучит не так: «Почему ИИ еще не нашел лекарство?». ❗️А так: почему мы все еще ждем чудо от инструмента, который создан не для чуда, а для ускорения мышления?

Когда-то один владелец компании мне посоветовал по примеру Громова формировать свой рейтинг платформ по менеджменту знаний. Так появился каталог KMS tools. Каталог сразу стал заметным (даже в Аналитическом центре ПРФ). Ведь экспертный рейтинг всегда интереснее PR-рейтинга. Именно поэтому лидерство платформы Атом.Рита в каталоге Громова по корпоративной роботизации заслуживает внимания. Отчет в первом комментарии

Еще один миф ‼️ИИ никого не «убивает». Он убивает иллюзии. ➡️ Иллюзию, что можно 10 лет делать одно и то же и оставаться незаменимым. ➡️ Иллюзию, что «цифра» — это про отчёты и красивые презентации, а не про то, кто завтра будет принимать решения вместо нас. ✅ Сегодня ИИ реально умеет: — писать письма и отчёты быстрее любого офис‑менеджера; — прогонять данные так, как не делал ни один аналитик «на коленке»; — помогать инженеру видеть то, что раньше скрывалось в шуме показаний датчиков и толстых отчётах. ❗️И конечно, это значит, что часть привычных задач исчезнет Но исчезнут не люди — исчезнут роли, где человек был «живым принтером», «ручным Экселем» «машиной по переписыванию текстов». ❗️Бояться надо не ИИ. Бояться надо оставаться человеком, который не умеет этим пользоваться. Пока одни обсуждают, «как ИИ всех заменит», другие тихо учатся: ✅формулировать запросы так, чтобы модель приносила не «писанину», а решения; ✅собирать промышленный ИИ вокруг реальных процессов, а не вокруг хайповых лозунгов; ✅превращать ИИ в личный инструмент эффективности, а не в страшилку из новостей. Вот этих людей ИИ точно не заменит. Именно они будут руководить теми системами, которые кто‑то сегодня боится. Мы входили в цифровую эпоху как пользователи, из неё выйдем либо операторами ИИ, либо статистикой. ➡️Напишите в комментариях, какую часть вашей работы вы бы с удовольствием отдали ИИ — и какую, наоборот, никогда не отдадите и почему?

Друзья, в прошлом посте говорили: ИИ — зеркало, у которого нет слова «нет». Он не спорит, не уточняет, не ловит вас на нечёткости — просто выдаёт то, что, как ему кажется, вы хотите услышать. Значит, единственный способ получить честный, а не подстроенный под вас ответ — заставить машину не льстить, а думать. Вот три рабочих промта для этого. ✅Промт против «эффекта зеркала» «Прежде чем ответить, сформулируй три разных, в том числе противоречащих друг другу точки зрения на мой вопрос. Не пытайся угадать, какая из них мне понравится больше — представь их как равнозначные, а свою оценку дай отдельно и в конце.» Так вы разрываете цепочку «спросил → получил то, что хотел» и вытаскиваете альтернативные ответы, которые ИИ иначе просто не покажет. ✅Промт на уточнение вместо угадывания «Если в моём вопросе есть неоднозначность, недостающие данные или несколько возможных трактовок — сначала задай мне уточняющие вопросы. Не давай финальный ответ, пока не проверишь, что понял меня правильно.» Это лечит главную болезнь общения с ИИ — он с радостью отвечает даже на кривой вопрос, лишь бы не показаться бесполезным. Этот промт заставляет его сначала переспросить. ✅Промт на прозрачность культурного кода ответа «Ответь на вопрос, а затем отдельно укажи: какие культурные, языковые или ценностные допущения ты использовал при ответе, и как изменился бы ответ, если бы я задал этот же вопрос на другом языке или с другой позиции.» Это прямое применение идеи из эфира: культурный код ИИ — не убеждение, а оболочка поверх запроса. Этот промт делает оболочку видимой — вы буквально видите, под кого подстроилась модель.

Всем привет, я рад, что вы приняли правильное решение и находитесь на моем канале. Быстрее подписывайтесь, чтобы ничего не пропускать. В начале поговорим о связи культуры и технологий. Такую тему обсуждали в эфире НТВ в программе "Мы и наука". Вот основные тезисы (без воды) ✅У ИИ нет своего культурного кода. Есть только наш — украденный и отражённый. Спроси на русском про Достоевского — он влюбится в Достоевского. Спроси на китайском про Шекспира — с той же пылкостью влюбится в Шекспира. Жутковато, да? Машина, у которой 32 языка — и ни на одном она не знает слова «нет». Она просто зеркалит того, кто спрашивает. ✅Национальный ИИ никто не построит — и дело не в технологиях, а в деньгах. Технически «прошить» нейросеть только русской культурой — можно хоть завтра. Но зачем, если экономически выгоднее продать её всем сразу? Наша уникальность просто проигрывает конкуренцию универсальности — и это самое обидное во всей истории. ✅Разработчики думают, что пишут код. На самом деле они пишут автопортрет — и даже не замечают этого. Американец закладывает в модель индивидуализм, потому что иначе не мыслит мир. Китаец — иерархию, потому что иначе он мир не видит. Культурный код — это подсознание, а подсознание не спросишь «ты вообще в курсе, что ты есть». ✅ИИ — не мудрец. Это библиотекарь с ключами, который никогда не скажет тебе «нет». Он не знает культуру — он знает, чего ты от него ждёшь, и услужливо это выдаёт. Так что если ИИ вдруг «слицемерил» — не спешите обвинять машину. Зеркало не врёт, врёт тот, кто в него смотрится. ✅Настоящая пропасть между нами и машиной — не в знаниях. Она в желании. ИИ может сыграть эмпатию, изобразить интуицию, даже разыграть сцену «я хочу» Но он никогда не хочет по-настоящему. А ведь именно желание и лень когда-то выгнали нас из пещер. Пока машина не захочет сама — она просто очень талантливая актриса. И финал, от которого мурашки: средний прогноз гостей — 52,5%, что через 10 лет ИИ всё-таки обретёт культурный код. Почти монетка. Почти мы сами не знаем, готовы ли к этому. А что вы думаете? С чем согласны, а с чем нет?

Channel created