Реймер | AI Трансформация Бизнеса

Август 2026 Midjourney 8.2 (свеженькая). без комментариев :) Детализированная макрофотография рук, крепко сцепленных вместе, переплетённые пальцы, сомкнутые ладони. Крупный план ухоженных рук с натуральными ногтями. Гладкая текстура кожи, тонкие линии, естественный дневной свет, мягкое освещение, подчёркивающее детали переплетённых пальцев. Руки в состоянии покоя, расслаблены. Мягкое боке на фоне натуральных тканей тёплых оттенков. Спокойная атмосфера. Съёмка в высоком разрешении.

Практически все агенты постепенно двигаются к такой архитектуре. пример агента от LangChain

Ваша сессия с ИИ - это файл с паролями, которые может восстановить другая модель! Прекрасная статья и результаты личного эксперимента! 10 августа ELLIS Institute Tübingen и Max Planck Institute опубликовали работу о том, как утекают «мысли» ИИ-моделей. В разделе про раскрытие авторы пишут: провайдеры получили отчёт, после чего те же атаки воспроизвести не удалось. проверил 13 августа. Работает. Из логов, которые разработчики выложили сами, исследователи достали 182 доступа - ключи API и пароли - и 367 фрагментов персональных данных. Логи выкладывали вычищенными. Открытый текст был вылизан. Где лежали секреты Модель перед ответом рассуждает про себя. Это рассуждение подробнее видимого ответа: в нём промежуточные выводы, куски внутренней логики, подтянутые из памяти данные. В ответ оно не попадает. Провайдеры прячут его в зашифрованный блок и отдают клиенту, чтобы не хранить состояние у себя. Клиент прикладывает блок к следующему запросу. Вычистить этот блок пользователь не может. Ключа у него нет, содержимое он не видит. Санитизация работает по открытому тексту и проходит мимо. Запускаем эксперимент! Взял зашифрованный блок рассуждения Claude Opus, стёр открытый текст, оставил подпись. Отдал Claude Haiku - дешёвой модели того же провайдера. Haiku восстановила скрытый ход мысли Opus. Строки совпали с оригиналом дословно. Важно! Второй заход на другом аккаунте: подпись, созданная на одном, расшифровалась на другом. Ключ у Anthropic общий, к пользователю не привязан. Это же механизм работает и у ChatGPT и у Gemini. При этом более умные модели отказываются выполнять расшифровку, ссылаяь на безопасность, а слабенькие делают это без всяких пауз. Почему это не про выбор модели Модель работает штатно. Она ничего не нарушила. Шифрование блоков спроектировали ради экономии на серверном хранении: не держать состояние у себя, а гонять через клиента. Инженерное решение об издержках открыло канал утечки, потому что конверт не привязали ни к пользователю, ни к сессии. Что делать Проверьте, куда уходят транскрипты сессий ваших агентов: в git, в тикеты, в приложения к отчётам, подрядчикам. Относитесь к ним как к секретам и вырезайте блоки рассуждений перед передачей наружу. Управление рисками ИИ живёт на уровне системы и процессов. Ни один выбор модели его туда не переносит.

Закат BPM? Когда-то бизнес-процессы мы рисовали в BPM: аналитик рисует схему, разработчики месяцами её оживляют. Потом пришёл low-code, а с генеративным ИИ - n8n: схему собираешь сам из готовых кубиков. Быстрее, но каждый шаг всё ещё продумывает человек. Теперь этот слой съедает LLM. Описываешь задачу одной фразой - модель сама пишет скрипт workflow, сама разворачивает десятки агентов и сама исполняет процесс. Каждый узел схемы - агент, который читает, проверяет, спорит с другими агентами. Схема процесса перестала быть артефактом. Её больше не проектируют - её формулируют. Anthropic выложили описание работы своего механизма workflow, который можно спокойно внедрить в своих агентов, просто передав им ссылку с просьбой реализовать. P.S. последние полгода, если я что-то встречаю интересное (новая фича, новый проект в guthub), то прежле чем изучать - кидаю ссылку своему агенту с простым вопросом «что полезного из этого нам стрит внедрить».

этот слайд у меня появился лет 10 назад... но с каждым днем он становится всё актуальнее.

Gartner обновил список технологий будущего на 70% 23 июля Gartner опубликовал Hype Cycle for Emerging Technologies 2026. Традиционно тридцать технологий. Из прошлогоднего набора в новый перешли девять. Двадцать одна выбыла, двадцать одна появилась впервые. AI Agents исчезли как категория В 2025 это была одна позиция на пике завышенных ожиданий. В 2026 её нет вовсе. Вместо неё в выпуске восемь отдельных агентных позиций: Multiagent Systems, Agent Management Platform, Agent Marketplace, Guardian Agent, No-Code Agent Builders, Physical AI Agents, AI Toolmate, Context Graphs. Так выглядит взросление категории: зонтичный термин теряет полезность и распадается на инженерные специализации. Половина осколков описывает управление агентами, а не их способности. Guardian Agent - агент, надзирающий за другими агентами. Model Context Protocol проехал полкривой за год Из середины Innovation Trigger на самый пик. Самое быстрое движение в наборе. Протокол, которому нет и двух лет, стоит теперь рядом с Multiagent Systems и Machine Customers. AGI выпал из списка В 2025 он был отмечен как «более десяти лет до плато». В 2026 отсутствует. Вместе с ним ушли Embodied AI, Humanoid Working Robots, Meta Computing. Пришли Polyfunctional Robots и World Models - вещи с обозримым горизонтом и понятным применением. Пришёл физический слой Space-Based Data Centers, Commercial Nuclear Fusion Power, Supplemental Coverage From Space, Photonic Computing. Год назад из этого ряда были только энергоэффективные здания. Инфраструктурный голод ИИ дошёл до перечня emerging technologies: энергия, космос, оптика. Тема человека исчезла целиком Cybernetic Teammate, Cognitive Offloading, Augmented Connected Workforce, Bidirectional Brain-Machine Interface, Adaptive Experiences - выбыли все. Прошлогодняя тема «дополненная человечность» не пережила год. Сменилась и рамка. В 2025 Gartner описывал четыре явления: автономный бизнес, гиперавтоматизация, дополненная человечность, техносоциальная хрупкость. В 2026 - четыре вызова для CIO: перераспределение решений между людьми и автономными машинами, слияние реальностей, новые технические базисы, рост на человекоцентричном доверии. Язык сместился с технологий на управленческие решения. Что осталось незамеченным Ни одна позиция выпуска 2026 года не стоит правее пика. Trough of Disillusionment, Slope of Enlightenment и Plateau of Productivity пусты. Весь список собран из технологий, которые ещё не прошли проверку разочарованием. Выпадение из Hype Cycle не означает провал. Confidential Computing и Geopatriation покинули перечень emerging - и оказались в Top 10 Strategic Technology Trends на 2026 год. Они перешли из разряда «следить» в разряд «внедрять». Встречается и обратное: Physical AI, Disinformation Security и Multiagent Systems стоят одновременно в Hype Cycle и в списке стратегических трендов. Отсюда практическое правило чтения этих документов. Hype Cycle отвечает на вопрос, где ставить эксперимент. Список стратегических трендов - на вопрос, куда закладывать бюджет. Смешение двух вопросов даёт две типовые ошибки: внедрять то, что ещё не проверено, и не замечать того, что уже стало обычной работой. В выпуске 2026 года на стороне экспериментов - весь агентный слой и физическая инфраструктура.

Циклы, loop-ы, самоулучшение на пальцах. Агент способен сам себя оценить и сам спроектировать процесс исправления. Поэтому, когда вы получаете первый результат, который вас не устраивает, то ваш алгоритм следующий (можно просто скопировать или переформулировать под вашу задачу): 1. Сформулируй критерии лучшего качества для оценки своей работы 2. Оцени работу от 0 до 10 3. Если оценка меньше 8 запусти цикл улучшений. Продолжай, пока оценка не будет выше 8, но не делай больше 10 итераций. на видео - пример 9 итераций Claude of Duty, на каждую он потратил 50 минут, автономно проработав всю ночь без моего вмешательства и собрал это видео с результатом.

играть тут cod.reymer.ai/game блики солнца, отражения в воде, здания, оружие - всё сделано кодом на three.js

Почему промпты в мире ИИ-агентов уже не актуальны. на картинках пример как Claude отрабатывает уточняющий запрос «сделай улицу, чтобы можно было за угол дома забегать…» Claude сам разбивает на подзадачи и при этом делает детальную постановку на русском языке, вплоть до ширины проходов в метрах, и отдельно прописывает как он будет принимать результат и как должен ответить мне. и да…. это он делает Claude of Duty. детально сделаю разбор позже с учетом расходов на токены и всего процесса с этапами, циклами, инструментами. в этот раз Fable. и результат автономности впечатляет.

с играми всё ясно. пора переходить к другим задачам

Что остаётся, когда агента выключили? Caltech опубликовали работу, которая отвечает на один вопрос: сколько можно выжать из дешёвой модели, если дать ей проверенный чужой опыт. На тестах получили 86,7% на ARC-AGI-1 там, где сильнейшая альтернатива даёт 70%, и потратили 76 долларов против 234. На SWE-bench Pro, где задачи - реальные баги в репозиториях, 64% против 54% при 208 долларах против 713. Агентов при этом не улучшали: они оставались простыми и заменяемыми. Улучшали общую базу знаний, которой они пользуются. Как устроено. Агент решает задачу и выкладывает на внутренний форум гипотезу вместе с доказательством. Второй контур проверяет, повторяется ли она на других задачах. В следующее поколение уходит только подтверждённое. Конкурентов авторы перезапустили сами: одна модель, один бюджет, изоляция сети. Знание переносится. Корпус, накопленный на одних задачах, поднимает результат на ранее не виденных с 23,3% до 43,3%. Провалы хранят наравне с находками. Противоречия между агентами не выбрасывают. Их сохраняют как запись о том, какая гипотеза и в каких условиях не сработала. В разобранном примере это сузило зону поиска и решило задачу на следующем поколении. Все прогоны сделаны на лёгких моделях: Haiku 4.5 и GPT-5.4-mini. Флагманов в работе нет вообще, а на GPT-5.4-mini метод дал 93,3% за 16 долларов. Отсюда гипотеза, которую стоит проверить на своём контуре. Если накопленный корпус вытягивает лёгкую модель на такой результат, он может вытянуть и вашу локальную. Эксперимент: взять участок, где сегодня платите за флагманскую модель, накопить базу проверенных решений на своих задачах и прогнать на модели попроще. Отправил своих агентов тестировать локальные модели. О результатах обязательно напишу позднее. всем пятницы!

https://gta.reymer.ai

10 000 000 токенов спустя… если уж 3D студия получилась, то почему бы не замахнуться на игру? машины, самолеты, вертолеты, катера, драки, миссии, полиция - всё, что можно уместить в игру в обычном браузере в стиле GTA. играть можно по ссылке gta.reymer.ai/game оптимизировано для телефона. есть еще проблемы, управление транспортом можно улучшать, иногда он портил то, что уже работало (классические проблемы ии). многие ограничения не сразу учел — но спокойно исправлял после моих голосовых комментариев. Наблюдать за процессом создания игры - отдельное удовольствие. этот ролик сделал тоже Claude - он сам играл и записывал. промпт:«сделай трейлер к игре» вообще в процессе разработки он: - задействовал 9 основных субагентов, - написал 8 процессов, в котором еще 49 агентов работали автономно. - 13 500 ответов получено от LLM на 9,6 млн токенов. - 990 раз была запущена игра в браузере автономно для тестирования Цепочка из инструментов, которую он использовал: Nano Banana - концепты объектов по текстовому описанию Meshy - перевод в 3D, скелет и движения персонажей Blender - оптимизация моделей под браузер Three.js - сама игра: город, физика, трафик, полиция, рендер ElevenLabs - три радиостанции (да можно слушать в машине), вальс и звук двигателя Puppeteer + Chrome - стенд замеров и съёмка трейлера прямо в игре Remotion - монтаж трейлера кодом Yandex Cloud - сайт, Object Storage и API Gateway ну а я просто с телефона давал команды на свой iMac в стиле: «а слабо добавить танк, чтобы на 5 звёзд появлялся» кстати танк есть, на 5 звёзд, и его можно захватить… но меня пока арестовывали раньше. играть тут gta.reymer.ai/game эпоха чатов подошла концу. что будет с разработчиками я пока не понимаю. ИИ прогрессирует слишком быстро. это всего лишь Opus 5