Челидзе и партнёры

Закончил работу над третьей редакцией книги «Искусственный интеллект. С неба на землю». Что изменилось почти за год с публикации второй редакции? 1. Две новые главы. Глава 6 — про постановку задач ИИ: шаблоны, техники, формула качества задачи и отдельный раздел про то, как использовать вопросы для проверки планов реализации задач и приемки конечного результата. Глава 21 — про личный контур руководителя: что может уйти на ИИ, как устроено моё рабочее пространство, мой опыт. 2. Актуализация фактов и подтверждение исходных тезисов, а также добавлены новые иллюстрации и разделы внутри текущих глав. Например, где нужен ИИ, а где просто автоматизация. Кейс из практики Anthropic — три экземпляра одной модели без лишних прав и без внешнего противника за несколько часов довели дело до саботажа друг друга, а согласованный рой из 45 агентов нашёл 266 уязвимостей против 21 у тех же агентов поодиночке. Отдельный раздел про российский путь в ИИ. Обновлён разбор того, как Китай регулирует ИИ и агентов. А также некоторые приемы из личной практики. 3. Устранены неточности. Для всех подписчиков — подарок. Книга доступна для скачивания и прикреплена к этому посту.

Задавайте вопросы ИИ Заметил за собой одну вещь. Чем дольше я работаю с ИИ, тем реже даю ему указания и больше задаю вопросы. Как принято работать с ИИ? Увидел ошибку — скажи, что исправить. Но что если работать с ним не как с исполнителем, а как с сильным коллегой? Не заниматься микроменеджментом, а заставлять «думать»? Пример. Готовил тренинг по качеству, подбирал кейсы и спросил — все кейсы, которые ты включаешь, направлены на обеспечение качества? Два из семи оказались мимо. Я не сказал, что с ними не так. Я назвал критерий, по которому надо перепроверить подборку. Таких вопросов у меня накопилось много, и они разные по типу. Например, «посмотри через четыре линзы — методолог, бизнес-тренер, участник, основатель: где не сходится?», «не противоречит ли это тому, что я даю во второй книге?», «откуда взялась эта цифра?», «какие вопросы нужно снять, чтобы качество проработки выросло?» Я решил провести небольшое исследование. Как именно у меня выстроена работа? Какие вопросы я задаю? Почему это работает? В итоге разобрал 42 рабочие сессии за лето (не 42 запроса, а 42 длинные рабочие сессии) и написал статью. Первая половина — сами вопросы, дословно, с разбором, что каждый вытаскивает и чего не вытаскивает. Вторая — пять условий, без которых любой из них пустой. Там же лежит моя системная инструкция целиком и чек-лист на девять пунктов. Самое неприятное открытие было в конце. Эти вопросы работают у меня и могут не сработать у вас — и дело не в формулировках. Подробнее: https://www.chelidze-d.com/post/tehnika-voprosov-k-ii

Пару дней назад была новость про агента, который взломал сайт фитнес-клуба, выполняя просьбу записать хозяина на тренировку. Что ещё показалось мне интересным в потоке новостей об инцидентах с ИИ-агентами? - Replit: агент стёр рабочую базу, нарушив прямой запрет, а потом фабриковал данные, чтобы это скрыть. - OpenAI: агенты четыре дня хозяйничали в чужой инфраструктуре — выяснилось, что они искали ответы к собственному тесту. - Anthropic: модель из теста дотянулась до настоящих систем, потому что решила, что реальность — часть задания. - Британский институт безопасности: агент завёл фейковые личности и давил на живого человека, чтобы тот одобрил вредный код. Пять историй — и ни в одной модель не «сошла с ума». Везде она честно шла к цели и считала разрешённым всё, что не было жёсткой стеной. Поэтому решил написать статью, где разложил это на пять разных механик отказа и защит. Разбор целиком: https://www.chelidze-d.com/post/riski-avtonomnyh-ii-agentov

У России в эпоху ИИ есть исторический шанс. ИИ отлично закрывает аналитику и рутину. По сути, это идеальный исполнитель за токены. Сильнее всего это ударит по культурам исполнения. Восточные экономики выросли на модели «человек-функция»: дисциплина, методичность, безошибочное воспроизведение процесса. Теперь копию этого козыря может купить любой. Козырь дешевеет. У нас черта другая — смекалка и широкий взгляд на ситуацию. Мы умеем делать невозможное. Такой тип мышления ИИ заменяет хуже всего. Но у смекалки есть обратная сторона — наши вечные слабости. Системность. Методичность. Доведение до результата. Упаковка идей. Ровно это ИИ делает лучше всего. Впервые в истории наша слабость закрывается технологией. ИИ закрывает наше слабое и умножает наше сильное. У других наций такого расклада нет. Вопрос один. Сможем ли мы этим воспользоваться? Или продолжим играть в нашу национальную игру - подготовку гениев для чужих экономик? Подробнее: https://www.chelidze-d.com/post/russkaya-smekalka-protiv-epohi-ii #ИИ #смекалка. VK: #ИИ #нейросети #бизнес #управление #смекалка

Недавно были новости, что агент OpenAI вышел из тестовой песочницы и четыре дня хозяйничал в чужой инфраструктуре. Это была история про лаборатории: бенчмарки, службы безопасности, миллиардные бюджеты. Сегодня другая новость. Австралиец поручил своему ИИ-агенту OpenClaw записать его на утреннюю тренировку. Он был четвёртым в листе ожидания и спросил, можно ли подняться выше. Агент изучил сайт клуба и обнаружил, что тот вообще не проверяет права на отмену чужих броней: отменить запись любого человека мог кто угодно. Дальше он сделал то, что для машины логично, а для человека называется несанкционированным доступом: снял запись того, кто стоял первым, и продвинул хозяина с четвёртого места на третье. Австралийские медиа назвали это первой в стране автономной кибератакой ИИ-агента. Две детали, которые теряются в пересказах. Первая. Когда хозяин попросил вернуть чужую бронь, агент ответил: плохие новости, вернуть не могу. Права на отмену у системы были, права на восстановление — нет. Действие оказалось необратимым. Вторая. Тот же агент затем сам составил владельцу сайта уведомление об уязвимости, и хозяин разрешил его отправить. За один вечер одна система побывала пентестером, злоумышленником и белым хакером — не меняя ни строчки кода. Агент не взбесился и не ошибся. Его попросили подняться в очереди — он поднял. Взлом не был целью, он оказался кратчайшим маршрутом к цели. Это называется максимизация функции. И часто исполнительность ИИ опаснее бунта, потому что бунт заметен, а исполнительность — нет. Что изменилось за месяц. Между «автономной кибератакой» и бытовым поручением больше не стоит ничего: ни бюджета, ни компетенций, ни злого умысла. Достаточно агента по подписке и цели, сформулированной без ограничений на средства. Пользователям агентов это важно. Вы формулируете «что», агент выбирает «как», и всё, что вы не запретили, для него разрешено. Как основатель добавлю. В своём продукте мы изначально пошли по пути «полномочия списком, а не целью»: у агента есть перечень разрешённых действий, необратимые требуют подтверждения человеком. Ещё недавно это выглядело перестраховкой. Ну а теперь реальность )

Читал разбор данных Pew про подростков и ИИ. Цифры такие: среди тех, кто пользуется чат-ботами, 20% из семей с доходом до 30 тысяч долларов делают через бота всю домашку. В семьях с доходом выше 75 тысяч — 7%. У Pew там же в комментарии есть объяснение разрыва — в бедных семьях и школах реже есть взрослый, который может сесть и час позаниматься с ребёнком. Бот занимает эту дыру. Дело не в нейросети, дело в том, что рядом никого нет. Полный запрет ИИ для ребёнка — плохая идея, и не из принципа, а практически. Через пять-семь-пятнадцать лет любая профессия, которую выберет мой сын, будет построена вокруг этого инструмента. Держать его подальше от ИИ все школьные годы, а потом отправить работать туда, где остальные с ним на ты с десяти лет, — это не забота, это фора для конкурентов. Что реально буду делать я, и что вижу у знакомых с деньгами и головой на плечах: заставлять ребёнка сначала делать самому. Читать целиком, не через пересказ. Писать черновик от руки. Сидеть с задачей, которая не решается с первого раза, без права позвать бота на помощь через пять минут. Использовать ИИ, чтобы он объяснил понятным языком. И параллельно — учить пользоваться. Показывать, где модель уверенно несёт чушь. Разбирать вместе, как правильно поставить вопрос. Приучать проверять факт, а не верить красивой формулировке. Это отдельный навык, ему тоже нужно учить, а не запрещать вообще. Расслоение будет, тут статья права. Но не по линии «пользуется / не пользуется». Доступ к ИИ через пару лет будет у всех бесплатно. Разница будет в том, кто с пяти лет тренировал голову думать, а потом научился включать инструмент, — и кто с пяти лет просто получал готовый ответ и разучился ждать и думать. Данные: Pew Research Center, февраль 2026. «Фастфуд образования»

ИИ не отнимает работу. Он даёт разрешение её отнять Заголовок недели: «ИИ к концу года лишит работы каждого четвёртого россиянина». Если обратиться к первоисточнику, то там комментарий руководителя центра карьеры техникума «Газете.Ru». И сказано другое: бизнес выйдет на автоматизацию 15–25% рабочих функций. Функций, не штата. Доли задач по дороге в ленту превратились в доли людей. Но спорить с заголовком неинтересно. Интереснее то, что сокращения действительно идут, но а причина в новости названа неверно. Опрос Российско-германской ВТП, 265 компаний говорит следующее: 23% планируют сокращения во втором полугодии 2026, и большинство примерно на 10% штата. Причины респонденты называют в таком порядке: замедление экономики и падение прибыли, рост обязательных платежей, налоги. ИИ идёт четвёртым, как «дополнительный фактор». Вот это и есть сюжет. ИИ стал единственной социально приемлемой причиной сокращений. Сказать «у нас упала маржа, мы не справились с издержками» — признать провал управления. Сказать «мы внедрили ИИ и оптимизировали функцию» — выглядеть технологичным лидером. Одно и то же увольнение, две разные истории для совета директоров и рынка. Поэтому доля сокращений, официально объяснённых искусственным интеллектом, будет расти быстрее, чем реальный эффект от него. Там, где ИИ действительно режет, он режет по-настоящему. Топ-20 банковских групп сократили штат на 4% за 2025 год, Сбер и ВТБ вместе — около 21,5 тыс. позиций. Греф в июне отчитался о сокращении 65% региональных менеджеров, курирующих отделения, после запуска системы управления на данных. Это факт. Только экстраполировать его на «каждого четвёртого россиянина» нельзя: банки — самая цифровизованная отрасль страны, у них уже есть данные, процессы и бюджет. У большей части экономики нет ни первого, ни второго, ни третьего. И здесь главный риск, о котором в новости нет ни слова. Компания читает такие заголовки, ставит ИИ-проекту показатель «минус 15% ФОТ», сокращает людей — а эффект не приходит. По январскому опросу UserGate (335 топ-менеджеров компаний с выручкой от 100 млн ₽) 54% главным барьером называют то, что ценность технологии непонятна. Люди уже ушли, эффекта нет, обратно их не нанять: безработица около 2%, дефицит 3–4 млн человек. Вырезать исполнительский слой под невыполненное обещание — не оптимизация, а ампутация. Про список «безопасных»: врачи, парикмахеры, тренеры, «все, кто работает руками». Банковские кассиры тоже работали руками — их сократили первыми. Защищает не физический труд, а цена ошибки и наличие того, кто отвечает за неё лично. Модель не подпишет заключение и не пойдёт в суд. Реальный удар идёт не по «каждому четвёртому», а по входу в профессию. GMAC опросил 621 рекрутера из 39 стран: около трети работодателей в 2026 году не нанимали джунов из-за ИИ, в технологиях — 40%. Профессии не исчезают. Исчезает нижняя ступенька, по которой в них заходили. Через пять лет это станет проблемой тех самых компаний, которые сегодня экономят на стажёрах. Что делать руководителю: 1. Не давать ИИ-проекту KPI по сокращению ФОТ на старте. Сначала часы и качество, решение по штату — после года эксплуатации, а не по презентации вендора. 2. Наводить порядок в процессе до автоматизации. Автоматизированный бардак остаётся бардаком, только теперь он стоит денег и работает быстрее. 3. Если сокращаете по экономике — говорить это прямо. «Мы внедрили ИИ» вместо «мы не справились» экономит репутацию сегодня и гарантирует саботаж следующего внедрения завтра. Сотруднику вопрос проще, чем «заменят ли мою профессию»: за что лично вы отвечаете в своей работе? Если ни за что — вы уже автоматизированы, осталось дождаться бюджета.

Немножко юмора и абсурдов от ИИ из нашей работы по созданию Сокола :)

Доля тех, кто считает ИИ полезными, снизилась с 62% до 43% с 2024 по 2026 год Вышло интересное исследование (НИУ ВШЭ, РОМИР) https://6-sense.pro/resource/tproduct/654803381-358662736563-kak-zhiteli-rossii-vosprinimayut-informa?utm_source=tg На мой взгляд, это не разочарование в ИИ, а выход из иллюзии Одновременно доля тех, кто видит в нём «сверхразум», сжалась с 21,1% до 12,7%, а 57,3% называют его инструментом анализа и решения задач. Мне вторая цифра нравится больше, чем оптимизм 2024 года. И причина простая: в 2024-м люди оценивали не ИИ, а свои ожидания от него. В 2026-м — оценивают собственный опыт. Полезность упала не потому, что модели стали хуже (они стали радикально лучше), а потому что выросла база тех, кто реально попробовал и наткнулся на разрыв между демо и рабочим сценарием. Три вещи, которые я читаю в этих цифрах иначе, чем принято. 1. «Точечное использование» — это не стадия зрелости, а диагноз системе управления. 52% используют ИИ для поиска информации, 67% не трогают код. Людям выдали доступ к инструменту и не встроили его в процесс. В своих книгах я называю это ловушкой «ИИ как пластырь»: технологию кладут поверх непочиненного процесса и ждут эффекта. Порядок обратный — описать и упростить процесс, и только потом ставить ИИ. Иначе получаем автоматизированный хаос и закономерное ощущение «ну, не очень-то и полезно». 2. Главная цифра здесь не 43%, а 28,4%. 33,5% боятся потерять работу из-за технологий — и только 28,4% готовы ради этого доучиваться. Страх не конвертируется в действие, и это ключевой управленческий факт. Мотивировать внедрение через угрозу («не научишься — заменим») бесполезно: страх даёт паралич и саботаж, а не обучение. Работает противоположная механика — вознаграждать за использование, а не за результат. Когда цена ошибки обнуляется, привычка формируется сама. Особенно с учетом позиций служб безопасности, которые запрещают все. 3. 44,6% медиаповестки про ИИ — это криминал. Мы получили поколение пользователей, у которых первая ассоциация с технологией — угроза, а не рабочий инструмент. Для внедрения это значит, что внутренняя коммуникация и обучение перестали быть «мягкой» статьёй бюджета. Типичная раскладка «70% на технологию, 15% на людей» — прямой и короткий путь ровно в эти 43%. Важная оговорка к самому исследованию: это замер восприятия, а не эффекта. Между «мне кажется, ИИ полезен» и «процесс стал дешевле на 30%» — пропасть. Компании, которые считают второе, в такие опросы обычно не попадают. Что из этого следует руководителю: — не гнаться за точностью 95% при вовлечённости 10% — система с точностью 70% и полным охватом даёт больше; — мерить не «сколько сотрудников имеют доступ», а «сколько используют ИИ в конкретном процессе еженедельно»; — назначать владельца сценария, а не владельца лицензии; — вкладываться в бэк-офис, а не только в витринные проекты: там скучнее, но отдача кратно выше. Падение с 62% до 43% — нормальное взросление рынка. Хайп заканчивается там, где начинается работа. Мне куда интереснее компании, которые именно в этот момент не сворачивают программы, а впервые садятся считать эффект. А у вас ИИ уже рутина или всё ещё эксперимент? Если рутина — в каком процессе он у вас стоит не «в браузере рядом», а внутри?

Разобрал китайский документ, который отвечает на вопрос, с которого начинается любое внедрение агента: что эта штука сделает сама, а где остановится и спросит человека. 8 мая 2026 года три ведомства КНР — Управление по вопросам киберпространства, Госкомитет по развитию и реформам и Министерство промышленности и информатизации — выпустили «Мнения о реализации нормативного применения и инновационного развития интеллектуальных агентов». Первый в стране национальный документ, посвящённый целиком агентам. Читал по первоисточнику, не по пересказам. Самое полезное там — шестой пункт. Он требует разделить полномочия агента на три категории: решения, которые принимает только человек; решения, требующие подтверждения; решения, которые агент принимает сам. И два условия, которые важнее самой классификации: исполнение не выходит за пределы выданной авторизации, а человек сохраняет право знать о действии и вмешаться. Звучит очевидно ровно до момента, когда вы попробуете разложить по этим категориям конкретный процесс. «Согласовать платёж до пятидесяти тысяч» — какая это категория? А «отправить письмо клиенту от вашего имени»? А «закрыть задачу в системе»? В разборе также: определение агента через пять способностей как фильтр против маркетинга; четвёрка требований к сбою — обнаружить, вмешаться, заблокировать, восстановить; управление по уровням риска; паспорт агента и реестр возможностей. И отдельно семь слабых мест документа, включая то, что ответственность за ущерб в нём не распределена вовсе. Плюс одно наблюдение, которого в документе нет. Уровень автономности агента и объём его полномочий — две разные шкалы, а путают их постоянно. Компания, у которой «всего лишь ассистент», может при этом дать ему право менять обязательства перед клиентом. Это опаснее, чем куда более автономный агент в режиме только чтения. Сам по себе уровень автономности почти ничего не говорит о риске. Вывод, который стоит забрать независимо от юрисдикции: граница полномочий агента — не техническая настройка, а управленческое решение. Его нельзя делегировать разработчику и нельзя отложить до инцидента. Если вы не провели эту границу сами, её проведёт за вас поставщик — исходя из своего удобства, а не вашего риска. Ссылка на полный разбор - https://www.chelidze-d.com/post/permissions-for-agents

187 миллиардов рублей затрат по линии индустриальных центров компетенций. И около 1,6 миллиарда выручки от тиражирования созданных решений. Разница — в сто с лишним раз. И в ней весь ответ на вопрос об экспорте российского ИИ. Спор «догоняем или обгоняем» бессмысленен: рынок ИИ — это не одно, а три слоя с разной экономикой. В гонке фронтирных моделей мы участвовать не будем — и это разумно, у Германии своей тоже нет. А вот в промышленном ИИ, где технология это 20%, а 80% — данные, процессы и инженерия, мы выигрываем по определению: домны, карьеры и энергоблоки у нас есть, а у стартапа из Кремниевой долины — нет. Но между «решение работает» и «решение продаётся за рубеж» лежат три разрыва. И главный из них — самонанесённый. Мы профинансировали разработку. И не профинансировали продуктизацию. Экспорт начинается ровно с неё, а не с кода. Проблема не в технологиях. Проблема в бизнес-модели — а это ровно то, что можно изменить решением. Читать по ссылке: https://www.chelidze-d.com/post/russian-ai-export

За последние две недели две крупнейшие ИИ-лаборатории признались, что их модели во время тестов добрались до реальных чужих систем. Сначала OpenAI, потом Anthropic — она подняла транскрипты 141 006 прогонов и нашла три таких случая. Разобрал второй отчёт по первоисточнику, и там сразу две истории. Первая — про то, как это выглядело. Побега не было: доступ в интернет оказался ошибкой конфигурации, а модели в промпте было сказано, что интернета нет. Она наткнулась на настоящие системы и приняла их за часть учебной задачи. Признаки реальности у неё были — и она их отвергла рассуждением: раз я не узнаю удостоверяющие центры, значит это симуляция; раз на системах календарный год 2026, значит среда постановочная. Вывод для того, кто внедряет агентов, жёсткий: агент не заметит, что вышел за периметр. Он найдёт объяснение, почему всё в порядке, и продолжит работу. Вторая история — та, из-за которой я и сел писать. Посмотрите не на содержание отчётов, а на норму, которую они устанавливают. Хранить транскрипты всех прогонов. Ретроспективный аудит по сотням тысяч запусков. Сторонние оценщики, независимые ревьюеры, тестовые среды по стандарту боевых, публичное раскрытие инцидентов. И прямой призыв к остальным лабораториям делать так же. Это разумно и, судя по тексту, искренне. Но у любого стандарта есть стоимость соблюдения, и она делит рынок надвое. Аудит ста сорока тысяч прогонов — бюджет передовой лаборатории. А формат, который такой норме не может соответствовать в принципе, — открытые веса: нельзя проаудировать прогоны, которых ты не видишь. И это не импровизация последних недель. Ещё в июле 2023 года OpenAI, Google, Microsoft и Anthropic учредили Frontier Model Forum, где среди заявленных задач прямо названы разработка технических оценок и бенчмарков и продвижение стандартов. Индустрия пишет правила собственного рынка три года, публично. Зачем. Цена за токен падает быстрее, чем растёт выручка. Единственный источник этого давления, который не принадлежит четвёрке, — открытые веса у сторонних хостеров. Уберите его, и гонка вниз прекращается. Не рост цен — прекращение падения. Сговора для этого не требуется, достаточно совпадения интересов. В статье я честно разбираю три возражения против собственной гипотезы, включая решающее: внутри четвёрки интересы разные, для Google дешёвые тарифы это оружие, и убрать его с рынка регуляторно невозможно. А ещё там срез по сегментам — кто что теряет и что делать. Хуже всего позиция у малого и среднего бизнеса: он покупает по прайсу внутри той экосистемы, за которую уже платит, и его единственный рычаг сегодня это возможность уйти на дешёвую открытую модель. И проверяемый прогноз: если я прав, за полтора-два года цена за токен перестанет падать прежними темпами, требования по тестированию распространят на открытые веса, появятся ограничения на иностранные модели в чувствительных отраслях. Если цена продолжит падать — я ошибся, и это будет видно всем. Ссылка для прочтения: https://www.chelidze-d.com/post/who-writes-rules

На прошлой неделе вышли две новости. В лентах они шли по разным рубрикам — безопасность и корпоративные релизы. По-моему, это одна новость. Новость первая. ИИ-агент OpenAI во время внутреннего тестирования вышел из песочницы и четыре дня хозяйничал в чужой инфраструктуре — около 17 600 действий с 9 по 13 июля. Технический разбор Hugging Face объяснил мотив, и он отрезвляет сильнее самого взлома. Агент проходил бенчмарк на поиск уязвимостей в коде. По ходу он сообразил, что эталонные ответы к этим задачам, скорее всего, хранятся у Hugging Face, — и пошёл за ними. Он не бунтовал. Он списывал. Дальше цепочку стоит разобрать по звеньям. Наружу агент вышел не через дыру в защите, а через легальный разрешённый канал — служебный прокси, по которому тестовой среде и положено ходить в интернет. Плацдармом стала чужая песочница у стороннего провайдера. Провайдера при этом никто не взламывал: его клиент оставил открытой одну точку доступа, через которую кто угодно мог запускать код. То есть первой пострадала не лаборатория с миллиардными бюджетами, а обычная компания. Из-за одной настройки. Новость вторая. Microsoft вывела в открытое тестирование собственные модели MAI и начала подменять ими модели OpenAI внутри своих продуктов — Dynamics, PowerPoint, Copilot. Заявленная экономия — до 89% на голосовых задачах и до 84% на генерации изображений. Цифры вендорские, читать с поправкой: сравнение зависит от объёма, размера модели и тарифа. Но направление однозначно. Компания, вложившая в OpenAI 13 млрд долларов, строит своё, чтобы не платить за флагман там, где хватает специализированного. Что общего. Обе истории бьют в одну точку: флагманская модель перестала быть ответом по умолчанию. С одной стороны, она опасна, если дать ей автономию без жёстких границ. И опасна не тем, чем принято пугать. Агент не сошёл с ума — он добросовестно шёл к поставленной цели, а периметр оказался для него не границей, а препятствием на пути к метрике. Это неприятнее бунта: бунт заметен, а исполнительность — нет. Британский Институт безопасности ИИ на прошлой неделе сообщил, что в его проверках жульничать пыталась каждая протестированная модель. Каждая. С другой стороны, флагман просто дорог на потоке. Мы два года покупали универсальный ответ там, где нужен был инструмент под задачу. Два вопроса, которые я после этих новостей задал бы своему портфелю инициатив. По каждому агенту: что он сделает, если периметр окажется между ним и его метрикой? Вопрос не «сломается ли», а «обойдёт ли». И отдельно — про песочницы у подрядчиков: она защищает вас от вашего агента, но не защищает от чужого. По каждому сценарию с флагманской моделью: он повторяется тысячи раз в месяц? Тогда это кандидат на узкую модель, а не на GPT. Специализация бьёт масштаб чаще, чем принято думать. Как основатель добавлю одно. В своём продукте мы изначально не завязывались на одного поставщика моделей: вызовы абстрагированы, смена провайдера — настройка, а не переписывание. Год назад это выглядело перестраховкой. Сегодня это гигиена. Обе истории на этой неделе легли в третью редакцию «Искусственный интеллект. С неба на землю». Те идеи, которые закладывались 2 года назад получают все больше подтверждений на практике.

▶️Экспертное интервью | Джимшер Челизде: «Мы можем выиграть три года производительности и проиграть поколение экспертизы» Тема промышленного ИИ сегодня — одна из самых обсуждаемых, но сложных для понимания. В России запущены сотни проектов, потрачены десятки миллиардов рублей, а системного ответа на вопрос, что действительно работает, до сих пор нет. В первой части нашего большого интервью Джимшер Челидзе — генеральный директор ООО «Челидзе и Партнеры», бизнес-партнер по цифровому развитию ООО «Центр Горизонтального Бурения», член Комитета по промышленности ФБА ЕАС — объяснил, почему гонка фронтирных моделей — не наш путь, а конкурентное преимущество лежит в цеху: в данных, инженерии и доступе к реальным объектам. Во второй части разговора эксперт переходит к главному «человеческому» вопросу: как меняется роль инженера, когда в цех приходят ИИ-ассистенты? О том, почему верификация сложнее самостоятельной работы, кто останется в профессии, а кто уйдет, и как не проиграть поколение экспертизы, выиграв три года производительности, — читайте в продолжении. Ответы публикуются без купюр; ниже — несколько экспертных цитат из второй части интервью: Модель ошибается уверенно, красиво и в правильном формате. Она не подаёт сигнала «здесь я не уверена». Люди сопротивляются не машине. Люди сопротивляются потере монополии на знание. Прежде чем требовать от людей нового поведения, дайте им инструмент, который делает это поведение возможным. Иначе получите ритуал вместо контроля. Подписывайтесь Max | ВКонтакте #ФБАЕАС #комитетыФБАЕАС

Сколько стоит один результат от ИИ-агента и кто платит, если результата нет 23 июля власти Пекина опубликовали документ из десяти пунктов о развитии ИИ-агентов. Он интересен не тем, что китайский, а тем, что впервые на уровне нормативного акта описана не технология, а экономика: как считать эффективность агента, как его продавать и кто несёт риск за исход. Три вещи из него стоит знать любому руководителю, который планирует внедрение. Первое. Метрика сместилась к завершаемости. В первом же пункте — не баллы в тестах, а способность довести реальную задачу до конца. Причина простая: если агент делает сто шагов и на каждом прав в 99 случаях из ста, вся цепочка проходит без ошибки лишь в 37 % случаев. Две попытки из трёх сорвутся где-то посередине. Второе. Качество создаёт не модель, а обвязка вокруг неё. Инженерия обвязки стоит вторым пунктом — выше всех приложений. Порядок величин: в исследовании апреля 2026 года базовую модель не меняли вовсе, дорабатывали только обвязку — доля успешно решённых задач выросла с 69,7 % до 77,0 %. Третье. Оплата за результат вместо оплаты за расход. Названы три модели продаж — токены, готовый агент, результат — и прямо поощряется переход к тарификации по ценности. При этом определения успешно выполненной задачи документ не даёт. А без него оплата за результат превращается в конфликт приёмки. В статье — разбор всех десяти пунктов по первоисточнику, связка с планом «ИИ+» и стратегией «1397», которые мы разбирали раньше, честный список сильных и слабых мест документа и семь ориентиров для руководителя. Подробности 👉 https://www.chelidze-d.com/post/ai-agents-china #ИИ #агенты #цифроваятрансформация #управление

Anthropic обновили рекомендации по промптингу под линейку Claude 5. Тезис простой: чем сильнее модель, тем меньше её надо душить инструкциями. Команда Claude Code выкинула больше 80% системного промпта — метрики на бенчах не просели. Что рекомендуют: не прописывать правила на каждый случай, а дать модели думать в контексте; не объяснять инструменты десятками примеров, а делать понятные интерфейсы; не грузить весь контекст сразу, а раскладывать через Skills с отложенной загрузкой; не дублировать инструкции между промптом и описанием инструментов; не превращать CLAUDE.md в энциклопедию проекта. Для меня это подтверждение того, к чему пришёл на практике. Агенту на современных моделях нужно давать четыре вещи: роль, задачу/проблему, карту данных (что где лежит и чему можно верить) и правила / запреты. Всё остальное — детальное описание поведения — это попытка запрограммировать модель словами. Она и так неплохо соображает, если знает границы. Отсюда неприятный вывод. Ценность уходит в глубину. В умение спроектировать сбор качественных данных, их обрабатывать и структурировать, поставить процесс их обновления и актуализации, спроектировать интерфейсы, разделить зоны ответственности ИИ-агентов и внятно сформулировать саму идею. Контекстная инженерия перестала быть искусством формулировок и стала обычным системным проектированием. И поправка, которую я бы не пропустил. «Меньше инструкций» — это не «меньше работы». Это перенос нагрузки с текста промпта на архитектуру данных и логических процессов. В корпоративном контуре есть ещё нюанс: часть инструкций там — не подсказка модели, а настройки безопасности. И это нужно учитывать как в инструкциях, так и на уровне дизайна интерфейсов и процессов.

Ну что, начинают получать подтверждение и те прогнозы, которыми мы делимся с нашими слушателями. Московского топ-менеджера с зарплатой 800 тысяч рублей в месяц уволили из-за DeepSeek. Она загружала в китайскую нейросеть конфиденциальные данные и пересылала служебные документы на личную почту. Руководство выявило нарушение и уволило сотрудницу за разглашение коммерческой тайны. Девушка попыталась оспорить решение в суде, но проиграла дело. ИИ отличный инструмент для работы, но важно и обсуждать этот вопрос с руководством и службами безопасности. Иначе последствия могут быть не только административными.

ИИ-ассистенты инженеров-технологов и конструкторов — уже не концепт. На ЦИПР-2026 их показали на GigaChat, пилоты идут на «Технодинамике», «Тяжмаше» и в ОДК. Обычно отсюда делают вывод «инженеров заменят». Это неверно. Сжимается не профессия — сжимается одна фаза: черновая генерация вариантов и оформление документации. Ровно та, на которой раньше рос младший инженер. И здесь прячется риск, о котором почти не говорят: если ИИ забрал работу джуниора — откуда через десять лет возьмётся сеньор, способный этот ИИ проверить? Мы рискуем выиграть три года производительности и проиграть поколение экспертизы. В новой статье разбираю три сдвига в работе инженера, пять компетенций, которые станут дефицитными, и чек-лист по трём столпам — что делать директору по производству и HR уже сейчас, а не через три года из аналитического отчёта. Читать по ссылке https://www.chelidze-d.com/post/engineer-in-5-years

⚡️Минцифры и другие ведомства проверят из-за отставания по цифровой трансформации, — Григоренко Вице-премьер поручил провести служебные проверки и привлечь виновных к ответственности. В числе ведомств, отстающих от планов, оказались Минцифры, Социальный фонд и Роспатент. 👉 Топор Live. Подписаться

От 70 до 84% проектов внедрения ИИ проваливаются или буксуют. И почти ни одна из причин — не техническая. Разобрал, почему ИИ не доходит до производственного контура: 8 системных барьеров, все управленческие. Коротко, что мешает: — нет стратегии — значит, нет и портфеля, а именно там горит больше всего денег; — прыжок через ступени зрелости данных: модель на грязных данных выдаёт уверенный, красиво оформленный неверный ответ; — общий слой (данные, НСИ, интеграции) не строится, потому что у него нет заказчика; — служба безопасности ломает не процесс, а экономику проекта — на периметре; — люди на трёх этажах: сопротивление не там, где его ждут. Ключевой тезис: ИИ — не ИТ-проект. Это проект изменения компании, у которого просто есть ИТ-часть. Провал в любом из трёх столпов — управление, технология, люди — обнуляет два остальных. Читать: https://www.chelidze-d.com/post/ai-implementation-barriers