tgindex

Илья Филиппов

описание

AI как двигатель доходов: от финансовых продуктов до нетривиальных стартапов. Рассказываю про деньги, неожиданные направления и внутреннюю кухню внедрений. Илья Филиппов, CEO red_mad_robot AI. redmadrobot.ru

← к каналу@filippov_GenAI
419
подписчиков
Охват к подписчикам
242,2%
ERR
Реакции к просмотрам
1,23%
258 на 20 постов
Пересылки к просмотрам
2,20%
462
Постов в день
0,0
всего 21

Где отзываются чаще

доля реакций к просмотрам
  • 3 авг.▶️ИИ без иллюзий. Разговор о новой эффективности, бизнесе и будущем человека. Какие задачи уже можно делегировать нейросетям? Почему компаниям недостаточно купить доступы к AI-сервисам и провести обучение? И какие специалисты останутся востребованными в новой экономике? В новом выпуске подкаста «Антихрупкий лидер» говорим с Ильёй Филипповым - CEO red_mad_robot AI, экспертом по AI-трансформации, интеллектуальным агентам и внедрению GenAI-решений в бизнес. Обсуждаем, как перейти от обычного чата с нейросетью к персональным ассистентам и агентам, почему качество результата AI зависит от экспертизы человека, где компании закапывают деньги при внедрении искусственного интеллекта и может ли технология заменить руководителей. 💡 Вы узнаете: 1️⃣Какие уровни зрелости проходит человек — от простых запросов к AI-агентам и собственным скиллам. 2️⃣Почему искусственный интеллект усиливает сильного специалиста, но не компенсирует отсутствие профессиональной экспертизы. 3️⃣Что нужно изменить в компании, чтобы внедрение AI принесло бизнес-результат, а не закончилось пилотами и презентациями. 4️⃣Какие ошибки совершают компании, инвестируя в инфраструктуру, модели и корпоративных AI-ассистентов. 5️⃣Какие профессии и навыки будут востребованы — от узкой экспертизы до коммуникации, партнёрства и умения принимать решения. 📲 Подписывайтесь на канал Ильи Филиппова: https://t.me/filippov_GenAI 💬 Задавайте вопросы в комментариях, подписывайтесь на канал и ставьте лайк, если выпуск был полезен! YouTube Vk Rutube5,43%
  • 7 авг.Всем привет! Мы с Лешей Сидорюком и нашей командой red_mad_robot запустили подкаст, где хотим поговорить с реальными лидерами по ИИ в России о будущем технологий, индустрий и, самое главное, о том, как это повлияет на людей. Это была большая работа, мы старались) поэтому посмотрите и дайте знать, что было бы круто улучшить и кого еще пригласить к нам. Хотя список уже обширный, я его нарочито не буду раскрывать - так интереснее. Идея подкаста в том, что в каждой теме 2 гостя: один глубоко из ИИ сферы, а второй как бы предстваитель индустрии или тематики о которой говорим. Так можно сравнить как технология создается и как реально применяется. И отдельно к чему это все приведет в ближайшее время. Первый эпизод про искусство уже тут YouTube и в VK - приятного просмотра. И как нас учит маркетинг: "Ставьте лайки и подписвайтесь"😃4,93%
  • 7 авг.Забыл тизер прикрепить...4,06%
  • 5 мар.Кто на самом деле тормозит AI-трансформацию Принято считать, что главные скептики AI-трансформации — рядовые сотрудники. Они боятся, что их заменят, держатся за старые инструменты, сопротивляются обучению. На практике всё ровно наоборот. Линейные специалисты подхватывают AI охотно — они видят в нём инструмент роста, способ делать больше без лишних согласований. А вот средний менеджмент — тот самый слой, через который проходят все корпоративные AI-инициативы, — тормозит. Не случайно, а структурно. Почему? Потому что AI угрожает не их работе. Он угрожает их власти. Средний менеджер исторически держится на трёх вещах: • Контроле информационных потоков • Координации между командами • Монополии на операционные решения Именно это AI забирает первым: статусы выходят из переписок и становятся данными. Данные убивают серые зоны. А серые зоны — это и был менеджерский leverage. Дальше начинается самое интересное. Менеджеры прибегают к knowledge hiding — сознательно придерживают экспертизу и информацию, чтобы сохранить relevance. Не из злого умысла. Из инстинкта самосохранения. Пример такого типичного гэпа: корпоративные AI-пилоты, которые идут сверху через менеджмент, дают успешность 5%. Индивидуальное использование сотрудниками на местах — 40%. Разрыв в восемь раз. Что это означает на практике? Проблема не в технологиях и не корпоративной культуре как абстракции. Проблема в том, что экономические стимулы среднего менеджмента структурно направлены против трансформации: KPI заточены на стабильность, влияние держится на информационной асимметрии, а карьерный риск за публичный фейл — реальный и ощутимый. 22% руководителей признают, что колебались лидировать или даже предлагать AI-проект из-за страха провала и потенциальной критики. И это именно тот уровень, который формально отвечает за то, чтобы инициативы становились процессом. Вывод простой: если AI-трансформация буксует, стоит смотреть не на джунов, а на то, как устроены стимулы и ответственность уровнем выше. Никакой тренинг по AI не компенсирует ситуацию, в которой для менеджера рациональнее минимизировать риск, чем менять контур управления.3,69%
  • 19 июл.Поучаствовал на этой неделе в подкасте Иры Золотовой Антихрупкий Лидер - пообсуждали AI простыми надюсь словами, закину ссылочку как все выйдет )3,39%
  • 20 апр.red_mad_router Делюсь новостями; Мы запустили (на самом деле достаточно давано, но на этот раз публично) платформу для управления LLM в бизнесе. Доступ к множеству моделей как в облаке так и on-premise. Как часто бывает, мы делали для внутренних целей и для своих продуктов, а потом клиенты попросили вывести и для них.3,27%
  • 23 июн.без подписи3,03%
  • 23 июн.ИИ-агенты заходят в бронирование: рассказали Forbes, что это значит для рынка «Туту» открыл поиск и бронирование поездок через ИИ-агентов. Для сервисов это ранний тест нового канала дистрибуции: пользователь формулирует намерение в диалоге с помощником, а платформа получает шанс подключиться к нему до перехода в привычный интерфейс. Если ИИ-агент станет точкой входа в выбор поездки, сервисам важно быть доступными для него технически и коммерчески. В моменте трафик из таких сценариев, скорее всего, будет небольшим, но для бизнеса это работа на будущую позицию в цепочке принятия решения: кто окажется ближе к моменту пользовательского намерения, тот и получит преимущество в агентной коммерции. Илья Филиппов, CEO red_mad_robot AI При этом есть техническая сторона: сам поиск через агента уже знаком рынку, поэтому важна глубина MCP. Browser use у агентов существует около полутора лет: сильные модели уже умеют открывать сайты, обходить защиты через прокси, делать скриншоты и доставать релевантную информацию. Поэтому поиск сам по себе рынок не удивит. Главный вопрос — позволяет ли MCP дойти до оформления заказа. Сейчас агент может довести пользователя до собранного заказа, но финальную оплату человек подтверждает сам — это агентный поиск и сборка корзины, но ещё не сквозная покупка. Настоящим переломом станет момент, когда MCP позволит закрывать и оплату. Валера Ковальский, руководитель ИИ-направления red_mad_robot ↗️ red_mad_robot2,80%
  • 21 янв.Meta* и Manus 🪙 Meta* купила не стартап, а направление В конце прошлого года компания объявила о покупке китайского AI-стартапа Manus за $2+ млрд. Сделку закрыли за десять дней. Фонд Benchmark получил около х4 возврата за восемь месяцев — это один из самых быстрых VC exits в истории. Но цифры здесь вторичны. Ключевой вопрос — что именно купила Meta*. Manus не разрабатывают собственные модели. В основе — сторонние LLM, включая Claude от Anthropic и Qwen от Alibaba. Их реальная ценность в orchestration layer — системе, которая координирует модели и инструменты для выполнения сложных задач. Агент запускает полноценные Linux-воркспейсы в облаке — с sudo-доступом и выходом в интернет. Фактура за 8 месяцев: ⭐️ $100M+ ARR ⭐️ 147 трлн обработанных токенов ⭐️ 80 млн созданных виртуальных компьютеров Почему эта сделка так интересна? До сих пор большинство AI-продуктов работали в режиме ассистента: предлагали идеи, рекомендации и подсказки и ждали дальнейшего решения от человека. В Manus отошли от этой модели. Их value proposition — не помогать принимать решения, а принимать и самостоятельно исполнять решение. Это даже начали назвать Decision-as-a-Service — противовес классическому SaaS. Продажа инструментов означает когнитивную нагрузку на пользователе. Продажа решений — эту нагрузку снимает. Что это значит для Meta*? Компания владеет крупнейшей distribution-платформой в мире: WhatsApp* (2B+), Instagram* (2B+), Facebook* (3B+). При этом Meta* отставала в agentic capabilities от Microsoft Copilot и OpenAI. Сейчас у корпорации появляются интеграционные возможности: • WhatsApp Business*: агенты для SMB — обработка заказов, scheduling, customer service • Instagram*: автоматизация для creators • Marketplace: оптимизация листингов и matching Аналитик D.A.Davidson заметил ключевое: «One of the things they saw in Manus was it was being incorporated into WeChat, which is really a model for what they want to do with WhatsApp». Сигнал для индустрии В одном из отчётов Gartner назвал сделку первым убедительным end-to-end AI-agent stack. Это важная валидация идеи о том, что application layer способен генерировать $100M+ ARR без собственных моделей. Моя позиция: если модельная гонка выходит на плато, конкуренция смещается в orchestration layer — к тем, кто превращает capabilities в completed work. Meta* ставит именно на это. * Meta, а также её продукты Facebook, Instagram и WhatsApp признаны экстремистскими на территории РФ.2,50%
  • 10 июн.От промптов к loops Поигрался чуть-чуть с Fable 5 — и поймал себя на мысли, как быстро сменилась парадигма. Сначала мы все писали промпты. Потом строили агентов. Теперь нам Антропик советует создавать loops — петли, в которых модель сама себя корректирует. Что понимается под loops? Вместо того чтобы «рулить» моделью вручную, эффективнее дать ей среду с обратной связью. Задаёшь цель и рубрику с проверяемыми критериями — агент работает, сверяется, корректируется и продолжает, пока критерии не выполнены. Ключевой нюанс (по мнению того же Антропика) — кто судит. Самокритика у моделей работает плохо: отдельный verifier-агент с независимым контекстом стабильно обыгрывает self-critique. Не просить модель «проверь себя», а отдать независимого оценщика, Еще приём — память как петля поверх сессий: модель фиксирует ошибки, разбирается в причинах, дистиллирует их в правила и переиспользует. Старшие модели проходят этот цикл целиком — получается самообучающаяся база знаний агента. /goal уже использую, с остальным буду играться дальше) Какой вывод? Эволюция продолжается: prompt engineering → agent engineering → loop engineering. И выигрывать будут те, кто раньше научится проектировать такие среды) и старое доброе - у кого лучше данные)2,43%
  • 6 апр.Инференс Компании в РФ, кажется, проходят путь от вопроса как внедрить AI, к вопросу как его оптимизировать. А если конкретно, как сделать оптимизацию инференса. Подходов достаточно много как на уровне каждого конкретного pipeline, так и на уровне железа. Например, часть операций делать на легкой модели - часть уже отдавать в дорогую трилионную. Идут эксперименты с китайскими картами, правда, пока прямо success strories не видел. Из бизнесового, мне очень нравится кейс Dystil AI - ребята высаживаются в enterprise небольшой супер продвинутой командой и выжимают экономию OPEX. Также всем советую обратить внимание на их research и opensource вещи. Недвно выложили репу с оптимизацией промптов, правда мы пока не тестили.2,33%
  • 11 нояб.Карта рынка GenAI: как он устроен в России Центр AI-компетенций red_mad_robot собрал большой отчёт по состоянию российского рынка GenAI в 2025 году. Получилась настоящая онтологическая карта с уровнями экосистемы, распределением ролей и зонами, где формируются ключевые компетенции. Мы проанализировали локальный ландшафт, зафиксировали связи и точки роста, а контекст и практические детали дополнили разговоры с экспертами из red_mad_robot, @beeline и @skolkovo_channel. Сохраняйте и читайте PDF! #AI_moment #трендвотчинг ↗️ red_mad_robot2,15%