нИИк | Студия прикладных AI-исследований

Channel name was changed to «нИИк | Студия прикладных AI-исследований»

ИИ уже здесь: в кармане, на столе, у каждого под рукой. И вдруг оказалось, что у многих он не работает, не клеится, галлюцинирует. И первое, что приходит в голову: это я туплю или модель сырая? Ни то, ни другое. Нам продали не тот сюжет. Корпорациям надо было поднимать инвестиции, и они обещали золотые горы: вот-вот нейронка всё сделает сама, профессии умрут, человек станет лишним. Гор не вышло, сплошные колымаги и кочки, и слава Богу. Потому что вместе с горами рассыпалось и обещание, что профессии исчезнут. Они не исчезают — они углубляются. И углубление это не в нейронке, а в самом человеке, в его мышлении, в той структурированности, без которой с ИИ не сработаешься. Вот где настоящий сдвиг. Мы привыкли оценивать ИИ: какая модель вышла, насколько быстрее, насколько мощнее. — всё это количественные показатели. А акцент смещается на качество, и качество сегодня — это мышление человека. Вопрос не в том, когда нейронка дотянется до нас, а в том, дотянемся ли мы до неё. И начать стоит с того, что все знают, но мимо чего проходят. ИИ — это прежде всего LLM, Large Language Model — большая языковая модель. Язык стоит прямо внутри названия, и это не случайно. Машина принимает от тебя ровно одно: язык. А значит, упираешься ты в итоге в свой собственный. Тут и вскрывается то, чего мы за собой не замечаем. Нам кажется, что мысль уже готова и остаётся её произнести, что между понятым внутри и сказанным вовне нет зазора, есть только задержка на проговаривание. А зазора нет не потому, что мысль легко выходит наружу, а потому, что выходить нечему. У Хомского есть очень точное различение: внутренний язык и экстернализация. Внутренний язык — это сама мысль, структура, которая рождается ещё до звука и порядка слов. А внешнее, выписанное в строку, — надстройка над ним. Внутри мысль может казаться готовой, но пока она не легла в слова, ты не знаешь, есть она или тебе так кажется. Язык и есть единственный способ это проверить. Другого детектора мышления у нас нет. И всю жизнь мы этой проверки избегали, потому что рядом был человек, который достраивал. Мы же говорим лакунами: бросил полмысли + жест, «да что с тебя..» (жест), «и я тебя..» (взгляд), «ну ты понял» — и собеседник кивнул, закрыл, заполнил лакуну в своей голове и поехали дальше. Живое общение насквозь дырявое, просто дыры затыкаются с той стороны, и мы их не замечаем. Нейронка не затыкает. Она принимает только то, что ты реально вывел наружу, и ни миллиметра не достраивает за тебя. Она первый собеседник, который слушает тебя честно, без скидки, и потому впервые показывает, куда мысль дошла на самом деле, а не куда тебе кажется. Вот откуда та глупость, которую сложно не заметить. Я как-то высказался, что нейронка умного делает умнее, а глупого глупее. Но это не так — ИИ создает ситуации, в которых мы выглядим глупо. Она убирает опоры, которыми мы всю жизнь прикрывали недоведённую мысль. И человек впервые видит свою мысль такой, какая она есть. Поэтому развивать придётся не промпт, а себя. Не смотрите про ИИ. Не читайте про ИИ. В особенности, если это вас бесит. Это как бежать за горизонтом в то время, как паровоз едет за вами. Займитесь собой, готовьте себя. Признайте, что ИИ — это щупальца, которые будущее уже запустило в настоящее. Все эти реакции — гнев, торг, отрицание и т.д. и т.п. — это естественный процесс, который закончится принятием.

Codex дал "грант" на обнуление лимитов и как после такого возвращаться к Антропикам, даже после выхода мифос?? (как же меня легко купить, ахахахах🤣)

Я, кажется, наконец понял, почему AI-интерфейсы выглядят как AI-интерфейсы Была у меня довольно тупая петля. Я хотел быстро собирать красивые интерфейсы через ИИ. Генерил картинку, чтобы поймать вайб. Потом просил агента описать UI/UX. Потом закидывал это в кодинг-агента, чтобы он собрал фронт. Иногда получалось неплохо. Но в основном получался тот самый нейрослоп (типичный результат работы ИИ средней паршивости)🤡 Вроде кнопки на месте. Карточки на месте. Градиентик есть. Тени есть. Всё такое технологичное, свежее, стартаповое, господи прости. А смотреть на это не хочется. И я долго не мог сформулировать, почему. Потом мы почти поругались с подругой-дизайнером. Я спрашиваю: "Ну почему это плохо?" Она говорит: "Потому что плохо". Я говорю: "Мне нужен не приговор, мне нужен дебаг". Дальше всё пошло не туда, ахах. Проблема была не в том, что ИИ не умеет рисовать красивые штуки. Он умеет. Проблема в том, что картинка не является системой. Картинка не говорит агенту, какие у нас отступы. Где основной action. Как живёт кнопка в hover/focus/disabled. Какие карточки вообще разрешены. Какой радиус у продукта. Почему этот экран плотный, а этот воздушный. Где можно добавить акцент, а где уже начинается новогодняя гирлянда. Картинка показывает настроение. Но код потом нужно поддерживать. Я посмотрел на Claude Design и меня щёлкнуло не из-за магии клода. Там важнее другое: перед тем как делать экран, он сначала раскладывает дизайн-систему. То есть не "сделай красиво", а сначала: manifest tokens components layout rules visual language accessibility governance И только потом UI. Я решил вытащить этот подход из конкретной платформы и собрать себе skills (набор инструкций, которые можно удобно вызывать командой через "/") для Codex. Получилось два: design-system-research — если продукт уже есть. Агент смотрит на существующий интерфейс, компоненты, стили, скриншоты, Figma, сайт, бренд-материалы и вытаскивает из этого дизайн-систему. design-system-from-scratch — если продукта ещё нет. Есть бриф, референсы, MVP, мутное ощущение "хочу, чтобы было как Linear, но не как Linear". Агент сначала собирает систему, а не сразу лепит экран. Файлы скучные, но важные: docs/design-system/manifest.json docs/design-system/design-system.md docs/design-system/component-map.md Вот они и становятся источником правды. После этого агент уже не фантазирует каждый экран заново. Он не придумывает случайный синий. Не создаёт пятую разновидность карточки. Не лепит glass-эффект, потому что сегодня ему так статистически приснилось🙄 Он работает внутри контракта. И для меня тут главный бизнес-смысл. Дизайн-система — это про то, чтобы интерфейс можно было масштабировать без ручного шаманства. Новый экран собирается быстрее. Компоненты не расползаются. Следующий агент понимает, что уже было решено до него. Разработчик не разгребает кладбище одноразовых классов. Пользователь не смотрит на продукт с ощущением "ну это опять нейронка накидала". За пару дней мы уже собрали несколько интерфейсов в команде через этот подход. Картинки я не выкинул, кстати. Просто теперь картинка — это не ТЗ. Это референс. А ТЗ — это система. Выложил skills сюда: github.com/nnikochann/design-system-skills Берите, пользуйтесь. Буду рад звезде! (я про гитхаб-звезды😎) Это мой дебют по части открытых репозиториев😳 если интересно — буду продолжать делиться такими штуками! Делайте интерфейсы, которые можно не только сгенерировать, но и дальше жить с ними. Обнял, приподнял!)

Ладно, 200 баксов приятно видеть на карте. Антропики больше не такие плохие..😎

Вы тоже, когда не спится, идёте проектировать мульти-агентную систему?) На часах 3:27, а я зачем-то исследую вопрос, который давно висел в голове: можно ли в реальном бизнес-процессе не ставить самую сильную LLM на каждое действие? Контекст такой. Я сейчас проектирую решение для стартапа, где выступаю в роли CTO, и у нас снова всплыла старая боль: задачи живут где угодно, только не там, где их реально обсуждают. Были попытки с таск-трекерами. Были задачи текстом в Telegram. Были задачи через бота. Всё вроде работает, но всё равно часть контекста теряется. И тут Telegram выкатывает задачи/чек-листы внутри чатов. И я такой: ну всё, вот оно. Если основная коммуникация бизнеса уже в Telegram, то логично ставить задачи прямо оттуда. Не заставлять людей идти в отдельный таск-трекер, а вытаскивать задачи из живого обсуждения. Звучит красиво. На практике боль. Люди же не пишут: "Катя, подготовь коммерческое предложение для Сергея до завтра 12:00". Они пишут: "Катя" "напиши ему" "вот контакт" "до завтра бы" А между этим ещё 20 сообщений про баг, созвон, оплату, релиз и кто опять потерял доступы. Я решил проверить, можно ли это нормально разрулить на российских LLM. Взял GigaChat Pro и GigaChat Lite. Стек там рядом простой и странный одновременно: C++20 на TDLib, user API Telegram и Python-часть через GigaChain. На первом тесте всё было ожидаемо: Pro выбивал 5/5, Lite — 3/5. Казалось бы, выбор понятен. Ставим Pro и живём дальше. Но вот тут как раз и начинается место, где можно случайно начать переплачивать. Потому что "модель умнее" не значит "её надо дёргать на каждый чих". Я попросил сильную GPT-5.5 сделать синтетические тесты для обеих моделей: 15 сценариев живого стартапового чата и несколько версий инструкций. То есть сильная модель выступила не исполнителем в проде, а архитектором проверки. И выяснилась интересная штука😎 При нормальной инструкции Lite начал давать результат почти на уровне Pro: 37/45. Не идеально, но уже не "игрушка". Меня это зацепило. Я дал следующую гипотезу: а что если не заставлять слабую модель сразу принимать решение, а сначала заставить её разобрать сообщение по чек-листу? Есть задача или нет? Кто ответственный? Есть ли дедлайн? Что непонятно? Потом ещё один шаг: не давать модели самой решать финальное действие. Пусть она только извлекает данные, а обычный код уже решает: создать задачу, задать уточняющий вопрос или ничего не делать. И вот тут случился катарсис. Через 10 минут Codex пушит результат: Lite выбил 45/45. То есть сильная модель помогла мне настроить слабую модель так, чтобы не использовать сильную модель в проде на каждом сообщении. Вот это для меня прям щёлкнуло. Я мог бы просто поставить Pro, сказать "ну задача сложная" и платить больше на каждом запросе. Но вместо этого сильная LLM помогла собрать тесты, найти слабые места, подобрать инструкцию и выстроить схему, где дешёвая модель справляется с задачей. Получается странная, но очень рабочая экономика: сильная модель проектирует систему, слабая модель делает рутину, код принимает финальное решение. И это не попытка сэкономить на спичках. Если агент будет читать сотни или тысячи сообщений, разница между "дорогая модель на каждый запрос" и "дорогая модель только на этапе настройки" превращается уже в нормальные деньги. Короче, делюсь кейсом, как сильный AI помог заменить себя на сложной задаче и снизить стоимость работы. Оказывается, так можно. И, кажется, это не противозаконно, ахахах. Обнял, приподнял!)

Письмо счастья и минус 200$ При этом, я не использовал токен к сторонним сервисам🤡 (видимо мог бы, ахахах) И покупал только по своей зарубежной карте. И самая главная проблема тут — это не деньги, а тонна информации/подходов/проектов, которе заведены внутрь.

когда твой запрос поняли на 100%🥺

Какой у меня уровень коммуникации с заказчиками? Хороший вопрос....

😏 Если хотите свой бизнес, помните:

От 8 кнопок до одной фразы У заказчика — бот для записи на тренировки в Telegram. Работает? Работает. Люди записываются? Записываются. Но я открыл этот бот и попробовал сам. Хочу завтра в 18:00. Простое желание, да? Мой путь: кнопка "записаться" → выбрать день (листнуть, если дальше полутора недель) → попасть в выбор слотов. А слотов — несколько десятков, с шагом в 15 минут. И конечно они начинаются с утра. Ну а кто не хочет потренироваться в 6:30, верно?) Листаешь. Ещё раз листаешь. Находишь. Подтверждаешь. Оплачиваешь. 7-8 действий. Чтобы сказать "завтра в шесть". Фаундер: "Ну люди же привыкли, никто не жалуется." И вот тут начинается самое интересное. Есть такая штука — stated preference. Заявленное предпочтение. Когда спрашиваешь человека "тебе удобно?" — он говорит да, потому что привык. Доктор Дэвид Трэвис, 30 лет в UX-исследованиях, формулирует жёстко: люди не знают, чего хотят. Их мнения ненадёжны. Значение имеет только реальное поведение. Booking.com это подтвердил на практике. Пользователи говорили, что интерфейс удобный. А когда упростили навигацию — количество кликов упало на 75%, время выполнения задачи — на 84%. Никто не просил. Данные показали сами. Фаундер не хотел ничего менять. Пришлось собирать ресёрч и показывать цифры. А цифры вот какие. 22% пользователей бросают покупку исключительно из-за сложности процесса — это Baymard Institute, не блогер из телеги. Диалоговый интерфейс даёт до +70% вовлечённости в сервисах бронирования по сравнению с кнопками. HVAC-компания: конверсия записи выросла с 53% до 90%. Йога-студия — +27% завершённых записей за 6 недель. Медицинская платформа — с 10% до 20%. Нет, подожди. Перечитай последний. С десяти до двадцати. Удвоение. Просто потому что заменили формы на разговор. Показал фаундеру. Зелёный свет. Собрали AI-агента на T-Pro 2.1 — русская модель от Т-Банка, про которую я писал. Она отлично справляется с чёткими инструкциями и RAG, а для задачи записи — это ровно то, что нужно. Понять запрос, найти слот, предложить. Теперь путь пользователя: написать "завтра в 12" (или голосом) → оплатить. Два действия вместо восьми. Человек думает: "хочу завтра около шести". Не "открою календарь, выберу месяц, найду число, буду листать время". Бот наконец разговаривает на языке человека, а не заставляет человека говорить на языке бота. Главное правило CJM: чем меньше действий до целевого — тем выше конверсия. Всё остальное — комментарии. Если у ваших пользователей длинный путь до покупки — напишите. Помогу сократить — @nnikochan. Обнял, приподнял!)

Русская модель за 30 рублей, которая не должна была справиться. Но справилась. Работаю с Claude, Gemini каждый день. Проприетарные модели — это топ. Без вопросов. По глубине рассуждений, по сложным цепочкам, по креативу — они на голову выше. И стоят соответственно: $3-15 за миллион токенов. Но вот какая штука. Не каждая задача требует `$15`-модели. Т-Банк выкатил T-Pro 2.1. Русская модель на 32 миллиарда параметров. На базе Qwen3-32B, дообученная под русский язык. Я к ней отнёсся... ну, скептически (мягко говоря) А потом попробовал в двух боевых сценариях. Первый. У заказчика нужна текстовая поддержка клиентов. Подключил T-Pro 2.1 + RAG, скормил базу знаний. И эта малышка — качественно следует инструкциям, читает материалы, отвечает по делу. Не галлюцинирует на ровном месте. У клиента теперь 24/7 менеджер, который не вызывает раздражения. Для этой задачи — ее хватает. Второй. Затестил в своём ReAct`-агенте. Пустил управлять почтой, календарём, напоминаниями и задачами. Агентные сценарии — это вообще другая история, там нужен чёткий `tool calling, понимание контекста с первого раза. Запустил и... ни одной ошибки. Пока. Понимает запросы, корректно вызывает инструменты. Буду добавлять функции, посмотрим как себя поведёт дальше, но пока — вау. (Полез в доку — оказывается, в 2.1 они прицельно прокачали instruction following и tool calling до уровня модели Qwen3-235B, которая в 7 раз крупнее. Вот и объяснение.) Фишка вот в чём. Когда ты разбиваешь задачу на мини-процессы, где каждый шаг — понятное действие с чёткой инструкцией, тебе не нужен гений за $15. Тебе нужен исполнительный солдат, который делает ровно то, что сказали. И T-Pro 2.1 — это он. Ну и два бонуса, которые для российского рынка решают. Данные не уезжают за границу. Полностью российская модель. Разверни локально и забудь про трансграничку. Цена. T-Pro 2.1 cloud.ru отдаёт пока бесплатно. Прошлая версия — примерно 30-40 рублей за миллион токенов. Это меньше $0.5. В агентных задачах, где на одну комплексную операцию улетают миллионы токенов — разница с проприетарными моделями не в разы. В 10-15 раз. Claude для сложного мышления и кодинга. T-Pro для исполнения. Каждому своё. Т-Банк, молодцы. Наши слоны. Обнял, приподнял!)

Почему «старые» IT-шники тебя ненавидят (и почему они правы) Внедряю AI-решения в компании. И почти каждый раз — одна и та же стена. Не от заказчиков. От своих. От IT-отдела. Сначала думал — это личное. Ну типа, чувак учился 10 лет. Джун, мидл, синьор. Грейды, собесы, выгорание. А тут я такой залетаю с Claude Code и за три дня делаю то, на что у них спринт. Но нет. Не личное. Глубже. В 1981 году один инженер по имени Барри Бём нарисовал график. Кривая стоимости изменений. Суть: в классической разработке каждая правка дорожает экспоненциально. Баг в требованиях — $1. Тот же баг на продакшене — $10,000. Вот почему они перепроверяют ТЗ тысячу раз. Вот почему согласования длятся месяцы. Вот почему команда из 8 человек три недели обсуждает кнопку. Это не тупость. Это рациональная защита. В их мире каждая ошибка — бомба замедленного действия. А потом пришёл Agile и сгладил эту кривую. Короткие циклы. Быстрая обратная связь. Уже лучше. А потом пришёл я. (да, звучит нагло, но подожди) Когда работаешь через Claude Code, первые четыре шага классического цикла — понять, найти, поменять, протестировать — схлопываются в один промпт. Цикл не дни. Минуты. Пивот — не катастрофа с пересмотром бюджета, а штатная операция. Мне не нужно чётко формализованное ТЗ по полочкам. Мне нужно понять результат. Дальше — итерации по живой обратной связи от бизнеса. На прошлой неделе заказчик трижды менял логику воркфлоу. В старой парадигме это три раунда согласований, доп. бюджеты и нервный тимлид. У меня — три промпта и час работы. И вот тут я понял свою реальную различительность. Я продаю не код. Я продаю плоскую кривую стоимости изменений. Заказчику не нужно попадать с первого раза. Можно ошибаться. Можно менять направление. Это больше не стоит состояние. Первая рабочая версия — через 72 часа. Не через 3 месяца. И вот почему IT-шники сопротивляются. Не потому что глупые. Потому что вся их экономическая модель — команды, грейды, бюджеты — построена на том, что изменения дорогие. Ты приходишь и показываешь, что это больше не так. Это не конкуренция. Это обесценивание всего фундамента, на котором они стоят. Честно? Я их понимаю. Но понимание не меняет факта. Мир, где изменения дорогие — заканчивается. Мир, где изменения почти бесплатные — уже здесь. Вопрос только на какой стороне ты стоишь. Обнял, приподнял!)

Убиваем дашборды. Да здравствует диалог. Помните, писал про логистическую компанию и аналитику? Ударили по рукам. Запрос сформирован, начинаем строить. Концепт звучит как магия, но это чистая инженерия. Представьте: у вас есть бесконечные базы данных, таблицы, логистика. Обычно для этого внедряют Power BI или Yandex DataLens. Рисуют красивые графики. А потом сотрудники... просто не смотрят туда. Потому что анализировать глазами - это сложно, больно и долго. Мы делаем иначе. Telegram-бот, в который сотрудник пишет обычный вопрос: — «Почему у машины 304 вырос расход топлива на этой неделе?» Под капотом: 1. ИИ преобразует текст в SQL-запрос. 2. Идет в базу, забирает "сырые" цифры. 3. Анализирует их и выдает управленческую интерпретацию. Не таблицу, а ВЫВОД. Вместо того чтобы пялиться в экраны, менеджер получает готовый инсайт за секунды. Это кардинально меняет скорость принятия решений. Дэшборды - это круто, но человеку нужен ответ, а не картинка. Подписались. Стартуем. Как будет готово - покажу демо. Вы офигеете от того, как два текстовых запроса могут заменить полдня копания в Excel. Обнял, приподнял!)

Замкнул контур. Поднял своего Telegram-бота, который напрямую управляет Claude Code на сервере. Звучит дико, но теперь я могу билдить проекты, просто отправляя сообщения в чат. В руках только телефон. Где-то в облаке - агент, который пишет код, фиксит баги и деплоит. Никаких IDE, ноутбуков и сложных сетапов. Я просто пишу текст - система строит продукт. Да, в удивительное время живем, друзья. Весь R&D отдел теперь буквально в кармане.

Миллион токенов контекста - это ловушка. Сегодня созванивался со знакомым (сфера логистики). Обсуждали автоматизацию аналитики. Желание классическое: скормить ИИ весь массив данных за квартал и получить волшебную кнопку «Сделать хорошо». Но тут мы упираемся в жесткое ограничение. Несмотря на выход Gemini 3 Pro или Grok(1-2 млн контекст), физика LLM работает против нас. Чем больше контекста забито, тем хуже «внимание» модели. Она начинает терять детали и плыть в цифрах. Загружать сырую Big Data в один промпт - путь к провалу. Поэтому решили собирать для него систему по правильной архитектуре: 1. Декомпозиция. Разбиваем данные на логические слоты. Отдельно — Выручка. Отдельно — Издержки. Отдельно — LTV и средний чек. 2. Микро-анализ. Прогоняем каждый слот через ИИ отдельно. Получаем интерпретацию (выжимку смыслов, а не просто цифры). 3. Синтез. Собираем "интерпретации" всех блоков в один документ. 4. Финальный промпт. Скармливаем нейронке этот "концентрат" смыслов. Только так ИИ начинает видеть реальную картину: находить скрытые девиации, ловить неочевидные закономерности и отслеживать динамику. Без галлюцинаций. Договорились, что в ближайшее время внедряем этот пайплайн в его бизнес. Если у вас тоже лежат массивы данных мертвым грузом и вы хотите превратить их в понятные инсайты - вы знаете, кому писать. Обнял, приподнял!)

Бюджет нашего IT-отдела оказался меньше чека в ресторане. Вчера с командой подводили итоги месяца. У нас оформлена MAX-подписка на Claude за $200. Она дает лимиты в 20 раз больше базы. Мы реально пытались её вычерпать. За месяц закрыли: * 3-4 клиентских заказа (фулл-цикл). * 3 собственных AI-продукта (два уже в стадии пред-продакшена). Мы молотим нон-стоп. Итог? Мы даже не приблизились к потолку. Понимаете абсурд? Кодовые агенты - это ультимативный чит-код. У нас Claude Code живет не на локальных машинах, а прямо на сервере, в изолированной среде. Он там пишет, там же дебажит, там же деплоит. Из процесса исчезли лишние звенья: нам даже не обязательно пулить изменения с GitHub. Всё происходит в реальном времени. Один агент заменяет целую команду джунов и мидлов. Скорость выхода на рынок сократилась с месяцев до дней. Скоро бизнесу станет физически больно платить студиям-подрядчикам. Цифровизация не ждет. Будущее выглядит так: компания не ищет агентство, а нанимает одного "Ника" за 150к, который держит всю архитектуру в узде с помощью фермы агентов. А потом и этот "Ник" станет лишним) Сейчас я серьезно думаю над тем, как передавать эту компетенцию внутрь компаний. Не продавать рыбу, а внедрять удочку. Кажется, это то самое будущее, где я хочу быть драйвером, а не просто зрителем. Обнял, приподнял!)

«Нужно вчера» - это не паника. Это единственное верное ТЗ. Осознал баг в своей прошивке: мне физически больно делать вялые проекты. Те самые, где сроки не горят, а дедлайн нарисован в календаре просто для галочки. Такие задачи ощущаются мертворожденными. Там нет боли. Там нет энергии. Клиент сам не понимает, зачем ему этот скрипт, кроме как для красивого отчета. Зато когда приходят с запросом «нужно вчера» - работа идет в другом ритме. Тут всё прозрачно. Боль острая. Цель ясная. Лишней бюрократии - $0. Не надо высасывать смысл из пальца. Мой текущий стек под такие задачи: 1. Созвон (Синхронизация). 2. 5 дней спринта (Хардкодинг). 3. Финальный синк (Сдача). Все довольны, проблема решена, система работает. Если автоматизация не тушит пожар, а просто стоит как дорогая мебель - это мусор. «Вчера» - отличный индикатор того, что софт реально нужен бизнесу, а не просто занимает место на сервере. Не плодите сущности. Решайте проблемы. Обнял, приподнял!)

Как я учил рестораны работать с ИИ. Инсайты недели Прив! На прошлой неделе устроил себе небольшой гастро-тур по нейросетям). Сначала читал лекцию в ЧИХО (сеть китайской кухни). Разбирали базу: объяснял, что ИИ, на самом деле, не думает, а угадывает. Учились писать промты, чтобы он реально помогал, а не галлюцинировал. В конце сделали воркшоп — ребята решали свои задачи прямо на месте. И знаете, к какому выводу я пришёл? Одной лекции катастрофически мало. Я теперь железобетонно уверен: без базового понимания инструмента работать с ним плодотворно не выйдет. Либо ты учишь матчасть, либо тратишь годы на метод тыка и рефлексию. Чудес не бывает. Кстати, ребят сильно вдохновила тема генерации контента и цифровые блогеры (VEO3 и подобные). Визуал сейчас решает. Тем же утром успел заскочить в NovikovSchool на курс для начинающих рестораторов. За час постарался впихнуть базу и показал, как работает Deep Research. Это была своего рода «проба пера» перед большим курсом по ИИ для ресторанов, который мы там готовим. Скоро, кстати, покажу ещё один продукт, который собран полностью на ИИ. Ждите анонс) И тут я поймал себя на мысли: я совсем не касаюсь темы визуальных нейросетей. Я-то в основном по коду и автоматизации, но для бизнеса часто делаю и визуальные штуки. Было бы интересно про это почитать? Могу поделиться кейсами, хоть я и не дизайнер. Пишите «+», если тема визуала нужна. Обнял, приподнял!)