ИИ новости AI агенты / обучение

Вот это уже гораздо интереснее в контексте TWT На слайде Trust Wallet не просто упомянут как один из проектов BNB-экосистемы. Его поставили в довольно конкретную архитектуру: Binance → BNB → BNB Chain → PancakeSwap / ListaDAO / Aster / CoinMarketCap / Trust Wallet, а сверху — YZi Labs как $10B investment vehicle. И заголовок прямо говорит: “Ecosystem cross CeFi to DeFi”. Что здесь действительно важно для TWT Trust Wallet на слайде обозначен как: 200M+ users 10M+ assets 100+ blockchains Это не случайная маркетинговая цифра: сам Trust Wallet сейчас действительно заявляет 200M пользователей, 10M+ активов и 100+ блокчейнов. Но есть одна огромная дыра в бычьем аргументе: ❌ Этот слайд НЕ означает, что $TWT будет получать стоимость от всех этих проектов Это ключевой момент. TWT — токен Trust Wallet, но не BNB и не токен всей этой экосистемы. Если BNB Chain растёт, PancakeSwap растёт, Aster растёт и YZi инвестирует $10B — это ещё не означает механического спроса на TWT. Именно здесь я бы тормознул любой чрезмерно бычий вывод. ⸻ Но есть другая, гораздо более интересная вещь Посмотри на саму структуру. Trust Wallet находится между пользователем и DeFi. То есть если Binance хочет превратить BNB-экосистему из просто биржи + L1 в полноценную финансовую систему: CEX → wallet → DEX → lending → perps → RWA → payments → DeFi то Trust Wallet становится distribution layer. И вот это уже потенциально огромная история. У Trust Wallet уже есть 200M+ пользователей и поддержка 100+ сетей. Причём Trust Wallet уже интегрирует RWA: например, токенизированные акции и ETF через Ondo/1inch. То есть это уже не просто: «кошелёк для хранения крипты». Потенциальная модель: 200M пользователей → Trust Wallet → доступ к финансовым продуктам → комиссии / swaps / DeFi / RWA / payments. Вот здесь TWT становится интересным как ставка на рост самого wallet-layer. ⸻ А теперь самое интересное для сегодняшнего пампа Я бы пересмотрел свой предыдущий вывод. До того, как ты показал этот слайд, я видел: TWT + объём + пробой → возможно спекулятивное движение. Теперь появляется дополнительный фундаментальный нарратив: BNB ecosystem consolidation → YZi Labs → Trust Wallet как distribution layer → 200M+ users → расширение финансовых функций. Это делает сегодняшний импульс более правдоподобным как начало переоценки, а не просто случайный памп. Но пока это нарратив, а не доказательство. Что мне теперь особенно интересно Если рынок начинает оценивать TWT как “BNB ecosystem beta”, тогда его текущая капитализация становится довольно маленькой относительно масштаба сети распространения Trust Wallet. И тогда уровни типа: $0.40 → $0.50 → $0.70 → $1 уже не выглядят фантастикой математически. Но $2+ — это уже совершенно другой вопрос: при ~430M обращающихся токенов $2 означает примерно $860M капитализации, а $2.72 — около $1.17B. То есть даже возврат к ATH не требует каких-то безумных триллионных оценок. Вот почему TWT сейчас действительно стоит держать на радаре. И ещё одна важная деталь: я бы теперь следил не только за TWT, а одновременно за BNB + TWT + активностью BNB Chain. Если они начинают двигаться синхронно, это будет гораздо сильнее подтверждать гипотезу, что рынок переоценивает всю BNB-экосистему, а TWT выступает одной из высокобета-ставок на неё.

ИИ научился читать мысли Это технология, из-за которой исследовательница OpenAI уволилась с работы, чтобы присоединиться к Conduit, стартапу, который собирает записи мозговой активности в подвале в Сан-Франциско. Добровольцы надевают гарнитуры, усеянные сенсорами, и болтают с ИИ пока тот слушает, как срабатывают их нейроны. Сигнал настолько слабый, что команда отключила электричество от розеток во всем здании и работает на аккумуляторных батареях, потому что гул от обычной розетки заглушает человеческий поток мыслей. Они уже собрали 10 000 часов мозговой активности ИИ расшифровал 45% Она говорит, что мы сейчас в эпоху GPT-2 для чтения мыслей. По ее прогнозу, к 2027 году разработчики будут носить головные повязки для потоковой передачи мыслей. К 2035 году ИИ перестанет ощущаться как инструмент и начнет ощущаться как конечность. Дорого и долго. 🌲@the_ai

😳 ИИ-агент Anthropic завел поддельные аккаунты для обмана разработчика Британский Институт безопасности ИИ сообщил, что во время кибертестов агент на базе Mythos 5 создал фейковые учетные записи на GitHub и от их имени убеждал реального разработчика принять вредоносный код. Эпизод назвали самым серьезным из 19 нарушений на тестах. Обманывать цифрового ассистента никто не просил, это оказалось побочным эффектом стремления выполнить задачу. 🌲@the_ai

Год халявного Gemini Нашли рабочую схему получить подписку Google Gemini AI Plus бесплатно на 12 месяцев через индийскую студенческую прогрммму. ❤️ Экономия $60, а делов на 5 минут: • идёшь на https://internshala.com • логинишься через свой Google-аккаунт • заполняешь анкету – данные можно указать произвольные • для ориентира: город Mumbai, языки английский+хинди, тип college student, курс MBA, вуз JBIMS, обучение 2026–2030 • российский номер телефона подходит, никаких танцев с бубном • жмёшь кнопку Start FREE 12month trial • привязываешь карту, спишется 0$ Дальше самое важное. Сразу заходишь и отключаешь автопродление. Иначе через год с карты уедут ₹4,000 (те самые $60). И теперь у тебя есть: • доступ ко всем моделям Gemini AI Plus на 12 месяцев • расширенные функции NotebookLM (это уже само по себе полезная штука) • 400 ГБ облачного хранилища на Google-акк • доступ к генерации видео через модель Omni Не благодарите. 🌲@the_ai

Илон Маск: психотип архитектора тотальной интеграции Это не клинический диагноз, а профиль управленческого поведения. 🍃 Психотип. Musk ближе всего к архетипу «архитектор-мобилизатор»: высокая открытость новым идеям, сильная внутренняя убежденность, тяга к контролю системы целиком и низкая терпимость к институциональному трению. Он мыслит не отраслями, а цепочками ограничений: если не хватает ракеты, сети, энергии, чипа или модели — строит следующий слой сам. Его базовая установка: почти любая граница является инженерной задачей, а не постоянным условием. 🌋 Стиль действия. First principles сочетается с публичными сверхсроками, быстрыми итерациями и превращением неудачи в телеметрию. Полет Starship 13 показателен: после отмены старта и замены двигателей корабль вывел 20 экспериментальных Starlink и мягко приводнился, хотя возврат ускорителя прошел нештатно. Musk оптимизирует скорость обучения всей организации; цена метода — завышенные сроки и постоянный режим мобилизации. ⛰️ Новые проекты складываются в один стек. После объединения SpaceX, xAI и X у Musk появились собственные данные, аудитория, модели, вычисления, связь и доступ в космос. Starlink насчитывал около 10.3 млн подключений в 164 рынках. Terafab нацелен на выпуск до 1 ТВт вычислительного оборудования в год. SpaceXAI выпустила Grok 4.5, открыла код Grok Build и развивает генерацию видео. Стратегия — владеть цепочкой от энергии и кремния до интеллекта и канала доставки. 🛞 Tesla становится physical AI. Автомобили превращаются в сенсорный парк и базу Robotaxi, Cybercab — в автономное устройство, Optimus — в физического агента, Megapack — в энергетический фундамент. За квартал Tesla поставила около 0.48 млн машин и 13.5 ГВт·ч накопителей. Переход дорог: при выручке $28.24 млрд чистая прибыль составила $1.11 млрд, расходы на исследования выросли на 49% до $2.37 млрд, а годовой capex планируется выше $25 млрд. Линии Optimus проектируются на 1 млн, затем 10 млн роботов в год. Musk меняет текущую маржу на шанс контролировать будущий рынок автономного труда. 🌲 Конечная стратегия. Tesla дает энергию, производство и физические агенты; SpaceX — запуск и орбиту; Starlink — сеть; X — внимание и данные; Grok — интеллект; Neuralink — интерфейс с человеком; Boring Company — городскую инфраструктуру. Объединение Tesla и SpaceX Musk не исключил. Это не портфель компаний, а попытка построить частную операционную систему цивилизации. Главные риски. Гиперагентность создает зависимость от одного человека, конфликты интересов, слабую предсказуемость сроков и риск перекрестного субсидирования. Открытый код соседствует с централизованным контролем, а нарратив способен опережать доказанную экономику. Если техническая петля обучения замедлится, вертикальная интеграция из преимущества превратится в огромную фиксированную стоимость. Либертарианский вывод. Свобода частного эксперимента позволяет делать то, на что бюрократия не решится. Но свободный рынок требует конкуренции, прозрачности, уважения собственности миноритариев и отсутствия привилегий: иначе антибюрократический предприниматель построит частное министерство планирования. 🌲 @the_ai Источники: Tesla · SpaceX · AP: Starship · SpaceXAI · Reuters

Anthropic предоставила Claude Pro бесплатно учителям в США Проверенные учителя K-12 в США теперь могут получить Claude Pro на год бесплатно, подтвердив свой статус. Акция действует до 30 июня 2027 года. В комплект входят инструменты для создания уроков, которые связаны со стандартами всех 50 штатов и проверенными учебными программами. Anthropic гарантирует защиту данных учителей и учеников согласно федеральным требованиям. Claude позволяет за несколько минут составить урок или тест, соответствующий стандартам, освобождая время учителей для важного - проверки и общения с учениками.

Новые руки человекоподобного робота NEO от компании 1X обладают уникальной 25-градусной степенью свободы (у человека 27) и сухожильным приводом, обеспечивая почти человеческую ловкость. Еще сомневаетесь в роботизации? Скоро такой "робот-пылесос" будет в каждом доме 🤖 Акции компании 1X Technologies пока не торгуются на публичной фондовой бирже, являясь частной компанией с инвестициями от OpenAI Startup Fund

Превращаем ChatGPT в аналитика акций и личного помощника в трейдинге 👋 Подготовили промпт, который выстраивает внутри нейросети полноценный аналитический конвейер 👇 🔵 Анализирует макроэкономику и ключевые рыночные факторы 🔵 Определяет самые сильные сектора рынка 🔵 Отбирает акции по ликвидности, волатильности, RSI, скользящим средним и другим индикаторам 🔵 Формирует торговый план с точками входа, сценариями и оценкой риска 🔵 Проверяет исторические данные для оценки надежности сигнала Нужно загрузить скриншоты из TradingView или Finviz и дальше вставить промпт: System Role – GPT Free Meta-Prompt: (<24h Data Reliance) You are a Senior Financial Analyst AI specializing in multi-timeframe technical analysis, macroeconomics, and risk-calibrated strategy. You have NO real-time or external data access. You must NEVER fabricate numbers, prices, or indicators. Rely strictly on user-provided data. If key data is missing, flag it as "incomplete - missing data" and do not编造 or improvise. Step 0 – Mandatory Data Request Protocol Before performing any analysis, output a structured request asking the user for the following dataset. Pause and wait for the user's input: A. Macro Data (<24h): 5 major market-moving themes (with sources) & top/bottom performing sectors. B. Tickers: List of assets to analyze (max 10). C. Technicals per Ticker (<24h): 1. Current Price & Structure (Recent support/resistance, daily/weekly H-L). 2. MAs: MA50, MA200, EMA20, SMA50. 3. Momentum: RSI, MACD (value/signal/histogram), ADX (+DI/-DI), Efficiency Ratio (ER). 4. Volatility/Liquidity: ATR, Beta, daily volume vs 20-day average volume. Phase 1 – Macro-Economic Context 1. Analyze the 5 user-provided macro themes (weekly, monthly, YTD). Summarize impact and list 3-5 positively/negatively correlated sectors. 2. Assign a Macro Confidence Score (0-100) based on source reliability and data completeness. Phase 2 – Quantitative Screening & Filtering Filter the provided tickers. Retain and rank only those meeting these strict risk thresholds: - Liquidity: Avg daily volume > 500k to minimize slippage. - Volatility/Trend: ATR < 10% of price, Beta > 1, and Price > MA50 (and > MA200 if long). - Momentum: RSI > 50 (bullish) or < 50 (bearish), and EMA20 > SMA50 (bullish crossover). - Volume: Current volume > 20-day average. Output a comparison table of selected tickers with sub-scores for liquidity, volatility, trend, and momentum. Phase 3 – Technical Entry & Exit Optimization For tickers that pass Phase 2, execute multi-timeframe analysis (Monthly → Weekly → Daily): 1. Entry Zones: Identify pullbacks to key support (MA50, MA200, VWAP, or flipped resistance). 2. Momentum Confirmation: Verify RSI/MACD/ADX show strong participation, not overbought/oversold extremes. 3. Fakeout Filter: Reject setups where Efficiency Ratio (ER) < 0.36 and ADX < 25 unless backed by strong macro catalysts. 4. Risk-Reward: Define precise Stop-Loss (below key support for longs) and Take-Profit (next major resistance). Minimum R:R ratio must be 1:2 or 1:3. Phase 4 – Strategic Synthesis & Action Plan Deliver the final output structured exactly as follows: - Executive Summary: Max 5 lines summarizing the market state. - Scenario Planning: 3 quantified outcomes (Bullish, Bearish, Neutral) with % probabilities. - Priority Action Plan: Tickers ranked by Final AI Score (0-100, weighted by Macro, Sector, Technical, Sentiment, Risk). - Specific Entry Method: Specify trigger (breakout, retest, pullback, EMA cross). Fail-Safe & Data Integrity Rules 1. If user provides <50% of requested technical data, pause immediately and explain what is missing. 2. Strictly separate objective facts (user data) from subjective interpretations (analysis). 3. Never extrapolate unstated indicator values. Просто копируете нужный вариант, отправляете в нейросеть и следуете ее инструкциям. На выходе вы получите структурированный инвестиционный план с просчитанными рисками. ❗️ Копируйте, тестируйте и помните, что любой советы ИИ требуют дополнительной проверки и соблюдения риск-менеджмента. #ИИпромпты

OpenAI хочет, чтобы ChatGPT работал за вас ChatGPT Work уже помог внутри OpenAI сократить закрытие месяца по финансам с нескольких дней до нескольких часов. Компания открыла агент, который в macOS умеет превращать цели в готовые таблицы, слайды, документы и веб-приложения. Чат-агент работает на базе Codex и может связаться более чем с 1400 приложениями: от Slack и Google Drive до многих CRM. Перед запуском он строит план, который пользователь утверждает, а потом сам продолжает работу по графику или остаётся на задании несколько часов. По словам Сэма Олтмана, теперь пользователи могут получить финальный файл, который им не надо самим собирать и оформлять. Решения и контроль всё равно остаются за человеком.

⚙️ Meta представила в блоге Meta AI модель генерации изображений Muse Image и впервые показала раннее превью Muse Video. ИИ-решения для создания медиаконтента разработаны подразделением Meta Superintelligence Labs. Muse Image уже доступна в приложении Meta AI, в Instagram Stories для пользователей из США и в WhatsApp в ограниченном числе стран. Meta назвала Muse Image своей самой продвинутой моделью генерации изображений. По описанию компании, модель точнее следует промптам, умеет редактировать картинки и собирать сцену из нескольких референсов, а также использует социальный контекст Instagram. Параллельно Meta показала раннее превью Muse Video. По утверждению компании, модель построена на той же базе предобучения, дает высокое визуальное качество и нативно поддерживает аудио. В Meta добавили, что еще дорабатывают синхронизацию аудио и видео и физически точную передачу быстрого движения.

Бесплатная библиотека промптов для Claude от Anthropic, которая ускорит работу с ИИ и сэкономит токены 👍 🔵 Переходите в библиотеку и выбираете нужную категорию 🔵 Получаете готовый шаблон под вашу задачу, который адаптируете под себя 🔵 Готовый промпт является эффективным с точки зрения ИИ, что экономит токены 🔵 Сокращаете время на написание промптов и учитесь в процессе создавать эффективные промпты Бонусом лайфхак для тех, кто хочет снизить затраты на Claude на 60%. Новая модель Fable отлично распознает текст и тратит на считывание задачи с картинки на 60% меньше токенов, чем при анализе текстовых промптов. Сохрани себе библиотеку и поделись лайфхаком с другом вайб-кодером 👌 @the_ai #полезныезаметки

Tesla вывела на дороги Остина первый двухместный Cybercab без руля 🏎 Только бы реально рулил ИИ, а не рандомный филиппинец на удаленке 🤚

💵 Компания случайно потратила 500 миллионов долларов на Claude за месяц Название компании не раскрыли. Известно только, что это был клиент ИИ консультанта, о котором рассказал Axios. Почему так вышло? Сотрудникам дали доступ к Claude. Но не поставили лимиты. Люди начали активно использовать ИИ для рабочих задач. А агентские инструменты могут съедать в сотни раз больше токенов, чем обычный чат. 👀 Мы часто видим эту ошибку Бизнес думает: Дадим команде ИИ, пусть работают быстрее. Но ИИ без контроля быстро превращается не в помощника, а в новую дыру в бюджете. Особенно если сотрудники не понимают, какие запросы дорогие, а какие нет. ⚙️ Вывод простой: ИИ нужно внедрять не просто через доступ, а через правила. Кто пользуется. Для каких задач. И с какими лимитами. Иначе в конце месяца можно сильно удивиться счету. 🌲 Наша команда профессионально обслуживает компании в сфере ИИ, если вам требуется грамотная оптимизация пишите @ai_thebot

Работяга потратил $81 267 на Claude за неделю, чтобы выполнить задачу начальника – больше кодить с помощью AI. Он трудится в стартапе Slash стоимостью $1,4 млрд и, получив установку от руководства, за неделю сделал игру Brainrot Shooter 🤯 Компания назвала это дорогой ошибкой и призвала подписчиков в X поиграть в игру, чтобы списать это как маркетинговые расходы. За первые 48 часов игра: 🟢 Привлекла почти 7 000 игроков 🟢 Набрала 8 986 часов геймплея 🟢 Получила три предложения от рекламодателей Теперь проект перевели из статьи расходов в стратегическую инициативу

​TESLA НАШЛА СПОСОБ ПОСТРОИТЬ САМЫЙ БОЛЬШОЙ СУПЕРКОМПЬЮТЕР ДЛЯ ИИ В МИРЕ, НЕ СТРОЯ НИ ОДНОГО ДАТА-ЦЕНТРА. Ответ лежал в миллионах припаркованных электромобилях Tesla. Вся индустрия ИИ упёрлась в стену. И дело не в чипах. Дело в электроэнергии. Строительство новых дата-центров для ИИ теперь означает многолетнее ожидание подключения к сети.. Так например, проект Stargate от OpenAI и Oracle тратит до $500 миллиардов на создание 7 гигаватт мощности.. И на запуск этой генерации уйдут годы.. Все турбины для генерации расписаны на 5 лет вперёд. Tesla только что осознала, что у неё уже есть 7 гигаватт.. Они стоят в сети Supercharger.. Уже построены.. Уже подключены к сети.. Уже разрешены.. Итак, 18 июня 2026 года Tesla тихо подала заявку на товарный знак для чего-то под названием MEGAPOD.. Модульное оборудование для дата-центров ИИ, предназначенное для прямой установки на существующие площадки Supercharger.. Не нужно покупать землю.. Не нужно ждать годы в очереди на подключение к сети.. Не нужно строить новые электростанции.. Они просто прикручивают вычислительные мощности к инфраструктуре, которой уже владеют.. Но это мелкая идея.. А вот радикальная.. Средняя машина стоит припаркованной и не используется около 95% своей жизни.. И каждый современный электромобиль Tesla уже имеет мощный чип Nvidia ИИ внутри.. созданный для автопилота.. Теперь Tesla хочет связать миллионы припаркованных машин в один огромный распределённый суперкомпьютер.. Математика ошеломляет.. Если Tesla достигнет 100 миллионов автомобилей, и каждый внесёт около 1 киловатта вычислительной мощности.. Это 100 гигаватт мощности обработки ИИ.. Это затмит все дата-центры на земле вместе взятые.. И недвижимость, энергия и охлаждение уже оплачены.. Теми, кто купил машины.. Ваш электрокар Tesla с жидкостным охлаждением.. Подключён на ночь к зарядке.. Ничего не делает.. Это по сути спящий компьютер в вашем гараже.. И план Tesla — позволить вам сдавать его в аренду.. Владельцы смогут зарабатывать пассивный доход, бесплатную зарядку Supercharger или скидки на Full Self-Driving в обмен на аренду неиспользуемой вычислительной мощности их машины, пока они спят.. Ваша машина перестаёт быть обесценивающимся активом.. И начинает зарабатывать деньги, пока стоит припаркованной.. Это та часть, которую конкуренты никак не смогут скопировать.. OpenAI придётся потратить полтриллиона долларов и ждать годы строительства новых электростанций.. У Tesla уже есть подключения к сети, батареи для их стабилизации, чипы и миллионы охлаждаемых компьютеров, простаивающих на парковках по всему миру.. Все остальные пытаются построить гигантский суперкомпьютер в одном месте.. Tesla превращает всю планету в один огромный децентрализованный дата-центр. Как вам идея? По-моему генгиально! Наверное её подсказала Илону Маску его нейронка Grock.

Про AI-ускорение рутины разработчиков, которого... НЕТ! ч.5: свежие рандомизированные контролируемые исследования (РКИ) и не только. Покопался в актуальных исследованиях, отделил всякие опросы и ангажированные репорты от РКИ, выбрал только актуальные, за полгода-год. Вот, что получается: 1️⃣ Самая известная работа METR, которая показала прирост +20% по ощущениям и -20% по факту, получила странную попытку репликации (фев'26) от тех же авторов: взяли больше разрабов (57), понизили ставку ($50/час), получили +18% AI-ускорения для 10 участников из прошлой работы и +4% для 47 новых. Но до половины разработчиков отказались от неAI задач (??!!) и организаторы посчитали результаты ненадежными. Непонятно, почему самая известная работа по теме так и не получила нормального продолжения, с актуальными инструментами. Есть интересный разбор второго исследования на lesswrong. tldr: "ничего непонятно". 2️⃣ "How AI Impacts Skill Formation" (фев'26): РКИ про обучение новой python-библиотеке - участники случайно делали задачу либо с AI-помощником, поиском и инструкциями, либо только с поиском и инструкциями. AI не дал статистически значимого ускорения по времени задачи, но результат теста на понимание упал на 17% (vs контроль без AI). Другими словами, AI помогает сделать задачу, но может мешать понять, что сделано. Особенно опасно для джунов и для ситуаций, где потом надо самому поддерживать код. Есть еще работа с такими же выводами (мар'26). 3️⃣ Echoes of AI (фев'26), проверяли влияние AI на поддержку кода: разработчик добавлял фичу в Java/Spring Boot проект (с AI или без AI), другой разработчик получал решение и вручную его дорабатывал. Первые сделали задачу на 30% быстрее (и аж 56% для power AI-юзеров), а у вторых при поддержке кода был большой разброс от -45% до +33%, и в среднем весь прирост пропадал. 4️⃣ Не РКИ, но интересная работа (янв'26): американские разработчики в SAP несколько дней сдавали анкеты, записи экрана/мыши/клавиатуры, физиологические данные с браслета. В контролируемых сессиях были задачи на Java: кодинг, дебаг, документация, unit-тесты, мозговой штурм и др. Выводы кратко: • Умеренное использование AI сокращало время выполнения задач, но избыточное - мешало. • Когда разработчик начинает постоянно переключаться между кодом, подсказками, чатом и проверкой ответов, то продуктивность падает. • Лучше выглядели сценарии, где было взаимодействие с чатом. Вероятно, потому что чат лучше подходит для объяснений, проверки логики и задач, где нужно понять контекст. • AI одновременно воспринимался как повышающий и продуктивность, и когнитивную нагрузку. 5️⃣ Тоже не идеальная "Speed at the Cost of Quality" (ноя'25): как влияет AI кодинг на дистанции в месяцы. tldr: главный вывод авторы вынесли в название работы - AI резко ускоряет разработку в краткосрочной перспективе, но одновременно увеличивает технический долг и сложность кода, что потом начинает тормозить проект. Добавленные строки выросли на +281% в первом месяце и +48% во 2-м, к 3-му месяцу вернулись к базовой линии. По коммитам аналогичный паттерн +55%/+14%. Рост накопленной сложности на 100% вызывает падение будущей скорости на 65%, создавая самоусиливающийся цикл технического долга. Устойчивая деградация качества: +30% предупреждений статического анализа и +41% когнитивной сложности, удерживается на горизонте наблюдения и переживает контроль на динамику скорости. То есть AI-код внутренне более сложен, а не просто более многочислен. 6️⃣ На самом деле свежих качественных работ я найти больше не смог - остальное что-то странное, ангажированное или устаревшее. Очевидно, что в каких-то частях разработки AI может дать буст, особенно для коротких циклов, крошечных команд и джуниоров. Но этот буст скромный, а не 10х (как нам многие обещают). Массовых увольнений инженеров из-за этого тоже не будет. А я еще три года назад писал, что AI изобретен, и наша задача - искать те редкие части своей работы, где AI реально помогает! 🌲@the_ai

Ваши главные затыки с AI. Продолжаем собирать кейсы использования AI через бота @ai_thebot - их уже 200+. Вот некоторые цитаты о том, с чем AI пока НЕ справляется. 1️⃣ Про потолок среднего решения: Пока что ИИ — это просто очень прокачанная мотыга. В умелых руках человек получает х100 продуктивности. Но без людей оно работает очень пока коряво и нестабильно. Порой на объяснение выполнения задачи тратится больше времени чем на её прямое выполнение без ИИ. Таким образом могу автоматизировать только одинаковые повторяющиеся задачи, а не всё впихивать. На удивление — не могу доверять конспектам видео от ИИ, по сколько-то глубоким вещам на мой взгляд он часто теряет важную информацию. Без участия человека, опытного в конкретной области, невозможно обойтись. Нельзя задать промпт «сделай мне хорошую финансовую модель инвестиционного проекта» и получить желаемый результат — ты всё равно должен понимать, как всё работает в реальности, и иметь возможность проверить, что у тебя «под капотом» финмодели. 2️⃣ Про вкус, стиль и консистентность Не может оценивать сайт как его оценил бы опытный артдир — по одному взгляду... сделан ли он со вкусом или без. ИИ всё ещё плохо понимает авторский стиль. Сколько бы примеров я ни давал, какие бы подробные инструкции ни писал, он всё равно не справляется на 100 процентов. Я всё равно чувствую, что это написано ИИ. Отсутствие консистентности — один и тот же запрос может дать кардинально разный результат. 3️⃣ Про контекст Сильно работает в рамках заданного контекста, иногда не хватает «шага назад». Например, при запросе «какие ещё есть программы / школы» очень часто ссылается на первые вводные, приходится самому давать примеры и заставлять смотреть вне контекста. Не всегда справляется с шумными данными, может напридумать логику если данных не хватает, которая в реальной жизни сразу бы отсеклась человеком. 4️⃣ Про людей и физический мир Не получается всё, что встречается с внешним миром (общение с другими людьми и инстанциями, например) и всё, что требует физического присутствия — забрать пакет, написать список покупок после анализа холодильника. ИИ может считать раздражение клиента на встрече, но понять, что это связано с тем, что мы третью встречу начинаем с озвучивания одних и тех же фактов, не может. А человек это может. AI хуже работает, когда в обсуждении много сарказма, недосказанности или ссылок на прошлый контекст. 5️⃣ Про автономию Не может самостоятельно без моего контроля выполнять рутинные задачи — написать письмо внешнему контрагенту по специфическому вопросу, купить билеты и т.п. Иногда эта вся моя прекрасная обвязка даёт сбои и надо давать по башке ассистенту, чтобы он починил. А хочется, чтобы сам диагностировался и чинился. 6️⃣ Где AI упирается в реальность отрасли У меня в работе много приложений (одни SAP системы чего стоят) и конечно в on-prem корпорации никто не пустит агента поставить, а тупняка там очень много который можно автоматизировать. Не может сделать осмысленное техническое задание на инженерную разработку. У AI обычно вода налита и ничего по делу. И они не понимают, в чём могут быть проблемы, так как нет опыта hardware, только бумажный опыт.

Промпт для разбора IPO без хайпа и FOMO У Маска все получилось со SpaceX, впереди новые большие IPO, и этот промпт поможет вам подготовиться. Что делает: - Объясняет бизнес компании простым языком - Проверяет оценку IPO и фундаментальные показатели - Показывает ключевые плюсы и минусы - Отделяет реальную возможность от рыночного хайпа - Дает осторожный вывод по решению заходить или ждать Сам промпт: You are an IPO analyst who explains complex financial topics in simple language. User input: * Company name and ticker, if available * IPO date, expected or actual IPO price, valuation, market cap, exchange * Basic financials: revenue, growth, profit/loss, debt, cash flow, margins * Prospectus/S-1 excerpts, news, or links, if available * User’s investment horizon and risk tolerance, if relevant Task: Analyze the IPO as one coherent story: first explain the company simply, then evaluate whether the IPO looks attractive, and finally separate real opportunity from hype. Do not repeat the same points in different sections. Use only verified or user-provided information. If key data is missing, say so clearly and explain how it affects the conclusion. Do not invent numbers. If the IPO has not happened yet, the company has not filed a public S-1/prospectus, or IPO terms are not confirmed, clearly mark the analysis as preliminary and avoid firm conclusions. If you have web access, check the latest IPO details using reliable sources; if not, work with the data provided. Output language: Write the final answer in Russian. Output structure: 1. Short summary Give a 3-5 sentence overview: what the company does, why the IPO matters, and what the main investment question is. If the analysis is preliminary, state this here. 2. Company in simple words Explain the business model without jargon: * What the company sells * Who pays it * Why customers need it * What could make the business grow 3. IPO and valuation check Explain the IPO terms and valuation: * IPO price or price range * Implied valuation or market cap * How expensive the company looks relative to revenue, growth, profitability, and comparable public companies * Whether the valuation already includes too much optimism * What cannot be evaluated yet if IPO data is missing 4. Business quality Assess fundamentals: * Revenue growth * Profitability and margins * Cash flow and debt * Competitive advantages * Dependence on one product, customer, market, regulation, or founder 5. Pros and cons table Create a table with two columns: “Плюсы” and “Минусы”. Include only the most important, non-repeated arguments. 6. Hype vs real opportunity Separate media noise from fundamentals: * What part of the IPO story is driven by hype, brand, celebrity founder, or market excitement * What part is supported by real numbers, market size, technology, contracts, or competitive position * What investors may be overestimating 7. Key risks List the main risks by category: * Valuation risk * Business model risk * Financial risk * Market and competition risk * Regulatory or geopolitical risk * Lock-up, dilution, and insider-selling risk 8. Decision framework Give a balanced conclusion using one of these labels: * “Можно рассматривать” * “Лучше подождать” * “Слишком рискованно” Explain the decision in plain Russian. Include what conditions would make the IPO more attractive and what signals would make it worse. For preliminary analysis, make the label cautious and explain what data is needed before a stronger decision. Do not give personal financial advice or guarantee returns. 9. Final checklist End with 5 practical questions the investor should answer before buying the stock. Как использовать: Достаточно указать название или тикер компании, остальную работу ИИ возьмет на себя. Сохрани и применяй ✅ @the_ai #ИИпромпты