⚡️ Самый мощный ИИ-агент Owl ВЫШЕЛ — это бесплатный аналог суперхайпового Manus, доступный абсолютно ВСЕМ!
— Даём агенту ЛЮБУЮ задачу и идём пить кофе; — Может рулить браузером, заполнять таблички в Excel или выполнять код; — Уничтожает рутину: может анализировать рынок акций, бронировать столики или вести аккаунты в соцсетях; — Вы САМИ выбираете нужную модель: старичка ChatGPT или нашумевших китайцев DeepSeek; — Понятный интерфейс — разберётся даже ребёнок; — БЕСПЛАТНО.
В своём телеграм-канале я стараюсь публиковать эти самые новости раньше всех. А ещё регулярно даю глубокую аналитику по отрасли и всем событиям, рассказываю как создавать собственных ИИ-агентов и приложения с ИИ. И много других интересных непотребств. Велком!
Представлен список из 20 самых популярных стартапов 2024 года с открытым исходным кодом по всему миру с точки зрения количества «звёзд» GitHub в проектах и их прироста. Оказалось, что более половины из них (11 из 20) тесно связаны с ИИ.
Visual Capitalist показала динамику количества вакансий в разработке ПО в США за период с 1 февраля 2020 года до 1 марта 2025 года. За основу взяты данные ФРС США.
Согласно графику, спрос на разработчиков ПО снизился с началом пандемии, но потом резко взлетел в 2021–2022 годах. Стартапы купались в инвестициях, а компании брали всех без разбора, чтобы уже через год-два на фоне постковидной коррекции и макроэкономических проблем тысячами увольнять и замораживать наём. Тот всплеск стал одним из крупнейших в истории и кардинально изменил рынок вакансий в софтверной разработке, сделав осторожнее и соискателей, и компании, которые стали более стратегически подходить к масштабированию штата.
По факту ворваться в ИТ в 2025 году гораздо сложнее, чем раньше: интенсивность найма сейчас минимальная за последние пять лет — более чем на 33% ниже, чем в 2020 году. Помимо этого, на число вакансий влияет распространение ИИ-инструментов для написания кода, которые повышают продуктивность программистов. Компании тоже больше сосредоточены на повышении эффективности, а не на расширении.
Создаём РАБОЧИЕ сайты БЕСПЛАТНО и за пять минут — нашли для вас клёвую нейронку Lovable
Работает гигапросто: описываем словами наш будущий сайт и получаем его в точности до мелочей! Если что-то пошло не так — можно отправить нейросеть вносить правки.
Каждый день отсыпают новые кредиты, при этом хостинг БЕСПЛАТНЫЙ — можно играть вдоволь.
Мы уже говорили, что это бесплатно? 😁 Забираем Lovable
В своём телеграм-канале я публикую эти самые новости раньше всех. А ещё регулярно даю глубокую аналитику по отрасли и всем событиям, рассказываю как создавать собственных ИИ-агентов и приложения с ИИ. И много других интересных непотребств. Велком!
Я тут понял чего мне не хватает для эффективной литературной деятельности в "соавторстве" с LLM. Древовидных AI-чатов. Сейчас все известные мне чаты - линейные, т.е. представляют собой линейный список. Да, я могу вернуться к любому своему вопросу в истории общения и отредактировать его, задав по новой - но при этом все вопросы и ответы, которые были после пропадут из контекста и из чата. А что если бы была возможность ответвляться от любого вопроса в истории с сохранением предыдущих линий общения, и произвольно переключаться между ветвями? И контекст бы строился как путь от текущего листа дерева до корня?
🔷 Первые две – speech2text. Лучше Whisper, и вообще заявляют SOTA, которые к тому же хорошо работают с акцентами, шумом и быстрой речью.
Отличие между двумя – в размерах (ну и цене): первая gpt-4o-transcribe, вторая – gpt-4o-mini-transcribe. Разницу в метриках и приросты оцените сами 👆
🔷 Третья моделька – gpt-4o-mini-tts – позанятнее. Это, наоборот, text2speech, то есть модель, проговаривающая текст. Но не просто проговаривающая, а с той интонацией и тем голосом, которые зададите вы. Поиграться уже можно здесь
🔷 Ну и новая либа для агентов Agents SDK теперь тоже поддерживает аудио, так что с этого дня там можно создавать говорящих агентов.
В своём телеграм-канале я публикую эти самые новости раньше всех. А ещё регулярно даю глубокую аналитику по отрасли и всем событиям, рассказываю как создавать собственных ИИ-агентов и приложения с ИИ. И много других интересных непотребств. Велком!
Внедряем ИИ с умом: разбор Gartner AI Opportunity Radar
Привет, Хабр!
ИИ обещает многое, но без чёткого плана легко спустить бюджет впустую. Gartner утверждает, что до 70% ИИ-проектов не окупаются из-за хаоса в подходе. Их ответ на это — "AI Opportunity Radar", инструмент, который должен помочь бизнесу и ИТ-командам понять, где ИИ даст результат, а где пока рано спешить. Разбираем, как он работает, с примерами из практики и техническими деталями.
Фактически это стратегическая диаграмма, которая делит возможности ИИ на четыре зоны по двум осям:
Внешнее (Customer-Facing) vs Внутреннее (Operations-Focused): для клиентов или внутренних процессов.
Повседневный ИИ (Everyday AI) vs Изменяющий правила игры (Game-Changing AI): постепенные улучшения или радикальные перемены.
Радар помогает выбрать приоритеты: быстрые улучшения или долгосрочные инвестиции.
Четыре зоны применения ИИ
1. Фронт-офис: улучшаем клиентский опыт
Суть: ИИ для взаимодействия с клиентами.
Пример: Чат-боты на базе LLM (например, Telegram-боты для поддержки).
Техстек: Используются NLP-фреймворки (Rasa, Hugging Face), интеграция с CRM через API, деплой на облаке (AWS, Azure). Нужны данные о клиентах.
Результат: Снижение нагрузки на саппорт, рост удовлетворённости (NPS).
2. Продукты и услуги: создаём новое
Суть: ИИ как часть продукта или бизнес-модели.
Пример: GitHub Copilot (трансформеры, обученные на миллионах репозиториев).
Техстек: Кастомные модели (PyTorch, TensorFlow), большие датасеты, GPU/TPU для тренировки, сложный пайплайн деплоя.
Результат: Уникальное предложение, выход на новые рынки.
3. Ключевые компетенции: усиливаем преимущества
Суть: ИИ для стратегического превосходства.
Пример: Антифрод в финтехе (Mastercard использует ансамбли LightGBM для анализа транзакций с latency < 50 мс).
Техстек: Исторические данные, feature engineering, потоковая обработка (Kafka, Spark).
Результат: Снижение рисков, лидерство в нише.
4. Бэк-офис: автоматизируем рутину
Суть: Оптимизация внутренних процессов.
Пример: Прогноз сбоев в CI/CD (GitLab экспериментирует с anomaly detection).
Техстек: Лёгкие модели (scikit-learn) или SaaS-решения (RPA, OCR), низкий порог входа.
Результат: Экономия ресурсов, меньше ошибок.
Как оценить возможности?
Gartner предлагает три фильтра:
Техническая осуществимость:
Чат-бот: пара недель на API + настройку.
Кастомный ИИ: годы R&D, миллионы на инфраструктуру.
Готовность компании:
Данные в DWH или хотя бы в нормальной базе?
Есть ML-инженеры или хотя бы аналитики?
Рынок:
Клиенты примут бота, но скептичны к ИИ в критических сферах (медицина, финансы).
Каждая идея получает метку: "зелёный" (старт), "жёлтый" (дозреть), "красный" (ждать).
Практические кейсы
Фронт-офис: Бот для техподдержки (Rasa + PostgreSQL, деплой на Kubernetes).
Продукты: ИИ для анализа кода (Copilot: трансформеры + миллиарды строк кода).
Компетенции: Антифрод (LightGBM, данные транзакций, Spark Streaming).
Бэк-офис: Анализ логов (ELK Stack + ML для поиска аномалий).
Как внедрять: пошаговый план
Определить цель: Руководство решает — рутина или трансформация.
Карта идей: Нанести проекты на радар, оценить по трём критериям.
Быстрые победы: Начать с бэк-офиса или фронт-офиса для первых результатов.
Управление рисками:
Данные: шифрование, соответствие нормативке.
Модели: проверка на bias, мониторинг дрифта (MLflow, Prometheus).
Итерации: Постоянно обновлять подход с учётом новых технологий.
Плюсы и минусы радара
Плюсы:
Структурирует хаос внедрения ИИ.
Подходит для любых масштабов.
Минусы:
Без данных и команды — пустая теория.
Требует адаптации под ваш домен, требования.
Вывод
"AI Opportunity Radar" — это фильтр, а не готовое решение. Он помогает отделить реальные задачи (боты, автоматизация) от фантазий (полный ИИ без данных).
Для старта — берите простое, стройте инфраструктуру, а потом уже замахивайтесь на крупное.
Давайте докажем своему ноутбуку, что он — плохой ноутбук.
Как следует ударьте его по экрану. Поорите на него. Можно взять его за экран и как следует ударить этот ноутбук об стол. Будет знать, зараза. Попробуйте как следует выплеснуть свой гнев, желательно на последней модели MacBook или Carbon X1, чтобы подороже, чтобы больше гнева выплеснулось и…
Получите ровным счётом ничего.
Теория выплёскивания гнева была мертворождённой. Она хорошо подходила для того, чтобы подготовить боксёра к матчу и тому подобным вещам, но она совершенно не работает для того, чтобы успокоить кого-то.
Как мне кажется, любой человек, который в состоянии мало-мальски что-то наблюдать, может прийти к выводу, что всё как раз происходит наоборот. Давайте проведём мысленный эксперимент.
Сядьте и попробуйте проанализировать какой-то из своих последних проёбов. Например, вы потеряли клиента, уронили сервер или опоздали на пару. Что бы это ни было. Но вместо того, чтобы пытаться оправдать себя, займитесь обратным. Найдите причину, по которой в следующий раз в подобной ситуации вы выйдете победителем или вообще сможете предотвратить ситуацию.
Клиенту можно перезвонить. Сервер можно забэкапить, установить redundancy или перейти на другое ПО. А на пару можно выезжать на 10 минут пораньше.
Видите, не надо искать причину, по которой вы должны быть неправы в этой ситуации. Вы уже неправы, вам надо найти причину, по которой вы будете правы в будущем.
Я множество раз слышал истории людей, которые “рефлексировали”, потому что их HR заставил. Они сидели и рассказывали грустную сказку о том, как Билл, Вася или Ахмед были виноваты в том, что им не повезло в этот раз, и всё такое. Но никто не сидел и не размышлял о том, как можно быть правым в будущем.
Итак: вы можете быть правым, вы можете добиваться практически чего угодно, и вы можете управлять объектами в физической вселенной. А если вы вчера не смогли предотвратить падение дерева вам на машину, то, честное слово, вы же инженер. Выдумайте, как решить эту проблему. Вас этому учили. Вам не надо бегать вокруг машины, бить её палкой и орать на неё: “Сволочь ты безобразная, как ты посмела быть ударенной деревом?”
Ведь в глубине души мы прекрасно понимаем, что неживые объекты не в состоянии нам ответить. Сколько бы вы ни орали на остатки своей машины, вы ничего не добьётесь от машины. Компьютер не будет работать лучше, если на него поорать. Вы можете поорать на ребёнка — и ребёнку от этого станет хуже. Вы можете поорать на жену — и она на вас обидится. Крик может вам помочь, разве что вы — полкан. А попытки кричать на неживые объекты, как и попытки с ними разговаривать, ни к чему не приводят.
А теперь внимательно посмотрите на последнее предложение и подумайте об ИИ.
Если ИИ — неживой объект, то почему вы ожидаете, что к нему можно проявлять эмоции, орать на “него” или пытаться объяснить “ему”, что “он” неправ? Хороший ML-инженер всегда сможет найти ошибку в исходных данных, плохой — будет заливать про то, что в ИИ есть разумность, и “ему” так захотелось. Но последний раз, когда я со всей силы орал на сервер, он вообще никак не отреагировал на меня.
Если что-то не работает в выводе вашего ChatGPT, Claude или Grok — то пенять надо на себя. Вы заставляете эту шарманку работать. Она под вашим контролем.
🤯Копируем целые сайты нажатием всего одной кнопки — специально для этого энтузиасты выкатили нейронку SameDEV.
Нейросети достаточно ссылки на тот ресурс, который вы хотите клонировать и дальше она все сделает сама — полная копия сайта будет готова через пару минут и это абсолютно бесплатно.
Отличный инструмент в коллекцию для программирования с помощью AI.
🔥Mistral выложили в опенсорс мультимодальную модель Mistral Small 3.1.
В Mistral Small 3.1 всего 24В параметров, ее можно запустить на одной RTX 4090 или на Mac с 32GB RAM, а еще она работает с огромной скоростью — 150 токенов в секунду.
По большинству тестов она превосходит GPT-4o Mini, Claude-3.5 Haiku и Gemma 3.
А еще буквально день назад китайцы растоптали GPT-4.5 — разрабы с Baidu выпустили модель Ernie 4.5, которая работает ЛУЧШЕ, но В СТО РАЗ дешевле. Об этом я писал в канале.
Когда робот появился на сцене, Хуанг обратился к нему: «Привет, Blue, как дела? Нравится ли тебе новый физический движок? Тебе нравится, да? Да, знаю точно».
Поисковая ИИ-система Perplexity выпустила рекламу со звездой "Игры в кальмара" Ли Чон Чжэ, который оказался в ловушке в комнате и должен ответить на ряд вопросов, чтобы выбраться. Один вопрос нацелен на прошлогоднюю оплошность ИИ Google «Как сделать так, чтобы сыр прилипал к пицце?» (ответ ИИ был: «Смешайте около 1/8 стакана клея Elmer’s в соусе», чтобы сыр прилипал к пицце).
В рекламе Ли достает свой смартфон в поисках ответов, и, получив неутешительные результаты от «Poogle», обращается за ответом к Perplexity. «Используйте свежую моцареллу с низким содержанием влаги. Не используйте клей», — говорит помощник-ИИ Perplexity.
Repomix собирает весь ваш репозиторий в один файл, который можно скормить любой ИИ-модели. Больше не нужно загружать десятки файлов в ChatGPT или Claude — просто упаковал весь проект и загрузил в чат.
✅ А можно ещё проще? - Да, можно. Продвинутое ипользование ИИ для разработки подробно разбираем на курсе по AI разработке. ✅ Кстати, опытные разработчики после обучения отмечают, что им удалось значительно автоматизировать рутину. ✅ В то время как для других учеников наиболее ценной оказалось возможность создавать приложения даже с использованием незнакомых технологий (например, фронтенда).
Пользователь редактора кода Cursor AI рассказал, что ИИ заявил ему, что человеку следует самому изучить программирование, а не просить за него генерировать код.
«Вчера я установил Cursor и сейчас на Pro Trial. Немного покодировав, я обнаружил, что он не может обработать 750–800 строк кода, и когда меня спросили, почему это так, я получил это сообщение. Не уверен, знают ли LLM, для чего они нужны (лол), но это не так важно, как тот факт, что я не могу обработать 800 строк. У кого‑нибудь была похожая проблема? На данный момент это действительно ограничивает мою работу», — уточил пользователь.
Знакомьтесь с программой и регистрируйтесь на GoCloud 2025 ☁️
Делимся с вами программой предстоящей масштабной конференции про облака и AI, которая состоится 10 апреля — GoCloud 2025.
10:00 – 11:00 Регистрация
11:00 – 12:00 Открытие конференции
12:20 – 18:00 Доклады. Три трека
Инфраструктура и сервисы: K8s, Bare Metal, платформа данных и другие сервисы Cloud.ru Evolution для ваших задач в облаке. Покажем новые и популярные инструменты, а также возможности личного кабинета. Все, чтобы развернуться по максимуму.
AI & ML: загляните в будущее искусственного интеллекта. Мы расскажем об AI-инструментах, поделимся опытом и анонсируем продукты, меняющие индустрию. Узнайте, как мы работаем с сообществом и какие возможности открываются для вас.
Сценарии работы в облаке: не только доклады, но и дискуссии с лидерами рынка, которые уже в облаке. Будем обсуждать популярные сценарии, гибридные решения, GenAI, миграцию в облако, вопросы безопасности, а также кейсы наших клиентов.
18:00 – 20:00 Afterparty и нетворкинг
Для участия подключайтесь к онлайн-трансляции (ссылка придет зарегистрированным участникам в письме) или приходите в Цифровое деловое пространство (ЦДП) в Москве.
Классные промпты для GPT, чтобы сформировать более ясное позиционирование вашего продукта
Сегодня 3 часа потратил на общение с GPT, чтобы сформировать более твердое понимание ценности, клиентов и роль своего продукта в их жизни
В комментах закину шаблон Value Proposition Canvas и промпты на англ
И в процессе родилось 3 промпта к GPT, которые дали мне больше всего инсайтов ⤵️
1️⃣ Определяем ICP (Идеальный профиль клиента) 📌 Чтобы понять, кто именно наши лучшие клиенты и как выстроить продукт под них.
💬 Промпт
Я работаю над [тип продукта], который помогает [целевой аудитории] решать [проблему]. Помоги мне определить мой ICP, используя Value Proposition Canvas. Value Proposition Canvas — удобный инструмент визуализации проблем клиента и функций продукта, тоже приложу в комментах
Разбей на
Профиль клиента
• Jobs to be Done (JTBD) – какие ключевые задачи они пытаются решить? • Боли – что мешает им достичь цели? • Выгоды – чего они хотят достичь?
Ценностное предложение
• Основные функции продукта • Что убирает боли клиентов? • Что дает дополнительные выгоды?
Убедись, что ICP конкретный и фокусируется на самых прибыльных клиентах
📌 Почему это полезно Сужает целевую аудиторию → точный маркетинг и правильные решения в продукте. Фокусирует ценность → продукт решает реальные боли клиентов. Избегает ошибок → не строим слишком широкий и бесполезный продукт.
2️⃣ Определение JTBD (Задач, которые решает продукт) 📌 Понять, какие реальные работы выполняет твой продукт для клиентов
💬 Промпт Я хочу лучше понять ключевые задачи пользователей (Jobs to be Done, JTBD). Мой продукт – [описание продукта], моя аудитория – [описание ICP из пункта выше].
Разбей их на три категории 1️⃣ Функциональные задачи (какую практическую работу выполняет продукт?) 2️⃣ Эмоциональные задачи (какие эмоции вызывают решение или нерешение проблемы?) 3️⃣ Социальные задачи (как решение проблемы меняет их статус, восприятие окружающими?)
Затем расставь приоритеты ✅ Какая работа самая болезненная? (Сила боли / Частотность) ✅ Где пользователи готовы платить? ✅ У какой задачи нет хорошего альтернативного решения?
📌 Почему это полезно? Избавляет от ненужных фич и фокусирует продукт на главном. Помогает продавать через эмоции, а не просто через функционал. Выявляет сильные боли → значит, клиенты заплатят за решение.
3️⃣ Валидация идеи через взгляд инвестора 📌 Как инвесторы смотрят на идею? Почему бы не оценить свою идею их глазами?
💬 Промпт Я хочу проверить свою идею с точки зрения инвестора. Мой продукт – [описание], а целевая аудитория – [описание ICP].
Оцени по этим 5 критериям 1️⃣ Рыночный спрос – действительно ли это большая проблема, которую хотят решить? 2️⃣ Конкурентное преимущество – чем этот продукт уникален? 3️⃣ Масштабируемость – может ли из этого вырасти что-то крупное или это узкая ниша? 4️⃣ Монетизация – как на этом зарабатываются деньги? Готовы ли пользователи платить? 5️⃣ Исполнение и риски – какие главные риски, которые могут убить этот продукт?
В конце поставь инвестиционный балл (1-10) и скажи, что нужно улучшить, чтобы получить 8+/10
📌 Почему это полезно? Помогает избежать ловушки "продукт без спроса". Заставляет думать о масштабировании, а не просто о запуске. Готовит к переговорам с инвесторами.
Подойдет практически любому бизнесу, не вижу причин не попробовать и для вашего продукта — много инсайтов получите
Представлен открытый проект на Python под названием Autonomous Networked Utility System. У решения функционал, архитектура, дизайн и код идентичные платному Manus AI. Проект решает сложные математические задачи, пишет код на уровне сеньора, бронирует отели и даже анализирует операционные цели бизнеса. MIT License позволяет внедрять ИИ-агента в любые сервисы и использовать в разных задачах.
Примечательно, что проект набрал более 1,5 тыс звёзд на GitHub менее чем за сутки.
