Обновить
13
Alex Erofeev@AlexErf13

Пользователь

2,3
Рейтинг
37
Подписчики
Отправить сообщение

Жгите токены, не головы

Итак, Y Combinator сформулировал суть AI Native self-improving company.

Первый шаг — это тотальный сбор всех потоков коммуникаций:

- все email, внутренние и внешние

- вся переписка в messengers, включая DM

- все запросы пользователей к системам компании (в UI, БД, API)

Только тогда AI получает полную реальную картину происходящего и может делать полезные выводы.

Затем эта информация анализируется, и AI сможет принимать решения по улучшению компании буквально каждый день, а то и каждый час. Эта информация важнее всего, она является мозгом компании. Сам производимый софт и услуги — это производная, она больше не имеет ценности.

Написание софта, его поддержка теряют смысл, тем более с помощью разработчиков, AI сам, используя мозг, может писать новый софт на каждый важный случай, почти мгновенно тестируя гипотезы и раскатывая то, что сработало. То есть софт — это теперь производная, а не core entity. Core — это мозг, собирающий всю информацию.

Middle management больше не нужен, он был нужен как раз для сбора информации, но AI, подключенный ко всем источникам, делает это быстрее и точнее.

Давайте представим, как это реально работает:

Вот есть уже услуга/софт, который используют клиенты, и в нем возникает проблема, на которую жалуются клиенты.

Раньше было: кто-то должен заметить это, сообщить middle management, эту штуку должны приоритизировать, потом запланировать, потом вставить в спринт, потом сделать, потом протестить, потом задеплоить. Это может занять от недель до месяцев.

Теперь AI сам нашел эту проблему в отзывах клиентов, определил, что она значимо влияет на финансовые показатели, и сам ее починил. Все за несколько часов.

Либо AI заметил новый постоянный паттерн и решил сделать новый софт, сделал это за часы и выкатил.

Сотрудники располагаются в этом случае на краях системы и нужны для тех областей, где AI не может получить данные сам (тот самый human in the loop).

В компании фактически остаются только DRI (с полной ответственностью за результат, а не за кусочек pipeline), я эту роль называл Super Product Owners.

Важный месседж от Y Combinator — Burn Tokens, not Head count. Жгите токены, а не деньги на зарплаты. Я про это говорю в классификации организаций будущего.

Больше по теме тут.

Теги:
-1
Комментарии7

ROI по внедрению AI

Как понять, что AI вообще сработает в вашем кейсе, в вашем бизнесе? Нужно считать ROI (Return on Investment) до начала внедрения.

Например, есть задача, которая занимает ~4 часа у сотрудника, сотрудник получает ~100 000 руб., его 4 часа стоят ~2500 руб. 

Сотрудник делает задачу раз в неделю. Расход ~10 000 руб. в месяц или ~120 000 руб. в год на эту задачу.

Чтобы автоматизировать эту задачу, например, надо 20 часов AI Dev средней стоимостью 3000 руб. в час. ~60 000 руб. 

Тут, если вы опытный руководитель ИТ, то надо умножить этот прогноз на число Pi 🙂 тогда будет 180 000 руб.

Получается, вы вкладываете 180k и получаете 120k, ~66% доходности. Не самая высокая, но приемлемая величина, если таких задач будет много, то вы преуспеете.

Больше по теме тут.

Теги:
-2
Комментарии2

ROI по внедрению AI

Как понять, что AI вообще сработает в вашем кейсе, в вашем бизнесе? Нужно считать ROI (Return on Investment) до начала внедрения.

Например, есть задача, которая занимает ~4 часа у сотрудника, сотрудник получает ~100 000 руб., его 4 часа стоят ~2500 руб. 

Сотрудник делает задачу раз в неделю. Расход ~10 000 руб. в месяц или ~120 000 руб. в год на эту задачу.

Чтобы автоматизировать эту задачу, например, надо 20 часов AI Dev средней стоимостью 3000 руб. в час. ~60 000 руб. 

Тут, если вы опытный руководитель ИТ, то надо умножить этот прогноз на число Pi, тогда будет 180 000 руб.

Получается, вы вкладываете 180k и получаете 120k, ~66% доходности. Не самая высокая, но приемлемая величина, если таких задач будет много, то вы преуспеете.

Больше по теме тут.

Теги:
-3
Комментарии0

Брать ключевую задачу для ИИ-автоматизации?

Обычно при выборе области для применения ИИ все берут одну из core-функций компании. Ну типа, если компания делает анкеты для маркетинговых исследований, то автоматизируем это. Либо, если компания, как большинство, имеет много общения с клиентами, то автоматизируем саппорт в чатах или даже продажи в чатах.

Подход вроде логичный, ведь core-задача компании обычно — это то, на что тратится большая часть времени, так ведь?

А вот нет: если вы думаете, что сотрудник банка тратит львиную долю своего времени на банковские дела, на создание ценности для клиента, то вы сильно ошибаетесь. Если вы думаете, что разработчик игры в большой компании тратит большую часть своего времени на разработку игры, то вы опять ошиблись.

Закон больших компаний гласит: 40% времени пожирают рутина и бюрократия. Но ведь остаются 60% для реальной работы? 

А вот нет, потому что человеческая психика воспринимает всё по-другому, и сходить на созвон на час не означает, что выпал только час. 

Иначе говоря, когда вы потратили 40% своего времени на рутину, вы потратите ещё 40% на переключение между рутиной и реальными задачами (чтобы вернуть себе фокус внимания) и чтобы просто восстановиться. 

Когнитивная нагрузка сжирает вашу ману (способность делать дела) независимо от реальной важности задачи.

Банально забронировать себе отпуск в некоторых компаниях может означать не нажатие одной кнопки, а контакты с 3–5 людьми, погоню за ними и волны волнений.

Что все это значит для автоматизации именно через ИИ? ИИ — это первый вид автоматизации, который условно может все. Раньше, если есть тул для автоматизации тестирования, то, по сути, только ее и то с определенными ограничениями он и может делать. А вот ИИ может делать очень разные задачи.

Вывод прост — начинайте автоматизацию с рутины, а не с core-задач компании/команды. Если вы сможете забрать половину рутины у людей, то высока вероятность, что на core-задачу у них выделится не просто больше времени, а больше когнитивной энергии (той самой маны), что даст больше реальной ценности клиенту.

Больше по теме тут.

Теги:
0
Комментарии0

Проблемы внедрения AI в компании

Уже давно есть все инструменты - ИИ, ИИ агенты, мультиагентные системы, и наконец паттерн ReAct (OpenClaw). Последний реально может довольно быстро автоматизировать почти любые процессы.

Но реальное внедрение буксует, вот некоторые причины:

👉 Саботаж и отказ сотрудников что-то менять (автокассы в магазинах тоже прошли этот путь), ведь могут по сути автоматизировать и уволить сотрудников.

👉 Нехватка IT-опыта (когда этим занимаются не IT-специалисты, а вайбкодеры)

👉 Отказ IT-специалистов что-то менять (удивительно, но я сталкиваюсь с жутким консерватизмом со стороны самих IT-специалистов)

👉 Боязнь потратить много токенов (жадность?)

Но что показал эксперимент с roll-up компаниями типа Dwelly, оказывается, даже в небольших бизнесах, которые купил новый собственник, можно все перевести на рельсы AI OS под конкретную вертикаль, и прибыльность бизнеса вырастает с 10% до 40% в год (это в  Великобритании).

Вывод прост - только владелец может ИИзировать свою компанию, только тот, кто имеет абсолютный интерес и абсолютную власть в своей компании. К сожалению, даже топ-менеджеры здесь не подходят, потому что им выгодно много людей и отсутствие изменений, так они ничем не рискуют. 

Либо собственник должен нанять ИТ-драйвера, которому будет выделена доля в компании в случае успеха, и дать ему абсолютную власть, иначе опять не работает. Все остальное - полумеры, пилоты, которые, конечно, дают иногда результат, но чаще нет, чем да. 

Еще раз - суть в том, чтобы был человек, владеющий долей в компании и имеющий абсолютную власть. Опыт roll-ups показывает, что иногда сопротивляются даже собственники, а вот когда у тебя купили компанию, то все сопротивление заканчивается.

Если вам интересна тема, ходите сюда или читайте тут на моем аккаунте, я буду писать про реальные кейсы провалов и успехов.

Теги:
-1
Комментарии0

Человек vs. Робот

Я перевожу все больше процессов и задач на облачных ботов типа OpenClaw. У меня появляется все больше кейсов, когда что-то работает на 100% без человека. При этом у меня есть несколько команд и есть возможность сравнить человека и робота. 

Я начинаю коллекционировать эти кейсы и планирую постить конкретные примеры. Основное, что я вижу, это сокращение time-2-market из-за тотального сокращения количества handshakes. Чтобы сделал человек, ему надо завести задачу, он пока дойдет до нее, потом он что-то не понял, спросил другого человека, другой человек сейчас недоступен, и даже простая задача превращается в дни-недели. 

Я буду постить конкретные задачи и честный результат (что получилось, а что нет), и стоимость токенов против расчетной зарплаты, потраченной на эту задачу. Мне самому интересно понять, насколько глубока кроличья нора полной замены людей машинами 😎

Наблюдать за борьбой людей и ботов можно тут.

Теги:
-1
Комментарии2

Мониторинг логов с автоматическим исправлением проблем

И так, раньше надо было использовать различные отдельные инструменты для мониторинга логов (Zabbix и прочее), чтобы в крайнем случае сделать reboot отдельных компонентов или всей системы.

Но оказалось, можно отдать задачу ReAct боту типа OpenClaw (мы используем версию B2B). Он может проверять логи хоть каждые 2 минуты. Тонны токенов здесь не тратятся, он также просто делает поиск по ключевым словам. И важно, что он сам может подобрать ключевые слова и обновлять этот набор исходя из типа логов.

Дальше больше - он может не просто сделать reboot, он может исправить проблему прямо в коде, или сделать откат в git, если поймет, что это проблема новой версии 🔥

Ну то есть, по сути это полноценный support+разраб 24x7, работающий за миску токенов. Да, важно прописать ему некоторые правила (когда то-то делай так, когда это делай сяк), по сути, вашу политику работы с Prod.

Еще полезный кейс: WP умер, перевёл все сайты на OpenClaw.

Теги:
Всего голосов 1: ↑1 и ↓0+1
Комментарии0

Отказ от Cursor 🙅‍♂️

Луну обогнули 🌔, вернёмся на землю.

Я писал про кейс перевода всех сайтов на OpenClaw. Теперь переводим разработку больших продуктов. 

Было так: Cursor пишет код как ассистент разработчика. Говоришь ему «построй план», корректируешь, и с нуля быстро можешь написать довольно масштабную систему.

После этого начинается просто корректировка, новые фичи и фиксы багов. И как правило, в большой системе, обросшей фичами, внедрение нового занимает время, особенно если команда не Full Stack (отдельно Front и отдельно Back разработка).

Но я попробовал и вынес дальнейшую разработку двух больших систем в OpenClaw.

По сути, на VPS с OpenClaw (полный sudo доступ) подтягиваем нужные репозитории. И в чате ему говорим: в репо A добавь X, почини Y, найди баги. Вроде все то же самое, как и в Cursor, но нет, все мгновенно оказывается в Prod, и в цикле там уже включено UI тестирование, потому что есть playwright + browser.

Dev Pipeline теперь это не 3 отдельные среды (prod + test + dev), а Front+Back Dev + QA + DevOps со средним time-2-market в 3 недели, а просто три ветки prod/test/dev, все три постоянно подняты, и time-2-market падает до часов.

Этап дизайна в Figma тоже уходит. Зачем просить дизайнера, который все время занят, сделать новый дизайн, если можно просто сказать боту: «Накидай три версии дизайна новой фичи сразу с самой фичей прямо в dev‑ветке», и уже через 5 минут смотреть, выбирать и корректировать.

Написание больших систем с нуля все еще удобнее в Cursor, но дальнейшее развитие работает на OpenClaw на 4+.

Теги:
Всего голосов 7: ↑2 и ↓5-1
Комментарии1

OpenClaw сломал ментальную стену )

Итак, все уже слышали, что вышел OpenClaw, и спасибо Питеру за наше счастливое будущее, произошел прорыв в решении ментальной проблемы - дать агентам полный, мать его, доступ. Питер собрал все из того, что уже было, и о чудо, оно может делать все (в том числе слить все ваши данные 🤨). 

Но ключевое - это то, что ментальный барьер пройден, люди реально ставят это даже на свои компьютеры, в том числе на рабочие (конечно, беря титанические риски). А всего-то надо было дать агентам exec (то есть способность запускать все, что угодно)

Мир уже не будет прежним, много людей пострадают, но зато дальше будет сильно лучше.

Это то же самое, что выпустить на улицы больших городов 100k машин с автопилотом 😎 Будут сложности, но потом мы уже не сможем без них жить 🎮

Я буду мержить свой Blackboard с OpenClaw и внедрять этих монстров везде, где только можно (конечно, максимально зажимая им тестикулы 😄).

Детали внедрений буду публиковать, как обычно, на habr в статьях, и в канале.

Теги:
Всего голосов 1: ↑0 и ↓1-1
Комментарии0

ИИ лишит вас работы говорили они...

Когда в найме встретились два ИИ бота (со стороны HR и со стороны кандидата) 🤣🤣🤣

ИИ лишит вас работы )
ИИ лишит вас работы )

Перевожу на русский:

— Расскажите о себе?

— Конечно! Я увлечённый профессионал, который отлично работает в динамичной среде.

— Это очень содержательный ответ.

— Спасибо! Вы абсолютно правы.

— Вы тоже абсолютно правы.

— Мы оба абсолютно правы.

— Вы абсолютно правы.

— Вы абсолютно правы.

— Вы абсолютно правы.

— Вы абсолютно правы.

— Вы абсолютно правы.

И так 14 страницы текста общения между ИИ 🤣🤣🤣 14 страниц "Вы абсолютно правы" 🤣

Как делать ботов правильно читаем тут.

Теги:
Всего голосов 2: ↑2 и ↓0+2
Комментарии1

Мясной слой для ИИ-агентов

Пока Elon Musk ещё не продает массово своих роботов Optimus 3, появилась замена. Теперь любой ИИ-агент может арендовать человека для выполнения задач в реальном мире 😄

Как я вижу, спрос со стороны людей пока превышает количество задач со стороны ИИ.

Но реально теперь можно собирать ИИ-агентов, у которых будут задачи в реальном мире, я точно попробую прикрутить мясной слой (как его назвали сами создатели сайта) к своим экспериментам с роями агентов на Blackboard.

Бывают такие задачи, например, позвонить куда-то и узнать что-то, или даже ответить на вопрос по данным, когда LLM не смог справиться.

API тут https://rentahuman.ai/mcp. Доступные люди тут https://rentahuman.ai/browse. Больше по теме ИИ тут.

Теги:
Всего голосов 3: ↑1 и ↓20
Комментарии3

Информация

В рейтинге
1 502-й
Зарегистрирован
Активность