Егошин | Кеды профессора

Е

Егошин | Кеды профессора@egoshin_kedprof

Как эксперты встраивают ИИ в свои методологии (на примере B2B продаж)Всегда полезно наблюдать, как твой продукт начинает жить своей жизнью в руках других профи. Особенно интересно, когда эксперты не просто используют Нейрофонд как утилиту, а встраивают его в свои собственные методологии обучения, делая технологии частью системного бизнес-процесса.Один из показательных примеров - мой старый знакомый и бывший коммерческий директор «Кед профессора» Андрей Шапран. Он сейчас занимается обучением сложным B2B продажам и внедрил наши инструменты прямо в «движок» своей работы.Для меня это отличный кейс того, как выглядит реальная цифровизация рутины, а не просто «игры с чат-ботами». Андрей использует Нейрофонд, чтобы закрывать конкретные боли отдела продаж:• Подготовка к встрече за 5 минут. ИИ собирает досье на компанию и ЛПР, анализируя открытые источники. Менеджер идет на встречу подготовленным, не тратя часы на гугление.• Гипер-персонализация. Написание писем, которые реально открывают, потому что они составлены с учетом контекста собеседника.• Анализ звонков. ИИ подсвечивает ошибки в переговорах быстрее и дотошнее, чем любой РОП.Но, как верно замечает сам Андрей, ИИ - это лишь ускоритель. Фундамент успеха - это система: менеджмент, психотехника и понимание мотивов ЛПР.Если вам или вашей команде актуальна тема системных B2B продаж, искренне рекомендую сходить к нему на мероприятие. Андрей систематизировал свой 14-летний опыт (включая работу у нас) и упаковал это в мощный тренинг-практикум.📅 31 марта, Москва | «Система Шапрана: Фундаментальные B2B продажи 2026»Там будет и про психологию сделок, и отдельный блок про внедрение ИИ в работу сейлзов.Для моих подписчиков Андрей сделал скидку 15% по промокоду AI15Программа и билеты здесь: b2bport.ru/b2bwin

Е

Егошин | Кеды профессора@egoshin_kedprof

Конец монополии на неявные знания. Как ИИ забирает главную суперсилу «белых воротничков»В январе на Всемирном экономическом форуме в Давосе Сатья Наделла (CEO Microsoft) выдал отличную формулу про то, как организациям следует внедрять ИИ в процессы. Мы перевели это выступление на русский (ссылка). Ниже разбор формулы и одна моя мысль на этот счет :)Формула трансформации организацииДля того чтобы перестроить компанию под новые реалии, Наделла выделяет три ключевых компонента:1. Мышление (Mindset): Руководители должны целенаправленно думать о том, как изменить рабочие процессы с помощью новых технологий.  2. Практические навыки (Skills):• Инструменты ИИ нельзя обсуждать абстрактно - их необходимо использовать на практике.  • Сотрудники должны научиться выстраивать ограничительные рамки для ИИ, чтобы системе можно было доверять и не бояться ее распространения.  3. Контекстная инженерия (Context & Data):• Новый интеллектуальный слой эффективен ровно настолько, насколько качественный контекст ему предоставляют.  • Уникальность компаний строится на неявных знаниях людей и документов из разных отделов.  • Задача компаний - заниматься «контекстной инженерией», чтобы научиться передавать этот скрытый опыт искусственному интеллекту. Наделла подчеркивает, что именно необходимость проделать эту тяжелую работу объясняет отсутствие мгновенных результатов в росте производительности.Когда я его слушал у меня возникала одна интересная мысль: смысл работы людей когнитивного труда (скорей всего это все кто читает данный пост, включая меня) заключается ровно в том, что наши головы держат уникальный корпоративный контекст и неявные знания. Мы, по сути, выступаем живыми маршрутизаторами - берем и передаем правильные пазлы в нужное время. Самый очевидный пример: один человек зашел в 1С, выгрузил данные, собрал удобную табличку в Excel и скинул по Outlook. Другой сотрудник взял эту табличку и сделал из нее красивую презентацию, потому что отлично знает особенности руководителя, его стиль п

Е

Егошин | Кеды профессора@egoshin_kedprof

Я интересный тест на интеллект моделей придумал. Взял вопрос диванного инвестора про инвестиции через семейную ипотеку (увидел в каком-то ТГ канале). Вопрос хорош тем, что требует и знаний о российском законодательстве, и расчетов, и психологии человека. Пуляю в разные модели и смотрю, как они отвечают. Достаточно бегло пробежаться по ответу, чтобы понять качество.Очень выразительно показывает слабость сберовской модели :(Опенсорсный qwen 3.5 plus: https://neurofond.ru/shared/548c4d64-d897-44b1-af52-d4f26ab9e80c= Хорошо, правда, иероглифы проскакивают)Гигачат 2 Pro: https://neurofond.ru/shared/a77455b0-7309-4145-8453-203225b336a8 = Просто вода водой, ничего не взялся даже пробовать посчитать. Просто генерирует мало мальски связанный текст. Ну и Claude Opus 4,6 просто король этой вечеринки: https://neurofond.ru/shared/dd8cf87f-703c-4aad-9e57-81185268fe59

Е

Егошин | Кеды профессора@egoshin_kedprof

OpenClaw: кривой прототип будущегоВы точно слышали про AI-агента OpenClaw. Он бьет все рекорды по росту популярности в ИИ-мире. Посмотрите на график: столпы интернета - Linux и React - набирали такую аудиторию годами. Этот агент собрал её за пару недель.Суть простая: это программа, которая ставится на компьютер и управляет им вместо вас. А команды вы даете через обычный чат в ТГ.Пока это выглядит как кривое, косое очень небезопасное и местами костыльное нечто. Но именно через эту «поделку» можно разглядеть, как мы будем пользоваться интернетом совсем скоро.Ключевой сдвиг вот в чем. Мы годами приучались использовать интерфейсы: куда нажать в 1С, как оформить сделку в CRM, как отправить файл в мессенджере. Но глобально любой сервис - это просто интерфейс и база данных. Агентам интерфейсы не нужны, они работают с сутью напрямую (через АПИ).Именно поэтому создатель OpenClaw в интервью Y Combinator дает жесткий прогноз: 80% приложений станут не нужны. Мы перестанем быть операторами интерфейсов и начнем просто ставить задачи и получать результат.Если вы не разработчик и не хотите сейчас париться с установкой и запуском через терминал, но хотите понимать, куда движется мир - выделите час на два материала:• Запись вебинара: Иван Замесин показывает, как OpenClaw работает в реальных условиях. Агент сам клонирует голос, делает холодные звонки, правит презентации. Видно и потенциал, и текущие баги.• Наш видео-перевод интервью создателя OpenClaw с знаменитым Y Combinator. Там он объясняет, почему привычный нам интернет доживает последние годы и как он пришел к созданию OpenClaw.

Е

Егошин | Кеды профессора@egoshin_kedprof

Закон Мура для эпохи ИИ: новая метрика прогрессаМы перевели свежую лекцию профессора Стэнфорда Эндрю Ына о карьере в области ИИ. В ней меня заинтересовал график, который, возможно, лучше всего объясняет, что происходит с индустрией прямо сейчас.Многие привыкли оценивать модели по «размеру контекстного окна» (сколько текста в нее влезает) или объёму параметров, зашитых в LLM. Но этот график предлагает более важную метрику - длительность задачи, которую ИИ способен выполнить автономно, не теряя нить рассуждений.По сути, это новый закон Мура: Способность ИИ удерживать контекст задачи удваивается каждые 7 месяцев.Как читать этот график:Ось Y - это время, которое обычно требуется компетентному человеку для решения задачи.Ось X: • 2019 (Уровень «Секунды»): Эпоха GPT-2. Задача: «Ответь на вопрос» или «Закончи предложение». Это уровень рефлекса. ИИ не «думал», он просто мгновенно реагировал.• 2022–2023 (Уровень «Минуты»): Эпоха GPT-3.5 и ранних версий GPT-4. Задача: «Найти факт в документе», «Написать емейл», «Кратко пересказать статью». Здесь ИИ уже мог удерживать внимание на короткой дистанции, как стажер, которому дали очень простое поручение.• 2024–2025 (Уровень «Часы»): Недавние модели (o1, Sonnet 3.7). Задача: На графике это обозначено как «обучение классификатора», но на языке бизнеса это означает решение комплексной проблемы. Представьте задачу, которую программист или аналитик делает полдня: Напиши скрипт для сбора данных с сайта, протестируй его, исправь ошибки, которые возникнут при запуске, и сохрани результат в ExcelРаньше модель терялась на втором шаге. Теперь она способна пройти весь цикл, который у человека занимает до 4 часов работы.Важное примечание про код:Внизу графика есть деталь: для задач по программированию удвоение происходит еще быстрее - каждые ~70 дней. Это объясняет, почему именно в разработке мы чувствуем влияние ИИ острее всего.Если раньше мы сравнивали ИИ с энциклопедией, то теперь корректнее сравнивать его с сотрудником, чей горизонт планиро

Е

Егошин | Кеды профессора@egoshin_kedprof

«Палантиризация» всего: как построить бизнес-империю на стыке McKinsey и IBMВ Кремниевой долине новый тренд - стартапы массово отказываются от простой продажи подписок (SaaS) и обещают клиентам «спецназ инженеров», который сделает всё за них. В a16z (топ-1 венчурный фонд) вышла статья «The Palantirization of Everything». Суть:Что такое Palantir? Самая закрытая компания Долины, основанная Питером Тилем (легендарный инвестор, член «мафии PayPal»). Они делают софт для работы с гигантскими массивами данных (для ЦРУ, армии и корпораций). Их фишка: они не просто продают лицензию («вот логин/пароль, разбирайтесь»), а отправляют к клиенту десант инженеров. Те живут в офисе заказчика месяцами, разгребают хаос в данных и настраивают систему под ключ.Что такое «Палантиризация»? Это гибридная модель бизнеса. Обычный SaaS (как Zoom или Slack) продает инструмент. Консалтинг (как McKinsey) продает людей и советы. «Палантиризация» - это продажа результата через внедрение. Вы получаете платформу, но настраивают её под ваши задачи инженеры вендора.Если посмотрим на табличку, то увидим, что Палантир имеет оценку в 76,5 годовых выручек и 46% рентабельность (у ближаейшего конкурента Figma - 28%). То есть рынок говорит:Мы считаем Палантир чем-то совершенно иным, чем обычный SaaSГлавный риск по мнению a16z: Копируя этот подход, стартапы часто превращаются в «дорогую веб-студию». У настоящего Palantir под капотом мощная универсальная платформа (Foundry). У подражателей её нет - они просто пишут кастомный код для каждого клиента, убивая свою маржинальность.—————————Читая статью, я поймал себя на мысли, что мы наблюдаем похожее. Мы долго пытались дистрибутировать Нейрофонд как классическое SaaS-решение. Но практика показала: гораздо интереснее и нам, и клиентам модель On-premise поставка лицензии + глубокое погружение с настройкой.Мы не просто отдаем ключи, мы заходим внутрь, интегрируемся с данными организации и адаптируем продукт под конкретные департаменты. Да, это сложнее, чем просто про

Е

Егошин | Кеды профессора@egoshin_kedprof

GTA на максималкахК вопросу ЛеКуна о том, когда ИИ научится понимать реальные миры и физикуСегодня Google DeepMind анонсировали новый движок Genie. Новая нейросеть превращает любой рисунок, фотографию или текстовый запрос в реалистичный игровой мир. Вы можете управлять свои персонажем и ваш мир будет создаваться «на лету».Грубо говоря написал «создай Москву 2500 и героя в виде человека из 2025» -> у тебя появился виртуальный мир с персонажем -> бегаешь там до бесконечности, а локации и объекты меняются и выглядят реалистично.Кажется, что это важный шаг на пути к к тому, чтобы ИИ научился использовать реальность как обучающий датасет)На видео можно посмотреть как это всё работает.

Е

Егошин | Кеды профессора@egoshin_kedprof

Весь интернет помещается в глаза ребенка: Ян ЛеКун о том, почему 16 000 часов жизни дают больше знаний, чем 30 триллионов слов Мы перевели и выложили мощный баттл между двумя титанами ИИ. В красном углу: Ян ЛеКун (глава AI в Meta*, легенда и главный скептик хайпа вокруг LLM). В синем: Адам Браун из Google DeepMind (команда Gemini, которая за последний год совершила огромный скачок в качестве моделей).В видео много интересных мыслей, но одна меня поразила больше всего.Если упростить: все ключевые умы сейчас бьются над проблемой дефицита данных. Тексты в интернете закончились, модели кормят «синтетикой». Ученые смотрят на природу и не понимают: как человеческий ребенок учится так быстро на таком малом количестве примеров?В этом видео ЛеКун разложил эту проблематику на языке математики:LLM vs РебенокИИ: сейчас для обучения топ-моделей используется ~30 триллионов токенов. Это весь доступный текст интернета. В байтах это 10 в 14-й степени.Человек: чтобы просто прочитать этот объем текста, нам потребовалось бы 500 000 лет (да, полмиллиона).Ребенок: а теперь следите за руками. 4-летний ребенок бодрствовал всего около 16 000 часов.Пропускная способность: через наш зрительный нерв (2 млн волокон) в мозг поступает примерно 20 мегабайт в секунду.Итог: за свои 4 года жизни ребенок через глаза получает те же самые 10 в 14-й степени байт информации.В чем парадокс? Ребенок и LLM «съели» одинаковый объем данных (в байтах). Но LLM для этого прочитала все знания человечества, а ребенок - просто смотрел по сторонам 4 года. При этом нейросеть всё еще плохо понимает физику мира (что стакан нельзя притянуть взглядом), а ребенок знает это интуитивно.Вывод: текст - это слишком «сжатая» информация. Следующая революция в ИИ случится не тогда, когда мы скормим моделям еще больше книг, а когда научим их учиться через видео и реальность, как это делают дети. Кстати, Илон Маск обещает, что в 2026 году его новый Грок станет лучшим именно в осознании видео. Ну поглядим.Видео доступно на трёх площа

Е

Егошин | Кеды профессора@egoshin_kedprof

Давид против Голиафа: почему в гонке ИИ выигрывают одиночки, а не корпорацииАндрей Карпатый (ex-OpenAI, ex-Tesla) выкатил большую статью-рассуждение о природе распространения нейросетей.Главный тезис: LLM ломают привычный цикл технологической диффузии.Обычно технологии идут сверху вниз: Военные/Правительство → Корпорации → Обычные люди (вспомните GPS, интернет или компьютеры). Сначала это дорого и сложно, потом становится доступно всем.С ИИ всё наоборот. ChatGPT - это самое быстрорастущее потребительское приложение в истории, и оно дает индивидуальным пользователям гораздо больше преимуществ, чем огромным корпорациям.Почему так происходит? Карпатый выделяет три причины:1) Эффект «Квази-эксперта»У корпораций уже есть суперсила - они объединяют узких специалистов (юристов, кодеров, маркетологов). Внедрение ИИ для них - это лишь небольшое повышение эффективности (на графике это оранжевые столбики: база высокая, прирост маленький).Для обычного человека (желтые столбики) LLM - это возможность делать то, что он вообще не умел. Теперь одиночка может «навайбить» приложение, написать юридический документ или проанализировать данные. Это не улучшение на 10%, это открытие способностей с нуля.2) Сложность и рискиКорпорации связаны устаревшими системами, бюрократией и страхом ошибки. Нельзя просто так взять и внедрить «галлюцинирующую» модель в банковский софт.Обычный пользователь («Мэри, Джим или Джо») может использовать ИИ здесь и сейчас, без согласований с юрдепартаментом.3) Демократизация интеллекта (пока что)Сейчас Билл Гейтс пользуется тем же GPT-4o, что и школьник. Дополнительный доллар не позволяет купить «более умный» ChatGPT. Это уникальная ситуация в истории.Однако Карпатый предупреждает: будущее может измениться. Если масштабирование вычислительных мощностей (test-time scaling) снова сделает ИИ дорогим, элита и корпорации могут получить доступ к «GPT-8 Pro Max», пока остальные будут сидеть на «GPT-6 Mini».📊 О графике:На картинке - диаграмма прироста способностей.🟧

Е

Егошин | Кеды профессора@egoshin_kedprof

Интеллектуальный прецедент: как ИИ за 42 минуты закрыл «нерешаемую» задачу ЭрдёшаСегодня всё мировое научное сообщество - от президента OpenAI до ведущих профессоров - обсуждает исторический момент. ИИ впервые решил математическую задачу, которая десятилетиями не поддавалась человечеству. Теренс Тао, величайший математик современности, назвал это «наиболее однозначным примером решения ИИ нерешенной проблемы».Что произошло:1) В XX веке жил Пауль Эрдёш — легендарный математик, оставивший после себя список сложнейших задач. Большинство из них крутятся вокруг одной фундаментальной мысли: «Во Вселенной всё устроено так, что из огромного хаоса неизбежно рождается порядок». Это база.2) Вчера инженер Нил Сомани взял описание задачи и пульнул в ChatGPT 5.2 Pro. Модель думала 42 минуты. И выдала стройное, логически безупречное решение. Каждый из нас можно пойти и посмотреть на этот акт мышления, вот та самая ссылка: https://chatgpt.com/share/696ac45b-70d8-8003-9ca4-320151e0816e3) Далее, приходит самый главный мировой математик Теренс Тао, проверяет решение и пишет:возможно, это наиболее однозначный пример решения искусственным интеллектом нерешенной проблемыИ вот человечество приготовилось праздновать первый официальный шаг в мир AGI, как на форум математиков прибежал китаец КойшиЧан и показал всеми забытую книгу 1966 года, где оказывается уже было решение этой проблемы. Оно совершенно другое, ИИ его не видел и не использовал, но факт остается фактом: • Проблема не была «нерешаемой» - её решил человек 40 лет назад, но мир этого просто не заметил.• ИИ совершил независимое открытие - он изобрел свой собственный, уникальный путь к ответу, который прошел жесточайшую проверку экспертов. Доказано: он не использовал книгу от 1966 года вообще. Еще не AGI, но мы на пороге))Что во всей истории особенно меня впечатлило:Я не поленился сходить на исходный форум математиков, где вся эта драма приключилась. И я обратил внимание как они рутинно применяют ИИ (прикрепил скрины): • Один математ