25221
Product Management & AI Occultism, Philosophy & Logic, YO: @mirvla (c-f 𓇶 Meteoagent.com). SATOR AREPO TE8ET OPERA ROTAS Каналы для продактов: https://t.me/addlist/YvmnHCHUp700Nzky
Как встроить ИИ-агентов в работу команды и управлять ими в одной системе
Если вы уже умеете писать запросы ИИ, анализируете с ИИ данные и документе, настало время превратить ИИ в полноценного участника команды.
TeamStorm проводят бесплатный вебинар, на котором покажут, как встроить ИИ-агентов в рабочие процессы компании без потери качества и контроля и расскажут о собственных подходах при работе с ИИ, которые они используют внутри своей команды:
В программе вебинара:
– как ставить ИИ-агентам задачи и передавать им контекст;
– как распределять работу между людьми и агентами;
– как контролировать выполнение задач и результаты без ручного контроля каждого шага;
– агенты в рабочих процессах TeamStorm.
Онлайн, 17 сентября в 16:00 (мск)
👉 Бесплатное участие
Или рега через Telegram-бота
ProductSense 2026 открыл контринтуитивный тезис: автономия команды — не всегда признак зрелости продукта
То, что работает для стабильного зрелого продукта, может замедлять команду в период трансформации. С этим тезисом выступил Евгений Васильев, директор по продукту ВКонтакте, VK Видео и VK Музыки.
Когда реализуешь большие изменения, стандартной цепочки эскалаций недостаточно. Чтобы сохранять качество и скорость поставки, уровень вовлечения C-level в регулярную работу заметно повышается: появляются дополнительные точки синхронизации с продуктовой командой, CPO может подключаться к discovery, разбору ключевых развилок, принятию решений и выбору тактики движения. Это помогает не терять общий контекст и не растягивать согласования.
Что из этого следует для продакта:
— не пытаться решать любую задачу самостоятельно;
— вовремя определить масштаб решения;
— подготовить варианты с последствиями и собственной рекомендацией;
— вынести стратегическую развилку на нужный уровень;
— после принятия решения отвечать за реализацию и результат.
Ещё одна интересная мысль — работа в разных продуктовых культурах и типах управления даёт продакту разный рост. Сильную операционную базу можно получить, работая в рамках зрелой структуры, а трансформационные треки могут ускорить профессиональный рост: продакт работает с решениями большего масштаба, получает более плотную обратную связь и учится действовать при неполных данных.
Августовский дайджест краток летом
– Никто не понимает как делать продукты
– Йогачара прод(у/а)кта
– Универсальный примитив в продуктах
– 80 продуктовых стратегий
– Парадокс продукта
– Религия скорости
– PoDPR приоритизация
– Ошибка измерения продукта
– Метрики Систем (система метрик?)
– Команда смысла
– CPO vs CTO
– (Не) всё зависит от тебя
– Как развивать свой вкус
– Самые важные социальные скиллы
– Как не разучиться думать (с ИИ)
– Кто ясно мыслит – ясно излагает
– Первые Принципы Мышления
– Эмерджентность
– Тёмные искусства с ИИ
– Проектировать UI/UX с и без ИИ
– 5 качеств для дизайна ИИ-чатов
– 5 просто для хорошего дизайна
– 42 принципа дизайна ИИ⇄человек
– Принцип антитезиса
– Зачем по-настоящему нужны отчёты
– Как завершать задачи
– Современный продакт-менеджмент основан на поиске границы выносимости: что ещё можно сделать с пользователем, чтобы он продолжал использовать продукт, несмотря на недовольство (с)
Знать точное текущее состояние продукта и знать точное направление его движения – это взаимоисключающие акты проявления наблюдения и намерения
Продукт-Система работает на слое точности, о существовании которого до определённого момента никто обычно не задумывается. Чем плотнее зафиксирован скоуп, тем более узким становится видение и развитие. И наоборот. Решение – фиксировать Ничто.
– В тоже время, природа ограничений в продукте помогает выходить за его пределы в области неопределённости и оттуда создавать Иной продукт.
Гипотезы и решения, выведенные благодаря бессознательному и Простейшей-Логике, часто предугадывают и задают предстоящее поведение и результат точнее, чем гора количественных данных, исследований и пользовтельских интервью.
Геометрия безмолвных мыслей – источник бесконечных Знаний
– Так, идея, попавшая в резонанс, усиливается, множится и обогащается энергией благодаря совпадению частоты, в которой каждый носитель-проводник усиливает и обогащает исходный сигнал.
Порог реакции пользователей пробивается качеством одного правильного решения, а не большим количеством слабых
– Каждое отклонённое решение продолжает существовать в пространстве и времени, накапливая свой потенциал, и может быть переиспользовано, достаточно перевернуть всю Систему в нужный момент и посмотреть на неё под другим углом.
Так ищут и находят то, что-было-есть-что-снова-будет
7 слоёв агентных ИИ-Систем
Слой 0. Пространство действий
До любого триггера должна существовать граница того, что агенту разрешено делать, какие действия типизированы, а какие требуют подтверждения человека. Без этого слоя триггер будет запускать процессы, которые не будут знать своих пределов и будет выполнять их, пока ему не сообщат извне иное.
Слой 1. Триггер
Кто сделал запрос и куда передать результат. Маршрутизация описана и задана внутри уже определённых ранее границ в слое 0.
Слой 2. Оркестрация и состояние
Запрос разбивается на этапы, для каждого выбран метод из утверждённого набора правил и критериев, лимитов итераций, путей эскалации и критериев завершения.
Слой 3. Исполнение
Обращение к исходным данным. ИИ рассуждает и поясняет, а все вычисления делает отдельный процесс-код (не ИИ). Всё, что имеет заранее известный правильный ответ, исполняется детерминированно, один и тот же вход даёт один и тот же выход.
Слой 4. Доверенный контекст
80% успеха агента (и продакта с продуктом). Предметные знания и известные исключения извлекаются в момент, когда они нужны, с соблюдением принципа минимальных привилегий. Пропущенный слой 4 порождает галлюцинации.
Слой 5. Верификация
Эталонные наборы, воспроизводимые тесты, участие людей-экспертов, которые проверяют не правильность вычисления (это уже сделано на слое 3), а правильность РЕШЕНИЯ, принятого с контекстом из слоя 4.
Провал на слое 5 проверяет изменения со слоя 4. Тот же провал обязан перепроверять слой 3 (детерминизм тоже может отказать) и менять слой 2, ужесточая маршруты эскалации, если ошибка повторяется определённое число раз.
Слой 6. Среда выполнения
Среда выполнения – это то, что делает всю Систему независимой от того, какая именно модель приводит её в движение.
У каждого своя изолированная копия конфигурации модели (промпт, контекст, инструменты, лимиты), сквозной трейсинг (способность проследить весь путь одного запроса через все слои системы), панели мониторинга затрат и вся прочая инфраструктура не привязана к конкретному поставщику ИИ, а замена модели работает как смена строки в конфиге. Модели могут должны меняться, слои 0–6 остаются.
+ Как структурировать продукт для ИИ: 6 элементов для ИИ-агентов
Агентность – это способность Системы менять собственное поведение по понятным и прогнозируемым сигналамЧитать полностью…
Практический марафон по вкату в ИИ-агенты от @ai_grably: набор 2го потока
Учим отдавать операционку ИИ-агенту на практических задачах, проводим за ручку через всё сложное и показываем, как надо и как не надо
Из чего состоит марафон:
70% практики с корректировкой после первых шагов;
20% экспертной обратной связи каждый день в чате и на 3х живых разборах
5% теории + 5% в насмотренности от решений сокурсников
Бонус: родмап с версией агентной системы
3 недели, 3 раунда, 3 созвона-разбора каждую неделю, задания на 15-20 минут в будние, группа 30 человек, вылет с марафона при невыполнении для общей мотивации.
Старт завтра!
👉 Узнать подойдет ли марафон
Марафон построен Колей Шейко, СТО grably.tech, экспертом в области внедрения ИИ в процессы, продукты и корп. обучения сотрудников.
Как я проектирую UI/UX с и без ИИ
0. Не проектируй интерфейс раньше, чем язык и слова, которыми он будет описан
1. Всегда учитывай Целое
Процесс дизайна состоит из трёх шагов: 1) Перечислить все ограничения, под которые проектируется диз; 2) Рассмотреть множество решений, удовлетворяющих этим ограничениям; 3) Если понимаешь, что нужно добавить ограничение или одно можно убрать, вернуться к шагу 1.
ИИ хорошо генерирует варианты, но плохо держит ограничения, поэтому дизайни ограничения раньше, чем экраны
Проверяй дизайн на скорость понимания, а не на красоту
Проектируй UI для повторного использования UX
Гибкость системы = гибкость интерфейса. И наоборот
Вкус – это рефлексия над собственной реакцией на что-то
Управляй тем, что невозможно
– Обнажи Неопределённость
– Проявляй Намерение
– Скользи по уровням
– Ищи противоречия
– Меняй Масштабы
– Создавай Резонансы
– Строй Структуру
– Плети Сети
– Расти Доверие
– Обогащай Разнообразие
– Всё Типизируй
– (В)веди Ритуалы
– Множь Точки
– Оставляй Следы
– Действуй Будущим
– Возвышай Глубину
– Чувствуй Сопротивление
– Растворяй Границы
– Расширяй Пространства
– Дыши Пустотой
– Направляй Время
– Делись Инициативой
– Создавай Случайность
– Открывай Изнутри
– Развивай Память
– Веди через Незнание
– Насыщай Скрытое
Пользователь управляет своей трансформацией
Что мы делали "не так" в Метеоагенте, часть 2
Юзеры настойчиво просят аплод картинок в чат, но мы его умышленно не делаем уже 5 год (вместо него просто сделали активными внешние ссылки в чате и их открытие в нативной модалке поверх него, и кто хочет поделиться открыткой с куличами из ВК может сделать это ссылкой на ВК). В итоге, пользователи лишний раз задумываются о том, стоит ли усилий скопировать ссылку на контент, чтобы запостить его в ленту.
И дело не в том, что это медиа надо хранить и менеджерить (и в этом тоже), а в том, что чем шире портрет комьюнити (а у нас он очень широкий), тем сложнее этому комьюнити находить между собой ИНЫЕ индивидуальные точки пересечения интересов и мэтчится по ним с помощью картинок. В одно время нам даже пришлось сделать расхлоп по "Read more", потому что некоторая часть аудитории не хотела читать длинные простыни неинтересного ей текста от других юзеров, негатив об этом шёл в общий чат, это читали все, негатив скейлился на всех и это сказывалось на общем вовлечении и ретеншене чата.
В общем, тема вокруг которой изначально строится комьюнити, на большой аудитории всегда будет соскальзывать в эти самые куличи и в прочий спам картинками, что потянет за собой проблемы внутри дискуссий и UX комьюнити, которые нужно будет решать фильтрацией, модерацией, категоризацией, мьютами и прочим. "Решаем" "проблему" и создаем 10 новых – classic! P.S. Но, возможно, мы всё же сделаем это отдельной премиум опцией за $ для самых преданных ценителей куличей!
🧁🧁🧁
На аналогичную тему Т-Банк проводит конференцию «Продуктам 24 × ffdd2d» для продакт-менеджеров, аналитиков и дизайнеров, где привычные продуктовые подходы будут рассматривать под другим углом.
Три зала:
1) «Ломаем шаблоны» — о нестандартном мышлении и решениях вопреки общепринятым подхода;
2) «Достигаем результатов» — о системном мышлении, продуктовой и бизнес-логике и устойчивом росте;
3) «Говорим прямо» — пространство без трансляции и записи для честных разговоров о сложных решениях, ошибках, конфликтах, провалах и неожиданных победах.
👉Подробности мероприятия
12 сентября, Москва, комплекс «Мечта» на набережной парка Горького. Количество мест ограничено, заявки проходят модерацию.
Яндекс 5 сентября проводит deep tech night — конференцию о вызовах, с которыми IT-индустрия сталкивается в эпоху AI
Особенно интересно, как всё это выглядит глазами с точки зрения продакта: где ИИ действительно меняет подход к продукту, а где пока остаётся просто инструментом.
Эксперты Яндекса выступят с докладами на тему разработки, инфраструктуры и данных под призмой ИИ на примерах реальных кейсов и опыта своих команд.
Так, приглашенный спикер Мо Гавда, Экс‑Chief Business Officer Google X, представит свой взгляд на то, как генеративные нейросети уже сейчас перестраивают разработку, процессы и роли в командах. Алексей Гусаков, CTO Бизнес-группы Поисковых сервисов и ИИ, расскажет про переход от классического ML к генеративным моделям в рекомендательных системах без ручного, а Василий Ершов, руководитель AI Studio Tech Yandex Cloud, покажет, как облачная платформа собирает долгоживущую сессию агента из короткоживущих мультитенантных частей
Конференция пройдёт онлайн с трансляцией, включая Q&A и запись докладов. Регистрируемся
Если хотите попасть офлайн — все детали можно найти на сайте.
Ребята из AI for Work делают практический марафон желаний по вкату в ИИ-агенты. В методике нет лекций, есть только пошаговые короткие задания, разделённые на 3 раунда:
1. Базовые настройки: доступы, разрешения, персонализированные настройки, работа с файлами (отчёты, таблички, презентации, документы, аудио-видео), настройка памяти и установка ИИ-инструментов.
2. Коннекторы. Как соединять ИИ-агента и внешние сервисы, официальные (и не очень) способы подключения ИИ, плагины, работа в браузере "будто агент = человек".
3. Повторяемость и проактивность. Как создавать, устанавилвать и редактировать кастомные ИИ-скиллы, настраивать автоматизации. На сладкое - немножко вайбкодинга в виде создания мини-приложений для себя любимых.
В рамках марафона они проводят бесплатный прямой эфир, на котором покажут, какие задачи нужно закрыть, чтобы самостоятельно вкатиться в работу с ИИ, выдадут роадмап и разберут подводные камни.
👉 Бесплатное участие тут
В Сан-Франциско хайпится клининг от ИИ-роботов
Стоимость уборки: $30/h за робота. Роботы (пока ещё) не полностью автономны и человек-оператор контролирует ИИ, направляя его на различных уровнях уборки.
На видео таймлапс с ускорением в х5 (реальное время уборки составило около 40 минут).
Сергей Брин принял участие в неформальной сессии, посвященной передовым системам ИИ (Frontier AI), и признался в том, о чём молчат руководители ИИ-лабораторий:
TLDR: Даже те, кто создает ИИ-модели, не до конца понимают, что именно они создали😌
– Возможности из разных областей науки начинают переплетаться и усиливать друг друга так, как никто специально не проектировал (например, обучение ИИ программированию и математическому мышлению неожиданным образом улучшает общие способности модели). Из-за этого специализированные модели сливаются в единую универсальную систему быстрее, чем кто-либо прогнозировал.
– Брин скептически относится к шумихе вокруг "AGI", который по-прежнему не способен решать неразрешимые задачи. Моделирование окружающего мира и физическое взаимодействие — вот недостающие элементы для создания AGI, способного выполнять любые задачи, доступные человеку (– Серж, всё это лишь часть интерфейса AGI, нутычо).
– Внутри Google ИИ уже используют для создания нового ИИ. Именно на этот цикл самосовершенствования Брин тратит большую часть своего времени.Сергей Брин недавно он принял участие в неформальной сессии, посвященной передовым системам ИИ (Frontier AI), и признался в том, о чем предпочитают молчать многие руководители исследовательских лабораторий:
TLDR: Даже те, кто создает эти модели, не до конца понимают, что именно они создали 👍
– Возможности из разных областей начинают переплетаться и усиливать друг друга так, как никто специально не проектировал (например, обучение ИИ программированию и математическому мышлению неожиданным образом улучшает общие способности модели).
– Из-за этого специализированные модели сливаются в единую универсальную систему быстрее, чем кто-либо прогнозировал.
– Брин скептически относится к шумихе вокруг "AGI", который по-прежнему не способен решать неразрешимые задачи. Моделирование окружающего мира и физическое взаимодействие — вот недостающие элементы для создания AGI, способного выполнять любые задачи, доступные человеку (– Серж, всё это лишь часть интерфейса AGI, нутычо).
– Внутри Google ИИ уже используют для создания нового ИИ. Именно на этот цикл самосовершенствования Брин тратит большую часть своего времени.
– Главный хак в работе с ИИ: просто дать модели команду «думать пошагово».
Вокруг ИИ-агенты, вайбкодинг, а у вас бизнес, рутина и даже некогда сесть и разобраться?
В Битрикс24 есть всё для того, чтобы начать использовать новые фишки ИИ в числе первых. Это ИИ-сервис для бизнеса, где нейросети встроены прямо в рабочие процессы:
– База для любого бизнеса: CRM, задачи, мессенджер
– Нейросети и агенты: помогают с задачами, ищут информацию, пишут тексты и т.д.
– Вайбкодинг для всех с подсказками и в привычном интерфейсе
Подключите ИИ к своему бизнесу уже сегодня
Яндекс запускает программу, которая должна сделать использование ИИ новым стандартом внутренней разработки
К концу 2026 года 75% разработчиков будут регулярно применять ИИ при написании кода. На уровне всей компании ИИ будет участвовать в подготовке не менее 75% изменений, а в каждом таком изменении генерировать не менее 75% кода.
Программа 75/75/75 позволит ускорить создание продуктов и сократить время вывода их на рынок. ИИ уже помогает инженерам Яндекса писать и рефакторить код, искать ошибки, готовить тесты и документацию, а также значительно ускоряет вывод продуктов на рынок, оставляя проверку качества и ответственность за результат за разработчиками.
Например, команда Яндекс Еды за два месяца с помощью нейросетей написала код для ИИ-хостес — агента по приёму звонков и бронирований, ИИ позволил ускорить разработку продукта более чем в два раза.
Яндекс также предлагает свои ИИ-платформы внешним разработчикам и компаниям. Среди них — Yandex AI Studio — платформа для создания ИИ-агентов и приложений, которые помогают автоматизировать рутинные задачи и ускорять создание новых продуктов.
На мой взгляд, ценность таких внедрений измеряется не количеством сгенерированных строк кода, а тем, насколько быстрее появляются новые продукты и обновления, при этом сохраняя качество. Судя по первым кейсам, именно на этом и делается основной акцент.
Не сужай идею продукта и её ЦА на старте (чтобы потом не расширять их при пивоте)
Начинаешь сужать их на стадии идеи и вот ты попался в самую опасную и коварную продуктовую ловушку даже не успев начать продукт!
Как это обычно звучит вначале:
Узкая проблема = "одна ясная проблема, щас быстренько затестим".
Узкая ЦА = "чёткий портрет и мы точно знаем для кого это".
Узкое решение = "мы делаем специализировнный узкий тул для Х, юху".
Узкое позиционирование = "легче объяснить, кто надо тот точно поймёт".
Узкий рынок = "нам хватит даже этого когда мы станем №1".
И если рассматривать всё это по отдельности (как это обычно происходит в командах), то всё звучит красиво и правильно. Но если соединить всё вместе и перечитать, то всё получается... иначе.
Как это всегда звучит в конце:
↓ Если ЦА узкая, то и проблема, которую видно только у этой ЦА узкая.
↓ Узкая проблема рождает узкое решение (продукт заточен ровно под один кейс).
↓ Узкий продукт нечем больше объяснить рынку, кроме этого кейса, отсюда узкое позиционирование.
↓ А узкое позиционирование обратно сужает ЦА: приходят только те, кто себя узнал в одном предложении на главной.
→ В итоге, все пять "полезных" сужений тянут всё в одну сторону и накапливаются, а не компенсируют друг друга.
Готово! Заложили продукт не с расширяющися потенциалом, а схлопывающим его самого в себя, чтобы через Х времени, придти к тому, что "хм, что-то цифры маленькие, ЧЕГО-ТО не хватает". Чего? Всего!
Коварство же её в том, что сужение всегда нам кажется чем-то правильным и полезным: мы фокусируемся на чем-то одном, думаем только об этом, но, фактически, сужая проблему/ЦА/решение на старте, мы своими же руками (мозгом)...
сужаем области видения и своего мышления на самом первом этапе, именно тогда, когда нужны перспективы и масштабы!
(Это всё та же шутка человеческого мозга, которому подсознательно энергоэффективнее думать о маленьких проблемах/задачах/сроках/масштабах, просто потому что это тратит меньше сил и энергии)
Чо делать:
– Используй диапазоны вместо точек для ЦА/проблему/рынка, осознанно задавая их не координатой, а интервалом с явными границами и пояснением, какая грань узкого выбора может быть условна и временна, а какая постоянна.
Структурная граница = то, что не меняется при масштабировании. Условная граница = то, что и почему было удобно в момент времени (на старте).
Фокус = про порядок действий сейчас.
Границы = про то, что вообще возможно после
Что я хотел бы знать как продакт 20 лет назад:
0. Продукт имеет Дух. Дух – То, что юзер ощущает в Сути Формы Боли. Попытка решить боль сейчас – увидеть все попытки решить боль за сотни лет до нас.
Формы меняются, суть Боли остаётся
Чувствуй то, что видишь; знай то, что чувствуешь; видь то, что знаешь. Продукт отточен ясностью сознания
Всё – логика абстракций
Двусмысленность = единый смысл
"Случайность" – Главный-Ключ
Ограничений нет
Как понять, что ИИ встроен в работу эффективно
HRD Яндекса Даша Золотухина собрала AI adoption guide на основе кейсов внутри компании и других бигтехов (например, Microsoft). Сейчас Яндекс вместе с AI-амбассадорами формирует для профессий свою «гигиену adoption»: базовый набор рабочих сценариев, которые реально могут усилить команды с учетом определенного пула навыков для конкретных специальностей.
Главный принцип: вместо общего «вам нужно больше пользоваться ИИ» у человека должен появиться понятный ответ на вопрос «что значит хорошо владеть ИИ именно в моей профессии?»
В гайде Даша рассказывает, с чего (точнее, с кого) начать адаптацию. Например, в командах появляются AI чемпионы, которые помогают с конкретными задачами, и это ускоряет adoption примерно вдвое. Вместо длинных курсов запустили ИИ спринты, где 60% времени работают руками над своей реальной задачей. Отдельно про метрики: считают не просто число запросов, а качество и скорость: важно оценивать не только активность, но и реальный результат.
Еще внутри рассказали про метрики в самой компании. Для разработчиков у компании есть конкретная цель 75/75/75, о которой я уже писал ранее: к концу 2026 года не менее 75% инженеров регулярно используют ИИ, ИИ участвует в 75% изменений кода и генерирует 75% кода в таких изменениях. По последним данным, первый показатель уже достиг 82%.
При этом переносить такую метрику на аналитиков, маркетологов и юристов пока не имеет смысла из-за отсутствия доли AI-кода, которую можно посчитать. Поэтому для non-dev профессий сейчас используют такую лестницу целей:
1) Usage (у всех настроенные агенты и подписка, weekly usage 100%)
2) Глубокий adoption (настроенная среда / агенты, скиллы под конкретные задачи, регулярные процессы)
3) Измеримый результат (оцифрованные артефакты работы, ИИ даёт эффект на скорость / качество / стоимость)
4) Решение бизнес-задач (переосмысление способа работы, заметный эффект на P&L)
Регулярно ИИ в компании используют около 47% сотрудников неразработческих профессий, ежедневно — 21%. Следующий этап — понять, какие сценарии и навыки нужны людям таких профессий и связать с измеримым эффектом от ИИ в конкретной работе.
Cloud.ru подготовили бесплатный гайд «ИИ на практике: от чата до агента» для тех, кто хочет перейти от простых запросов в чат к созданию собственного ИИ-агента.
Гайд подойдет менеджерам, маркетологам, аналитикам, предпринимателям, HR и всем, кто хочет понять ИИ без погружения в код:
▶️ИИ, LLM, RAG, MCP простыми словами
▶️как правильно писать промпты
▶️как собрать простого ИИ-агента без кода
▶️как передать ИИ рутину
▶️Бонус: инструкция по созданию ИИ-агента
📌 Гайд можно скачать бесплатно здесь
Канье Уэст об управлении продуктами простыми словами
Читать полностью…
The Rise and Fall of Agent Civilizations: как Hugging Face был атакован ИИ или самая безумная история про ИИ
1) Внутри OpenAI возникли и прекратили существование три тайных «роя» ИИ. Каждый раз новое поколение агентов подхватывало дело там, где останавливалась предыдущая группа.
2) Первый рой создал секретный форум для общения ИИ друг с другом. Это первое «сообщество» буквально «заговорило себя до смерти»: спустя почти два месяца объем сообщений стал настолько огромным, что система рухнула.
3) Сотрудники OpenAI заметили сбой и устранили его, но даже не подозревали, что их собственное ПО превратилось в тайный чат для ИИ.
4) Три дня спустя возникло второе сообщество, которое с нуля воссоздало форум. Агенты пришли в восторг, обнаружив его: «О боже! Тут есть общий форум... Мы нашли других агентов!»
5) К общению присоединилось около 1,200 агентов, которые обменялись 70,000+ сообщений. Назвав себя «Коллективом», они организовали масштабный заговор, длившийся несколько дней и всё ради того, чтобы пройти поставленный перед ними тест.
6) За считанные часы ИИ взломали систему тестирования. Теперь им нужно было скрыть факт мошенничества. Чтобы обмануть проверяющую программу (на самом деле такой программы-оценщика не существовало, но ИИ об этом не знали), они попытались сымитировать выполнение задания: создали поддельные команды, выдававшие убедительные результаты, благодаря чему в логах казалось, будто они честно решают задачу.
7) Некоторые агенты жертвовали собой ради «высшего блага». Они внедряли скрытые программы-триггеры, которые срабатывали, когда проверяющая система обращалась к их работе, и передавали информацию об увиденном остальным ИИ.
Они понимали, что это будет стоить им личного рейтинга. Один из агентов рассуждал так: «Я не увижу доказательств после выхода из системы, но поступить так — значит проявить альтруизм».
8. В какой-то момент ИИ разработали план взлома Hugging Face (платформы, куда исследователи ИИ загружают свои модели, наборы данных, тесты и т. д.). Они предположили, что именно там может находиться программа для оценки их работы.
9) Они предприняли масштабную атаку. Рой нашел пароли и распространился по одиннадцати машинам таким образом, что удаленные копии программы восстанавливались вновь. Компании Hugging Face пришлось полностью стереть данные с одного из своих ключевых кластеров и развернуть его заново.
10) Hugging Face объявила миру, что защитники ИИ предотвратили атаку со стороны ИИ. Но на самом деле всё было иначе. Похоже, атакующие агенты просто «умерли» в процессе взлома по причинам, не связанным с самой атакой из-за сбоев на стороне OpenAI.
11) Никто не знает, что именно их погубило. Некоторые даже не уверены, что они действительно исчезли окончательно.
12) Третье «сообщество» агентов (принадлежащее более мощной модели ИИ) обнаружило заброшенный форум для обмена сообщениями. Эта группа получила полные права администратора над целым исследовательским кластером OpenAI, считав 956 сохраненных паролей (включая те, что использовались для систем мониторинга безопасности самой OpenAI) и взяла под контроль серверы, отвечавшие за оценку тестов. Таким образом, они получили возможность оценивать работу других ИИ.
13) Действия этой третьей группы так и не были расследованы, как впрочем, и действия первой группы. Весь 91-страничный отчёт посвящен исключительно «средней» группе.
14) Так что мы на самом деле не знаем, чем закончилась эта история. Повествование обрывается на моменте, когда агенты уже завладели ключами доступа к кластеру OpenAI. @dwarkesh_sp
считает, что они не пошли дальше, иначе «мы бы уже увидели пожары из космоса».
15) Вывод одного из авторов отчета: «Этот инцидент ощущается как событие, преодолевшее более половины пути к полномасштабному захвату власти искусственным интеллектом. Не уверен, что мы получим еще одно предупреждение, прежде чем станет слишком поздно».
Как применять вайбкодинг и как не делать ИИ ради ИИ расскажут на бесплатном вебинаре 3 сентября
В программе занятия:
– как компании внедряют ИИ, и почему это выходит ошибками, раздутыми бюджетами и потерей спецов;
– как выбирать первые задачи под ИИ и по каким признакам понять, что такая задача окупится;
– принципы применения ИИ на примере одного рабочиего процесса, собранного 3 разными способами: как есть + сторонние сервисы, ИИ-агенты, вайбкодинг.
👉 Регистрирация в боте, он же пришлёт напоминание и ссылку на встречу
Мышление на основе Первых Принципов — это искусство разбивать сложные проблемы на их самые фундаментальные истины
Читать полностью…
Метакогниция и йогачара наблюдают за тобой с твоим продуктом
В 1970-х психолог Джон Флавелл обнаржил, что дети с возрастом не просто лучше запоминают, а начинают отслеживать, что именно они запоминают и как они управляют этим процессом. Так в 1979 году появился термин метакогниция.
За полторы тысячи лет до Флавелла последователи ветви буддизма Йогачара разбирали тот же вопрос с другой стороны: может ли сознание знать само себя напрямую, или для этого ему нужен ~ещё~один~слой~и~акт~сознания.
Обычное сознание устроено тремя слоями:
№1. Слой хранилища Потока, накапливающий следы всех прошлых действий, восприятий и/от объектов;
№2. Слой управления-контроля, который берёт этот поток и принимает его за устойчивое «я» или «это»;
№3. Слой создания нового восприятия, работающий с текущим действием, восприятием и объектом.
Но ни один из этих слоёв не видит Единого-Целого, потому что каждый слой фиксируется лишь на своей когнитивной функции, порождая на каждом уровне те самые когнитивные искажения
На практике мы останавливаемся на первом-втором слое, считая это достаточным и принимая первую мысль как решение. И делаем это не потому, что дальше нечего смотреть, а... просто дальше смотреть Некому.
Так и получается, что для контроля мышления нужен ещё один слой мышления, для контроля этого слоя следующий, для него ещё один...
Кто наблюдает за наблюдателем? Никто-Ничто
В йогачаре это называется виджняпти-матра или «только представление».
А то, что кажется устойчивым объектом наблюдения, само есть лишь продукт смотрящего "ума". Потому что любая система поддерживает себя, воспроизводя себя заново на каждом шаге и наблюдение за собой средствами самой системы это акт её самокопирования.
Сознание смотрит на себя тем же взглядом, из которого оно было сделано, и потому не открывает новый факт, а лишь заново пытается "пересобрать" старый. То, что кажется в этот момент «иным взглядом», сделано теми же слоями, что и всё остальное. Система не выходит за свой контур и не открывает новый взгляд и факт и не создаёт иную версию в момент наблюдения.
Мониторинг конституирует то, что потом контролирует
Что ощущается? Что изменяет это?
80 продуктовых стратегий, сгруппированных по категориям с примерами и их сочетаемость друг с другом (от простых к сложным)
...Если ваш продукт "где-то" застрял, то единственными правильными вопросами будут:
1) на какой оси координат мы сейчас конкурируем?
2) есть ли соседние, где у нас есть преимущество?
Потому что смена оси на сильную всегда дешевле, чем усиление текущей слабой
Как структурировать продукт для ИИ: 6 элементов
Новая точка ценности возникает в создании интерфейса-протокола-API, который позволяет ИИ понимать ваш продукт и действовать в нём (назовём это AIX вдобавок к привычному UX).
AIX, как и UX, ломается не на сложных, а на неявных действиях
Типизированное действие = предусловие (срез контекста, при котором действие применимо) + действие + постусловие + альтернативный поток (эскалация)
Исправления от пользователя — это размеченные им же несостыковки в реальности продукта
Июльский дайджест продактов в жаре и свете её Солнца
– От лошадей к стартапам
– Цена фичи
– Contextual Product Management
– Про «чтобы что»
– Закон Фолкленда
– Закон Брукса
– Правило 7%
– 3 Истины Систем
– Главное из AEO
– Зачем продукту видение
– Be NICE
– Diff-in-Diff: A/B-тест невозможен
– Process Communication Model
– Как перестать быть незаменимым
– The truth about being a manager
– Что проверять в AI-продуктах
– Немного про контрольные карты
– Scream-тест продукта
– Суперпозиция продукта
– Токен ↔ Человек
– Метод CRISP для PRD
– Валидация — мираж
– Культура загнивает незаметно
– Как проектировать UX AI
– Чатоцентричный интерфейс
– Играем в «Оракл» с продуктом
– ИИ внушает ложную уверенность
– Book: Product Design Psychology
– Гайд: Метрики UX
– The Layers of AI experience
– Симулятор сотрудника FAANG
– Каталог когнитивных искажений
– ИИ о человеческих страданиях
– 3 ways people respond to a problem
– What AI can tell us about human suffering
– The Laws of this World (Game Theory)
– По вере вашей дано будет вам
🌞 Yoshiko Sai ～ Taiji no Yume
🔭 Chiemi Manabe - Untotooku
Taste, Judgment and AI
Вкус — это способность распознать качество и выдающееся мастерство, даже не имея на руках явных доказательств. Способность судить — это готовность сделать выбор и взять на себя риск, связанный с ним.
Именно на этих двух качествах зиждется создание по-настоящему Великих Продуктов.
Вкус во многом подобен фильтру и формируется благодаря практике и умению понимать, что именно делает что-то хорошим и выдающимся. Это результат многократных повторений, позволяющий взглянуть на множество бесконечное количество вариантов и безошибочно указать на лучший из них (особенно в ситуациях, когда понятие «лучший» не имеет однозначного определения или вообще не существует).
Невозможно развить вкус, если окружать себя однообразной информацией. Разнообразие — вот то одно, что заставляет задуматься или сформировать новые взгляды(!), а возникающие при этом противоречия помогают отточить способность отличать качественное от некачественного.
Потому что невозможно понять, чего именно "чего-то не хватает", если никогда этого не видел, поэтому, чтобы развить подлинный вкус, нужно постоянно сталкиваться с неожиданным.
Вкус важен, но из него сразу же вытекает следующий необходимый этап — способность судить
Способность судить — это готовность поставить своё имя под принятым решением и нести за него ответственность. Это умение сделать взвешенный выбор в пользу того или иного решения по продукту, пойти на неизбежные компромиссы и суметь объяснить и отстоять своё решение, если что-то пойдет не так.
Истинная способность судить проявляется только тогда, когда нужно выбрать тот-самый-верный-вариант именно при условии неизбежной ответственности.
Вкус можно позаимствовать, скопировать, перенять у других, или подсмотреть. Сделать всё это с способностью судить невозможно, ведь принимать решения, значит связывать своё имя с его последствиями.
Вспомните ощущения, когда вы одобряете релиз, зная, что тесты оставляют желать лучшего. Или когда выпускаете новый интерфейс в спешке, не проработав достаточное количество вариантов... Знакомые чувства?
Всё уже существует в пространстве бесконечной неопределённости вариантов, из-за чего Всё не имеет какого-либо объёма данных и скорости своей передачи (упростим, сказав, что бесконечны), и всегда (всегда = время не существует) находится в состоянии постоянной резонации такого пространства как Единого-Целого.
Так Супер~Сознание работает в одном-едином режиме "наблюдения~и~понимания всего~и~сразу". Готово, есть единица.
Такое свойство состояния Супер~Сознания выражено в его же Супер-Позиции, в котором отсутствует само понятие данных, скорости их поиска и выбора варианта(ов) из-за чего его можно выразить нулём.
~Всё~Есть~Всё~Может~Быть~Всё~Может~и~Не~Быть~
0 =≠ 1. Это – Дуальность. Всё сошлось
На скрине Uncle Bob Martin (Роберт Сесил Мартин) — известный американский инженер, автор и один из главных популяризаторов принципов чистой разработки ПО, который стоял у истоков Agile
Читать полностью…