Только недавно заметил, что подписчиков стало больше 4к. А ведь помню, как пару месяцев назад было всего 700. Сначала подумал: «Зачем мистер Андерсон вас столько?!», а потом подумал, как типичный капиталист, воспользоваться вами и похантить, так как знаю, что среди вас много крутанов.

В связи с этим - пачка горячих и крутых вакансий ко мне в команду делать лучшее, что можно вообще делать сейчас (да-да, это не обман). В AI-центре Т-Банка мы работаем над задачами, которые находятся на переднем краю мирового продуктового AI прогресса. Здесь есть сложные проблемы, которые нельзя решить просто накрутив промпт к GPT - нужно думать головой и строить собственные и нетривиальные решения. У нас есть ресурсы для экспериментов, свои LLM и главное - задачи, над которыми реально интересно работать, и возможность видеть результат этой работы в продуктах, которыми пользуются люди прямо сейчас.

Group EM во Вселенную Ассистентов - возглавить команду (20+ человек) и их EM'ов , чтобы строить AI-ассистентов, которые изменят то, как люди взаимодействуют с банком и не только
Staff MLE во Вселенную Ассистентов - делать серьезное машинное обучение для ассистентов, которые реально понимают пользователей и помогают им решать их ежедневные задачи
Lead Product Manager в Поиск - трансформировать поиск в экосистеме Т с командой 40+ человек
Analytics Lead в Поиск - копать данные и находить инсайты, которые покажут, как люди на самом деле ищут информацию в банке
Product Manager в Поиск - взять кусок поиска в свои руки и довести его до ума, работая с конкретной вертикалью
Product Manager CallsAI - создавать AI, который понимает контекст каждого звонка в Т-Мобайл и помогает решать задачи клиентов быстрее и точнее

Если хотите работать над нетривиальными AI-задачами, где нужно думать, а не копировать чужие решения - пишите. У нас классная команда, интересные задачи, которые заставляют расти, и нет времени на бессмысленную суету.

Agentic Web: Business

Продолжаю серию #agenticweb

Для бизнесов прежде всего меняется привлечение клиентов. Если вчера пользователь сам гуглил «ремонт квартиры», то завтра это сделает агент – а потом и забронирует.

Что делать?

1. Бизнес должен быть AI-доступным

AI должен уметь легко считать твой оффер. В будущем – AI должен легко уметь делать действия. Например, бронировать. Для этого нужно делать соответствующие адаптеры.

Есть schema.org, NLWeb, MCP, A2A – это элементы новой концепции. Думаю, скоро появится отдельная бэкофис-интеграция в Google и OpenAI. Здесь нужно перестать мыслить "сайтами". Сайт – устаревший старый адаптер в новый интернет.

2. Бизнес должен продавать себя не людям, а AI-системам

Если AI–агент решает, что показать человеку, бизнесу нужно продавать себя агенту. Задача – сформировать в интернете мнение о своем бизнесе, которое схавают агенты.

SEO превращается в GEO – Generative Engine Optimization. Уже наблюдаем много "агентств нового поколения" которые продвигают бизнес в условном ChatGPT: раз, два

Есть проблема второго рода: интернет ещё больше наполнится фейковыми отзывами и обзорами. Вероятно, придет эпоха валидированных отзывов, или будет перерождение обратной связи от пользователей в принципе.

Для ловких бизнесов это пространство возможностей правильно оседлать новую волну. Для ловких ребят – пространство возможностей создать бизнесы на рукоятках для лопат.

o3 кстати справился! Сразу видно, что более мощный интеллект 🤡

Ребят, кто пропустил, срочно смотрите и готовьте платки

The Remarkable Life of Ibelin

Документалка про подростка-инвалида который постепенно умирает и всю свою жизнь играл в комп. С точки зрения родителей это была грустная несчастная жизнь без друзей и общества.

После смерти родители выяснили что играл он в WoW и у него там огромная жизнь с друзьями и отношениями. И фильм - про это.

Реальные съёмки и врезки виртуальной жизни прямо внутри движка WoW.

Я рыдал весь фильм, а я между прочим в самолете летел 🫠

IMDB | Netflix

В GPT-5 теперь можно выбрать модель.

Да, внутри модели можно выбрать модель 🫠 потому что мы не уверены правильную ли модель выбрала наша модель 🫠

Это временная заглушка. Реальные подобные сервисы эволюционируют в сложные параллельно-последовательные каскады разных моделей.

Но слово “model” пора уже перепридумать в контексте пользовательских продуктов. Есть AI-сервис, есть модели внутри.

Хожу в AI, а внутри модели? Хожу в модель, а внутри рабы? Предлагайте!

AI в экосистемах

Пытаюсь решить одну личную задачу и в очередной раз натыкаюсь: ChatGPT не может читать странички в Instagram, даже если они публичные.

Все крупные экосистемы закрыты от AI – и правилами, и антибот-системами. Универсальный внешний AI не может, например, найти лучшего кандидата, потому что он в LinkedIn.

Может казаться, что это обходится через Desktop Use, но на масштабе это переходит в юридическую плоскость и доступ всё равно закрывается. Google видит только ту часть Instagram, которую Instagram показывает.

Некоторым выгодно будет открываться. Логика такая: если ты лидер своей ниши, открываться не нужно, так как это раскрытие своего конкурентного барьера из данных. Если ты небольшой – наоборот, будь открыт ко всем.

Всё это означает интересную вещь: в каждой большой экосистеме будет свой AI для работы внутри неё. Хороший пример такого AI это Grok.

И Госуслуги, конечно. Всегда на шаг впереди.

Давно хотел поделиться тем, что происходит под капотом LLM Platform, которую мы строим внутри ТБанка.
Пост на грани NDA.

В какой-то момент мы осознали, что без цельного платформенного слоя любые инициативы с GenAI будут буксовать. На схеме — как раз тот каркас, который у нас сложился и который мы продолжаем развивать.
И если ещё год назад мы спорили об отдельных «кубиках», то сегодня то, что мы строим, — де-факто канонический GenAI-стек. (вот тут ещё интересная статья)

Из чего он состоит на высоком уровне:

— LLM API Gateway — единая точка доступа до внутренних (qwen?) и внешних (deepseek?) моделей,
— RAG Platform — конвейер для превращения любых данных в пайплайн Retrieval-Augmented Generation,
— Observability Platform — прозрачность всех LLM-процессов в реальном времени,
— Orchestration & automation — набор инструментов построения произвольных GenAI-пайплайнов с минимум кода,
— LLM Sec — модули безопасности, политик и аудирования,
— Assistant Runtime Platform — среда выполнения произвольных AI-ассистентов.

И если LLM Gateway — это нифига себе высоконагруженный модуль, на базе которого построены как внутренние, так и внешние продукты, то вот как конкретно построить единый Tools Registry, мы всё ещё размышляем и экспериментируем.

Кстати, мы активно нанимаем в команду LLM Platform.
Если чувствуете в себе силы влиять на то, как строятся решения на базе генеративного искусственного интеллекта, мы ищем Python/Go инженеров и руководителей разработки – или пишите напрямую нашему CTO @skogorev

Replit продолжает настойчиво убирать gpt-5 🤡

Витя и пиджаки, эпизод "Наблюдательный совет альянса ИИ"

Где искать кейсы по GenAI

Кейс-библиотеки у OpenAI и других вендоров абсолютно ужасны. Типичный кейс – это расплывчатая задача, ноль техдеталей и восхваление соответствующего вендора. Можете сами посмотреть: OpenAI, AWS, Google.

Классные кейс-библиотеки
– Evidently AI - удобная табличка-агрегатор с 652 кейсами с ссылками
– GenAI & LLM System Design - мощная библиотека кейсов с тех деталями на базе Evidently AI, расширенная и выложенная на гитхаб
– ZenML LLMOps Database - 800+ кейсов от разных компаний, собранных ZenML
– LangChain Case Studies - вендорская небольшая библиотека кейсов про LangChain: хорошие, с подробностями

Не кейсошные, но тоже классно
– Awesome LLM Apps - куча простых LLM-приложений с кодом
– Deloitte AI Dossier / PDF - хороший список GenAI идей. Если хотите открыть новый бизнес в GenAI – есть где вдохновиться

Российские
– Yandex Cloud: неплохая библиотека кейсов от Яндекса, есть детали. Нет фильтра по YandexGPT – фильтруем глазами
– Generation AI: хорошая небольшая кейсошная от JustAI
– Gigachat Cases: довольно слабая кейсошная от Сбера

Кидайте в комментах что ещё знаете!

Такой вот созвон был 💅
Андрей крутой, оч понравился

Много компаний до сих пор не понимают, что делать с AI. На самом деле всё просто – есть три AI-рычага:

1. Оптимизация Run
Это про эффективность: делаем то же самое быстрее, дешевле и качественней. Автоматизируем поддержку, скриптуемые процессы, автотесты и так далее.

Самая понятная вещь, с неё все начинают. Понятно как посчитать финансовый эффект. Многие, правда, дальше этого пункта не видят.

2. Ускорение Change
Это про скорость изменений: как принимать более правильные решения, как делать это быстро, и как быстро создавать новую ценность.

Сюда попадает внутренний ChatGPT с контекстом компании, копилоты для всех профессий, агенты в разработке и так далее.

Здесь лежит огромный эффект. Его можно видеть по скорости роста стартапов в новых батчах: AI-Native компании двигаются радикально быстрее за счет AI-инструментов. Но так как посчитать этот эффект сложно – эксперимент не проведешь – в старых компаниях доказать руководству бывает сложновато.

3. Перераспределение рынков
AI приведёт к большому перераспределению рынков. Можно создавать продукты на порядок лучше и перетаскивать аудиторию старых игроков. Пример – OpenAI и Perplexity ворвался в неприступный ранее рынок интернет-привлечения принадлежащий Google.

Очень мало компаний понимают как пользоваться этим рычагом. Здесь самые большие риски, но и самая высокая награда. Кто справится – сможет не просто заполировать текущие продукты, но создать реальную новую ценность для общества.

Очень понравилось интервью основателя Lovable - насыщенное, плотное, с кучей идей.

Lovable – это вайб-кодинг инструмент который умудрился за 8 месяцев рвануть с 0 до $100M+ ARR. Сейчас в нем создается 100к+ новых проектов ежедневно.

Оказывается, они из Стокгольма. В начале это был стрельнувший проекта на гитбахе gpt-engineer, который ребята переделали в компанию.

Мысли, которые зацепили:

1. Lovable – продукт для мира, где никто не пишет код Включая инженеров. Я думаю этот мир наступит и быстрее чем кажется.

2. 80% кейсов – реальные бизнес-приложения
Это меня сильно удивило – я думал, там домашние поделки и прототипы, но нет. Они так и хотят – стать технической платформой и партнером для реальных бизнесов. В отличие, например, от Bolt.new, который позиционируется больше как инструмент прототипирования.

Миссия у ребят крутая:

To unlock human creativity — by enabling anyone to create software

3. У application-layer AI-стартапов – т.е. конечных сервисов, а не создателей технологий – практически нет конкурентной защиты. Твоя защита – скорость, продукт, и долгосрочно – сформированный бренд.

В подкасте есть классная аналогия. Такие компании – как курицы, выпущенные из пушки, и выиграют те курицы, которые быстрее машут крылышками. Ну да.
🐓 Маши крыльями или сдохнешь

Отдельно хочу заметить очень крутого дерзкого интервьюера – подготовка, знания, скорость. Всем бы так.
ссыль