Открыть учебник Записаться

Блог mysummit.school

Статьи об искусственном интеллекте, машинном обучении и применении ИИ в бизнесе

ИИ-агент, который спорит с вашим решением, пока не проиграет

16 мин чтения

Менеджер утверждает решение за десять минут до созвона. Кандидат понравился на собеседовании, цифры в презентации подрядчика сходятся, план сокращения объёма проекта выглядит логично на слайде. Решение принято, потому что оно почувствовалось правильным – а не потому, что кто-то попробовал его опровергнуть.

Так управленческие решения и проваливаются: данных на столе обычно хватает, вопрос просто закрыли слишком рано. Слишком мало вариантов, слишком мало доказательств, которые могли бы решение опровергнуть, слишком много непроверенных допущений. Тема не новая, но у неё появился неожиданно точный инструмент.

Читать полностью
ИИ-агент, который спорит с вашим решением, пока не проиграет
OpenRouter Fusion vs Claude: окупается ли оркестрация ИИ
9 мин

OpenRouter Fusion vs Claude: окупается ли оркестрация ИИ

Первое место в нашем бенчмарке 45 моделей ИИ по управленческим задачам (v2-методология) занял не GPT, не Gemini и не Claude. Его занял оркестратор – система, которая отправляет запрос сразу трём моделям, а затем синтезирует ответ из их выводов.

Звучит как очевидное решение: если одна модель хороша, три модели плюс независимый арбитр должны быть лучше. Результаты бенчмарка это подтверждают. Но за первое место пришлось заплатить – в 2,27 раза больше денег и почти в семь раз больше времени ожидания, чем у Fable 5, занявшего третье место.

Заменит ли ИИ менеджера? Разбор по сценарию AI 2027
10 мин

Заменит ли ИИ менеджера? Разбор по сценарию AI 2027

«Заменит ли меня ИИ?» – вопрос, который менеджеры чаще задают себе тихо, чем вслух на планёрке. Сценарий AI 2027 даёт повод спросить громче: он описывает мир, где к 2027 году автоматизируется сначала программирование, потом рутинный умственный труд, а рынок начинающих разработчиков уходит в турбулентность. Звучит как приговор. Но в той же фразе, где сценарий хоронит начальные роли, он называет и тех, кто, наоборот, зарабатывает больше всех: «люди, которые умеют управлять командами ИИ и контролировать их качество, делают кассу».

Написали это не паникёры. Дэниел Кокотайло – бывший исследователь OpenAI с историей сбывшихся прогнозов, его соавторы – сильные прогнозисты. При этом сами авторы оговариваются: 2027 – это год, который они считают наиболее вероятным, а серединная оценка приходится на более поздний срок; сам сценарий описывает лишь один из многих вариантов будущего. Читать его как пророчество бессмысленно. А вот как повод трезво посмотреть на вопрос «что будет со мной» – полезно.

Ответ на этот вопрос не укладывается в «да» или «нет». Он звучит так: под замену идёт конкретный набор ваших задач – список, который можно выписать и пересмотреть. И вопрос, который решает вашу карьеру, – какая именно часть списка.

Оркестрация агентов: навык ИИ с самым долгим сроком годности
12 мин

Оркестрация агентов: навык ИИ с самым долгим сроком годности

Представьте менеджера, который уверен, что освоил ИИ. У него открыто тридцать вкладок ChatGPT. В одной он полчаса назад разбирал риски по контракту, в другой сводил статус проекта, в третьей просил переписать письмо стейкхолдеру. Каждую новую задачу он начинает одинаково: заново объясняет, что за проект, кто в команде, какие сроки, копирует кусок выгрузки из Jira, вставляет переписку из Slack. Получил ответ – скопировал обратно, вкладку закрыл. Завтра всё сначала.

Он честно пользуется ИИ каждый день и искренне считает, что находится на переднем крае. На самом деле он застрял на первой ступени и таскает контекст руками, как курьер таскает коробки. Инструмент у него мощный, а режим работы – самый примитивный из возможных.

Разница между этим менеджером и тем, кто выигрывает от ИИ по-настоящему, не в том, кто быстрее печатает промпты. Она в одном навыке, который почти никто не ставит явно, – в умении не чатиться, а делегировать задачу агенту. Этот навык, как ни странно, самый долгоживущий из всего, что даёт обучение работе с ИИ. И одновременно – самый недопоставленный.

AI 2027: как планировать команду, когда ИИ меняется
13 мин

AI 2027: как планировать команду, когда ИИ меняется

Есть прогноз, который стоит прочитать не ради даты, а ради одной фразы. Сценарий AI 2027 описывает приход сверхчеловеческого ИИ примерно к 2027 году: сначала автоматизируется программирование, потом рутинный когнитивный труд, рынок junior-разработчиков уходит в турбулентность. На фоне этого авторы называют компетенцию, которая, наоборот, дорожает. В спросе оказываются те, «кто умеет управлять командами ИИ и контролировать их качество».

Написал это не блогер-алармист. Дэниел Кокотайло – бывший исследователь OpenAI, чьи прошлые прогнозы сбывались: ещё до ChatGPT он предсказал цепочки рассуждений, экспортный контроль на чипы и тренировки моделей за 100 миллионов долларов. Соавтор Эли Лифланд занимает первое место в рейтинге прогнозистов RAND. То есть перед нами не фантастика, а конкретный количественный прогноз от людей с треком.

И тут же оговорка, без которой весь текст превращается в панику. Сами авторы пишут: 2027 – это их модальный год, но медианы дальше, а сценарий описывает один из многих возможных вариантов. Читать его как пророчество бессмысленно. А вот как инструмент для проверки своих планов на прочность – очень даже.

ИИ экономит команде день в неделю. Куда он утекает?
12 мин

ИИ экономит команде день в неделю. Куда он утекает?

Возьмём две цифры из свежего отчёта BCG. Первая: 42% рядовых сотрудников, которые регулярно пользуются ИИ, экономят как минимум целый рабочий день в неделю. У руководителей эта доля доходит до 60%. Вторая: 66% тех же рядовых сотрудников не получают никаких указаний, на что потратить это освободившееся время, и больше половины признаются, что не перенаправляют его на что-то более важное.

Между этими двумя цифрами – самая дорогая утечка в современной компании. День в неделю на человека появился, и день в неделю на человека испарился. Разберём, почему так происходит и что здесь может сделать линейный менеджер: рычаги есть именно на этом уровне.

Экономия или выручка: куда направить ИИ в первую очередь
12 мин

Экономия или выручка: куда направить ИИ в первую очередь

В июне 2026 года аналитическая команда Exponential View выпустила отчёт The State of the AI Economy – независимую попытку измерить, за что компании реально платят в экономике ИИ. Авторы построили модель доходов по 1 000+ компаниям на основе отчётности, очистили цифры от двойного счёта и получили картину без маркетинга: генеративный ИИ вышел на темп $175 млрд годовой выручки. Мы уже писали, почему $700 млрд капзатрат Big Tech на ИИ в этом году не выглядят пузырём – этот отчёт о выручке смотрит на ту же экономику с другой стороны, со стороны тех, кто эти деньги платит.

Внутри отчёта есть слайд, который полезнее всех громких цифр. Команда EV проанализировала заявления компаний S&P 500 об эффекте ИИ на звонках с инвесторами. Результат: 7 из 10 заявленных эффектов – про экономию и эффективность. Сокращение затрат – 25%, экономия времени – 23%, рост пропускной способности – 22%. А рост выручки – всего 6%.

ИИ вполне способен приносить деньги напрямую. Просто компании, которые уже отчитываются о результатах перед инвесторами, в массе своей начали с другого конца. И у этого выбора есть простая математика, которую стоит понимать каждому менеджеру, выбирающему первую задачу для ИИ.

Менеджеры и AI: чаще всех – но не для управления
12 мин

Менеджеры и AI: чаще всех – но не для управления

Из всех профессий, которые чаще всего открывают Claude, на первом месте оказались менеджеры. В опросе Anthropic они составили 23% респондентов – при том что в занятости США их доля около 7%. То есть руководители перепредставлены среди пользователей AI втрое. А теперь вторая цифра: управленческие задачи занимают всего около 4% всех сессий. Люди, которые управляют, используют AI для чего угодно, кроме управления.

За этими двумя цифрами – самое точное описание того, как менеджер на самом деле работает с AI. И почему опасения «он заберёт мою работу» в этой профессии устроены иначе, чем кажется.

Иллюзия эффективности: тёмная сторона ИИ в образовании
9 мин

Иллюзия эффективности: тёмная сторона ИИ в образовании

88,52% китайских студентов-инженеров говорят, что ИИ сделал их учёбу эффективнее. Звучит как победа. Но в том же опросе почти половина признаёт, что их собственная успеваемость от этого не выросла. Студенты стали быстрее – и не стали лучше. Это и есть главный нерв этой части: разрыв между ощущением эффективности и реальным результатом.

Предыдущие части серии были про то, что ИИ в китайском образовании делает хорошо: что уже работает в классе и как он помогает самому преподавателю. Эта часть – скептический противовес. Она задаёт неудобный вопрос, без которого серия была бы рекламой: если стало быстрее, стало ли лучше – и какой ценой.

ИИ для самого преподавателя: чему учит опыт Китая
16 мин

ИИ для самого преподавателя: чему учит опыт Китая

В пекинской начальной школе подготовка одного урока сократилась с двух-трёх часов до получаса. В Университете Цинхуа студент за семестр проводит около восьми часов наедине с ИИ-наставником – это восемь часов индивидуальных занятий, которых раньше просто негде было взять. Но самое интересное в китайском опыте не то, что ИИ дали ученику. Интереснее, что его дали самому преподавателю – на его собственную работу.

В предыдущей части серии мы смотрели, что ИИ уже делает в китайском классе для ученика. Здесь сместим фокус. Речь пойдёт про учителя как профессионала: про подготовку урока, разбор собственного занятия, методическую и научную работу. Это та часть китайской истории, которую чаще всего пропускают, потому что она менее зрелищна – никаких роботов в классе, просто человек, который стал успевать больше.