Новая реальность для любой компании (или фрилансера) в мире: вы можете почти за бесплатно нанять бесконечное количество слегка аутичных но крайне исполнительных, умных и трудоспособных стажёров.

Чтобы преуспеть (или не умереть как бизнес) вам нужно ответить на вопрос какие приносящие ценность активности вы можете им дать?

Только 21% всех офисных сотрудников в мире могут сказать, что они активно вовлечены и перформят на своей работе.

Когда мы говорим об AI-native процессах и компаниях, речь не о том, чтобы начать использовать агентов/LLM/ИИ к месту и не к месту.

Речь о том, что мировая экономика теряет ~$40 триллионов в год на работе, которая делается без вовлечения, ответственности и результата.

Ваша задача — перестроить процесс и организационную структуру вокруг агентов, которые могут работать надежно, дешево, круглосуточно и без устали. Если вы это не сделаете, то сделает ваш конкурент и компания умрёт. Если вы это сделаете раньше других, то у вас появляется возможность вырасти кратно.

Чувствую, что придется повторить: AI-native это не технологии, продукты или навыки — это про дизайн организации, систему менеджмента, фокус и перестройку большинства процессов в работе. Больно, сложно, страшно, но неизбежно.

* Вчера началась лаборатория для тех, кто хочет строить AI-native организации, процессы или свою работу. Я воодушевлен: 12 топовых спикеров (все фаундеры успешных компаний) и 13 кураторов-практиков и больше 30 эвентов за 3 недели.

Если вам не хватило места: Будут еще потоки, на которых детально будут рассказывать о том как именно это делается на практике в компаниях и собственной работе.

AI-native компания — это

- самоулучшающаяся (Godel-Darwin, Гёдель = формальная само-модификация / Дарвин = случайные мутации и закрепление успешных)
- самокорректирующаяся (кибернетическая)

машина

Тем временем, стартап в который ты проинвестировал:

- Февраль: написал фаундеру как дела
- Март: фаундер ответил что новостей нет

Сегодня рассказывал о том как должна работать ИИ-нейтив компания внутри, и, честно говоря, я знаю примерно четырех людей (из нескольких сотен, с кем я обсуждал эту тему), кто, как мне кажется, действительно здраво осознаёт количество и сложность этого процесса транформации. По неведомой мне причине, люди рьяно и отчаянно уверены, кто ИИ для бизнеса это про то чтобы купить пачку лицензий на GPT/Deepseek и прочий DickPic.

Редизайн каждого цифрового или "офисного" бизнес-процесса в организации это задача, выполнимая только если она становится приоритетом номер 1 в компании, и для большинства поднятие этого в списке приоритетов с 31 до 1 места займет годы, и за это время они рискуют сдать позиции конкурентам, которые чуть глубже вдуплили что происходит.

Но дело даже не в процессах, ибо прежде вы можете подойти к процессам вам нужно перестроить инфраструктуру систем записи и хранения данных, политик, доступа, даже бюджетирования (ибо заплатить агенту это ближе к зарплате, чем к подписке на софт).

В среднесрочной перспективе это значит, что для подавляющего большинства офисных работников роли придут к 4 компонентам:

1. Архитектура процесса: дизайн воркфлоу и процесса как продукта, итерации, улучшение, измерение
2. Отношения с другими людьми (по очевидным причинам)
3. Валидация/проверка результата от ИИ (по крайней мере, первые месяцы-годы
4. Ответственность, ибо если агент накосячил, то платить штраф или садиться в тюрьму вам

крупнейшие финтехи мира строят свои продукты для агентов, потому что финансисты и бухгалтера ныне — это клешни и слопусы

это cli для агентов, включает в себя набор скилов типа проверка комплаенса чеков, оплата агентами, апрувал платежей, разбивка платежей по кодам, дешборды по финансам

Судя по последним сливам, Антропик вот-вот зарелизит Капибару — новую модель, которая значительно мощнее Опуса по возможностям. Мол, это качественный скачок по сравнению со всеми прошлыми релизами.

Готовьтесь переходить на план за $2,000/мес.

Вы могли заметить, что я иногда пишу об AI-native компаниях (неужто?)

Так получилось, что вокруг собралось несколько десятков организаций и компаний от 10 до почти тысячи человек размером, которые активно и глубоко в этом процессе. Почти всем из них нужны сильные инженеры для разработки, внедрения, тестирования и поддержки LLM/агентских систем.

Пришла идея попробовать сметчить людей с компаниями - если вы или ваши друзья открыты к интересным ролям - заполняйте анкету и мой агент поможет! Если вам интересно поработать над интересными проектами с хорошим финансированием, абмициозными задачами.

Кого ищут: full-stack и backend инженеры, infra/deployment, ML-инженеры — те, кто уже работал с LLM в продакшене, деплоил агентов и модели, строил мультиагентные пайплайны и инференс.

https://forms.gle/JqP2cBfNzontdbTp9 (критически важно: это НЕ ДЛЯ команд или студий, форма только для индивидуальных контрибьюторов / разработчиков)

Я вижу, что большая часть бизнеса, который уже сегодня зависит от крупнейших LLM провайдеров, а в будущем будет зависеть еще больше, не до конца осознают динамику рынка вычислений. Мы живем последние годы, и даже месяцы, в мире, когда вычисления еще не являются главным ограничением мировой экономики. Это как Ормузский пролив, только зависящий от 3 фабрик в мире.

У каждой лабы есть очень сложный выбор: использовать ресурсы для инференса моделей (то есть, зарабатывать бабки в моменте), для тренировки новых моделей через RL и претрейн (то есть, не устареть) или для рисерча новых архитектур (то есть, не умереть).

Одновременно, происходит экспоненциальный рост спроса. И мы пока находимся в самом его начале, ибо в течении 2-3 компании поймут, что им необходимо тратить на токены суммы сравнимые с общим фондом оплаты труда.

Но количество чипов (в первую очередь) и электроэнергии (во вторую) увеличивается с максимально возможной, но ограниченной скоростью. Сегодня нет ни одного производителя памяти, чипов или турбин, у которых не были бы забиты заказами все их мощности до 2028 года. А новые такие мощности не строятся за год.

Как стать успешным в век ИИ?

1. Найди все вещи, которые требуют исключительно
- знания
- опыта
- интеллекта
- креативности

2. Автоматизируй их в своей жизни или компании

3. Стань очень хорош в остальном:
- мудрости
- ясности видения
- умении принимать решения и брать риск
- в людях

*пост будет дополняться, но это хороший старт

В четверг очередная бесплатная мини-конфа от Леши Писаревского: новые кейсы автоматизации через AI, вайбкодинг + немного порассуждаем о том, куда это все идет и что будет дальше с компаниями и продуктами.

Вместе с Серафимом и Констатином порассуждаем о том куда это все идет и какое будущее у ИИ-нейтив организаций и людей.

Спикеры, кстати, топ:
· Серафим Кораблев, фаундер 21st.dev
· Константин Балцат, AI Engineer Anthropic
· Вероника Климова, основатель Marketlead.me
· Сева Устинов, фаундер Plurio.ai
· Миша Перегудов, сооснователь Whizz
· Лёша Писаревский, фаундер VIBECON & EpicWeb3
· Даня Чепенко, серийный SaaS-фаундер
· Ринат Хатипов, сооснователь getsally.io
· Саша Соловьев, ex. Refocus
· Влад Куклев, фаундер VIBECON & Agentcy

Четверг, 2 апреля, в 18:00 по мск
Записаться тут.

Два варианта:

1. Стать архитектором процессов / оркестратором агентов / погонщиком чат-ботов / поставщиком видения

2. Стать исполнителем, чья работа все в больше степени контролируется, измеряется и оценивается ИИ

Это самая сильная мотивация расти собственную агентность, дабы не стать рабом агентов. Вторая роль, конечно, со временем умрёт, поэтому реального выбора тут нет.

Как стать сильным фаундером в эпоху AI?

Не трать время на то, что можно автоматизировать
— выплаты
— документы
— онбординг подрядчиков
— ручную операционку

Собери процессы так, чтобы они не тормозили рост

Оставь себе то, что нельзя делегировать машине
— видение
— решения
— риск
— лидерство
— рост компании

4dev.com помогает бизнесу автоматизировать работу с международными подрядчиками:
легальные выплаты в фиате и крипте, закрывающие документы по международным стандартам и Contractor of Record — без ручного хаоса. 150+ стран, включая СНГ.

✅ Пройдите бесплатную консультацию по ссылке — команда разберёт ваш кейс и подскажет, как упростить выплаты и снять операционную нагрузку.

#реклама

Когда ты пытаешься создать какой-то бизнес-процесс или систему с помощью ИИ, ты не строишь такую систему, а открываешь её. Как физику - она есть, но мы не знаем все правила и хаки.

Объясню. Возможности LLM -- во-первых, крайне неровная, а во-вторых, постоянно двигающаяся граница. GPT может решать сложные задачи по квантовой механике лучше кандидата наук, но не в состоянии придумать смешную и оригинальную шутку. Он может написать сложнейший контракт на 50 страниц, но не умеет сделать лендинг чтобы там был читаемый текст. Когда мы начинаем добавлять скилы, харнесы и мультиагентные системы все это "пространство возможного" становится еще сложнее и начинает двигаться и морфиться в непредсказуемую сторону.

Итого: ты не можешь сказать какие конкретно бизнес функции могут быть гарантированно автоматизированы или (в чем, собственно, цель) перестроены в куда более эффективном, самоулучшающемся ключе. И нет способа это задизайнить на доске в миро или бумажке. Единственный способ реально найти эффективные решения для себя -- это постоянные эксперименты и итерации. Любой другой совет по сути является теорией и философией, но при этом этот простой факт все равно очень многие не принимают и не исполняют.

Ждать "готового решения" является самой большой ошибкой, которую можно сегодня допустить.

В ближайших версиях Claude Code:

— автономные агенты, которые работают в фоне
— проактивные агенты, которые могут инициировать работу
— встроенная система координации для оркестрации многих агентов
— "авто" система вместо спроса разрешения на действия
— встроенный голосовой помощник (как минимум, распознавание голоса)

из случайно утекшего файла от Антропика, в котором видно над какими фичами они работают.

Существует 3 цели (они же — 3 уровня) ИИ-нейтив компании

1 - Оптимизация костов
Заменить агентами написание кода, проверку договоров, поддержку клиентов, дизайн, бухгалтерию, маркетинг. Если у вас 300 сотрудников, которые выполняют 10 автоматизируемых процессов каждый по 10 минут и по 30 раз в месяц, а средняя з/п $5к, то вы сэкономили $470к в месяц. Реальность сложнее, но логика работает для любой офисной работы.

2 - Масштабирование бизнеса
Из новых возможностей построить или выйти на новый рынок. Автономный агент-локализатор переводит продукт, адаптирует маркетинг, отвечает саппорту на 15 языках. Консалтинговая компания, которая раньше только давала рекомендации, теперь может и внедрять. Вместо одного продукта для всех, ваш продукт может гиперперсонализироваться на лету под каждого.

3 - Кибернетическая операционная система (Cybos)
Вы создаете автоматизированную систему по постоянному улучшению себя. ИИ является менеджером для всей компании, а информационная обратная связь помогает ставить цели, вокруг которых организуются агенты (для любой «понятной» работы) и люди (для нового, рискованного или требующего эмпатии и взаимоотношений).

Для конкретиков, которым нужны КОНКРЕТИКА, наш любимый мультимиллиардер, буддист и бородач написал максимально подробный рассказ как и почему он идет к третьему уровню в его отдельно взятой компании.

Но, на мой взгляд, каждый должен думать за себя. Если вы застряли на первом уровне, то задайте вопрос, а в чем ваша долгосрочная защищенность от конкурентов, которые находятся на 2 и 3?

НЕ ПРОЕЦИРУЙТЕ, или как строить ИИ решения

Главная проблема в ИИ в том, что люди далекие от ML постоянно проецируют свои ожидания и заблуждения на ИИ.

Из-за того что машина научилась выплевывать буквы, она не стала человеком. Но многие (без каких-либо на то оснований) ожидают от агентов поведения как от человека — чтобы все воспринимал, все помнил, всему учился. Эти три качества у ИИ отсутствуют и я не вижу технического способа их решить у LLM.

Нельзя ожидать, что ИИ‑агенты будут вести себя как люди, потому что у нас принципиально разная архитектура мозга и обучения. Человек за счёт эволюции и биологии обладает sample‑efficient generalization: ему достаточно нескольких примеров, чтобы навсегда встроить новое правило, привычку или интуитивный паттерн. Современные нейросети, наоборот, требуют гигантских объёмов данных и вычислений, обучаются на миллиардах токенов, синтетических датасетов, и всё равно не приближаются к человеческой пластичности в реальном времени.

Из этого вытекает несовпадение ожиданий. Мы проецируем на модель человеческие свойства (интуицию, устойчивую память, понимание важного/неважного, умение быстро переучиваться по одному случаю), а у неё этих свойств просто нет на уровне архитектуры. Она не "подумала и решила", она лишь прокручивает вероятностный процесс генерации токенов по зафиксированным весам.

Отсюда правильная стратегия в AI‑продуктах:
- Не пытаться "очеловечить" модель, а проектировать вокруг неё системы, которые компенсируют её ограничения.
- Думать не в терминах "цифровой человек", а в терминах тулзы, у которой есть чётко описанные сильные и слабые стороны.
- Строить систему из агентов, памяти, графов, правил, интерфейсов к данным, принимая как данность, что сама по себе LLM не научится "мыслить как человек".
- Фокусироваться на организационном и продуктовом дизайне: куда именно в процессы встраивается модель, какие решения ей можно делегировать, а какие нет, как мы контролируем качество, ошибки, забывание и обновление контекста.

Вместо попытки вырастить из LLM "мозг в банке" нужно строить вокруг неё архитектуру и бизнес‑процессы, которые используют её как мощный, но очень специфический вычислитель, а не как замену человеческому мышлению.

Две мысли, которые могли бы показаться взаимоисключающими, если вы думали про них меньше 10 минут:

1. Для подавляющей части экономики, ИИ трансформация будет медленным процессом (>2-3 лет) в силу инертности и сложности диффузии технологий. Эта трансформация приведет к изменению ежедневной работы, но не исчезновению ролей полностью. Работа каждого юриста, финансиста, маркетолога, программиста и менеджера станет все больше управлением агентами, чем прямым исполнением задач.

2. Несмотря на то, что 100% автоматизация очень много где невозможна, рост продуктивности приведет к тому, что большинства компаний будет выгодно сократить значительную (10-40%) долю офисного штата, не теряя в продуктивности. Целью любой компании должно быть сокращение уровней иерархии примерно в 2 раза.

Ни первое, ни второе не приведет к «краху экономики», как часто сулят максималисты и паникеры в комментариях, но для многих бизнесов это будет испытание.

Дорси: «Вы строите компанию, которая глубоко понимает что-то о людях И становится глубже в этом понимании с каждым использованием продукта? Если да, то она преуспеет в ИИ-нейтив форме. Если нет, то вероятно эта компания просто фича чего-то большего»

Другими словами, если у IT бизнеса нет кибернетической системы и data flywheel, то у неё нет рва.