# Промпт McKinsey, который приносит акционеру МИЛЛИОНЫ| Игорь Никитин

## Метаданные

- **Канал:** Action Plan | Николай Хлебинский
- **YouTube:** https://www.youtube.com/watch?v=CD89ricindo
- **Дата:** 15.03.2026
- **Длительность:** 1:05:10
- **Просмотры:** 8,709

## Описание

Все промпты будут выложены в телеграм-канал https://t.me/nikolay_khl как только видео наберет 1000 лайков или 1000 комментариев. 

Гость выпуска - Игорь Никитин, основатель и CEO компаний WMT Group и WMT AI — одной из ведущих российских компаний в сфере разработки и внедрения ИИ-решений для бизнеса.. В выпуске разбираем, как бизнесу правильно использовать искусственный интеллект: от первых шагов с большими языковыми моделями до построения многоуровневых систем ИИ-агентов, которые анализируют данные компании, выявляют финансовые риски и автоматизируют сложные процессы. Выпуск для предпринимателей, руководителей и всех, кто хочет понять, как реально работает ИИ-трансформация бизнеса, показываем на конкретных кейсах.

Telegram канал Игоря: https://t.me/Nikitinwmt

Мы обсуждаем:
– Почему 95% внедрений ИИ в крупном бизнесе не дают эффекта
– Чем внедрение ИИ отличается от трансформации через ИИ
– ИИ-агенты уже пишут код, который сами инженеры не до конца понимают
– «Последний экзамен человечества» и как LLM штурмуют последний барьер
– Кейс: промпт McKinsey выявил теневую схему в данных компании
– Как защитить данные компании при работе с нейросетями
– On-premise vs облако: цифры, сценарии и реальная стоимость
– Зачем запускать несколько нейросетей одновременно на одну задачу
– ИИ как мультипликатор сотрудника, а не инструмент его замены
– Три агента в реальном времени закрывают финмодель, продукт и MVP прямо на встрече
– Как агент на Open Claw без команды человека нанял фрилансера через биржу
– Сейчас — самый неэффективный ИИ, который вы больше никогда не увидите

00:00 — Вступление: что такое ИИ-трансформация бизнеса и кто такой Игорь Никитин
0:49 — Кто такой Игорь Никитин?
03:20 — Что на самом деле означает трансформация бизнеса через ИИ
05:32 — Где мы находимся на пути к AGI и что будет дальше
07:20 — Пять уровней развития ИИ и агенты длинного горизонта
08:52 — Нейросеть пишет код лучше инженера — первый признак ASI
10:59 — «Последний экзамен человечества» и как LLM штурмуют последний барьер
13:36 — Почему мышление «заменим процесс на ИИ» ведёт к провалу
14:25 — Кейс: ИИ-бухгалтер и почему нейросеть отказалась от задачи
17:00 — ПРОМПТ McKinsey: как получить всю правду о компании через ИИ-аудит
20:32 — Какие задачи отдавать ИИ: регламентированные процессы и контроль качества
23:32 — Контекстный анализ: что происходит когда к переписке добавляют ИИ
25:15 — КЕЙС АУДИТА: ИИ-промпт сгенерировал аудиторский отчет за секунды
26:28 — Как ИИ-аудит помогает подготовить компанию к продаже
29:30 — ИИ-агенты мониторят логи и аномалии и сами ставят задачи инженерам
30:45 — Корпоративные данные утекают снизу, пока юристы думают что можно
34:51 — Как защитить данные компании при работе с нейросетями?
39:15 — Как выстроить ИИ-архитектуру для корпорации с защитой данных
41:17 — On-premise vs облако: сколько стоит развернуть ИИ внутри контура
45:55 — Почему первая версия агента даёт точность 80% и что с этим делать
48:48 — Цепочка агентов на реальном кейсе
50:25 — Оркестр нейросетей метод k+1: как военные используют ИИ на высоких ставках
54:25 — Почему руководитель обязан сам разобраться в ИИ, а не делегировать
55:44 — Три агента в реальном времени: финмодель, продукт и MVP
58:28 — ИИ как мультипликатор
01:00:20 — КЕЙС Open Claw: агент развернул виртуальный офис
01:02:46 — Финальные советы

## Содержание

### [0:00](https://www.youtube.com/watch?v=CD89ricindo) Вступление: что такое ИИ-трансформация бизнеса и кто такой Игорь Никитин

Добрый день. Меня зовут Николай Хребинский. Вы находитесь на канале Экtion. Сегодня обсуждаем искусственный интеллект. У меня в гостях сегодня Игорь Никитин, основатель и SEO компании WMTAi. Игорь, привет. — Сколько ты не спал недель с Openкло? Признайся честно. — Здесь я уже понимаю, как акционер, что вот здесь начинаются мои мечты. — Что делать? Какой бизнес-процесс взять? Куда эту штуку примить, чтобы заработать денег? — Ты говоришь, агенты сейчас создают за неделю. Нет, Коля, агенты создают за день. — Те данные, которые вот мы сейчас выгрузили, в клод отдать. Это прямо законодательно запрещено будет. А хочется. — Думаем о том, когда же будет AJI. Ребят, поздно об этом думать. Надо уже думать, когда будет и SJI. — Но бизнес должен быть такой, чтобы его хотели купить конфиденциально. Пожалуйста, никому не рассказывайте.

### [0:49](https://www.youtube.com/watch?v=CD89ricindo&t=49s) Кто такой Игорь Никитин?

— Спасибо, что пришёл к нам. Расскажи, пожалуйста, чуть-чуть про свой бизнес. Чем ты занимаешься, как долго он существует и цифры, которые характеризуют твого масштаб. почти 7 лет компании, а-э, где-то 500 у нас инженеров сейчас. Э-э, мы начинали как, э-э, программисты чистой воды, заказная разработка, банки, finтех, ээ, разные виды индустрии, а сейчас полностью сосредоточились на искусственном интеллекте. Последние 2 года мы пишем продукты, но последний год мы активнее всё пишем для AI трансформации крупного бизнеса, крупного и среднего. Поэтому-то обучение, консалтинг, помощь компании, пройти вот эти все этапы. И, конечно, там нужны разные инструменты. Мы вот в это глубоко погружаемся. Что про себя могу сказать? У нас есть офис Китая. У нас отличная команда. Я тебе хочу сказать, что в Китае мы прямо сильно проросли корнями, потому что мы, я думаю, единственные, кто привозил Head of Innovations deeps в Россию на наше мероприятие. Мы постоянно ездим по всем, участвуем в выставках. Вот последняя была в Deli, это годовой саммит, на который приехали все Open все Anropic, Google, вот все, кто есть там. Я очень круто познакомился с head of стартапами Open AI, и мы прямо вот сейчас думаем продвигать один из наших там идей продуктов. Вот. Собственно, у нас есть даже грант в Китае на миллион долларов, на который мы можем потратить только на обучение, на участие в разных выставках. У нас более, наверное, 2. 300 аккаунтов, ээ, в нейронках, которые нам периодически блокируют. Поэтому нам нужно всё время наращивать эту массу, потому что мы очень много жём э токенов. ты сказал, у тебя 500 инженеров, — да, — и на них 2. 300 аккаунтов. Или ещё есть люди? То есть это по четыре аккаунта на человека. — Даже больше, наверное, сейчас уже скоро будет, потому что мы просто не успеваем, ну, столько у нас задач, что мы постоянно должны брать новые аккаунты. И это не считая тех, которые мы попадаем в удалённые списки, потому что есть просто заблокированный аккаунт, а бывают ещё аккаунты, которые просто тебе уже всё, потому что мы то глубокое исследование какое-то напряжём там на надолгую, и мы просто понимаем, сколько мы, а, потребляем ресурсов всех нейронок и на западе, и на востоке в дата-центрах. Но я думаю, что мы как, ну, может быть, как такой небольшой городочек, ну ладно, посёлок городского типа. Но если посчитать, что один запрос в Гугле, условно говоря, и в chatчат GPT, в чат GPT в 10 раз энергии больше жёт, то я име в виду электрической, то здесь я думаю, что мы, да.

### [3:20](https://www.youtube.com/watch?v=CD89ricindo&t=200s) Что на самом деле означает трансформация бизнеса через ИИ

— И что такое AI трансформация бизнеса? Кто вот ваши типовые клиенты? Это какой-то малый бизнес или это корпорации огромные? Что вы с ними делаете, когда их трансформируете? — В первую очередь это средний, крупный бизнес. А, ну, малый мы всегда готовы тоже рады видеть. они просто приходят на наши какие-то учебные или курсы или мероприятия или мы показываем, как это сделать. Основная задача правильно а взять и использовать искусственный интеллект внутри. И мы рассказываем, что это не про то, что ты берёшь и, знаешь, как вот инструмент определённый, раз здесь поставил, здесь поставил. Мы обсуждаем в целом, как концепцию изменения рабочего подхода можно поменять. Вот это наша основная задача, потому что трансформация - это компания, которая за счёт искусственного интеллекта получает какие-то очень крутые эффекты. Либо экономия, либо масштаб развития, либо скорость, которая она это делает, либо полное распаралление. Вот мы сосредоточены на этом. — Летом MIT выпустил исследование, в котором сказал, что 95% плюс всех попыток внедрения в крупном бизнесе технологии, связанные с генеративным искусственным интеллектом, не дают ощутимого эффекта на пен. Какой опыт у тебя? Потому что прошло уже полгода. Меняется всё так быстро. За последний вот с ноября, наверное, мне кажется, мир с ног на голову перевернулся в искусственном интеллекте. Какой у тебя опыт? Можешь поделиться вот точками, в которых точно совершенно прямо сейчас надо искусственный интеллект бизнесу учиться внедрять? — Смотри, если говорить про 95%, ээ всё примерно так и осталось. Ну, наверное, я бы сказал 92%. Сейчас слишком много новых технологий. То есть, если бы мы остались вот в тех технологиях, условно говоря, мы бы, наверное, уже там процентов 20 успехов. — Это, кстати говоря, как будто вообще несколько жизне назад было, потому что летом, когда это исследование вышло, была версия GPT 4. 0 или 4О. — Не было пятый, 5. 2, 5. 3, не было вайп-кода вот этого современного на кладе — не было OpenC, не было, — ничего не было. Из того, что вот сейчас есть прямо несколько уже поколений сменилось. продолжает и продолжает какая-то невероятная скорость. Я за ней слежу, и я уже когда в Давосе ребята сказали

### [5:32](https://www.youtube.com/watch?v=CD89ricindo&t=332s) Где мы находимся на пути к AGI и что будет дальше

Дарио и другие, что вот мы увидим в этом году, то есть я был таким, хотя я и практик, но я немножко в это не верил. То есть сейчас я уже понимаю, что, ребят, мы думаем о том, когда же будет. Ребят, поздно об этом думать. Надо уже думать, когда будет SGI, ну или как его называют, SI, а супект и уже готовиться вот к этой штуке. Так, для тех, кто погружается только в эту историю, AI, значит, это artificial General Intelligence. Мы сейчас оперируем термином AI, artificial intelligence. И надо сказать здесь, что никакого интеллекта искусственного никогда не существовало, не существует и вряд ли будет существовать в том виде, в котором мы об этом думаем. — Я бы поспорил с тобой. Давай ты договорируем. Мы для этого здесь собрались. Artificial General Intelligence - это программа, система, которая, во-первых, умеет обучаться за пределами датасета, на которых она сама обучена, то есть получает новые навыки вне данных, используемых для обучения. И второе, автоматизирует, ну, по сути, все экономически значимые звенья, цепочки создания ценностей, которые мы в экономике видим. И это вот некоторая утопическая такая одна из точек технологической сингулярности, в которую мы вот-вот попадём по прогнозам всевозможных светил, оракулов, пророков и прочих первых лиц — и прочих магнатов, да, искусственного интеллекта и не только. Вот-вот мы туда должны прийти. Кто-то говорит через год, кто-то говорит через 10, и это окошко постоянно чуть-чуть отодвигается и сжимается. — Скорости невероятные. Давай вернёмся к первому вопросу. То есть как быть, а дальше я тебе расскажу. Смотри, основные, э, вехи, да, то есть мы шли по

### [7:20](https://www.youtube.com/watch?v=CD89ricindo&t=440s) Пять уровней развития ИИ и агенты длинного горизонта

этапам искусственного интеллекта или один, два, или три иличетыре. Четвёртый - это агенты, мультиагентны. Сейчас мы переходим на пятый уровень развития. И что мы видим? То есть э сейчас новый тренд, агенты длинного горизонта, то есть агенты, которые могут долго-долго работать. Это вот как раз путь к твоему определению HI. Они бывают разные, но абсолютно точно все сходится в одном, то, что он будет сам себя обучать. И даже когда я разговаривал с Дипсиком у себя в офисе, он говорил: "Ребята, мы всё контролируем". Это было в начале осени, по-моему, прошлого года. — Так, когда говоришь с ДПСком, ты говорил с Нейронкой deeps или с кем-то из команды de Head of Innovations. Deep — это уже не так очевидно, — да? Мы привозили в Москву на наше мероприятие яишница Head of Innovations. И на второй день он оставался у нас ээ в овсе мы обсуждали разные. Это был очень сложный разговор, потому что там вот такой вот индей, он не мог ничего там рассказать, но в целом мы как бы общую картину движения вперёд обсуждали. И весь импруф вот этого развёртывания научно-исследовательский, он делался инженерами. И многие говорили только так, только так. Но когда появился в начале этого года, в конце прошлого новый версии клодкода, когда мы увидели с какое качество кода может уже выдавать современная неронка. И вот сейчас мы, когда развернули OpenCla, у нас ээ ребята наши не всегда понимают, что пишет агент. То есть они смотрят на этот код, он работает, он выполняет задачу. Мы уже у этого кода можем учиться в какой-то степени, кто кого учит. И вот это является ключевой

### [8:52](https://www.youtube.com/watch?v=CD89ricindo&t=532s) Нейросеть пишет код лучше инженера — первый признак ASI

точкой предсингулярности, про которую ты говоришь, технологической, для того, чтобы нейронка начала сама себя развивать. Если нейронка может писать кодом более крутым, чем программист, и дальше и сама себя совершенствовать, это уже первый элемент самосовершенствования, понимаешь? И вот это меня очень сильно озаботило. Вторая вещь, задачи математические. Слышал о том, что миллениумские задачи начали решать при помощи дemнай и другие вещи. То есть не просто сдача экзаменов, а вот эти вот задачи. Помнишь, такой был у нас ээ русский товарищ Перельман, который отказался от миллиона долларов, выиграл там суперпремию и сказал: "Всё". Он доказал там гипотезу Пан Анкаре. Но чтобы её доказать, нужно было изобрести два вида математики. Другие ребята математики увидели эту новую технологию математическую, сказали: "Круто, мы будем её использовать". И это стало доказательством. То есть ему надо было изобрести новый математический аппарат. И сейчас нейронки помогают изобретать новый математический аппарат. Мы переходим к этому новому виду задач от, условно говоря, систематизации, генерации гипотез к действительно перспективному синтезу новых знаний. Вот сейчас это уже начинает проявляться. — Мне попался ролик, забыл, как зовут женщину, известный психолог медийный, где её спрашивают: "А почему Перельман отказался от миллиона долларов? " И она говорит: "Вы не понимаете, этот человек опередил современную математику лет на 200. И вы, когда приходите к нему с миллионом долларов, к нему как будто бы пришли какие-то средневековые крестьяне и говорят: "Бусы, возьми, бусы наши". И он говорит: "Какие, к чёрту бусы? Мне надо ракету запустить, пока у меня есть ещё на это время куда-то в космос, на Луну, на Марс. Уйдите, пожалуйста, со своими бусами, не мешайте мне работать". Я думаю, ракета на Луну и на Марс - это тоже бусы, потому что он точно в каких-то таких плоскостях, которые мы представить не можем. И это, кстати, вот тебе метафора про внедрение э искусственного интеллекта, хотя я терпеть не могу это слово. То есть как только оно у тебя в мозгу про внедрение встречается, то есть ты попадаешь в те неуспешных внедрятелей искусственного интеллекта.

### [10:59](https://www.youtube.com/watch?v=CD89ricindo&t=659s) «Последний экзамен человечества» и как LLM штурмуют последний барьер

интеллекта. — Давай посмотрим, кстати, что происходит сейчас с рейтингами. Вот это вот Humanity's Last Exam. Значит, для тех, кто не знает, учёные со всего мира собрались и сделали несколько тысяч вопросов, э, которые предполагают очень точные ответы, но очень такие узкоспециализированные. То есть надо быть суперэкспертом в какой-то области для того, чтобы ответить на этот вопрос правильно. Таких вопросов сделали несколько тысяч. И вот каждая версия Лэмки, она тестируется по этому вопросу, потому что все возможные экзамены до этого, которые считались признаком искусственного интеллекта, большие языковые модели уже прошли. Они прошли давно тесттюринга, они прошли давно, выигрывают все олимпиады по математике, сделают, — кроме КПЧ, они пока до сих пор не могут кэпчу сами проходить, — да. Значит, что они ещё сделали? Они выиграли олимпиады по информатике. Все есть уже отдельный зачёт для лэмок. Они сдают экзамены, вот эти вот американские джиматы и другие какие-то лэмки уже сдали необходимые на необходимый балл, чтобы попасть в самые лучшие вузы страны и так далее. И поэтому назвали вот сделали вот такую штуку, которая называется последний экзамен человечества. И вот здесь видно, как эти системы прогрессируют. Последний раз, когда я смотрел осенью, где-то вот здесь вот мы находились. Это было до выпуска, до выхода Gemini 3 Pro, где-то вот здесь вот мы были в районе 25% точности. — Да. — И видно, что прогресс, — это скорее не точность, коль, это сколько задач не решали из общего списка. Я думаю, что ээ это сколько задач в большом количестве прогонов с каким-то там с среднеквадратичным отклонением внутри трёх сигмы, чтобы мы могли сказать, с каким доверительным интервалом. То есть это я называю это так уровень точности. Те, кто в математику глубоко погружен, сейчас, наверное, поспорит со мной. Но смысл такой, что здесь вот видно, как эти штуки прогрессируют. Ещё видимо полгода, год. Мы упрёмся в потолок этого теста, и нам нужен будет какой-то ещё для того, чтобы понять, интеллектуальна эта машина или не интеллектуальна. Но вот за полгода x2 результат - это, конечно, грандиозно. Я просто больше 10 лет занимался развитием САсервиса в области машиннинга. Мы делали автоматизацию маркетинга для ритейла на больших данных. И вот, чтобы мы вот так вот повышали точность алгоритма X2 в полгода, спустя несколько лет тестирования гипотез, это, конечно, грандиозно. Давай вернёмся к сценариям. Давай вот самый яркий сценарий, который

### [13:36](https://www.youtube.com/watch?v=CD89ricindo&t=816s) Почему мышление «заменим процесс на ИИ» ведёт к провалу

ты видел за последнее время, ээ, внедрение искусственного интеллекта в бизнес. Вот куда, что делать, какой бизнес-процесс взять, куда эту штуку применить, чтобы заработать денег? И наоборот, куда точно не стоит. То есть, где, по твоему опыту, есть много попыток, и там wiнрей очень низкий, не стоит с этого начинать. — Вот это хороший пример того, когда я видел ээ самые неэффективные ээ сценарии внедрения искусственного интеллекта. Как только ты мыслишь так, что вот давайте взменим какой-то процесс с внедрением искусственного интеллекта, то глобально ты саму трансформацию так не пройдёшь. Да, ты заменяешь на 10 15-20% что-то делаешь быстрее. Операции по финансам, операции по бухгалтерии. Ну, какой пример я тебе могу привести? Допустим, смотри, и бухгалтер, что мы делали? Мы

### [14:25](https://www.youtube.com/watch?v=CD89ricindo&t=865s) Кейс: ИИ-бухгалтер и почему нейросеть отказалась от задачи

попросили сделать и бухгалтера наших ребят. Они подошли к задаче следующим образом. Мы берём 25. 000 писем там получилось в одной бухгалтерии, э, за период 2 года. И натравили на него нейронку, чтобы она прочитала все эти письма и посмотрела и создала на их основе некий контекст, как должен агент работать как бухгалтер, что он должен делать, что он должен отвечать, как он должен решать вопросы внутри корпоративного слоя. И пришёл ответ, а, типа, нейронка, ну, условно в кавычках, отказалась быть бухгалтером. Это мне ребята говорят, но они такие прикалываются. Я не совсем понимаю, то это шутка, не шутка, что значит. Я говорю тоже, я ещё такой загруженный был такой с утра, потом что значит этоказалось? Он такой, но она считает работу нелогичной. Я такой думаю, что-то я не понимаю. Давай типа другого попробуем сделать. Я что-то не понимаю, почему бухгалтер нелогичная работа. Вот ты можешь это понять? Я вот не мог понять. — Не, мне кажется, это очень жёсткие стандарты, в которых никуда наоборот не отклонишься. Очень много частных случаев, но их конечное количество, и оно всё алгоритмизируемо. Они показывают мне, вот смотри, за 2 года одна и та же задача прилетела в эту бухгалтерию четыре раза. И каждый раз бухгалтер давала разные ответы. И неронка спрашивает: "Мне по какому сценарию надо идти? " И при этом она тут же каждый из этих сценариев проанализировала на точность и верность использования с точки зрения всех ПБУ и так далее. Она задаёт вопрос: "Это это прекрасно". Говорю: "Давай тогда поменяем задачу. Не хочу больше её бухгалтера, а давай мы просто посмотрим туда, в эти 25. 000 писем. Ты мне расскажешь всё, что происходило за это время бухгалтерии? — Ээ бухгалтерия такое место, знаешь, как в анекдоте спрашивают кандидатов бухгалтера дважды два сколько будет? Хороший бухгалтер отвечает: "А сколько надо? " И поэтому одни и те же операции действительно можно по бухгалтерии проводить разным способом в зависимости от того, какие стоят задачи перед бизнесом сейчас и какой контекст этот бизнес окружает. Потому что, например, вот в моём поле предприниматели Угу — - очень многие сообщили, что у них был провальный январь и февраль 2026 года. Но они смотрят на рынок оптимистично, потому что некоторые хватаются за голову и говорят: "Всё, началось, обвал, сушим сухари". А другие говорят: "Да нет, просто у нас был такой рекордный декабрь, вот изменит система налогообложения, вот там вот повышенный НДС, поэтому все ломанулись провести операции так, чтобы это было для бизнеса эффективно, закупки свои совершить, пока цены не подняли". Как бы у бухгалтеров бывают такие задачи под контекст принять наиболее эффективное решение. Поэтому ничего такого в этом нет, что задачи решались по-разному.

### [17:00](https://www.youtube.com/watch?v=CD89ricindo&t=1020s) ПРОМПТ McKinsey: как получить всю правду о компании через ИИ-аудит

— Глобально, да, когда бухгалтеры поняли, что не можем сделать, я попросил развернуть эту историю. Давай, говорю, посмотрим, исследуем, а что у меня там в бухгалтерии происходит. И мы взяли вот этот контекст пока только из писем, а засунули его в раг и использовали промт ээ такой большой достаточно, называется мечта акционера. Взяли у Макинте. — Так, давай посмотрим на него. У тебя сейчас открыт клод? Да. — Да, сейчас у меня открыт клод. AI - это аналог chatт GPT, который делается компанией Antropic, которая сейчас очень много шуму создала. Интерфейс выглядит очень похоже, как у всех остальных инструментов похожих. Так вот, а может — в феврале они прямо сильно выстрелили, у них даже потеплели там сервера, потому что очень много публики к ним стало переходить. — Я думаю, что это с OpenCl связано. Сейчас ещё поговорим, что там происходит. Открой промт, пожалуйста. Этот вот промт называется Мечта акционера. Почему он так называется? так называется, потому что это вот идеальная картина того, что акционер хочет понимать о компании, видеть компании и как он её хочет, чтобы ему рассказали. То есть через прибыль, через зоны ответственности, через структуру, через э кто инициирует получа, то есть ты понимаешь, ты смотришь, вот смотри, давай контекст аудито, — всё понял, давай типа смотри бухгалтерию, ищи нарушения, ищи обходы лимитов, выяви случаи каких-то проблем. Короче, это такой аудитор, безопасник, ээ, HR-бизнес-партнёр, да, который смотрит на то, что в бизнесе происходит, и говорит: "Акционер, вот здесь красный флаг, вот здесь зелёный флаг". Так, — да, и он сразу отдаёт тебе историю, в которой ты можешь понять, ээ, где тебе, э, можно усилиться и улучшиться, потому что нам он данные отдал в виде не просто там текстового отчёта. Вот смотри сюда. Мы сразу этой штуки сделали агент агента. Да. — И агент не который делает аудит, а агент, который просто отчёт аудиторский, который его вся сущность агента - это жить отчётом и отвечать на вопрос о самом себе и давать какие-то рекомендации, понимаешь? И вот мы его так использовали. документооборот, смотри, бюджеты, давление на бухгалтерию, то есть, ээ, где давили, понимаешь, на бухгалтерию, где её предупреждали о рисков, где руководство игнорирует предупреждение руководство, то есть я как бы выхожу за роль э руководителя сам, и я со стороны наблюдаю как акционер, что у меня там происходит. Анализ бухгалтерских процессов, оплаты, контроль бюджета, контроль договоров. И это позволяет проанализировать без ээ внесения сюда ещё одного слоя в виде каких-то процессов, просто текст. — И этому промкту, получается можно отдать любые коммуникации внутри компании. — Да. Которые на рабочую тему. — Так, здесь справа видно, что, э, какую информацию о компании мы этому промту отдаём. сотрудники, имена, финансовые показатели, какая-то дата о платежах, какие-то фрагменты переписки. То есть это как бы вот всё, что может внутри любой компании быть: платежи, имейлы, сообщения, документооборот и так далее. И вот этим вот промтом, который называется Мечта акционера, мы отдаём это в анализ. Мы выложим этот промт в Telegram-канал. Как только этот ролик соберёт 1. 000 лайков, пожалуйста, поддержите этот выпуск. Чем больше охватов получают ролики, тем более крутых экспертов вот с такими знаниями можем приглашать. Вот что хочется

### [20:32](https://www.youtube.com/watch?v=CD89ricindo&t=1232s) Какие задачи отдавать ИИ: регламентированные процессы и контроль качества

сказать, какие задачи отдавать искусственному интеллекту, по моему опыту, наиболее эффективно и выгодно? Первое - это задачи, которые хорошо структурируемые, хорошо регламентированы, хорошо формализованные, часто повторяющиеся истории, в которых люди делают одно и то же. Если это интеллектуальный труд, то усилить там людей, увеличить эффективность, output можно с помощью искусственного интеллекта быстро. Это первый класс задач, на который стоит смотреть. А вот второй класс задач, на которые стоит смотреть, связан со словом контроль. Из моего опыта, из того, что я вижу любого рода контроль работы ээ внутри любых бизнес-процессов. Это то, что искусственный интеллект будет делать очень круто. Контроль качества в продажах уже, мне кажется, базовый сценарий. слушать звоночки, читать переписки, смотреть на соответствие стандартам. — Тоже никто людьми не делает. Это делает Иишка. — Ты удивишься, сколько людей не имеют CRM и бизнесов очень больших объёмов и в амбарных книгах живут. Вот это как знаешь, как говорится, пока в Краснодарском крае растёт семочка, курорты Краснодарского края будут пользоваться популярностью. Но тем не менее, э, я бы так к этому подходил. Это можно, рынок будет прощать неиспользование этих технологий в таком классе задач пока что, но уже будет чувствоваться разрыв между компаниями, которые делают и не делают. И как только этот разрыв там идёт обратный отсчёт до момента, когда этот разрыв будет таким большим, что те, кто не используют, догнать уже не успеют. Я думаю, что сейчас ситуация такая. Это всё ещё на острее рынка кто-то делает. То есть, если вы этого не делаете, то вы уже отстаёте от основных конкурентов. Но это ещё не фатально. Я думаю, что где-то в конце года — 2026, да, — это будет уже настолько, что догнать уже будет сложно. Но контроль качества в отделе продаж - это, э, первый такой сценарий, который лежит на поверхности, потому что там работа в хороших отделах продаж, хорошо автоматизированных, — но это всё равно анализ, правильно же? — Это анализ. Но этот анализ, он возможен везде. Потому что есть кто-то, допустим, кто, э, занимается настройкой рекламных кабинетов. Там тоже можно на делать анализ на того, насколько хорошо сделана работа. Если человек занимается как какой-то другой деятельностью на компьютере, и эта деятельность формализована, можно подключить какой-то анализ, который будет продукт работы рассматривать с точки зрения соответствия его стандарту какому-то. И в данном случае мы тоже в такой класс задач попали. Есть некоторый стандарт того, что ожидает акционер, владелец бизнеса, от того, что внутри компании происходит. При этом происходит столько всего, что охватить это глазами невозможно. — Угу. — И вот машина с удовольствием справится анализом происходящего на предмет соответствия с ожиданием. Причём, ты же понимаешь, то есть капасити контекстных окон, раги, которые у нас сейчас появились даже для малого бизнеса

### [23:32](https://www.youtube.com/watch?v=CD89ricindo&t=1412s) Контекстный анализ: что происходит когда к переписке добавляют ИИ

пожалуйста, ноутбук LM позволяет тебе уже закидывать такое количество документов, которые ты сам просто никогда бы за приличное количество времени не проанализировал. То есть хочешь переписку, что 10. 000 писем, что 100. 000 писем. Глобально нейронком всё равно. И там, где у тебя очень много текста, взаимодействий, ты запускаешь этот анализ, и у тебя есть промт и есть просто, например, один слой, это переписка. Но если ты к этому слою добавляешь слой штатного расписания, слой оргструктуры, слой, выгруженный из каких-то систем, вот как сейчас упоминал, ERP, taskджер, ещё что-то, то твой анализ превращается из 1D или 2D в 3D, 4D, 5D. А нейронки же всё равно, сколько метрик держать внутри. И действительно, в этот момент ты получаешь картину и то, что сейчас мы с тобой упоминали в разговоре, то есть мы переходим к некому вот самому сейчас актуальной теме. Это контекстные графы, но они только-только появляются и создают некую модель. Но эту модель бизнеса ты можешь э сделать не такое сложною у себя. То есть от анализа мы переходим к синтезу. О'кей, если это так, то что можно изменить в этом? и прелесть ээ там любого агента аудитора, вот как я тебе говорю. То есть этот агент живёт не как агент, который постоянно производит аудит, а просто как некий отчёт, который с которым ты можешь поговорить, понимаешь? Вот стостраничный раньше аудиторский отчёт ты листал, а ты можешь с ним поговорить, обсудить ситуацию и предложить варианты решения или сгенерировать какие-то гипотезы. И это и есть моделирование движения твоего бизнеса. А копайсь эти нейронки позволяет это сделать, даже если у тебя 15 человек работает или, допустим, там, не знаю, 1. 00.

### [25:15](https://www.youtube.com/watch?v=CD89ricindo&t=1515s) КЕЙС АУДИТА: ИИ-промпт сгенерировал аудиторский отчет за секунды

— О'кей. У нас что-то сгенерировалось. — Так, давайте посмотрим. — Независимый аудиторский отчёт конфиденциально. Главное, — пожалуйста, никому не рассказывайте, мы же никому не расскажем, да? — Так, идём дальше. Много текста. Вывод: разделение ролей между инициатором, согласующим и исполнителем и контролёром существует формально, не обеспечивается на практике. Это является системным риском. Давай ещё что-нибудь посмотрим, какой-нибудь ещё вывод. — Анализ переписки. Что вы думаете про анализ корпоративной переписки людьми или и агентами с целью выявления рисков? Оставьте, пожалуйста, ваш комментарий. Насколько вы считаете это целесообразным? — Если она не упоминает конкретных, может быть, данным сотрудники, видишь, а тут просто статистические данные, — да, — но по персональным. Ну, честно говоря, любой акционер должен увидеть вот такую вот табличку, что у него договоры без актов 14%, и это реально высо высокий риск. Ээ платежи без подписанных актов восемь и это высокий риск. Это всё финансовое здоровье любой организации. И это то, о чём надо знать. Мы вот на мастермайнде, который я лидирую, значит

### [26:28](https://www.youtube.com/watch?v=CD89ricindo&t=1588s) Как ИИ-аудит помогает подготовить компанию к продаже

обсуждаем по кейсу одного из участников подготовку к продаже компании. намерение такое, э, сделать кэшааут, компанию продать. И вот первая задача, которую мы ему поставили, мы ему сказали: "Как только ты найдёшь стратегического инвестора, стратегический инвестор придёт со своей командой финансистов, юристов, аудиторов, чтобы изучить твой бизнес и понять, какие риски в нём есть. И эти риски будут предметом для переговоров об оценке компании". И первая задача, которую мы поставим, мы говорим: "Вот тебе, значит, ээ образ компании, которую ты должен нанять, консультантов, которые сделают то же самое, что будет делать покупатель, но они сделают это раньше, так чтобы ты успел к этому подготовиться и компания твоя стала дороже. Поэтому все, кто хочет продать компанию, — подготовиться, — а компанию, знаете, как вот, уважаемые предприниматели, что надо знать? Бизнес всегда должен быть выставлен на продажу. Это не значит, что мы его должны всегда продавать. или вообще иметь намерение продать, но бизнес должен быть такой, чтобы его хотели купить. Тогда мы его не захотим продавать. — Такая корова нужна самому. — Да, такая корова будет нужна самому. И вот это шаг для того, чтобы к этой корове прийти. — Поведенческий анализ. Кто ключевое манипулирует отчёт? Что компания так себе. CO высокий риск, CFO высокий риск, закупки высокий риск. И один кто-то главный бухгалтер написано роль в системе пытается навести порядок всех надо уволить здесь — закупки генератор финансового хаоса — ключевое наблюдение в компании сформировалась теневая финансовая вертикаль Романов Соколов Гаврилов который принимает решение в обход формаль — фамилии изменены — процедур да это никаких реальных персонажей здесь нет все это персонажи выдуманы на основе реальных событий сделано но это на самом деле многие сейчас могут узнать какие какие-то факты из своей компании. — Смотри, поиск скрытых финансовых потерь. Вот вот здесь я уже понимаю как акционер, что вот здесь начинаются мои мечты. Ты вот хотел бы себе такой отчёт, в котором буквально за несколько минут на анализе всех данных, которые есть в компании, без опросов, без работы команды, а без там ожидания в несколько недель и так далее, тебе сразу говорят: "Поиз скрытых финансовых потерь - это то, что хочет каждый акционер. Где мои финансовые, где я могу получить больше? " Что нужно для этого сделать? Переплата. Невозможно верифицировать объёмы качества услуг. Пожалуйста, ты всё это можешь сейчас здесь увидеть. Так что мы ещё видим карту системных рисков. Ну тут что-то как-то жёстко он прямо прошёлся. — Очень круто, на самом деле. Э даже если у вас нет большого бизнеса, в котором вы акционер, вы можете сделать похожую историю с любым бизнес-процессом, за который вы отвечаете. Если в вашем подчинении несколько человек, то там тоже будет пространство для такого рода аналитических промтов, которые вас сделают как предпринимателя, руководителя, управленца сильнее на ровном месте риски подсветя. Это очень

### [29:30](https://www.youtube.com/watch?v=CD89ricindo&t=1770s) ИИ-агенты мониторят логи и аномалии и сами ставят задачи инженерам

круто. Я видел такие же сценарии использни вот которые в последнее время появились, ээ связанные, например, с продуктами с цифровыми. Агенты не переписки мониторят между людьми, транзакции, документы, оборот, они мониторят лог ошибок веб-приложения, сайта или ещё какой-то истории. И как только видят там какую-то аномалию, идут, исследуют её, смотрят на кодовую базу и в taskменеджер ставят спек, то есть какие-то требования, продуктовые, функциональные бизнес-требования для устранения проблемы инженеру на ревью. Типа вот мы нашли проблему, мы всё проанализировали, мы всё посмотрели. Вот такое вот решение этой проблемы мы видим. Пожалуйста, одобри. Природа точно такая же. Контроль, мониторинг и предложение улучшений. — Вот смотри, рекомендации акционеру срочные, среднесрочные, стратегические. — Ну, в общем, это аудитор э компании. — Это как даже какой-то независимый директор в совете директоров, который сразу, — да, — а, вот эти ключевые функции видит. Вот итоговое заключение. Ну, получилось оно. Я бы такую компанию не купил, честно тебе скажу. продавать — надо срочно — выходим из этого актива — да решать эти вопросы и после этого продавать. — Как ты относишься к тому, что как только

### [30:45](https://www.youtube.com/watch?v=CD89ricindo&t=1845s) Корпоративные данные утекают снизу, пока юристы думают что можно

ты придёшь в средний или крупный бизнес, ну в средний, ладно, в крупный бизнес, э с таким предложением, потому что вот этот документ, полученный за секунды в целом может быть получен, ну, наверное, там уйдёт какое-то время, прежде чем данные собрать. Очень ограниченное время. Думаю, что в течение нескольких дней можно всё, что нужно, собрать для того, чтобы потом за секунды получить такой же отчёт. Так вот, как только мы с такой инициативой выступаем в большой корпорации, большой компании, тут же нарисовывается товарищ майор безопасник с юристом подмышкой, говорящий, что это всё западные нейронные сети. Никакие данные о компании загружать никуда нельзя, ничего. Это всё не безопасно. все наши данные украдут, их получат конкуренты и вообще ай-ай-ай. А если компания ещё и публичная, и торгуется на бирже, то как бы там ещё и риски другого порядка совсем возникают. Поэтому все менеджеры, которые пытаются свои управленческие решения какие-то проталкивать, это всё партизанство какое-то. Они все делают это за свои казахские карты как-то так, чтобы никто не узнал, на это закрывает глаза и так далее. Вот как быть с этой проблемой, что отчасти там есть действительно смысл какой-то в этом, что, ну, компания, которая торгуется на бирже, не может те данные, которые вот мы сейчас выгрузили, в клод отдать. Это прямо законодательно запрещено будет. А хочется, а хотелось бы. — Здесь есть ээ сразу три ответа, которые комплексно сейчас соединяются в один. Смотри, как быть с этой проблемой? Хороший вопрос. А я тебе отвечу другим вопросом. А как быть с проблемой A Shadow? Вот сейчас есть такая тема в бизнескультуре, называется Shadow. Пока в моём примере безопасник с юристом думает о том, какие данные можно отдавать или нет. Данные самых низов. То есть рыба в данном случае не гниёт с головы. Рыба начинает с хвоста отдавать данные во все нейронки, потому что линейные сотрудники начинают пользоваться всеми глобальными нейронками. Чаt, пожалуйста, Deepsek просто для своих каких-то дел. Конечно, они понимают, что там может быть что-то такое коммерческое, важное, тайное, индейное и так далее. Но как всегда мы понимаем, кто-то что-то забыл, кто-то что-то не досмотрел, и твои данные начинают, это называется процесс снизу вверх твои данные начинают утекать в эти нейронки. Не потому, что на самом верху не знали, как их применить, а потому, что пока думали, что можно, что нельзя, люди потихонечку это используют. И это сейчас повсеместная проблема. — А почему это проблема? — Потому что твои данные уходят в интернет. уходит ээ из твоей компании, потому что ты не контролируешь эти потоки, потому что люди на местах всё равно пользуются для презентации, раз и в презентации оказали ты сразу не предоставил нужные инструменты, то они всё равно используют. Мы тут проводили с одним партнёром, то есть получили от его безопасности данные о том, что они просто посмотрели свой трафик в чат GPT и увидели рост в 10 раз за период там полугода или ещё что-то. — А почему ты считаешь, что это проблема может быть для организации, — если она попадёт в руки конкурентов? Мы же не знаем, насколько глобальные нейронки, ээ, то есть мы предполагаем, что они следят за безопасностью, но в этот момент, когда сотрудник там пользуется своей личной учётной записью в искусственном интеллекте, когда эта память остаётся где-то или он ещё что-то не досмотрел, то есть мы не контролируем этот процесс. — О'кей? То есть риск того, что содержание чатов будет украдено, — взломано, продано и так далее. Также как взламываются системы повсеместно, которыми мы пользуемся, отдавая потом наши персональные данные куда-то в условный глас Бога, где хранятся все адреса, по которым мы когда-либо заказывали что-либо на Яндекседе, потому что Яндекс еду взломали. Вот. И все наши с вами данные лежат там в интернете со всеми доставками, датами, адресами и так далее. — Сейчас проблема решает двумя путями. Либо вот мы написали софт рабочее место

### [34:51](https://www.youtube.com/watch?v=CD89ricindo&t=2091s) Как защитить данные компании при работе с нейросетями?

корпоративного сотрудника для нейронок, называется нейроключ. И в нём ээ он анализирует то, что ты туда отправляешь. Если он видит, что эти данные похожи или содержат конфиденциальную информацию, он выдаёт алерт и ты не можешь это сделать, и он заворачивает во внутренние какие-то нейронки. Либо можно включить режим маскирования. Вот мы сейчас написали там технологию, которая позволяет автоматически, но не через data science, мы использовали отдельную лэмку онм, которая определяет наличие у тебя в переписке, которая уходит в нейронке вот этих чувствительных тем. Эффективность её получилась раз в 10 выше. Она в 10 раз меньше ошибок допускает, чем классические маскирование. И ты за счёт этого уже уверен, что у тебя куда отправляется. Плюс есть логирование. Ну и самое эффективное - это, конечно, он премсистемы, но здесь мы в основном сейчас рынок использует китайский квен 35, что-то подобное. Очень высокие показатели. То есть раньше между глобальным и Onпрем разница была, ну, существенная. На всякий случай скажем, что такое онпpr, потому что те инструменты, которыми мы пользуемся, чат GPT, Dipsк, Gemini и другие, они живут в облаке, расположенном где-то в дата-центрах крупных корпораций. Онпремиis, как правило, в контексте означает установку программного обеспечения на свои вычислительной мощности. Мы либо арендуем дата-центр тот, который мы хотим, в том регионе, в котором мы хотим, либо используем собственные сервера, которые стоят у нас где-то там в подвале. под столом на чердаке или где мы держим наши сервера. И туда мы устанавливаем собственные нейронные сети, которые работают уже внутри нашего контура и доступ наружу гарантированно не имеют. — Или покупаем Mac Mini, Mac Studio. — К слову, вероятность взлома там будет на порядок выше, чем в облачных решениях. — А почему там будет взлом, если она у тебя во внутреннем контуре без доступа к интернету? Там вообще не будет взлома. — Оставьте в комментариях, кто у нас есть специалисты по информационной безопасности. Пентесты, да. Как вы собираетесь взламывать? — Как вы думаете, где вероятность взлома будет выше: в корпорации вроде Openi AI или Anроopic или в компьютере, который находится где-то в нашем офисном здании? — Но безопасники считают, что это всё равно безопаснее. Я тебе хочу сказать, что сейчас ээ модельки эти сильно подросли, и уже можно нормальный анализ проводить. Полгода назад я слышал мнение от специалистов такое, что сами лэмки по бенчмаркам не сильно отстают от последних версий коммерческих э моделей, но на лэмку в chge GPT, в Gemini, в Perplexity накручено ещё много функциональности. И вот просто развернув он премиis ээ или какую-то ещё open source lm на своей машине, невозможно достичь такого же результата за счёт продуктовой составляющей приложения, которое написано поверх. Вот что сейчас с этим происходит? Всё то же самое или ситуация поменялась за последние полгода тоже сильно? — С одной стороны, всё то же самое, потому что для малого бизнеса лучше, мне кажется, проще думать о таких системах. глобальных. Потому что если вы в переписке переписывались, ну, то есть у вас не собственный почтовый сервер, а вы использовали какую-то систему, и вы не боялись там отправлять финансовые отчёты и так далее, я не вижу тогда проблем. Не бойтесь у той же системы взять, ну, я не знаю, если вы пользовались Гуглом, то, пожалуйста, GNA. Если вы пользовались Яндексом, у них своя есть история, какая разница? Это всё в этом облаке же и находится. Если мы говорим про средний крупный бизнес, то то, что ты говоришь там восемь в одном, 10 в одном и генерация картинок и генерация видео им не требуется. То есть ты конкретно ставишь под финансовые задачи, ты можешь развернуть одну, под продажи ты можешь развернуть другую, там немножко дообучив. Ну даже вопрос сейчас практически никто в бизнесе не добучает нейронки, они неплохо обучены. Ты просто делаешь хорошие рак системы, в которые заливаешь свои данные, и каждый отдел, каждое подразделение работает со своими рагами. на базе которых собирает агенты. И вот агентов сейчас за эти, наверное, полгода активно развилась система онпрем создания агентов. Одна из них базе последней версии Кэна, — да? Или вот Openкло, например, о чём. Ну давай отрефлексируем всё, что сейчас

### [39:15](https://www.youtube.com/watch?v=CD89ricindo&t=2355s) Как выстроить ИИ-архитектуру для корпорации с защитой данных

проговорили, потому что мне кажется очень важно. Я как-то в своей голове тоже хочу это упаковать. Значит, первое для корпорации, где на высоком уровне стоит вопрос безопасности данных, выстраиваются системы следующего характера. Значит, есть рабочее место сотрудника, в котором он имеет доступ к большим языковым моделям. Это рабочее место, э, при вводе запроса для какой-то внешней сетки проходит через слой нейронки, которая установлена в контуре организации, которая проверяет, нет ли там чувствительной информации. Если есть, то либо останавливает запрос, либо, если там есть такая возможность, то эту чувствительную информацию как-то прячет, обезличивает, обфусцирует и так далее. Делает её нечеловекочитаемой в случае утечки и отправляет дальше в работу, возвращая — либо заворачивает на какую-то локальную нейронку, — да, — для того, чтобы отработать этот запрос. Там — это вот первая часть. Вторая часть связана с тем, что под конкретные задачи, например, под ту, которую мы сейчас посмотрели, или под контроль качества отдела продаж, ставится отдельный open source neронка. Для неё создаётся хранилище информации, набор системных промптов. То есть это не чат GPT, которым решается задача произвольная. А давай-ка мы сейчас с тобой порефлексируем, я сейчас с тобой пообщаюсь, depress сделаем. А вот конкретная задача, допустим, анализ переписки с клиентами на предмет соответствия стандартам, скриптам, срокам ответа и прочим таким всяким вещам, вот под это выстраивается отдельный, то, что называется уже иагент, в котором прямо локально установлена Лэмка, и подточечные такие задачи эти агенты выставляются. Скажи, пожалуйста, а вот ходят слухи опять же, что, чтобы локально развернуть LLM, нужно купить оборудование, в частности каких-то видеокарт Nvido последних поколений дорогущих стоимостью примерно в подержанный иностранный автомобиль.

### [41:17](https://www.youtube.com/watch?v=CD89ricindo&t=2477s) On-premise vs облако: сколько стоит развернуть ИИ внутри контура

Сколько денег надо потратить на железо, чтобы такую инфраструктуру развернуть? Слушай, ну если разворачивать действительно машины, сервера там с вот стандартными карточками H1, которые у нас есть, то такой сервер может стоить и 30, и 60 млн руб. И это большая нагрузка на инфраструктуру для компании. Но ты понимаешь, когда ты приходишь, занимаешься началом использования максимально большого искусственного интеллекта, процентов, я говорил раньше, 50 на50, сейчас процентов 60-70 - это твои скилы, вот эти нейронные связи для работы с нейронными сетями, как бы это странно не звучало. И поначалу ты создаёшь песочницы, в которых ты обкатываешь всю эту работу. И здесь можно, например, вот мы сейчас сделали там на Max Studio 128 оперативной памяти, жёсткий диск 24 гига, M4 Max. Эта штука стоит около полумиллиона рублей, и ты на ней уже можешь не довольно сильные задачи решать и крутить несколько десятков агентов одновременно. — Клод у нас сейчас отрабатывал на таком объёме, на такой задаче, наверное, минутку-две, да? А сколько работала бы такая вот штука, которую ты описал на последнем Маке, на похожей задаче по времени? Если мы говорим про достаточно большой такой объём средней компании, я думаю, ночку за ночь — на такую же задачу. Тут часы, короче, это за — Да, но это был бы анализ месяцев работы, не дня, да? То есть это пришёл бы на часы. Ну, в общем, надо понимать, какие сценарии использования для тех или иных инструментов. Когда мы, как пользователь, общаемся в чате и ожидаем ответа моментального, для нас очень важно, чтобы это были секунды на простые какие-то запросы или даже вот на такие вот сложные запросы. Но если мы говорим о бизнес-процессе, который мы автоматизируем с помощью искусственного интеллекта, там ответ в момент запроса он не обязателен. Нам надо в 10:00 утра получить такой отчёт в понедельника с информацией о том, а что изменилось, что произошло, что случилось за прошлую неделю или первого числа получить информацию за предыдущий месяц. И там такая скорость ответа нас вполне себе устроит. Это просто рабочий режим. Другое дело, что довести до продакшена такого агента займёт много итераций. Давай ещё вот на эту вот тему поговорим. Ты же знаешь, есть N8N, есть другие инструменты. То есть ты, ээ, создавая агента его программируя, то есть это же одновременное написание, как мы раньше программировали, там заказчик, условно продукт owур или кто-то в бизнесе пишет ТЗ, потом они с программистом или с системным бизнес-аналитиком обсуждают его, переписывают, дописывают, структурируют, потом пошли писать. Сейчас вот этого-то слоя нет больше. То есть, пока ты пишешь ТЗ, оно исполняется. Ты видишь сразу, что оно не туда развернулось, переписываешь, переписываешь. Ты же можешь это сделать. Тебе не обязательно каждую итерацию по ночи тратить. — Я не об этом. Я о том, что здесь написано, что CFО фальсифицирует документы на первой строке. Это заявление довольно серьёзное. — Ну, то есть, вообще-то, на таком красном флаге должна включиться служба безопасности, должны подключиться какие-то органы. Здесь может светит какая-то уголовная ответственность. То есть это вопрос и карьеры этого человека, и его репутации, и, может быть, даже свободы, потому что если совершил преступление, посадят. Мы здесь машине довольно серьёзную задачу получаем, и она решение тоже выносит нехилое. Вот как мы знаем, что её здесь не проглючило? Люди имеют свойство машине присваивать человеческие какие-то качества и говорят, что она галлюцинирует. По факту никакой там, конечно же, галлюцинации нет. Мы имеем дело с близостью векторов в многомерном пространстве. И предсказание токена, то есть части слова следующее, оно следует из вот близости этих векторов. И поскольку речь идёт о вероятности, машина решила, что вот этот набор текста наиболее вероятен в контексте запроса материалов и корпуса текстов, на котором она будет обучена. Но это вообще не отражает того, что происходит в жизни. Оно может совпадать, а может и не совпадать. Когда я говорю про то, что нам требуется несколько итераций разработки агента, э нам очень легко создать MVP.

### [45:55](https://www.youtube.com/watch?v=CD89ricindo&t=2755s) Почему первая версия агента даёт точность 80% и что с этим делать

Мы сделаем это за неделю с точностью 80% машина будет отвечать. Это сделать любой. На самом деле не надо иметь 500 инженеров, 2. 000 аккаунтов. Надо быть подписанным на этот канал. Пожалуйста, подпишитесь, если вы не подписаны. Этого будет достаточно. Но когда мы решаем вопросы вот такого характера, CFO к фальсифицирует документы с точностью 80% сказать нельзя об этом. — Мы должны проверить, — да? При этом отвечать он будет ночью. То есть он будет каждую рацию проверки генерировать. Вот этим будет он не будет отвечать ночью, он сразу перепроверит. Ты понимаешь, это же большой отчёт по большому объёму данных. И он говорит: "Вот здесь критический уровень фальсификации". Вот в данном примере мы сейчас не можем там нажать на слово критический и развернуть все документы, но а в примере, когда будет агент работать, он тебе сразу развернёт. Может, он 5 минут подумает, он тебе сразу развернёт те документы, которые он решил критическими, и тогда ты увидишь, либо его глюкануло, а, и он просто дату попутал. Ну, знаешь, как вот бывает неронка там, особенно он премная неронка. В агентах очень часто такое бывает, он не знает текущую дату, ему прямо надо специальной команды прописывать текущую дату, это самое. И тогда он говорит: "Вот фальсификация дат". Вот как здесь в этом примере. Может быть, он думает, что там у него двадца четвёртый год, а тут двадцать шестой стоит. Либо там реально какие-то проблемы, но ты пере просмотришь этот документ. Любые решения всё равно остаются за человеком. Это анализ, это подсказка. Тут я не вижу мм ситуации в том, что, понимаешь, агент э вот как сейчас работает в бизнесе, ээ какую мы видим э интересную проблему. Ну не проблему, задачу, которую надо решать. Раньше все задачи сыпались в IT-отдел тшками, и они там как-то решали. Это было долго, медленно и так далее. Ты говоришь, агента сейчас создают за неделю? Нет, Коля, агента создают за день. За день агента создают, а потом его начинают дорабатывать и так далее, потому что ты видишь, что агент тут что-то не делал. Но эта доработка - это как онбординг молодого сотрудника. Слушай, вот обрати внимание, вот здесь вот были ошибки, вот в следующий разделай по-другому. Мы с молодым сотрудником тоже не можем ему сразу выгрузить вот достоверно 100% информации, потому что контекст меняется мира, и ты с агентом работаешь. Но это не значит, чтобы он был сделан неправильно, не полно. Просто агент постоянно переписывается с самим менеджером, чтобы он полнее отвечал вот этой, ну, контексту современного мира ситуации. — Ну, это просто что надо понимать вот всем, кто будет эти агенты разрабатывать. Значит, что не за неделю, давай за день можно сделать первую версию инструмента, который будет, например, решать такую задачу. — Мы этому учим, да? Но точность работы первой версии будет, скорее всего, недостаточна для — процентов 80 — для бизнеса. Это первое. Второе. Серьёзные процессы - это, как правило

### [48:48](https://www.youtube.com/watch?v=CD89ricindo&t=2928s) Цепочка агентов на реальном кейсе

агент не один, а цепочка. Ээ базовый сценарий есть у нас запрос от клиентасы сыпется на какую-то почту или с какой-то формы в CRM, значит, на завод по производству чего-то металлического. фразы типа нам 2 тонны квадратов на 40 профиля вот такого вот такой вот текст сыпется и из этого — не поверишь она додумывает правильно понимаешь она тут же понимает что это железо — сейчас закончу мысль значит из этого в конце должен получиться красивый файл с коммерческим предложением со счётом с QR-кодом на оплату первый агент значит берёт эту информацию из ограничений контекстного окна и точности системного пронта берёт эту информацию идёт куда-то в базу номенклатуры, что-то там смотрит, интерпретирует, отдаёт второму агенту, значит, который рисует красивую ПДФку, третий агент формирует что-нибудь там делает какие-то проводочки в учётной системе. Вот мы в конце получаем счёт. Так вот, агент номер один, точность 0,8, агент номер 2, три, точность 0,8. Мы 0,8 на 0,8 умножаем несколько раз и на выходе получаем сильно меньше, чем может себе позволить любой бизнес для производства коммерческих предложений. Это надо знать и это надо ожидать, что первую версию мы получаем за сутки, а дальше мы начинаем итеративную доработку этих агентов по бесконечному количеству частных случаев, которые постоянно вылезает, чтобы точность довести до не 0,8, а 0,99 5. Вот примерно вот так вот, который себе бизнес может позволить, чтобы они ошибались сильно меньше, чем люди.

### [50:25](https://www.youtube.com/watch?v=CD89ricindo&t=3025s) Оркестр нейросетей метод k+1: как военные используют ИИ на высоких ставках

Второе. Увидел это недавно в палантире. смотрел выступление CTO Палантира, технического директора Полотира. Это такая прогосударственно провоенизированная американская корпорация, — про это самое слежка про все, — да, что они вот все данные собирают, следят. Они очень активно используют нейронки, и они используют то, что называется оркестрирование. То есть там прямо вот описывается, у них есть задача, где-то в какой-то стране мира идёт военная колонна, спутник её фотографирует и отдаёт, значит, машине фотографию колонно. Машина должна принять решение свой или чужой. Задача очень сложная. Она с по уровню ответственности, вот на то, что мы сейчас смотрим, подделать документы, там уровень критичности запредельно выше, потому что тут не уголовка, тот живой или не живой, — да? Там надо принять решение, грубо говоря, атаковать или не атаковать. И это уже этически ни на какую нейронку нельзя переложить ответственность такую. Если здесь мы что-то посмотрим сейчас, там фальсификация, то там принятие решение секунды тебе некогда. Тут если эта колонна идёт врага и ты не принял решение, то она твою колонну уничтожит. Вот там ставки вот такиени настолько высокие, поэтому у них и подход там вот это вот 0,8 на 08 0,8 вообще нет. Так не пойдёт совсем. Так вот, что используется у них? Значит, у них используется подход, который называется K + 1. Э, имеется в виду, что используется как можно больше нейронок. Задача отдаётся независимо сразу в Nйронок, в грок, в Perplexity, в Gemini, в Open AI, везде задачи решаются независимо. За ходом рассуждения нейронок следят агенты, которые пытаются выявить паттерны галлюцинации. Да, если выявляется паттерн галлюцинации, процесс убивается. Дальше следующий слой агентов смотрит на результат работы независимо каждой нейронки и ищет между ними консенсус. Есть ли там признаки того, что суц что нейронки выдали одинаковый результат. Потом идёт слой ивристик из хардкоженных алгоритмов без искусственного интеллекта, который делает, ну, то, что принято в разработке, называть юниттесты, автотесты на предмет наличия нужных каких-то составляющих. И только после этого, э, вот этот вот синтезатор, это у них так называется, сейчас модно говорить оркестратор, у них синтезатор. Синтезатор выдаёт оператору какой-то финальный вердикт, что вот 98% вероятность свои, атаковать нельзя, — но при этом оператор уже не перепроверяет эти данные. — Оператор принимает решение. Вот я не знаю, что там происходит у оператора где-то там в американских военных, это мы никогда не узнаем. Надеюсь, я бы не хотел этого таким знанием обладать. Но вот смысл в том, что на критических задачах, там, где ставки высокие и присутствует экономическая целесообразность высокой точности, имеет смысл оркестрацию нескольких моделей использовать. Мы используем, но вот то, что ты объяснил, это супер э высокоэффективная система, она очень много будет жарать ресурсов. Но понятна задача, мы используем а параллельную отправку в нескольне. То есть это стандартный инструмент работы человека в нейроключе, когда она смотрит в разные места. Но мы не можем там написать много агентов, которые будут контролировать галлюцинацию, но синтезировать общее мнение и проверка результатов работы одной нейронки другой - это прямо-таки уже рабочий паттерн в бизнесе — для всех, кто нас смотрит, чтобы вот эти это они может тебе очевидны, потому что такой: "А что ты тут рассказываешь? Это же паттерн, который все используют. вообще не так. Большая часть людей просто с чатом GPT иногда советуется для работы. Вот. А в это же время, вот почему я говорю, что за полгода последний мир с ног нагло перевернулся, уже появляются паттерны разработки и лучшие практики разработки архитектуры и агентов. И мне кажется, что обмен знаниями, — ну, это — очень важно в этой области. — В этой области важно самому разбираться.

### [54:25](https://www.youtube.com/watch?v=CD89ricindo&t=3265s) Почему руководитель обязан сам разобраться в ИИ, а не делегировать

Есть такой термин AI спонсор. Это касается проверки лидерства. Бизнес, организация, малый бизнес. Даже если ты один там работаешь, ты всё равно лидер. Ты лидер, который принимает решение, двигается вперёд. И сейчас часто мы встречаем в компаниях, когда руководитель, он в целом понимает, что тема правильная, надо идти внедрять этот самый, но он сам глубоко не погружается. Он окружён помощниками, он окружён разными организационными задачами. Он с цифровыми системами сам не сталкивается, и ему сложно понять вот все вот эти механики. Помнишь, ты метафору в самом начале подкаста приводил по поводу Перельмана, которые бусы, а я иногда привожу, мне не нравится этот пример, он грубый, когда э нам говорят: "Ну давайте внедряйте". Я говорю: "Ребята, давайте мы посмотрим вообще, что она может, как она может двигаться, иначе мы попадём в ситуацию. крестьянин 100 лет назад. Мы пришли к нему с нашими роботами, технологиями и так далее и говорим: "Давай". А он говорит: "Давай внедрять". Значит, так. Лошадь, чтобы работала по ночам, чтоб не ела и не болела. И всё. Понимаешь, он не знает ни про трактора, ни про какие-то гидропонику, ни про что этого не знает. И здесь надо показать, что компания будущего - это компания, которая быстро принимает решение, которая может сразу гипотезы отработать.

### [55:44](https://www.youtube.com/watch?v=CD89ricindo&t=3344s) Три агента в реальном времени: финмодель, продукт и MVP

Вот ты говорил про идею, там сколько что нужно делать, а ты представь себе, вот мы ставим три агента, которые слушают голос нашего брейншторминга, когда мы разрабатываем какую-то идею, один агент слушает, сразу делает финансовую модель. И если наш с тобой диалог меняется, например, мы думаем: "А может вот так взять, а может вот так", то он меняет и финансовую модель в режиме онлайн сразу. Не потом не кто-то потом пересчитал за тебя. Второй агент делает продуктовую рамку сразу, кому продавать, как через маркетинговое исследование тоже тебе онлайн выдаёт, а третий пишет MVP и у тебя сразу, то есть ты заканчиваешь, — встреча закончилась, а там уже есть финансовый план, лендинги, подготовлены рекламные кампании, креативы и MVP продукта готово. — Хотел сказать, я хотел сказать, это так напрягает нейронку. Нет, нервную систему. Сейчас проблема руководителя в том, что ты решение должен принимать в два, в три раза больше, чем ты принимал раньше. Вот эта ответственность за принятие решения, как у того оператора, про которого мы говорили, ну, в данном случае здесь хороший пример. Вот она растёт и ты как бы, знаешь, это есть такое понятие, идей больше нет, потому что идея, которая ты сразу не проверил через неронки, это же секунда проверить свою идею. У меня вот такая идея есть. Можешь из этого бизнес сделать или нет? Радикально сокращается. То есть в компаниях с 6 месяцев можно до 6 дней многие процессы сократить, — даже до часов. Вот в моём поле предприниматели, кто занимается IT-бизнесом каким-то, говорили, что реально вот раньше нам надо было 2-3 месяца для того, чтобы от идеи дойти до первой версии, до какого-то MVP новой Фичи или нового субпродукта в нашем портфеле, что нам надо было поисследовать рынки, нам надо было посмотреть, что вообще как бывает, нам надо было созвониться с нашими клиентами, провести там несколько интервью по часу десятков, потом их отскорить, проанализировать, как-то свести. Мы всё это делали руками. Сейчас это странно так звучит, что мы не пачку файлов отдаём в чат GPT и говорим: "Ну-ка, давай-ка мне скоринг быстро сделаем". Мы сидели это и читали. Потом на основе этого проектировали интерфейсы, делали первые usability-тесты, что там люди нажимали на функциональные прототипы у нас мы искали, где они ошибались. Вот так вот несколько итераций. Потом вот мы первую верси за день. Сегодня всё это происходит, раскатывается на часть трафика. Несколько продуктов. Я знаю, что в Гугле сегодня вот опять же люди, с которыми я общался лично, вот буквально предыдущей недели, шипят 50-60 фичей в неделю на продукт. Сидит команда, каждый работает человек шесть-7мь фичей одновременно. Параллельно у него открыто несколько клодов сессий, который каждый делает что-то своё. Каждый человек шипит 5ше семь фичей в неделю. Там так всё изменилось, что просто дичь. Ну давай вот руководителям, руководителям что

### [58:28](https://www.youtube.com/watch?v=CD89ricindo&t=3508s) ИИ как мультипликатор

надо сделать, которым ты говоришь, вот принесли роботов из будущего, а они сидят вот в своём, значит, колхозе. У них тут хозяйство коровы, они к этому непривычные. Первое, что я скажу, ээ начать измерять показатели на уровне бизнеса, на уровне вертикали оргструктуры, на уровне отделов, департаментов и бизнес-процессов показатели ценности. В первую очередь, когда речь идёт об искусственном интеллекте, выручка на сотрудника, прибыль на сотрудника и беда на сотрудника, чтобы эта штука появилась в динамике. И дальше любые инициативы, связаны с искусственным интеллектом, мы через эту призму смотрим. Внедрили, выросло, мы идём в правильном направлении, упало, а это легко очень может быть, что упало, откатываемся назад. — А я тут с тобой не совсем соглашусь. Ты таким образом можешь измерить самые первые эффекты и трансформации, которые относятся к понятию less money, экономия. А эффекты моoney, new money, то есть больше зарабатывать внутри клиента, они косвенно будут зависеть, а выходы на новые рынки, а гибкость компании, а умение трансформироваться, когда ты всю компанию переписываешь в промты вместо жёстких правил, этого ты не увидишь вот в такой методике измерений. Ну, новые деньги точно увижу, потому что выручка на сотрудника, если мы тем же количеством людей начнём больше выручки генерировать, кстати говоря, — это мом, они больше денег, — да, касты. Здесь как раз мы не увидим сокращения костов, потому что косты останутся такими же. Нам надо на текущие косты сделать больше. — Если ты просто считаешь косты, да, если косты на рубль выручки, то да. Моя идея в том, что, э-э, искусственный интеллект - это мультипликатор. Он делает сотрудника продуктивнее, мощнее, быстрее, — быстрее, ценнее — и параллельнее. — Соответственно, мы можем закапываться в рефлексию. Э, и сейчас я не знаю

### [1:00:20](https://www.youtube.com/watch?v=CD89ricindo&t=3620s) КЕЙС Open Claw: агент развернул виртуальный офис

вайбкодинг - это новый наркотик. Просто мы можем сидеть и вайп-кодить вот эти штуки бесконечные. Ээ, сколько ты не спал недель с Open Claw? Признайся, честно, — дветри 7 дней мы мало спали, но у нас — А сколько вы заработали денег с него? — Пока мы только 7 дней как развернули. — Я говорю об этом, о том, что в какой-то момент надо сказать: "Так, подожди, я провёл здесь, ну, не 7 дней там, а, скажем, 77 дней и что-то денег нет пока". — Хочешь прикол? Ты слышал про вот эти соцсети для это самое, то, чтобук был и так далее. Мы развернули Open Cl, дали ему задачу определённому, он должен был там переводить, и что-то он затупил. Ты понимаешь, он создал виртуальную офис, генерил. Она выглядела как Sims, но это был Sims не мультик, а это прямо ты видел, как в офисе твои задачи решаются. Ты каждому агенту назначаешь уровень перфекционизма. Те, которые были с высоким уровнем фракционизма, сдулись задачи. Вот тот, у кого было право на ошибку, остался. И в какой-то момент он понял, что он не может выполнить задачу. Это в нашем примере. Он пошёл, разместил сайт на американском заказать человеку перевод. Никто не откликнулся, он понял, что он в России и пошёл на профи. ru разместил заказ и получил там возможность нанять пере. — Так, напишите, пожалуйста, ребят, в комментариях, если нам надо отдельный выпуск с Игорем записать про OpenC, потому что здесь можно говорить очень долго. — Это вообще взрыв башки. То, что — я не спал несколько недель. Вот я тоже наворотил такого, что я просто это с ума скажу. Просто никто. Ты, во-первых, агентов выгружаешь свой. Это агент агентов. Это настоящий город. — Всё, давай. Это отдельный выпуск напишите, нужен ли нам про Open Claw, потому что у нас сценариев много. Я вижу, что хайп начинает спадать на эту штуку, потому что все ломанулись её себе ставить. В Америке был солдаут Макми. Вот появилась куча инструкций. Поставили, покрутили. — Наша команда выиграла три Макмини в глобальном конкурсе. Сейчас и от антропико мы выиграли ещё отдельное обучение, — тем более и такие типа: "Так, а как использовать-то эту штуку? Что с ней делать-то? Профит где? " Вот я реализовал, наверное, сценариев 5-10 только для себя лично, которые вот можно отдельно потом поделиться. Уверен, что у тебя тоже есть. Напишите, если хотите видеть отдельный выпуск про OpenCla, про обмен опытом, связанным с тем, как с помощью эйволюционной, на мой взгляд, штуковины можно поменять жизнь.

### [1:02:46](https://www.youtube.com/watch?v=CD89ricindo&t=3766s) Финальные советы

жизнь. Мы к хронометражу, к нашему подходим к концу. Игорь, можешь, пожалуйста, вот какую-то ещё нам вишенку на торте положить, если есть мысль, которой надо обязательно поделиться, чтобы наши зрители её увидели. Вот сейчас для этого самое время, — ребят. Главная мысль моя сейчас - это то, что ивизироваться надо начинать уже сейчас. — И визироваться. И визироваться, друзья, потому что смотрите, как быстро это всё растёт. вы пока сами будете всё это осваивать, вам кажется, что это пока, э, что-то сложное или там недостаточно эффективное, но вы просто на секунду представьте себе, что вот ровно сейчас, сегодня, 5 марта, когда мы пишем с тобой этот подкаст, это самое неэффективный искусственный интеллект, который вы больше никогда в жизни не увидите. Ни через месяц, ни через два, ни через три. Он просто растёт X2, там каждые 3 месяца, каждые шесть. И вы пока 6 месяцев будете, мы по своему опыту поняли, 6 месяцев нужно примерно, чтобы все эти вещи освоить. Нейронные связи, опыт, научиться думать промтами, научиться писать агентов. И это касается каждого лидера. Не доверяйте никому, проверяйте сами. И это супертворческий инструмент, ваша идея, которая и разворачивает в компанию, в что-то рекламное, ну, что угодно. И я призываю выходить нам на этот уровень творческой энергии, то есть проявляться через Ии своими идеями, смыслами, результатами, как хотим. — Спасибо. Двадцать шестой год - это год и агентов, год перехода к агентной экономике, когда искусственный интеллект начинает забирать на себя часть значимых звеньев, цепочки создания ценностей во всех отраслях экономики абсолютно. Нужно эту волну не пропустить. нужно её оседлать, э, чтобы бизнес свой сделать максимально эффективным. Пожалуйста, подпишитесь на этот канал. Многие смотрят наши выпуски без подписки. Если вам показываются ролики в рекомендациях или где-то на главной страничке Ютуба, вы можете думать, что вы подписаны, но, скорее всего, это не так. Пожалуйста, подпишитесь, нажмите на лайк, на колокольчик, оставьте любой осмысленный комментарий к этому видео. Это поможет продвинуть ролик и приглашать более крутых экспертов к выпуску. Ну всё, спасибо за просмотр. Увидимся с вами в следующем видео. Пока-пока. — Пока.

---
*Источник: https://ekstraktznaniy.ru/video/11076*