Опять не пятница

Посмеялся со своих итогов в Стиме. Причём 121 сессия тут скорее показатель моей игровой железки, которая уже не тянет, да и самого дейза, который славится вылетами.

Для честности показателей моей «игромании» стоит ещё в список добавить часов 15 в Satisfactory.

А сейчас я играю в Claude Code

Коррекция AI-хайпа 2025 — от иллюзий к реальности

MIT Technology Review выпустил большую аналитическую статью The great AI hype correction of 2025. Перевёл, разобрал, проанализировал:

В 2025 году мы стали свидетелями масштабного сдвига в восприятии искусственного интеллекта — от безудержного оптимизма и нереалистичных обещаний к гораздо более приземлённому и дисциплинированному подходу. Эта перемена получила название «великой коррекции ИИ-хайпа». Она не отражает конец ИИ как технологии, но ставит под сомнение многие убеждения, которые годами продвигались как догмы. Среди них — уверенность, что ИИ в ближайшее время заменит людей в широком спектре профессий или станет почти что «сверхразумом». Ситуация, к которой мы пришли в 2025-м, это результат слома параболы ожиданий и реального опыта применения ИИ в бизнесе, науке и обществе.

В основе коррекции лежит простая реальность: рынок слишком восторженно интерпретировал потенциал ИИ и его влияние на экономику. На протяжении нескольких лет инвесторы, медиа и многие технологические компании увлекались нарративом о грядущем прорыве, который радикально изменит всё — от создания контента до принятия стратегических решений. Но в 2025-м стало очевидно, что многие из этих ожиданий были завышены. Аналитики фиксируют случаи, когда проекты с огромными инвестициями не дают ощутимого экономического эффекта для конечных клиентов, а сам бизнес сталкивается с проблемой превращения интереса в реальные доходы. По данным независимых источников, более 95 % корпоративных пилотов ИИ оказываются неэффективными в плане генерации экономической выгоды, несмотря на сотни миллиардов долларов инвестиций в инфраструктуру и разработку.

Коррекция хайпа происходит не только на уровне финансов. Она также отражает более глубокий интеллектуальный сдвиг: от репетиции возможного к оценке того, что действительно работает. Это проявляется в том, что организации перестают рассматривать ИИ как панцею, кото­рая за короткое время устранит все проблемы бизнеса, и начинают подходить к внедрению гораздо более осмотрительно. Примеры таких подходов включают тщательное обоснование ROI, создание устойчивой архитектуры данных и усиление контроля качества моделей — то есть те вещи, которые в предыдущие годы воспринимались как «барьеры на пути к сиюминутной инновации».

Отдельное внимание в коррекции хайпа уделяется ИИ-агентам — автономным программам, которые обещали «заменить» людей в ряде рабочих задач. В начале 2025 года многие эксперты и CTO предсказывали, что агенты на базе больших моделей войдут в рабочие процессы наравне с сотрудниками, будут самостоятельно бронировать поездки, вести переговоры или даже закрывать рутинные задачи без человеческого надзора. Но данные показали, что такие системы пока не оправдывают этих ожиданий: исследования крупных выборок использования моделей выявили, что агенты часто не способны завершить базовые задачи без участия человека и нередко делают ошибки из-за отсутствия контекста или «понимания» сути процесса. В корпоративной среде пилотные агентные проекты редко переходят в полноценную эксплуатацию, а успех значительно возрастает только когда агенты работают в тандеме с квалифицированными людьми: это говорит о том, что ИИ-агенты сегодня скорее инструмент усиления человеческой продуктивности, чем самостоятельные работники, как это рисовали маркетологи прошлого.

На практике это означает, что компании теперь реже вкладывают бесконечно большие ресурсы в абстрактные ИИ-проекты без чёткой связи с бизнес-результатами. В 2025-м инвесторы всё чаще задают вопросы о реальных моделях монетизации, устойчивости бизнеса и компетентности команд, стоящих за стартапами. Слишком быстрые и широкие обещания начинают выглядеть не как признак амбициозности, а как признак отсутствия стратегии и понимания сложности задач, которые решает ИИ.

#ai_news

Последствия этого сдвига уже отражаются в финансовых рынках, где оценки компаний, тесно связанных с ИИ, оказались под пересмотром или под давлением коррекции. Рынок акций и капитализация технологических фирм нарастали невероятными темпами, но часть экспертов задумалась о реальности этих оценок — многие финансовые аналитики сравнивают ситуацию с ситуациями прошлых технологических пузырей, когда ожидания опережали фундаментальные показатели роста и эффективности. Эти сравнения указывают на возможные риски резкой коррекции рыночной оценки отдельных активов, если бизнес-модели не подтвердят свою устойчивость и прибыльность.

Вместе с тем, коррекция хайпа не означает, что ИИ перестаёт быть значимым технологическим трендом. Напротив, это переосмысление периода бурных ожиданий как этапа, необходимого для перехода к зрелому, устойчивому использованию ИИ-систем. Самым главным итогом 2025-го становится признание ограничений текущих технологий, необходимость развития методологий оценки качества и результатов, а также понимание того, что ИИ — не магическая формула успеха, а мощный инструмент, который требует проработки, контроля и зрелого подхода к внедрению.

Вместо иллюзий о сверхскоростном и всеобъемлющем влиянии, 2025-й стал годом, когда отрасль перешла от фантазий к реалистичным стратегиям, ориентированным на измеримый эффект и конкретные задачи. Это не конец эпохи ИИ, но это конец эпохи бесконтрольного оптимизма, когда любая новая архитектура или рекламный анонс воспринимались как гарант успеха. Сегодня на первый план выходит способность создавать устойчивые, проверяемые, экономически оправданные решения, которые действительно приносят пользу бизнесу и обществу

#ai #аналитика

История четверга

Итоги 2025 года и прогнозы на 2026. Что происходит с продуктовым контент-маркетингом

Я всегда игнорировал профессиональные итоги года. Правда, менялось всё медленно. Поисковики алгоритмы поменяют, больше не айтишников придёт в ИТ, сервисы заблокируют. На общие принципы работы в продуктовой редакции это практически не влияло.

Но 2025 год... Так что я решил написать прям статью — что случилось и куда мы идём. Постарался охватить самые важные тренды, может где-то смягчить формулировки, чтобы не пугать вас страшным будущим, где ИТ всё захватит. Не захватит. Но работать мы будем по другому.

Можно критиковать.

#ai #контентменеджерское

Состояние пятницы замечательно транслирует моя кошка. На этом и закончим рабочую неделю. Про агенты и прочей эйайшное уже завтра.

OpenAI обновила возможности персонализации ChatGPT

Теперь пользователи могут гибко настраивать тон и стиль ответов ИИ прямо из интерфейса. В разделе Personalization → Add Characteristics регулируется уровень «теплоты» и энтузиазма, а также частота использования эмодзи, заголовков и списков. Эти параметры дают более тонкий контроль над характером общения модели и позволяют адаптировать её к разным стилям взаимодействия.

Кроме того, OpenAI расширила набор предопределённых «личностей» — от профессионального и дружелюбного до циничного и эксцентричного — что облегчает выбор базового стиля без ручной настройки каждого параметра.

Ещё одно заметное улучшение — возможность редактировать и форматировать текст внутри чата: можно выделить фрагмент ответа и попросить изменить его конкретным образом, без необходимости писать новый запрос.

В совокупности это не просто косметические изменения, а шаг к более управляемому, адаптивному поведению ИИ, где коммуникация подстраивается под потребности пользователя, а не диктуется жёсткими предустановками.

#ai_news

Продолжаю раз в неделю делиться своим опытом разработки и внедрению агентов для создания контента. Перед НГ, конечно, времени мало, но удалось немного упороться в создание скиллов.

Скилл — это способ научить агента делать что-то конкретное. Технически это markdown-файл в папке .claude/skills/, который Claude Code читает при запуске и использует как инструкцию. Но это не промпт на две строчки «ты эксперт по маркетингу». Это структурированная база знаний: описание продуктов, терминология, шаблоны документов, примеры хороших и плохих формулировок, актуальные данные для контекста.

У меня сейчас работает скилл «Эксперт по ИБ VK Cloud» — это ~1500 строк YAML с продуктами безопасности, структурами статей разных типов, экспертами для цитирования и антипаттернами. Когда я прошу написать статью про Zero Trust, агент уже знает: какие продукты VK Cloud упоминать, какую терминологию использовать, какая статистика актуальна, как строить структуру для CTO.

Дисклеймер: я считаю, что этот скилл ещё НЕ до конца готов. Хочется ещё обогатить его словарь, добавить примеры под различные площадки. Но рассказывать про него в рамках примера уже можно.

Как я его собирал

Сразу скажу, что все этапы можно проходить вместе с Claude Code — он отлично помогает структурировать информацию, находить пробелы и форматировать результат. То есть руками писать не обязательно. Но на каждом шаге нужно понимать, что делаешь и зачем. Claude не знает твой продукт и твои задачи лучше тебя.

Первый этап — инвентаризация. Выгрузил актуальные материалы по продукты безопасности VK Cloud: для чего используется, какие ключевые слова. Claude помогал структурировать, но список продуктов и их особенности — это моя экспертиза.

Второй этап — терминология и тон. Добавил блок: что говорить правильно, что неправильно. Прописал принципы: не пугать читателя, давать конкретные рекомендации, ссылаться на стандарты. Здесь Claude подсказывал формулировки, но редакционную политику определял я.

Третий этап — шаблоны статей. Для разных типов материалов (угрозы, защитные меры, compliance, Zero Trust, DevSecOps) подобрал примеры и сделал структуры: с чего начинать, какие блоки обязательны, чем заканчивать. Claude хорошо генерирует варианты структур — но выбирать рабочую и адаптировать под реальные задачи пришлось самому.

Четвёртый этап — актуальный контекст. Добавил статистику и исследования, изменения в законодательстве. Claude в процессе написания материала может это и сам найти, но лучше дать заранее проверенные цифры. (Тут возникла идея, что надо добавить в агента пункт "обнови цифры исследований, если они отличаются от найденных в процессе написания статьи".)

Что даёт скилл и какие будут выводы

Раньше каждую статью про ИБ начинал с объяснения контекста в промпте. Сейчас, например, можно запросить: «Статья про Zero Trust для CTO, 8000 знаков» — и получить максимально релевантный текст с правильной терминологией, актуальными цифрами и структурой. Я далёк от того, чтобы такие материалы публиковать без проверки, но со скиллами качество улучшается в разы. Однако, стоит ещё раз сказать: если не можешь сам написать такой текст и рассказать про это ИИ, то никакой инструмент не поможет.

P.S.: Я не опасаюсь делиться такими наработками. Свои агенты я пишу, основываясь на открытых наработках своих коллег. А они форкали репозитории людей, которые начинали с этим работать ещё раньше. В конце концов, мало просто скопировать, надо уметь работать с ИИ, отвечать за метрики и создавать реальную ценность. 😈

#ai_agents

Пишу тут про ИИ, а все...

Что я вам говорил про китайцев? Z.ai представляет GLM-4.7

Китайская команда Z.ai выпустила GLM-4.7 — апдейт своей модели для программирования и агентных задач. Она демонстрирует заметный рост на ключевых бенчмарках:

SWE-bench Verified — ~73.8%,
Multilingual — ~66.7%,
Terminal Bench — ~41% 📈 — все реально выше, чем у предыдущих версий.

Почему это важно для контента

Агенты стали умнее. GLM-4.7 внедряет механизм мышления interleaved thinking — то есть модель думает перед каждым действием и сохраняет рассуждения между шагами. Это делает длинные цепочки команд в IDE, терминале и автоматизации гораздо стабильнее и предсказуемее — критично для сложных агентных workflows.

Лучшее использование инструментов. Модель заметно подтянула навыки tool-using — меньше «попыток вслепую», больше осмысленных вызовов инструментов и браузера. В реальных агентных пайплайнах это переводится в меньше ошибок и большую продуктивность.

Code + UI = прототипы за секунды. GLM-4.7 не только пишет лучше, но и делает это более аккуратно. Для генерации контента — от страниц до визуальных концептов — это сразу экономит время на правки.

И что очень важно!

GLM-4.7 уже используется в популярных агентных средах и IDE-интеграциях. (Claude Code, Roo Code, Cline и др.), доступна через API Z.ai и OpenRouter, а веса выложены публично — модель можно развернуть локально через vLLM или SGLang. По цене её позиционируют как «Claude-уровень за долю стоимости», что делает её особенно интересной для постоянных агентных нагрузок.

#ai_news

Конец года в ИТ-компаниях.