CEO пробуют AI, не видят отдачи и спрашивают «что делать?». Ответ Ли: строить компанию, у которой AI встроен в саму суть (AI native), а не приделан сбоку. Гл.1. «Всё иначе?» Прошлые революции сделали дешёвыми и доступными энергию (паровые машины за 100 лет выросли в 400 раз — стали обыденностью, как электричество из розетки), вычисления, информацию. Теперь на очереди интеллект (машины начинают «думать» — хотя точного определения автор не даёт). И распространяется это быстрее, потому что цена падает экспоненциально (дешевеет всё круче с каждым шагом). Гл.2. «Мыслящие машины» Нейросети кормят данными — и агенты (программы, которые сами что-то делают) учатся сами. Качество данных — «топливо современности» (без хороших данных толку мало). Алгоритмы у всех стали похожие, поэтому модели по метрикам сближаются (все бегут примерно одинаково, разница — в данных). И используйте мультимодальность (пусть AI работает не только с текстом, но и с картинками, звуком, видео). Гл.3. «Лестница агентов» От чат-ботов → к чётко заданным задачам → к «напарникам» (co-pilots, помогают человеку, но решает он) → и 4-й уровень: полностью автономный агент, который сам добивается сложной цели (и сам ловит, где накосячил, и исправляется). Компаниям нужна «память фирмы» (чтобы знания не оседали в головах и не терялись), инструменты подключения агентов к внешнему миру и знание контекста. А несколько агентов вместе снижают галлюцинации (когда AI уверенно врёт — агенты перепроверяют друг друга). Гл.4. «Интеллект хочет свободы» Корпорации видят в AI только сокращение расходов, а не создание новой ценности (не «сэкономить», а «заработать по-новому»). Гл.5. Почему проваливаются трансформации а) пилоты не связаны в одну систему; б) всё отдали CIO (техническому директору), а не бизнес-лидерам; в) слишком надеются на инициативу снизу (получается разрозненно); г) не меряют эффект сразу, а гоняют пилоты ради пилотов. Гл.6. «Чистого интеллекта мало» Фирмы не используют «спящие» данные (dormant data — то, что лежит и пылится: транскрипты встреч вместо причёсанных отчётов и т.п.). Нужен «слой решений» (decision layer): AI-мозг + карта всех данных компании (семантический граф — схема, кто с кем и чем связан, от клиента до производства) + живые данные в реальном времени + «операционная система» (правила: что и как тестируется и как встраивается в корпоративные системы). Palantir построили большой бизнес, делая такой слой другим фирмам. Гл.7. «AI-босс» Данные копятся слоями и забываются, а CEO видят только отчёты — он слеп, и ему боятся возражать. Поэтому у CEO должна быть своя персональная AI-система на всех данных компании. У CTO — на всём коде, у CFO — на каждом долларе. Цель — вылавливать нереалистичное, завышенное и просто неверное. Гл.8. «Взлёт DRI» У CEO будет много прямых подчинённых, у каждого — куча агентов вместо этажей менеджеров. Ищите внутри «интрапренёров» (предпринимателей внутри компании) и делайте из них DRI — проактивных «микро-CEO», отвечающих за конечный результат. DRI — «атомы» AI-native бизнеса. Два типа: опытные в бизнесе/отрасли и умеющие работать с агентами. Упрощать структуру трудно — мир полон неудач. Ищут DRI через пробы на реальных задачах, seniority (выслуга, должность) не важна. Механизмы компенсации изменятся — DRI это не просто сотрудник. Гл.9. «Какая работа уцелеет?» Автоматизация съест формальные функции (где и людей-то по сути не нужно). Останутся роли «человек–человек» и «человек–машина». Менеджеры — как получится: кто найдёт коучей по AI, тот срастит отраслевую экспертизу с AI. Растите «когнитивную открытость» (готовность учиться новому). #all

А вы знаете? люди,которые умеют отдыхать, делают это перпендикулярно будням! В одной уютной уютной квартире жила маленькая милая учительница английского. Она всегда была белая и пушистая, добрая и ласковая… кроме одного дня в году, когда она рисовала себе на лице улыбку — слишком широкую, слишком ровную, будто циркулем по линейке. И глаза — два идеально круглых жёлтых фонарика, которые не мигали даже когда она моргала. В этот день она не проверяла тетрадки. Она доставала старую деревянную указку и выходила в подъезд — к соседям, которые забыли, что сегодня Хэллоуин, и вышли вынести мусор. Она вежливо улыбалась и спрашивала по-английски: «Do you know the difference between a treat and a trick?» А потом начинала урок. Указка стучала по перилам: тук. Тук. Тук. И с каждым ударом в квартирах гас свет — ровно на одно слово. Дальше продолжите сами историю, пожалуйста ☺️ #хеллоуин

Понравился юмор)