Телеграм канал «AI для Всех»

Сходил на AWS Summit в Нью-Йорке.

Агенты были почти на каждом стенде. Со сцены - AWS Context, knowledge graphs, свои агенты, интеграции, governance, Bedrock, MCP.

Главный сдвиг: рынок уходит от «чатботов» к рабочим системам, где агенту дают контекст компании, права, инструменты, ограничения и журнал действий.

Дать агенту доступ, к правильным данным (контекст) это только первые шаги ИИ в бизнес.

Следующая волна AI-продуктов будет не про «агент ответил», а про «агент выполнил повторяемую работу, которую бизнес готов принять, а регулятор/аудитор проверить через 18 месяцев».

Быстро же они прошли путь от компании в которой фаундер ходит на кофе с рандомными инженерами до $60B.

Sci-bot

Еще в бытийность свою исследователем, я довольно активно пользовался sci-hub. Sci-hub это такая платформа, на которй Саша Элбакян раздает доступ к научному знания (зачастую спрятанному за paywall).

Недавно, она сделал из этой платформы ИИ-агента и это очень круто! Это как deep research - но только по научным статьям (к которым у других агентов доступа в основном нет). Оплата за токены - платить криптой. Мне 2$ хватило на довольно глубокий анализ Лунной миссии Appolo 17.

Пока все нравится, не хватает только api (но Codex вполне себе справился пользоваться сайтом через Chrome).

Попробовать можно тут: sci-bot.ru

Сегодня был на HSBC Office of the CFO & Fintech Innovation Day.

Вот о чем думают CFO крупнейших компаний: можно ли безопасно пустить AI в настоящий workflow, где есть деньги, контроль, комплаенс, ответственность и риск публичного факапа.

A16Z почти прямым текстом говорят, что finance-команды в AI-native компаниях теперь гораздо меньше и появляются позже. Раньше первый finance hire часто нанимали на $10-20M ARR. Сейчас некоторые компании тянут намного дольше, потому что один сильный оператор с AI-инструментами может закрывать больше, чем раньше закрывала маленькая команда.

Но это не история про «людей заменят агенты».

Скорее наоборот: люди остаются, но меняется их роль. Хороший CFO становится ближе к продукту и операциям. Он не просто выбирает SaaS и делегирует внедрение, а сам тестирует инструменты, собирает workflows, смотрит на cost controls, спрашивает «зачем нам вообще Salesforce/NetSuite/очередная система, если можно собрать процесс иначе?»

AI spend супер на повестке дня. Tokens, model usage, retries, agent runs - это уже не инженерная мелочь, а серьезная строка COGS и governance surface.

Кажется, что в regulated finance «probably correct» не работает.

Сейчас спрос на слой контролируемого исполнения:

— какие данные использовались
— какая политика применялась
— кто смотрел рекомендацию
— что AI предложил
— что человек исправил
— что ушло в систему
— можно ли потом доказать, почему решение было принято

Первая волна AI в enterprise была про demos.
Вторая будет про trust.
Третья — про workflows, которые постепенно получают автономию, но только после того, как заслужили ее.

Вот такая вот, сейчас ситуация в AI-native finance.

Только что выиграл хакатон от Airtable!

В Нью-Йорке проходит абсолютно безумная Tech Week, в рамках которой Hyperagents (версия клешни с человеческим UI от Airtable) устроили хакатон. Кто за час навайбкодит самый убедительный outreach. В качестве цели каждому был выбран рандомный другой фаундер в комнате. Моя идея победила!

Я взял наш с Антоном https://funnel.fyi и прогнал через нее сайт, Funnel мгновенно нашел что можно поправить на лендинге, а Hyperagents собрали симпатично выглядящий видос и презентацию.

К чести Hyperagents - пока я расспрашивал этого фаундера что у него болит, он честно и автономно трудился.

И вуаля - я победил 🥇

Может и вам полезно будет - попробуйте!

UPD: добавил презентацию

AUTO-IMPROVE

Заставил AI бесконечно улучшать свою работу - и запретил ему верить самому себе на слово.

Так появился новый скилл для Claude - auto-improve.

Auto-improve позволяет улучшить любой артифакт, который совместим с git:

• AI предлагает маленькое улучшение.
• Другой AI проверяет результат по понятным критериям.
• Если стало лучше - изменение сохраняется.
• Если нет - автоматически откатывается.

Благодаря git каждая версия сохранена, каждую можно сравнить, каждую можно вернуть. И так по кругу, пока результат перестает улучшаться.

Auto-improve можно применять почти ко всему:
• тексты
• письма
• лендинги
• README
• инструкции
• промпты
• код
• договоры

Вообще ко всему, где можно описать, что значит «хорошо».

Самое интересное: критерии тоже можно улучшать.

Например, можно взять книгу, статью, гайделайн или внутренний стандарт компании.

Превратить это в список требований.

И дальше AI будет улучшать работу уже не «на вкус», а по этим требованиям.

Технически это похоже на GAN для текста: один агент генерирует, другой проверяет. Или на маленький локальный RLAIF-loop: улучшение → оценка → принятие или откат.

Код:
https://github.com/crimeacs/auto-improve

Уже сегодня (через 2 часа) буду рассказывать про память и цикл авто-улучшения на вебинаре CYBER.FUND

Послушать можно тут