Кактус | ИИ для команд и бизнеса

Y Combinator выпустил 20-минутное видео про самоулучшающиеся компании. Хорошее видео и круто, что половина мыслей оттуда у нас в Oper8 уже описана. Пройдёмся по главному.🔵 Дать всем Copilot — это ещё не ИИ-трансформация. YC говорит: если ограничиться тем, чтобы сделать инженеров на 20–30% быстрее, это всё та же старая работа в новой обёртке. В нашей книжке мы говорим о «перестройке сквозного процесса». Просто воткнуть ИИ дает 20% прироста (и то вряд ли), а настоящий рост эффективности перепроектировании.🔵 Среднего менеджмента почти не останется. ИИ берёт на себя координацию — ту функцию, которую раньше выполняли менеджеры-передасты (извините если кого задел :)) У нас на эту тему отдельная глава — про замёрзший средний уровень. Эти люди не то чтобы злодеи, они просто рационально защищают свою роль. Поэтому ломать их «приказом сверху» бесполезно, нужно перепроектировать стимулы - всякие там KPI, ответственность и проч.🔵 «Если это не записано — этого не было». YC привели свой кейс: расшифровали 2000 часов консультаций со стартапами, прогнали через ИИ — и за выходные собрали 150-страничную книгу, которая сама себя обновляет(кстати прикольно что за выходные, неужели и они могут нормально поработать только в выхи?). У нас в Oper8 этот принцип развивается в 3 слоя базы знаний, каждый из которых обновляется с разной скоростью. 🔵 Люди — по краям, ИИ — в центре. Самая красивая метафора из видео. Мозг компании (знания, правила, данные) — это центр. Люди — снаружи, там, где нужны живые навыки: эмоции, нестандартные ситуации, переговоры. У нас тот же сдвиг описан как «человек-архитектор, а не человек-исполнитель». Но метафора у них крутая, берем на заметку, добавляем в свою базу знаний ))➖➖➖Чего в видео нет — про то, как до этой картинки доехать. Про сопротивление и ответственность за ошибки ИИ, про переделку процессов и KPI. Это для большинства компаний ГОРАЗДО тяжелее, чем сама освоить технику. Но это уже наша работа в кактусе хехе. К вопросу о ценности консалтинга, котора

Я хочу, чтобы 80% инструкций для ИИ писал он сам. Чтобы менеджить ИИ, но не микроменеджить.Еще полгода назад это было почти невозможно — даже для тех, кто работал не с «голым» чат-ботом, а с ассистентом, имеющим системный промпт и доступ к базе знаний (например, в СhatGPT Project или Perplexity Space). Правки этого промпта и актуализация базы отнимали у нас то самое время, которое ИИ должен был освободить.Теперь у нас есть ИИ-агенты, а у них есть скиллы (Agent Skills, хранимые в файлах инструкции — навыки агента). Так что теперь ИИ может самостоятельно создавать и улучшать свои навыки по итогам каждого сеанса работы:1️⃣ Первый раз ведём агента за руку, как в ChatGPT. Потом просим сохранить процесс как скилл.2️⃣ В следующий раз он уже работает по скиллу, а мы как «менеджеры ИИ» только даём обратную связь, не трогая своими руками документ или иной результат работы.3️⃣ Когда получили приличный результат — просим обновить скилл по этой обратной связи, чтобы в будущем ошибки не повторялись. Эта работа агента экономит нам то время, которое раньше тратилось на «микроменеджмент».По сути, это как улучшать регламенты для сотрудников вместе с ними самими, причем по факту возникнования реальных проблем. А не писать их в одиночку, причем «от балды».Обратная связь — нужна, а директивное управление по мелочам — вредно. Это очевидно для сотрудников, но пока редко применяется к ИИ-агентам.Подробнее в моей свежей статье:🔗 Как перестать микроменеджить ИИВы уже давно используете скиллы? Перешлите статью знакомым менеджерам, которые пока сидят в ChatGPT или китайских аналогах. Им точно будет интересно и даже понятно 😉#skills #инструменты

«И хочется, и колется», «Забить нельзя использовать» — это всё описывает агентные скиллы глазами обычного человека. До тех пор, пока он не научится создавать/оценивать/улучшать скиллы через ИИ и не прочитает этот пост до конца.➿➿➿Напомню: скиллы (Agent Skills) играют для агентов примерно ту же роль, что системные промпты играют для ИИ-ассистентов. И те и другие задают рамки, без которых неизбежны галлюцинации и общие слова вместо решений, нужных именно вам. Они также указывают модели, как использовать внешние инструменты.В сравнении с промптами скиллы: ⚫️ гибче и экономнее (загружаются в контекстное окно лишь когда об этом зашла речь в чате с агентом),⚫️ мощнее (например, могут содержать скрипты, а не только инструкции для ИИ),⚫️ с точки зрения работы в команде — легче шарятся, чем промпты.➿➿➿В марте я обещал вам способ вырастить продуктивность при работе с агентами. Кратко: тут нужно настроить процесс постоянного дополнения и улучшения своего набора скиллов, избегая ручных правок. А для этого удобнее всего использовать мета-скиллы:1️⃣Самое главное — skill-creator — базовый создатель и улучшатель скиллов, умеющий задавать вам вопросы, если контекста недостаточно. С ним вам больше не захочется писать скиллы (и cложные промпты) руками.2️⃣Но чтобы избежать ухудшения качества, вам нужен мета-скилл типа skill-judge. Это анализатор, выдающий оценки скилла по 10 критериям, объяснения и подробные инструкции о том, что можно улучшить. После этого напишите "улучшай" — и skill-creator это сделает. 3️⃣Также рекомендую свою находку — мета-скилл refine — он анализирует не сам skill, а реальные проблемы, возникшие у вас по ходу работы с ним. Это еще важнее соблюдения общих требований, о которых твердит skill-judge. Сам refine не идеален, но я адаптировал его под себя через refine (рекурсия, однако 😊)➡️ В общем, делюсь своей табличкой из десятка мета-скиллов и десятка других штук, которые делают работу со Skills намного эффективнее и приятнее Наверняка кто-то из вас использует и д

📱 Смотрите вкусный во всех смыслах доклад с апрельского митапа Кактус — «Как готовить правильный рецепт AI ROI» от Владимира Долгова. На видео:🟠Выбор ИИ-архитектуры, уровня точности и моделей🟠Канва поддержки решений, пирамида метрик🟠Метрики изменения поведения людей🟠Как считать ROI🟠Как управлять ожиданиями бизнеса и показывать эффектКак обычно, найти соответствующие кусочки можно по содержанию в описании видео:➡️Смотреть в YouTube➡️Cмотреть в RuTubeНа наших митапах это уже не первый доклад про оценку экономической эффективности и другие метрики внедрения ИИ (первый, второй). Но апрельский доклад — самый насыщенный конкретными "околоэкономическими" инструментами для руководителей.#видео #митап

Всё еще не смотрели книгу Oper8? 😉 Тогда послушайте авторов!Опубликована запись доклада с апрельского митапа Кактус. На видео:✅ Асхат Уразбаев объяснил проблематику и главные элементы методики Oper8.✅ А Серёжа Липчанский на примере из медицины рассказал, как это может работать в реальности. И объяснил свою техническую карту Oper8.➡️Смотреть в YouTube➡️Cмотреть в RuTube#видео #митап

📱Презентации с митапа 29 апреля — «Как внедрить ИИ так, чтобы это действительно работало». 🔹Обзор методики Oper8 — Асхат Уразбаев🔹Техническая карта Oper8 — Сергей Липчанский. Карта интерактивная: детали маховика кликабельны.🔹Как готовить правильный рецепт ROI — Владимир Долгов.Видео докладов будут на следующей неделе. Подписывайтесь на youtube-канал, чтобы не пропускать записи наших митапов.

🌵 Мы решили провести открытый онлайн-митап «Как внедрить ИИ так, чтобы это действительно работало» — и он уже завтра!Поговорим про системный подход к AI — без иллюзий, точечных экспериментов и «быстрых побед», которые не масштабируются. Этот разговор будет полезен, если вы:🔹отвечаете за процессы, продукты или трансформацию🔹уже запускаете AI-инициативы, но не видите устойчивого эффекта🔹хотите связать технологии с бизнес-результатами и ROIСпикеры и темы:1️⃣Асхат Уразбаев и Сергей Липчанский — Методика AI-трансформации (Oper8)• Как компании реально встраивают ИИ в процессы• Почему большинство инициатив не взлетает• Какие паттерны работают, а какие — нет2️⃣Владимир Долгов — Как готовить ROI для AI• Как связать AI-решения с бизнес-метриками• Подход к оценке и защите инвестиций• Практические инструменты: метрики, канва решений, работа со стейкхолдерами➖➖📅Среда 29 апреля в 18:30 мск🌐 Онлайн (Zoom)В фокусе — прикладные подходы, проверенные на практике. После докладов оставим время для вопросов и разбора кейсов участников.➡️ Записаться на митап

❗ Наконец-то мы это сделали: 📙Мы тут давно ничего не постили. Берегли ваше внимание. А может, просто писали книгу.Написали: Oper8 — про то, как внедрить ИИ в процессы компании так, чтобы это не выглядело как «прикрутил чат-бот к старому процессу и жду трансформации», а системно и методично, как мы любим и только мы умеем )). Берём один пример и тащим его через всю книгу: как выбрать процесс, собрать базу знаний, настроить автономию, протестировать и понять, работает это или вы себя обманываете. И отдельно — как перестроить процессы, когда люди вокруг не в восторге от перемен.Внутри: маховик данных, пять шестерёнок, четыре сдвига в мышлении, конкретные примеры — и почему 74% компаний не видят окупаемости от ИИ.Читается за час. Местами весело. Мы старались!➡ Здесь краткое описание методики и сама книга

Пока мы с @askhatu дописываем книгу о нашей модели Oper8, хочу поделиться парой инструментов оттуда. Конкретно — как мы выбираем процессы-кандидаты для иизации. У нас этот путь от «с чего начать» до «вот наш план» состоит из разных этапов process discovery, как технических, так и наших классических, воркшопизированных (мы же на этом в СкрамТреке за 20 лет собаку съели).Вот парой канвасов из воркшопов и хочу поделиться.1️⃣ Сбор и просеивание Собираем с командой процессы, которые болят или жрут время (там есть ещё часть про то, как выбирать эти процессы с точки зрения влияния на бизнес, но это надо рассказывать про четыре Сдвига, а это уже книжку пересказывать 🤪). Без фильтрации — просто вываливаем на стол, потом быстро изучаем каждый процесс и потом простой скоринг: - есть ли метрика, по которой однозначно поймём, что стало лучше? - насколько доступны данные? - легко ли встроить ИИ-решение в рабочий процесс? Ну и в конце, как всегда, у любого уважающего себя консультанта на любой случай жизни есть матрица 2x2 👔За 30-40 минут и благодаря волшебству фасилитации из 15-20 процессов остаётся 2-3 кандидата в пилоты. Очень много фантазий отсеивается на таком, казалось бы, простом инструменте.2️⃣ Глубокое погружение: service blueprint под AIПо оставшимся 2-3 процессам делаем service blueprint, заточенный под AI-специфику. Это уже детальный разбор:- как ходят данные (откуда, в каком формате, где хранятся)- какие решения принимаются и кем- где болит сильнее всего- какая AI-гипотеза на каждом шаге- какой уровень автономии реалистичен (от «ассистент» до «автопилот»)- и что может помешать (регуляторка, инфра, бюджет, ИБ 😈)На выходе — не абстрактное «внедрим AI в HR», а конкретика: вот этот шаг вот этого процесса идёт первым, потому что данные есть, эффект измерим и ограничений минимум. И рядом — план пилотов с приоритетами и ожидаемым эффектом. То, с чем можно идти к руководству и разговаривать цифрами.Оба канваса (для быстрого отбора и для глубокого погружения) выложил в откр

Как извлекать пользу из ИИ-новостейНа нас сыплются новости об ИИ-новинках, которые можно пробовать "здесь и сейчас". И это не только про готовые ИИ-инструменты, но и про расширения возможностей чатботов и агентов:🔵В 2023-2024 это были промпты и затем библиотеки промптов.🔵С 2025 — новости об MCP, которые создаёт всякий уважающий себя SaaS — от Notion до Figma.🔵В 2026 — вал новостей про конкретные навыки Agent Skills.Но проблема: невозможно пробовать сразу всё из новостей, что имеет отношение к нашей работе. Но с другой стороны: не попробуешь — не поймёшь, как это использовать... и уж тем более не вспомнишь, когда это будет действительно надо 🤷‍♂️.➿➿➿➿Вот компромиссная техника работы с такими новостями:1️⃣ В вашем любимом агенте (Claude Code, Codex, Cursor, Antigravity) заведите себе "Inbox" — проект для коллекционирования навыков (а также, возможно, MCP). Когда в новостях пролетает интересный навык, вы очень быстро добавляете его туда (КАК — см. в конце поста) и забываете до поры.При этом соблюдаете известное "правило двух минут", но все же навык у вас появляется не "в закладках", а в том виде, в котором его можно использовать. А поскольку навык — это текстовый файл, его несложно найти поиском по ключевым словам Cmd/Ctrl + Shift + F (в закладках ищется только по названию).2️⃣ При возникновении подходящей реальной задачи переносите папку навыка в реальный проект и там используйте. Если не понравилось — удаляете или дорабатываете с ИИ (говорите агенту в том же чате свою обратную связь с просьбой улучшить навык). В любом случае, из "Inbox" навык исчезает — там должно быть только непротестированное.➿➿➿➿Эта нехитрая стратегия "новость ➡️ inbox ➡️ реальный проект" дополняет каталоги для подбора skills под задачу: skillsmp.com, agentskills.so, agentskills.me, skills.sh.Думаю, что такие каталоги скоро перестанут быть нужны — как теперь уже не нужны каталоги промптов. Вы сами cможете не только быстро генерить все необходимые скилы с помощью Skill Creators (версия от Claud

📣 Уже завтра — прямой эфир с Асхатом Уразбаевым «Просто искать работу сложно». Конечно, это про ИИ 😊В первую очередь, эфир для проджектов, чью профессию ИИ меняет уже сейчас — планирует, трекает задачи, прогнозирует сроки... Что остаётся за живым проджектом? Обсудим во вторник 7 апреля в 12:00 МСК. Спикеры:🗣 Асхат Уразбаев — первый профессиональный Agile Coach в СНГ (с 2005 года). Сооснователь ScrumTrek и Кактус.AI. 🗣 Кира Кузьменко, рекрутер с 20-летним опытом в IT, фаундер международного рекрутингового агентства NEWHR, ведущая подкаста «Собес», автор курса про поиск работы Hello New Job!Обсудим:🔹 Как ИИ меняет роль проджект-менеджера — от планирования спринтов до управления командами🔹Какие навыки для проджекта выходят на первый план 🔹Как проджекту адаптироваться к новой реальности и не потерять ценность, когда рутину менеджмента забирает ИИ📆 Вт, 7 апреля • ЗАВТРА • 12:00 МСК↘️︎ Зарегистрироваться (запись будет доступна по этой же ссылке)↘️︎ Если вы в РФ и ссылка не открывается: альтернативная ссылка#вебинар #карьера

💲Три способа слить бюджет на AIЯ участвовал в 15+ AI-трансформациях. 4 из них провалились. И знаете, что объединяло все четыре?Ни в одной не было плохих AI-инструментов. Были плохие решения о том, ЗАЧЕМ и КАК их внедрять.Разберём три самых популярных способа потратить бюджет зря.➖➖➖➖1️⃣ Стратегия без аудита процессовКомпания решает: «Пора внедрять AI!». Пишется стратегия, нанимаются подрядчики, консультанты.Но на старте никто не замерил: какие процессы вообще стоит автоматизировать? Где реальная ценность, а где потери?Очень часто выбирают процессы для пилота по ощущениям. Автоматизируют, скажем, саммари встреч — выглядит эффектно на демо (жалко только что дальше "о, теперь не надо писать минутки" часто дело не идёт). А где-то там, неподалёку, согласование одного договора занимает 5 дней и 8 писем по кругу. Но это никто не замерил.Через полгода — красивая стратегия, три пилота, ни одна бизнес-метрика не сдвинулась.Что делать: сначала разберитесь в кандидатах на пилоты. Посчитайте, сколько времени и денег уходит на исполнение процессов, где ручная работа и где чаще всего ошибки. И только потом решайте, что автоматизировать.➖➖➖➖2️⃣ Инструмент без системыКупили AI-платформу, раздали всем. Через полгода 10% пользуются активно, остальные вернулись к привычному. Бюджет потрачен, метрики не изменились.Инструмент — это только часть внедрения. Результат даёт СИСТЕМА:инструмент + перестроенный процесс + обученные люди + метрики + обратная связь.Простой тест: если AI можно выключить и завтра ничего не изменится — это не внедрение.➖➖➖➖3️⃣ Оценка по демо, а не по реальной работеРуководителю показывают демо: за 30 секунд AI пишет контракт, анализирует отчёт. Выглядит убедительно, выделяется бюджет.Через 3 месяца выясняется — никто этим не пользуется.Потому что в демо нет нестандартных случаев, нет интеграции с вашими данными, нет обработки ошибок. А большая часть реальной работы — это именно нестандартные случаи.Решение принималось по идеальному сценарию, а работать AI должен в р

Почему чат-бот — это еще не внедрение AI (даже если он «работает»)Самый частый первый шаг компаний в «AI-трансформации» — запуск чат-бота. Для поддержки, для лидогенерации, для внутренних запросов. Логика понятна: это внедряется быстро, прогресс налицо, можно легко отчитаться руководству. Проблема здесь не в боте, а в том, что на нём всё обычно и останавливается.Бот закрывает свои 10–20% типовых обращений, снижает нагрузку на первую линию, все вроде бы довольны. Но сам процесс работы с клиентом при этом никак не меняется. Те же сотрудники делают ту же самую работу, просто часть рутины ушла в бот. Это автоматизация. Штука полезная, но это не трансформация.➖➖➖➖В чём разница?🔸 Автоматизация — вы берёте уже существующий процесс и ускоряете его кусок.🔸 Трансформация — вы пересматриваете сам процесс, учитывая ИИ.Простой пример с поддержкой клиентов.При автоматизации бот стандартно отвечает на FAQ, а живой оператор разбирает всю остальную очередь. При трансформации каждое обращение становится точкой данных. Система классифицирует причину, предсказывает сложность проблемы, подсказывает оператору оптимальное решение и кладет новый паттерн в базу знаний. Оператор из исполнителя становится архитектором качества. Он больше не «отвечает на тикеты», он калибрует систему, которая учится с каждым новым диалогом. Точка входа одна и та же — чат-бот. Но в первом случае ускорение старого процесса, а во втором — построение нового, который улучшает сам себя.➖➖➖➖📌 Три вопроса, которые отделяют одно от другого:🔸 После внедрения AI — ваш процесс стал быстрее или стал другим?🔸 Данные, которые проходят через систему, — теряются или используются для обучения?🔸 Люди, которых «разгрузили», — делают ту же работу быстрее или стали делать работу уровнем выше?Если на все три вопроса ответ первый — у вас автоматизация. Полезная, но с потолком эффективности.➖➖➖➖Вам тоже хочется более системного взгляда на AI-трансформацию? 👉🏻 Вступайте в канал https://t.me/openplaybookai, скоро там будет публи

📌Чтение на выходные: поможет осознать, что главное в вашей работе с ИИ и в работе ваших команд.➖➖➖Очень важно умение браковать результаты ИИ и указывать ему на конкретные проблемы, а отнюдь не умение молча и быстро править эти результаты. Именно в этом ценность человека: каждое его «нет» для ИИ опирается на экспертное чутьё, негласные правила профессии и лучшие практики команды/компании.Нейт Б. Джонс в своем видео показывает следующий шаг, про который пока мало кто говорит. Нужно не просто выявлять ошибки и формулировать ваши конкретные претензии к ИИ (добавлю: иногда претензии формулировать дольше, чем исправлять самому). 👉 Самое главное — нужно фиксировать эти ошибки и претензии так, чтобы это становилось контекстом для будущей работы с ИИ. Причем делать это без отрыва от той задачи, где возник неправильный результат ИИ.➖➖➖На уровне компании делать это еще важнееИменно регулярная фиксация ошибок с объяснениями «почему нет» превращает личное чутьё опытных сотрудников в масштабируемый актив всей компании. 🔹 Нейт приводит примеры компаний, где накопленные базы таких ошибок создают мощное конкурентное преимущество. У них так работало давно, но ИИ теперь ускоряет накопление и облегчает использование базы.🔹 Базы конкретных ошибок с объяснениями с помощью ИИ несложно обобщать до правил выполнения подобной работы. И это отличный способ передать опыт и чутьё от прежних сотрудников к новым.Добавлю, что это не единственный способ; более простой в реализации путь описан здесь.➖➖➖🔗 Подробнее читайте в статье-пересказе того самого видео#анализ #статья

❗️Как избежать самых дорогих ошибок при внедрении AI в компании?AI = здесь и сейчас, нужно уже вчера и далеко не только ChatGPT, поэтому во многих компаниях всё чаще звучит очень простой вопрос: «а что у нас с AI?»И когда ответа на него нет, у всех начинается не развитие, а суета:• кто-то срочно заводит доступ к ChatGPT• кто-то идёт к подрядчику за умным агентом• кто-то просит HR организовать обучение• кто-то делает красивую презентацию, чтобы показать движениеЛюди хватаются за всё и сразу, не понимая, с чего начинать, куда идти, и здесь рождаются странные решения👇• то покупают дорогую разработку там, где хватило бы простого инструмента• то, наоборот, ограничиваются «ну мы всем дали доступ, пользуйтесь»• то запускают пилоты, у которых нет цели и будущего.В этом и есть главная проблема – в компании появилась задача внедрить AI ещё вчера, а понятного маршрута по внедрению ещё нет.В итоге AI напоминает чемодан без ручки: дорого, тяжело, нести неудобно, а бросить жалко.➖➖➖➖AI в компании ≠ быть со всеми на одной волне, быть в тренде – это уже история про управленческую зрелость.Потому что когда сверху звучит вопрос «что у нас с AI?», от вас ждут не модных непонятных слов, а ответы на вопросы:❓где AI даст реальный эффект и улучшения в работе компании❓с чего начинать❓как не превратить всё это в дорогой хаосИменно в этот момент компании чаще всего допускают свои самые дорогие ошибки, когда задача уже горит, нужно ещё вчера, а чёткого маршрута нет.➖➖➖➖Этим текстом мы запускаем серию постов об осознанном внедрении AI.👉А вы пока поделитесь в комментариях, как у вас дела с внедрением?#внедрениеAI