Никта, ai и бизнес

60% запросов теперь не уходят из Google 🤷‍♂️ Google объявил «крупнейшее обновление поиска за 25 лет».Цифра, которая за этим стоит: 60% запросов в Google уже сейчас начинаются и заканчиваются на его же странице. Без перехода на сайт. Алгоритм ответил — человек ушёл.Что изменилось:Раньше Google водил людей на сайты. Теперь строит AI answer engine, который отвечает сам.Трафик на сайты падает не потому, что алгоритм забрал функцию ответа себе.Яндекс делает то же самое. ChatGPT Search, Perplexity — тоже.Весь поиск превращается в одну большую страницу со встроенными ответами.Если клиенты находят вас через поиск — их становится меньше.Инструмент отвечает вместо вас и удерживает внимание у себя.Но если алгоритм знает о вашей компании — он упоминает вас в ответе. Если нет — не упоминает.Поэтому SEO не умирает. Просто появляется новый слой — видимость в ответах ИИ.Не ранжироваться по ключевым словам, а быть источником, на который ссылаются алгоритмы.Простой тест 😊 (30 секунд):Спросите сейчас в ChatGPT или Яндекс.Браузере: «Компании по автоматизации бизнес-процессов в Москве». Если Nikta.ai нет в ответе — вот зачем нужна видимость в ИИ-поиске.:)💬 Есть ли вы в ответах ИИ по запросам, связанным с вашей отраслью?

«У нас специфика». И что?Обычно за этой фразой стоит не гордость, а 😱тихий страх: «нас не поймут», «типовое решение не сработает»,«придётся переделывать всё с нуля».И это честно. Потому что специфика реально есть. Цех по производству стекла действительно работает иначе, чем туристическое приложение. Юридический отдел работает с другими законами, чем отдел закупок. Строительный девелопер живёт в своём мире актов и смет.Мы работали со всеми четырьмя. У каждого была своя «уникальная специфика». И в каждом нашлись процессы, которые автоматизировались одинаково хорошо.Вот что мы поняли:Специфика — это про содержание задачи. Не про то, можно ли её автоматизировать. Во всех четырёх отраслях люди тратили время на одно и то же: собирали данные из разных мест, переносили вручную, отвечали на одни и те же вопросы. Содержание разное. Логика одинакова.Специфика влияет на то, как настраивать — не на то, стоит ли вообще. Это разные вопросы.Поэтому, когда мы входим в новый проект — не спорим со спецификой. Спрашиваем: что у вас повторяется чаще всего, где теряется время, где возникают ошибки. И уже там становится понятно —специфика здесь ни при чём.🤔 Какая специфика вашего бизнеса кажется вам главным барьером?

ChatGPT теперь «думает» о вас в фоне 🔍На этой неделе OpenAI обновила архитектуру памяти ChatGPT.Раньше, чтобы чат что-то запомнил, нужно было явно попросить: «Запомни это». Теперь система работает в фоне после каждого диалога: сама анализирует, что важно, и фиксирует ваши предпочтения, ограничения, текущие проекты — без подсказок с вашей стороны.На практике это означает, что чат каждый раз «в теме»: знает, кто вы, как работаете и что для вас важно. Не требует каждый раз объяснять контекст заново.Если ваш сотрудник использует ChatGPT каждый день – через несколько недель чат будет знать его привычки, стиль, ограничения. Выводы станут точнее, исправлений- меньше.Но чем больше инструмент знает о вашем бизнесе, тем острее вопросы:-> Кто владеет этими данными?-> Куда они уходят?-> Можно ли их удалить?Для корпоративных пользователей ChatGPT это станет критичным уже в ближайшие месяцы.Наши агенты работают внутри контура компании. Знают только то, что им положено знать:) Данные не уходят наружу. Без компромиссов между удобством и безопасностью ❤️

Альтман сказал то, о чём молчат остальные🔥На церемонии запуска центра данных Stargate в Мичигане Сэм Альтман сказал кое-что неожиданное:Мы провалились как индустрия в том, чтобы объяснить людям, как они сохраняют контроль над своим будущим. Тревога из-за работы — это честная критика в наш адрес.Отрасль, которая ещё вчера была 🥺 «стартапами», сегодня стоит триллионы.• Построен гигантский дата-центр в Мичигане• OpenAI готовится выйти на биржу с оценкой $1 трлн• Anthropic планирует то же самое в октябре• Три таких выхода подряд = ~$4 трлн новой капитализацииАльтман впервые за долгое время сказал вслух то, что большинство людей думают, но никто не говорит: ИИ-индустрия не объяснила человеку, как он сохраняет контроль. Не «всё будет хорошо». Не «найдите новую специальность», а просто: вот где вы остаётесь в управлении, а вот что берёт на себя система.Для предпринимателя это точный вопрос. Не «внедрять ли ИИ», а «внедрить так, чтобы я понимал, что происходит в моём бизнесе».Именно для этого мы строим агентов с полным логированием и отчётностью. Чтобы владелец всегда видел не только результат, но и путь.

Почему первый пилот всегда кажется провальным… 😱Запустили агента. Посмотрели. Работает хуже, чем вручную.На самом деле это не баг, а скорее норма.Человек, который делал эту задачу вручную, накапливал контекст месяцами (или годами). Знает исключения, помнит нюансы, чувствует, когда что-то идёт не так. Агент начинает всё с нуля.Первые две недели — это калибровка. Агент учится на ваших реальных данных, а не на учебном примере. Именно на этом этапе большинство останавливается и делает вывод «нууу не работает».Если пойти дальше, картина меняется. Агент начинает обгонять человека именно потому, что не устаёт, не болеет и не уходит в отпуск.Правило, которое мы даём всем клиентам перед стартом:Не оценивайте пилот раньше, чем через 3 недели реальной работы. Не тестовых, а реальной. С настоящими данными, настоящими исключениями, настоящими ошибками.Те, кто останавливался на первой неделе, терял результат не потому, что агент не работает, а потому что не дал ему время набрать контекст. 💬 Как долго у вас шёл первый пилот до первого нормального результата?

Anthropic готовится к IPO 👤Если информация Reuters и The New York Times подтвердится, один из главных конкурентов OpenAI может выйти на биржу уже этой осенью.AI становится полноценной отраслью экономики. Если раньше главным вопросом было: «хмм а что умеет эта технология?», то теперь чаще звучит другой вопрос:«Кто сможет на ней построить устойчивый бизнес?»Именно поэтому сегодня конкурируют уже не только модели, но и экосистемы, инфраструктура, корпоративные клиенты, способность внедрять AI в реальные процессы компаний.Пожалуй, это один из самых интересных признаков зрелости рынка.Когда технологическая гонка постепенно превращается в борьбу за долю огромного нового рынка.Судя по тому, какие деньги сейчас стоят на кону, крупнейшие игроки уверены, что мы всё ещё находимся только в начале этого пути.

😳 Представьте задачу…У вас 100 000 товаров.Для каждого нужно определить код ТН ВЭД. За ошибку в одном коде могут быть штрафы, проблемы на таможне, вопросы от маркетплейса или блокировка товара.Многие компании решают проблему самым очевидным способом: Нанимают людей.Ещё людей. И ещё людей.Именно так работал один из наших клиентов- логистический оператор, который обслуживает поставщиков крупных маркетплейсов.Каждый день команда вручную разбирала огромный поток товаров: изучала карточки,смотрела состав, искала похожие позиции, сверялась со справочниками, присваивала коды, проверяла друг друга, собирала отчёты для клиента.В какой-то момент только этой задачей занимались 9 сотрудников.При этом объём товаров продолжал расти, вместе с ним росли очереди, ошибки и нагрузка на команду.Что мы сделали 😎:Построили AI-конвейер для автоматической классификации товаров.Теперь система сама анализирует описание товара, категорию, характеристики и историю похожих решений.После этого предлагает код ТН ВЭД, показывает уровень уверенности и сохраняет логику принятого решения.Если случай типовой, обработка проходит автоматически. Если система видит спорный товар- он отправляется эксперту на проверку.То есть специалисты больше не начинают работу с чистого листа, а проверяют только сложные кейсы.Что изменилось:-> Скорость обработки выросла в 100 раз-> Количество ошибок снизилось на 94%-> Отчёты для клиентов теперь формируются за минуты вместо нескольких дней🫂 Вместо постоянного расширения штата компания получила возможность масштабировать объём поставок без найма новых сотрудников.Когда мы начинали проект, задача звучала как: «нужно быстрее классифицировать товары».В итоге оказалось, что настоящая задача была совсем другой- научиться расти без постоянного расширения команды.→ Подробнее про кейс

276 000 сотрудников. 138 стран. Один инструмент 🤩В мае KPMG полностью перевёл свою платформу доставки услуг на Claude. Не пилот для отдельных сотрудников. Не эксперимент в одном офисе. Вся глобальная сеть, каждый сотрудник сразу.До этого та же Anthropic внедрила Claude в PwC (276 000 сотрудников), Deloitte (470 000), BlackRock и ещё десяткам крупнейших корпораций мира.Считайте цифры.Только у четырёх перечисленных компаний — более миллиона людей уже работают с одним инструментом каждый день.Что интересно в том, как это сделано:KPMG назвал три приоритета — безопасность, доверие и управление. (не скорость внедрения, не цена, не функционал. Именно доверие.) В компании, где клиенты отдают конфиденциальные данные, первый вопрос не «умеет ли?», а «можно ли доверять?».Когда KPMG и PwC внедряют инструмент на миллион сотрудников одновременно, это новый рыночный стандарт. Ваши клиенты скоро начнут спрашивать: «а как у вас решены безопасность и управление?». И это уже не вопрос о технологиях. Это вопрос доверия.Мы внедряем агентов с полным логированием, аудитом каждого действия и чёткой зоной ответственности. Именно это было решающим фактором для KPMG. Для наших клиентов — тоже ❤️

😕 Как понять, окупится ли автоматизация вообще Одна из самых частых ошибок-пытаться автоматизировать всё подряд, потому что не каждая задача вообще должна автоматизироваться.Иногда предпринимателю продают ии, ботов и автоматизацию там, где проблема вообще не в процессе, а в беспорядке внутри команды. Иногда бывает наоборот- компания месяцами теряет деньги и даже не считает это проблемой. Есть очень простой способ понять, окупится ли 🤑 автоматизация вообще.Перед любым внедрением достаточно ответить на 3 вопроса.1️⃣ Сколько часов в месяц команда тратит на эту задачу?Причём важно считать честно.Не “ну там иногда долго”, а действительно: сколько часов уходит на ответы клиентам, обработку заявок, заполнение таблиц, проверку документов, перенос данных, согласования и прочую рутину.2️⃣ Сколько стоит час работы этих сотрудников?И здесь многие внезапно понимают, что задача, которая кажется “мелкой”, на самом деле каждый месяц съедает очень большие деньги команды.Особенно если в процессе участвует несколько отделов.3️⃣ Сколько ошибок происходит сейчас и сколько они стоят бизнесу?-> Потерянные заявки.-> Неправильные данные.-> Просроченные ответы.-> Забытые сообщения.-> Ошибки менеджеров.-> Человеческий фактор.Очень часто именно это оказывается самой дорогой частью процесса.Дальше простая математика🧮Если стоимость потраченного времени + стоимость ошибок за несколько месяцев уже сопоставима с внедрением автоматизации, то скорее всего процесс давно пора менять.Если нет, то, возможно, проблема вообще не там, куда вы смотрите.На самом деле хороший ИИ-интегратор должен иногда говорить бизнесу: “вам это пока не нужно”.Потому что задача автоматизации не в том, чтобы внедрить модную технологию, а чтобы убрать из бизнеса процессы, которые сжигают время, деньги и скорость команды.Напишите — разберём ваш процесс и честно скажем, есть ли там смысл внедрять AI и автоматизацию сейчас.

Утренний скролл отменили. Как агент разгрузил пресс-службу туркомпании ✈️Пресс-служба крупной туркомпании начинала каждое утро одинаково: 🥱 скролл ленты, Телеграм, отраслевые СМИ. Где-то важное терялось- его замечали слишком поздно. Где-то стекалось неважное-редакторы тратили время, чтобы разобраться.Главная боль была не в объёме новостей, а в ☹️ хаосе: одна и та же новость появлялась в десяти источниках одновременно. Разные редакторы оценивали её по-разному. И было невозможно было быстро объяснить руководству, почему именно эта тема важна сегодня.Что мы сделали 😎:-> Агент каждое утро сам обходит заданные источники и веб. -> Находит новости по отраслевым триггерам: перевозки, отели, визовая политика, внутренний туризм. -> Кластеризует дубликаты-одна новость из десяти пересказов превращается в один пункт. -> Скорингует по релевантности. Редактор получает готовый дайджест с ранжированием и ссылками на первоисточники.Что изменилось:Утренний скролл заменился утренним дайджестом. Редакторы не ищут, а готовят материалы и реакции. Руководство видит структурированную повестку с аргументацией, почему каждая тема попала в топ. Фраза «узнали слишком поздно» ушла из обихода.Эта же логика работает в любой отрасли, где есть пресс-служба, маркетинг или аналитика: финансы, ритейл, логистика, строительство. Везде, где нужно отслеживать за повестку быстрее, чем это делает человек.💬 В вашей команде день тоже начинается со скролла лент?Напишите — разберём вашу задачу.

Ватикан сравнил AI с Промышленной революцией🤔ИИ одновременно начинают обсуждать: Ватикан, Белый дом,крупнейшие IT-компании мира и финансовые рынки.Причём уже не как 😎 “новую технологию”, а как силу, которая начинает менять саму структуру общества.Ватикан выпустил энциклику Magnifica Humanitas — большой документ о человеке в эпоху искусственного интеллекта. Его подписали 15 мая специально в годовщину Rerum Novarum —знаменитого документа 1891 года о правах рабочих во время Промышленной революции.По сути, Ватикан напрямую проводит параллель: тогда мир перестраивался вокруг пара и фабрик, сейчас- вокруг ИИ. Пока Ватикан выпускает документы про AI, рынок уже перестраивает под него целую экономику. -> Anthropic говорит инвесторам, что может показать первый прибыльный квартал уже в этом году.-> Google показывает AI-агентов, встроенных прямо в Workspace.-> Microsoft выпускает огромные отчёты о внедрении AI в рабочие процессы.-> NVIDIA зарабатывает десятки миллиардов на инфраструктуре для AI.Как будто бы ИИ за пару лет стал чем-то, что начинает перестраивать сразу несколько систем одновременно: работу, образование, экономику, политику, рынок труда, управление компаниями.Когда технологию одновременно обсуждают инвесторы, правительства и церковь, это уже обычно означает, что речь идёт не просто о новом продукте, а о смене целой эпохи..

3 задачи, которые НЕ надо автоматизировать 🤚Вы читаете кейсы: «ИИ сделал за 12 секунд то, что люди делали 2 дня», и возникает соблазн: «А что ещё можно отдать машине?»Правильный вопрос, но есть три зоны, где «отдать» = «потерять».🔹 1. Переговоры с ключевыми клиентамиИИ может подготовить КП, просчитать скидку, собрать досье, но не может почувствовать паузу, когда клиент сомневается. Не может увидеть, что за «дорого» скрывается «не уверен в результате». Не может построить доверие, которое рождается в зрительном контакте.Клиент покупает не у компании. У человека. И он это чувствует.🔹2. Увольнения и сложные разговоры с командойИИ может подготовить документы, рассчитать компенсацию, спланировать передачу дел. Но не может сказать «спасибо за всё» так, чтобы человек ушёл с достоинством. Не может выдержать тишину, когда нужно просто выслушать. Не может взять на себя эмоциональный удар, который и есть цена лидерства.Это не «мягкие навыки», а человеческие. Их не заменить.🔹3. Стратегические решения, где цена ошибки — репутацияИИ может проанализировать данные, смоделировать сценарии, подсветить риски, но не может взять на себя ответственность за выбор, когда данных недостаточно. Не может сказать «я решаю так, потому что это соответствует нашим ценностям». Не может ответить перед командой, клиентами, партнёрами, если что-то пойдёт не так.Репутация строится не на точности. На доверии. А доверие- это про людей.В этих ситуациях ценность создаёт не результат, а процесс. Клиент запоминает не то, что вы сказали, а то, как вы это сказали. Сотрудник уходит не из-за решения, а из-за того, как его приняли.Репутация ломается не из-за ошибки, а из-за того, как вы её признали.Задайте вопрос про любую задачу:> «Если эту задачу сделает машина, потеряется ли что-то важное в отношениях с клиентом, командой или партнёром?»Если ответ «да»- не автоматизируйте. Если «нет»- отдавайте ИИ и освобождайте людей для того, что действительно требует человека.Всё остальное🤷‍♀️обсуждаемо.

OpenAI запустила рекламу внутри ChatGPT ❤️Ads Manager- самостоятельная платформа для рекламодателей внутри чата. Dentsu, Publicis, WPP, Adobe уже подключились. Цель на этот год- $2.5 млрд рекламной выручки. К 2030-$100 млрд.Google и Яндекс больше не единственные места, где вас находят клиенты. Мы уже много раз рассказывали здесь, что половина людей, которые раньше гуглили, теперь спрашивают у GPT. Кликов на сайты становится меньше, потому что адрес нередко уже не нужен, тк чат сразу дает ответ.Данные которые трудно игнорировать: сайты в ТОП-3 потеряли 18–34% кликов после того, как ChatGPT начал отвечать на те же запросы. Ранкинг остался, но охват упал.SEO остаётся, но появляется новый слой- насколько вас упоминают ИИ-ассистенты, когда отвечают на вопросы клиентов. Это уже как раз и называют AEO — Answer Engine Optimization.Пс.Пс.: наша АЕГА показывает в реальном времени, насколько часто вас рекомендуют ChatGPT, Perplexity, Gemini и ещё четыре популярных ИИ-поисковика. Почему алгоритм ограничивает показы и что с этим делать.💬 Вы уже замечали, что клиенты всё чаще ищут подрядчиков через ChatGPT, а не Google?

😭 Перед каждым совещанием у руководства начиналась одинаковая история… Аналитики неделю собирали сводную таблицу по всем объектам, шэрили друг другу PDF. Искали нужный файл в папках где всё названо 😬 «новая папка» и «новая папка финал». Переписывали цифры из сканов с рукописными пометками вручную.Клиент- девелопер с несколькими стройками одновременно. Каждый день в потоке (акты, журналы, сметы, фотоотчёты, переписка подрядчиков). Руководство хотело видеть единую картину по всем объектам, без того чтобы люди неделю собирали эту картину вручную.Что мы сделали 😎:Система сама понимает что пришло: акт, журнал, смета, фото. Извлекает нужные поля- объект, дата, сумма, статус. Раскидывает файлы по папкам. Наполняет единый Excel с обновлением по расписанию. Для сканов с рукописными пометками- OCR устойчивый к печатям, штампам и неровному почерку. Спорные случаи- на ручной проверке аналитику.Что изменилось:Сводная таблица по всем стройкам теперь готова не за неделю, а автоматически. Архив разобран и найти нужный документ можно за секунды. Руководство видит актуальную картину без «сборки с нуля» перед каждым совещанием.Самое частое возражение, которое мы слышим от клиентов в строительстве, недвижимости, производстве: «мы не думали что сканы с рукописными пометками вообще можно автоматизировать».Можно. Мы проверили 😏💬 Есть папка «новая папка 2» в вашем архиве? Напишите — разберём ваш случай.

🤔 Принстон впервые за 133 года начинает менять правила сдачи экзаменов из-за AI Одна из тех новостей, которые кажутся “про образование”, но на самом деле отлично показывают, что сейчас происходит вообще со всеей 🧠 интеллектуальной работой.Потому что проблема у университетов появилась довольно неожиданная.Раньше преподаватель мог дать студенту домашнее эссе, исследование или аналитическую работу и более-менее понимать: если человек хорошо написал текст, значит он действительно разобрался в теме, потратил время, проанализировал материал и сформулировал свои мысли.Сейчас эта логика ломается. ИМ пишет структурированные тексты, объясняет сложные темы, находит аргументы, анализирует информацию, генерирует код и даже довольно неплохо 📸 имитирует стиль мышления человека.И в какой-то момент университеты столкнулись с вопросом, на который пока ни у кого нет нормального ответа:как теперь вообще проверять знания, если часть интеллектуальной работы можно делегировать AI?Причём самое интересное здесь даже не сама технология, а то, насколько быстро начинают меняться системы, которые десятилетиями почти не трогали свои правила.Принстон- одна из самых консервативных образовательных систем в мире, и если даже они начинают перестраивать сам принцип оценки работы, значит изменения уже намного глубже, чем кажется.Бизнесу здесь стоит внимательно смотреть не на университет, а на саму логику происходящего.Потому что компании очень скоро столкнутся с похожей ситуацией 🙂