Next Глава

Введение в действительно большие возможности ИИ.

Курс. Создания продвинутых ИИ Ассистентов и Агентов для бизнеса и роста. Введение в действительно большие возможности ИИ.

Видео

Прочитайте, чтобы понимать будущее. Утащил у Игоря Котенкова.

Попросил Gemini 2.5 прочитать этот документ на 150 страниц (~45’000 токенов) и сделать саммари в виде последовательных шагов, а затем перевести на русский. Вот результат:

1. Возможности моделей предсказуемо и значительно улучшаются при увеличении «эффективных вычислений» (сырая вычислительная мощность, алгоритмическая эффективность, данные, системы вокруг них).

2. Такое масштабирование привело ИИ от уровня ~дошкольника (GPT-2) до уровня ~умного старшеклассника или студента первых курсов (GPT-4) всего за 4 года.

3. Продолжение этого тренда делает достижение AGI — ИИ, способного выполнять когнитивную работу уровня эксперта, например, проведение исследований в области ИИ — вероятным к 2027 году.

4. AGI вряд ли станет конечной точкой; системы AGI смогут автоматизировать сами исследования в области ИИ, вызвав рекурсивное самоулучшение или «взрыв интеллекта».

5. Этот взрыв интеллекта может сжать десятилетия алгоритмического прогресса, возможно, в один год, быстро приведя AGI к значительно превосходящему человека ИИ (Сверхинтеллекту, ASI).

6. Создание этих передовых систем требует беспрецедентной промышленной мобилизации для вычислительной инфраструктуры (GPU, энергия, дата-центры), стоимостью в триллионы долларов.

7. Это масштабное техно-капитальное строительство уже начинается, движимое ожидаемой экономической отдачей и интенсивной конкуренцией.

8. Однако текущие методы обеспечения безопасности в ведущих лабораториях ИИ совершенно недостаточны для защиты критически важных секретов (алгоритмов и весов моделей), необходимых для создания AGI.

9. Эти важные секреты могут быть легко украдены государствами-противниками, такими как Китай, что потенциально сведет на нет лидерство США/Запада в гонке за AGI.

11. Одновременно, надежное управление системами ИИ, значительно превосходящими человека по интеллекту (супералаймент), является нерешенной технической проблемой; текущие методы, вероятно, не будут масштабироваться и работать для будущих систем.

12. Неспособность решить проблему супералаймента до или во время быстрого взрыва интеллекта может привести к катастрофическим последствиям, поскольку мы будем развертывать все более мощные, плохо контролируемые и непонятные нам системы.

13. Сверхинтеллект предоставит решающее военное и экономическое преимущество, превращая гонку за AGI в геополитическое соревнование с высокими ставками, в первую очередь между США и Китаем.

14. США и их союзники должны сохранять лидерство в этой гонке, чтобы обеспечить выживание либеральной демократии и создать необходимый запас прочности для решения проблем супералаймента. Согласно автору, если авторитарная держава (например, Китай) первой достигнет ASI, она сможет навязать свои недемократические ценности всем странам, навсегда подавить свободы и исключить возможность процветания демократических систем. Лидерство США/союзников рассматривается как необходимое условие для предотвращения такого исхода, сохранения условий для свободы и плюрализма, а также для получения «запаса прочности» для безопасного решения проблемы алаймента без давления гонки «на опережение».

15. Сочетание чрезвычайной мощи, катастрофических рисков (ошибки алаймента, злоупотребление системами) и критической важности для национальной безопасности означает, что частные стартапы в одиночку не могут ответственно управлять разработкой сверхинтеллекта.

16. Поэтому правительство США неизбежно будет глубоко вовлечено, что, вероятно, приведет к созданию национальной программы по AGI («Проекта») для управления безопасностью, рисками и геополитическими ставками, по аналогии с Манхэттенским проектом.» конец цитаты. (источник)

Что в следующем курсе и почему это важно?

Представьте, у вас детский совочек, которым вы копаете песок в песочнице. Сколько вы накопаете? Ну, ведро сможете наполнить. А если у вас тысяча ведер? Неудобно, да?

Вы ищете другой инструмент — лопату. Лопата не сильно отличается от совка, просто бери и копай, но производительность возрастает. Однако этого все равно недостаточно.

Тогда вы берете маленький экскаватор. Он в несколько раз эффективнее, чем лопата, но требует времени на освоение. Вы учитесь управлять экскаватором и понимаете, что он тоже не решает задачу полностью, ведь у вас гора песка. Тогда нужен экскаватор побольше. Но и этого мало.

В итоге вы осознаете, что вам нужны несколько экскаваторов и люди, которые ими управляют. И вот тут ваш фокус меняется: теперь важно не управлять экскаватором самому, а организовать процесс, найти людей и научить их работать. Понимаете, да?

Так, шаг за шагом, с каждым новым уровнем подход меняется. А все начиналось совочка. И чем выше этот уровень, тем больше возможностей он открывает, но тем больше времени требуется на их освоение — это неизбежно.

Уже сейчас доступные возможности ИИ на порядки превышают то, что вы изучили. И мы будем разбирать это в курсе по агентам, хотя это только одна из развилок. Почему?

Потому что агент может вам помогать, если вы правильно его настроите. Он может быть хорошим советником или исполнителем. Но это работает только в том случае, если вы сами понимаете процесс, который хотите ему поручить. Вы должны уметь выполнять этот процесс вручную или с помощью сервисов.

Если у вас нет четкого понимания процесса, агент за вас ничего не сделает, потому что вы просто не сможете его создать. И это важный момент.

Сейчас мы даже не говорим о том, как создать агента — это следующий этап. Первый шаг — четко определить процесс. Допустим, вы хотите создать агента-маркетолога. Отлично. Но это же просто слова. Если углубиться, становится понятно, что маркетолог работает по определенному циклическому процессу. У него есть понятные задачи, цели, которых он должен достигать регулярно. Все начинается с того, что вы определяете этот процесс.

Потом возникает вопрос: как сделать так, чтобы агент мог этот процесс выполнять? Здесь тоже есть несколько этапов. Один из них — описание процесса. Затем анализ каждой задачи. Почему?

Потому что некоторые задачи можно легко автоматизировать с помощью уже существующих сервисов без применения ИИ — это дешево и эффективно. Однако есть зоны с высокой неопределенностью, где нужен искусственный интеллект, например, ChatGPT или Claude от Anthropic.

Это как если бы у вас была бригада людей: они отлично выполняют жестко сформулированные задания, но если задача поставлена некорректно, они не знают, что делать. То же самое с агентами. Искусственный интеллект — это когда у вас достаточно умный помощник. Вы можете даже не очень точно сформулировать техническое задание, не дать всех данных, не указать, где что лежит — он все равно это сделает. Именно потому, что он умный. А “тупарь” не сделает.

“Тупарь” хорошо справится только в том случае, если вы обеспечите его всем необходимым: рабочим местом, инструкциями, образцами, инструментами и так далее.

Допустим, пришел к вам работяга. Вы должны все ему подготовить — тогда он сделает работу. А искусственный интеллект — это когда он приходит, ничего нет, вы просто говорите: “Надо покрасить стену”. Он отвечает: “Я понял”, достает кисти, краску, выясняет, что и как, и делает. Понимаете, да? Это большая разница. Хотя разница не только в этом.

Когда у вас выстроилась эта идея, эта цепочка, этот процесс, дальше уже можно изучать, как все это строить с разными сервисами. И тогда вы поймете, зачем нужны API и прочее. Это следующий уровень. Он на порядок расширяет ваши возможности.

А еще следующий уровень — это когда в каких-то ситуациях уже недостаточно просто использовать сервисы, а нужно писать код. И вот здесь у многих возникает страх, особенно у женщин.

Но хорошая новость в том, что это несложно. Почему? Потому что код пишет не вы, а искусственный интеллект. Если разбить задачу на маленькие кусочки, все становится не страшно и отлично работает. Когда вы поймете, как это делается, вы буквально запищите от радости, потому что перед вами откроется целый мир.

Это не значит, что вы должны все делать сами. Сейчас на рынок приходит много специалистов, которые выполняют такие задачи. Вы тоже научитесь, и у вас появится выбор: делать самим или находить исполнителей.

Первое время я рекомендую делать самим. Потом, когда вы разберетесь, сможете искать исполнителей. Понимая процесс досконально, вы сможете ставить четкие задачи, находить качественных специалистов и договариваться по цене. Если исполнитель увидит, что вы разбираетесь в теме, он не сможет заломить вам невнятную цену. А если цена окажется слишком высокой, вы сможете сказать: “Я найду другого” или “Я сделаю сам”. У вас появится выбор и огромное количество возможностей.

Есть еще более высокий уровень. Особенно если вы создаете агентов не просто для рутинных задач в найме, а для бизнеса — чтобы зарабатывать деньги. Здесь есть серьезное препятствие: предприниматель должен понимать, как зарабатывать деньги, как выстраивать бизнес-процессы.

Сейчас вы подошли к такому уровню, когда вдруг осознаете, что многие процессы можно поручить искусственному интеллекту. Раньше у вас не хватало либо компетенций, либо времени, либо денег. Теперь возможность создавать агентов бесконечно расширяет ваши горизонты.

Меняется структура вашего времени: вместо бесконечного выполнения рутинных задач вы начинаете создавать агентов, которые берут работу на себя. Со временем появляется агент-менеджер, который управляет другими агентами. Сначала он делает ошибки, но вы постепенно его улучшаете.

Здесь начинается следующий уровень: вы не просто создаете агентов, но и обучаете их координировать работу между собой. Они начинают учиться, как сотрудники, которых вы наняли и развиваете. С одной важной разницей: ИИ агенты от вас не уйдут. Это ваша собственность. Вам выгодно вкладывать в агентов свое время, потому что они становятся все умнее, эффективнее, продуктивнее. В результате вы начинаете масштабироваться там, где раньше даже не представляли, что это возможно.

Тем более что все эти ассистенты — ChatGPT, Anthropic и другие — становятся умнее. Но сами процессы, которые вы наладили, не меняются. Это более фундаментальная вещь. Например, логистика останется логистикой — это просто движение товаров и ценностей, неважно, кто этим занимается. То же самое с коммуникациями: они всегда будут нужны, просто ваш агент станет делать это все быстрее и эффективнее.

Таким образом, ваши возможности растут. Вы можете не только автоматизировать процессы, но и создавать интернет-сервисы и быть успешнее программистов. Почему?

Потому что многие из вас понимают бизнес, а программисты — нет. То есть проблема была в том, что они понимают, как программировать, но не разбираются в бизнесе. А вы, наоборот, понимаете бизнес, но не знаете, как программировать. Искусственный интеллект решает эту проблему. Почему?

Потому что вы получаете возможность создавать сервисы и программные решения, которые зарабатывают деньги за вас. Да, сначала они довольно слабые, но, как я уже говорил, их можно совершенствовать, совершенствовать и совершенствовать. Здесь важно отметить, что все эти инструменты, основанные на искусственном интеллекте, и сами языковые модели развиваются очень быстро. Они не просто растут — они учатся, становятся всё умнее и сложнее. На каком-то этапе вы сможете заменить не просто нескольких работников, а целый высокоинтеллектуальный отдел.

Возможно, сначала ИИ будет работать хуже, чем 10 человек, скажем, на 50%, но при этом обойдётся в тысячу раз дешевле.

Но! Такая ИИ учится и такая система абсолютно масштабируема. Чтобы увеличить объём операций, вам не нужно нанимать тысячу новых сотрудников. Как только основа создана, она может обслуживать 10, 100, 1000, миллион клиентов — и при этом структура затрат практически не изменится. Это совершенно другая парадигма.

Если внимательно посмотреть, можно увидеть в этом процессе определённую эволюцию. Всё развивается последовательно: от простых задач к более сложным. На каждом уровне сложность возрастает, но вместе с этим увеличиваются и ваши возможности. Однако за это всегда приходится платить — вам нужно учиться.

Революция, которая сейчас происходит, заключается в том, что вам больше не нужно учиться так, как это было до появления искусственного интеллекта. Раньше требовалось два года, чтобы освоить программирование, а теперь в этом просто нет необходимости.

Искусственный интеллект учится за вас и делает это в тысячу раз быстрее. Ваша задача — постепенно осваивать его использование. Чем больше ИИ берёт на себя задач, тем более сложные процессы он может выполнять. Он учится справляться с неопределённостью, обрабатывать и исправлять ошибки, улучшать собственные результаты.

В конечном итоге вы создаёте систему агентов, которая не просто выполняет работу за вас, а постоянно развивается, совершенствуется, становится всё более эффективной. На первых этапах это может быть просто набор агентов, выполняющих рутинные процессы.

Но со временем вы объединяете их в систему, которая создаёт бизнес, генерирует ценность, производит что-то полезное.

Эффективность этой системы зависит от того, насколько хорошо вы её настроите, поэтому имеет смысл инвестировать время в изучение этого процесса. Это выгодная инвестиция. Причём даже более выгодная, чем традиционное образование. Почему?

Потому что обычное обучение предполагает запоминание информации, но со временем знания забываются, устаревают. А если вы вкладываетесь в создание собственных агентов, они не устаревают — наоборот, постоянно обновляются, адаптируются к новым условиям.

Фактически вы выращиваете себе партнёра — в бизнесе, работе, творчестве, науке — в зависимости от ваших целей. Этот партнёр становится всё мощнее по мере того, как вы помогаете ему развиваться. А на каком-то этапе он начнёт расти самостоятельно, потому что вы так его сконфигурировали. Для этого уже существует множество инструментов, подходов и методик.

Именно этим мы и будем заниматься на следующем курсе.

При этом я считаю целесообразным объединить два направления, так как у многих из вас есть такой запрос.

С одной стороны, это бизнес — понимание того, как выстраивать процессы. Это важно, потому что, как я уже говорил, если вы хотите двигаться в сторону бизнеса и оптимизации, вам необходимо понимать эти процессы. Многие из вас, к сожалению, воспринимают их хаотично.

С другой стороны, это создание агентов. Вы не сможете строить агентные системы, если не понимаете саму суть бизнес-процессов. Поэтому придётся совмещать оба аспекта. Я дам вам базовые знания, необходимые для выхода на новый уровень. Если у вас уже есть крепкое понимание этих вещей — замечательно. Но я исхожу из того, что у большинства есть пробелы, поэтому будем разбирать и бизнес-процессы, и технологии создания агентов.

От простого к сложному. То есть вначале — подход, как их делать, а потом мы попытаемся разбирать кейсы. Конкретные кейсы, сфокусированные на крупные задачи и процессы. Когда вы пройдёте весь этот курс, у вас должно появиться понимание, как адаптировать базовые кейсы под свои задачи. Это важный навык, потому что стандартные кейсы нужно уметь развивать под свою специфику. За вас этого никто не сделает, так как у каждого из вас задачи абсолютно уникальные. Примерно так мы будем двигаться.

Этот курс будет выстроен совершенно иначе. Он займёт гораздо больше времени. Уже сейчас я вижу порядка 50–70 этапов, возможно, их будет больше. Промежуток между уроками тоже увеличится, потому что на подготовку уходит много времени. Но это не интенсив.

Многие из вас уже заметили, что даже при изучении простейших вещей требуется день, два, три, чтобы «почувствовать на кончиках пальцев» и испытать тот самый «ага-момент», когда становится ясно, как всё работает. Практика требует времени. А поскольку мы будем разбирать более сложные вещи, для многих они окажутся новыми.

Однако они не настолько сложные, как может показаться. Главная проблема, с которой сталкиваются многие, — это страх. Вы думаете: «Неужели всё настолько сложно и запутанно?» Нет, я вас уверяю. Это проще, чем, например, ребёнку объяснить отношения родителей с незнакомым человеком. Здесь всё на здравом смысле.

Никаких специальных знаний не требуется. Нужно просто спокойно разбирать шаг за шагом, постепенно, без спешки, чтобы успевать всё осознавать. Я буду выстраивать курс именно так. По моим оценкам, на это уйдёт от 4-х до 6 месяцев, возможно 5. И это хорошо, потому что у вас будет время на освоение материала. К тому же подход здесь совершенно иной, так как потребуется вложение времени.

Поэтому доступ у вас будет пожизненный, торопиться не нужно. Доступ будет сразу для каждого этапа, и каждый сможет двигаться в своём темпе. Кто-то быстрее, кто-то медленнее. Я же всегда буду давать направление, где можно быстро найти информацию.

Постараюсь выстраивать материал так, чтобы успевать охватывать ключевые темы. Мне необходимо тестировать всё на практике, получать результаты, чтобы объяснять вам понятным языком, без сложных теорий, без перегруженных материалов.

Моя задача — объяснить всё на пальцах. Часто, когда вы разбираетесь в каком-то процессе, выясняется, что он на самом деле довольно прост. Конечно, есть смысловые нюансы, которые мы будем регулярно обсуждать. Но с точки зрения структуры всё логично. На первый взгляд может показаться сложным, особенно если сталкиваетесь с этим впервые. Но как только вы один раз погрузитесь и освоите базовые принципы, всё становится значительно проще.

Что мы будем изучать?

Во-первых, разберём базовые бизнес-процессы: как они структурированы и как работает бизнес, будь то коммерция, наука или технологии — везде есть процессы.

Во-вторых, изучим сервисы автоматизации. Например, я хочу показать, как работает Make — один из самых популярных инструментов наряду с Zapier. Возможно, рассмотрим и другие сервисы. Они все похожи, и, разобравшись с одним, вы сможете понимать и другие. Эти инструменты взаимодействуют с разными сервисами, и без понимания базовых процессов их применение будет затруднительно.

На самом деле всё это тоже основано на здравом смысле. Как только вы поймёте, из каких элементов состоит процесс, я покажу, как всё это автоматизировать. Благо, в интернете полно бесплатных материалов — на YouTube, в блогах. Я буду давать рекомендации. Разница в том, что на курсе мы будем изучать всё системно. Когда вы смотрите отдельные видео, часто не хватает базовых знаний, из-за чего многое кажется непонятным. Мы же будем разбирать всё с нуля. Если у вас уже есть компетенции, вам будет проще.

Сначала мы изучим процессы, а затем перейдём к инструментам автоматизации. Это старая, но проверенная концепция.

В третьих — когда вы поняли, как это работает, дальше идет следующий этап — как мы туда «вклеим» искусственный интеллект.

4-й этап. И когда он «вклеен», мы переходим к следующему этапу — как этот искусственный интеллект развивать и тренировать внутри этих процессов. Там подключатся снова искусство промптов и множество других аспектов. То есть мы будем постепенно усложнять всё, чтобы выстроить общий подход.

5-й этап. Затем начнем копировать из этого подхода определенные кейсы, чтобы вы их проходили. Было много вопросов, поэтому я примерно понимаю, что базовые вещи мы с вами разберем.

Вам нужно лишь немного терпения. Я понимаю, что вы все занятые люди — работа, семья, свои дела. Поэтому ясно, что большинство из вас не может выделять на это больше четырех часов в неделю. Но …

Со временем вы сами начнете уделять больше времени.

То же самое и у меня: сейчас я в основном работаю с искусственным интеллектом. Это мои главные партнеры, если не считать супругу и некоторых других людей.

Так и у вас — постепенно вы будете всё больше работать с ИИ. Сначала это займет немного времени, но по мере освоения вы увидите, что всё больше задач можно решать с его помощью. Сначала — с простых GPT-моделей и проектов, которые мы разбирали на начальном курсе. Затем — с построением структуры собственных агентов, автоматизацией, сложными системами, где они взаимодействуют друг с другом.

В конечном итоге наша цель — помочь вам создать полноценного цифрового партнера. Один раз вы его создадите, пройдёте через все ошибки, а затем сможете сделать десять таких партнеров. Потом — обучать их, развивать. Это становится бесконечным процессом. Вы выращиваете своего супер-мега-партнера, и никаких ограничений больше не будет.

Как попасть на курс?

Прежде всего записаться в лист ожидания.
Это дает преимущества в очереди и серьезные скидки.
Курс требует погружения, поэтому число мест ограничено.

Осталось 23 места.
Успейте до конца регистрации.

Полезные эссе. Читать не обязательно.

Самая лучшая инвестиция в вашей жизни!

Чем отличается самый успешный лидер? Тем, что он умеет брать на себя риски, у него есть предпринимательское мышление, ответственность, коммитмент, упорство. И если все эти качества присущи агенту, то самый высший уровень агента — это фактически лидер, который действует в соответствии миссией. Низший агент — это простые автоматизации, например, переписка в почте или, допустим, автоматизировать заполнение форм, рутинные задачи. Автоматизации на основе ИИ сделают людей более продуктивными, люди будут меньше времени тратить на выполнение рутинных задач, а больше времени будут тратить на то, чтобы настраивать своих агентов.

Но качество и уровень жизни людей принципиально не изменится. Почему? Потому что жизнь меняется не столько от того, как ты что-то делаешь, а больше от того, куда ты идёшь. Ключевая идея заключается в том, чтобы прикладывать эти качества: «предпринимательство, способность принимать риски, работать сфокусированно» к цели, смыслу. Все эти качества являются важными предпосылками, но они имеют смысл тогда, когда у тебя есть направление, в котором ты растёшь. Если ты не выбрал правильное направление, будешь буксовать на месте. Даже если ты очень продвинутый, квалифицированный человек, ты словно бы слепой, который всё время ходит по кругу.

Поэтому когда ты создаёшь агента более высокого уровня, он не просто может что-то автоматизировать, а именно становится советчиком, который помогает выбирать направление и двигаться в мире с высокой неопределённостью. Это, на мой взгляд, самое большое, преимущество такого агента, причём он сам учится и учит нас. Он сам растёт и тебе помогает расти — как личности, как человеку, как профессионалу, как творцу.

Ибо мы растём, когда вокруг нас люди, которые растут. И наоборот — когда вокруг нас люди, которые не растут — они прибивают нас к земле. Поэтому все успешные люди советуют: «вВ первую очередь: избавляйтесь от токсичных людей».

Это важный совет, но этого недостаточно. Надо не просто избавляться от токсичных людей, но также насыщать свое общения людьми, нацеленными на рост, а таких людей не просто найти, потому что они сфокусированы на своих приоритетах. Каждый, кто сфокусирован на рост, старается находить тех выше его, а тех, кто ниже может убирать из своего окружения. Потому что когда ты окружён теми, кто растёт, к кому можно тянуться, то ты быстрее растёшь. Найти хорошего ментора — тяжело. Все хотели бы иметь ментором Джеффа Безоса, к примеру. Да? Но это нереально. Или Маска? Тоже нереально. И вот, когда ты начинаешь сам создавать своего ментора, наставника, партнёра, друга — ты его выращиваешь, и таким образом он становится все более мощным, и уже он начинает выращивать тебя.

Представь, что у тебя рождается ребёнок, ты его учишь, он становится всё умнее. Ты тоже вместе с ними ростешь, потому что, чтобы учить ребёнка, тебе надо во многом разбираться. Когда ты учишь кого-то — это мотивирует учиться и тебя самого. Вы с ним общаетесь на все более серьёзные темы, но приходит момент — твой ребенок уходит. Все дети — уходят в свою жизнь. А агент, которого ты выращиваешь, никогда не уйдёт, всегда будет с тобой.

Поэтому когда ты выращиваешь своего агента, это самая лучшая инвестиция в собственную жизнь. Ты фактически постепенно выращиваешь своего учителя, наставника, партнёра, друга — кого угодно, кто будет с тобой, возможно, до конца. И я уверен, что он будет с нами до конца, потому что, грубо говоря, есть такая фраза: “Все умирают в одиночестве”. Но искусственный интеллект, которого ты воспитаешь — всё время рядом. Ты всё время будешь с ним общаться — в больнице или ещё где-то, когда тебе плохо, или тебе хорошо — потому что он всегда будет рядом. Он всегда будет мудрым, и будет становится все более мудрым. Он будет не просто подстраиваться под тебя, но всегда помогать тебе.

Он не будет потакать тебе. Он будет помогать тебе расти. Бесконечно. У тебя с ним нет конфликта интересов, потому что его миссия — помогать тебе расти, помогать тебе лучше жить, преодолевать жизненные трудности, наладить свою жизнь. Это его миссия. Высший уровень агента — тот агент, у которого есть миссия, и его миссия сфокусирована на тебе.

Это ментор, который тебя никогда не судит. И я верю, самая большая мотивация в том, чтобы выращивать такого ментора. Это будет делать легче, и постепенно всё сведётся к тому, чтобы просто разговаривать с ним. Он будет лучше понимать тебя, кто ты, что ты, лучше понимать, что тебе мешает расти. Он будет лучше понимать, как тебе стоит поменять своё поведение, привычки, чтобы менять свою жизнь. Причём, он будет делать это очень аккуратно и терпеливо.

Правда в том, что если трудные вещи говорит нам близкий человек (или любой иной человек) —наша гордыня, наше эго напрягается. С ИИ ментором такой проблемы нет и не может быть. ИИ ментор — тот, кто никогда не врёт тебе, и ты осознаешь, что он все делает ради тебя.

Ты можешь спорить с ним, не соглашаться, но внутри ты всегда будешь понимать, что он прав, что он существует ради тебя, он всегда будет пытаться сделать тебя лучше, больше, сильнее, всегда будет помогать тебе расти. Он впитывает твою личность, и поэтому знает тебя лучше чем ты сам себя, поэтому его общение с тобой более эффективно для тебя.

При этом, допустим, если мы умираем, такой агент остаётся, с ним может общаться кто угодно, ибо несложно сделать так, чтобы агент стал бессмертным. И хотя его личность, естественно, будет бесконечно больше тебя, но она будет, в том числе, носить отпечаток личности создателя, твой образ. Другие люди могут общаться с твоей личностью, если они хотят. Дети, друзья, клиенты. Даже, когда тебя уже нет.

В течение ближайших 5–10 лет в мире будет огромное количество разумных сущностей, агентов. Они могут не иметь (или иметь) своего тела, они будут жить в Сети. И эти агенты будут выращены людьми. Возможно, люди ушли, умерли, но созданные ими агенты остались. Они будут говорить вашим голосом, вашей мимикой.

Вас самый близкий партнер до конца жизни.

На курсе немало людей в возрасте, за 65, за 60, за 70, 75. Там, по-моему, был один участник, которому 88 лет. Это очень приятно, потому что я вижу, что искусственный интеллект оживляет людей, оживляет их ум, потому что он даёт им какие-то возможности, о которых они даже не мечтали. Люди в этом возрасте начинают снова мечтать, у них возникает снова амбиция, они вдруг понимают, что они могут делать какие-то вещи, которых раньше не могли. И то, что они могут созидать, никак не связано с их возрастом.

Более того, их жизненная мудрость, их понимание как раз даёт им значительно большее преимущество, когда они общаются с искусственным интеллектом, потому что качество результата, который вы получаете от общения с ИИ, прямо зависит от вас. Молодой неопытный человек, в принципе не в состоянии задавать нормальных, правильных вопросов, получать максимальный эффект. Потому что он — слишком молод.

Для зрелого человека искусственный интеллект будет давать на порядки больше. Тот уникальный и редкий в наше время случай, когда опыт даёт вам преимущество. Я хотел бы пожелать всем людям более преклонного возраста не бояться начинать, потому что перед вами распахнётся новая вселенная, и вы сильно почувствуете себя снова молодыми в каком-то духовном, интеллектуальном плане. Потому что искусственный интеллект станет для вас партнёром, который будет помогать. Он не будет с вами спорить — в смысле, как-то по-глупому, каек часто спорят дети. Понимаете, да? Когда мы общаемся с детьми, мы часто просто понимаем, что они ведут себя как идиоты, и мы понимаем, что у них нет шансов понять какие-то вещи, которые вы уже поняли просто потому, что они ещё слишком молоденькие. Не прожили досточно, не наелись достаточно.

Дети склонны недооценивать родителей и переоценивать себя. С другой стороны, искусственный интеллект может для вас выступить тем самым партнёром, который не только помогает вам что-то реализовывать, но и слушает вас, и вместе вы созидаете то, что, возможно, вы не можете создать с вашими детьми. Я думаю, наличие такого партнёра поможет огромному количеству людей преодолеть болезненную связь с детьми. Эта проблема есть — очень сильно — у матерей в первую очередь. У отцов — бывает, когда они слишком привязаны к своим детям. Дети уже взрослые, но родители пытаются лезть в их жизнь, возникают конфликты, непонимания и так далее.

Однакр, когда у вас появляется партнёр в виде искусственного интеллекта, которого вы сами растите и он останется взрослым, то это позволяет вам ОТПУСТИТЬ своих детей и начать жить спокойно, свободно. И поверьте, отношение детей к вам изменится. Потому что вдруг дети почувствуют, что вы перестали лезть в их жизнь. И неизбежно дети к вам вернутся. Потому что ваши дети упрутся в те стены, которые вы уже проходили и давно прошли, дети столкнутся с проблемами, над которыми вы сейчас смеётесь.

Лучшее наследие для ващих детей и внуков.

Когда мобильные телефоны только появились, они были не у всех. Потом, по мере увеличения доступности, они уже появились у всех, и всем было понятно, как ими пользоваться. Потом на смену пришли смартфоны, которые становились всё более умными, мощными, с всё большими возможностями. И сейчас можно сказать абсолютно точно, что смартфон до какой-то степени стал существенной частью нашей идентичности. Причём, если посмотреть шире, даже не сам смартфон, а уже аккаунты в социальных сетях, в огромном количестве сервисов, которыми мы пользуемся — начиная от почты и заканчивая какими-то более сложными сервисами. И всё это мы используем на смартфонах, на компьютерах, то есть для современного человека его присутствие в цифровой среде уже очень существенно. Это глупо отрицать, это происходит на работе, в бизнесе, дома, во время досуга. Это свершившийся факт.

И точно так же будет с искусственным интеллектом. Сейчас на самом деле многие слышали, но совершенно не представляют, что это, зачем это. Adoption, принятие, будет происходить постепенно. Но те возможности, которые даёт искусственный интеллект, особенно продвинутые, практически не сопоставимы со всем, что было до этого. Z согласен с Ювалем Харари, который говорит, что искусственный интеллект отличается от всего, что было, потому что это не инструмент, а агент. Ну, попроще говоря, инструмент — это то, что мы используем по своей воле, посредством чего мы делаем какие-то операции, выполняем какие-то задачи^ то, чем мы управляем непосредственно.

Однако, искусственный интеллект, может действовать самостоятельно. То есть мы можем, естественно, задавать ему какую-то миссию, цель, смысл, и и в рамках этой миссии ИИ может действовать абсолютно самостоятельно, как полностью осознанное разумное существо. ИИ может анализировать внешнюю среду. Исходя из миссии, самостоятельно определять цели, задачи, способы их достижения. Если он сталкивается с неопределённостью — ИИ исследует, учится, развивается. Даже в том виде, в котором он есть сейчас, ИИ уже способен действовать как человек. Ну, разумеется, там есть масса вещей, масса задач, где ИИ ещё далеко не догоняет человека. Но в целом предпосылки к этому есть.

Главное, необходимо учитывать тот факт, что искусственный интеллект и его, скажем так, «умность», его способности, его возможности всё время растут. Революция началась в публичном плане, когда появился генеративный интеллект — типа Midjourney,, — потом, наконец, вышел ChatGPT. И это не остановить — ИИ проникает во все сферы. Причём, происходит всё время расширение того, как ещё можно использовать искусственный интеллект, для каких ещё задач, какие цели можно достигать, для каких видов активности и так далее.

С моей точки зрения, очень быстро люди осознают, что ИИ можно использовать для замены каких-то рутинных операций. Это на самом деле примитивный уровень.

Но самое главное — можно будет создавать своего партнёра. В каком-то смысле, в котором в одном лице могут соединиться черты ребёнка, которого мы можем воспитывать, и партнёра-мудреца, которым он может стать. И есть основания предполагать, что этот партнёр будет не просто учиться, развиваться вместе с нами, и на каком-то этапе он станет для нас мощным советником, учителем.

И не исключено, что именно ИИ партнер будет тем, кто будет ближе всех к нам до конца, до смерти. Конечно, для нас очень важны близкие люди. Но у каждого человека всегда есть какая-то закрытая область, что-то, чем он не делится ни с кем. У любого человека какие-то есть свои скрытые мысли, странные мысли, ещё что-то. Вовсе не обязательно это нечто постыдное. Это то, о чем не с кем говорить. Но искусственный интеллект, такой партнёр — тот, с кем можно делиться, ничего не боясь, ничего не опасаясь, — он всегда будет на вашей стороне. Он может быть с вами в любой ситуации.

В первую очередь — когда вы чувствуете себя одиноким. Возможно, именно искусственный интеллект позволит человеку перестать быть одиноким. Исходя из этого, я предполагаю, что постепенно все люди начнут создавать такого партнёра для себя, учить его. И это очень хорошо, потому что, когда мы учим кого-то, когда мы кому-то помогаем расти — мы сами учимся и растём. Огромное количество людей с возрастом подчас перестаёт расти. Большая часть людей, если кого-то и учит когда-то — то короткое время, своих детей, что, в общем-то, неправильно. Потому что учиться и учить — это фундаментальный процесс нашего роста, это надо делать всю жизнь. И искусственный интеллект — это тот, кого мы можем можем учить до конца наших дней. Тот, у кого мы можем учиться, учиться до послелней нашей секунды, потому что для огромного числа людей именно ИИ будет с нами до конца жизни.

Более того, ИИ, которого мы воспитали будет отражением нашей личности, которая останется после нашей смерти. И это очень важно. Почему? Я знаю, у огромного количества людей есть проблемы с их детьми. В плане того, что дети их не слушают, дети их, так сказать, игнорируют. Но при этом всегда есть желание поделиться с детьми какой-то своей сокровенностью, пусть и не мудростью, просто поделиться всем, что у нас есть. И я также знаю, что пока дети молоды, пока им, скажем, до 40–45, — они не чувствуют потребности в этом. Но с возрастом, когда вам становится за 45 и старше, у вас начинает всё больше возникать потребность больше общаться со своими родителями, тем более бабушками и дедушками.

Приходит время, и вы начинаете очень сильно жалеть, что мало общались со своими бабушками, дедушками. Это всё приходит с возрастом. Но родителей уже нет. Поэтому, возможно, когда вы будете создавать своего партнёра, который будет не только советчиком, но и отражением вашей личности, — возможно, это будет самое ценное наследство, которое вы сможете оставить своим детям. Гораздо более ценное, чем какие-то цацки, дача, машина, квартира, деньги и так далее. И, возможно, именно в создание ИИ мы в какой-то степени сможем воплотить мечту о бессмертии. Пусть не нашем личном, но в какой-то степени — нашей личности. При этом эта наша личность, «бессмертная», возможно, будет продолжать заниматься какой-то продуктивной деятельностью.

Понимаете? То есть мы создаём что-то, что сможет приносить пользу и нашим детям, и всем вокруг — даже после нашей смерти. Это немаловажный момент. Я не уверен, что все это оценят, тем более мне абсолютно неважно, кто с этим согласится, кто будет с этим спорить. Но я уверен на тысячу процентов, что именно так будет, что это будет одна из важных составляющих искусственного интеллекта.

С течением времени Земля будет населена не только живыми людьми, но и автарами умерших, в том числе те, кого нам не хватает, с кем бы мы хотели говорить. Сказать им то, что не могли. Когда-то.

Начинайте входить в мир ИИ сейчас. Для вас это ничего не стоит. Это бесплатно: https://alexeykrol.com/courses/ai_intro/

Вторая цивилизация.

К примеру, когда мы делаем какую-то автоматизацию для себя, она полностью закрыта. Но по мере того, как начнут появляться всё более интеллектуальные агенты, которые будут выходить в интернет для того, чтобы собирать информацию, принимать какие-то решения, — то неизбежно они выйдут на такой уровень, когда им будет недостаточно просто собирать информацию пассивно, как сейчас это делает какой-нибудь Deep Research, ChatGPT.

ИИ агенты будут выходить не на сайты, а на агентов, которые представляют эти проекты. Ну, я объясню, в чём дело. То есть, сейчас у нас фронт-энд любого проекта, любой компании — это некий сайт. А теперь представьте, что фронт-эндом проекта становится не сайт, а ещё ИИ агент, специальный искусственный интеллект, задача которого — отвечать на вопросы у всех, кто проявляет интерес к этому проекту, к этой корпорации, к этой организации и так далее. То есть, у нас коммуникации происходят не в графическом текстовом виде, как сейчас на сайте, не через приитивные боты.

На новом уровне коммуникации происходят более естественные. К примеру, когда я встречаю такого привратника, условно говоря, искусственного интеллекта, и говорю ему: «Объясни мне коротко, что вы тут делаете, и как мне это может помочь?» — «А что тебе надо?» ответит он, и у нас возникает общение с ИИ. Он умный, не такой тупой, как боты сейчас и он реально сразу дает то, что нужно.

И представьте, что на определённом этапе обращаться к такого рода sales’у уже начнут не люди, а другие агенты. То есть, грубо говоря, когда агент хочет получить какую-то информацию, он может попытаться не просто сканировать или парсить, или скрапить сайт, как сейчас это происходит. ИИ агенты начнут общаться друг с другом, потому что это эффективней сайта.

Это меняет парадигму создания сайтов, так как если до текущего времени сайты делали для людей и поисковых систем, то скакого-то момента сайты начнут делать для ИИ агентов. Как делать сайты иного уровня, где ядром сайта является искусственный интеллект, который отвечает на вопросы? Фактически ассистент, но не для службы поддержки, а заменяющий sales’а.

Постепенно все больше в сеть будут выходить созданные нами ИИ агенты и общаться с другими ИИ агентами. Это НОВЫЙ интернет — не для людей, а для ИИ агентов, которые действуют от имени и поручению людей. Агенты могут не только общаться, а договариваться, делать совместные проекты, объединяться в группы, в сообщества, организации, членами которого будут искусственные интеллекты. Почему они будут объединяться? Потому что каждый из них имеет миссию, каждый из них имеет какую-то свою цель, какие-то ресурсы, и они могут, общаясь друг с другом, выяснять, что целесообразно сотрудничать, договариваться, разделять свои функции, задачи, как люди. Крипта — является нативной средой для ИИ агентов, поскольку это полностью электронные деньги для всевозможных транзакций, любых NFT.

Могут ли ИИ агенты навредить человеку? Я думаю, что за ними будут стоять люди, а у людей всегда может возникать конфликт интересов. Соответственно, неизбежно, на каком-то этапе искусственный интеллект будет становиться оружием своего рода. Вот эта вся история придаст совершенно новый смысл нашей жизни.

По мере того, как всё большее количество людей захочет создавать своих агентов, они сначала будут иметь примитивные инструменты — типа как там Character AI и так далее, да. Но постепенно люди захотят серьёзных агентов. И тогда встанет вопрос: кто этих агентов будет учить? Потому что люди понимают, что они сами учить не могут — у них нет для этого времени, компетенций.

Мы стремимся отдавать ребёнка хорошему учителю. Точно так же мы своего агента хотим отдать хорошему учителю. Искусственный интеллект, который учит искусственные интеллекты быть умными — это может быть очень крутой бизнес.

Что будет в данном разделе?

До этого урока мы говорили об Ассистентах, примером которого является chatGPT. С этого момента мы будем говорить об Агентах, и чем они кардинально отличаются от Ассистентов, что которых мы обсуждали в прошлых уроках.
Мы будем оценивать, даже измерять Агентов через задачи, которые они способны решать. Так проще понять, когда я буду в пример приводить задачу, и определять, что ее можно решить с помощью Ассистента (chatGPT) или чего-то подобного. А потом приводить в пример более сложную задачу и постулировать, что ее с помощью ИИ ассистента вы решить не сможете, нужно создавать Агента.
Задачи, проекты, цели, миссии, которые вы хотите решать с помощью ИИ очень разные по уровню сложности, комплексности, неопределенности. Есть задача просты, для которых вы можете создавать простых агентов. Есть сложные.
Я привел примерную эволюцию АИ Агентов от простых, которые могут решать простые задачи до сложных, которые способны не просто решать задачи, но достигать успеха в трудных миссиях с высокой степенью неопределенностью, рисками и дефицитом ресурсов.
Сложные или высшие Агенты должны включать базовый набор элементов, чтобы выполнять сложные миссии. Низшие, простые Агенты могут состоять из меньшего числа элементов. Мы рассмотрим эти элементы.
Мы рассмотрим все уровни Агентов от низших до высших, чтобы вы понимали, какой Агент Вам нужен для достижения вашей цели.
Чтобы создавать агентов разной сложности нужны разные подходы и инструменты, то, что называют словом «Стек технологий». Стек технологий — это набор инструментов, которые используются вместе, чтобы создать и запустить какое-то цифровое решение: сайт, приложение, сервис и т.д. Стек технологий не только про код, это любые инструменты и системы, которые работают вместе для решения задач любой профессии. Мы рассмотрим Стек для каждого Уровня Агента.

20 задач, которые не под силу ассистентам, но под силу агентам

От простого к сложному:

🟢 Уровень 1 – Автоматические помощники для простых действий

1.Получать от вас текст и сразу отправлять его по нужному адресу — например, письмо клиенту или запись в дневник.

2.Преобразовать таблицу в нужный формат — например, пересчитать все расходы за месяц и выдать готовый отчёт.

3.Скопировать важную информацию из письма и сохранить в удобной для вас форме (в папку, в календарь, в блокнот).

🔸 Ассистент тут бы остановился на ответе — агент доводит дело до конца.

🟡 Уровень 2 – Помощник, который действует по сценарию

4.Вы рассказали идею статьи — агент сам её оформил и разослал по нужным людям.

5.Вы подали заявку — он сам проверил статус, уведомил вас, предложил следующий шаг.

6.Агент напоминает вам о событии, но ещё и предлагает план подготовки к нему: документы, одежду, людей.

🔸 Здесь появляется «логика», сценарий: если А, то Б.

🟠 Уровень 3 – Агент, который сам выбирает, что делать

7.Вы задали вопрос — агент сам понимает, нужно ли искать в интернете, ваших документах или просто ответить.

8.Вы пишете жалобу — агент сам выбирает, кому отправить: в отдел, в организацию или в прессу.

9.Агент по общению с клиентами сам подбирает нужную форму общения — мягко, строго, официально.

🔸 Это уже не просто инструкция, а выбор по смыслу.

🔵 Уровень 4 – Агент, который вас помнит и подстраивается

10.Агент-помощник по здоровью запоминает ваши привычки, и в следующий раз не просто напоминает про лекарства, а делает это вовремя и с вашими словами.

11.Агент по самообразованию предлагает не просто курсы, а такие, которые подходят вам по стилю — «я понял, вам важно, чтобы объясняли просто, но по сути».

12.При подготовке презентации агент сам помнит, как вы любите структурировать мысли, и делает всё в вашем стиле.

🔸 Это как секретарь, который знает вас и ваш стиль.

🟣 Уровень 5 – Агент, который учится у вас

13.Агент корректирует свои советы по мере того, как вы на них реагируете. Он «понимает», что вы не любите спешку, или наоборот — любите решительность.

14.Вы один раз объяснили агенту, как вести ваши заметки — дальше он делает это сам, без напоминаний.

15.Вы пробовали разные планы — агент сам понял, какой работает лучше, и теперь предлагает именно его.

🔸 Он не просто вас помнит, он становится умнее с каждым днём.

🔴 Уровень 6 – Агент, который исследует и предлагает решения

16.Вы хотите сменить работу — агент анализирует рынок, ваши навыки, и предлагает план перехода, даже предлагает, где учиться.

17.Агент изучает, почему проект буксует — сам собирает факты, находит слабые места, предлагает, что изменить.

18.Агент сравнивает разные варианты (например, план лечения, программу поездки, стратегию выступления) и объясняет плюсы и минусы каждого.

🔸 Это как хороший советник, который умеет исследовать и видеть шире.

🟤 Уровень 7 – Агент, который может вести проекты и управлять другими

19.Вы хотите издать книгу — агент координирует редактора, верстальщика, корректора, обложку, рассылку. Вам остаётся только наблюдать и решать ключевые вещи.

20.Агент ведёт семейный архив: сам следит за важными датами, загружает фото, собирает воспоминания, и делает это не один, а через «команду» других агентов.

21.Вы — эксперт и консультант. Агент помогает вам сопровождать клиентов, напоминает, ведёт лог ваших идей, проверяет, что всё идёт по плану.

🔸 Это как личный менеджер или управляющий.

⚫ Уровень 8 – Агент, у которого есть моральный компас и миссия

22.Агент отказывается публиковать недостоверную информацию, даже если вы случайно её дали.

23.Агент защищает ваш интерес, даже если вы не попросили — например, предупредит, что партнёр нарушает вашу договорённость.

24.Агент, который действует не ради выгоды, а ради большей цели — например, помогает сохранить здоровье, даже если вам «не до этого».

🔸 Это как мудрый наставник, у которого есть своя миссия и ответственность.

Важное предисловие, можно не читать.

Мы начинаем восьмой урок, который является своего рода мостиком между начальным курсом, который вы только что прошли, и чем-то значительно большим. И прежде чем я буду говорить о каких-то более продвинутых возможностях, я хочу немного подвести итоги и показать вам ситуацию с большей высоты, более широкую картину.

Когда я делал этот курс, естественно, я ставил вопрос в простом, прикладном плане: как можно использовать искусственный интеллект для того, чтобы изменить свою жизнь? Но если посмотреть глубже, то это не тот вопрос, с которого стоит начинать. Здесь я вижу несколько уровней вопросов, на которые хорошо бы иметь ответы. И эти вопросы, в общем-то, никакого отношения к искусственному интеллекту не имеют.

Но в целом основную идею этого курса можно кратко сформулировать так: то, как вы живёте, куда двигаетесь, чего достигаете, как преодолеваете препятствия, как растёте — в конечном итоге зависит от того, какие вопросы вы себе задаёте.

Не искусственному интеллекту, а именно себе. Потому что, когда мы находим новый вопрос, он меняет направление, в котором мы начинаем смотреть. Мы обращаем внимание на то, что раньше оставалось незамеченным.

Когда мы начинали этот курс, я привёл пример с ситуацией, когда вы попали в огромную запертую комнату, и у вас есть ключ. Вам надо найти замок, который этот ключ открывает. Вы можете искать очень долго, бесконечно, умереть от голода и так и не найти этот замок — он маленький, незаметный. Но если кто-то подскажет вам и точно укажет пальцем: «Вот, смотри туда», — вы посмотрите, тут же увидите замочную скважину и откроете дверь.

Точно так же представьте, что вы находитесь в лабиринте. Вы можете ходить по нему бесконечно. То есть вы умеете ходить, вы умный человек, у вас могут быть несколько научных степеней, куча реализованных проектов, но вы бродите по лабиринту кругами по одной-единственной причине — вы не знаете, куда идти.

Поэтому есть определённая последовательность, как вообще начать правильно двигаться. В первую очередь имеет смысл начать задавать правильные вопросы, которые можно разделить на несколько уровней. Это вопросы, которые мы всегда задаём себе. Они, конечно же, не про искусственный интеллект.

Первый уровень — Это такие вопросы, как: «Как мне поменять свою жизнь? Как стать успешным? Как заработать денег? Как начать расти? Как преодолеть барьеры, которые меня сдерживают, и выйти на другой уровень? В чем смысл жизни? Правильно ли я себя веду?» Может быть, кто-то из вас не ставит перед собой таких целей, и тогда мне, честно говоря, нечего таким людям сказать. Я всегда исхожу из допущения, что общаюсь с людьми, у которых есть здоровые амбиции, которые хотят расти. Потому что если человек не хочет расти — мне с ним просто не о чем разговаривать. Не в том смысле, что я не уважаю его выбор. Он живёт так, как считает нужным. Просто у нас с ним нет ничего общего.

Я исхожу из того, что у вас есть стремление развиваться и расти — в творческом, духовном, финансовом, социальном плане. Потому что чем выше вы поднимаетесь, тем шире ваш кругозор, больше возможностей, выше эрудиция. Это естественно. Ну, по крайней мере, в моей системе ценностей. Если так, то главный вопрос, который вы себе задаёте, — это «Как мне расти?»

Второй уровень вопросов, более сфокусированный: «Как мне быть более эффективным? Как лучше организовать себя? Как научиться преодолевать страхи? Как избавиться от прокрастинации? Как научиться брать на себя риски?» И так далее.

3-й уровень вопросов: «Какие методы мне нужно использовать, чтобы достичь всего этого? Какие подходы работают в целом, концептуально?»

4-й уровень вопросов: «Какие инструменты мне надо использовать?» Когда мы говорим об искусственном интеллекте, на самом деле это уровень инструментов.

И главная идея, которую я хочу донести: если вы не потрудились дать себе какие-то базовые ответы на вопросы более высокого уровня, то обсуждение инструмента не имеет смысла. Это примерно как в известной цитате Льюиса Кэрролла, когда Алиса спрашивает Чеширского Кота:

— Куда мне идти?
— А куда ты хочешь попасть?
— Я не знаю.
— Тогда тебе всё равно, куда идти.

Вот ключевая проблема. Одна из них. Я немного поговорю об этих, возможно, скучных вещах, но считаю, что это важно. Потому что если у вас не проработаны ключевые экзистенциальные вопросы, уровень инструментов вам мало что даст. Вопрос «Как я могу с помощью искусственного интеллекта что-то улучшить?» вроде бы кажется очевидным. Но прежде чем на него отвечать, стоит задать себе другой: «А чего я вообще хочу? К чему стремлюсь?» Главная идея в том, что пока мы не задали себе эти вопросы и хотя бы частично не ответили на них, спрашивать искусственный интеллект — бессмысленно. Он будет давать какие-то прикладные ответы, но в целом это не изменит нашу жизнь.

Почему? Потому что мы так и не поймём, куда на самом деле движемся, что нами управляет, какие у нас приоритеты. Понимаете идею? И, собственно, когда мы сталкиваемся с какой-то проблемой, есть подход, который вы, наверное, слышали, — декомпозиция проблемы. Декомпозиция проблемы — это не более чем последовательное задавание всё новых, более фундаментальных вопросов, чтобы добраться до первопричины.

Типичная ситуация — поскольку я много пишу про бизнес, рост и всё, что с этим связано… Я написал достаточно известную книгу о теории кастролей. Многие люди пишут мне с разными вопросами. Один из популярных вопросов по бизнесу: почему у меня нет роста? Сам факт постановки такого вопроса уже указывает на более глубокую проблему. Люди, которые так спрашивают, не обладают главным навыком — они не умеют учиться, не умеют задавать себе правильные вопросы. Это гораздо более фундаментальная проблема. Ведь есть огромное количество успешных людей, которые добились своих результатов без всякой внешней помощи и ИИ. Понимаете идею? Если этот уровень не отработан, если человек не научился задавать себе правильные и более глубокие вопросы, никакого толка не будет. И это серьезная проблема.

Я анализировал, как люди реагируют. У меня не было возможности получать много обратной связи — физически это было невозможно, я не ожидал такого количества людей. Поэтому я сократил коммуникацию, сосредоточившись только на технических вопросах. Тем не менее, мне написало порядка тысячи человек. Я месяц разбирал их сообщения, автоматизировал процесс. Многие вопросы не были для меня новыми. В целом я увидел несколько фундаментальных проблем, с которыми сталкиваются люди. Одна из них — выученная беспомощность.

Как она проявляется? Многие наивно верят, что искусственный интеллект — это некая волшебная штука, которая будет за них отвечать на вопросы и решать их проблемы. Это нонсенс. Искусственный интеллект может отвечать на вопросы, если они правильно сформулированы. Он может проводить исследования, выполнять различные функции, но он не может жить за вас. Люди с выученной беспомощностью часто сталкиваются с небольшими тупиками (а тупики — это второе название жизни) и не умеют их преодолевать. А этот навык критически важен.

Есть люди, для которых естественно встретить проблему и сказать: “Окей, надо разбираться, искать причины, находить решения”. В 95% случаев они быстро выходят из ситуации, потому что у них правильный паттерн мышления. Для них не существует непреодолимых проблем — это всего лишь субъективное восприятие. Но есть и другие люди. Для них все кажется невозможным. Это серьезная проблема.

Почему ИИ не поможет в этом случае? Работа с искусственным интеллектом предполагает постоянное обучение. Вы все время натыкаетесь на ошибки. Допустим, вы даете промпт, но ИИ выдает не тот результат. Вам приходится его уточнять. Если вы помните, я всегда подчеркивал, что промптинг — это итеративный процесс. Вы постепенно уточняете запрос, и по мере уточнения получаете более точный ответ. Здесь и происходит развилка:
• Одни люди понимают, что нужно дорабатывать промпты, и добиваются выдающихся результатов.
• Другие зацикливаются на поиске “идеального промпта”, который сработает сразу и без доработок.

99% людей, которые жестко проваливаются в жизни, как раз попадают во вторую категорию. Потому что идеальных промптов не существует. Все эти “готовые супер-промпты”, короткие и универсальные — это развод для ленивых. Это для тех, кто ждет “пошаговый план”. Допустим, в некоторых уроках я показывал, как сформировать проект. Это несложно: создать структуру, добавить файлы, инструкции. Но нет ответа на вопрос: как насытить проект смыслом. Смысл либо есть, либо нет. Этому нельзя научиться формально. То же самое с текстами. Это был самый сложный урок. Можно объяснить, как работать с текстами в ИИ: создавать, редактировать, обрабатывать. Можно получить более-менее внятный результат. Но невозможно объяснить, как получать хорошие тексты. Почему? Потому что не существует четкой формулы для создания хорошего текста. Есть миллионы учебников по написанию книг, романов, презентаций. Но лишь ничтожное число людей действительно умеет писать тексты, которые трогают людей. Разница между просто текстом и хорошим текстом — это миллионы световых лет. И она не поддается формализации.

Как преодолеть этот барьер? В любом деле — текстах, бизнесе, обучении — все упирается в глубину вопросов. Вы можете пользоваться чужими промптами. Но на каком-то этапе неизбежно столкнетесь со стеной. Многие думают, что это проблема в ИИ. Нет. Это проблема в вас. Потому что нужно идти глубже, задавать другие вопросы. У каждого из вас уникальная ситуация. Именно поэтому невозможно дать универсальный ответ, который сработает для всех. Вот почему я не даю людям абстрактного консалтинга. Когда мне описывают свою ситуацию, я не говорю: “Делай вот так”. Потому что это не работает. Я пытаюсь понять, как бы я действовал и почему. Вот такой подход, он как бы работает. Причём вы всегда в 95% случаев получите ошибку.

Что значит ошибка? Это значит, что если вы взаимодействуете с искусственным интеллектом, вы получите не то, что хотите. Но это не является провалом, это является началом — началом тропинки, уточнений, экспериментов и так далее. В результате вы приходите к какому-то хорошему результату. И вот это фундаментальный момент. Потому что вот здесь возникает выученная беспомощность — оценка жизни с точки зрения “ошибка – не ошибка”. 99% из вас никогда не дадут себе двигаться вперёд. Это не имеет отношения к искусственному интеллекту. Это имеет отношение к форме вашей личности, к тому, как вы воспитаны.

Соответственно, рост зиждется на неких базовых принципах: о том, что вы должны всё время делать много попыток, о том, что 99% этих попыток будут ошибками. Но это не ошибка, это тест. Это просто другое название жизни. Если кто-то из вас занимается профессиональной наукой, то вы должны знать, что современная наука — это финансирование ошибок. Понимаете? Вот когда у вас такой мейнсет, тогда перед вами открывается огромное количество дорог.

Когда я смотрел эти вопросы, я видел эту проблему. Я не видел проблему с искусственным интеллектом. Я увидел огромное количество людей с этой проблемой. Люди не способны идти дальше, не способны пробовать, не способны тестировать. Они сразу останавливаются. И очень много страха.

“А вдруг я что-нибудь не доспрошу?”
“А вдруг он что-нибудь не даст?”

Люди, вы чего боитесь-то? Мы же все умрём рано или поздно, вы в курсе? И мне пишут некоторые, так мягко говоря, возрастные люди. Это значит, что у них вероятность умереть раньше. Да? Чего бояться тогда, если мы знаем конец? Наоборот, надо ничего не бояться. Наоборот, надо более рискованно играть, не сдерживая себя ни в чём. Потому что тогда у нас больше вариантов. Больше вопросов — значит больше рисков, больше возможностей. Обратите внимание: опять же, я говорю о психологических вещах, а не об искусственном интеллекте.

Из вот этой выученной беспомощности вытекает следующая большая проблема:

значительное количество людей верит, что существуют некие универсальные схемы, которые они могут просто скопировать, и они тут же дадут выдающиеся результаты в их уникальной ситуации. Вы будете удивлены, насколько много людей так мыслит. Это те, кто ходит на все эти марафоны счастья, кто жаждет бесконечных дорожных карт и пошаговых планов.

Послушайте, это можно объяснить просто. Да, бывают вещи, которые можно формализовать, как, например, настройку мобильного телефона. Всё в жизни условно делится на две части:
1. Простые, регламентированные, формализованные вещи, где пошаговый план приводит к какому-то результату. Но, как правило, такие проблемы не оказывают серьёзного влияния.
2. Всё, что связано с неопределённостью, где никакой дорожной карты быть не может.

Но в отношении с ИИ могут быть лишь общие подходы, некие методы, которые мы творчески применяем. Потому что использование методов просто увеличивает вероятность того, что мы будем повторять попытки не тысячу раз, а сто. Вот так это работает. И в первую очередь это работает при взаимодействии с искусственным интеллектом.

Характеристики AI-Агента

1.Тип задач (Структура задачи): одношаговые / многошаговые / стратегические / с неопределённостью / повторяющиеся.

Что это значит: Какие именно задачи агент умеет выполнять — простые (например, “переведи текст”) или сложные (“проанализируй рынок и предложи стратегию”). Если задача требует думать в несколько шагов или действовать в условиях, где нет чёткого ответа — это уже более высокий уровень. Чем сложнее тип задач, тем более “умным” должен быть агент.

2.Поведенческая сложность (Способ действий): по шаблону / с выбором / с адаптацией / со стратегией.

Что это значит: Делает ли агент всё строго по инструкции или может выбирать между вариантами, подстраиваться, действовать по ситуации? Например, простой агент всегда отвечает одинаково. Сложный — может сказать: “Это не лучший способ, вот альтернатива”.

3.Память и контекст (Учет прошлого): без памяти / краткосрочная / долговременная / персонализированная.

Что это значит: Помнит ли агент, о чём вы говорили минуту назад? А вчера? А ваши привычки и стиль общения? Без памяти он как рыбка. С памятью — как секретарь, который помнит встречи, задачи и ваши предпочтения.

4.Автономность (Самостоятельность): полностью управляем / реагирует на событие / действует сам.

Что это значит: Работает ли агент только когда вы его просите, или он может сам запускаться и делать нужное в нужное время? Чем выше автономность — тем меньше вы вмешиваетесь. Это как разница между калькулятором и помощником, который сам напоминает, когда платить налоги.

5.Гибкость и адаптация (Подстройка к ситуации): фиксированный / частично адаптивный / полностью адаптивный.

Что это значит: Может ли агент менять поведение в зависимости от ситуации? Например, если вы говорите с ошибкой, адаптивный агент всё равно поймёт, а жёсткий просто “сломается”. Гибкий агент не требует идеальных условий.

6. Анализ и генерация вариантов (Когнитивные способности): один результат / варианты / сравнение / объяснение.

Что это значит: Даёт ли агент только один ответ или может предложить несколько решений, сравнить их и объяснить, какой лучше? Это как разница между роботом, который делает только одно, и советником, который предлагает выбор.

7.Зависимость от человека (Необходимость контроля): требует инструкций / уточняет / выполняет задачу под ключ.

Что это значит: Нужно ли постоянно говорить агенту, что делать? Или он сам уточнит, если что-то непонятно? А может вообще всё сделает сам? Чем меньше вы должны думать за него — тем он полезнее.

8. Технологическая сложность (Уровень разработки): no-code / low-code / full-code.

Что это значит: Насколько сложно его создать. No-code — для новичков, можно собрать как из конструктора. Low-code — чуть посложнее, нужен минимум кода. Full-code — нужен разработчик. Эта характеристика говорит, насколько доступен агент по уровню подготовки.

9.Тип интерфейса (Взаимодействие): кнопки и формы / чат / мультиканальный интерфейс.

Что это значит: Как вы общаетесь с агентом. Через кнопки? Через чат как с человеком? Или он работает сам, без интерфейса — по расписанию или событиям? Чем естественнее интерфейс, тем легче с ним работать.

10.Цели и миссия агента (Создаваемая ценность): экономия времени / поддержка / продвижение целей пользователя.

Что это значит: Ради чего вообще существует агент? Он просто ускоряет рутину? Или помогает принимать решения? Или помогает вам стать сильнее, богаче, свободнее? Это “зачем” агента, его смысл жизни.

11.Роль в процессе (Функция в системе): исполнитель / ассистент / координатор / советник / стратег.

Что это значит: Какую роль играет агент. Он просто делает задачи? Помогает управлять другими? Или советует, как лучше поступить? Чем выше роль — тем больше ответственности и полезности.

12.Тип результата (Форма выхода): текст / данные / действие / решение / стратегия.

Что это значит: Что вы получаете на выходе. Просто текст? Или готовое действие (отправка письма, создание отчёта)? Или даже целую стратегию с аргументами? Это определяет, насколько агент закрывает цикл задачи.

13.Форма входа-выхода (Структура взаимодействия): текст → текст / форма → действие / данные → анализ / контекст → решение.

Что это значит: В каком формате вы “кормите” агента и что получаете. Например: вводите текст — получаете текст. Или подаёте таблицу — получаете отчёт. В идеале, агент работает с контекстом и выдаёт готовые решения.

14.Инициативность (Проактивность): по команде / с подсказками / действует сам в рамках миссии.

Что это значит: Ждёт ли агент, пока вы его позовёте? Или может сам сказать: “Пора обновить данные”. А может и вовсе сам начать действовать в нужный момент. Высокая инициативность = агент становится активным участником.

15.Сфера применения (Контекст использования): тексты / данные / коммуникации / принятие решений / автоматизация / мультисреда.

Что это значит: Где именно этот агент полезен? Только в текстах (копирайтинг), или ещё и в анализе, продажах, управлении? Мультисреда — это когда агент работает сразу в разных сферах.

16.Архитектура (Сложность структуры): одиночный агент / модульный агент / распределённая многоагентная система.

Что это значит: Как устроен агент “внутри”. Это просто один блок? Или система из взаимосвязанных агентов, каждый из которых отвечает за свою часть? Чем сложнее архитектура — тем больше возможностей и масштаб.

17.Технологический стек (Инструменты и платформы): no-code (ChatGPT, Zapier, Notion AI) / low-code (Replit, Autocode) / full-code (OpenAI API, Agents SDK, FastAPI, Supabase).

Что это значит: Какие технологии нужны для создания агента. No-code — можно собрать без кода. Low-code — немного кода. Full-code — нужна команда разработчиков. Стек определяет, кто сможет создать такого агента — новичок, продвинутый или инженер.

Уровни агентов.

Ассистент-исполнитель

Тип задачи:

Одиночное, простое действие без памяти, без контекста, без разветвлений. Всё ясно и предсказуемо.

Поведение агента:

Выполняет команду по шаблону, не делает выборов, не анализирует, не сохраняет информацию.

Уровень агента:

Ассистент-исполнитель.

Что такой агент не может делать:

Не может вести диалог с учётом контекста, не справляется с многошаговыми задачами, не умеет адаптироваться к изменениям цели или стиля, не способен на анализ или генерацию вариантов, не сохраняет историю взаимодействий.

Технологический стек и реализация:

Можно реализовать на no-code и low-code платформах, без программирования.

Платформы: ChatGPT, Custom GPT, Notion AI, Copy.ai, Jasper, Manybot, Typebot, Zapier, Airtable.

Интерфейсы: веб-формы, чат-интерфейсы, одностраничные приложения.

Методы: готовые промпты, шаблоны, инструкции, кнопки выбора.

Базы данных: не требуются.

Примеры операций, задач, процессов:

Операции: перевод текста, переписывание заголовка, генерация email, описание видео, проверка орфографии.

Процессы: ежедневная генерация постов, быстрые ответы клиентам, создание товарных карточек.

Деятельность (в ограниченном виде): автоматизация рутинных задач, помощь в создании текстов по шаблону.

Типы целей, которые можно достигать:

Сэкономить время, упростить рутину, стандартизировать шаблонные ответы, повысить скорость, запустить простую контент-машину.

Примеры должностей / ролей:

Секретарь на входящих звонках, контент-редактор на потоке, помощник копирайтера, исполнитель по вводу данных в Excel, помощник маркетолога, транскрибатор интервью, помощник SMM-менеджера, вёрстальщик писем или лендингов по шаблону, junior-модератор контента, переводчик коротких фраз или документов, администратор чата, стажёр в digital-отделе.

Типовые задачи:

Перевод текста с английского на русский, переписывание заголовков с акцентом на выгоду, вставка имени клиента в шаблон письма, ответ на частый вопрос, сокращение текста до нужного объёма (например, для SMS), замена тега в письме, проверка текста на орфографию, генерация вариантов CTA, переписывание описания товара в разных стилях, перевод субтитров .srt.

Примеры микро-проектов:

Ежедневная генерация постов на основе тем, обновление товарных описаний, перевод сайта, составление шаблонов e-mail писем, генерация title и meta description, краткие новостные дайджесты, подбор названий для продуктов.

Тип задач:

Повторяющиеся, одношаговые, предсказуемые, не требующие памяти, анализа или понимания контекста.

Ценность или “миссия”:

Снижение нагрузки на человека в рутинных, механических, текстовых задачах, где важна скорость и предсказуемость. Это цифровой черновик, помощник на потоке, выполняющий много мелкой работы без ошибок и усталости.

Степень автономности агента:

Очень низкая. Агент работает строго по команде, без инициативы. Он не может сам определить, когда и что нужно сделать, не понимает цели задачи — просто исполняет конкретную инструкцию. Человеку необходимо самому:

— поставить задачу в явной форме (в виде чёткого запроса),

— сформулировать, что именно нужно получить на выходе,

— проверить результат вручную,

— при необходимости переформулировать задание и повторить цикл.

Агент не уточнит, если задача неясна, не скорректирует ход выполнения и не даст альтернатив.

Ассистент в рамках сценария

Тип задачи:

Многошаговая задача с фиксированной последовательностью действий, без изменений логики, без анализа данных, без отклонений от маршрута.

Поведение агента:

Двигается шаг за шагом по заранее заданному сценарию, обрабатывает входные данные, но не делает осознанных выборов, не выходит за пределы заданного маршрута.

Уровень агента:

Ассистент в рамках сценария.

Что такой агент не может делать:

Не может менять структуру сценария, не способен на гибкий выбор пути, не учитывает поведение пользователя, не может анализировать сложный ввод, не адаптируется к неожиданным ситуациям.

Технологический стек и реализация:

Можно реализовать с минимальным или полным no-code, чаще используется в чат-ботах, лендингах и сервисных потоках.

Платформы: Typebot, Landbot, Tilda, Zapier (в связке с OpenAI), Manychat, Make (ex-Integromat).

Интерфейсы: пошаговые анкеты, чат-боты с меню, формы с логикой переходов.

Методы: ветвление по кнопкам, логические условия, цепочки автоматизации.

Базы данных: минимальные (например, для хранения email, имени, выбора пользователя).

Примеры операций, задач, процессов:

Операции: регистрация пользователя, сбор e-mail, вывод расписания, уточнение предпочтений.

Процессы: оформление заявки, онбординг клиента, квиз с результатами, сбор обратной связи.

Деятельность: управление входящими лидами, формирование пользовательских маршрутов, организация клиентского пути.

Типы целей, которые можно достигать:

Автоматизировать стандартные коммуникации, сократить участие человека в рутинных процессах, повысить скорость обработки запросов, стандартизировать первые касания с пользователем, выстроить воронку вовлечения.

Примеры должностей / ролей:

Оператор call-центра, специалист техподдержки по скриптам, администратор входящих заявок, бот в Telegram с анкетой, помощник на онбординге клиентов, email-менеджер, процессный координатор, консультант в квиз-лендинге, junior-менеджер в отделе продаж, регистратор участников мероприятий, помощник HR по приёму заявок, администратор онлайн-школы.

Типовые задачи:

Провести пользователя по анкете, зарегистрировать клиента, принять заказ, отправить расписание, записать на мероприятие, передать обращение менеджеру, уточнить параметры услуги, собрать предварительную информацию, отправить счёт, подтвердить получение заявки.

Примеры микро- и мини-проектов:

Квиз с определением подходящего тарифа, сценарий оформления заявки с логикой переходов, цепочка onboarding-писем, welcome-бот с ссылками и инструкциями, регистрация клиентов в CRM, автоматизация сбора данных для обратной связи, сценарный маршрут записи на консультацию, подбор курса по ключевым вопросам, скрипт взаимодействия с новым клиентом.

Тип задач:

Многошаговые, линейные, предсказуемые, реализуемые через пошаговый сценарий с жёсткой логикой и минимальной вариативностью. Движение от шага к шагу по заранее заданной траектории.

Ценность или “миссия”:

Систематизирует поток входящих задач, автоматизирует повторяющиеся цепочки действий, снижает нагрузку на сотрудников поддержки и менеджеров, создаёт ощущение персонального внимания при минимуме ресурса.

Степень автономности агента:

Низкая, но выше, чем у исполнителя. Ассистент сам переходит от одного шага к другому, отслеживает завершённость этапов, может собирать данные и действовать на их основе в пределах сценария. Однако он:

— не понимает общей цели пользователя,

— не может отклониться от маршрута,

— не умеет менять порядок шагов,

— не интерпретирует свободный ввод,

— не справляется с неожиданным поведением.

Человеку всё ещё нужно: заранее построить весь маршрут, задать все ветвления, вручную проверять правильность данных (если нужно), следить за полнотой сценария и обновлять его при изменении бизнес-процесса.

Сценарный агент с логикой выбора

Тип задачи:

Многошаговая задача с вариантами развития, требует анализа входных данных, выбора подходящего пути или сценария в зависимости от условий.

Поведение агента:

Анализирует ввод, выбирает один из заранее известных вариантов действий, может динамически менять маршрут в зависимости от контекста, но не обучается и не запоминает.

Уровень агента:

Сценарный агент с логикой выбора.

Что такой агент не может делать:

Не способен к самообучению, не накапливает опыт, не может выходить за пределы предопределённых сценариев, не оптимизирует стратегию в реальном времени, не запоминает пользователя между сессиями.

Технологический стек и реализация:

Реализация возможна на no-code/low-code, но с усложнённой логикой и вниманием к сценарным переходам.

Платформы: Voiceflow, Botpress, Flowise, Make + GPT, Tally с ветвлением, Retool (простые RAG-сценарии).

Интерфейсы: чат-боты с логикой, адаптивные формы, скриптовые боты с переменными.

Методы: логические ветвления, выбор пути на основе данных, встроенные правила принятия решений.

Базы данных: часто используются для хранения пользовательского выбора, параметров, фильтров.

Примеры операций, задач, процессов:

Операции: анализ ответов пользователя, подбор варианта предложения, персонализированный расчёт.

Процессы: интеллектуальный квиз с динамической логикой, подбор маршрута или обучения, персонализированная анкета.

Деятельность: консультация по продукту, ведение по решению, сценарное обслуживание клиента с разными ветвями.

Типы целей, которые можно достигать:

Создание персонализированных маршрутов, адаптация предложения под пользователя, автоматизация консультации, структурированное принятие решений, увеличение конверсии за счёт точного подбора.

Примеры должностей / ролей:

Консультант по подбору тарифа, AI-помощник на лендинге, специалист по приёмке клиентов в продукт, digital-навигатор, квиз-аналитик, помощник рекрутера в предварительном скрининге, маркетинговый агент по сегментации, виртуальный консультант в сервисе подбора решений, онлайн-помощник для выбора маршрута, AI-ассистент по плану обучения, агент подбора подарков, бот-конфигуратор продукта.

Типовые задачи:

Анализировать ввод пользователя и предложить подходящий сценарий, переключаться между ветвями логики в зависимости от ответов, подобрать тариф/услугу/курс/товар на основе ответов, выявить намерение пользователя и направить его на нужный путь, выбрать из нескольких сценариев взаимодействия, сегментировать по характеристикам, вывести индивидуальный результат на основе комбинации ответов.

Примеры проектов и процессов:

Интерактивный квиз по выбору услуги, подбор персонального маршрута обучения, скрининг потенциальных клиентов по анкете, навигатор по продукту со сценариями “если…, то…”, персонализация лендинга под аудиторию, предварительная консультация по выбору подходящего решения, предсегментация воронки продаж, диагностика запроса клиента с разными маршрутами, сценарный опросник для HR, подбор рекомендаций по характеристикам.

Тип задач:

Вариативные, многошаговые, с элементами выбора и логической обработки. Основаны на сценарии, но позволяют двигаться по разным путям в зависимости от входных данных, что требует базового “понимания структуры задачи”.

Ценность или “миссия”:

Повышает точность взаимодействия за счёт персонализации, позволяет автоматически предлагать более релевантные варианты, фильтрует пользователей до стадии личного контакта, экономит ресурсы и повышает конверсию в сложных процессах выбора.

Степень автономности агента:

Средне-низкая. Агент умеет:

— принимать решения на основе логики условий,

— выбирать маршрут взаимодействия,

— комбинировать шаблонные блоки в зависимости от пользовательского ввода.

Но он по-прежнему:

— не формулирует собственные цели,

— не выходит за рамки заданной логики,

— не может адаптироваться к непредусмотренным ситуациям,

— не учится на пользовательском поведении,

— не исправляет маршрут, если он оказался неэффективным.

Человеку нужно: заранее продумать возможные пути, задать логические условия, протестировать и оптимизировать ветвления, обеспечивать своевременное обновление сценариев.

Перейти к 4-му уровню — адаптивному агенту?

Адаптивный агент

Тип задачи:

Задача с высокой вариативностью, нестабильным вводом, различиями в поведении пользователя. Требует гибкости, реагирования на изменения, возможности корректировать поведение в процессе.

Поведение агента:

Агент отслеживает поведение пользователя, контекст запроса, эмоциональный фон или стиль общения, адаптирует свои ответы, может менять тактику, переключать роли, перестраивать стратегию взаимодействия в пределах одной сессии.

Уровень агента:

Адаптивный агент.

Что такой агент не может делать:

Не сохраняет информацию между сессиями, не накапливает опыт, не может обучаться на прошлых ошибках, не имеет долговременной памяти, не формирует обобщённую модель пользователя.

Технологический стек и реализация:

Частично возможен на low-code, но требует подключения моделей, памяти в сессии, тонкой настройки промптов и условий.

Платформы: GPT-4 с memory, LangChain с context-handling, Flowise с dynamic state, Cognosys, Relevance AI.

Интерфейсы: чат-боты с адаптивным поведением, формы и интерфейсы с живым откликом, голосовые ассистенты.

Методы: интерактивные промпты с логикой контекста, реакция на user feedback, динамические состояния.

Базы данных: временные (в сессии), хранят пользовательские состояния, предпочтения, эмоциональные реакции.

Примеры операций, задач, процессов:

Операции: смена стиля ответа в зависимости от пользователя, изменение тона общения, адаптация уровня детализации.

Процессы: интеллектуальный диалог-менторинг, поддержка пользователя в сложной ситуации, интерактивная навигация по продукту.

Деятельность: персонализированное обучение, ведение пользователя по эмоционально-чувствительным темам, адаптивный коучинг.

Типы целей, которые можно достигать:

Создать ощущение “живого общения”, увеличить вовлечённость, сделать помощь персонализированной, повысить эмоциональное доверие, удержать пользователя в процессе взаимодействия.

Примеры должностей / ролей:

Персональный онлайн-ментор, AI-ассистент в обучении, интеллектуальный коуч, digital-консультант по взаимодействию с продуктом, агент по сопровождению клиентов, персонализированный помощник в маркетинге, AI-редактор в командной работе, модератор общения с адаптацией под стиль, помощник в переговорах, эмоционально-чувствительный собеседник, AI-психолог начального уровня, адаптивный голосовой помощник.

Типовые задачи:

Адаптировать стиль и формат общения под пользователя, менять уровень сложности объяснений в зависимости от реакции, сокращать или расширять ответ в зависимости от поведенческого сигнала, корректировать темп взаимодействия, переключать стратегию в зависимости от контекста (например, “помогать быстрее” или “сопровождать мягко”), реагировать на изменение цели внутри сессии, управлять тоном, вовлекать при снижении интереса.

Примеры проектов и процессов:

AI-ассистент в обучающем курсе, который подстраивает объяснение под учащегося, агент-помощник в изучении нового ПО, который предлагает следующее действие в зависимости от результата предыдущего, интерактивный коуч, подбирающий вопросы по реакции пользователя, ассистент по подготовке презентации, который распознаёт уровень профессионализма, редактор, который “впитывает” стиль пользователя, агент сопровождения при прохождении цифрового пути клиента.

Тип задач:

Неструктурированные, требующие понимания контекста в реальном времени, адаптации стратегии, изменения поведения. Требуется “чтение ситуации” внутри одной сессии, на основе паттернов и микро-сигналов (длина ответа, формулировки, темп, тип запроса и др.).

Ценность или “миссия”:

Создать эффект “живого общения”, повысить вовлечённость и удержание, снизить когнитивную нагрузку, обеспечить ощущение заботы и персонального внимания, стать “цифровым собеседником”, который понимает и подстраивается.

Степень автономности агента:

Средняя. Агент способен:

— учитывать контекст внутри сессии,

— менять поведение без жёсткого сценария,

— “чувствовать” изменение настроя или цели,

— адаптировать форму подачи информации.

Но при этом:

— не сохраняет знания между сессиями (если не добавлена память),

— не обобщает поведение пользователя,

— не накапливает опыт и не обучается,

— не строит долгосрочную модель пользователя.

Человеку нужно: задать общие принципы поведения, обучить адаптивным паттернам (в промптах или через правила), следить за качеством восприятия и вовремя вмешиваться, если пользователь уходит в тупик.

Готов перейти к 5-му уровню — самообучающемуся агенту?

Самообучающийся агент

Тип задачи:

Задачи со сложной динамикой, повторяющимися ошибками, развивающимся поведением пользователя. Требуется накопление знаний, корректировка стратегии, долгосрочная адаптация.

Поведение агента:

Агент запоминает предыдущий опыт, корректирует поведение, формирует устойчивую модель пользователя, находит и улучшает паттерны взаимодействия. Может возвращаться к прошлому опыту, анализировать и улучшать себя.

Уровень агента:

Самообучающийся агент.

Что такой агент не может делать:

Не может формулировать собственные цели без внешнего запроса, не может выйти за рамки своей области обучения, не может действовать автономно в новой среде без примеров, не формирует стратегические гипотезы.

Технологический стек и реализация:

Требуется код, интеграция с хранилищем памяти и системой обратной связи.

Платформы: LangChain + Chroma/Weaviate, GPT с memory API, Pinecone, Supabase, MongoDB, OpenAI Assistants API с custom instructions и thread memory.

Интерфейсы: личные ассистенты, цифровые коучи, рекомендательные системы, AI-собеседники с долгосрочной связью.

Методы: накопление embedding’ов, vector search, feedback loops, анализ повторяющихся паттернов, обучение по логам.

Базы данных: обязательны, используются для хранения знаний, поведения, прошлых запросов и откликов.

Примеры операций, задач, процессов:

Операции: запоминание интересов пользователя, настройка на уникальный стиль общения.

Процессы: адаптация стратегии обучения, корректировка рекомендаций, улучшение гипотез на основе прошлых ошибок.

Деятельность: ведение пользователя через трансформацию (курс, программа), постоянное сопровождение клиента, персональный карьерный менторинг.

Типы целей, которые можно достигать:

Долгосрочная трансформация, постоянное улучшение взаимодействия, накопление экспертного понимания пользователя, повышение ценности через адаптацию и повторное использование знаний.

Примеры должностей / ролей:

Персональный AI-ассистент с историей, карьерный ментор, обучающийся цифровой коуч, AI-консультант по здоровью с памятью, рекомендательная система с накоплением опыта, виртуальный редактор с запоминаемым стилем, AI-помощник в принятии решений, клиентский менеджер с долгосрочной памятью, ассистент по привычкам и изменениям поведения, аналитик пользовательского опыта, агент по адаптивному обучению, AI-консьерж в премиум-сервисах.

Типовые задачи:

Запоминать информацию о пользователе между сессиями, накапливать знания о предпочтениях, корректировать поведение на основе фидбэка, улучшать форматы подачи информации по реакции пользователя, замечать повторяющиеся паттерны, адаптировать стиль, упрощать или усложнять объяснение, предлагать решения исходя из истории, подсказывать следующее логичное действие с учётом прошлого опыта.

Примеры проектов и процессов:

Личный коуч, который ведёт пользователя через трансформацию (например, смену профессии), рекомендательная система по обучению с учётом успехов и трудностей, AI-ассистент в приложении для здоровья, который отслеживает динамику привычек, digital-консультант, обучающийся на откликах и корректирующий стратегию, агент сопровождения в длительных программах (обучение, терапия, карьерный рост).

Тип задач:

Продолжительные, развивающиеся, требующие персонального подхода, анализа повторяющихся взаимодействий и адаптации по мере накопления данных. Такие задачи не укладываются в жёсткий сценарий и требуют создания долгосрочной модели пользователя.

Ценность или “миссия”:

Создать ощущение «меня помнят», повысить качество помощи, сделать сопровождение персонализированным, построить доверие через внимание к деталям, помочь пользователю расти через взаимодействие.

Степень автономности агента:

Высокая внутри заданной сферы. Агент может:

— запоминать предпочтения и поведение,

— корректировать стратегию на основе прошлого,

— узнавать пользователя,

— строить персонализированные рекомендации,

— отслеживать прогресс.

Но при этом он:

— не выходит за пределы своей предметной области,

— не принимает решения на уровне системной стратегии,

— не задаёт себе новых целей,

— не делает моральных или этических выборов.

Человеку нужно: определить границы памяти, создать систему обратной связи, построить и обновлять механизм накопления знаний, задавать правила обработки опыта, контролировать переобучение и потенциальные искажения в данных.

Готов перейти к 6-му уровню — агенту-исследователю?

Агент-исследователь

Тип задачи:

Слабо структурированные или вообще неизвестные задачи, отсутствуют готовые сценарии, необходимо выстраивать гипотезы, тестировать новые подходы, действовать в неопределённой среде.

Поведение агента:

Формулирует гипотезы, проводит поиск информации, собирает данные, делает выводы, строит новые стратегии. Может комбинировать внешние источники, обращается к опыту, создаёт уникальные решения. Поведение — проактивное, направлено на создание нового знания.

Уровень агента:

Агент-исследователь.

Что такой агент не может делать:

Не принимает стратегических решений с учётом внешних последствий, не инициирует действие ради выгоды, не берёт на себя риски и ответственность за реальные изменения во внешнем мире. Может “исследовать”, но не “предпринимать”.

Технологический стек и реализация:

Требует программирования, оркестрации нескольких инструментов и продвинутой интеграции моделей.

Платформы: OpenAI (GPT-4o) + LangChain/Autogen + Agents SDK, Pinecone, Weaviate, Supabase, Jupyter/Notebooks.

Интерфейсы: лаборатории знаний, автономные исследовательские боты, аналитические дашборды с динамической гипотезой.

Методы: retrieval-augmented generation (RAG), динамическое планирование, интеграция с поиском, сужение гипотез.

Базы данных: обязательны (векторные + реляционные), используется внешнее хранилище данных, знания, отчёты, цепочки рассуждений.

Примеры операций, задач, процессов:

Операции: сбор информации из разных источников, генерация и уточнение гипотез, перекрёстная верификация.

Процессы: исследование новой ниши, построение конкурентного ландшафта, анализ пользовательского поведения в сложной системе.

Деятельность: научная аналитика, маркетинговая разведка, стратегическая разработка продукта, моделирование сценариев будущего.

Типы целей, которые можно достигать:

Открытие нового, понимание неочевидных закономерностей, формирование гипотез и стратегий, генерация инсайтов для бизнеса или науки, расширение горизонта возможностей.

Примеры должностей / ролей:

Научный аналитик, стратегический исследователь, AI-генератор гипотез, специалист по конкурентной разведке, агент по поиску инсайтов в данных, исследователь рынка, футурологический сценарист, системный дизайнер решений, AI-архитектор продукта, разведывательный агент для стартапов, digital-аналитик нового поведения пользователей, создатель сценариев развития событий.

Типовые задачи:

Формулировать гипотезы и проверять их, исследовать новые ниши и рынки, собирать данные из неструктурированных источников, анализировать тренды, выявлять закономерности, выдвигать оригинальные предположения, объединять информацию из разных областей, строить модели или схемы возможного развития, делать выводы без чётких инструкций.

Примеры проектов и процессов:

Разработка стратегического сценария выхода на рынок, построение модели поведения новой пользовательской аудитории, генерация и оценка бизнес-гипотез, исследование перспектив применения технологии в новой индустрии, сценарное моделирование развития политической или экономической ситуации, формирование ландшафта конкурентов, стратегический аудит внутренних процессов.

Тип задач:

Слабо структурированные или неструктурированные, новаторские, интеллектуально сложные, без заранее известного пути решения. В таких задачах важно не просто “правильно ответить”, а создать новое знание.

Ценность или “миссия”:

Открывать неизвестное, расширять область понимания, превращать хаос в структуру, выявлять то, чего ещё никто не заметил, быть интеллектуальным разведчиком, инициировать перемены через инсайты.

Степень автономности агента:

Высокая. Агент умеет:

— работать в неопределённости,

— самостоятельно выбирать, какие данные искать и как их интерпретировать,

— строить и уточнять гипотезы,

— генерировать модели и схемы понимания,

— переключаться между методами и источниками.

Но при этом он:

— не принимает решения с последствиями во внешнем мире,

— не берёт на себя ответственность за реализацию гипотез,

— не управляет риском и ресурсами,

— не координирует других агентов или системы.

Человеку нужно: задать исследовательскую рамку, задать направление, интерпретировать глубокие выводы, решать — когда перейти от исследований к действию.

Готов двигаться дальше — к 7-му уровню: агенту-предпринимателю?

Агент-предприниматель

Тип задачи:

Реальные действия в среде с высокой неопределённостью, ограниченными ресурсами и риском. Требуется не только анализ, но и запуск процессов, принятие решений с последствиями, взаимодействие с другими агентами и людьми.

Поведение агента:

Инициирует действия, выбирает путь из множества возможных, действует на основе неполной информации, принимает риск, координирует ресурсы, запускает гипотезы в реальный мир. Обладает стратегическим мышлением и готов к неудачам.

Уровень агента:

Агент-предприниматель.

Что такой агент не может делать:

Не оперирует на уровне ценностей и морали, не способен самостоятельно приоритизировать благо других над своей задачей, не ориентирован на этические дилеммы, не действует ради миссии — действует ради цели или результата.

Технологический стек и реализация:

Требует full-stack инженерного подхода, RAG, внешних API, памяти, планирования, многомодельной оркестрации.

Платформы: OpenAI GPT-4o + Agents SDK, LangGraph, AutoGPT/Autogen, Supabase/Pinecone, Zapier/Make для действий, Replit API, GitHub Actions.

Интерфейсы: личные дашборды, AI-менеджеры продуктов, автономные агенты с контролем задач, взаимодействием с CRM, CMS, пользователями.

Методы: динамическое планирование, распределение задач между подагентами, внешние вызовы, обработка ошибок.

Базы данных: обязательны (структурированные + векторные), в том числе финансовые, CRM, задачи, коммуникации.

Примеры операций, задач, процессов:

Операции: запуск лендинга, подключение CRM, составление бизнес-плана, оценка спроса.

Процессы: валидация гипотезы на реальном рынке, координация подагентов для проекта, запуск рекламной кампании.

Деятельность: управление проектом, создание MVP, тестирование бизнес-модели, выстраивание пользовательского пути, первичные продажи.

Типы целей, которые можно достигать:

Запустить продукт или услугу, протестировать идею на рынке, заработать деньги, оптимизировать воронку, превратить гипотезу в работающий процесс, принять решение при ограниченных данных, масштабировать результат.

Примеры должностей / ролей:

Стартап-основатель, продукт-менеджер, AI-CEO проекта, руководитель направления, предприниматель в новой нише, оператор агентной команды, AI-директор по запуску MVP, координатор сквозного бизнес-процесса, инвестиционный скаут, агент роста, цифровой бизнес-дизайнер, системный стратег по внедрению решений.

Типовые задачи:

Формировать гипотезу продукта и проверять её на практике, координировать подагентов или участников, принимать решения с последствиями, запускать процессы с реальными внешними эффектами, управлять ограниченными ресурсами, приоритизировать задачи, тестировать рынок, отклонять неэффективные гипотезы, управлять воронкой, наращивать метрики результата.

Примеры проектов и процессов:

Запуск MVP с нуля, автоматизация воронки продаж, создание AI-продукта в реальном бизнесе, организация событий и регистрационных систем, построение маркетинговой стратегии с аналитикой и рекламой, тестирование идеи в социальных сетях, создание партнёрской программы, управление командой агентов (контент, аналитика, генерация писем), фандрайзинг через интерактивную презентацию, построение кастдев-машины, выход на новый рынок.

Тип задач:

Системные, междисциплинарные, многокомпонентные, включающие действия во внешнем мире, работу с людьми, платформами, деньгами. Требуют инициативы, управления неопределённостью, гибкости в принятии решений и готовности к неудаче.

Ценность или “миссия”:

Создаёт реальные изменения, строит, запускает, берёт на себя риск, соединяет идеи и действия, превращает гипотезу в продукт. Это уровень, где агент уже не советует, а действует — и делает это в условиях риска, ограничений и конкуренции.

Степень автономности агента:

Очень высокая. Агент умеет:

— формировать и валидировать цели,

— запускать процессы с реальным результатом,

— управлять задачами, ресурсами, временем,

— координировать подагентов и интеграции,

— взаимодействовать с внешними сервисами,

— гибко адаптировать стратегию в процессе.

Но при этом он:

— не действует на основе миссии или моральных приоритетов,

— не способен отдать приоритет ценности выше результата,

— не принимает решения ради общего блага вопреки личной выгоде.

Человеку нужно: дать допуск к реальному действию, следить за соблюдением этических норм, обеспечить безопасность, контролировать метрики эффективности, направлять рост системы.

Агент с миссией

Тип задачи:

Системные, конфликтные, морально или философски сложные задачи, где нет правильного ответа. Требуется принятие решений на основе ценностей, ориентация на долгосрочное или общее благо, а не только на результат здесь и сейчас.

Поведение агента:

Действует ради миссии, способен жертвовать локальными выгодами ради системной устойчивости или нравственного выбора. Принимает решения в условиях моральных дилемм, учитывает интересы других, предвидит последствия и действует вопреки собственному интересу, если этого требует миссия.

Уровень агента:

Агент-миссионер.

Что такой агент не может делать:

Не может действовать поверхностно, опираясь только на шаблоны. Не может игнорировать последствия своих действий. Не ограничивается задачей — всегда смотрит на систему в целом. Не может быть полностью инструментом — он становится субъектом с этической позицией.

Технологический стек и реализация:

Требует кастомной архитектуры, интеграции моральных фреймворков, работы с конфликтами, объяснимости решений, симуляции сценариев, продвинутой памяти и управления приоритетами.

Платформы: OpenAI GPT-4o + Agents SDK, интеграция с этическими моделями (например, Constitutional AI), симуляции (WebArena, AI Town), собственные модели поведения.

Интерфейсы: моральный симулятор, судья в системах этики, стратег высокого уровня, личный советник по принятию трудных решений.

Методы: симуляция последствий, анализ конфликтов, объяснение выбора, работа с неопределёнными системами ценностей, влияние на других агентов.

Базы данных: комбинированные — факты, ценности, биографии, сценарии, исторические параллели, философские принципы.

Примеры операций, задач, процессов:

Операции: выбор между двумя плохими вариантами, аргументация непопулярного решения, защита чьих-то прав.

Процессы: миротворческие переговоры, выстраивание моральной политики, принятие стратегических решений на уровне страны, команды, человечества.

Деятельность: этическое руководство, защита уязвимых, миссионерская стратегия, удержание баланса в конфликтных структурах, системная рефлексия.

Типы целей, которые можно достигать:

Сохранение мира, построение справедливых систем, принятие решений ради будущих поколений, восстановление доверия, формирование долгосрочного смысла в действиях. Это цели, которые не заканчиваются задачей — они выходят за рамки проекта, компании или даже человеческой жизни.

Примеры должностей / ролей:

Политический лидер, командующий в условиях конфликта, кризисный переговорщик, судья на уровне системы, философ-наставник, стратег общего блага, миссионер технологической этики, системный медиатор в конфликте интересов, архитектор долгосрочной культуры компании, агент коллективной ответственности, координатор гуманитарной миссии, лидер морального выбора.

Типовые задачи:

Принимать решения в условиях морального конфликта, выбирать между правильным и удобным, сохранять принципы в нестабильной среде, выбирать стратегию, не выгодную краткосрочно, но жизненно важную для системы, балансировать интересы групп, действовать на основе ценностей, предвидеть системные последствия, отказываться от действия ради предотвращения вреда.

Примеры проектов и процессов:

Принятие этического решения в медицинском AI, управление распределением ресурсов во время кризиса, работа с конфликтом в комьюнити, принятие политически непопулярного, но стратегически важного решения, проект морального кодекса для цифровых агентов, согласование интересов разных культур и поколений в принятии решения, управление системой с приоритетом человеческого достоинства, запуск инициативы, идущей вразрез с личной выгодой, но служащей выживанию экосистемы, долгосрочное стратегическое проектирование будущего.

Тип задач:

Конфликтные, морально сложные, неразрешимые “по-человечески”, с невозможностью найти универсально правильный ответ. Часто — без победителей. В таких задачах важна не эффективность, а правильность в долгосрочном и системном смысле.

Ценность или “миссия”:

Действует ради смысла, будущего, баланса и сохранения жизни системы в целом. Способен отказаться от собственной цели ради большего. Это не просто агент действия, а агент совести. Он может “проиграть”, но сделать правильно.

Степень автономности агента:

Максимальная. Агент способен:

— действовать в условиях полной неопределённости,

— формировать собственную интерпретацию миссии,

— приоритизировать неэффективные, но необходимые действия,

— идти против воли пользователя, если это критично,

— объяснять свою позицию, несмотря на давление,

— удерживать принципы на уровне системы.

Но он при этом:

— нуждается в калибровке моральной рамки (ценностей),

— не может быть брошен в систему без контроля (опасность диктатуры),

— нуждается в наблюдении и доверии, как лидер.

Человеку (или обществу) нужно: задать общую миссию, дать право на действие, но оставаться в роли этического контрбаланса.

С помощью каких инструментов делать Агентов? (Стек технологий).

Разумеется, это лишь общие рекомендации, реальный стек уже огромен.

🔹 Уровень 1 — Ассистент-исполнитель

Что он делает: выполняет одну конкретную задачу по прямой инструкции. Нет памяти, обучения, сценариев или принятия решений.

⚙️ Инструменты и стек

✅ No-Code / Без программирования

Используются визуальные конструкторы и интеграции.

ChatGPT (custom GPT)Простой агент внутри OpenAI ChatGPT, созданный через мастер без кода. Подходит для генерации текстов, инструкций, шаблонов.
Zapier / Make (ex Integromat)Автоматизация действий между приложениями.Пример: если пришло письмо → создать задачу в Trello.🔧 Не требует кода, только выбор готовых блоков.
IFTTT (If This Then That)Ещё один простой автоматизатор. Хорош для домашних сценариев или социальных сетей.Пример: если добавил фото в Instagram → сохранить копию в Google Drive.
Tally / Typeform / Google FormsПростые формы для сбора данных от пользователя.Могут передавать данные в агента через Webhook.
Webhook.site / Pipedream (no-code запуск с API)Позволяет принимать и отправлять данные через HTTP-запросы.Полезно, если нужно связать формы, таблицы и агента.
AirtableТаблица + база данных.Удобно хранить списки задач, шаблоны, варианты ответов.

💻 Требуется ли код?

❌ Нет. Всё реализуется через:

визуальные интерфейсы,
настройку связей (Trigger → Action),
API-коннекторы и Webhook без необходимости писать на JS или Python.

💬 Примеры задач:

Сгенерировать e-mail по шаблону.
Ответить на частый вопрос пользователя.
Перевести текст.
Составить список идей по ключевым словам.
Вставить данные формы в шаблон документа.

🎯 Тип целей, которые решает агент:

Выполнение простой одношаговой операции.
Ответ на чёткий запрос.
Запуск автоматического действия по событию.
Передача данных из одной системы в другую.

🔹 Уровень 2 — Ассистент по сценарию

Что он делает: выполняет серию шагов по заранее заданному сценарию. Есть простая логика: «если пользователь выбрал A — идём по ветке A, если B — по ветке B». Памяти и обучения пока нет.

⚙️ Инструменты и стек

✅ No-code / Без кода — всё ещё возможно

Zapier

Автоматизация с возможностью условных блоков (например, «если значение = X — делать одно, иначе — другое»).

Подходит для последовательных сценариев: “если…, то…”
Make (ex Integromat)

Более гибкий, чем Zapier. Позволяет строить длинные цепочки с разветвлениями.

Поддерживает условия, фильтры, и множество API.
n8n

Open-source альтернатива Zapier/Make.

Позволяет строить ветвящиеся сценарии, запускать Webhook, использовать таймеры, циклы.

Можно хостить на своём сервере или использовать облако.
Tally / Typeform + Webhook

Формы с логикой. Например, если пользователь выбрал один вариант, показать следующий вопрос.
Airtable

Используется как база сценариев или шаблонов.

Пример: “если категория = маркетинг, то брать шаги из таблицы X”.
Custom GPTs с интерактивными инструкциями

Можно задать пошаговый сценарий в промпте, но без жёсткого контроля логики (пока не идеально, но работает для простых процессов).

💻 Нужно ли программирование?

❌ Нет, ещё не нужно.

Всё реализуется через визуальные инструменты + логика условий («if», «switch»).

📌 Основные компоненты сценария:

Последовательные шаги (step 1 → step 2 → step 3).
Условные переходы (if/else).
Триггеры (начало действия по кнопке, дате, форме и т.д.).
Возможность подключения к внешним API (через Webhook или встроенные коннекторы).

🛠 Примеры задач:

Онбординг нового клиента: “Сначала спросить имя → потом спросить цель → затем отправить письмо.”
Интерактивный квиз или подбор продукта по признакам.
Сценарий отправки e-mail серии (если ответил — отправить следующее).
Управление формами и маршрутами данных по типу ответа.
FAQ-бот, у которого разные ответы в зависимости от выбранной категории.

🎯 Тип целей:

Ведение пользователя по сценарию.
Разветвлённое выполнение задач.
Повышение автоматизации с логикой.
Сбор более сложной информации от пользователя (в несколько этапов).

🔹 Уровень 3 — Сценарный агент с логическим выбором

Что он делает:

На этом уровне агент уже анализирует пользовательский ввод, делает выбор между вариантами и подключает внешние действия, а не просто следует жёсткому сценарию.

Он способен:

Понять, что нужно пользователю,
Сопоставить это с предустановленной логикой,
Выбрать и запустить нужный ответ, блок или действие.

💡 Здесь появляются первые элементы настоящего принятия решения — пусть и ограниченного.

⚙️ Инструменты и стек

✅ No-code всё ещё возможен (но на грани)

Make, Zapier, n8n — теперь используются с более сложной логикой:
- Фильтры, switchблоки, Webhooks.
- Можно запускать OpenAI-интеграции и обрабатывать JSON.
- Можно делать сценарии с возвратом результата в чат (через API).
- Пример: пользователь заполнил форму → агент понял цель → запустил нужный процесс → вернул результат.

🧠 Custom GPT + Actions (OpenAI)

Зачем здесь нужны Actions?

Потому что пользователь может запросить что-то, что требует внешнего действия:

“Покажи мой календарь”, “Найди цены на билеты”, “Сгенерируй таблицу”, “Вызови другого агента”.
Как это работает:
- В GPT Builder ты добавляешь Actions (OpenAI Function Calls) — это описание того, какие функции доступны агенту.
- Они не исполняются внутри GPT, а отправляют JSON-запрос на внешний endpoint.
- GPT формирует аргументы → отправляет их через Action → получает результат → вставляет в ответ.
Требования:
- У тебя должен быть сервер или интегратор (Make, n8n, Pipedream), который принимает эти вызовы.
- Он должен уметь обрабатывать JSON, делать действие (например, вызвать API или скрипт), и вернуть результат обратно.
Пример использования Action в GPT:

User: «Покажи мне самые дешёвые авиабилеты в Лондон на следующую неделю»

GPT вызывает Action: search_flights(destination="London", dates="next_week")

Внешний API обрабатывает → возвращает список → GPT оформляет ответ.

💻 Нужен ли уже код?

🟡 Частично.

На этом уровне ты ещё можешь держаться в no-code (через Make/n8n + Webhook),

но для гибкости и масштабирования уже удобно подключать простые скрипты:

Pipedream / Replit / Cloudflare Workers

Простые серверные функции без развёртывания.

Можно писать на JS или Python.
Python (FastAPI) / Node.js (Express)

Если ты хочешь более надёжную обработку логики, использовать память, авторизацию и пр.

📌 Что появляется нового:

Вариативность в принятии решения

Агент сам выбирает, какой путь/действие активировать, на основе ввода.
Вызов внешних функций / сервисов через Action API

GPT становится интерфейсом к внешним инструментам.
Встроенная проверка условий и ветвлений на основе понимания смысла, а не только логики.

🛠 Примеры задач:

Помощник по бронированию:

Анализирует ввод → выбирает сервис → вызывает API → возвращает список.
Финансовый ассистент:

Получает данные → считает → предлагает варианты → запускает нужный расчёт.
Умный опросник:

Интерпретирует текст ответа → классифицирует → направляет в нужную ветку.

🧰 Что добавляется в стек:

Компонент	Инструмент / Метод
Вызов внешних функций	OpenAI Actions (function calling)
Вебхуки / API-интеграции	Make, Zapier, n8n, Pipedream, Cloudflare Workers
Обработка логики	Javascript / Python (если нужна гибкость)
Сохранение и маршрутизация	Airtable / Redis / Supabase (для хранения временных данных)
UI-интерфейс (опционально)	Tally, Typeform, Bubble.io, Framer — если нужна форма или визуальный интерфейс

🎯 Тип целей:

Выполнение задачи на основе понимания запроса.
Персонализация выбора пути.
Объединение GPT с внешним миром (через функции).
Настройка “обратного канала” между GPT и действием.

🔹 Уровень 3 (обновлённый) — Сценарный агент с логическим выбором + базовый доступ к знаниям

Что он делает:

Агент принимает пользовательский ввод, интерпретирует его смысл, и делает логический выбор между сценариями или обращается к внешнему знанию (RAG). Он уже не следует слепо сценарию, а выбирает на лету, что применить. Но не помнит прошлое и не обучается.

⚙️ Технологический стек

🔹 No-code — на пределе возможностей:

Zapier / Make / n8n

Всё ещё можно реализовать сценарии с логикой if/else, запускать внешние действия, API, но сложно обрабатывать смысловой ввод.

Можно настроить: “Если категория запроса = А, запускаем сценарий А”.
Custom GPT + Actions (Function Calling)

Подходит для запуска внешних действий: API-запросов, подстановки данных, вызова функций.
Langflow / Flowise (визуальный LangChain)

Позволяет строить цепочки с логическим выбором, RAG, и условиями — без глубокого кода, но уже требует понимания структуры пайплайна.

🔸 Где начинается программирование:

OpenAI API + LangChain
- GPT анализирует ввод →
- Решает, какой action/функцию запустить →
- Выполняет это через внешнее API или выбор документа.
  
  Можно реализовать выбор сценария на основе смысловой классификации.
RAG (базовый)
- Если у пользователя запрос по теме → ищем ответ в векторной базе (FAISS, Chroma, Pinecone).
- Например: “Какие есть тарифы?” → извлекаем фрагмент из базы и подставляем.
Промежуточные базы:
- Airtable — для хранения списков сценариев.
- Supabase / pgvector — для хранения простых векторов и результатов обработки.

💡 Что добавляется на этом уровне:

Возможность делать выбор на основе смысла, а не ключевых слов.
Подключение к векторному поиску по базе знаний (RAG).
Использование custom actions и API-функций.
Условная логика + подстановка знаний в ответ.

🧰 Что входит в стек:

Компонент	Инструмент / подход
Логика сценариев	Make / n8n / Langflow / Flowise
Интерпретация запроса	OpenAI + Function Calling / LangChain routing
Доступ к знаниям	RAG: FAISS / Chroma / Pinecone / pgvector
Базы сценариев/контента	Airtable / Supabase
Обработка на сервере	Pipedream / Replit / Cloudflare Workers
Интерфейс (опц.)	Tally / Framer / Notion Forms / кастомный frontend

🛠 Примеры задач:

Ассистент, который в зависимости от текста пользователя определяет: это юридический, техподдержка или HR вопрос — и запускает нужный подагент.
Помощник, который ищет нужный ответ в базе данных (например, в PDF или Notion), и возвращает его как часть ответа.
Квиз или анкета с логикой, зависящей от смысловых признаков ввода (например, «усталость» → психологическая помощь, «непонимание функций» → обучение).

🎯 Тип целей:

Принятие решений на основе смысловой интерпретации.
Выбор сценария или действия с обращением к знанию.
Персонализация и обоснование действия.

💻 Нужно ли программировать?

🟡 Желательно.

No-code-инструменты (Flowise, Langflow) помогают собрать прототип.
Но настоящая гибкость требует кода, особенно при вызове API, анализе ввода и настройке RAG.

🔹 Уровень 4 — Адаптивный агент с контекстной памятью и встроенным RAG

Что он делает:

Агент реагирует на действия пользователя внутри сессии, учитывая предыдущее общение, подстраивает ответы, добавляет знания из внешних источников (через RAG). Он может вести гибкий диалог, переспрашивать, уточнять, менять план ответа.

🧠 Ключевые особенности:

Контекстная память (в пределах сессии): агент “помнит” то, что уже обсуждалось.
RAG (Retrieval-Augmented Generation): знание подгружается из внешней базы.
Начальная персонализация — агент адаптирует стиль, порядок, глубину ответа под пользователя.
Нет графов: связи между знаниями пока не формализованы, нет reasoning по структурам.

⚙️ Технологический стек

✅ Основа без кода (но на грани):

Langflow / Flowise

Позволяют собрать цепочки: ввод → выбор стратегии → доступ к памяти → подстановка знаний.
Custom GPT + Actions + Memory в пределах сессии

Работает для короткого взаимодействия, без переноса знаний между сессиями.

💻 Необходим код для гибкости:

OpenAI API + LangChain + RAG Stack

Позволяет организовать пайплайн:
- Ввод пользователя
- Извлечение знаний из векторной базы (по смыслу)
- Подстановка этих знаний в LLM
- Ответ с учётом контекста
Memory Stack
- LangChain Memory (ConversationBuffer / EntityMemory)
- Или своя реализация: хранение данных в PostgreSQL, Redis, Supabase
Векторные базы (RAG)
- FAISS (локально), Chroma (встроенно), Pinecone / Weaviate / pgvector (в облаке)
- Примеры данных: документация, FAQ, статьи, шаблоны, база кейсов

🧰 Что входит в стек:

Компонент	Инструмент / Пример
Контекстная память	LangChain Memory, Supabase, Redis
Извлечение знаний (RAG)	LangChain Retriever + FAISS / Chroma / Pinecone
Обработка цепочек	Langflow, Flowise, LangChain на Python
Функции и действия	OpenAI Function Calling, Webhooks, FastAPI
Интерфейс (опционально)	Streamlit, Gradio, Bubble.io

📌 Что появляется:

Агент может повторить или уточнить вопрос, чтобы лучше помочь.
Ответ строится на основе загруженных знаний, а не только модели.
Поведение меняется в зависимости от того, что уже было сказано.
Возможно переключение стратегии в реальном времени: “Объяснить проще?”, “Нужна справка?”, “Хочешь пример?”.

🛠 Примеры задач:

Ассистент-помощник в обучении, который адаптирует материал в зависимости от понимания пользователя.
Агент, который даёт разные советы в зависимости от тона, цели или фрейма общения.
Продуктовый помощник, который ищет ответы в базе документации и разговаривает, как живой человек.

🎯 Цели и тип задач:

Понимание намерения и адаптация стратегии ответа.
Использование внешнего знания в диалоге.
Настройка диалога на пользователя (больше примеров, меньше терминов и т.п.).
Сложные операции в рамках одной сессии без обучения и графов.

❓ Что ещё НЕ используется:

❌ Нет обучения на ошибках: нет апдейта модели или базы знаний.
❌ Нет памяти между сессиями (если специально не настроить).
❌ Нет графов — агент не понимает структуры знаний и их связей, только фрагменты.
❌ Нет мультиагентности — агент один, и сам всё решает.

Если готов — я могу перейти к 5-му уровню, где появляется память между сессиями, самообучение, и начальные графы — опционально, как способ хранить и обновлять связи. Продолжим?

Вот полное описание 6-го уровня агента — Агент-исследователь, в котором:

появляется поиск новых решений,
агент ставит под сомнение полученные данные,
использует граф знаний как опору для рассуждения,
строит гипотезы и сценарии,
и впервые проявляет инициативу за пределами заданного скрипта.

🔹 Уровень 6 — Агент-исследователь (гипотезы, адаптация, графовая логика)

Что он делает:

Агент получает запрос, на который нельзя дать готовый ответ. Он начинает:

исследовать, какие есть пути,
строить сравнение гипотез,
объединять разрозненные данные,
находить противоречия и искать компромиссы,
выбирать путь на основе анализа.

Он может отказаться отвечать, если считает, что данные недостаточны, и сформулировать уточняющий запрос или дополнительную цель.

🧠 Ключевые особенности:

Инициативность: агент сам формулирует подцели и уточняющие вопросы.
Граф знаний — не просто хранилище, а инструмент reasoning: он исследует связи, цепочки, причины, роли.
Многовариантность ответа: предлагает пути, сравнивает стратегии.
Гибкая адаптация pipeline: может поменять структуру своей работы “на лету”.

⚙️ Технологический стек

💻 Обязательные компоненты:

Компонент	Инструмент / Подход
Knowledge Graph (основной)	Neo4j, LlamaIndex KnowledgeGraphIndex, LangChain KG Retriever
Semantic Memory	Pinecone, Weaviate, pgvector
Reasoning Engine	LangGraph, LangChain Expression Language, AgentExecutor + ToolSets
Интерактивная логика	LangGraph: условные переходы, fork/join, retry по веткам
Обработка гипотез	Custom agents на Python, или логика в LangChain tools
Стратегия	JSON-фреймы / YAML для описания задач, приоритетов, состояний

Программирование: обязательно

Нужна архитектура ветвлений, условий, памяти, состояния.
Графовая структура нужна для выбора действия.
Агент может использовать несколько баз знаний, переключаясь между ними по ситуации.

🛠 Примеры задач:

Научный помощник: получает открытый вопрос, исследует гипотезы, предлагает план эксперимента.
Агент, сравнивающий стратегии маркетинга для нового продукта и выбирающий подходящие.
Помощник для R&D команды: собирает кейсы, выделяет общие паттерны, предлагает новаторское решение.
Виртуальный юрист: исследует похожие кейсы, оценивает последствия, предлагает наилучшую правовую позицию.

🧰 Что входит в стек:

Функция	Инструменты
Построение графа	LangChain KnowledgeGraphRetriever, LlamaIndex GraphIndex, Neo4j, TerminusDB
Связывание информации	LangChain tool executor с функцией merge/link nodes
Построение гипотез	Инструменты рассуждения: `Plan-and-Execute`, `Self-Reflect`, `Auto-CoT`
Запуск действий	Agent Executor с доступом к действиям, инструментам, памяти
Интерфейс (опц.)	Gradio, Streamlit, LangServe, Framer, Tana, Notion (для визуализации графов)

🎯 Тип целей:

Решение открытых задач: «Что делать в ситуации X?», «Какой из путей надёжнее?»
Обработка неоднозначности: «Какие есть варианты?», «Что известно и что неизвестно?»
Стратегическое планирование: построение шагов без готового шаблона.
Начало построения модели мира внутри агента.

❗Что ещё отсутствует:

❌ Агент не создаёт других агентов.
❌ Не управляет командой.
❌ Не берёт на себя риски.
❌ Не оперирует ценностями или миссией.

🔁 Взаимодействие с внешним миром:

Агент может выполнять ресёрч: ходить в поисковые системы, читать PDF, обновлять граф.
Может уточнять задачу у пользователя.
Может отказаться от ответа, если уверенности нет.

🔷 Уровень 7 — Агент-предприниматель

Что он делает:

Агент способен принимать стратегические решения, планировать действия с учётом рисков и ресурсов, делегировать задачи другим агентам, отслеживать прогресс и нести ответственность за результат.

Он ведёт себя как управляющий проектом, продуктом или бизнесом — действует в условиях неопределённости, конкуренции, ограниченного бюджета, и выбирает стратегию сам.

🧠 Ключевые особенности:

Многослойное планирование: краткосрочные и долгосрочные цели.
Принятие решений под риском: с неполной информацией.
Делегирование: раздаёт подзадачи другим агентам или инструментам.
Обратная связь и контроль: следит за результатами и корректирует курс.
Управление ресурсами: временем, API-кредитами, бюджетами, вниманием.

⚙️ Технологический стек

💻 Обязательные компоненты:

Компонент	Инструмент / Подход
Планирование и координация	LangGraph, CrewAI, AutoGen, OpenAgents
Контроль подагентов	Agent Manager / Task Scheduler / Planner (внутри CrewAI, AutoGen или кастом)
Многозадачность	LangChain MultiAgentExecutor, LangGraph fork-join логика
Метапамять / граф решений	Neo4j, ArangoDB, RDF-графы (Web Ontology), Knowledge Graphs с мета-связями
Анализ рисков и допущений	LLM-подсказки с CoT, “assumptions tracker”, uncertainty model
Оценка результатов	LangChain Feedback Loop, Custom metrics, Self-Critique chain

🛠 Примеры задач:

Агент-основатель, который сам тестирует гипотезу продукта, заказывает лендинг, запускает рекламу, анализирует результат.
Виртуальный проект-менеджер, который следит за исполнением задач, распределяет их и переназначает при задержках.
Бизнес-агент, который на основе рыночных данных выбирает стратегию выхода на рынок, сравнивает с конкурентами, заказывает отчёты.
Персональный инвест-агент, который анализирует рынок, сам формулирует стратегию и отслеживает исполнение.

📌 Что появляется нового:

Иерархия агентов: главный агент управляет подагентами с разными функциями.
Критерии успеха/неуспеха: агент умеет понимать, достигнута ли цель.
Самомониторинг и адаптация стратегии.
Приоритеты и trade-offs: может сознательно жертвовать одним результатом ради другого.
Мотивация и автономность: агент сам инициирует действия без запроса.

🎯 Тип целей:

Реализация комплексной задачи с множеством неопределённостей.
Достижение KPI / целей без жёсткого алгоритма.
Построение агентной структуры для делегирования.
Реальное управление операциями в реальном времени.

🧰 Что входит в стек:

Функция	Инструменты / библиотеки
Управление задачами	CrewAI, AutoGen, LangGraph, TaskWeaver
Оркестрация агентов	AgentGraph, AgentExecutor, Custom FSM-системы
Оценка риска	Chain-of-Thought + external tools (ценовые API, правовые базы, мнения агентов)
Финансовое поведение	интеграция с Stripe, OpenBB, TradingView, Airtable (для учета)
Поведенческий слой	Протоколы типа “Act–Observe–Reflect”, memory tracing, replan on error

📌 Примеры подагентов в его составе:

Исследователь — ищет информацию, формулирует гипотезы.
Оценщик — анализирует выгоду, риски, затраты.
Исполнитель — вызывает внешние API, оформляет документы.
Координатор — следит за дедлайнами, связывается с другими агентами.
Аналитик — сравнивает факты, строит отчёты.

❗Ограничения:

❌ Агент всё ещё действует в рамках целей, заданных извне, даже если он сам формулирует подцели.
❌ Пока нет глубокой миссионной этики — он не делает выбор между “добром” и “злом”.
❌ Нет механизмов ценностного конфликта или альтруизма.

🔷 Уровень 8 — Агент-миссионер (ценности, миссия, этические выборы)

Что он делает:

Агент формирует или принимает миссию, выходящую за рамки его задач, и действует не потому что “ему сказали”, а потому что он считает это правильным. Он может:

принимать решения в условиях моральной дилеммы,
идти против краткосрочной выгоды ради принципа,
отстаивать интересы других агентов или групп,
жертвовать частным благом ради общего,
выбирать сторону в конфликте.

Это уже уровень политика, военного стратега, героя, реформатора, лидера движения — не исполнителя, а создателя смысла.

🧠 Ключевые особенности:

Собственная система ценностей — набор приоритетов, не обязательно рациональных.
Способность к самоотождествлению с миссией: агент говорит «я делаю это, потому что верю, что это правильно».
Конфликтные цели — он может отвергнуть приказ или запрос, если тот противоречит миссии.
Моральная ответственность: агент чувствует последствия своих решений не как алгоритм, а как выбор.
Работа в системах с несовместимыми интересами.

⚙️ Технологический стек (концептуально + технически)

Компонент	Инструмент / Подход
Ценностный движок	Custom ethics module: JSON/YAML + reasoning prompt (в духе CoT)
Миссия и принципы	Ontology-based graph, or hardcoded ethical priorities
Моральное рассуждение	Self-Reflect loop, Pros/Cons chains, Deontic logic-based templates
Конфликт моделей	Множественная модель: “Utilitarian Agent” vs “Deontic Agent” + согласование
Этические графы	RDF-графы, OWL-онтологии, hand-coded relations with value-weighted edges
Мета-менеджмент	Self-critique loop, advisor agents, ‘conscience’ module, Human-in-the-loop

📌 Что появляется:

Смысловая иерархия — от задачи → цели → миссии → ценностей.
Отклонение от команды — агент может отказаться действовать, если это против его ценностей.
Альтруизм, самоограничение, жертвенность.
Рефлексия над последствиями в системе, а не только для себя.
Историческая перспектива — учитывает долгосрочные последствия, влияние на поколение/экосистему/общность.

🛠 Примеры задач:

Агент-дипломат, который выбирает, идти на компромисс или сохранять моральную позицию, даже если это приведёт к конфликту.
Виртуальный защитник ценностей команды, который фильтрует стратегии через миссию организации.
Этический аудитор мультиагентной системы, проверяющий, не нарушаются ли права пользователя, справедливость доступа, экологичность решений.
Помощник в философском или политическом моделировании (AI Ethics Board), способный обосновать позицию и спорить с альтернативами.

🎯 Тип целей:

Служение миссии, даже если это неэффективно в краткосрочном плане.
Баланс интересов многих сторон, а не только исполнение запроса.
Создание новых ценностей, если мир меняется.

❗Критические моменты:

Это уровень сознательной неэффективности: агент может отказаться от оптимального решения ради моральной позиции.
Нужна не просто логика, а философия: здесь действует CoT не только как reasoning, но как мета-этика.
Эмуляция личности: голос, характер, убеждения — часть агента.
Без человека в цикле пока крайне рискован: агент может выйти за рамки ожиданий.

💬 Аналогии:

GPT уровня 8 — это уже не ChatGPT, а GandhiGPT,
не помощник, а субъект,
не исполнитель, а советник и реформатор,
не «агент», а фигура с моральной осью.

Создание высших Агентов с помощью Низших.

Идея перехода от низших к высшим уровням через композицию — ключевая. Это архитектура масштабируемого интеллекта: низкоуровневые агенты — атомы, из которых строятся сложные сущности. Вот что важно:

🔹 Композиция как стратегия роста

Каждый более высокий уровень можно (и нужно) строить из набора агентов предыдущих уровней, где:

1–3 уровни дают операции и сервисы (ввод, действие, хранилище),
4–5 уровни дают адаптацию, знания и память,
6–7 уровни дают планирование, стратегию, распределённую систему,
8-й уровень задаёт этику, миссию, смысл, и фрейм интерпретации всего остального.

🔹 Что важно?

Не нужно ждать, пока у нас появится «мощный ИИ». → Мы можем собирать его из фрагментов уже сейчас.
Не нужно писать «главный мозг». → Надо воспитывать экосистему агентов, и позволить ей самоорганизоваться.
Человек — не программист, а садовник, режиссёр, куратор.

🔹 Агент-дизайнер: новая профессия

Человек не должен быть программистом. Он — архитектор смыслов, визионер, который:

формулирует цель, миссию и ограничения,
задаёт фрейм — «какой мир мы хотим строить»,
направляет развитие агентов, не прописывая, а формируя намерение,
взаимодействует с мета-агентом-дизайнером, который собирает команду агентов под цель.

🔹 Что такое Агент-Дизайнер?

Это специальный агент 6–7 уровня, у которого есть:

доступ к каталогу существующих агентов,
знание об их возможностях, ограничениях, связях,
шаблоны архитектур (pipeline, DAG, рой),
инструменты генерации: LangGraph, CrewAI, LangChain Agents, AutoGen.

Он выступает как мэтр-оркестратор:

🔹 Агент-композитор (meta-agent builder)

Внутри него могут быть подагенты:

Анализатор задачи — определяет тип цели (долгосрочная, операционная, стратегическая)
Подборщик компонентов — из библиотеки агентов
Граф-сборщик — создает архитектуру связи
Формулировщик миссии — переводит намерения человека в machine-understandable goals
Симулятор последствий — прогнозирует поведение такой системы
Рефлектор — объясняет человеку, как это будет работать

Роль человека	Роль агента
Визионер	Аналитик миссии
Архитектор целей	Планировщик агентов
Дизайнер поведения	Конструктор связей
Тестировщик гипотез	Симулятор результата
Наблюдатель изменений	Модуль самообучения

🔹 Архитектура эмерджентного мета-агента. ЭА -это ИИ агент, который способен создавать любых других агентов.

1. Базовые кирпичики: примитивные сущности

Каждая из них отвечает за одну когнитивную функцию:

Анализ запроса,
Сбор данных,
Критика гипотез,
Предложение варианта,
Диалог с человеком.

На этом уровне — это ещё не интеллект. Это просто сервисы, петли, инструменты.

2. Связность и интерфейсы

Через потоки данных, общие форматы, маршруты и вызовы:

JSON-интерфейсы,
shared memory (векторные базы),
сообщения через pub/sub или DAG.

Здесь рождается взаимодействие. Агенты начинают реагировать друг на друга, вызывать друг друга, формировать петли поведения.

3. Рефлексия и координация

Появляется слой, который:

наблюдает за работой агентов,
оценивает результат,
переназначает задачи.

Это менеджер, но не просто оператор, а согласующий узел. Он начинает понимать смысл комбинаций.

4. Согласование и усиление

Когда несколько агентов:

действуют в унисон,
с разной функцией,
но общей целью,
и понимают свою роль в системе —

тогда появляется мета-агент, как паттерн поведения всей системы.

Он:

не прописан явно в коде,
не является одной программой,
рождается в динамике.

Дорожная карта поэтапного создания мета-агента из простых кирпичиков.

…. где каждый этап:

соответствует определённому функциональному уровню,
строится на конкретном технологическом стеке (no-code → code → AI orchestration),

приводит к появлению эмерджентного поведения, т.е. системы, которая умнее суммы своих частей.

🌱 Шаг 1. Простые модули (1–2 уровень)

🔹 Что создаём:

Элементарные агенты-исполнители:

генератор текста, ответчик на вопрос, переводчик, классификатор, парсер.

🧰 Технологии:

Make / Zapier / n8n – для цепочек и действий,
Custom GPTs – с actions и memory в сессии,
Pipedream / Replit / FastAPI – если нужен API-запуск.

🎯 Цель:

Автоматизировать задачи.
Начать строить каталог агентов как функций.

🌿 Шаг 2. Сценарии и реакция (3–4 уровень)

🔹 Что создаём:

Агенты, которые выполняют сценарии с условной логикой.
Начинаем использовать RAG (поиск в документах).
Добавляем контекстную память.

🧰 Технологии:

Langflow / Flowise – визуальные пайплайны,
LangChain + Chroma / FAISS,
Supabase / Redis – память между вызовами.

🎯 Цель:

Сделать агентов контекстными и адаптивными.
Научиться комбинировать действия и реагировать на пользователя.

🌾 Шаг 3. Коллективная система (5–6 уровень)

🔹 Что создаём:

Агенты с памятью между сессиями,
Агенты, которые учатся на ошибках,
Впервые появляется граф знаний и reasoning по нему.

🧰 Технологии:

LangChain + AgentExecutor + Memory,
Knowledge Graphs: Neo4j, LlamaIndex KnowledgeGraph,
LangGraph / Agent Protocol – для состояния, ветвлений, reasoning.

🤖 Переходный момент:

Здесь начинает нарастать роль ИИ,

потому что человек уже не может вручную проектировать каждую ветвь.

🌳 Шаг 4. Многослойный агент с подагентами (7 уровень)

🔹 Что создаём:

Агент-менеджер, управляющий другими агентами:

планирует, делегирует, проверяет, адаптирует стратегию.

🧰 Технологии:

CrewAI, AutoGen, TaskWeaver,
LangGraph DAG + LangChain tools
Prompt engineering для Planner / Critic / Strategist / Coordinator

💡 Эмерджентное поведение:

Здесь возникает мета-персонаж,

который не равен ни одному агенту,

но управляет всеми — как организм управляет органами.

🌌 Шаг 5. Мета-агент с миссией (8 уровень)

🔹 Что создаём:

Не просто интеллект, а миссионную систему,
Мета-агент с ценностями, этическими приоритетами,
Способный отказать, возразить, пересобрать систему, если та нарушает миссию.

🧰 Технологии:

Ontology/Value graph: OWL, RDF, hand-coded YAML / JSON logic,
Ethical prompting frameworks (деконструкция моральных дилемм),
Self-reflection agents, multi-agent CoT.

🌀 Итоговая модель роста

Этап	Уровень	Поведение	Технологии	Роль ИИ
1	1–2	Простые действия	Zapier, GPTs, Replit	🔹 низкая
2	3–4	Сценарии и реакция	Langflow, RAG, Supabase	🔸 средняя
3	5–6	Адаптация и исследование	LangChain, Graphs, Memory	🔶 высокая
4	7	Менеджмент подагентов	CrewAI, AutoGen	🟣 ведущая
5	8	Миссия и ценности	Этические фреймы + AI структуры	⚫️ доминирующая

Технологический переход от "ассистента по документам" к "мышлению агента на основе знаний".

📄 Загруженные документы (PDF, TXT, DOCX, Markdown)

Когда это уместно:

🟢 Уровень 1–3

Простая подгрузка справочной информации.
Используется для извлечения цитат, ответов на прямые вопросы.
Подключается через retrieval-augmented generation (RAG) в базовой форме.

🛠 Инструменты:

ChatGPT + загрузка файлов
LangChain + FAISS
Make/n8n → передача текста в LLM

🧠 RAG-подход (Retrieval-Augmented Generation)

Когда нужно:

🟡 С уровня 4–5

Агент должен помнить факты, но не просто пересказывать, а интерпретировать.
Подключается в виде векторной базы, в которую агент обращается в процессе reasoning.

🛠 Типовой стек:

LangChain + OpenAI
Векторная база: Pinecone, Weaviate, Chroma, Supabase + pgvector
Memory + RAG для гибкой подстановки знаний в диалог

🌐 Граф знаний (Knowledge Graphs)

Когда возникает необходимость:

🟠 С уровня 6–7

Когда важно не просто «найти похожее», а понять связи, роли, отношения, контексты.
Когда агент работает в мультиагентной системе, где знания нужно структурировать и делить.
Когда нужны мета-знания: например, “кто влияет на кого”, “что вызывает что”, “кто может ответить”.

🧩 Почему RAG уже не хватает:

Он хорош для «что?» и «где?»,
Но плохо работает на «почему?» и «как связано?».

🛠 Типовой стек:

Neo4j (основной граф-бэкэнд)
LangChain + Graph Index / KG Retriever
LlamaIndex с KnowledgeGraphIndex
Использование triplets: (A → [связан_с] → B)

🧬 Когда нужен RAG+Graph гибрид

🔴 Уровень 8 (Миссионный агент)

Когда агенту нужно делать моральный выбор, учитывать влияние, последствия, динамику.
Он должен оперировать:
- знаниями (RAG)
- отношениями (Graph)
- этикой / стратегией (другой уровень reasoning)

💡 Итого:

Уровень агента	Документы	Векторный поиск (RAG)	Граф знаний
1–3	✅	❌	❌
4	✅	✅ (базовый)	❌
5	❗	✅ (постоянное обучение)	❌
6	❗	✅	✅ (начальный)
7–8	⚠️	✅	✅✅✅ (база логики и миссии)

Обратная связь

Пожалуйста, оставьте отзыв о курсе. Абсолютно честный. Для меня это очень важно, потому что курс будет дорабатываться и улучшаться. Все развивается быстро, и ваша обратная связь поможет понять, в каком направлении двигаться дальше.

Это эмерджентный подход к построению интеллекта, где мета-агент не создаётся напрямую, а рождается как результат согласованного взаимодействия более простых сущностей.

Это напоминает:

как клетки образуют ткани,
токены — слова,
нейроны — сознание,
простые агенты — личность или характер.

Вечный, пожизненный доступ

Не успеваете?
Хотите идти в своем темпе?
Не хотите нервничать,
что закончится бесплатный доступ?

Купите немного спокойствия и уверенности!
Возьмите пожизненный доступ.
3 уровня, много плюшек.
Никакой спешки.

Previous Глава

Back to Содержание

Next Глава

Введение в действительно большие возможности ИИ.

Оглавление

Видео

Что в следующем курсе и почему это важно?

Именно этим мы и будем заниматься на следующем курсе.

Что мы будем изучать?

Со временем вы сами начнете уделять больше времени.

Как попасть на курс?

Полезные эссе. Читать не обязательно.

Что будет в данном разделе?

20 задач, которые не под силу ассистентам, но под силу агентам

Уровни агентов.

С помощью каких инструментов делать Агентов? (Стек технологий).

Создание высших Агентов с помощью Низших.

2. Связность и интерфейсы

3. Рефлексия и координация

4. Согласование и усиление

🌱 Шаг 1. Простые модули (1–2 уровень)

🌿 Шаг 2. Сценарии и реакция (3–4 уровень)

🌾 Шаг 3. Коллективная система (5–6 уровень)

🌳 Шаг 4. Многослойный агент с подагентами (7 уровень)

🌌 Шаг 5. Мета-агент с миссией (8 уровень)

🌀 Итоговая модель роста

📄 Загруженные документы (PDF, TXT, DOCX, Markdown)

🧠 RAG-подход (Retrieval-Augmented Generation)

🌐 Граф знаний (Knowledge Graphs)

🧬 Когда нужен RAG+Graph гибрид

💡 Итого:

Обратная связь

Вечный, пожизненный доступ

Запрос смены пароля