Как новая модель ускорила локальный AI-транскрибатор
Новая модель помогла в несколько раз ускорить локальный транскрибатор без потери качества простым запросом на оптимизацию.
ИИ-автоматизация хорошо работает там, где много однотипной работы с документами, письмами и таблицами, а результат проверяет человек. Так устроен кейс Uber: LLM извлекает поля из PDF-счетов, сотрудник проверяет, а ручной обработки стало вдвое меньше (разбор). Там же важный вывод: такой проект окупается как платформа, а не как разовая задача.
Начинать можно с простого: три личные автоматизации в iOS-командах, личный ChatGPT-бот через API или проверка заказ-нарядов автосервиса через GPT. Правило для отбора задач тоже простое: если что-то делаешь второй раз, поручай агенту. Эффект удобно мерить тем, сколько времени на задачу тратил бы человек. Для своих сервисов есть n8n, хотя при уверенном владении Cursor он может и не понадобиться.
В заметках Василя Закиева есть и взгляд на рынок: ставка инвесторов на оркестрацию в n8n и стартапы YC, которые продают замену людей, а не софт.
Какие задачи отдавать ИИ на разных должностях, разобрано на странице кому и для чего нужна ИИ-автоматизация. Собирать автоматизации самому учит продвинутый интенсив на Cursor и n8n, а для команд есть корпоративный интенсив.
Публикации
Материалов по теме: 15
YC продает замену людей, а не AI-софт
Почему стартапы свежего батча YC всё чаще продают не AI-инструменты, а результат услуги и обещание заменить дорогую работу.
Все мы теперь немного Шенксы
Почему работа, основанная на ручном переборе и аккуратности, сильнее всего уязвима перед ИИ и автоматизацией.
Developer как папка для проектов
Почему отдельная папка для проектов на Mac помогает агентам реже ошибаться с путями и контекстом.
Если что-то делаешь второй раз, поручай агенту
Как распознать повторяемую рутину и разложить её на контекст, процедуру, прозрачность и human-in-the-loop для автоматизации агентом.
Appshots в Codex
Как новая скриншотилка Codex прикрепляет окно macOS-приложения вместе с Accessibility-текстом и упрощает контекст для скиллов и автоматизаций.
Как Uber автоматизировал обработку счетов через LLM
Кейс Uber показывает, почему LLM-автоматизация документов окупается как платформа, а не как один точечный проект.
n8n привлекла $180 млн: ставка на оркестрацию ИИ
Раунд n8n показывает спрос на оркестрацию LLM, инструментов и данных в реальные рабочие процессы.
Браузерные LLM переносят проектный контекст
Браузерный агент Comet может перенести задачи и контекст из GitHub Projects в Linear, повторяя действия человека в интерфейсе.
Как мерять эффективность ИИ в работе
Практическая метрика внедрения ИИ: считать человеко-время задач и строить корпоративную память для более длинных цепочек работы.
GPT-контроль автосервиса
Эксперимент по проверке работ автосервиса с помощью GPT-4o и Deep Research.
Личный ChatGPT-бот через API
Связка ChatGPT API и Albato позволяет пользоваться личным чат-ботом без запуска VPN и браузера.
Быстрые команды можно запускать касанием
Двойное или тройное касание задней крышки iPhone позволяет быстро запускать личные рабочие автоматизации.
Три личные автоматизации в iOS-командах
Быстрые команды iOS могут сообщать время прибытия, включать экономию батареи и готовить свободные слоты календаря.
Что объединяет быстрорастущие приложения
В списке быстрорастущих приложений 2022 года автор видит общий паттерн: совместная работа и интеграция сервисов.
Поиск и все материалы раздела — в общей ленте.
КОНТАКТЫ
Обсудим ИИ-трансформацию вашей компании.
Напишите через форму на сайте или напрямую в Telegram. Быстро поймём, где ИИ может дать эффект, какой формат подойдёт руководителю или команде и с чего начать.
Менторская консультация
60 000 ₽
- Диагностика процессов и задач под ИИ
- Выбор первых внедрений с понятным эффектом
- Подбор инструментов: Искра, модели, сервисы и автоматизации
- План действий на 30 / 60 / 90 дней