Недавно закончил курс Яндекса по нейронным сетям — с упором на языковые модели и компьютерное зрение. Курс оказался полезным не столько практикой, сколько систематизацией: обзор современных подходов, понимание эволюции моделей, хорошая теоретическая база. Часть тем, честно говоря, уже выглядит избыточной в эпоху «vibe coding», но в целом — крепкий фундамент. Но важнее другое. Курс помог мне сформулировать мысль, которая давно крутилась в голове. Я попробовал делать учебные проекты практически без программирования — с помощью ИИ-агентов (в частности, Codex). И оказалось, что для задач уровня MVP это уже работает. Можно спорить, хорошо это или плохо — но как инструмент для быстрой проверки гипотез это уже реальность. И тут возникает более интересный вопрос: как это применить в бизнесе? Всю жизнь я занимаюсь прикладной автоматизацией. Мои клиенты — малый и средний бизнес. И там всегда одни и те же требования: — быстрое внедрение — понятный результат — помощь в формулировке самой задачи («а где вообще автоматизировать?») В крупных компаниях этим занимаются аналитики и консалтинг. В малом и среднем бизнесе — это зона ответственности разработчиков и собственников. Так происходит с внедрением 1С. И, похоже, точно так же будет с внедрением ИИ. Есть ещё один важный момент, который я наблюдаю уже больше 20 лет - невозможно взять одно решение и тиражировать его между компаниями. Даже в одной отрасли бизнес-процессы отличаются. Каждый бизнес — как отдельный организм. И это означает простую вещь: ИИ нельзя «просто внедрить». Его нужно адаптировать под конкретный бизнес. И вот здесь, на мой взгляд, появляется интересная точка роста. 1С-интеграторы и внедренцы уже глубоко погружены в бизнес-процессы клиентов. Они понимают, где узкие места, где ручной труд, где потери. Это делает их идеальными кандидатами на роль проводников ИИ в бизнесе. Коллеги из 1С — присмотритесь к ИИ. Это возможность расширить спектр задач и выйти на новый уровень автоматизации. А тем, кто идет во внедрение ИИ, имеет смысл работать в связке с 1С-разработчиками: — они знают процессы — они помогут собрать данные — они обеспечат интеграцию с учетной системой. Без этого любое ИИ-решение рискует остаться «сферическим конём в вакууме». Простой пример из практики. Торговая компания. Есть сайт, портал, автоматизация — всё настроено. Но часть клиентов по-прежнему присылает заказы в виде неструктурированных писем. Сейчас это обрабатывает оператор: читает письмо → вручную заводит заказ в 1С. Хотя данные уже есть: — письма в почте — соответствующие им заказы в 1С То есть фактически готовый датасет! Дальше — дело техники: обучить (или дообучить) модель, которая сможет читать почту и автоматически создавать заказы. Классическая задача, которую раньше было сложно даже начать. Сейчас — вполне реалистичный MVP. И отсюда у меня сформировалась рабочая гипотеза. Сегодня ИИ-агенты позволяют одному человеку собрать MVP-решение достаточно быстро. А значит, можно менять сам подход к продаже: ❌ не продавать «разработку и внедрение ИИ» ✅ а приходить с уже работающим (или почти работающим) MVP То есть сначала показать ценность, а уже потом масштабировать. Да, это требует инвестиций: время + немного облачных ресурсов. Но потенциальный выигрыш — в скорости проверки гипотез и снижении барьера для клиента. Пока это скорее рабочая стратегия, чем оформленный подход. Но ощущение, что именно в эту сторону сейчас сдвигается рынок. Что думаете?