В посте обсудим философию использования нейросетей в работе. Как интегрировать вайбкодинг в текущие процессы, почему не нужно писать аналоги большим сервисам и как заработать денег респект команды за свои наработки.

Здесь будем говорить именно про написание кода с помощью ИИ (LLM), т.н. вайбкодинг.

Почему люди берутся за написание аналогов огромным сервисам? Для меня загадка, зачем сидеть вечерами, тратить токены, чинить ошибки, собирать интерфейс, добавлять авторизацию, потом роли, потом настройки, потом ещё одну сущность, потом экспорт в Excel, если похожие сервисы уже есть. На любой вкус. С поддержкой, документацией, безопасностью, правами доступа, интеграциями и командой, которая годами закрывала пограничные случаи, о которых ты пока даже не подумал 🤷

Если это предпринимательство с понятной бизнес-моделью, то ок. Там можно искать нишу, пересобирать привычный продукт, конкурировать с большими игроками и проверять рынок.

Вместо игры в IT-божка написания Notion предлагаю вам другой путь: собрать маленький инструмент под одну конкретную рабочую боль.

Например: - прототип для обработки таблиц, - автоматизация еженедельной аналитики, - черновик отчёта из сырых данных, - маленький интерфейс для задачи, которую команда сейчас делает руками, или MVP до закупки внешнего сервиса.

Представляете, сколько инициатив в компаниях умирает не потому, что они плохие, а потому, что их слишком рано тащат через презентации, согласования, бюджеты, закупки и тендеры? А так потыкали, прикинули полезность и отбросили. При бюджете в 200$ так вообще «серебрянная пуля».

Процесс получится примерно такой: - маленький прототип - проверка на реальной задаче - обратная связь от команды - понятные ограничения - разговор про выделение ресурса

А теперь немного практики на примере моего кейса 💪

В компании есть сервис, который автоматически собирает итоги по звонкам. Звучит полезно, но мне не нравилось качество этих итогов. Плюс я не могу управлять промптами обработки, добавлять свои сценарии и настраивать логику под разные типы встреч.

Поэтому я написал свой инструмент, чтобы проверить простую гипотезу: можно ли сделать обработку встреч полезнее, управляемее и ближе к моей реальной работе.

Потом показал решение компании. На текущий момент потребности в нём нет: есть другие приоритеты, уже есть существующий сервис, и это нормально 🥲 Но история win-win:

Если инструмент не нужен компании сейчас, я всё равно могу использовать его для себя: быстрее разбирать встречи, готовить итоги, закрывать текучку и снимать с себя часть бюрократии.

То есть кейс не умер. Он просто остался на правильном уровне применения. Иногда лучший результат — это маленький инструмент, который уже экономит время одному человеку или одной команде 🤞

Так еще и в перфоманс-ревью можно себе записать!

И вообще с таким кейсом разговор с боссом выглядит совсем иначе. Почувствуйте разницу: Одно дело сказать: «Мне кажется, нам нужен новый сервис, давайте закупим». Другое — сказать: «Я собрал прототип, прогнал на реальных задачах, вот где он полезен, вот где бесполезен, вот ограничения, вот что нужно для промышленного запуска».

Но есть важное условие: без экспертизы получится чушь. Вот почему важно начать с решения именно твоих болей!

ИИ может писать код, объяснять ошибки, собирать интерфейсы и предлагать архитектуру. Но если ты не понимаешь задачу, данные, ограничения процесса и хотя бы базово устройство того, что собираешь, ты просто не сможешь собрать что-то годное. Модель будет уверенно предлагать решения. Ты будешь уверенно их копировать. Потом всё сломается. И если ты не понимаешь, почему сломалось, вся работа уедет в мусорку 🤡

Поэтому сила ИИ на работе не в том, что он превращает любого в инженера, аналитика и архитектора одновременно. Сила в том, что он ускоряет человека, который понимает свою предметную область и умеет формулировать задачу.

А вы «тупеете» с этой прикормки? 😅

Всех обнял 💜