Открыть учебник Записаться

AI Для Менеджеров

AI стал быстрее интернета – но 62% пользователей застряли на старте

8 мин чтения

В апреле 2026 года Stanford HAI выпустил девятый ежегодный AI Index Report – самую масштабную сводку о состоянии индустрии искусственного интеллекта. Заголовки предсказуемо оптимистичны: корпоративное внедрение достигло 88%, генеративный ИИ обогнал интернет по скорости распространения, потребительская ценность GenAI-инструментов оценивается в $172 млрд ежегодно. Но стоит заглянуть за цифры – и появляется знакомая проблема.

Читать полностью
AI стал быстрее интернета – но 62% пользователей застряли на старте
4 техники промптинга, проверенные на 7 моделях: гайд с воркшопа
28 мин

4 техники промптинга, проверенные на 7 моделях: гайд с воркшопа

«Проанализируй проект и дай рекомендации» – один промпт, семь моделей, и GPT-5.4 выдал 2231 слово размытых советов, а Claude Sonnet – 11 хвалебных фраз типа «отличная структура бюджета». Стоило переписать запрос по структуре из пяти элементов – все семь моделей уложились в 346–443 слова, а похвала исчезла. Экономия токенов: от 41% до 79% в зависимости от модели.

Это не теория. Это данные с воркшопа «Промпт-инжиниринг на практике», который я провёл на конференции IIBA. Один проектный бриф, четыре техники, семь моделей, 28 запусков – и $0.054 за всё. Дешевле чашки кофе из автомата.

Бенчмарки ИИ теряют смысл – как тогда выбирать модель
7 мин

Бенчмарки ИИ теряют смысл – как тогда выбирать модель

В марте мы разбирали, как устроены бенчмарки LLM – GPQA Diamond, SWE-bench, Chatbot Arena. В апреле протестировали 53 модели и обнаружили, что разница в качестве между топовыми моделями – десятые доли балла, а в цене – три порядка величины.

Теперь – следующий вопрос. Что если сами бенчмарки перестают работать?

Мат, КАПС и XML-теги: мифы промптинга против данных
10 мин

Мат, КАПС и XML-теги: мифы промптинга против данных

«Напиши КАПСОМ – модель послушается». «Поругайся на неё – выдаст лучше». «Разбей на шаги – получишь глубокий анализ». Эти советы кочуют из блога в блог, из чата в чат. Кто-то ссылается на исследование Microsoft, кто-то – на личный опыт с ChatGPT.

Я решил проверить – и проверил основательно. Взял четыре модели, доступные в России без VPN: GigaChat-Ultra, GigaChat-2-Max, YandexGPT и Qwen3 Max. Каждую прогнал через десять техник промптинга (способов формулировать запросы к ИИ) – от простых ролевых заданий до XML-структур. Задачи – из реальной работы менеджера: анализ выручки, подготовка записки, увольнение по ТК РФ.

Оценивали вслепую два независимых LLM-судьи. Для калибровки те же задачи решали GPT-5.4 и Claude Sonnet – чтобы зафиксировать потолок, к которому тянутся российские модели.

Если вы используете ИИ для рабочих задач – записок, писем, анализа данных – эти результаты сэкономят часы проб и ошибок.

Половина популярных советов оказалась городскими легендами. Другая половина работает – но не так, как вы думаете.

99% качества за 1,4% цены: что не так с рынком ИИ-моделей
7 мин

99% качества за 1,4% цены: что не так с рынком ИИ-моделей

Большинство менеджеров выбирают модель ИИ так: берут самую дорогую из доступных. Логика понятная – дороже значит лучше. Так работало с корпоративным софтом последние двадцать лет.

Рынок ИИ-моделей в 2026 году устроен иначе. Стоимость одного запроса варьируется от $0,0001 до $0,17 – три порядка величины. А реальная разница в качестве между десятью лучшими моделями? 0,24 балла по пятибалльной шкале. Тем временем Wharton / GBK Collective фиксируют: треть корпоративных ИИ-проектов не выходит за рамки пилота. А Epoch AI показывает, что лишь 5,6% пользователей применяют ИИ по-настоящему глубоко.

Может, вопрос не в том, какая модель лучше, а в том, даёт ли переплата за премиум пропорционально лучший результат для типичных управленческих задач.

Мы проверили. Ответ оказался жёстче, чем ожидали.

5 сигналов срыва спринта за 2–3 спринта раньше: готовые промпты для ChatGPT и Gemini
44 мин

5 сигналов срыва спринта за 2–3 спринта раньше: готовые промпты для ChatGPT и Gemini

Статус-митинг по пятницам. PM открывает слайд: «Мы на две недели отстаём от плана». Руководитель спрашивает: «Когда стало понятно?» PM честно отвечает: «Неделю назад, когда собрал данные для отчёта».

Проблема системная. Статус-отчёты описывают прошлое. К моменту, когда отклонение попадает в слайд, команда уже живёт с ним несколько дней, заинтересованные стороны уже слышат тревожные сигналы в коридорах, а окно для дешёвого реагирования закрылось.

Данные, которые могли бы предупредить о проблеме, всё это время лежали в Jira и GitHub. Просто никто не смотрел на них под нужным углом.

Эта статья – для PM, работающих с Jira, Asana и GitHub. Если вы управляете строительными проектами и ваши данные в 1С:ERP, ЦУС или Spider Project – версия для строительства выйдет отдельно: субподрядчики, поставки, КС-формы и календарный план вместо спринтов и коммитов.

Как выжать максимум из YandexGPT: что работает, а что нет
11 мин

Как выжать максимум из YandexGPT: что работает, а что нет

Миллионы людей пользуются Алисой каждый день – не потому что выбирают, а потому что она бесплатна, встроена в Яндекс Браузер и работает без VPN. YandexGPT, модель под капотом Алисы – лучшая российская модель в нашем бенчмарке, но до GPT-5.4 ей далеко.

Можно ли получить от неё ответы, близкие к GPT, если научиться правильно спрашивать? Мы проверили это в эксперименте: десять техник промптинга, шесть управленческих задач, два независимых LLM-судьи. Короткий ответ: да, можно – но не все техники работают, а некоторые делают хуже.

Ниже – конкретные шаблоны, которые вы можете скопировать в чат прямо сейчас, и антипаттерны, которых стоит избегать.

Microsoft тихо выиграл корпоративный рынок ИИ: что это значит для руководителей
10 мин

Microsoft тихо выиграл корпоративный рынок ИИ: что это значит для руководителей

Когда вы в последний раз читали заголовок про Microsoft Copilot? Скорее всего, редко. Медиапространство заполнено новостями про GPT-5, Claude 4.7, Gemini Ultra. Copilot выглядит как скучный корпоративный инструмент, о котором пишут только в LinkedIn.

А теперь посмотрите, кто платит за что.

Локальные LLM для менеджера: что реально запустить дома
19 мин

Локальные LLM для менеджера: что реально запустить дома

Каждый, кто достаточно долго работает с ChatGPT или Claude, рано или поздно задаёт этот вопрос: а можно ли запустить что-то похожее прямо на своём ноутбуке – без подписки, без утечки данных, без зависимости от серверов?

Ответ в 2026 году – да, но с оговорками, которые важнее самого ответа.

Эта статья для тех, кто уже пользуется облачными LLM и хочет понять, что реально даёт локальный запуск, какое железо для этого нужно и где заканчиваются ожидания. Без технического глубокого погружения, но с конкретными цифрами.

P5.express и агентный ИИ: где помогает, где ломает
22 мин

P5.express и агентный ИИ: где помогает, где ломает

В PMI-мире принято думать о портфельном управлении как о чём-то монументальном: комитеты, Tableau, сотни полей в Jira, еженедельные статус-митинги с колодой слайдов. P5.express предлагает другое. Три цикла, пять документов, две роли. Система умещается на одном листе.

Именно к такой системе разумно приставить агентный ИИ: минималистичная архитектура понятна, роли чёткие, данные структурированы. Но «разумно» не значит «везде». Некоторые части P5.express при автоматизации перестают работать – не потому что ИИ плохой, а потому что смысл этих частей именно в человеческом процессе.

Ниже – разбор по каждому циклу. Что стоит делегировать агенту, что лучше оставить людям, и какая модель для этого подходит в реалиях России.