Разборы · Статья: · Видео: · 1 ч 59 мин 48 с

Мы обречены live: найм стал битвой алгоритмов, а ИИ ускорил усталость от прогресса

Разбор почти двухчасового live-выпуска «Мы обречены» про сломанный найм, AI-резюме, компактных агентов для серверов, метрики команд, сломанный интернет и человеческую ценность в эпоху генерации всего.

ИИ Программирование Карьера Экономика
Смотреть на YouTube

Найм, ИИ, сломанный интернет — и другие проблемы айти – Мы обречены live

Мы обречены · 1 ч 59 мин 48 с
Главы видео — нажми, чтобы перейти к моменту 12
  1. 0:00 Медийность как профессиональный сигнал Короткая подводка к курсу про публичность: статьи, выступления и тексты как способ стать заметнее в индустрии.
  2. 2:33 Найм, HR и промпты отбора Ведущие шутят про старый образ HR-врага, но быстро приходят к более неприятной мысли: найм ломают платформы, промпты и алгоритмы.
  3. 10:22 Компактный агент для серверов Системный архитектор Selectel объясняет, почему маленькая специализированная модель с правильным контекстом может быть полезнее большой общей.
  4. 20:30 AI как объяснение увольнений Разговор о том, как компании упаковывают сокращения в язык AI-first и почему это раздражает самих айтишников.
  5. 30:30 Метрики команд и инциденты Юнит-лид AvitoTech выбирает инциденты как одну из ключевых метрик и обсуждает, почему velocity опасно превращать в дубинку.
  6. 40:30 Как теперь искать работу Самый плотный карьерный фрагмент: хороший специалист оказывается между лудитскими компаниями, AI-first компаниями и автооткликами конкурентов.
  7. 57:26 Сломанный интернет и VPN Шутливый, но болезненный блок про то, что индустрия обсуждает агентов будущего, пока базовый доступ к интернету становится отдельной задачей.
  8. 1:03:14 Заморозить 2021 год Мысленный эксперимент о цене ускоренного прогресса: люди видят побочные эффекты своих технологий почти сразу и не успевают их переварить.
  9. 1:28:15 AI-тексты и мёртвый интернет Q&A про то, как распознавать сгенерированные тексты, почему комментарии и контент всё чаще выглядят как шум.
  10. 1:34:48 Сломали ли нейросети найм Ответы из зала возвращают выпуск к центральной теме: резюме, достижения, чёрные списки, алгоритмы и реальные сигналы компетентности.
  11. 1:49:30 Будут ли цениться человеческие качества Ведущие обсуждают, может ли ручная, человеческая работа стать премиальным сигналом в мире, где всё можно сгенерировать.
  12. 1:53:32 Что сейчас ценится на рынке Финальный практический ответ: учиться, делать свои проекты и развивать способность решать задачи целиком.

Коротко

Найм в IT стал столкновением автооткликов, скорингов и HR-промптов, поэтому хороший специалист может потеряться между алгоритмами. Главный вывод: ценность теперь нужно доказывать делом, контекстом и человеческой ответственностью, а не только красивым резюме.

Выжимка голосом

Самое ценное из разбора — за пару минут

0:00 2:26
Показать текст выжимки
Если коротко, это разбор не только смешного live-подкаста, а очень узнаваемого состояния айти в 2026 году. Рынок труда стал похож на битву алгоритмов: кандидат улучшает резюме через ИИ, платформа ранжирует поток откликов, рекрутер фильтрует его своими инструментами, а хороший специалист может просто потеряться между этими слоями автоматизации. Главная мысль выпуска: работа не исчезла магически, но путь к ней стал шумнее и менее человеческим. Поэтому теперь мало написать «пять лет опыта» и ждать оферов. Нужно показывать проверяемую ценность: проекты, статьи, демо, вклад в код, понятные достижения и честную позицию по использованию ИИ. Самый полезный технический кусок — разговор с Selectel про компактного агента для серверов. Там важна не магия большой модели, а инженерия вокруг неё: контекст машины, история действий, правильный терминальный интерфейс и специализация под задачу. Это хороший антидот против веры, что качество продукта определяется только размером модели. Кому выпуск особенно полезен? Разработчикам, которые ищут работу в новом шумном рынке. Техлидам, которые внедряют AI-инструменты и не хотят потерять инженерную культуру. Рекрутерам и менеджерам, которым нужно отличать настоящую компетентность от красиво сгенерированного сигнала. Практически стоит сделать три вещи. Во-первых, переписать резюме так, чтобы каждое достижение было конкретным и проверяемым. Во-вторых, собрать публичный proof-of-work: мини-проект, заметку, разбор бага или демо. В-третьих, заранее сформулировать, как именно ты используешь ИИ: где он ускоряет, где ты проверяешь руками, а где ему нельзя доверять. Критический момент: выпуск эмоциональный, и не все гиперболы стоит принимать как строгую аналитику. Но настроение он ловит точно. И напоследок — взгляд под другим углом: человеческая ценность не исчезает от того, что текст и код стало проще генерировать. Она просто переезжает из слов в следы работы, вкус, ответственность и способность довести дело до результата.

Озвучено синтезом речи · голос alena

Объясни проще

Суть без жаргона

Простыми словами

Ведущие обсуждают, почему рынок труда в IT ощущается сломанным: кандидаты массово шлют резюме через ИИ, работодатели фильтруют их алгоритмами, а нормальный специалист теряется между двумя автоматизациями. Параллельно выпуск показывает, что ИИ-прогресс полезен, но слишком быстро стал бытовой силой: он уже влияет на найм, интерфейсы, безопасность, интернет и ощущение собственной устарелости.

Как ребёнку

Представь школьную ярмарку, где все дети попросили роботов красиво написать за них объявления, а учитель поставил другого робота выбирать лучшие. Теперь победит не обязательно тот, кто правда лучше сделал поделку, а тот, чьё объявление понравилось машине.

Аналогия — «это как…»

Это как собеседование, куда вместо людей пришли их аватары: один аватар пишет идеальное резюме, второй проверяет его по невидимой таблице, третий решает, стоит ли звать человека. Побеждает тот, кто умеет не только работать, но и оставлять проверяемые следы работы.

Зачем это мне

Если вы ищете работу, нанимаете людей или внедряете AI-инструменты, эта тема уже не абстрактная. От неё зависит, как вас увидят на рынке, как команда будет измерять результат и как не утонуть в одинаковом сгенерированном шуме.

Для тех, кто в теме

Выпуск полезен как карта симптомов: ATS/LLM-оптимизация кандидатов, HR-фильтры, AI-first layoffs narrative, compact-agent engineering, metric gaming и crawl-to-click кризис веба сходятся в одну проблему доверия к сигналам. Технический вывод: качество системы всё чаще определяется не моделью, а контекстом, интерфейсом, проверками и экономикой внимания.

Оценка видео

Чем выше — тем больше пользы на минуту

4.2

средняя из 5

Актуальность информации 5.0

Ролик опубликован 24 июня 2026 года и попадает прямо в текущие споры о рынке труда, AI-резюме, агентном кодинге и деградации веба.

Содержательность 4.2

Это live-подкаст с шутками, Q&A и рекламными вставками, но внутри много сильных наблюдений про найм, метрики, компактные агенты и цену прогресса.

Инновационность идей 3.8

Большинство тезисов уже витает в индустрии, зато выпуск хорошо собирает их в одну человеческую рамку: алгоритмы имитируют людей, люди учатся имитировать алгоритмы.

Практичность 4.1

Прямых чеклистов немного, но из разговора легко вынести карьерные и управленческие действия: портфолио, честное резюме, AI-позиционирование, диагностика метрик.

Достоверность 3.8

Многое построено на личных наблюдениях и гиперболе; внешние источники подтверждают общий фон, но не каждую конкретную шутку или историю из выпуска.

Кому будет полезно

Чем выше оценка — тем больше пользы для профессии. Разверни — почему.

Для разработчиков 4.8 /5

Выпуск прямо касается поиска работы, AI-инструментов, proof-of-work и риска оказаться невидимым среди сгенерированных откликов.

Для техлидов 4.6 /5

Материал помогает отделить полезное внедрение ИИ от шума: где нужен контекст, где ревью, где инженерная культура важнее модели.

Для инженерных менеджеров 4.5 /5

Блок про метрики команд и инциденты хорошо показывает, как использовать данные для диагностики, а не для наказания людей.

Для рекрутеров и HR-специалистов 4.2 /5

Разбор показывает, почему поток резюме становится однотипным и какие сигналы компетентности стоит искать помимо красивого текста.

Для карьерных консультантов 4 /5

Выпуск даёт свежий язык для разговора с кандидатами: AI-резюме, алгоритмический отбор, достижения, портфолио и позиция по инструментам.

Для фаундеров AI-продуктов 3.8 /5

Разговор с Selectel напоминает: продукт на ИИ строится не вокруг магической модели, а вокруг контекста, UX, ограничений и реальных сценариев.

Инсайты

Нажми, чтобы раскрыть — то, что меняет взгляд на тему

01 Найм стал алгоритмом против алгоритма 48:25

Кандидат оптимизирует резюме и отклики через ИИ, платформа ранжирует поток, HR фильтрует промптом. Человеческая компетентность не исчезла, но её стало труднее увидеть.

02 Компактная модель — это другой инженерный режим 11:50

Если модель специализировать и дать ей правильный контекст, она может решать узкую задачу лучше, чем ожидаешь от её размера. Важны состояние, история действий и интерфейс.

03 ИИ стал языком оправдания управленческих решений 20:30

Сокращения теперь легко упаковать как AI-first трансформацию, даже когда причина может быть в экономике, переинвестировании или обычной оптимизации затрат.

04 Скорость прогресса рождает лудитство даже у энтузиастов 1:04:00

Сопротивление возникает не только из страха перед технологией, а из ощущения, что последствия изобретений догоняют людей быстрее, чем они успевают адаптироваться.

05 Человеческая агентность может стать премиальным сигналом 1:50:42

Там, где всё можно сгенерировать, ценность смещается к тому, что за действием виден конкретный человек, вкус, риск и ответственность.

Полезные советы

Что можно применить уже сегодня. Разверни совет — сколько займёт, что даст и что конкретно делать

1

Перепиши резюме под алгоритм, но не ври

30 минут резюме станет конкретнее и лучше выдержит проверку

Сделай достижения явными: результат, контекст, масштаб, чем именно ты помог. Не превращай резюме в фантазию, потому что на следующих этапах придётся защищать каждую строку.

Что делать

  1. 1 1. Выпиши 5 последних задач, где был понятный результат.
  2. 2 2. Для каждой добавь масштаб: пользователи, деньги, скорость, надёжность или команда.
  3. 3 3. Убери общие фразы вроде "участвовал в разработке".
  4. 4 4. Проверь, можешь ли объяснить каждую строку без ИИ-подсказки.
2

Покажи proof-of-work вне резюме

вечер у тебя появится сигнал, который сложнее сгенерировать

Если найм стал чёрным ящиком, добавь доказательство работы: публичный проект, техническую заметку, разбор инцидента, демо или вклад в open source.

Что делать

  1. 1 1. Выбери один проект или рабочую задачу, которую можно показать публично.
  2. 2 2. Опиши проблему, ограничения, решение и результат.
  3. 3 3. Добавь ссылку в резюме и профиль.
3

Сформулируй свою позицию по ИИ

1 час на интервью ты не будешь метаться между крайностями

Опасно выглядеть то лудитом, то человеком, который всё отдаёт модели. Нужна взрослая позиция: где ИИ ускоряет, где ты проверяешь, где не доверяешь.

Что делать

  1. 1 1. Запиши 3 задачи, где ИИ реально помогает тебе работать.
  2. 2 2. Запиши 3 зоны, где ты всегда проверяешь результат руками.
  3. 3 3. Подготовь короткий пример ошибки модели, которую ты поймал.
4

Проектируй контекст агента до выбора модели

полдня агент будет полезнее и дешевле

Разговор про серверного агента показывает: маленькая модель может работать хорошо, если знает текущее состояние, историю действий и границы задачи.

Что делать

  1. 1 1. Опиши, какие данные агент должен видеть перед ответом.
  2. 2 2. Отдели неизменные инструкции от текущего состояния.
  3. 3 3. Добавь журнал действий, чтобы модель не гадала.
  4. 4 4. Проверь результат на маленькой и большой модели.
5

Используй метрики как датчик, а не дубинку

1 час команда будет меньше играть с цифрами и быстрее показывать проблемы

Cycle time, инциденты и опросы полезны, когда показывают аномалии. Если ими наказывают, люди оптимизируют показатель, а не систему.

Что делать

  1. 1 1. Выбери 2-3 метрики, которые показывают здоровье команды.
  2. 2 2. Смотри на динамику за несколько спринтов, а не на один срез.
  3. 3 3. Обсуждай причину изменения с командой до выводов о людях.
6

Защити свои каналы от платформенного шума

2 часа аудитория и работа меньше зависят от одного алгоритма

Если поиск, YouTube или соцсети меняют правила, прямой контакт становится активом. Заведи рассылку, сайт, RSS или Telegram-канал, где тебя можно найти без рекомендаций платформы.

Что делать

  1. 1 1. Выбери один прямой канал связи.
  2. 2 2. Добавь ссылку на него во все профили.
  3. 3 3. Публикуй туда короткие итоги своих проектов.
7

Собери маленький личный продукт

выходные получишь и навык, и доказательство самостоятельности

ИИ снизил цену первой версии. Используй это не для имитации занятости, а чтобы проверить идею, собрать альфу и показать, что ты умеешь доводить до результата.

Что делать

  1. 1 1. Найди одну маленькую боль из своей работы.
  2. 2 2. Зафиксируй минимальную полезную версию.
  3. 3 3. Собери прототип с помощью ИИ, но проверь критичные части сам.
  4. 4 4. Напиши короткий разбор: что получилось и что нет.

Сценарии применения

Как разные люди применяют это на практике

Я как разработчик

Проблема: Резюме тонет среди автооткликов, а стандартные фильтры не показывают настоящую силу.

Хочу: Чтобы меня оценивали по реальным навыкам, а не только по ключевым словам.

Поможет: Статья помогает собрать proof-of-work, конкретизировать достижения и подготовить честную AI-позицию для интервью.

Я как техлид

Проблема: Команда внедряет AI-инструменты, но непонятно, где они ускоряют, а где создают мусор.

Хочу: Сохранить качество и инженерную культуру.

Поможет: Разбор подсказывает смотреть на контекст, ревью, сценарии применения и границы доверия к агентам.

Я как рекрутер

Проблема: Поток резюме стал более гладким, но менее различимым.

Хочу: Не пропускать сильных людей среди одинаковых AI-текстов.

Поможет: Материал даёт рамку для поиска проверяемых сигналов: портфолио, конкретных достижений, коротких практических заданий.

Я как инженерный менеджер

Проблема: Руководству нужны цифры, а команда боится, что метрики станут наказанием.

Хочу: Видеть проблемы раньше и не ломать доверие.

Поможет: Блок про инциденты и динамику метрик помогает обсуждать систему, а не обвинять людей.

Я как основатель AI-продукта

Проблема: Кажется, что достаточно прикрутить большую модель.

Хочу: Сделать продукт, которым реально пользуются.

Поможет: Разговор про компактного агента напоминает: важны контекст, терминальный UX, ограничения и сценарии, а не только название модели.

Я как контент-мейкер

Проблема: Веб заполняется сгенерированным шумом, а платформы дают всё меньше предсказуемого трафика.

Хочу: Сохранить доверие аудитории.

Поможет: Статья подсказывает строить прямые каналы и усиливать человеческую позицию, которую сложнее клонировать.

Я как джун

Проблема: Рынок кажется закрытым, а простые задачи автоматизируются.

Хочу: Понять, куда расти и как стать заметнее.

Поможет: Разбор переводит фокус с "выучи стек" на "решай целые проблемы и показывай результат".

Логика повествования

Как устроена аргументация видео — пройди по шагам

Предпосылка Аргумент Пример Вывод
  1. Предпосылка Айти потеряло прежнюю уверенность 2:33

    Выпуск начинается с шуток про фронтендеров и HR, но под ними видна смена статуса: оферы больше не падают сами.

  2. Аргумент Найм заполнили платформы, промпты и автоотклики 7:00

    Старый конфликт "кандидат против HR" превращается в конфликт машинных фильтров и машинных заявок.

  3. Пример Рабочие AI-агенты требуют инженерной культуры 10:22

    Гость из Selectel показывает, что практический AI-продукт упирается в контекст, терминал, ограничения и маленькие UX-детали.

  4. Аргумент AI-first риторика стала способом объяснять сокращения 20:30

    Ведущие высмеивают ситуации, где увольнения подаются как вдохновляющий технологический рывок.

  5. Пример Метрики полезны только как диагностика 30:30

    Блок с AvitoTech добавляет управленческий слой: числа нужны, но они легко превращаются в игру и страх.

  6. Аргумент Интернет и контент теряют привычные сигналы доверия 57:26

    VPN, AI-тексты, мёртвые комментарии и платформенные алгоритмы складываются в ощущение сломанного веба.

  7. Вывод Вывод: нужна проверяемая человеческая ценность 1:49:30

    Финальные вопросы про человеческие качества и рынок сводят выпуск к практическому ответу: учись, делай, показывай результат.

Подробный разбор

Полный разбор — разверни, если нужно глубже

Развернуть подробный разбор

Главное

Это не выпуск с одним тезисом, а живой срез индустриального нервного тика. Ведущие начинают с шуток про фронтендеров, HR и старые жирные времена айти, но постепенно собирают более серьёзную картину: раньше специалист спорил с человеком, а теперь всё чаще спорит с машинной системой сигналов.

Рынок труда здесь выглядит не «мёртвым», а зашумлённым. Кандидат может сгенерировать десятки резюме и откликов. Платформа может ранжировать их непрозрачным способом. Рекрутер может купить или написать промпт для фильтрации. В итоге хороший инженер конкурирует не только с другими инженерами, но и с их автоматизированными оболочками.

Внешний контекст это подтверждает. World Economic Forum в Future of Jobs Report 2025 пишет, что к 2030 году 22% рабочих мест будут затронуты структурными изменениями, а 77% работодателей планируют переобучать сотрудников из-за AI, при этом 41% ожидают сокращения штата там, где задачи автоматизируются. AP отдельно фиксирует проблему AI-резюме: если все улучшают материалы одинаковыми инструментами, они становятся похожими и хуже выделяются.

Почему блок про Selectel важнее, чем кажется

Самый полезный технический фрагмент выпуска - разговор про компактного агента для администрирования серверов. Там звучит зрелая мысль: маленькая модель не обязана знать всё, если её правильно ограничить и накормить контекстом. Ей нужно состояние сервера, история действий, цель пользователя, сведения о конфигурации и интерфейс, в котором администратор реально работает.

Это хороший противовес хайпу «возьмём самую большую модель и всё решим». В реальном продукте боль часто не в том, чтобы модель «умела думать», а в том, чтобы она видела нужные данные, не ломала критичный процесс, работала в привычном терминальном окружении и объясняла действия человеку.

Здесь выпуск неожиданно перекликается с Anthropic Economic Index: использование ИИ концентрируется вокруг специализированных задач и пользователей, которые учатся лучше подбирать модель под работу. То есть ценность не только в доступе к модели, а в накопленном умении пользоваться ей.

Сломанный интернет как экономика доверия

Блок про интернет и VPN работает как комедийная пауза, но тема шире. Веб действительно переживает смену экономики: Cloudflare показывает рост AI-crawling и огромный разрыв между тем, сколько боты читают, и сколько людей возвращается к источникам. Google в своих правилах отдельно предупреждает, что массовая генерация страниц без добавленной ценности может попадать под spam policy.

Поэтому «сломанный интернет» в выпуске - не только про плохой Wi-Fi или VPN. Это про мир, где контента больше, доверия меньше, а источник всё труднее отличить от автоматической переработки источника.

Что делать

Практический вывод простой и немного неприятный: нельзя больше полагаться только на стандартные сигналы. Резюме нужно, но ему нужен внешний слой доверия. AI-инструменты нужны, но их надо уметь объяснять. Метрики нужны, но они должны помогать видеть систему, а не наказывать людей.

Если вынести из выпуска один план, он такой: учись, собирай свои артефакты, показывай результат, честно используй ИИ и оставляй следы работы, которые можно обсудить с другим человеком. В эпоху генерации всего человеческая ценность не исчезает. Она просто становится дороже там, где её можно проверить.

План внедрения

С чего начать — отмечай шаги, прогресс сохранится

Выполнено 0 из 6

Проверь себя

Ответь на вопросы, чтобы материал закрепился

Отвечено: 0 / 8 Верно: 0

  1. 1. Почему в выпуске найм выглядит особенно сломанным?

  2. 2. Какой главный урок даёт разговор про компактного AI-агента для серверов?

  3. 3. Почему метрики команды опасны, если использовать их неправильно?

  4. 4. В чём слабость AI-сгенерированных резюме для кандидата?

  5. 5. Почему ведущие обсуждают "заморозить 2021 год"?

  6. 6. Какой карьерный совет ближе всего к выводу выпуска?

  7. 7. Что означает человеческая агентность в этом разборе?

  8. 8. Что практичнее всего сделать после выпуска?

Словарь терминов

Понять незнакомое простым языком

Показать 8 терминов
AI-агент
Программа на базе модели, которая не просто отвечает текстом, а выполняет шаги: читает контекст, вызывает инструменты, предлагает действия.
Вайбкодинг
Стиль разработки, где человек в основном описывает намерение, а модель генерирует значительную часть кода.
ATS / скоринг резюме
Системы, которые помогают работодателю фильтровать и ранжировать отклики до живого общения.
Cycle time
Время, за которое задача проходит путь от начала работы до готовности.
Инцидент
Сбой сервиса или процесса, который заметно влияет на пользователей, деньги или работу команды.
Контекст модели
Данные, инструкции и история, которые модель видит перед ответом; часто именно они определяют качество результата.
AI-слоп
Массовый низкокачественный контент, созданный или размноженный генеративными моделями.
Proof-of-work
Публичное доказательство навыка: проект, текст, демо, pull request, разбор, который можно посмотреть и обсудить.

Критический взгляд

Объективно: с какими тезисами можно поспорить и что преувеличено

Однобоко

Живой формат смешивает факты и гиперболу

Выпуск хорошо передаёт настроение индустрии, но отдельные истории про компании, платформы и рынок труда нельзя воспринимать как строгую аналитику без проверки.

Упрощение

ИИ не единственная причина проблем найма

На рынок одновременно давят ставки, неопределённость, замедление найма, география, санкционные и платформенные ограничения. AI усиливает шум, но не объясняет всё один.

Спорно

Человеческое станет премиальным не везде

В одних областях ручная работа действительно дорожает, в других покупатель выбирает скорость и цену. Человечность становится преимуществом только там, где её можно почувствовать и монетизировать.

Однобоко

Совет делать свои проекты требует ресурсов

Для выгоревших, занятых или финансово прижатых людей личный проект не магическая кнопка, а тяжёлая стратегия с отложенным эффектом.

Взгляни иначе

Новый угол, смежные области и потенциал на стыке — пища для размышлений

Другой угол

Резюме превращается в API

Если вход в компанию обрабатывается машинно, нужно проектировать не одно резюме, а набор сигналов: документ, портфолио, публичные следы, рекомендации и понятную историю.

Смежная область

Маленькие модели возвращают инженерное ремесло

Чем дешевле и компактнее модель, тем больше ценности в архитектуре вокруг неё: контексте, интерфейсе, памяти, ограничениях и тестах.

На стыке областей

AI-слоп — экономическая проблема

Когда производство текста становится почти бесплатным, дорожает фильтрация, доверие и прямой доступ к аудитории. Это проблема рынков внимания, а не только вкуса.

Другой угол

Лудитство можно читать как датчик скорости

Сопротивление не всегда означает "человек против прогресса"; иногда это сигнал, что скорость внедрения превышает способность общества переварить последствия.

Похожие разборы

Разбор

Радио-Т 1018: агентные рабочие места, откат Anthropic и спор о детском интернете

ИИ-агенты уже стали рабочим инструментом, но требуют управляемой среды: сессий, статусов, тестов, прав и проверки опасных команд. Главный вывод выпуска: выигрывает не тот, кто верит в магию модели, а тот, кто инженерит вокруг неё среду, стоимость и здравый смысл.

Читать → Разбор

Курсы «гарантированного трудоустройства» в IT: как разобрать оффер и не взять кредит зря

Автор покупает курс «карьерного сопровождения» за 145 000 ₽ в кредит и проходит его до конца — итог нулевой: ноль откликов, ноль собеседований, а половину советов он называет повтором бесплатных лайфхаков. На примере одной воронки видео показывает универсальные приёмы таких продуктов и правило, которое защитит ваши деньги: за обещание работы платят по результату, а не предоплатой в кредит.

Читать → Разбор

Кого ИИ заменит первым — и как стать тем, кто на этом зарабатывает

ИИ заменяет не профессии, а людей, которые делают линейную повторяющуюся работу и сами отказываются им пользоваться. Чтобы остаться конкурентоспособным, нужно стать оператором-«мультипликатором»: освоить нейросети как навык, прокачать мышление и умение принимать решения.

Читать → Разбор

Вайбкодинг против реальности: как инженер собрал микро-бизнес на ИИ и почему «навык» теперь легко подделать

Внешне простая задача «кропнуть фотку» под капотом оборачивается десятком нейронок, ручным контролем рефандов и войной за токены, а сам сервис может в одночасье потерять выручку из-за апдейта Google. Главный вывод: ИИ обесценил внешние атрибуты навыка — код, тесты, красивые PR теперь генерируются за минуту, а ценным остаётся понимание, которое нельзя сымитировать.

Читать →
← Все разборы Смотреть видео-источник