Главное про AI - Вадим Жартун

5: Найти аргументы, которые я не вижу. AI читает мою позицию и говорит, какие контраргументы могут прийти с другой стороны, а я готовлюсь к ним.

6: Перевести эмоции в слова. Если я злюсь на подрядчика, прошу AI помочь сформулировать, что именно меня злит, без обвинений, и это снижает градус прямо в разговоре.

7: Провести разбор после разговора. Расшифровка → AI находит паттерны («вы два раза извинились, хотя не за что», «вы согласились на скидку, которую не планировали»). Это калибрует поведение точнее, чем любая самооценка на эмоциях.

AI КАК ТРЕНАЖЁР, А НЕ ИГРОК ЗА СТОЛОМ

AI в переговорах — это тренажёр для пилота. Лётный тренажёр не летает за пилота, он воспроизводит сценарии — отказ двигателя, шторм, конфликт с диспетчером — и даёт пилоту прожить их в безопасности. Пилот выходит из тренажёра с мышечной памятью, но без иллюзии, что он уже «отлетал» тысячу часов. AI в переговорах работает так же: он даёт вам безопасную среду, чтобы прогнать разговор с боссом, клиентом, подрядчиком до того, как вы в него вступите. Встреча после AI-репетиции — не столько переговоры, сколько выход из тренажёра в реальную кабину.

Но если вы откроете AI в момент реального разговора — вы не пилот, а пассажир, и кресло пилота остаётся пустым. Самолёт, может, и долетит, но кресло, на которое вы сели, вы не контролируете. Тренажёр учит взлёту и посадке, а не самому перелёту — и в этом его сила.

Ваш голос в переговорах — отпечаток пальца. Его нельзя подделать, можно только потерять. AI-черновик письма — это как надеть чужой пиджак: со стороны похоже, но при встрече видно, что не сходится по фигуре, и получатель чувствует фальшь, даже если не может её описать. Когда все пишут через LLM, речь усредняется, уникальность исчезает, разговор становится «пресным» — это показывает и исследование USC выше. В переговорах уникальность — актив, потому что клиент выбирает вас не за «правильный ответ», а за ваш способ думать, говорить, реагировать. AI-черновик лишает вас этого актива. Используйте AI для подготовки, а не для подмены.

РЕЗЮМЕ

Личный AI — связка, а не ассистент. Осмысленный стек строится вокруг трёх-пяти инструментов в трёх кругах доверия: внутреннее кольцо на вашей машине, среднее в почте и календаре, внешнее в операционной системе. Каждый круг требует своего уровня доверия и даёт свой выигрыш. У AI-ассистента нет ваших приоритетов, стиля, интуиции.

AI в обучении работает как зеркало: учит, когда задаёт вопросы и оставляет время подумать, и мешает, когда выдаёт готовые ответы. Помогает, если вы сами учитесь. Делегирование AI думать отучает думать. Граница проверяется одним вопросом: что я вспомню через неделю без AI.

AI в переговорах — тренер за кулисами, не игрок на сцене. Ускоряет подготовку, рискованно подсказывает прямо во время переговоров, никогда не должен вести переговоры сам. Делегирование стирает ваш собственный голос, который в переговорах — актив. AI-черновик экономит на написании, но добавляет на правку, и в переговорах цена ошибки — отношения, а не формат письма.

AI-ассистент 2026 года — джуниор с амнезией между сменами: быстро пишет, но забывает всё, что было до обеда. Осмысленный личный стек строится вокруг связки инструментов и регулярного пересмотра, а не вокруг одного идеального чата. Выигрыш — в возвращённом времени, но он появляется только при выстроенном процессе, а не в первый день.

Когда личный текстовый стек собран и AI возвращает мне полтора часа в день (мой личный результат), естественный следующий шаг — расширить палитру за пределы текста. Картинки, звук, видео, код — для каждой задачи есть своя модель, и у каждой свои сильные стороны и свои ограничения. Следующая глава — про специальные модели, которые берут на себя эти задачи: как они устроены, где их уместно подключать к вашему стеку и почему «текстовая» и «картиночная» модель работают как один инструментарий с разной геометрией входа и выхода. Если эта глава была про то, как встроить AI в ежедневную рутину, то следующая — про то, какие инструменты выбрать для задач, которые текстом не решаются.

Глава 10. Специальные модели: изображения, звук, видео, код

В марте 2026 года маркетолог небольшой компании попросил «сделать иллюстрацию к посту в Telegram». Раньше это означало письмо дизайнеру, три дня ожидания и выбор одного из четырёх присланных вариантов. В этот раз запрос ушёл в Midjourney V8: через пять минут вернулись двенадцать вариантов, через двадцать минут один из них уже висел в канале. Стоимость картинки — семь центов, скорость выросла в двести раз, цена кадра упала с десятков долларов до одного цента. Это и есть реальная картина AI для специальных задач: снятие рутины там, где раньше приходилось ждать дизайнера.

ГЕНЕРАЦИЯ ИЗОБРАЖЕНИЙ: НОВЫЙ ВИЗУАЛЬНЫЙ КОНВЕЙЕР

Диффузионная модель учится двум процессам. В прямом (forward diffusion, прямое зашумление) к изображению шаг за шагом добавляется гауссов шум — модель видит тысячи пар «исходное → зашумлённое». В обратном (reverse diffusion, обратное зашумление) она предсказывает, какой шум убрать на каждом шаге, и из случайного шума за двадцать–пятьдесят шагов собирается структурированное изображение. Поверх этой схемы работает детерминистический планировщик DDIM: он задаёт количество шагов и порядок их выполнения.

Stable Diffusion работает не в пиксельном, а в скрытом пространстве: текст кодируется через CLIP, шум проходит через UNet со связью с текстовыми векторами, и только затем декодер превращает результат в пиксели. Именно это позволяет запускать генерацию на обычных видеокартах с восьмью–двадцатью четырьмя гигабайтами видеопамяти, а не на серверах с сотнями гигабайт.

Короткий словарь терминов главы (для тех, кто встречает их впервые):

– DDIM (Denoising Diffusion Implicit Models) — детерминированный планировщик шагов диффузии, даёт воспроизводимые результаты.

– CFG (Classifier-Free Guidance, «управление без классификатора») — параметр, задающий, насколько строго модель следует тексту промпта.

– CLIP (Contrastive Language-Image Pre-training) — модель, которая переводит текст и картинку в общий вектор, чтобы модель понимала, «о чём» картинка.

– UNet — нейросеть, которая пошагово уточняет картинку по текстовому описанию.

– LoRA (Low-Rank Adaptation, дообучение на малом наборе примеров) — способ быстро дообучить модель на своих картинках.

– WER (Word Error Rate, доля неверно распознанных слов) — основная метрика качества распознавания речи; чем ниже, тем лучше.

– HumanEval+ — тест на написание коротких функций по описанию.