некоторое время назад я поделился историей, как вместо покупки подписки на SaaS-сервис я его пересоздал с нуля через ИИ (с заточенными под меня фичами), и это оказалось даже дешевле.

а сегодня в канале Вани Замесина вышел очень хороший пост-размышление на эту же тему.

и вот подумалось, мы часто при появлении новой технологии обсуждаем "какие бизнес-модели теперь заработают", где сошлась экономика, а где что-то вообще стало впервые возможным. в общем, чё по opportunities.

но ведь обратная сторона медали: что-то сломалось. какую-то проблему новая технология решает лучше, чем те бизнесы, что решали её раньше. где-то экономика дистрибуции теперь разаливается из-за роста конкуренции. а где-то происходит структурный слом - ваша бизнес-модель не задета, но те бизнесы (ваши клиенты), которые вам платили, могли постарадать.

вот стало интересно, как думаете, что сломал ИИ?
какие прибыльные вчера модели уже развалились?
а какие ещё не развалились только потому, что есть инерция по интеграции ИИ?

мои мысли:
1. продукты вокруг несложной в повторении (<$100k dev costs) технологии, потому что ИИ-кодинг радикально снижает dev costs
2. большая пачка no-code тулов. AI-coding для обывателя - это по сути тот же no-code, но с гипер-кастомизацией. зачем Webflow, если тоже самое (и ещё в 500 раз больше) делает Cursor?
3. глобальные универсальные продукты (без сетевых эффектов), в которых не-идеальная адаптация под локальные рынки, окупались за счёт того, что разовая дорогая разработка универсального решения открывала доступ ко всему миру сразу. ИИ даёт удешевление разработки -> можно делать локальных конкурентов с локальной адаптацией и выбивать глобального игрока рынок за рынком.
4. (ща будет неожиданно) UGC-платформы. пока AI-слоп ещё иногда отличим от людей, но уже скоро совсем перестанет выделяться. medium и reddit превращаются в помойки с ужасающей скоростью. проверенные и подтверждённые авторские группы будут сильно выгоднее смотреться на этом фоне. и я не вижу пока даже намёков (и даже теоретических обоснований) того, что проблема идентификации ИИ-контента будет решена в ~10 лет.
5. "being human is the new black" - тренд на "живых людей в бизнесе" потенциально может создать проблемы для тех, у кого ИИ-автоматизация продаж/поддержки - ключевой актор сходимости экономики.

вообще, мыслей ещё тонны - что OF-моделям трудно конкурировать с ИИ-рендером, браузерным автоматизациям - с Comet/Atlas, как ИИ-чаты влияют на сходимость paid ads, и прочее.. но не хочется уходить в лютый лонгрид, гораздо интереснее послушать ваши мнения.

что думаете?

https://blog.google/technology/google-labs/cc-ai-agent/

кто-то в гугл же реально сидел, и такой "блин, все эти чат-интерфейсы, голосовой ввод... насколько же они не чувствуют юзеров. мы сделаем ИИ, с которым надо общаться по email, вот это будет реально огонь"

при моей действительно большой любви к Google как к компании, я думаю, там есть технология, типа как в сериале "Разделение" - когда ты проходишь двери офиса, тебя на пару секунд переклинивает, глазки закатываются, и ты забываешь всё, что знал о UI/UX.

P.S. отдельный респект за нейминг. "как сказать, что ты полностью оторван от контекста ИИ-агентов, прямо это не говоря"

для сравнения, что я считаю хорошей имплементацией гарантированных workflow: четко задаёшь порядок actions, агент не может отойти от жестко прописанного workflow, каждый action - отдельный фиксированный или динамический промпт, отдельные action можно помечать как conditional (то есть по какому-то критерию их динамически включать/отключать, скажем, если npm run test не возвращает ошибок, то я action "fix bugs" даже не запускаю), и, самое главное, workflows можно вкладывать друг в друга (то есть внутри одного композитного action я могу держать сколько угодно других композитных actions.

блин, я на этой штуке даже циклы собирал: по кругу вычитываешь баги из Sentry один за другим, и кормишь их промптом ИИ-агенту.

просто ставишь первому action в списке nested actions в conditional execution баш-скрипт, который с Sentry запрашивает одну за другой таски, и если их нет - то кидает non-zero exit code.

запускаю этот комбайн время от времени на минут 20, и он сам выгружает и фиксит 4-5 новых ошибок в Sentry, каждую оформляя в отдельный PR.

https://docs.z.ai/guides/llm/glm-4.7

а между тем зайка обновила GLM. всё за те же $6/мес модель стала сочнее по бенчам. рост консервативный, революции нет, но как простенькая модель для рутинных задачек GLM мне всё ещё очень заходит

монтировал свой видос с рассказом про новые техники Advanced Tool Use в Claude Code.

и пришла в голову мысль, что тот же Programmatic Tool Calling это бессмысленное решение изначально собственноручно созданной проблемы.

MCP был идеей "упростим ИИ-агентам доступ к API, ИИ-агентам нужен свой стандарт API".

в итоге, в 99% случаев это наитончайшая обёртка над элементарными http-запросами или bash-скриптами. которые сами агенты, уже буквально спустя 3-4 месяца после появления MCP, могли прекрасно выполнять и без всякого MCP - просто curl-запросами через терминал или самописными скриптами.

но т.к. все обмазались MCP, теперь приходится городить способы, как агент может дергать MCP из какой-нибудь программной среды, чтобы алгоритмически обработать результаты ещё до попадания в контекст (скажем, grep'нуть что-нибудь).

и если бы агенты просто делали запросы через самописные bash-скрипты, то... этой проблемы бы не было изначально, т.к. сделать pipe curl + grep сегодня может даже 4B модель.

как будто, если выкинуть из агента возможность подключать MCP в принципе, то надобность в Programmatic Tool Calling исчезает, а конечная функциональность агента не меняется.