Коротко
Видео разделяет AI-чатботов и AI-агентов: первый ждёт твоего следующего запроса, второй сам определяет следующий шаг. Автор даёт фреймворк ARR (Independent, Repetitive, Reviewable) для выбора между prompt и agent, объясняет внутреннюю архитектуру агента как четыре роли вокруг LLM (аналитик, планировщик, исполнитель, инспектор) и петлю OODA Джона Бойда как механизм адаптации. Главный тезис: агент усиливает качество твоего мышления — если оно мутное, агент с большей скоростью и уверенностью врежется в дерево. Победят не те, кто строит универсальных агентов, а те, кто узко специализирует одного агента под одну задачу одного типа клиента. По мере удешевления интеллекта стоимость смещается от исполнения к решению и вкусу.
Главный тезис
Агент — это зеркало, которое усиливает твоё мышление: если ты не можешь определить цель, критерий хорошего результата и шаги в одну минуту, агент не поможет, а ускорит провал.
Ключевые идеи
- 0:09 — следующая трансформация после чатботов — это AI-агенты, и разрыв между понимающими и непонимающими станет ценой стоимости
- 0:49 — фреймворк ARR: задача независимая, повторяемая, проверяемая → агент; иначе → промпт
- 1:31 — чатбот ждёт следующего запроса, агент сам определяет следующий шаг
- 1:36 — метафора: промпт = новичок за рулём, ты рядом и правишь; агент = водитель-арендатор, ты на заднем сиденье
- 1:57 — пример эскалации: «напиши пост» (промпт) vs «каждые 2 дня следи за нишей, найди 3 истории, напиши в моём стиле, поставь на вторник утром» (агент)
- 2:29 — фундаментальное различие: LLM предсказывает следующее слово, агент решает следующее действие
- 3:19 — анатомия агента: аналитик → планировщик → исполнитель → инспектор вокруг одной LLM
- 4:57 — Джон Бойд и петля OODA (Observe, Orient, Decide, Act) из Корейской войны как модель адаптивности агента
- 5:06 — F-86 побеждали технически превосходящие МиГи, потому что быстрее проходили цикл принятия решений
- 5:42 — тест на настоящего агента: когда первый путь обрывается, находит ли он альтернативу, или просто следует процессу
- 7:03 — главная опасность: агент совершает ошибки быстрее и с большей уверенностью, чем человек
- 8:17 — агент не исправляет плохое мышление, а придаёт ему формальное обоснование
- 8:31 — минутный чек-лист перед запуском: цель в одно предложение, критерий хорошего результата, шаги без двусмысленности
- 9:34 — побеждают компании с узкой специализацией агента, а не с «AI везде»
- 10:40 — скоро число агентов-сотрудников превысит число людей на планете; рядом с каждой софт-компанией возникнет agent-компания, пытающаяся её сместить
- 11:58 — когда интеллект дешевеет, решение и вкус становятся дорогими
Почему это важно
Автор позиционирует переход от чатботов к агентам как структурный сдвиг рынка труда и стоимости. Игроки: софт-компании (под угрозой), управленцы и аналитики (часть ролей переопределится), специалисты с доменной экспертизой (выигрывают, потому что могут точно определить задачу). Корпорации, упомянутые в кейсе про consumer goods, уже упираются не в технологию, а в «нужных людей на нужных местах» и в отсутствие чистых процессов — это и есть бутылочное горло. Кто первым научится формулировать задачи на уровне ARR и узко специализировать агентов, тот собирает дельту до того, как остальные догонят.
Идеи
- Большинство пользователей AI до сих пор относятся к нему как к «улучшенному Google» — это ловушка предыдущей парадигмы
- Чатботы оптимизированы под послушание, поэтому ломаются на первой нештатной ситуации (пример: продукт закончился, гости в субботу)
- Агент конкурентоспособен не сложностью, а способностью переписать план на ходу
- OODA как ментальная модель агента: фронт смещается не туда, где быстрее железо, а туда, где быстрее цикл наблюдение→действие
- Внутренняя «четвёрка ролей» в современных платформах GPT уже видна в реальном времени, если открыть Employee mode
- Большинство AI-провалов в компаниях — это человеческие провалы (нечёткие цели, грязные данные, нет процесса), а не модельные
- «Резюмируй письма каждое утро» vs «в 7:00 прочитай непрочитанные, классифицируй по важности, ответь шаблонами на рутину, уведоми о письмах от топ-5 клиентов» — разница между бесполезным и работающим агентом
- Точность инструкции = функция глубины понимания собственной работы, а не навыков промпт-инжиниринга
- На презентации узкого агента под одну конкретную задачу — весь зал поднял телефоны и сфотографировал QR-код; широкие демо такой реакции не дают
- Главная вакансия будущего — найти задачу, которую люди ненавидят, но обязаны повторять
- Связь «часы работы → доход» впервые в современной истории рвётся: агенты делают работу, человек масштабирует только принятие решений
- Производство (контент, софт, аналитика) становится бесконечно дешёвым → редкость смещается во вкус
- Каждое чёткое определение задачи для агента — это одновременно тренинг твоих собственных стандартов
- Часть ролей (paralegal, junior analyst, associate) будет переопределена, но появятся новые, которые сегодня нельзя представить — аналог «менеджера онлайн-сообщества» до появления интернета
- Опасность не в восстании машин, а в том, что плохой бизнес-процесс с агентом становится не лучше, а быстрее
- Confidence без competence — главный антипаттерн в агентских системах
- «Создал агента» — маркетинговое заявление; реальный тест один: что происходит, когда первый сценарий обрывается
- AI делает физическую/реальную жизнь менее активной — побочный эффект, на который автор намекает в финале
- Software-компании сегодня = next-decade legacy: рядом с каждой вырастет агентский конкурент
Инсайты
- Сдвиг ценности идёт от исполнения к суждению: дефицитом становится не «сделать», а «понять, что именно надо сделать и как выглядит хорошо»
- Промпт-инжиниринг — переходный навык; долгоиграющий навык — операционная декомпозиция собственной работы
- Адаптивность важнее производительности: система с худшей моделью, но лучшим OODA-циклом, обыгрывает технически превосходящую
- Узкая вертикальная специализация бьёт горизонтальную универсальность, потому что доменный контекст не транслируется через общие промпты
- Каждый агент в проде — это аудит мышления его создателя; некачественное мышление монетизируется в риск, а не в продукт
- Архитектура «LLM + 4 роли» — это не технологический прорыв, а перенос управленческой структуры команды внутрь одного процесса
- Рынок труда расщепляется на тех, кто определяет задачи, и тех, кого эти задачи замещают; промежуточный слой исполнителей сжимается
- Стоимость интеллекта стремится к нулю, поэтому маржа уходит в дистрибуцию вкуса и доверие к решению
- Главный риск AI — не галлюцинация, а уверенная имплементация неправильной цели
Фреймворки
ARR (Independent, Repetitive, Reviewable) — критерий выбора между промптом и агентом. Если задача отвечает всем трём условиям → агент. Иначе → промпт.
Минутный чек перед запуском агента:
- Цель — формулируется в одно предложение
- Критерий — могу описать, как выглядит хорошее исполнение, и пойму ли я, что агент его понял
- Шаги — могу описать каждый шаг без двусмысленности
OODA (Observe, Orient, Decide, Act) — петля адаптации Бойда; тест агента = способность пройти OODA при обрыве первого сценария.
Четыре роли внутри агента: Аналитик (паттерн) → Планировщик (план) → Исполнитель (действие) → Инспектор (ревью).
Цитаты
«The next transformation is AI agents, and the gap between those who understand them and those who don't understand them is about to become the price of value» — 0:09 Следующая трансформация — AI-агенты, и разрыв между понимающими и непонимающими станет ценой стоимости
«If the task is independent, repetitive, and reviewable, it is strongly recommended by the lawyer» — 0:49 Если задача независимая, повторяемая и проверяемая — настоятельно рекомендуется агент
«The talk robot is waiting for your next request, while the lawyer determines his next step» — 1:31 Чатбот ждёт твоего следующего запроса, а агент сам определяет следующий шаг
«If you direct the request, it is like sitting next to a beginner driver» — 1:36 Промпт — это как сидеть рядом с начинающим водителем
«The program of the artificial intelligence is predicted by the following word, while the program decides the following action» — 2:29 Программа AI предсказывает следующее слово, а агент решает следующее действие
«An analyst, a planner, an executor, an inspector» — 3:19 Аналитик, планировщик, исполнитель, инспектор
«When the clear path fails, can he choose a better path?» — 5:42 Когда чёткий путь обрывается — может ли он выбрать другой?
«The most dangerous thing about AI systems is that they will make mistakes faster and with greater confidence than you can» — 7:03 Самое опасное в AI-системах — они ошибаются быстрее и увереннее, чем ты
«The lawyer does not correct the bad thinking, but gives it a formal basis» — 8:17 Агент не исправляет плохое мышление, а придаёт ему формальное основание
«Most of the artificial intelligence problems are human problems» — 7:53 Большинство проблем AI — это человеческие проблемы
«The winners will not be able to manipulate the artificial intelligence power just by engineers» — 9:20 Победят не те, кто умеет крутить AI как инженер
«The companies that actually win are those that focus on a narrow area» — 9:34 Реально выигрывают компании, сфокусированные на узкой области
«Search for a specific task that people hate to do, but they are forced to repeat it» — 10:33 Ищи конкретную задачу, которую люди ненавидят, но вынуждены повторять
«The number of employees will exceed the number of people on this planet» — 10:40 Число сотрудников-агентов превысит число людей на планете
«When intelligence becomes this cheap, the decision becomes more expensive» — 11:58 Когда интеллект становится таким дешёвым, решение становится дороже
«When production becomes unlimited, the taste becomes rare» — 12:03 Когда производство становится безграничным, редкостью становится вкус
«The most valuable person is no longer the one who thinks faster» — 12:45 Самый ценный человек больше не тот, кто думает быстрее
«Artificial intelligence will make human life less mobile» — 13:01 AI сделает человеческую жизнь менее подвижной
Факты
- Фреймворк ARR = Independent, Repetitive, Reviewable — критерий выбора между промптом и агентом
- Внутренняя структура агента описана как 4 роли: аналитик, планировщик, исполнитель, инспектор, оборачивающие одну LLM
- John Boyd, лётчик-теоретик ВВС США, в 1970-х сформулировал петлю OODA (Observe, Orient, Decide, Act) на материале Корейской войны
- В Корейской войне американские F-86 побеждали советские МиГи, которые были быстрее и могли лететь выше; преимущество было в обзоре и скорости адаптации пилотов
- В современных платформах GPT режим Employee позволяет увидеть работу четырёх ролей в реальном времени (по утверждению автора)
- Кейс consumer-компании: маркетинг-менеджер сформулировала блокер как «нужны правильные люди на правильных местах» при наличии всех данных
- Кейс конференции софт-компании: узкий агент под одну задачу для конкретного типа клиента вызвал массовый снимок QR-кода в зале
- Пример контраста инструкций для агента по email: «резюмируй письма утром» vs «в 7:00 прочитай непрочитанные, классифицируй, шаблонные ответы на рутину, уведомление по топ-5 клиентам»
- Автор ведёт еженедельную бесплатную рассылку с идеями, инструментами и заметками
- Автор утверждает «годы работы в компаниях, управляющих миллиардами долларов» как свой бэкграунд
Источники
- John Boyd — военный теоретик, автор петли OODA
- F-86 Sabre и советские МиГи — кейс из Корейской войны как иллюстрация цикла принятия решений
- Платформа GPT (упомянут режим Employee/Custom GPT для запуска повторяющихся агентских задач)
- Собственная еженедельная рассылка автора (CTA на подписку)
Рекомендации
- Сегодня же открыть в GPT режим Employee и поставить одному агенту одну повторяющуюся задачу — и наблюдать, как четыре внутренние роли отрабатывают в реальном времени
- Перед запуском любого агента прогнать минутный чек: цель в одно предложение, критерий хорошего результата, шаги без двусмысленности
- Когда кто-то заявляет, что «создал агента», задавать единственный вопрос: что система делает, когда первый путь обрывается
- Искать в своей работе узкую задачу, которую все ненавидят, но вынуждены повторять — это и есть точка входа в собственный агентский продукт
Итог
Агент — это твоё мышление, выпущенное на скорости: чем точнее ты определяешь задачу и узче специализируешь, тем больше ценности он создаёт; иначе — врезается в дерево быстрее тебя.
