Незаметная команда ИИ

Во вторник в 7:13 утра телефон Марии уже провибрировал шесть раз.

Она его игнорирует.

Кофе ещё не готов.

У Марии небольшая типография и дизайн-студия в Куинсе. А значит, ещё до восьми утра кто-нибудь обычно пытается напечатать то, что должно было быть готово вчера.

Здесь шесть сотрудников, два широкоформатных принтера, ламинатор, который прекрасно работает, если никто не торопится, и режущий станок с эмоциональной устойчивостью дублёра на Бродвее.

В почте Марии тридцать семь новых сообщений.

Одному клиенту нужны 250 ресторанных меню к пятнице.

Другой прислал дизайн баннера в формате JPEG, явно сфотографированный с чужого монитора.

Поставщик изменил цену.

Клиент, чей заказ нужно сдать завтра, до сих пор не загрузил окончательный макет.

А кто-то прислал письмо с темой:

СРОЧНО!!!!!!

По опыту Марии, это может означать что угодно: от «свадьба завтра» до «можно увеличить логотип на два дюйма?».

Искусственный интеллект — не хобби Марии.

Её хобби — пережить вторник.

Пока варится кофе, одно из новых сообщений незаметно проходит обработку.

Здравствуйте, сможете напечатать 250 таких к пятнице? Как в прошлый раз, только крупнее. Логотип во вложении.

К письму приложены три файла.

Разумеется, ни у одного нет полезного названия.

Один называется:

FINAL_USE_THIS_ONE_7_NEW.pdf

Программа проверяет вложения.

Одно изображение слишком маленькое.

Не хватает шрифта.

Размеры не совпадают с предыдущим заказом.

Затем модель ИИ читает записку клиента и замечает то, чего не может заметить программа проверки файлов.

Фраза:

«Как в прошлый раз, только крупнее»

неоднозначна.

В прошлый раз клиент заказывал два разных размера.

Поэтому система не гадает. И не отправляет заказ в производство.

Она добавляет один пункт на утреннюю панель Марии:

Нужно уточнение: какой из предыдущих размеров увеличить?

Ни одного стихотворения не написано.

Ни один шахматный гроссмейстер не побеждён.

Ни один робот не объявил о наступлении эры общего искусственного интеллекта.

Но Мария избежала печати 250 неправильных меню ещё до завтрака.

Возможно, именно так искусственный интеллект и будет особенно заметно менять обычную работу.

Не одна огромная машина, показывающая невероятные трюки.

А множество маленьких элементов интеллекта, которые тихо убирают помехи из обычного вторника.

ИИ, с которым ты никогда не разговариваешь

Когда большинство людей представляют искусственный интеллект, они представляют разговор.

На экране есть поле ввода.

Ты пишешь:

Объясни мой страховой полис.

Машина объясняет.

Ты пишешь:

Исправь эту функцию на Python.

Она исправляет функцию — или иногда превращает проблему в более изощрённую проблему.

Это видимая революция ИИ.

Она разговаривает.

Но значительная часть полезного ИИ внутри компаний может вообще ни с кем не беседовать.

Приходит сообщение. Что-то определяет его категорию.

Появляется документ. Что-то извлекает из него информацию.

Загружается макет. Что-то его проверяет.

Поставщик меняет цену. Что-то это замечает.

Задача появляется, выполняется и исчезает.

Никто не спрашивает систему о смысле жизни.

Никто не придумывает ей личность.

Она просто делает небольшую работу, которая иначе оказалась бы у кого-то на столе.

Мария не собиралась строить такую систему.

Она пришла к ней случайно.

Мария не собиралась становиться специалистом по ИИ

У Марии был парень.

Он не был исследователем искусственного интеллекта.

Просто относился к тем людям, которые считают вполне удачный субботний вечер прекрасным поводом переустановить Linux.

Он собирал игровые компьютеры, экспериментировал с серверами и недавно завёл привычку скачивать модели ИИ, чтобы посмотреть, что потянет его видеокарта.

Однажды вечером Мария жаловалась на дела в типографии.

Она потратила полчаса на поиск старого заказа, потому что клиент не помнил, какой размер заказывал.

Потом другой клиент загрузил макет с неправильным разрешением.

Потом кто-то попросил рассчитать стоимость, написав:

«примерно вот такого размера»

и не указав никаких размеров вообще.

К пяти часам Мария ответила на сообщения, проверила файлы, утвердила пробный макет, позвонила поставщику, нашла пропавший счёт, решила производственную проблему и каким-то образом ещё не сделала то, что вообще-то собиралась сделать сегодня.

Её парень слушал.

«Часть этого можно автоматизировать».

Мария посмотрела на него.

«Чем?»

«ИИ».

Более долгий взгляд.

«Я не собираюсь платить за двадцать подписок на ИИ».

«И не надо».

Это её заинтересовало.

Потому что многие модели ИИ уже можно скачать бесплатно и запускать на своём компьютере — не платя ни за саму модель, ни за токены.

Кто-то уже сделал дорогую часть работы: обучил модель.

Марии не нужно создавать нейронную сеть с нуля или даже понимать, как она устроена внутри.

Она может скачать готовую модель.

Если задуматься, это довольно странная фраза.

Модель с миллиардами обученных параметров может попасть на обычный компьютер в виде файлов.

Ещё несколько лет назад это звучало бы как занятие для исследовательской лаборатории.

Теперь люди делают это дома.

Часто на видеокартах, изначально купленных ради более убедительных взрывов в видеоиграх.

Покупаем мозг

Парень Марии открыл каталог моделей.

На экране были названия вроде:

Qwen 8B Instruct Q4_K_M

Qwen 8B Instruct Q5_K_M

Llama 8B Instruct Q8_0

Mistral 7B Q4_K_M

Мария смотрела на них.

«Какую?»

Её парень, до этой секунды совершенно уверенный в себе, посмотрел в потолок.

«Ну…»

Это традиционный обряд посвящения в локальный ИИ.

Начинаешь с:

Я сейчас скачаю себе ИИ.

Через пять минут уже сравниваешь Q5_K_M с Q6_K и пытаешься вспомнить, когда именно поступил в инженерный вуз.

К счастью, названия не так загадочны, как выглядят.

Возьмём:

Qwen 8B Instruct Q5_K_M

Первая часть — семейство модели.

8B означает примерно восемь миллиардов параметров.

Параметры — выученные числовые значения внутри нейронной сети. Многие из них мы называем весами.

Здесь нам не нужно глубоко разбираться в весах. Они заслуживают отдельной истории.

Для Марии важна простая мысль: модель содержит миллиарды выученных числовых взаимосвязей, которые определяют, как она отвечает.

Ни один отдельный параметр не знает, что такое ресторанное меню.

Ни одно конкретное число не хранит абзац о печати.

Способности возникают из работы сети в целом.

Восемь миллиардов звучит огромно.

Это и есть огромное число.

Но в современном ИИ восемь миллиардов параметров всё ещё могут описывать сравнительно компактную модель.

Больше не значит автоматически лучше

В каталоге Мария видит и гораздо более крупные модели.

Значит, они лучше?

Иногда.

Но сначала стоит спросить:

Лучше для чего?

Допустим, Марии нужно доставить небольшую коробку напечатанных буклетов клиенту за шесть кварталов.

Можно отправить курьера на велосипеде.

А можно отправить грузовик.

Грузовик мощнее.

Он может перевезти гораздо больше.

Но сейчас нужно доставить одну небольшую коробку.

Поэтому вопрос не в том:

Какое транспортное средство мощнее?

А в том:

Что лучше подходит для этой доставки?

С ИИ та же история.

Марии не нужна гигантская модель, чтобы разобраться, что пришло по почте: счёт, новый заказ или вопрос о доставке.

Полезный вопрос звучит так:

Какая модель справится с этой задачей и сможет нормально работать на её компьютере?

Вторая часть вопроса важна.

Потому что Мария собирается запускать модель у себя.

Instruct, квантование и диван

Слово Instruct сообщает Марии, что модель прошла дополнительное обучение выполнению инструкций.

Базовая модель может многое знать о языке, но при этом не вести себя как полезный помощник.

Если очень условно:

Базовая модель окончила университет.

Модель Instruct окончила университет, а потом прошла обучение работе с клиентами.

Марии нужна была вторая.

Затем появилось:

Q5_K_M

Её парень познакомил её с ещё одним жизнерадостным термином ИИ:

«Квантование».

Идея не так страшна, как слово.

Веса модели — это числа, а числа можно хранить с разной точностью.

Если я спрошу примерное расстояние от Нью-Йорка до Филадельфии, ответа «около девяноста пяти миль» вполне хватит.

Девять знаков после запятой тебе, скорее всего, не нужны.

Квантование использует математические методы, чтобы представить веса модели с меньшей точностью и уменьшить расход памяти.

Поэтому одна и та же модель может встречаться в вариантах Q8, Q6, Q5, Q4 и других.

Более высокая точность обычно требует больше памяти.

Более низкая — меньше.

Подробности этих компромиссов очень быстро становятся техническими.

Марии не нужны были все подробности.

Ей нужно было понять, какая версия будет работать на её компьютере.

У её видеокарты был определённый объём видеопамяти (Video Random Access Memory, VRAM).

Допустим, файл модели почти полностью его занимает.

Технически модель помещается.

Практически это может оказаться катастрофой.

Модели нужно и рабочее место: контекст, временные буферы и кэш ключей и значений (Key-Value Cache), обычно называемый KV-кэшем, который хранит полезную информацию об уже обработанных токенах.

Представь, что переезжаешь в студию и покупаешь огромный диван.

После немалых усилий и выражений, не предназначенных для печати, диван проходит в дверь.

Успех.

А потом выясняется, что он занимает кухню, ванную и большую часть коридора.

Технически диван поместился.

Практически квартира перестала работать.

У локального ИИ та же проблема.

Настоящий вопрос не в том:

Поместится ли модель?

А в том:

Поместится ли модель так, чтобы осталось достаточно места для работы?

Мария поняла это сразу.

Не потому, что знала архитектуру памяти Transformer.

А потому, что разбиралась в диванах.

Самый умный ИИ иногда — не ИИ

Когда у Марии заработала модель, появился новый соблазн.

Если ИИ всё это умеет, почему бы не поручить ему вообще всё?

Потому что иногда очень умная модель — самый глупый выбор инструмента.

Файл для печати должен быть размером ровно 4 500 на 5 100 пикселей.

Марии не нужна языковая модель, которая посмотрит на картинку и философски поразмышляет, выглядит ли размер примерно правильным.

Крошечная программа на Python может точно прочитать размеры.

Они либо совпадают, либо нет.

То же верно для многих рабочих задач.

Нужен точный процент — используй код.

Нужно извлечь конкретную запись о клиенте — используй базу данных.

А если нужно понять:

«Возьмите старый логотип, но сделайте синий больше похожим на вывеску снаружи»,

вот тут ИИ становится полезен.

Лучшие системы не заменяют нейронной сетью каждый элемент обычного программного обеспечения.

Они сочетают точные инструменты с ИИ там, где действительно требуется интерпретация.

Очень скоро этот принцип оказался важным.

Модель — ещё не работник

Локальная модель Марии могла отвечать на вопросы.

Могла прочитать письмо.

Могла пересказать документ.

Но вскоре Мария обнаружила очевидное ограничение.

Ей всё ещё приходилось объяснять, что делать.

Если каждые двадцать минут нужно садиться и печатать:

Прочитай эти сообщения.

Затем:

Проверь эти файлы.

Затем:

Найди этот старый заказ.

Затем:

Проверь этого поставщика.

то типография, по сути, не автоматизирована.

Она просто получила блестящую программу, которой требуется постоянный присмотр.

Её парень показал следующий элемент.

Такие программы, как OpenClaw и Hermes Agent, относятся к категории, которую обычно называют агентскими платформами.

Языковая модель обеспечивает рассуждение.

Агентская платформа даёт этому рассуждению управляемый доступ к внешнему миру: файлам, браузерам, базам данных, коду, памяти и другим инструментам.

Она также может разбить большое задание на небольшие и создать временных субагентов, которые ими займутся.

Именно тогда модель Марии перестала выглядеть как чат-бот.

Она стала выглядеть как система.

Утро понедельника: 37 сообщений

Начали с почты Марии.

Инструкция главному агенту была простой:

Просмотри сегодняшние утренние сообщения клиентов. Раздели новые заказы, вопросы о статусе, запросы стоимости, проблемы с макетами, счета и всё необычное. Покажи только то, что требует моего внимания.

Агент мог выполнить всё сам.

Но мог и передать узкую часть задания:

Распредели сообщения по категориям. Верни номер сообщения, категорию и объяснение одним предложением. Клиентам не отвечай.

Субагент получает эту работу в новом контексте.

Ему не нужны сведения о поставщиках Марии.

Ему не нужно вчерашнее обсуждение производства.

Ему не нужно знать, какой принтер капризничает.

У него одно задание.

Когда он заканчивает, главный агент получает короткий результат:

14 обычных вопросов о статусе заказа
8 запросов стоимости
6 правок макетов
3 счёта
4 сообщения для проверки
2 вероятных спам-письма

Временную сессию теперь можно закрыть.

Главное здесь — не слово субагент.

Главное — основной системе Марии не приходится поглощать каждую подробность каждой мелкой задачи.

Она может отправить ограниченное задание и получить обратно полезный результат.

При необходимости — та же базовая модель.

Другой стол.

Другая папка.

Другая работа.

Приходит настоящий заказ

Через несколько дней появляется более интересный запрос.

Rivera Events нужны 500 плакатов к пятнице.

Клиент говорит, что пробный макет уже утверждён.

Производству нужен достаточный запас матового материала.

Макет должен совпадать с утверждённой версией.

Мария просит:

Проверь заказ Rivera. Скажи, что мешает запуску в производство.

Теперь у агента настоящее многошаговое задание.

Он делит его на части.

Один субагент проверяет историю заказа и находит последнее утверждение клиента.

Другой изучает макет и обычным кодом проверяет размеры и разрешение.

Ещё один проверяет склад.

Не хватает двух рулонов.

Проверка продолжается на сайтах поставщиков.

Браузер находит четыре рулона в наличии у Atlantic Paper.

Python рассчитывает необходимое количество и разницу в цене.

Результаты возвращаются главному агенту:

Макет: ПРОВЕРЕН
Последняя проба: УТВЕРЖДЕНА
Склад: не хватает 2 рулонов
Atlantic Paper: 4 рулона в наличии
Требуется действие: одобрить закупку материала

Мария не получает три стенограммы субагентов и двадцать страниц текста с сайтов.

Она получает:

Заказ Rivera готов к запуску, осталось одобрить закупку материала.

Это и есть оркестрация.

Не мистическая армия ИИ-работников.

Большая цель делится на небольшие задачи. Разные инструменты выполняют подходящие им части. Результаты собираются вместе.

Языковая модель занимается неоднозначностями и планированием.

Python — точными расчётами.

База данных помнит.

Браузер извлекает.

Мария принимает важное решение.

Затем сайт начал отвечать

Когда внутренний процесс заработал, Мария попробовала кое-что заметное снаружи.

На сайте типографии уже было окно чата.

Большинство вопросов были восхитительно неоригинальны:

Какие форматы файлов вы принимаете?

Можете напечатать плакаты 24 × 36 дюймов?

Печатаете на пенокартоне?

Где мой заказ?

Агент поддержки мог отвечать, используя утверждённую Марией информацию о компании.

Он мог посмотреть статус заказа после проверки его номера и подтверждения, что клиент имеет право видеть этот заказ.

Но у него были ограничения.

Он мог объяснить обычные сроки изготовления.

Не мог придумать гарантию доставки.

Мог описать правила возврата.

Не мог изобрести новые.

Мог отвечать на обычные вопросы в 23:30.

Если вопрос выходил за пределы его полномочий, разговор переходил к Марии.

Это был важный урок.

Чем больше у ИИ инструментов, тем он полезнее.

И тем важнее права доступа.

Вопрос уже не только в том:

Что модель умеет?

Он становится таким:

Что модели разрешено делать?

Мария вполне готова была позволить программе рассказать клиенту, какие форматы файлов принимает типография.

Но гораздо меньше хотела позволять ей вести переговоры по спорному заказу на 4 000 долларов, пока сама спит.

Четверговая работа, по которой никто не скучал

У Марии был и нелюбимый ритуал.

Каждый четверг она проверяла основных поставщиков.

Бумагу.

Винил.

Пенокартон.

Цены.

Наличие.

Работа была несложной.

В этом и заключалась проблема.

Сложная работа хотя бы бывает интересной.

А здесь нужно открывать сайты, находить те же товары, читать числа и повторять всё снова.

Агент получил ограниченное задание:

Проверь эти утверждённые страницы поставщиков. Сравни пять наших стандартных материалов со значениями в базе поставщиков. Ничего не покупай. Сообщи только об изменениях цен или наличия.

Браузер собрал текущую информацию.

Python сравнил цены.

Агент вернул:

Atlantic Paper: матовый рулон 36 дюймов, +6,34%
Metro Supply: глянцевого материала нет в наличии
Других изменений нет.

Мария больше не проверяла пятнадцать страниц, чтобы выяснить, что на тринадцати ничего не изменилось.

Она прочитала две строки.

По старому процессу в типографии никто не скучал.

Что Мария на самом деле приобрела

К этому моменту система Марии выглядит довольно сложной.

Здесь локальная модель, программа её выполнения, агентская платформа вроде OpenClaw или Hermes, Python, база данных, браузерные инструменты и несколько небольших скриптов.

Но значительную часть основного программного обеспечения можно скачать и использовать бесплатно.

И есть ещё одно отличие от того, как такой проект выглядел бы совсем недавно.

Марии не нужно знать, как собрать всю систему, прежде чем начать.

Она может открыть ChatGPT, Claude или другого способного ИИ-помощника и описать, чего хочет:

«У меня такой компьютер и такая локальная модель. Я хочу через OpenClaw дать ей работать с файлами клиентов, хранить часть информации в базе данных и создавать субагентов для отдельных задач. Как это настроить?»

ИИ может провести её через этот процесс.

Он может объяснить, что установить, дать команды для терминала, показать, где находятся настройки, и помочь разобраться с ошибками.

А если Марии нужна небольшая собственная программа, необязательно начинать с изучения Python.

Она может сказать:

«Напиши скрипт, который проверяет все изображения в этой папке и отмечает те, что меньше 4 500 на 5 100 пикселей».

ИИ может написать первую версию.

Мария её запускает.

Если та не работает, она вставляет сообщение об ошибке в чат.

«Что произошло?»

ИИ объясняет и исправляет код.

Если Мария не понимает, что собирается запустить, она может попросить:

«Объясни каждую строку обычным языком».

Сгенерированный код всё равно нужно проверять. Всё, что затрагивает важные файлы, деньги, данные клиентов или производственные системы, требует разумных разрешений и внимания человека.

Но точка входа изменилась.

Марии больше не нужно начинать с:

Мне нужно изучить Linux, Python, базы данных, API и агентские платформы.

Она может начать с:

Вот что я хочу поручить компьютеру.

Это совершенно другая отправная точка.

ИИ — не только часть системы, которую строит Мария.

Он может помочь ей эту систему построить.

Недорогие эксперименты складываются

Вот здесь экономика становится интересной.

Марии не нужен грандиозный «проект ИИ-трансформации».

Можно начать с одной неприятной мелочи.

Потом перейти к другой.

Может система рассортировать эти сообщения?

Попробуем.

Может заметить недостающие макеты?

Попробуем.

Может сравнить цены поставщиков?

Попробуем.

Может подготовить утренний отчёт?

Попробуем.

Часть экспериментов окажется бесполезной.

Удалим их.

Другие сэкономят тридцать секунд.

Тридцать секунд не звучат революционно.

Но в бизнесе Марии сотни повторяющихся задач.

Допустим, одна небольшая задача занимает три минуты, а автоматизация сокращает участие человека до тридцати секунд.

Экономия — две с половиной минуты.

Повтори это четыреста раз — и сэкономишь тысячу минут, больше шестнадцати часов.

Отдельная задача так и не стала впечатляющей.

Она оказалась частой.

Именно так программы меняют бизнес.

Не всегда устраняя одну гигантскую проблему.

Иногда делая тысячу крошечных проблем немного меньше.

Дело в масштабе

В конце концов Марию перестало интересовать выражение «искусственный интеллект».

Её интересовала пропускная способность.

Можно рассортировать больше входящих заказов.

Проверить больше макетов.

Отследить больше информации о поставщиках.

Ответить на большее число вопросов клиентов.

Пропустить через типографию больше информации, не заставляя Марию лично участвовать в каждом шаге.

Именно это здесь означает масштаб.

Не то, что бизнес волшебным образом становится огромным.

А то, что объём работы, с которым он справляется, не обязан расти строго в ногу с административными усилиями.

Сама печать всё ещё требует времени.

Кто-то всё ещё должен загружать материал.

У станков всё ещё есть предел скорости.

Коробки всё ещё нужно выносить из здания.

ИИ не отменяет физику.

Но удивительно большая часть работы вокруг этих физических процессов — это информация.

Прочитай это.

Проверь то.

Найди этот заказ.

Сравни эти числа.

Спроси клиента.

Найди поставщика.

Подведи итог.

Этот информационный слой может стать гораздо гибче.

А для небольшой компании это способно изменить скорость роста всего остального бизнеса.

Когда ИИ становится ИИ Марии

Модель Qwen на компьютере Марии не уникальна.

Тысячи других людей могут скачать ту же модель.

Личной систему Марии делает всё, что она постепенно выстраивает вокруг неё.

Её записи о клиентах.

Её список поставщиков.

Её предыдущие заказы.

Её правила работы.

Её документы.

Её инструменты.

Её разрешения.

Её рабочие процессы.

Её накопленная память.

Общие интеллектуальные способности даёт модель.

Конкретную пользу даёт окружение.

В этом более глубокая идея персонального ИИ.

Два человека могут владеть совершенно одинаковой моделью и получить системы с совершенно разным поведением, потому что они живут в разных мирах.

Одна может организовывать работу типографии.

Другая — помогать управлять лабораторией.

Третья — изучать инвестиции.

Четвёртая — обслуживать домашний сервер.

Модель — отправная точка.

Окружение даёт ей жизнь.

Снова утро Марии

Теперь 8:04.

Мария наконец садится.

Её кофе выжил.

Пока она собиралась, система типографии обработала утреннюю почту, проверила входящие макеты, сопоставила несколько заказов со старыми записями, заметила изменение цены поставщика, ответила на обычные вопросы на сайте и остановила один производственный заказ, потому что закупка материала всё ещё требовала одобрения.

Клиент из ресторана до сих пор не объяснил, что значит «как в прошлый раз».

Некоторые проблемы упорно остаются человеческими.

Мария открывает панель.

Она не видит каждое сообщение, каждую проверку файла, каждую страницу браузера, каждый запрос к базе или каждую временную сессию субагента.

Она видит четыре вопроса, по которым нужно принять решение.

Вот это и есть продукт.

Не модель.

Не OpenClaw.

Не Python.

Не браузер.

Не база данных.

Полезный результат — Мария начинает утро с четырёх решений вместо сорока семи хлопот.

Механизм под капотом может оставаться невидимым.

От персонального компьютера к персональному интеллекту

Было время, когда выражение персональный компьютер звучало странно.

Компьютеры принадлежали государствам, университетам и крупным корпорациям.

Затем вычислительная техника стала достаточно дешёвой и компактной, чтобы поместиться на обычном столе.

Когда это произошло, люди нашли применения, которые раньше было трудно представить: тексты, издательское дело, фотография, музыка, игры, общение, программирование и целые бизнесы.

Возможно, искусственный интеллект сейчас делает похожий шаг.

Сегодня большинство людей всё ещё воспринимают ИИ как место, куда заходят.

Открыть браузер.

Перейти в ChatGPT, Claude или другой сервис.

Что-нибудь спросить.

Закрыть вкладку.

Локальный ИИ предлагает другой способ пользоваться искусственным интеллектом.

Модель может жить на твоём компьютере. Агентская программа может соединить её с файлами, инструментами, базами данных, браузером, памятью и рабочими процессами. Когда появляется большая задача, система может разделить её на небольшие, запустить нужные инструменты, собрать результаты и вернуть главное.

И эта система не обязана навсегда оставаться такой, какой была в первый день.

Сначала Марии было достаточно разбирать утреннюю почту.

Позже она подключила проверку макетов, поиск заказов и наблюдение за поставщиками.

Если задачи станут сложнее, можно добавить новые инструменты, подключить более мощную модель, если позволяет компьютер, или выбрать агентскую программу с более широкими возможностями.

При этом не обязательно начинать всё сначала.

Документы Марии, база заказов и правила работы типографии по-прежнему нужны. Новый помощник может работать с ними в той же рабочей среде — после подключения и настройки доступа.

Система может развиваться вместе с её делом.

А самой Марии не обязательно следить за каждым действием внутри неё.

Возможно, в этом и смысл.

Большую часть истории вычислительной техники персональный компьютер давал одному человеку доступ к программам.

Следующим шагом может стать компьютер, который даёт этому человеку ещё и интеллект по запросу.

Не комнату мультяшных роботов за крошечными столами.

Что-то более тихое.

Модели, агенты, инструменты, браузеры, базы данных и обычный код, которые работают вместе, когда это нужно.

Большую часть времени ты можешь вообще их не замечать.

Просто придёшь утром, сделаешь глоток кофе, посмотришь на экран —

и обнаружишь, что скучная часть уже сделана.