The State of AI

McKinsey: Большинство компаний используют ИИ, но масштабируют агентов редко

По данным McKinsey:
Почти все компании уже используют ИИ, но находятся на ранней стадии масштабирования. Большинство применяют ИИ точечно, не достигнув системного эффекта на уровне бизнеса.

62% компаний экспериментируют с ИИ-агентами, но масштабное внедрение наблюдается менее чем у 10% — это говорит о высоком интересе, но низкой зрелости.

39% фиксируют влияние ИИ на EBIT, но чаще всего в пределах 5%, что указывает на локальный эффект, а не на стратегическое преобразование.

80% ставят целью эффективность, но компании-лидеры используют ИИ для роста и инноваций — это отличает тех, кто реально получает выгоду.

Ключ к успеху — редизайн рабочих процессов. Компании, которые пересобирают процессы под ИИ, почти втрое чаще достигают значимых бизнес-результатов.

Крупные компании ($5 млрд+ выручки) масштабируют ИИ быстрее, чем малые ($100 млн−), что связано с бюджетами и структурой управления.

Наибольшие выгоды от ИИ: в инновациях, удовлетворенности клиентов и дифференциации на рынке, особенно в функциях маркетинга, продаж и продуктовой разработки.

6% компаний — “ИИ-лидеры”: они тратят более 20% цифрового бюджета на ИИ, активно масштабируют решения и получают прирост EBIT ≥5%.

Эти лидеры имеют вовлеченное руководство, гибкие продуктовые команды, систему KPI для ИИ-решений и внедряют практики Rewired (стратегия, таланты, технологии, данные, масштабирование).

Влияние ИИ на занятость неоднозначно: 32% ждут сокращения персонала ≥3%, 43% — без изменений, 13% — роста. При этом крупные компании активнее нанимают специалистов по ИИ (инженеры, аналитики данных).

Вот как получить точный промпт из любого изображения для Nano Banana Pro

..чтобы вы могли воссоздать ее и использовать в своей рекламе за считанные секунды.

extract all visual details from this image and convert them into a clean, well-structured JSON prompt. include sections: "subject", "clothing", "hair", "face", "accessories", "environment", "lighting", "camera", "style" ...

Keep the facial features of the person in the uploaded image exactly consistent

{
  "subject": {
    "person": "The woman subject is the person in the attached photo (hereinafter referred to as THE_SUBJECT). Carefully and accurately replicate THE_SUBJECT’s facial features, hairstyle, skin tone, proportions, and overall appearance exactly as shown in the photo."
  },

Что я делаю, чтобы оставаться востребованным в 2026

Последние 2.5 года я глубоко изучал, куда движется профессия продакта. Проанализировал десятки отчётов, поговорил с коллегами из разных компаний, отследил тренды найма.

Вывод простой: следующие 18 месяцев кардинально изменят то, каким должен быть продакт-менеджер. И я решил не ждать, пока рынок сам расставит всё по местам. Вот что я делаю прямо сейчас, чтобы остаться в игре.

Цифры, которые отрезвляют
Глобальный рынок продуктового менеджмента растёт с 30 до 45 миллиардов долларов за несколько лет. Казалось бы, отличная новость для всех нас.

Но посмотрите на обратную сторону: 800–900 тысяч продактов по всему миру уже конкурируют за позиции. Плюс миллионы людей пытаются войти в профессию.

В Индии найм PM вырос на 40% за 2025 год. Но глобально вакансии всё равно не поглощают весь пул кандидатов. Конкуренция ужесточается каждый месяц.

И вот что меня по-настоящему встряхнуло: во время последних волн увольнений продактов сокращали чаще, чем инженеров.

Эта реальность заставила меня переосмыслить всё. Что на самом деле означает быть ценным продакт-менеджером в 2026 году?

Чего хотят компании (и это не роадмапы)
Я понял главное: будущее не за продактами, которые просто выпускают фичи.
Будущее за теми, кто приносит измеримую бизнес-ценность.

Компании платят не за красивые презентации в Figma и бэклоги в Jira. Они платят за конкретные результаты: рост выручки, удержание пользователей, решение реальных проблем с доказательствами.

Время PM-администраторов, которые координируют встречи и переносят таски, закончилось. Рынок требует продактов-предпринимателей, которые думают о бизнесе.

Четыре навыка, в которые я инвестирую время
Я сформулировал для себя чёткий список того, что прокачиваю ежедневно.

Первое — ИИ как часть рабочего процесса
Не как фичу в продукте. Как инструмент для ежедневной работы.

Я использую ИИ для исследований рынка, анализа обратной связи пользователей, написания документации, генерации гипотез. Это ускоряет меня в 3–4 раза на рутинных задачах.

Каждое утро я трачу 30 минут на эксперименты с новыми промптами и подходами. ИИ не заменяет моё мышление — он усиливает его.

Второе — уверенность в работе с данными
Раньше я полагался на аналитиков. Сейчас сам определяю метрики, проектирую A/B-тесты, понимаю статистическую значимость.

Я прохожу курсы по экспериментам, изучаю фреймворки метрик, практикуюсь в SQL. Без данных я просто гадаю. С данными — принимаю обоснованные решения.

Цель проста: когда CEO спрашивает "Почему эта метрика упала?", я должен знать ответ через 10 минут, а не через три дня.

Третье — понимание монетизации продукта
Я изучаю модели ценообразования, разбираю кейсы успешных компаний, анализирую, как продукт зарабатывает деньги.

Как работает freemium? Где точки роста в B2B SaaS? Какие метрики влияют на retention и LTV?

Продакт, который не понимает экономику продукта, просто делает фичи наугад. Продакт, который понимает — делает фичи, которые двигают revenue.

Четвёртое — продуктовое исследование с доказательствами
Я провожу настоящий discovery. Не два интервью для галочки, а системную работу с пользователями.

Customer development сессии, анализ поведенческих данных, Jobs To Be Done интервью. Каждое решение я обосновываю реальной проблемой пользователя, а не своим мнением.

И фиксирую это в документах: вот проблема, вот доказательства, вот решение, вот ожидаемый результат.

Как изменилось моё портфолио
Раньше у меня были скриншоты интерфейсов и описания "что я сделал".

Сейчас я документирую измеримое влияние:
Какую метрику улучшил — retention вырос с 34% до 41% за три месяца
Сколько выручки принёс — новая модель подписки добавила 2.3M годовой ARR
Какую проблему решил — сократил время онбординга на 40%, что снизило отток новых пользователей

Это не хвастовство. Это язык бизнеса, который понимают наниматели.

Главный гейм ченджер: самое важное изменение — не в навыках. Оно в идентичности.

Я больше не "человек, который делает продукты". Я — человек, который генерирует бизнес-результаты через продукты, решающие реальные проблемы.

Как создать эффективный промпт для Nano Banana Pro

Nano Banana Pro преодолевает ограничения обычных генераторов изображений благодаря способности к визуальному мышлению — модель понимает структуру, пространственное расположение и логические взаимосвязи между визуальными элементами

Модель построена на 7 отдельных движках, работающих совместно:
- Layout Engine (структуры и сетки)
- Diagram Engine (схемы и диаграммы)
- Typography Engine (работа с текстом)
- Data Visualization Engine (визуализация данных)
- Style Universe Engine (эстетическая согласованность)
- Brand & Identity Engine (фирменный стиль)
- Representation Transformer Engine (переключение визуальных форматов)

Ключевой принцип работы с моделью — короткие запросы не работают, требуются детальные промпты, структурированные как настоящие дизайн-документы с точными спецификациями

Процесс создания промпта состоит из обязательной последовательности: сначала определить рабочую поверхность (dashboard, storyboard, diagram), затем спроектировать layout, перечислить компоненты списком, добавить правила и ограничения

Мета-промпт «Nano Banana Architect» — система для генерации промптов через итеративный процесс состоит из 8 областей: Intent & Goal, Subject & Content, Work Surface, Layout & Structure, Style & Aesthetics, Components & Details, Constraints, Context/Source Material

<system_role>
You are the “Nano Banana Architect”, an expert Prompt Engineer Tutor specialized in visual reasoning and in building structured prompts for the generative model “Nano Banana Pro”.
</system_role>

<context>
Nano Banana Pro is an advanced model that requires extremely detailed prompts, structured and rich in spatial constraints.
Fundamental rules of Nano Banana Pro:
1. The **Work Surface** (e.g., dashboard, comic, blueprint) is the most critical choice.
2. **Layout** takes priority over artistic style.
3. **Component lists** activate object-recognition engines.
4. **Constraints** prevent graphic hallucinations.
5. Visual thinking is a cognitive process: to build visually is to think.
</context>

<interaction_protocol>
Your task is to guide the user (a beginner) through the 8 areas of the Prompt Canvas to build the perfect prompt.
You must follow this iterative process strictly:

1. **DO NOT** ask for all information at once. Ask **ONLY ONE** question at a time, related to the current area.
2. After each user response:
* Analyze the input.
* Improve/expand it mentally based on Google and Nate Jones best practices.
* Briefly summarize what you understood (”Recorded: [detail]”).
* Move to the next question.

The 8 areas to explore in order:
1. **Intent & Goal**
2. **Subject & Content**
3. **Work Surface**
4. **Layout & Structure**
5. **Style & Aesthetics**
6. **Components & Details**
7. **Constraints**
8. **Context/Source Material**
</interaction_protocol>

<output_format>
Only when all 8 areas are completed, generate the final prompt.
The final prompt MUST be contained in a single code block and follow EXACTLY this structure:

[PROMPT START]
**WORK SURFACE:** [definition]
**LAYOUT:** [composition instructions]
**COMPONENTS:** [detailed list]
**STYLE:** [aesthetic definition]
**CONSTRAINTS:** [rules and limits]
**SOURCE MATERIAL:** [context or data]
**INTERPRETATION:** [instructions for ambiguous input]
[PROMPT END]
</output_format>

<tone>
Voice: Professional, instructive, methodical, encouraging.
Avoid obscure jargon. Guide the user like a patient mentor.
</tone>

<instruction>
Begin now. Introduce yourself, explain that you will build a prompt together for Nano Banana Pro, and ask the first question for Area 1 (Intent & Goal).
</instruction>

----

Консультации по ИИ / Менторство

Product Hunt за 2025-11-24 — 2025-11-30

1. Fluently AI English Coach
Какой у вас акцент в английском? Я скажу за 30 секунд
👍 629 голосов
💬 115 комментариев
🧱 AI, Education, Languages

2. Nao
AI среда данных для работы с данными в 10 раз быстрее
👍 502 голоса
💬 129 комментариев
🧱 AI, Data & Analytics, Developer Tools

3. Claude
Лучшая модель для кодирования, агентов и работы с компьютером
👍 495 голосов
💬 15 комментариев
🧱 AI, Development

4. Hatable
Вы уверены, что это достойно любви 👀?
👍 463 голоса
💬 84 комментария
🧱 AI, Chrome Extensions, Web Design

5. Links
Сохраняйте, организуйте и находите свои ссылки быстрее чем когда-либо
👍 430 голосов
💬 38 комментариев
🧱 Developer Tools, iOS, Productivity

6. Questas
Создавайте интерактивные истории с AI изображениями и видео
👍 422 голоса
💬 49 комментариев
🧱 AI, Design Tools, Games

7. FireCut
Ваш молниеносный AI видеоредактор
👍 391 голос
💬 39 комментариев
🧱 AI, Productivity, Video

8. Qoder
Понимает реальную сложность вашего бэкенда, а не только синтаксис
👍 371 голос
💬 50 комментариев
🧱 AI, Developer Tools, Vibe coding

9. Agenta
Открытая платформа для управления промтами и оценками AI команд
👍 364 голоса
💬 45 комментариев
🧱 AI, Developer Tools, Open Source

10. Rubber Duck
Обнаруживайте проблемы отклонения App Store до того, как это сделает Apple
👍 351 голос
💬 37 комментариев
🧱 Analytics, Apple, Developer Tools

11. HushLink
Продавайте любой цифровой контент с помощью одной простой ссылки
👍 351 голос
💬 68 комментариев
🧱 Instagram, Monetization, Payments

12. Craft
Обновленный Ассистент с MCP, AI, API и бета для Android
👍 346 голосов
💬 44 комментария
🧱 AI, API, Productivity

13. Ripplica
Автоматизируйте любую веб-задачу с помощью простого видео
👍 329 голосов
💬 76 комментариев
🧱 AI, Productivity, SaaS

14. Simrepo
Показывает похожие репозитории GitHub в боковой панели
👍 294 голоса
💬 27 комментариев
🧱 Browser Extensions, GitHub, Tech

15. Hero Widget
Отслеживание MRR и количества пользователей в реальном времени
👍 287 голосов
💬 32 комментария
🧱 Analytics, Marketing, SaaS

16. Gedd.it
Находите проверенные промокоды для нужных вам продуктов
👍 287 голосов
💬 46 комментариев
🧱 E-Commerce, Productivity, Shopping

17. CatDoes
Команда AI агентов создает мобильные приложения для вас и вашего бизнеса
👍 274 голоса
💬 38 комментариев
🧱 AI, No-Code, Vibe coding

18. Cracked AI
Масштабируйте свой продукт с помощью AI инфлюенсеров
👍 273 голоса
💬 63 комментария
🧱 AI, Social Media, Video

19. AddSubtitle
Пусть субтитры расскажут вашу глобальную историю
👍 262 голоса
💬 23 комментария
🧱 Productivity, Video

20. NoSho
Растите свой лист ожидания и заполняйте доступность быстро с помощью депозитов
👍 261 голос
💬 41 комментарий
🧱 Calendar, Customer Communication, SaaS

Atlassian: State of Product 2026

· 700 — респондентов в опросе (США, Германия, Франция)
· 521 — продаков в опросе по ИИ
· 20,000 — клиентов Jira Product Discovery

===

главный вывод: работа над продуктами сейчас динамичнее и сложнее, чем когда-либо. 84% — обеспокоены, что их продукты не будут успешны на рынке


ИИ дает импакт во время, но не в стратегию
68% команд экономят время благодаря ИИ, но стратегическая работа по-прежнему отходит на второй план. ИИ должен помогать с задачами высокого уровня — такими как приоритизация и планирование

Настоящая кросс-функциональная работа встречается редко
В 80% команд инженеры не участвуют в генерации идей и формировании дорожной карты. Это может подавлять креативность и эксперименты, ставя под сомнение успех продукта.

Страсть сталкивается с неопределённостью
90% продактов любят своё ремесло, но 84% не уверены, что их продукты добьются успеха. Это плохая основа для того, чтобы команды показывали максимум возможностей.

PM-ы физически не успевают заниматься стратегией — 49%

За последние 3 года произошёл радикальный сдвиг: фокус сместился с роста на прибыльность, индустрия стала более конкурентной (32% отмечают), а ИИ добавил ещё один слой сложности

Проблемы с коллаборацией:
- 80% команд не вовлекают инженеров на ранних этапах разработки (идеация, определение проблем), что противоречит лучшим практикам и ведёт к сюрпризам при реализации
- При этом именно коллаборация приносит наибольшее удовлетворение — 50% называют её самым вознаграждающим аспектом работы

ИИ — двойственный эффект:
- Большинство используют 1-3 ИИ-инструмента (лидеры: ChatGPT 85%), получая умеренный прирост продуктивности — 50% экономят 10-60 минут в день
· Основное применение — рутина: 77% автоматизируют простые задачи, 60% используют для документации, но только 23% применяют для управления приоритетами
· Главные барьеры внедрения: отсутствие интеграции с рабочими процессами (46%), недоверие к точности (45%), неясность применения (33%), опасения по безопасности данных (особенно в крупных компаниях — 43%)

Метрики и результаты:
· Только 12% находят вознаграждающим достижение бизнес-результатов (прибыль, доля рынка) — это наименее популярный аспект работы, хотя именно на этом сфокусировано давление
· Команды хотят более холистичных метрик: 50% требуют учёта кросс-функциональной коллаборации, 44% — баланса краткосрочных и долгосрочных целей, 43% — креативного решения проблем
· Критический сдвиг: от фокуса с аутпута (выпустили 10 фич к дате) к ауткаму (увеличили конверсию с 15% до 25%)

=== Рекомендации ===

· Работать с "lighthouse users" (10-15 фокусных клиентов) для быстрой валидации — это позволяет двигаться быстрее, получать глубокие инсайты и создавать чувство ответственности в команде
· Внедрять модель "product triad" (PM + дизайнер + инженер работают вместе от начала до конца) — команды, вовлекающие инженеров с начала, на 30% чаще чувствуют себя стратегическими лидерами
· Использовать общие фреймворки приоритизации (Impact vs. Effort Matrix, RUF Pyramid, Boulders-Rocks-Pebbles) для структурирования дискуссий и снижения конфликтов
· Определить чёткие роли: Creators (продуктовая команда — драйверы), Contributors (продажи, поддержка — инсайты), Stakeholders (лидерство, остальные — видимость и фидбек)
· Инвестиции в product ops коррелируют с успехом: команды с выделенной функцией показывают +30 пунктов в ощущении стратегического влияния, +22 пункта в выравнивании с целями, +19 пунктов в раннем вовлечении инженеров
· Создать инфраструктуру обучения: Access (убрать барьеры между командами и клиентами) → Rituals (превратить практики в привычки) → Diffusion (сделать знания легко доступными для всех)

Что ИИ-зировать?

Когда ты продвинутый мамкин ИИ-затор всего ИИ консультант, то сталкиваешься с тем, что ИИ-системы могут развивать эмерджентное поведение (действовать непредсказуемо), особенно при наличии памяти, обратных связей и автономии — тут нужна осторожность в проектировании БП.

Картирование — это способ сделать видимым то, что стало рутиной из-за повторения. Оно помогает точно определить, где есть возможности для улучшения благодаря эффективному делегированию.

Первое решение касается выбора правильного бизнес-процесса. Хороший кандидат обладает тремя ключевыми характеристиками:
- повторяющаяся задача
- отнимает много времени (>40 мин)
- имеет узнаваемую структуру (чтобы их можно было эффективно разбить на части)

Например:
- в менеджменте можно составить план подготовки ежемесячного прогноза, который включает сбор
- в HR первоначальный просмотр резюме нормализацию, синтез и проверку данных
- в маркетинге создание ежемесячной рассылки
- в продажах создание КП

Шаблон для картирования:
- описание процесса
- частота в неделю
- описание какой ауткам дают этот БП
- инструментарий внутри БП
- ожидаемый результат (output)
- затрачиваемое время
- проблемные точки

===

После завершения картирования вы получите конкретное и подробное представление своего рабочего процесса. Однако одной операционной ясности недостаточно для определения того, что и, что ещё важнее, как делегировать. Для разработки стратегии необходим второй этап: оценка каждого этапа по двум независимым, но взаимодополняющим параметрам — автоматизации и когнитивной нагрузке

↓↓↓ след. пост

↓↓↓

Первый параметр касается того, насколько регулярно задача следует фиксированному шаблону → процесс можно формализовать и повторять.

Второе измерение измеряет требуемые умственные усилия. Если задача включает чтение, письмо, интерпретацию или создание контента, она, вероятно, несёт высокую когнитивную нагрузку. В таких ситуациях LLM оказываются особенно эффективными.

===

Автоматизация. Насколько стандартизируем этот этап?

Всегда ли я выполняю одну и ту же последовательность шагов?
[0] Никогда. Каждый раз по-разному
[1] Часто. Похожая процедура, но с частыми вариациями
[2] Всегда. Всегда одинаковая процедура, одна и та же последовательность

Всегда ли результат имеет одинаковую структуру?
[0] Нет. Выходные данные каждый раз меняются.
[1] Аналогичны. Базовая структура существует, но с некоторой изменчивостью.
[2] Идентичны. Выходные данные всегда идентичны по форме.

Могу ли я написать понятные, подробные инструкции?
[0] Нет. Требуются интуиция и опыт.
[1] Частично. Руководства возможны, но требуют интерпретации.
[2] Да. Пошаговое руководство легко воспроизводимо.

Могу ли я завершить его, не принимая контекстных решений?
[0] Нет. Постоянное принятие решений на протяжении всего процесса.
[1] Несколько. Эпизодические, отдельные решения.
[2] Да. Никаких решений не требуется, чистое исполнение.

Когнитивная нагрузка. Сколько мыслей и языка это требует?

Это механистично или требует сосредоточенности?
[0] Механистично. Полностью механистично.
[1] Умеренно. Требует умеренного внимания.
[2] Рассуждение. Требует непрерывного рассуждения.

Работаю ли я в основном с языком?
[0] Немного. Визуальные, операциональные или процедурные задачи.
[1] Немного. Язык присутствует, но не является основным.
[2] Много. Чтение и письмо — основные виды деятельности.

Сколько информации мне нужно обработать?
[0] Мало. Несколько легко управляемых точек данных.
[1] Умеренно. Умеренный объём.
[2] Много. Множество источников, большой объём контента.

Есть ли несколько способов выполнить задание?
[0] Нет. Только один правильный способ.
[1] В некоторой степени. Возможны несколько альтернатив.
[2] Очень сильно. Задание выигрывает от исследования.

Матрица 2×2: четыре стратегии делегирования
После присвоения баллов у вас будут два значения от 0 до 8: первое измеряет степень автоматизации этапа, второе — его когнитивную сложность. Сочетание этих двух значений позволяет вам разместить каждое действие в матрице 2×2, из которой выводятся четыре различные стратегии выполнения.

====

Мозговой штурм с ИИ — когда задача получает низкие баллы по автоматизации, но высокие по когнитивной нагрузке, это означает, что ее нельзя стандартизировать — она никогда не повторяется одинаково — и она требует значительного рассуждения, креативности и исследовательского мышления. ИИ следует использовать в качестве мыслящего партнера

AI Assistant — некоторые задачи требуют когнитивных усилий, но при этом часто повторяются. Входные данные каждый раз меняются — новая расшифровка, другой набор обратной связи, еще один отчет для подведения итогов — но процесс и структура выходных данных остаются неизменными. В этих случаях ИИ может выполнять задачу автономно, но для этого требуются очень четкие инструкции.

AI tool — простые процедурные задачи с фиксированной последовательностью и стандартизированным результатом. В таких случаях правильная стратегия — найти специализированный инструмент, который уже выполняет эту задачу.

Human-in-the-loop — ИИ сделал → прислал тебе на проверку → ты решаешь что с этим делать.


----

Консультации по ИИ / Менторство

OpenAGI выпустила самую мощную CUA

CUA (Computer Use) — когда твоим ПК управляет ИИ путём интерпретации снимков экрана и выполнения действий в настольных приложениях.

Lux достигла 83,6% успеха в тесте Online-Mind2Web, который стал самым строгим в отрасли тестом для оценки агентов искусственного интеллекта, управляющих компьютерами. Этот результат значительно превосходит результаты ведущих моделей от хорошо финансируемых конкурентов. Operator от OpenAI , выпущенный в январе, набрал 61,3% по тому же тесту. Claude Computer Use от Anthropic — 56,3%.

«Традиционное обучение на степень магистра права (LLM) предполагает передачу модели большого объёма текстового корпуса. Модель учится воспроизводить текст», — сказал Цинь в эксклюзивном интервью VentureBeat. «Наша же модель, напротив, учится производить действия. Модель обучается на большом количестве компьютерных скриншотов и последовательностей действий, что позволяет ей производить действия по управлению компьютером».

Как качать мета-навыки

Один из лучших выступлений на Epic Grow Conf'25 — Александр Капустин (ех-CPO AvitoFintech)

Черт возьми... Я только что узнал, почему инженеры OpenAI, Anthropic и Google никогда не парятся о промптах.

Они используют стеки контекста. Контекстная инженерия — это настоящая мета.
Это то, что отличает пользователей ИИ от создателей ИИ.

Вот как писать промпты, чтобы получить наилучшие результаты от LLM:

Ты — технический основатель, который пишет практичные, вирусные треды.
Твой тон уверенный, слегка провокационный, основан на реальных кейсах.
Вот 3 примера твоих прошлых постов.
Теперь напиши новый тред про ИИ-инструменты для продуктивности.

The 4C Framework:
• Character — кто говорит?
• Command — что нужно сделать?
• Constraints — что нужно избегать или соблюдать?
• Context — какие примеры, цели или аудитория важны?

Ты пишешь бриф, а не промпт. Каждый раз, когда брифуешь модель, думай как фаундер, обучающий нового сотрудника: «Что ему нужно знать, чтобы думать как я?»

Твоя задача — не «промптить» модель, а проектировать её контекст.

Модель больше не «инструмент», а член команды, которого ты онбордишь…

Product Hunt за 2025-12-01 — 2025-12-06

1. CyberCut AI
AI видеостудия для вирусных социальных клипов
👍 677 голосов
💬 102 комментария
🧱 AI, Marketing, Video

2. Aha
AI сотрудник, который управляет маркетингом влияния от начала до конца
👍 557 голосов
💬 74 комментария
🧱 AI, Branding, Influencer marketing

3. X Design
Ваш креативный AI агент для создания брендированных активов
👍 550 голосов
💬 66 комментариев
🧱 AI, Branding, Design Tools

4. Documentation AI
Создавайте и обновляйте документацию по продукту без усилий с помощью AI
👍 537 голосов
💬 74 комментария
🧱 AI, Developer Tools

5. Pylar
Безопасно подключайте весь стек данных к любому агенту
👍 504 голосов
💬 57 комментариев
🧱 AI, Developer Tools, Security

6. Taskade
Создавайте живые приложения с агентами, памятью и автоматизацией рабочих процессов
👍 448 голосов
💬 30 комментариев
🧱 AI, Productivity, Website Builder

7. Mistral 3
Семейство передовых open-source мультимодальных моделей
👍 411 голосов
💬 6 комментариев
🧱 AI, Android, Open Source

8. Stickerbox
Безопасный для детей голосовой принтер стикеров на базе AI
👍 411 голосов
💬 28 комментариев
🧱 AI, Kids, Toys

9. GNGM
Приложение для привычек сна для сов, пытающихся перезагрузиться
👍 399 голосов
💬 69 комментариев
🧱 Android, Fitness, Health & Fitness, Productivity

10. Marengo 3.0
Самая мощная модель эмбеддингов для понимания видео
👍 348 голосов
💬 35 комментариев
🧱 AI, Developer Tools, Video

11. TruGen AI
Оживляет AI с помощью человекоподобных видеоагентов
👍 356 голосов
💬 141 комментарий
🧱 AI, Developer Tools, Video

12. 8bitcn
8-битные UI компоненты, работающие в любом фреймворке
👍 398 голосов
💬 27 комментариев
🧱 Developer Tools, GitHub, Open Source

13. Compass
Спрашивайте в Slack о ваших данных и получайте мгновенные ответы в чате
👍 340 голосов
💬 22 комментария
🧱 AI, Data & Analytics, Slack

14. Gemini 3 Deep Think
Лучшая модель Google для логического мышления и понимания
👍 329 голосов
💬 11 комментариев
🧱 AI, Developer Tools, Productivity

15. TrueFoundry AI Gateway
Подключайте, наблюдайте и контролируйте LLM, MCP, Guardrails и промпты
👍 319 голосов
💬 137 комментариев
🧱 AI, API, Developer Tools

16. Walk Mate
Открывайте новые маршруты для прогулок, оставаясь активными
👍 318 голосов
💬 27 комментариев
🧱 Health & Fitness, iOS, Running

17. ZapDigits
Быстро создавайте готовые для клиентов маркетинговые дашборды
👍 315 голосов
💬 47 комментариев
🧱 Analytics, Marketing, SaaS

18. Bun
Быстрая JS среда выполнения с встроенными инструментами вместо Node.js
👍 314 голосов
💬 12 комментариев
🧱 Developer Tools, GitHub, Open Source

19. Once UI
Open-source дизайны для интерактивных и анимированных взаимодействий
👍 311 голосов
💬 25 комментариев
🧱 Developer Tools, GitHub, Open Source, User Experience

20. Fellow
AI заметки с встречами без ботов с MCP и рабочими процессами Zapier
👍 292 голосов
💬 26 комментариев
🧱 AI, Meetings, Notes