☁️ Amazon Quick запускает автономных агентов для автоматизации рабочих задач

Amazon Quick — AI-ассистент, интегрирующийся с корпоративными приложениями и базами данных, — получил обновление. Теперь пользователи могут создавать автономных агентов, которые работают непрерывно в фоновом режиме: отслеживают сделки, анализируют изменения в регуляторных требованиях, обрабатывают заказы и готовят сводки. Агенты настраиваются на естественном языке без программирования, с гибким уровнем автономии — от точных инструкций до самостоятельного поиска решений в заданных рамках.

Вместе с агентами запущена лента активности, которая объединяет email, Slack, календарь и задачи в единый приоритизированный поток. Система учится на поведении пользователя: выделяет важные сообщения, предлагает черновики ответов и готовит материалы к встречам. Также добавлена поддержка сквозных запросов по нескольким источникам данных (Salesforce, Databricks, таблицы) — один вопрос возвращает объединённый ответ с интерактивными дашбордами.

Среди 16 новых интеграций — Adobe, Figma, Shopify, Snowflake, WhatsApp, Zapier и ZoomInfo. Доступна библиотека из 30+ готовых навыков для продаж, финансов и маркетинга. Приложения, созданные в Quick, теперь можно публиковать как веб-приложения для любого круга пользователей.

#AI #AmazonQuick #Agents #Automation #AWS #Productivity

📋 Meetily: транскрибация и саммари встреч без подписки

Wired рассказывает о Meetily — бесплатном инструменте для транскрибации и суммаризации встреч, который не требует ежемесячной подписки. Это альтернатива дорогим корпоративным сервисам для тех, кто регулярно проводит онлайн-встречи и хочет автоматически получать их расшифровку и краткое содержание.

Meetily работает локально: аудио не уходит в облако, а расшифровка происходит на устройстве пользователя. Такой подход решает сразу две проблемы — приватность и стоимость. Сервис подходит для использования с популярными платформами видеоконференций и позволяет после звонка получить готовую выжимку с ключевыми решениями и задачами.

Практическая польза очевидна: участники перестают тратить время на ручное ведение заметок, а команды получают единый документ по итогам созвона. Для фрилансеров и небольших стартапов это возможность отказаться от платных подписок без потери функциональности.

#AI #Meetily #Transcribation #Meetings #Productivity

❓ Почему не стоит доверять ИИ написание серьёзных текстов

Автор эссе на Substack Эрих Грюневальд утверждает: ИИ почти никогда не стоит использовать для написания содержательных текстов - статей, отчётов, меморандумов, продуманных писем. Даже если дать модели подробный план, надиктованные мысли и потом отредактировать результат.

Три аргумента. Первый: сам процесс письма - это и есть процесс мышления. Формулируя идею в словах, автор обнаруживает дыры в аргументации, противоречия и слабые места исследования. ИИ позволяет этого избежать. Второй: тексты моделей расплывчаты и ошибочны в трудноуловимых местах. Автор разбирает абзац Claude про контрабанду AI-чипов и находит десяток сомнительных формулировок - от бессмысленного «контроль экспорта силён настолько, насколько силён его правоприменитель» до финального пафосного вывода без информации. Третий: выдавать сгенерированный текст за свой - невежливо и вводит читателя в заблуждение.

При этом автор не против ИИ в целом: транскрибация, анализ данных, поиск, брейншторм, обратная связь по черновикам и даже редактура - всё это допустимо, если человек осознанно принимает или отклоняет каждую правку. Речь именно о делегировании написания текста.

#AI #LLM #Writing #Productivity #HackerNews

🧠 «Мы недостаточно амбициозны»: инженер Anthropic объясняет, как это исправить

Феликс Ризеберг, работающий над Claude, написал разбор того, что обычно остаётся лозунгом. Он замечает, что возможности моделей растут неравномерно: по словам Теренса Тао, они «поразительны в одних направлениях и неадекватны в других». Кто-то научился пилотировать именно поразительную часть и буквально летает, а большинство всё ещё машет новыми крыльями, не понимая, зачем они нужны кроме «сделай письмо менее злым». Отсюда постоянный клич «мы недостаточно амбициозны» - который легко провозгласить и трудно исполнить.

Он делит амбицию на четыре типа. Скорость это та же работа за меньшее время, экономическая основа ИИ, но творчества она не требует, и автор её пропускает. Высота означает подъём на уровень абстракции: вместо задачи вы формулируете исход. Глубина это выполнение задачи так, как сделал бы ведущий эксперт поля, с заходом на уровень сырых данных и инструментов. Широта это привлечение нескольких дисциплин сразу, которые раньше было бы нерентабельно задействовать.

Самый наглядный пример у него про высоту и как раз про скучную офисную работу. В начале прошлого года он просил Claude чинить отдельные краши. Со временем просьба стала другой: просто держи наши приложения без крашей. Но у такого перехода есть цена, о которой обычно молчат. Чтобы это заработало, пришлось перестроить сам процесс: дать модели возможность забирать краш-репорты, сопоставлять версию приложения с коммитом и получить доступ к машинам на Windows, macOS и Linux, чтобы она могла самостоятельно воспроизводить и проверять исправления. Сам автор честно отмечает границу: «Claude, иди заработай денег» в 2026 году для большинства бизнесов всё ещё не работает.

Высота. Признак, что пора подниматься в абстракции - если по поводу работы у вас запланированы совещания. Для творческих задач работает хуже. На примере квартального обзора: не обновлять цифры в шаблоне, а дать максимум данных и спросить, что изменилось, почему и что делать. Выше - выделить три срочных решения с аргументами за и против. На верхнем уровне - спроектировать способ ловить проблемы раньше, чем квартальная презентация, доказать на истории компании, что он сработал бы, и прогнать параллельно с текущим.

Глубина. Модели на просьбу «веди себя как профессионал» часто меняют словарь, но не метод. Требуйте реальных инструментов: тянется к markdown-таблицам — настаивайте на базах данных и статистике. Ставьте неразумные цели: нужна загрузка за 5 секунд вместо 10, просите 200 миллисекунд. Проверяйте то, что считаете известным: «мы думаем, что отток это проблема онбординга, воспроизведи из сырых данных». И не давайте модели судить саму себя, нужен внешний судья.

Широта. Замените существительные глаголами: квартальный обзор это не презентация, а «заставить занятых людей поверить в историю про причину и следствие и принять решение за 30 минут». Так видно, какие поля дадут угол. Дальше собирайте команду как в фильме про ограбление: аналитик, журналист, редактор, плюс красная команда из шорт-селлера и судебного бухгалтера. Но не ролевая игра: просите не писать как шорт-селлер, а делать то, что он делает.

Промпт для глубины. Попросить более глубокую версию задачи, а не более объёмную, ответив сначала на четыре вопроса: что сделал бы топовый профессионал, о чём вы не просили; с какого сырого материала начал бы; какие методы применил бы; что подтвердит правильность результата. Затем переписать запрос под это.
Условие. Всё это требует, чтобы у модели был компьютер с возможностью ставить софт и доступ к данным.

🎨 qvabo.studio/tg · картинки и видео

#AI #Productivity #Anthropic #Claude #Workflow