Insights
TypeInsightsI gave my LLM 100,000+ tools. Here is what happenedЧто происходит, когда даёшь LLM 100,000+ инструментов одновременно: эксперимент с scale of tools и его последствия для архитектуры агентов.Insights5 Levers That Separate Winning AI Investments from Disasters — Nate B Jones5 рычагов, разделяющих успешные AI-инвестиции от провалов — Nate B Jones разбирает критерии оценки enterprise AI от PE/VC перспективы.InsightsEnterprise AI Deployment Layer — Nate B Jones (2026-05-14)Видео Nate B. Jones от 2026-05-14: Enterprise AI Deployment Layer — как строить AI-внедрение в корпоративной среде.InsightsThe Memory Problem for AI Agents - Pinecone, SAP, PageIndex, Graph RAGВидео-разбор проблемы памяти AI-агентов: Pinecone, SAP, PageIndex и Graph RAG — четыре разных подхода к архитектуре knowledge retrieval.InsightsNate B. Jones — Salesforce Killed The Browser (полный транскрипт)Полный транскрипт: Nate B. Jones о том, как Salesforce убивает браузер — CRM как API-инфраструктура для AI-агентов.InsightsPE как канал дистрибуции AI agents — новая модель масштабированияPrivate equity как канал дистрибуции AI-агентов: PE-фирмы могут внедрять агентные решения сразу в портфельные компании — масштабирование без sales-команды.InsightsTeam of one: соло-предприниматель, строящий 4 продукта одновременно через AI-агентовMeng To строит 4 продукта в одиночку, управляя флотом из 10-20 AI-агентов — новая модель соло-предпринимателя с AI как командой.InsightsSkills marketplace: новая экономика «лего-кубиков» для AI-агентовSkills как переиспользуемые «лего-кубики» дизайна — marketplace skill-модулей открывает новую экономику для дизайнеров и разработчиков агентов.InsightsThe Implementation Layer Squeeze — 4 оси давления на generic AI wrappers4 оси давления на generic AI wrappers: model commoditization, data moats, distribution leverage, workflow depth — без differentiation в одной из них платформы умрут.InsightsSaaS «tastes like chicken» — почему private equity уходит в agentic workflowsSaaS «tastes like chicken»: все продукты стали неотличимы, поэтому private equity уходит в agentic workflows — там ещё есть differentation и margin.InsightsРынку нужны playbooks, а не инструменты — барьер adoption AI в агентствахБарьер adoption AI в агентствах — не инструменты, а отсутствие готовых playbooks. Рынку нужны сценарии применения, а не новые features.InsightsVisualization layer of AI: дашборды как следующий frontier после моделейVisualization layer как следующий frontier AI: когда модели умеют создавать, вопрос становится «как это увидеть» — дашборды как интерфейс агентов.InsightsAgent as managed worker: агенты перестают быть продуктомAgent as managed worker — не chatbot, не workflow. Агент требует task, permission, judge, correction, work record. Swarms — мёртвая идея.Insights«Вкус» как главное конкурентное преимущество в эпоху AI-дизайнаКогда AI снял барьер создания дизайна, реальная дифференциация переместилась в «вкус» — способность выбирать что хорошо, а не технику исполнения.InsightsLayering vs Switching: почему вопрос «на что переключиться» задан неправильноОшибка большинства команд — фрейм «switching». Правильный фрейм — «layering»: добавляй слои поверх существующих инструментов без миграции.InsightsSalesforce Headless 360: браузер больше не нужен — CRM как API-инфраструктура для агентовSalesforce Headless 360: вся платформа превращается в API + MCP-инструменты + CLI. Браузер перестаёт быть единственной точкой взаимодействия.InsightsРынок AI-агентов перешёл от гонки моделей к гонке инфраструктурыРынок AI-агентов сместился: качество модели перестало быть ключевым вопросом два квартала назад — теперь решает инфраструктура интеграции.InsightsЭкономика rediscovery: 85% токенов агента сжигается до начала полезной работыС memory-инфраструктурой агент платит один раз за compiled knowledge — без неё 85% токенов сгорают до начала реальной работы (rediscovery tax).InsightsЛовушка database-first: почему vendor-first убивает агентные проекты через несколько месяцевЛовушка database-first: выбор Pinecone до понимания типов данных агента ведёт к галлюцинациям — сначала типы данных, потом примитивы.InsightsИнструменты визуализации кода показывают структуру, но не смысл — и в этом их фундаментальный провалИнструменты визуализации кода показывают структуру (дерево файлов), но не смысл (что делает функция) — это принципиально разные задачи.InsightsLLM token-стоимость — скрытый барьер adoption даже для open-source инструментовLLM token-стоимость — скрытый барьер adoption даже для open-source инструментов: MIT-лицензия бесплатна, но 30 мин compute на проект = реальная стоимость.InsightsContext rot: большие контекстные окна не решают проблему памяти, а создают новуюContext rot: большие контекстные окна создают новую проблему — неизвестно что авторитетно, какие permissions, где подтверждённое vs предполагаемое знание.InsightsСтруктура документа = смысл: чанкинг убивает юридическую и финансовую точностьPageIndex строит иерархическое дерево документа с саммари на каждом узле, ноль эмбеддингов — структура документа несёт смысл, который чанкинг уничтожает.InsightsSAP потратил €1B на table-native AI — корпоративное знание живёт в таблицах, не в текстеSAP потратил €1B строя table-native AI: корпоративное знание живёт в таблицах, не в PDF — chatbot RAG из параграфов неправильная абстракция для enterprise.InsightsRediscovery tax: до 85% compute агентов уходит на повторное нахождение уже известногоRediscovery tax: до 85% compute агентов тратится на повторный поиск уже известного. Классический RAG без persistent memory структурно неэффективен.InsightsDream Engine: AI-агент, который улучшает тебя пока ты спишь — 8 измерений ежедневного анализаDream Engine: ночной агент, который раз в сутки анализирует весь AI-usage и генерирует инсайты и новые skills пока пользователь спит.InsightsComputer Use — не ров, а мост. Семантические примитивы — настоящая защитаComputer Use — не конкурентный ров, а временный мост. Настоящий ров — семантические примитивы, делающие компьютер ненужным.InsightsCorrelated judgment: почему actor и judge не могут быть одной модельюActor и judge на одной модели = shared blind spots. Нужны разные модели для независимого суждения — correlated failure хуже одиночного.InsightsTrust is not a switch — спектр полномочий для агентовДоверие агенту — это спектр, не переключатель: агент может читать, но не писать; писать в staging, но не в prod; выполнять с проверкой человека.InsightsAI-агенты угадывают без структурного контекста — и это главная точка отказаAI coding tools (Cursor, Copilot, Claude Code) работают вслепую: видят несколько файлов вместо полного структурного контекста — отсюда ошибки и регрессии.Insights«Sit closer to the business object» — ключевой принцип для AI-продуктов в 2026Ключевой принцип Nate B. Jones: AI-продукт должен быть максимально близко к бизнес-объекту (сделка, заявка, тикет) — distance to object = latency and error.InsightsAgents могут закрывать целый воркфлоу на 100% — и это феномен весны 2026Феномен весны 2026: агенты впервые начали закрывать ВЕСЬ воркфлоу (100%) — не помогать человеку, а выполнять процесс от начала до конца без участия.InsightsКодинг-агенты победили первыми не из-за текста, а из-за семантической плотности средыCoding agents победили не потому что «код — это текст», а потому что код имеет семантические примитивы (AST, line numbers) — именно они дают агентам точность.InsightsПарадокс скиллов: power-law ценности (20/80)20% скиллов дают 80% ценности — power law для агентных систем: мощный навык лучше десятка мелких.InsightsДве стратегии для агентов: от семантики работы vs от моделей. Стартапам — первый путьДве стратегии для AI-агентов в 2026: от семантики реальной работы (путь Perplexity) vs от возможностей модели (путь OpenAI). Стартапы делают ставку не там.InsightsЧеловек как живой плагин — и почему это надо прекратитьЧеловек, вручную копирующий между приложениями и чатом с моделью, — это и есть «живой плагин». Нужна автоматизация.InsightsАгентный скаффолдинг — это костюм, а не магия моделиМодель сама по себе не работает — её возможности раскрываются только через правильную обвязку (скаффолдинг) из промптов, скиллов и плагинов.