В последнее время я действительно немного устал от AI.

Несколько дней назад я хотел создать рабочий процесс «автоматическая организация данных + автоматическая генерация контента».
Сейчас в интернете постоянно говорят о будущем AI-агентов, автоматизации, low-code, я сначала думал, что это должно работать просто так, без особых усилий.
Но когда начал разбираться, я сразу вошел в режим бесконечных настроек и отладки.
Этот промпт не подходит, нужно переписать.
Claude получается слишком расплывчатым, переключился на GPT.
Когда логика GPT правильная, формат уже не подходит.
Потом менял инструменты, добавлял правила, менял рабочий процесс.
Иногда я уже не мог понять, я вообще «делаю контент» или «тренирую AI».
И это очень сильно влияет на настроение.
Один и тот же инструмент у кого-то занимает десять минут, а я иногда провожу два часа, перебирая один результат.
Те Skill с высоким рейтингом, что в сети, кажутся очень мощными, но в реальных сценариях часто не работают так гладко.
Ты просто копируешь пример, а в итоге всё равно приходится по чуть-чуть переделывать.
Я даже думал нанять человека, чтобы он специально настроил мне рабочий процесс.
Но подумав, понял, что для маленькой команды это довольно неловко.
Нанять специалиста по AI — дорого,
а самому объяснять требования, логики, переделывать — иногда утомительнее, чем делать всё самому.
Постепенно я понял, что главная проблема AI сейчас — это уже не «недостаточно умный».
А в том, что обычным людям приходится учить очень много всего, чтобы эффективно его использовать.
Нужно изучать промпты, различия моделей, навыки, рабочие процессы, подбирать инструменты под задачи.
Настоящая работа занимает лишь часть времени, остальное — «обучение AI правильно работать».
Поэтому в последнее время, когда я тестировал @dappOS_com的 и @xbubble_xyz, мне казалось, что их подход довольно необычен.
Многие AI-продукты сейчас учат пользователей: как писать промпты, как настраивать рабочие процессы, как управлять агентами.
Но xBubble скорее делает другую вещь:
«AI учится у AI, AI использует AI».
Самое большое впечатление — не нужно постоянно ломать голову: «какую модель выбрать для этого шага».
Я просто говорю, что мне нужно.
Bubble Pilot сам распознает тип задачи и автоматически распределит её по подходящим стандартным операционным процедурам и путям выполнения.
Если стандартных SOP нет, он автоматически переключается на универсального агента.
Главное — его бэкенд Bubble Engine продолжает учиться.
Какие модели подходят для каких задач, какие комбинации инструментов более стабильны, какие рабочие процессы имеют более высокий успех —
эти сложные вещи, раньше очень утомительные, теперь AI сам начинает их решать.
Этот опыт действительно очень приятен.
Потому что раньше часто было не то, что AI не умеет работать, а то, что пользователи, чтобы заставить AI работать, сами становились чуть ли не программистами.
Особенно сильно я почувствовал это на примере Bubble Computer.
Раньше для выполнения полноценной задачи мне нужно было открыть несколько окон: искать информацию, организовывать, писать контент, проверять, выводить.
Теперь он сам проходит весь этот путь.
Включая локальный режим Bubble Personal, который позволяет напрямую работать с файлами и браузером, —
но при этом пользователю не нужно настраивать окружение.
Я все больше убеждаюсь, что в будущем действительно хороший AI не должен усложнять жизнь обычных людей.
А должен научиться использовать AI сам.
Пользователь просто говорит ему цель, а остальное система берет на себя.