# Феликс Ризеберг: «Хватит пользоваться ИИ как в 2024 году»

Источник: https://youtu.be/W2bdRW-EazA?si=w-950u3KhVwhCvK3
Канал: Marina Mogilko
Опубликовано: 13.11.2026

---

Руководитель разработки десктопного приложения Claude Code, Claude.ai и Claude Cowork в компании Anthropic Феликс Ризеберг полностью отказался от самостоятельного написания программного кода, перейдя к непрерывному прототипированию с помощью больших языковых моделей. В интервью автору канала Марине Могилко разработчик рассказал, почему традиционные подходы к промптингу образца 2024 года безнадежно устарели, как архитектура универсальных нейросетей вытесняет узких специализированных агентов и почему ключевым активом предпринимателей в эпоху доступного софта становится человеческая эмпатия.

## 🚀 Почему пользователи просят у ИИ слишком мало
[[JUMP:00:00]]

Подавляющее большинство профессионалов используют современные нейросети лишь на ничтожную долю их реального потенциала, сводя взаимодействие к базовым операциям вроде суммаризации электронных писем или смягчения тона сообщений [00:00]. Основатель и генеральный директор Anthropic Дарио Амодей часто сравнивает современный искусственный интеллект с дата-центром, до отказа заполненным гениями [34:37]. Однако рядовые пользователи, имея в руках невероятную вычислительную и аналитическую мощность, продолжают использовать ее как банальный поисковик, задавая примитивные вопросы об общеизвестных фактах [34:23].

Феликс Ризеберг подчеркнул, что фундаментальное препятствие лежит в психологических ограничениях самих людей: специалисты формулируют запросы исходя из того, что они лично считают возможным, а не из того, на что объективно способна модель [35:04]. В качестве примера принципиально иного масштаба мышления разработчик привел недавний случай продакт-менеджера по имени Павел, который скормил Claude открытый массив данных NASA с задачей найти неизвестные космические объекты [02:12]. В результате модель обнаружила кандидата в экзопланету, данные по которому в настоящее время проверяют астрофизики американского космического агентства [02:12]. 

Главный принцип работы на переднем крае технологий сегодня — ставить моделям конечные высокоуровневые бизнес-цели, а не мелкие механические задачи [35:14]. Несмотря на то что модель пока не может самостоятельно выполнить абстрактное распоряжение «заработать денег», подход к делегированию должен тестировать пределы способностей ИИ [35:45]. Тот, кто постоянно упирается в потолок возможностей текущей версии системы, выигрывает больше всех при релизе следующего поколения нейросетей [36:11].

## 🛠️ Рабочий день без написания кода и философия прототипирования
[[JUMP:02:55]]

Карьера самого Феликса Ризеберга претерпела радикальную трансформацию: ранее руководивший разработкой мессенджера Slack и занимавший классические посты инженерного менеджера, сейчас он полностью прекратил писать код руками [00:14], [01:31]. Его рабочий день начинается с того, что искусственный интеллект готовит краткие сводки и брифует по ключевым событиям [03:05]. Профессиональная роль Ризеберга сместилась в сторону синтеза продуктового менеджмента, системной архитектуры, работы с данными и глубокого погружения в человеческую психологию и эмпатию [03:17].

По словам разработчика, на протяжении последних 10–15 лет создание программного обеспечения неизменно сопровождалось скрупулезным подсчетом затрат:

*   Оценка временных ресурсов на проектирование базовой архитектуры [04:08];
*   Расчет будущих расходов на поддержку и сопутствующую инфраструктуру [04:22];
*   Определение альтернативных издержек — от чего команде придется отказаться ради новой фичи [04:22].

Сегодня этап теоретических споров полностью устраняется мгновенной генерацией рабочих прототипов [04:34]. Большую часть рабочего времени команда Ризеберга генерирует идеи, формулирует гипотезы, дает Claude задание собрать все возможные варианты интерфейсов и логики, после чего проводит жесткий критический отбор [03:43].

Критерий успеха продукта остался классическим: совершенство достигается тогда, когда из системы больше нечего убрать [04:59]. Если прототип показывают двум-трем пользователям, и у них мгновенно возникает понимание механики, позволяющее реализовать ранее недоступные им действия — идея признается жизнеспособной [05:11].

## ⚖️ Оценка творческого результата: почему процесс важнее вкуса
[[JUMP:06:54]]

Если в программном коде критерии оценки объективны — отсутствие ошибок, успешное прохождение тестов и компиляция, — то в текстовой и интеллектуальной работе формализовать понятие «хорошо» намного труднее [06:57]. Ризеберг иллюстрирует это задачей прогноза погоды: если система случайно угадала температуру без внятных источников, такой результат является браком [07:24]. Напротив, если модель ошиблась на полградуса, но использовала авторитетные метеорологические данные и честную методологию вычислений, ее работа оценивается как качественная [07:38].

В сферах, зависящих от авторского вкуса, попытка скомандовать «сделай текст хорошим» не приносит стабильного результата [08:32]. Профессиональные авторы добиваются успеха не благодаря мистическому озарению, а за счет выверенного годами пошагового пайплайна [09:12]. 

Журналист Адам Дэвидсон, работавший в ведущих американских изданиях, выстраивает работу с Claude через призму жесткой полемики [08:05]:

*   Команда вычленить главный тезис автора и усилить его аргументацию стократно [08:20];
*   Поиск наиболее уязвимых мест в логике рассуждений [08:20];
*   Формирование самых мощных контраргументов против позиции автора [08:20].

Аналогичный скачок произошел в моушн-дизайне и генерации 3D-графики [10:08]. Результаты вышли на профессиональный уровень не тогда, когда моделям попытались объяснить эстетику мультфильмов, а когда их заставили воспроизводить цепочки действий и использовать инструментарий профессиональных аниматоров [10:21].

## 🥊 «Стресс-тестирование»: как поймать нейросеть на галлюцинациях
[[JUMP:10:48]]

Когда пользователь обращается к ИИ в незнакомой для себя теме (например, пытается разобраться в исследовании экзопланет или узком юридическом вопросе), модель может выдать фактологическую ошибку с предельным уровнем самоуверенности [10:34]. Для нейтрализации галлюцинаций в Anthropic используют методику внутренней проверки на прочность (stress-testing), которая доказала надежность в программировании и точных науках [10:48].

Алгоритм проверки строится следующим образом:

1.  Первая сессия модели готовит черновой результат — документ, тезисы выступления, аналитическую записку или код [11:01].
2.  Параллельно запускается от пяти до десяти независимых потоков в Claude Projects, перед которыми ставится агрессивная деструктивная задача: найти скрытые нестыковки, опровергнуть факты и полностью разнести логику первого ответа [11:15], [12:07].
3.  Для анализа полученного объема критики назначается отдельный агент-«судья» [12:47].
4.  Судья беспристрастно отделяет конструктивные замечания от бессодержательных придирок [13:01].
5.  Итоговый вердикт возвращается в исходную ветку, где модель самостоятельно корректирует первоначальную работу с учетом валидных замечаний [13:15].

Ризеберг раскрыл практический инженерный секрет: для этапа критики не обязательно тратить ресурсы флагманских моделей [11:40]. Находить изъяны в чужом проекте когнитивно проще, чем создавать его с нуля, поэтому атакующую роль можно доверить облегченной версии нейросети [11:28].

## 🚫 «Ты эксперт»: устаревшие приемы и кризис концепции агентов
[[JUMP:16:12]]

Позиционирование «ты ведущий эксперт в отрасли» или «действуй как опытный бухгалтер», широко распространившееся в сообществе в 2024 году, разработчики Anthropic считают тупиковым [23:08]. При подобных инструкциях языковая модель скатывается в ролевую игру: надевает воображаемый костюм, перенимает специфический жаргон и сыплет канцеляризмами вместо реального решения проблемы [23:34]. Эффективный промпт строится иначе: необходимо запросить у системы перечень технических инструментов, библиотек и методов, которыми пользуется профессионал, и потребовать применить именно их, объясняя результаты простым и ясным языком [23:21], [23:48].

По мнению Ризеберга, технологическая индустрия в целом чрезмерно увлеклась узкоспециализированными агентами [16:12]. Людям психологически комфортно расписать «актерский состав» виртуального офиса (отдельный аналитик, отдельный копирайтер, отдельный исследователь), однако универсальные базовые модели превосходят любые специализированные надстройки [16:46]. 

Показателен исторический прецедент: когда команда Google DeepMind разработала узкопрофильную систему для математических состязаний, та взяла серебряную медаль на Международной олимпиаде [16:33]. Однако уже через несколько месяцев стандартные универсальные базовые модели без какой-либо специальной подготовки пришли на те же соревнования и завоевали абсолютное золото [16:46].

Единственная область, которую Ризеберг доверяет одному стандартному чату на 100% без дополнительных перепроверок, — редакторский фактчекинг: модель блестяще находит первоисточник для каждой цифры в презентациях и отсекает недостоверные данные [15:42]. Напротив, категорически запрещено доверять сессии оценивать саму себя — модель не способна адекватно судить о качестве собственной работы в рамках того же контекста [24:13].

## 📂 Доступ к сырым данным вместо изолированных инструкций
[[JUMP:17:24]]

Распространенная ошибка корпоративного внедрения ИИ — искусственное дробление контекста, когда отдельным сотрудникам или агентам выдают узкие срезы информации [17:38]. Если инженерный менеджер в IT-компании видит только репозиторий с кодом, но изолирован от звонков с клиентами, продуктовых метрик и бизнес-показателей продаж, ценность его управленческих решений стремится к нулю [17:51]. Нейросетям для качественной работы точно так же необходима полная панорама бизнеса [17:38].

Современные поколения LLM научились избирательно использовать внешние инструменты и обращаться к конкретным базам по API, запрашивая только нужные фрагменты вместо бездумного выкачивания терабайтов информации [18:16], [19:33]. В связи с этим предопределенные промпты-скилы (Skills) стремительно обесцениваются [19:58]. Зачастую в них законсервированы ограничения прошлых версий нейросетей; удаление жестких системных инструкций нередко мгновенно повышает качество генерации [20:10].

Для построения зрелого процесса Ризеберг предлагает мысленный эксперимент: поставить себя на место языковой модели [20:47]. Чтобы эффективно устранять баги, человеку-инженеру недостаточно копировать единичные жалобы из трекера — ему необходим прямой доступ к серверным логам, компьютеру и инструментам тестирования [21:00]. Полтора года назад Феликс сам работал «передаточным конвейером», вручную скармливая ошибки Claude, пока не предоставил модели сквозной доступ к реестру багов, позволив алгоритму самостоятельно ранжировать и закрывать проблемы [21:14].

Тем, кто только начинает интеграцию ИИ в повседневную жизнь, разработчик рекомендует не тратить недели на регламенты и интеграции [21:50]. Достаточно скачать десктопное приложение Claude со встроенным браузером, предоставить доступ к операционной системе и дать модели возможность выполнять рутинные действия напрямую через графический интерфейс сервисов [22:16].

## 👥 Как руководителю перестать быть «бутылочным горлышком»
[[JUMP:24:50]]

Ведущая подкаста Марина Могилко описала типичный кризис масштабирования: ее команда из 35 человек активно генерирует материалы через Claude, однако финальный продукт требует правок руководителя примерно на 30% [00:40], [25:04]. Невозможность делегировать эти 30%, отражающие персональный вкус и насмотренность фаундера, превращает лидера в узкое горлышко всех внутренних процессов компании [27:10].

Для автоматизации передачи индивидуального вкуса Ризеберг предлагает трехэтапный протокол:

1.  Предоставить модели доступ к историческому массиву правок (в мессенджере Slack, репозитории GitHub или комментариях Google Docs) [25:54], [26:19].
2.  Поручить Claude сжать весь массив замечаний в структурированный кодекс негласных правил и редакционных принципов конкретного руководителя [26:19].
3.  Запустить глубокий анализ скрытых паттернов: попросить нейросеть выявить те авторские ценности и триггеры, о наличии которых сам фаундер даже не догадывается [26:32].

Чтобы преодолеть кризис доверия, не нужно передавать автономное управление бизнесом одномоментно [27:35]. Эффективнее внедрить параллельный режим: руководитель независимо вычитывает входящий документ, а параллельная ветка Claude (например, в корпоративном чате Slack через интеграцию Claude Tag) формирует свой список правок [27:48], [28:29]. Сличение двух списков на протяжении пары недель позволяет точно откалибровать понимание модели и безопасно делегировать ей рутинный менеджмент [28:00].

## 💡 Преимущество фаундера в мире мгновенного создания софта
[[JUMP:28:40]]

По воспоминаниям Могилко, когда в 2015 году ее команда запускала платформу для зарубежного образования через акселератор 500 Startups, главным барьером входа был начальный капитал: наем программистов, разработка серверной архитектуры и инвестиции в сотни тысяч долларов [28:40]. В современных реалиях аналогичный цифровой сервис один человек способен спроектировать и запустить за пару суток [29:08].

По мнению Ризеберга, фундаментальные законы предпринимательства не изменились: сама по себе идея никогда ничего не стоила, а техническое воплощение обесценилось только сейчас [29:08], [33:44]. Ключевым конкурентным преимуществом бизнеса остается глубокая эмпатия — умение детально понять боль конечного клиента и предложить решение, за которое люди захотят платить [29:34]. Наступает эпоха микростартапов, когда коллективы из одного-двух человек будут строить компании с капитализацией в миллиард долларов [29:21].

Программирование на базе естественного языка («вайб-кодинг») постепенно уничтожит пласт посредственного программного обеспечения, которым люди пользуются исключительно из-за отсутствия альтернатив [30:27], [30:39]. При этом огромные секторы глобальной экономики до сих пор функционируют на безнадежно устаревшей инфраструктуре [31:45]:

*   Стойки регистрации международных аэропортов и логистические хабы, использующие черно-белые текстовые терминалы без графических интерфейсов [32:10];
*   Системы бронирования и заселения в гостиничном бизнесе, перегруженные неинтуитивными экранами [32:23];
*   Специализированное программное обеспечение для медицинских и стоматологических клиник [32:49].

В этих консервативных нишах барьер заключается не в написании кода (собрать функционал можно за день), а в выстраивании доверительных отношений с клиентами и бережной интеграции софта в реальные бизнес-процессы [32:49]. Это открывает колоссальное окно возможностей для предпринимателей с развитыми коммуникативными навыками и бизнес-образованием (MBA) [33:56].

## 🎓 Кризис профессии программиста и образование будущего
[[JUMP:36:22]]

Современное сообщество инженеров переживает глубокий кризис идентичности: механическое знание синтаксиса или заучивание наизусть компонентов библиотеки React окончательно утратило рыночную ценность [36:38], [37:58]. Сеньорность специалиста теперь измеряется способностью решать реальную бизнес-задачу пользователя, а не академической изощренностью архитектуры кода [36:52].

Молодым разработчикам Ризеберг советует с первого дня концентрироваться на создании осязаемого портфолио законченных продуктов, а не абстрактных концептов [37:19]. Наиболее ценный прикладной навык сегодня — интеграция разнородных сервисов и систем, способность молниеносно соединять готовые программные компоненты с помощью больших языковых моделей [38:11]. Ни дипломы ведущих университетов, ни формальные резюме не играют решающей роли при найме в передовые лаборатории — ключевым фактором остается демонстрация участия в успешных проектах, которые можно протестировать вживую [39:03].

Рассуждая о воспитании детей, Ризеберг отметил неэффективность классического немецкого университетского подхода, делающего упор на абстрактную математическую теорию в отрыве от создания продуктов [40:08]. В качестве эталона он выделил образовательную модель канадского Университета Уотерлу (University of Waterloo): студенты проходят череду практических стажировок в ведущих корпорациях калифорнийского технологического кластера (Apple, Google, Tesla) задолго до получения диплома [40:35], [40:47]. Выпускники такой системы умеют отстаивать инженерные инициативы перед стейкхолдерами, координировать действия с юридическими отделами и четко осознают законы командного взаимодействия, многократно превосходя теоретиков с докторскими степенями [40:59], [41:12].

Развитие искусственного интеллекта разворачивается по крутой экспоненте, масштаб которой эксперты регулярно недооценивают [43:13]. По прогнозу Ризеберга, весь спектр современных ИИ-приложений представляет собой лишь эпоху примитивных кнопочных мобильных телефонов накануне появления первых смартфонов [44:09]. Через пять лет цифровой ландшафт изменится до неузнаваемости, поэтому способность специалистов непрерывно пересматривать свои устоявшиеся рабочие процессы каждые несколько месяцев становится базовым условием выживания на рынке труда [43:55], [44:50].