ИИ без магии

Утром мне нужно сделать довольно простую вещь. Пришло письмо от поставщика со счётом. Нужно открыть почту, найти письмо, скачать PDF, посмотреть сумму, сверить её с таблицей, записать дату оплаты в календарь и, возможно, кому-нибудь написать: Счёт получил, оплатим тогда-то. Работы минут на десять. Но для этих десяти минут я открываю почту, PDF, таблицу, календарь, иногда браузер и мессенджер. И тут возникает немного странный вопрос. Компьютер уже умеет читать письмо. ИИ понимает содержимое PDF. Он умеет работать с таблицами...

Я довольно скептически отношусь к новостям в духе: «Нейросеть теперь рисует ещё лучше!» Потому что примерно раз в несколько месяцев выходит новая модель, и каждый раз нам обещают, что теперь-то всё: пальцы будут на месте, надписи перестанут превращаться в неизвестный язык, а кот случайно не обзаведётся второй парой ушей. Но 8 сентября OpenAI выпустила ChatGPT Images 2.5. И одна вещь в обновлении мне действительно понравилась. Не очередное увеличение качества. Не красивые демонстрационные картинки...

Когда говорят об искусственном интеллекте, список лидеров обычно получается довольно предсказуемым: ChatGPT от OpenAI. Gemini от Google. Claude от Anthropic. Grok от xAI. Условная «большая четвёрка». И это уже далеко не просто чат-боты. Современные ИИ умеют искать информацию в интернете, анализировать документы, работать с файлами, писать код, а специальные агенты могут выполнять действия непосредственно на компьютере. Но для пользователя из России возникает очевидная проблема: официальная доступность западных сервисов ограничена...

Я довольно много экспериментирую с AI-инструментами не ради красивого ответа в чате, а с вполне практической целью и тут решил не как привык, а по правде жизни зайти с пустого email, не обремененного никакими подписками: можно ли заставить их выполнять реальную работу? Не один запрос. Не демонстрацию на пять минут. А что-нибудь действительно полезное: работать с файлами; искать актуальную информацию; анализировать сайты; сравнивать данные; выполнять повторяющиеся задачи; работать автоматически. Одним из самых интересных инструментов для таких экспериментов оказался Gemini CLI...

Когда человек начинает регулярно пользоваться искусственным интеллектом, довольно быстро появляется новый вопрос. Не: Что умеет ИИ? А: ChatGPT отвечает уверенно. Gemini тоже. Claude пишет ещё один убедительный вариант. Проблема начинается тогда, когда ответы не совпадают. Один говорит: Вариант А лучше. Второй: Нет, вариант B. Третий вообще утверждает: Для нормального ответа недостаточно данных. Кто прав? Можно выбрать того, кто написал красивее. Можно поверить сервису, которым мы привыкли пользоваться...