Оглавление

Элли Миллер, известный стратег в области машинного обучения и экс-руководитель подразделения AI для стартапов в Amazon Web Services, перестроила свою ежедневную операционную деятельность на базе Claude Code. Как сообщает издание Inc., Миллер использует агентную систему от Anthropic не просто как чат-бота, а как автономного исполнителя с прямым доступом к файловой системе для решения рутинных бизнес-задач.

В основе ее подхода лежит концепция «работающего ИИ, пока вы спите». Миллер запускает несколько экземпляров Claude Code в отдельных терминалах, делегируя им мониторинг почты, управление календарем и подготовку контента. Это знаменует переход от классического промпт-инжиниринга к созданию устойчивых агентных воркфлоу, где ИИ обладает субъектностью в рамках заданных прав доступа.

Механика автоматизации: навыки и триггеры

Ключевым инструментом в арсенале Миллер стала функция Skills в Claude Code. Она позволяет обучать агента сложным многошаговым последовательностям действий, которые затем воспроизводятся автоматически. Например, система самостоятельно анализирует массив входящих писем за ночь, ранжирует их по приоритетности и формирует краткий аналитический отчет к моменту пробуждения владельца.

Интеграция ИИ в производственный цикл контента также автоматизирована через файловую систему. При сохранении отредактированного видео в определенную папку, агент фиксирует появление нового файла и запускает цепочку действий: создание транскрипции, написание поста для социальных сетей и генерацию скриншота для превью. Это исключает необходимость ручного переноса данных между сервисами.

Миллер также использует агентов для оптимизации рабочего графика. Система анализирует плотность встреч и интервью, после чего самостоятельно резервирует в календаре блоки для глубокой работы (deep work). Подобная автономность позволяет эксперту фокусироваться на стратегическом консультировании таких гигантов, как OpenAI, Google и Warner Bros. Discovery.

Перенос операционки в терминал Claude Code выглядит эффектно, но подчеркивает критическую зависимость от инфраструктуры одного вендора. Мы видим впечатляющий пример кастомной автоматизации, которая, однако, требует от пользователя навыков на стыке системного администрирования и инженерии промптов. Пока это остается привилегией технологической элиты, способной контролировать «галлюцинации» агента в своей файловой системе, а не массовым продуктивным решением.

Стратегия внедрения: ИИ как интервьюер

Для поиска точек оптимизации Миллер предлагает инвертированную методику взаимодействия с моделями. Вместо попыток самостоятельно сформулировать задачу, пользователю предлагается инициировать сессию интервью, где LLM выступает в роли бизнес-аналитика. Модель опрашивает человека о его рутине, выявляя «узкие места» и предлагая варианты автоматизации.

Финальным этапом настройки становится доработка идей до уровня «ответственной автономности». Миллер рекомендует использовать уточняющие инструкции, которые заставляют ИИ предлагать не просто план действий, а готовые скрипты и механизмы для проактивного выполнения задач. Это превращает теоретические советы нейросети в работающие программные агенты.