Конечная форма AI-помощника? Почему инвесторы вложили 11 млн долларов в этот AI-продукт, который «подглядывает вам в экран»?

Автор: Leo

Вы заметили, что современные AI-ассистенты на самом деле довольно “глупы”? Каждый раз, открывая ChatGPT или Claude, приходится заново объяснять контекст. “Я работаю над проектом, связанного с…”, “Наша команда только что провела собрание, обсуждали…”, “На прошлой неделе я отправил письмо, содержание которого…” Вы тратите пять минут на подготовку подсказки, чтобы получить хоть какой-то полезный ответ. Это неправильно. AI не должен упрощать работу? Почему тогда он увеличивает нашу нагрузку?

Недавно я попробовал продукт Littlebird, который только что завершил раунд посевного финансирования на сумму 11 миллионов долларов, возглавляемый Lotus Studio. Этот продукт заставил меня пересмотреть один важный вопрос: каким должен быть AI-ассистент? Он не должен быть инструментом, который постоянно “кормит” информацией, а должен быть помощником, уже понимающим вашу работу и жизнь. Как настоящий ассистент, он не должен требовать от вас повторного объяснения фона проекта, состава команды и прогресса.

Основатель Littlebird Александр Грин в объявлении о финансировании сказал очень точную фразу: “Использование компьютера всё больше похоже на борьбу”. Каждый раз, когда мы включаем компьютер, мы испытываем двойной стимул — дофамин и страх. Компьютер должен быть “велосипедом мышления”, но бизнес-модель интернета всё переосмыслила: если продукт бесплатен, значит, вы — продукт; если вы — продукт, цель — захватить ваше внимание. Велосипед начал “крутить” нас наоборот. Эта метафора очень точна. Мы должны были контролировать инструмент, а сейчас он контролирует нас.

Почему AI-ассистенты всегда “забывают”

Я использовал разные AI-инструменты полгода — от ChatGPT и Claude до Notion AI и специализированных помощников для написания текстов. Каждый из них мощный, но у всех одна проблема: они совершенно не знают, кто я, чем занимаюсь, что меня волнует. Каждый диалог — как первая встреча, приходится заново представляться, объяснять фон, давать контекст.

Например, на прошлой неделе я готовился к запуску продукта, в коем участвовали разные отделы. Мы с дизайнерами обсуждали визуальную концепцию, с маркетологами — стратегию продвижения, с техподдержкой — технические детали демонстрации. Заметки по этим встречам разбросаны по разным местам: в Notion, в письмах, устно. Когда я решил, что AI поможет мне подготовить полный план презентации, что я должен делать? Копировать и вставлять всю информацию в AI, писать длинную подсказку, подробно описывая каждую встречу и решения. На подготовку этой подсказки я потратил двадцать минут.

Более того, на следующий день, когда я захотел внести изменения, мне пришлось делать всё заново. Потому что AI не помнит диалогов вчера, или, если и помнит, не знает, что я в обед обсуждал с CEO новые направления. Этот опыт показывает, что AI-ассистент не помогает, а только добавляет работу. Я должен не только делать свою работу, но и тратить время на “обучение” AI понимать мою работу.

Команда Littlebird при размышлении над этой проблемой сделала важное открытие: сама модель AI очень мощная, но её эффективность ограничена отсутствием данных о пользователе. Большие языковые модели ничего о вас не знают, и это фундаментально ограничивает их практичность. Эта идея кажется простой, но она прямо указывает на суть. Мы постоянно говорим о том, как сделать модели умнее, забывая о более базовой задаче: как научить модель понимать пользователя.

На рынке сейчас много AI-инструментов, пытающихся решить проблему контекста. Некоторые ищут ваши документы, другие — записи встреч, третьи — организуют почту. Но все эти инструменты имеют один общий недостаток: они видят только ту информацию, которую вы им даёте. Вы должны загрузить документы, дать доступ к Gmail или открыть их во время встречи. Всё это требует настройки и поддержки со стороны пользователя. Более того, эти инструменты не видят всю картину вашей работы: они могут знать содержание встреч, но не знают обсуждений в Slack после них; могут знать ваши письма, но не знают, что вы изучаете в браузере о конкурентах.

Отличие Littlebird — технология “скринридинга” (чтения с экрана)

Littlebird использует совершенно иной подход, который они называют “screenreading” — чтение с экрана. Эта технология напоминает работу настоящего помощника. Настоящий ассистент не требует, чтобы вы всё подробно объясняли, он наблюдает за вашей работой, запоминает важное и при необходимости напоминает. Littlebird делает именно это.

Конкретно, Littlebird — это приложение для Mac, которое постоянно читает всё, что отображается на вашем экране. Важно: оно “читает”, а не делает скриншоты. Этот нюанс очень важен. Ранее существовали похожие продукты, например Rewind (позже переименованный в Limitless и приобретённый Meta) и Microsoft Recall, которые делали скриншоты экрана. У этого подхода есть проблемы: огромный объём данных, низкая приватность, потому что скриншоты захватывают всё визуальное, и плохой поиск — извлечь информацию из изображений сложнее, чем из текста.

Метод Littlebird — более умный. Он использует сложные технологии чтения с экрана, чтобы понять весь текст в приложениях, без сложных настроек. Он может определить, кто что сказал, когда, и подробно отслеживать прогресс ваших проектов. Такой подход позволяет ему формировать богатое понимание вашей жизни: кто для вас важен, над чем вы работаете, что вас волнует в этом году и сейчас. Основатель Green в интервью отметил, что этот метод значительно облегчает обработку данных и менее навязчив.

Мне особенно нравится, что этот дизайн уважает суть программного обеспечения. Всё, что отображается на экране — это текст и структурированные данные. Зачем превращать их в изображение и обратно в текст? Прямое чтение структурированного контента — более эффективное и точное решение. С точки зрения приватности, текстовые данные менее чувствительны, чем визуальные. Ваш пароль может быть скрыт звездочками, номер кредитки — замаскирован, а скриншоты сохранят всё визуальное, включая эти детали.

Littlebird автоматически игнорирует чувствительные поля, такие как пароли и платежные реквизиты, в менеджерах паролей и формах сайтов. Вы можете настроить, какие приложения он не будет отслеживать. Это даёт пользователю большой контроль. Если вы не хотите, чтобы Littlebird видел вашу личную переписку или финансовые данные, легко исключить эти приложения.

Кроме пассивного чтения, Littlebird может подключаться к другим приложениям. Можно связать его с Gmail, Google Calendar, Apple Calendar и Reminders. Тогда он сможет лучше понять вашу работу и жизнь: знать, что происходит на экране, а также ваш график, задачи и письма.

Что значит полноценный контекст AI

Когда AI получает полный контекст о вас, опыт использования кардинально меняется. Я увидел сценарии использования Littlebird, которые показывают — это не просто постепенное улучшение, а совершенно новая модель взаимодействия.

Самое базовое — отвечать на вопросы. Но в отличие от других AI-инструментов, ответы Littlebird основаны на глубоком понимании вашей работы. Можно спросить: “Что я делал сегодня?” или “Какие письма для меня важны?” После нескольких дней использования эти подсказки станут всё более персонализированными. Это интересно, потому что AI начинает учиться тому, что вам важно, как вы работаете.

Основатель Green делится своим опытом: он ежедневно спрашивает Littlebird: “Что важно на этой неделе?” или “На чем мне сосредоточиться?” — и получает удивительные, продуманные ответы. Он использует его для получения профессиональных советов, заполнения пробелов в знаниях и даже для планирования ужина. Эти сценарии очень разные, но объединяет одно — AI даёт глубокие инсайты, потому что он хорошо знает вашу жизнь.

Встроенная функция Littlebird — запись встреч, которая работает в фоновом режиме, захватывает транскрипты и создает заметки и задачи. Это не ново, на рынке много подобных решений. Но уникальность в том, что она может связать встречи с остальной вашей работой.

Меня особенно заинтересовала функция “Prep for meeting” — подготовка к встрече. Когда вы открываете подробный просмотр встречи, есть опция, чтобы Littlebird подготовил её для вас. Он учтет предыдущие встречи, связанные письма и историю компании, даст больше деталей. Он даже может брать информацию из Reddit и других источников, рассказывая о мнениях пользователей о продукте или компании. Представьте, что вы собираетесь с клиентом — Littlebird автоматически подготовит: что вы обсуждали в прошлый раз, какие письма шли, что нового у клиента, отзывы о их продукте. Это как настоящий ассистент, который помогает подготовиться к встрече.

Ещё одна полезная функция — Routines (рутины). Она позволяет создавать подробные подсказки, чтобы Littlebird регулярно выполнял задачи: ежедневно, еженедельно или ежемесячно. В компании есть готовые шаблоны: ежедневные обзоры, еженедельные отчёты, итоги вчерашней работы. Можно создавать свои собственные сценарии с индивидуальными командами. Эта функция решает важную проблему: мы все знаем, что нужно регулярно подводить итоги и планировать, но мало кто этим занимается. Routines позволяют AI делать это за вас.

Внутренние исследования команды Littlebird показывают ценность этого подхода: 84% пользователей отмечают, что экономят минимум полдня в неделю, а 80% — что продукт снижает их ежедневную тревожность. Эти показатели очень показательны. Экономия времени очевидна — не нужно искать документы, вспоминать детали. А снижение тревожности — ещё важнее. Многие переживают, что что-то упустят, забудут важное или не смогут вовремя ответить. Когда есть AI, который отслеживает всё это, тревога уменьшается.

Баланс приватности и контроля

Когда я узнал, что Littlebird постоянно читает всё, что отображается на экране, у меня возник вопрос: это безопасно? Не угрожает ли это моей приватности? Эти опасения вполне оправданы. Если приложение следит за всем вашим цифровым днём, доверие — всё.

Концепция Littlebird — “по умолчанию приватный, безопасный и управляемый пользователем”. С технической стороны они сделали несколько важных шагов: все данные шифруются AES-256, передача — TLS 1.3. Пользовательские данные никогда не используются для обучения моделей AI. Это базовые меры безопасности, очень важные для такого продукта.

Главное — контроль пользователя. Можно приостановить сбор данных, исключить отдельные приложения или сайты, удалить любые данные одним кликом. Такой дизайн даёт полный контроль над информацией. Если есть чувствительные данные, можно временно отключить Littlebird или внести их в черный список.

Основатель Green объяснил, почему выбрали облачное хранение, а не локальное. Для работы мощных моделей AI необходимы вычислительные ресурсы, которые на локальной машине не реализовать. Это интересный компромисс: локальное хранение — безопаснее, потому что данные не покидают устройство, но облако — позволяет использовать более сильные модели. Littlebird выбрал второй вариант, компенсируя риски шифрованием и строгой политикой приватности.

Они получили сертификат SOC 2, полностью соответствуют GDPR и CCPA. Эти стандарты и соответствия — не мелочь, особенно для стартапа. Это говорит о том, что команда с самого начала ставила безопасность и приватность в приоритет.

Ещё один важный момент — Littlebird не хранит визуальные данные, только текст. Это значительно облегчает обработку и снижает инвазивность. Green отметил, что это, возможно, причина, почему Recall и Rewind сталкиваются с трудностями — объем данных слишком большой. Скриншоты захватывают всё визуальное, включая личные фото или видео, а текстовые записи — только описания, без изображений.

Этот дизайн поднимает более глобальный вопрос: насколько глубоко мы хотим, чтобы AI понимал нас? Полная прозрачность — максимум удобства, но и риск. Метод Littlebird — дать пользователю возможность самому определить границы. Можно разрешить AI видеть всё или ограничить его доступ. Эта гибкость очень важна, потому что разные люди и ситуации требуют разного уровня приватности.

Что это значит для AI-продуктов

История Littlebird заставила меня переосмыслить, каким должен быть AI-продукт. На мой взгляд, этот продукт отражает несколько ключевых принципов, которые должны учитывать все разработчики AI.

Первое — важность контекста. Инвестор Littlebird, Ленни Рачитски, сказал очень точную фразу: “Качество AI зависит от его контекста, а о вашем дне он знает слишком мало”. Эта мысль подчеркивает главную проблему современных AI-продуктов. Мы постоянно улучшаем модели и алгоритмы, забывая о простом факте: даже самый умный AI не сможет дать полезный ответ, если он не знает о вас ничего.

Это напомнило мне о распространенной ошибке в построении AI-продуктов. Многие команды создают сложные системы RAG (retrieval-augmented generation), пытаясь дать AI доступ к разным источникам данных. Это правильное направление, но подход может быть неправильным. Вместо того чтобы заставлять пользователя загружать документы или давать доступ к приложениям, почему бы не сделать так, чтобы AI наблюдал за работой пользователя? Технология “скринридинга” — это пассивный, но всеобъемлющий сбор контекста, более эффективный, чем активное, но разрозненное подключение.

Второй — важность поиска “killer use case”. Рачитски говорит, что для долгосрочного успеха важно найти тот сценарий, без которого продукт не будет иметь смысла. Многие уже нашли свои сценарии, и команда сосредоточена на новых кейсах. Это очень практично. Многие команды пытаются сделать универсальный инструмент, который делает всё, но не делает ничего хорошо.

Рачитски также делится концепцией: “Вы не узнаете, как люди используют ваш продукт, пока не запустите его. Стратегия — как можно раньше выпустить, посмотреть, как используют, и уже на основе этого развивать наиболее востребованные сценарии, а не пытаться всё продумать заранее”. Это отличается от классической модели разработки: планирование, дизайн, доработка, запуск. В AI-продуктах всё более экспериментально, потому что границы возможностей размыты, и пользователи придумывают новые способы использования.

Отзывы инвесторов показывают, что сценарии очень разные. Основатель DocSend, Russ Heddleston, говорит, что он переписал сайт компании, используя контекст из встреч, писем и Notion. Глава продуктов Google и Facebook, Gokul Rajaram, отметил, что продукт устраняет трения при запоминании, поиске и переобъяснении своей работы. Рачитски говорит, что он спрашивает, как инструмент может повысить продуктивность и сделать работу более приятной.

Эти сценарии очень разные — от маркетинга до личной эффективности, — но все основаны на глубоком понимании пользователя. Это подтверждает гипотезу Littlebird: когда AI действительно понимает ваш контекст, сценарии использования возникают естественно, без предварительного планирования.

Третье — тонкое позиционирование продукта. Littlebird позиционирует себя как “тихое будущее компьютера”. Это поэтично, но точно. Сейчас большинство AI-сервисов борются за ваше внимание: всплывающие уведомления, push-уведомления, постоянные напоминания. Littlebird работает в фоновом режиме, появляется только по необходимости. Такой “тихий” подход — естественный для полноценных контекстных AI. Если AI действительно знает вас, ему не нужно постоянно вас отвлекать, он может тихо учиться и готовиться.

Текущая бизнес-модель — бесплатная, с платными функциями от 20 долларов в месяц. Это разумно, учитывая ценность. Если экономия времени действительно составляет полдня в неделю, то 20 долларов — очень выгодная инвестиция. Но интересно, как будет развиваться модель в будущем: корпоративные версии, командное совместное использование, новые функции.

Мои размышления о будущем

Испытав концепцию Littlebird, я задумался: каким должен быть AI-ассистент в будущем?

Я считаю, что мы переживаем переход от “инструментального AI” к “партнерскому AI”. Инструментальный AI — как сейчас ChatGPT: включил, использовал, выключил, всё начинается заново. Партнерский — как Littlebird: он всегда рядом, понимает вашу работу и жизнь, может предлагать помощь. Это не разница в возможностях, а в отношениях.

Этот сдвиг приведет к интересным изменениям. Например, нам, возможно, не понадобятся так много отдельных AI-инструментов. Сейчас есть помощники для письма, кода, анализа данных, встреч. Но если есть AI, который понимает всё ваше рабочее пространство, он сможет помогать в разных сценариях без переключения между приложениями.

Также, вероятно, уменьшится значение подсказок (prompt engineering). Сейчас мы учимся писать правильные подсказки, давать контекст, управлять ответами. Но если AI уже знает всё о вас, достаточно будет просто выразить свою цель. Как общение с человеком-ассистентом: не нужно объяснять всё заново, он уже всё знает.

Но такой подход создаст новые вызовы. Первый — психологическая адаптация. Зная, что AI постоянно наблюдает за вами, даже если логически понимаете, что это безопасно, эмоционально может быть дискомфортно. Это похоже на ощущение, что коллега следит за вашим экраном. Нужно время, чтобы привыкнуть.

Второй — зависимость. Если AI запомнит всё, что вы делаете, и подготовит всё за вас, вы можете потерять навыки памяти и организации. Это как GPS — ухудшает чувство направления. Сейчас многие полностью полагаются на навигаторы, и их способность ориентироваться снижается. Аналогично, AI-ассистент может снизить вашу самостоятельность.

С точки зрения индустрии, Littlebird — это начало нового типа продукта: “полностью контекстный AI-ассистент”. Он постоянно наблюдает, понимает и помогает. В будущем появится больше компаний в этой области, конкуренция будет по: полноте контекста, точности понимания и уровню приватности.

11 миллионов долларов финансирования — только старт. Инвесторы — эксперты в области продуктов, дизайна и контента, сами активно используют продукт и дают обратную связь. Такой состав инвесторов — ценнее, чем просто деньги, потому что они помогают развивать продукт и искать сценарии.

Я с нетерпением жду развития Littlebird. Будет ли он на Windows? Появятся ли корпоративные версии? Какие новые функции появятся? Главное — сможет ли он найти тот “killer use case”, который сделает его незаменимым?

Green в объявлении о финансировании сказал: “Можем ли мы создать по-настоящему понимающий AI? Мы верим, что да, и хотим это показать”. Это и обещание, и вызов. Littlebird ещё в ранней стадии, это постоянное исследование. Он не всегда идеально захватывает все детали, иногда пропускает коллег в отпуске или завершённые проекты. Но вы удивитесь, насколько он вас понимает.

Я уверен, что полноконтекстный AI — это будущее. Не потому, что это крутая технология, а потому что именно так должен выглядеть AI. Его задача — делать нас более эффективными, сосредоточенными и креативными. Но если AI требует много ручного ввода и поддержки, он нарушает это обещание. Только когда AI по-настоящему понимает нас и адаптируется, он станет “велосипедом мышления”, который поможет нам ехать быстрее и дальше.