Транскрипт
Посмотрим всю терминопродуктивность. Под каждый принцип я буду сразу рассказывать техники. Одна из функций денег — это измерение. Сегодня мы будем говорить про предпосылки и про действия — как сократить разницу между реальностью и желаемым состоянием.
Мы являемся социальными животными, любим себя сравнивать с другими. Цели, которые идут изнутри, сильнее мотивируют, чем цели извне. Выбрасывать себя в состояние, когда чувствуем, что мозг скрипит.
В 2002 году я писал в резюме «опытный пользователь ПК, владею Microsoft Office» — это было конкурентное преимущество. Сейчас то же самое с LLM — knowledge workers будут обязаны это знать.
Один из важнейших use cases — ролевые игры. LLM выступает в роли потенциального клиента, вы — в роли фаундера. Подготовка к важным встречам: с инвесторами, клиентами, переговоры о зарплате.
Time Management Coach: подключаем календарь к ChatGPT, он анализирует последние недели. Находит: много коротких встреч, мало времени для глубокой работы, предлагает объединить встречи, сделать офисные часы.
Транскрипты встреч: засовываем и спрашиваем «эту встречу можно сделать асинхронно?». Асинхронные апдейты не прерывают сфокусированную работу и могут быть автоматизированы.
Knowledge C база данных на Mac: все действия записываются. Можно проанализировать context switches. У меня 900 switches в день — основная проблема терминал↔курсор переключения. Решение: window management, но главное — осознание проблемы.
Cognitive Offload: 11 миллионов бит в секунду в мозг, осознанно только 40 бит. Утренний брейндамп вытаскивает неосознаваемое. Паттерны показывают скрытые assumptions, которые сдерживают.
Смена перспективы через LLM: метод 6 шляп де Боно (факты → эмоции → критика → оптимизм → креатив → процесс). Переформулировка «уволить» как «заменить» меняет восприятие.
Leverage: не чит, а инструмент. В Meta при найме уже просят работать с Cursor или Codex — предполагается умение работать с AI-инструментами.
