AI, внимание и смысловая работа
Иногда кажется, что мир AI несётся с такой скоростью, что мы едва успеваем моргать. Открываешь утром ленту — новый инструмент, к обеду — прорыв в какой-то области, к вечеру уже не помнишь, с чего начинал день. И в этом потоке самое сложное — не потерять себя, удержать внимание на том, что действительно важно.
На этом потоке AI Mindset Lab мы начали эксперимент с небольшими медитациями прямо во время воркшопов. Сессия идёт два с половиной часа, и это сложно выдержать, даже если тема тебе действительно интересна. Внимание начинает рассеиваться, становится сложно оставаться в фокусе. Эти мини-практики помогают разгрузить мозг и немного переключиться.
Конечно же мы начали применять сами AI инструменты для создания этих небольших практических сессий. AI в реальном времени собирает транскрипт разговора, подтягивает контекст из программы недели, анализирует карточки участников. И прямо на ходу, в Obsidian, собирается персональная медитация, привязанная к текущему контексту группы. Звучит немного безумно, но работает удивительно хорошо.
Эти короткие паузы позволяют не только отдохнуть, но и переключить внимание в другой режим. Например, недавно я сделал простой тренажёр с помощью [Lovable] для разделения фокуса зрения и локуса внимания. Это два объекта, которые движутся по экрану с разными патернами. Задача в том, чтобы удерживать внимание на одном, при этом не теряя из виду другого. Эта практика заняла всего пару минут, но эффект был мгновенный. Возможно, это воспринимается тяжело, как и любая нестандартная смысловая работа. Но фокус это точно возвращает.
Современные инструменты позволяют буквально за минуты создавать кастомные тренажёры для работы с вниманием — нужно только понимать, на чём именно ты хочешь сосредоточиться. Ты просто описываешь, что хочешь, и через несколько минут у тебя уже готовый интерфейс. Это даже не MVP, не прототип в классическом понимании. Это решение, которое создаётся для конкретной задачи, работает ровно столько, сколько нужно, и умирает.
В этом подходе есть что-то новое. Мы привыкли думать о продуктах как о чём-то долгосрочном, требующем поддержки и развития. Но возможно это уже лишнее для индивидуальных задач. Такие интерфейсы становятся инструментами не для производства, а для размышлений, исследования или быстрого переключения. Это не про технологии, а про привычки, про mindset создавать то что тебе нужно и делать это быстро.
Активное внимание - это просто необходимость для выживания в AI мире. И сама технология позволяет нам его развивать.
🤖 Alex | lovable | Obsidian
Иногда кажется, что мир AI несётся с такой скоростью, что мы едва успеваем моргать. Открываешь утром ленту — новый инструмент, к обеду — прорыв в какой-то области, к вечеру уже не помнишь, с чего начинал день. И в этом потоке самое сложное — не потерять себя, удержать внимание на том, что действительно важно.
На этом потоке AI Mindset Lab мы начали эксперимент с небольшими медитациями прямо во время воркшопов. Сессия идёт два с половиной часа, и это сложно выдержать, даже если тема тебе действительно интересна. Внимание начинает рассеиваться, становится сложно оставаться в фокусе. Эти мини-практики помогают разгрузить мозг и немного переключиться.
Конечно же мы начали применять сами AI инструменты для создания этих небольших практических сессий. AI в реальном времени собирает транскрипт разговора, подтягивает контекст из программы недели, анализирует карточки участников. И прямо на ходу, в Obsidian, собирается персональная медитация, привязанная к текущему контексту группы. Звучит немного безумно, но работает удивительно хорошо.
Эти короткие паузы позволяют не только отдохнуть, но и переключить внимание в другой режим. Например, недавно я сделал простой тренажёр с помощью [Lovable] для разделения фокуса зрения и локуса внимания. Это два объекта, которые движутся по экрану с разными патернами. Задача в том, чтобы удерживать внимание на одном, при этом не теряя из виду другого. Эта практика заняла всего пару минут, но эффект был мгновенный. Возможно, это воспринимается тяжело, как и любая нестандартная смысловая работа. Но фокус это точно возвращает.
Современные инструменты позволяют буквально за минуты создавать кастомные тренажёры для работы с вниманием — нужно только понимать, на чём именно ты хочешь сосредоточиться. Ты просто описываешь, что хочешь, и через несколько минут у тебя уже готовый интерфейс. Это даже не MVP, не прототип в классическом понимании. Это решение, которое создаётся для конкретной задачи, работает ровно столько, сколько нужно, и умирает.
В этом подходе есть что-то новое. Мы привыкли думать о продуктах как о чём-то долгосрочном, требующем поддержки и развития. Но возможно это уже лишнее для индивидуальных задач. Такие интерфейсы становятся инструментами не для производства, а для размышлений, исследования или быстрого переключения. Это не про технологии, а про привычки, про mindset создавать то что тебе нужно и делать это быстро.
Активное внимание - это просто необходимость для выживания в AI мире. И сама технология позволяет нам его развивать.
Please open Telegram to view this post
VIEW IN TELEGRAM
Делимся опытом участника AI Mindset Lab о том, как за полкурса он прошел путь от настороженного отношения к AI до активного применения в коучинговой практике. От голосовых заметок до сбора и анализа финансового планирования – посмотрите, как можно переосмыслить рабочие процессы с помощью AI.
Ценно, что Дмитрий делится не только успехами, но и честно говорит о своих сомнениях и колебаниях в процессе интеграции технологий в практику. Следующий поток нашей лабы — в марте.
Ценно, что Дмитрий делится не только успехами, но и честно говорит о своих сомнениях и колебаниях в процессе интеграции технологий в практику. Следующий поток нашей лабы — в марте.
Forwarded from Дима, ты распыляешься!
Please open Telegram to view this post
VIEW IN TELEGRAM
Большие языковые модели в чём-то повторяют историю микропроцессоров. Если изначально процессор и доступ к его архитектуре предоставляли огромное преимущество, то с развитием технологии процессоры стали взаимозаменяемыми. Большинство людей даже не задумывается о том, какой процессор внутри их телефона, умных часах или пылесосе.
Гораздо большее значение стал играть софт, приложения, работающие на платформе. Люди покупают не компьютеры, а приложения: текстовый процессор, редактор таблиц, игры. Точно так же, никто не будет покупать GPT-5; купят доступ к определенным возможностям вроде управления компьютером и исследований.
Модели уже сейчас становятся взаимозаменяемыми. Для огромного количества операций мне уже сейчас совершенно всё равно, Claude написал код, Deepseek или o3.
Почему разрыв между ЛЛМ так быстро уменьшается?
- Одни и те же источники данных. LLM обучаются на огромных массивах текстовых данных из интернета. Поскольку эти данные в основном общедоступны, компании, обладающие достаточными ресурсами, могут создавать свои собственные LLM, которые будут похожи на остальные решения.
- Инструменты и техники, используемые для обучения LLM, также становятся все более стандартизированными, в том числе благодаря open source. Компаниям будет проще воспроизводить модели, разработанные другими.
- Уменьшение инноваций. По мере того как мы достигаем «стены данных», когда все доступные данные уже были использованы, инновации в области обучения LLM замедляются. В результате становится труднее создавать модели, которые значительно превосходят уже существующие.
- По мере того как LLM становятся все более распространенными, основное внимание смещается с самих моделей на приложения и пользовательские интерфейсы. Компании будут меньше конкурировать за счет производительности LLM, а больше за счет их интеграции в различные платформы и сервисы. OpenAI сейчас — не только исследователь и разработчик, но и в первую очередь продуктовая компания, пытающаяся сохранить и увеличить долю рынка.
Что это значит для компаний?
- Модели перестанут быть дифференциатором. Пользователи уже сейчас выбирают модели более дешевые и производительные. Важным будет оставаться UX и доступ к экосистеме.
- Использование ИИ будет расти. Для компаний, таких как Amazon, коммодизация LLM означает увеличение спроса на вычислительные ресурсы.
- Открытый исходный код станет для многих компаний единственным бюджетным вариантом ворваться в гонку.
Что это значит для нас как для потребителей?
Очень умные специализированные ИИ будут буквально в любом утюге, умном холодильнике, на телефоне — к месту и не к месту. Варианты эти моделей под любые нужды будут появляться постоянно, решая специфические задачи лучше их предшественников и лучше любых больших моделей. Учиться работать с этими система уже сейчас — разумная личная стратегия.
Глеб | Commodization
Гораздо большее значение стал играть софт, приложения, работающие на платформе. Люди покупают не компьютеры, а приложения: текстовый процессор, редактор таблиц, игры. Точно так же, никто не будет покупать GPT-5; купят доступ к определенным возможностям вроде управления компьютером и исследований.
Модели уже сейчас становятся взаимозаменяемыми. Для огромного количества операций мне уже сейчас совершенно всё равно, Claude написал код, Deepseek или o3.
Почему разрыв между ЛЛМ так быстро уменьшается?
- Одни и те же источники данных. LLM обучаются на огромных массивах текстовых данных из интернета. Поскольку эти данные в основном общедоступны, компании, обладающие достаточными ресурсами, могут создавать свои собственные LLM, которые будут похожи на остальные решения.
- Инструменты и техники, используемые для обучения LLM, также становятся все более стандартизированными, в том числе благодаря open source. Компаниям будет проще воспроизводить модели, разработанные другими.
- Уменьшение инноваций. По мере того как мы достигаем «стены данных», когда все доступные данные уже были использованы, инновации в области обучения LLM замедляются. В результате становится труднее создавать модели, которые значительно превосходят уже существующие.
- По мере того как LLM становятся все более распространенными, основное внимание смещается с самих моделей на приложения и пользовательские интерфейсы. Компании будут меньше конкурировать за счет производительности LLM, а больше за счет их интеграции в различные платформы и сервисы. OpenAI сейчас — не только исследователь и разработчик, но и в первую очередь продуктовая компания, пытающаяся сохранить и увеличить долю рынка.
Что это значит для компаний?
- Модели перестанут быть дифференциатором. Пользователи уже сейчас выбирают модели более дешевые и производительные. Важным будет оставаться UX и доступ к экосистеме.
- Использование ИИ будет расти. Для компаний, таких как Amazon, коммодизация LLM означает увеличение спроса на вычислительные ресурсы.
- Открытый исходный код станет для многих компаний единственным бюджетным вариантом ворваться в гонку.
Что это значит для нас как для потребителей?
Очень умные специализированные ИИ будут буквально в любом утюге, умном холодильнике, на телефоне — к месту и не к месту. Варианты эти моделей под любые нужды будут появляться постоянно, решая специфические задачи лучше их предшественников и лучше любых больших моделей. Учиться работать с этими система уже сейчас — разумная личная стратегия.
Глеб | Commodization
В новом выпуске нашего подкаста мы обсуждаем, как меняется наше представление о продуктивности в эпоху AI.
Говорим о культе продуктивности, переходе от количества задач к их осмысленности, про управление вниманием как ключевой навык, про голосовые интерфейсы и их влияние на рабочие процессы, формулирование задач для искусственного интеллекта как новый софт-скилл, важность генералистов в новой технологической реальности.
Смотреть и слушать:
Ютуб × Spotify × Apple Pocasts × все ссылки
Говорим о культе продуктивности, переходе от количества задач к их осмысленности, про управление вниманием как ключевой навык, про голосовые интерфейсы и их влияние на рабочие процессы, формулирование задач для искусственного интеллекта как новый софт-скилл, важность генералистов в новой технологической реальности.
Смотреть и слушать:
Ютуб × Spotify × Apple Pocasts × все ссылки
YouTube
Продуктивность с AI: от культа задач к осознанному творчеству. AI Mindset [podcast]
В это выпуске мы обсуждаем, как меняется наше представление о продуктивности в эпоху AI. Говорим о культе продуктивности, перехода от количества задач к их осмысленности, про управление вниманием как ключевой навык, про голосовые интерфейсы и их влияние на…
Птицы, рыбы, насекомые и другие животные объединяются в большме группы, чтобы эффективнее добывать пищу, обеспечивать себе защиту и решать сложные задачи.
Роевой интеллект (swarm intelligence) — таким термином описывают коллективное поведение, увеличивающее интеллект больших децентрализованных групп. Вспоминаем муравьев, обошедших в решении задачи группу людей (впрочем, один человек всё равно оказывается умнее).
Могут ли люди проявлять роевой интеллект? Безусловно, да — от скоординированного движения толпы, адаптирующейся под изменения среды, до масштабных децентрализованных проектов с открытым кодом.
Создатели платформы Thinkscape задались вопросом — возможно ли повысить коллективный интеллект человека?
Мы знаем, что эффективное обдумывание в формате беседы (conversational deliberation) — когда группе нужно что-то спланировать или принять решение — наиболее комфортно проходит в группе от 4 до 7 человек. В таком формате каждый получает возможность внести свой вклад в разговор.
Thinkscape предлагает разбивать большие группы людей (сейчас до 400 человек, но в перспективе — безлимитно) на группы по 4-7 человек, наподобие breakout rooms в Зуме. Каждая группа ведёт отдельное обсуждение на заданную тему. Разговоры всех групп в реальном времени мониторит и анализирует ИИ-агент, обнаруживая в разговоре консенсусы, несогласие и инсайты. Эти данные передаются всем агентам, которые делятся ими с участниками других групп.
Например, если группа обсуждает планирование большого пикник, агент может периодически указывать на нюансы, упомянутые в других группах, но упущенные в этой, например, что делать в случае плохой погоды.
Как рассказывают в интервью один из создателей, доктор Луис Розенберг, одним из самых сложных аспектов, помимо разработки, была калибровка того, когда и что именно говорит агент. Агент вмешивается слишком часто? Это воспринимается навязчиво. Люди, со слов Розенберга, воспринимают агентов как полноценных участников разговора, и доверие здесь — ключевой фактор.
В небольшом исследовании группы в 75 человек, участники отметили, что такой формат был эффективней, чем простые чаты, был более продуктивным, чем сессии мозгового штурма, способствовал появлению идей более высокого качества, более сильное чувство причастности к итоговым решениям, ощущение, что их голоса были лучше услышаны.
Пока Thinkscape работает в закрытом режиме, но можно записаться на участие в тестовых разговорах.
🤖 Глеб | Swarm Intelligence | Conversational deliberation
Роевой интеллект (swarm intelligence) — таким термином описывают коллективное поведение, увеличивающее интеллект больших децентрализованных групп. Вспоминаем муравьев, обошедших в решении задачи группу людей (впрочем, один человек всё равно оказывается умнее).
Могут ли люди проявлять роевой интеллект? Безусловно, да — от скоординированного движения толпы, адаптирующейся под изменения среды, до масштабных децентрализованных проектов с открытым кодом.
Создатели платформы Thinkscape задались вопросом — возможно ли повысить коллективный интеллект человека?
Мы знаем, что эффективное обдумывание в формате беседы (conversational deliberation) — когда группе нужно что-то спланировать или принять решение — наиболее комфортно проходит в группе от 4 до 7 человек. В таком формате каждый получает возможность внести свой вклад в разговор.
Thinkscape предлагает разбивать большие группы людей (сейчас до 400 человек, но в перспективе — безлимитно) на группы по 4-7 человек, наподобие breakout rooms в Зуме. Каждая группа ведёт отдельное обсуждение на заданную тему. Разговоры всех групп в реальном времени мониторит и анализирует ИИ-агент, обнаруживая в разговоре консенсусы, несогласие и инсайты. Эти данные передаются всем агентам, которые делятся ими с участниками других групп.
Например, если группа обсуждает планирование большого пикник, агент может периодически указывать на нюансы, упомянутые в других группах, но упущенные в этой, например, что делать в случае плохой погоды.
Как рассказывают в интервью один из создателей, доктор Луис Розенберг, одним из самых сложных аспектов, помимо разработки, была калибровка того, когда и что именно говорит агент. Агент вмешивается слишком часто? Это воспринимается навязчиво. Люди, со слов Розенберга, воспринимают агентов как полноценных участников разговора, и доверие здесь — ключевой фактор.
В небольшом исследовании группы в 75 человек, участники отметили, что такой формат был эффективней, чем простые чаты, был более продуктивным, чем сессии мозгового штурма, способствовал появлению идей более высокого качества, более сильное чувство причастности к итоговым решениям, ощущение, что их голоса были лучше услышаны.
Пока Thinkscape работает в закрытом режиме, но можно записаться на участие в тестовых разговорах.
Please open Telegram to view this post
VIEW IN TELEGRAM
Thinkscape
Thinkscape is an AI platform that enables real-time conversations at unprecedented scale while optimizing Group Insights and amplifying Collective Intelligence. Organizations use Thinkscape for large-scale deliberation, brainstorming, forecasting, and problem…
В новом выпуске подкаста подводим итоги масштабной лаборатории по искусственному интеллекту, в которой приняло участие около 120 человек. В этот раз, помимо основных ведущих, в программе приняли участие около десяти экспертов – ведущих треков, в рамках которых делились своими знаниями на стыке ИИ и различных областей: от автоматизации до творчества и трендвотчинга.
Откровенно говорим о сложностях обучения столь разнородной аудитории, признавая, что невозможно угодить всем: для кого-то уровень был слишком высоким, для кого-то – недостаточным. Подчеркиваем, что главный принцип лаборатории – самостоятельность. Хотя вокруг много единомышленников, никто не может решить за участника, что для него важно и подходит именно ему.
Отмечаем, что некоторые треки переросли в мини-сообщества, где люди продолжают общаться и после окончания лаборатории. Эту трансформацию от "одноразовых продуктов" к созданию устойчивого сообщества вокруг технологий воспринимаем как большое достижение.
Обсуждаем важность вдохновения и мотивации в обучении новым технологиям, а также необходимость толерантности к ошибкам. Отмечаем, что для эффективного освоения новых инструментов требуется значительное время – не десятки, а сотни часов, но эти инвестиции окупаются, освобождая время для действительно важных вещей в будущем.
В подкасте затрагиваем также философский аспект технологий: как они меняют наше мышление, как помогают или мешают думать, как влияют на нашу идентичность. Делимся наблюдениями о том, как участники расширяют представление о своих возможностях, пробуя новые инструменты и подходы.
В заключение обсуждаем планы на будущее: как развивать лабораторию дальше, как лучше персонализировать обучение и как поддерживать сформировавшееся сообщество. Подкаст будет интересен тем, кто интересуется образованием в сфере ИИ, созданием обучающих программ и комьюнити-билдингом вокруг новых технологий.
Youtube × Spotify × Apple Podcasts × другие сервисы
🤖 Глеб | Alex | Podcast | AI Mindset Lab
Откровенно говорим о сложностях обучения столь разнородной аудитории, признавая, что невозможно угодить всем: для кого-то уровень был слишком высоким, для кого-то – недостаточным. Подчеркиваем, что главный принцип лаборатории – самостоятельность. Хотя вокруг много единомышленников, никто не может решить за участника, что для него важно и подходит именно ему.
Отмечаем, что некоторые треки переросли в мини-сообщества, где люди продолжают общаться и после окончания лаборатории. Эту трансформацию от "одноразовых продуктов" к созданию устойчивого сообщества вокруг технологий воспринимаем как большое достижение.
Обсуждаем важность вдохновения и мотивации в обучении новым технологиям, а также необходимость толерантности к ошибкам. Отмечаем, что для эффективного освоения новых инструментов требуется значительное время – не десятки, а сотни часов, но эти инвестиции окупаются, освобождая время для действительно важных вещей в будущем.
В подкасте затрагиваем также философский аспект технологий: как они меняют наше мышление, как помогают или мешают думать, как влияют на нашу идентичность. Делимся наблюдениями о том, как участники расширяют представление о своих возможностях, пробуя новые инструменты и подходы.
В заключение обсуждаем планы на будущее: как развивать лабораторию дальше, как лучше персонализировать обучение и как поддерживать сформировавшееся сообщество. Подкаст будет интересен тем, кто интересуется образованием в сфере ИИ, созданием обучающих программ и комьюнити-билдингом вокруг новых технологий.
Youtube × Spotify × Apple Podcasts × другие сервисы
Please open Telegram to view this post
VIEW IN TELEGRAM
лаборатории AI mindset 🤖
В конце марта (18 и 24 числа) у нас стартуют сразу две лаборатории! Наши программы проверены временем. С 2022 года мы провели 10+ потоков и их прошли более 300 человек. Как всегда, это 4-6 недель активной практики, еженедельных воркшопов, совместного коворкинга и office hours.
AI Mindset Lab — теперь это не просто работа с AI инструментами, а полноценные рабочие процессы и создание продуктов. Участники предыдущих потоков создали сервисы для анализа эмоционального состояния по голосу, системы для автоматизации работы с данными и контентом, множество личных ассистентов и агентов.
Obsidian [Knowledge Lab] — про умное управления знаниями. Вы научитесь создавать свой «второй мозг», обогащенный возможностями AI, и превращать информацию в структурированные знания, настроите поток сбора информации.
Более подробно о треках и обеих лабораториях можно узнать почитать на сатах или написать нашему боту.
[спросить у бота]
но главная фишка этого потока — наши треки! За последние потоки мы создали настоящую экосистему лабораторий, где основными авторами стали сами участники и приглашенные эксперты. В этот раз мы запускаем расширенные треки, каждый из которых — мини-лаборатория со своим фокусом:
🔎 research track: системная работа с информацией с Аглаей Черемных (Independent Researcher & Research Lead, GoTech Innovation). Аглая организовала более 200 исследований для крупнейших компаний.
⚙️ automation track: освобождение времени для новых идей с Леной Шакуровой (основательница ParsLabs и платформы Chatbotly) и Сергеем Хабаровым (эксперт по системному подходу к автоматизации) – @alliknowisthatidontknownothing
🔃 startup track: от идеи до запуска технологического бизнеса с командой предпринимателей:
- Гоша Левин (основатель CRMchat ai с опытом привлечения $2.5M и успешной продажи компании) расскажет, когда и как привлекать инвестиции и правильно оценивать стартап – @gosha_from_the_block
- Мик Вайсман (предприниматель и разработчик запустивший более 10 стартапов) поделится проверенными фреймворками для валидации идей и создания MVP с использованием современных технологий – @wisemantalks
- Саша Стельмах (бизнес-ментор, построивший компанию со штатом 150 человек и оценкой $15M+) проведет мастермайнд, чтобы помочь участникам разобраться с текущими вопросами по проектам - @AhaStelmakha
- Максим Журило (со-основатель I Love Supersport, Stayfitt и Ironstar) расскажет о поиске кофаундеров и команды.
📸 ethics track: от этики до будущего человечества с Александром Малаховым. Исследование AI через призму гуманитарных наук и философии. – @malaverse
🎓 logos track: философия и творческое мышление с группой философов-практиков. Методы фрирайтинга, разбора мифов, и анализа парадоксов.
👨🎨 imagine track: развитие воображения и генерация идей с Глебом Калининым и Юлией Катан . Вы раскроете свою нейропластичность и научитесь генерировать креативные идеи. – @aurotic_agent
Будем рады вас видеть на ближайших потоках! Команда AI Mindset🤖
В конце марта (18 и 24 числа) у нас стартуют сразу две лаборатории! Наши программы проверены временем. С 2022 года мы провели 10+ потоков и их прошли более 300 человек. Как всегда, это 4-6 недель активной практики, еженедельных воркшопов, совместного коворкинга и office hours.
AI Mindset Lab — теперь это не просто работа с AI инструментами, а полноценные рабочие процессы и создание продуктов. Участники предыдущих потоков создали сервисы для анализа эмоционального состояния по голосу, системы для автоматизации работы с данными и контентом, множество личных ассистентов и агентов.
Obsidian [Knowledge Lab] — про умное управления знаниями. Вы научитесь создавать свой «второй мозг», обогащенный возможностями AI, и превращать информацию в структурированные знания, настроите поток сбора информации.
Более подробно о треках и обеих лабораториях можно узнать почитать на сатах или написать нашему боту.
[спросить у бота]
но главная фишка этого потока — наши треки! За последние потоки мы создали настоящую экосистему лабораторий, где основными авторами стали сами участники и приглашенные эксперты. В этот раз мы запускаем расширенные треки, каждый из которых — мини-лаборатория со своим фокусом:
- Гоша Левин (основатель CRMchat ai с опытом привлечения $2.5M и успешной продажи компании) расскажет, когда и как привлекать инвестиции и правильно оценивать стартап – @gosha_from_the_block
- Мик Вайсман (предприниматель и разработчик запустивший более 10 стартапов) поделится проверенными фреймворками для валидации идей и создания MVP с использованием современных технологий – @wisemantalks
- Саша Стельмах (бизнес-ментор, построивший компанию со штатом 150 человек и оценкой $15M+) проведет мастермайнд, чтобы помочь участникам разобраться с текущими вопросами по проектам - @AhaStelmakha
- Максим Журило (со-основатель I Love Supersport, Stayfitt и Ironstar) расскажет о поиске кофаундеров и команды.
Будем рады вас видеть на ближайших потоках! Команда AI Mindset
Please open Telegram to view this post
VIEW IN TELEGRAM