How a Frontier Team Can Help Your Company Keep Up With AI

Сводка

В этом выпуске рассказывается о том, как внутренняя команда Frontier в Every пытается разделить «отслеживание трендов в ИИ» и «реальную работу». С помощью ролей вроде пиратов, архитекторов, wrangler и руководителя evals команда проводит эксперименты, отслеживает расходы и внедряет полезные паттерны обратно в основной продукт и контент-операции.

Ключевые выводы

Every сталкивается с дилеммой: каждому сотруднику приходится выбирать между выполнением своей основной работы и отслеживанием новых ИИ-инструментов. Дэн отмечает, что игнорирование передовых технологий (frontier) грозит разрушением со стороны «агентно-нативной версии вашего продукта, которую вы не увидели вовремя», тогда как погоня за каждой новинкой означает, что вы никогда не создадите ничего долговечного.
Команда Frontier существует ради «разделения ответственности»: небольшая группа следит за передовыми технологиями и проводит эксперименты, в то время как остальная компания сосредоточена на выпуске продуктов и услуг.
Наталия описывает два взаимодополняющих архетипа: **пиратов** (быстрые, небрежные, пробуют миллион вещей за пару дней) и **архитекторов** (упаковывают хаос в поддерживаемую и удобную форму).
Майк Тейлор (Head of Evals) обсуждает «capability overhang» (избыток возможностей), отмечая, что модели могут делать гораздо больше, чем у команды было время попробовать. Он предлагает давать ИИ доступ ко всему вашему контексту (Slack, Gmail, заметки) и описывает новую роль как «защиту чужого контекста» от информационного перегруза.
Ариэль (Frontier Wrangler) создала дашборд использования, который отслеживает расход токенов во всех harnesses, разбивает его по людям и категориям задач, позволяя команде оценивать, стоило ли эксперимент своих затрат.
Джек Чанг построил персональный браузер без вкладок со встроенной панелью агента, мотивированный отчасти СДВГ и нагрузкой на его внимание. Он описывает свою работу как создание инструментов, защищающих фокус, а не добавляющих новые вкладки.
Кэти Парротт расширяет свой плагин Compound Writing, добавляя третий документ, `audience.md`, поверх существующих `voice guide` и `style.md`. Она также упоминает, что параллельно строит собственный текстовый редактор («word better»).
Янник работает как архитектор, оживляя проект Proof и создавая оркестратор **Minga**, который разбивает проект на план с учетом зависимостей, запускает реализацию в фоне и оповещает его для принятия решений. Он исследует мультиплеерную версию, где пираты и архитекторы работают в одном общем контексте одновременно.
Киран, который строил продукты в Every с самого начала (Quora, Combat Engineering, Proof), советует командам frontier вдохновлять команду, но также и слушать её. Он предупреждает: «Если вы проведете сто экспериментов, но не дадите им прижиться и не интегрируете результаты, это не сработает».
Выпуск включает короткий спонсорский блок о голосовых моделях Gemini Audio от Google DeepMind (Gemini 3.5 Transcribe и Gemini 3.8 Live Extended Thinking).

Дилемма и концепция команды Frontier

Дэн начинает с описания проблемы, с которой сталкивается каждый сотрудник: выполнить ли свою работу или оставаться в курсе ИИ и разобраться, что новые инструменты и рабочие процессы означают для той работы, которую нужно делать? Он называет это «безумным» и «чрезвычайно сложным». Он выделяет два плохих варианта: игнорировать frontier (рискуя столкнуться с агентно-нативным конкурентом) или постоянно гнаться за новинками, не создавая ничего долговечного.

Команда Frontier в Every, которая работает «уже пару месяцев» на момент записи, — это структурное решение. Дэн описывает её как разделение ответственности: команда следит за тем, что происходит на передовой, в то время как остальная компания фокусируется на исполнении. Наталия, руководитель внедрения enterprise AI, называет это «огромным прорывом».

Наталия объясняет, что многие в Every, включая её саму, «просто любят играть с новыми вещами», и это важно. Но если вы делаете только это, вы не продвигаетесь как бизнес. Она чувствовала, что организация была вынуждена выбирать между постоянными экспериментами и созданием продукта один раз, а затем его бесконечной поддержкой. Команда Frontier — это попытка сказать: возьмите всех, кто любит новинки, дайте им свободу проводить эксперименты, и пусть результаты текут в двух направлениях. На низком уровне эксперименты порождают «очень хороший контент», который учит чему-то интересному и становится твитом или видео на YouTube. На высоком уровне эксперименты «продвигаются с передовой в продукты, которые мы создаем, и в услуги, которые мы предлагаем», без необходимости для остальной компании постоянно следить за каждым новым релизом моделей.

Дэн добавляет, что самым impactful он считает скорость: команда может двигаться «невероятно быстро в новых вещах, не отвлекая всю команду». Он говорит, что это имеет эффект «построения уверенности» для всей организации, потому что люди чувствуют, что узнают о изменениях вовремя и смогут с ними справиться, а не будут «безумными, нервными и отвлекаемыми всё время».

Пираты и архитекторы

Наталия описывает два архетипа, которые хорошо работают вместе в команде Frontier. **Пираты** — это люди, которые хотят двигаться очень быстро, будут «немного небрежными» и «попробуют, как миллиард вещей в течение пары дней». Результат полезен, но «это будет хаос». **Архитекторы** — это люди, которые смотрят на большой хаос и понимают, как «сжать его немного и сформировать в форму, которая действительно работает, которую мы можем использовать».

Рабочий процесс таков: команда экспериментирует со всем подряд, большинство вещей выбрасывается, а некоторые готовы к передаче остальной команде. Прямо перед этой передачей архитектор вмешивается и говорит, что текущее состояние «не может быть поддержано» и «не будет работать для этих пяти разных сценариев для внутренних пользователей», и превращает это в систему, которую можно понять и на которую можно опираться, а не оставляет это как «проект, написанный в стиле vibe coding на один раз».

Наталия подчеркивает, что это не жесткая оргструктура. Различие касается функции: кому-то нужно двигаться быстро и терпеть хаос, а кому-то нужно навести порядок, прежде чем эксперимент станет зависимостью для других.

Head of Evals: Тестирование моделей и capability overhang

Майк Тейлор придумал себе собственное должностное название: «head of evals» (оценки). Его роль — взять качественные «vibe checks», которые команда проводит с новыми моделями, и «подкрепить их цифрами». Он работает с членами команды, помогая им создавать персональные бенчмарки, и пытается внедрить это как внутренний продукт, чтобы вовлечь больше людей в тестирование моделей. Он также проводит конкретные эксперименты, например, определяя и тестируя, что значит быть «сикофантичным» для модели.

Концепция, которую поднимает Майк, — **capability overhang**: «модели способны делать гораздо больше, чем у нас было время попробовать». В его понимании, цель команды Frontier — «дожимать модели до предела и видеть, что теперь возможно и что является новым способом работы».

Его конкретный пример — редактирование видео с помощью Opus. У него есть популярный курс на Udemy, и он описывает редактирование видео как «худшую часть этого side project». Он тестировал ИИ на редактировании видео «уже какое-то время» и говорит, что это «наконец-то работает». В качестве конкретного демонстрации он использовал Opus (в настройке, которую он называет «UltraCode», описывая её как «одну из настроек с максимальными усилиями», которая оркестрирует «сотни агентов»), чтобы создать объясняющее видео для продукта Chex, части продукта Personal Benchmark. Он указал Opus на все свои сообщения в Slack и заметки в Granola. Модель отправила «по одному агенту на каждое совещание», собрала релевантный контент в библиотеку источников, создала «story spine» из двенадцати предложений, суммирующих, что такое Chex, и сохранила всё аудируемым: каждое предложение можно было проследить до карточки инсайта, а затем до конкретного высказывания на совещании. Она также нашла скриншоты из Slack, проаннотировала их, сделала озвучку, используя ключ API Google Gemini, и смонтировала всё видео. Майк говорит, что это «открывает много возможностей для таких людей, как я, которые могут быть слишком заняты экспериментами, чтобы рассказать кому-либо, что мы делаем».

Когда его попросили дать «шпаргалку» по использованию моделей на конец октября 2026 года (он сразу оговаривается, что «это может устареть через пару дней»), Майк дает два пункта. Во-первых, отдайте весь ваш контекст ИИ. Он говорит, что раньше был тем, кто «колебался, давая доступ к вашему Google Drive» и не подключал его к Gmail или Slack в начале года. Теперь он «полностью открыт. У ИИ есть доступ ко всему». Он говорит: «удивительно, насколько хорошо он подбирает хороший контекст, когда вы даете ему доступ» и что «вы можете больше доверять его суждению о том, что он приносит в задачу». Во-вторых, он утверждает, что теперь это «ваша работа» — «защищать чужой контекст». Он описывает, как его «регулярно обвиняют в затоплении корпоративного LinkedIn», и говорит, что сделать работу более перевариваемой с помощью видео и структурированных выводов «теперь на самом деле моя работа». Он отмечает, что Claude «находит эти идеи для меня более автоматически, когда я их озвучил», что означает, что он «затапливает людей новыми идеями», и это напряжение, с которым он работает.

Frontier Wrangler: Отслеживание расходов и сбор знаний

Официальное звание Ариэль — **Frontier Wrangler**. Она «помогает убедиться, что наши эксперименты достаточно организованы, чтобы мы могли собрать и синтезировать знания, переварить их для внешнего мира и направить наше исследование опыта внутри». Она работает над системами и процессами, которые это делают возможным, и тесно сотрудничает с Дэном. Она также проводит собственные эксперименты, отмечая, что она «менее техническая», чем другие члены команды, но является оператором, что дает ей «много интересных возможностей для практических систем, с которыми мы можем экспериментировать, используя некоторые из этих новых инструментов и техник внутри».

Она объясняет необходимость роли wrangler, говоря, что каждый в организации — «мета-мыслитель» и «так креативен и так взволнован, что просто гонится за следующей вещью». Это нужно, но организации также нужен слой, который спрашивает «чему мы учимся из этого?» и сопоставляет эксперименты с «перевариваемыми темами». Её работа — смотреть на всё, что делают люди, находить смысл в экспериментах и «превращать это в контент и продукты, а даже в концепции, которые мы преподаем в консалтинге».

С практической стороны, Ариэль описывает **дашборд использования**, который она построила. Он показывает общую сумму расходов в долларах, количество токенов и разбивку по людям. Скилл, который они создали, смотрит на все разные «harnesses» (инструменты, которые каждый использует на своем компьютере) и собирает использование токенов. Можно кликнуть, чтобы увидеть фактическую модель и уровень усилий в реальном времени. Дашборд также включает рабочий процесс, который на высоком уровне классифицирует, на что каждый потратил токены, и запускает классификацию для их одобрения. Выход — это процентная доля работы по каждой корзине расходов на токены плюс оценочная стоимость в долларах, чтобы человек мог «сделать быструю оценку: о, стоило ли это того или нет?». Она отмечает, что часть данных ретроспективна, потому что у них еще нет полного месяца расходов за октябрь.

Ариэль больше всего взволнована растущей способностью строить системы самостоятельно. В своей прошлой жизни как оператора ей пришлось бы ждать, пока компании-разработчики моделей добавят возможность отслеживания, или сотрудничать с инженером. Теперь она может «на самом деле создать часть этого сама». Она говорит, что это «чувствуется магией и действительно волнует» и что «способность взять некоторые из моих идей и волевым усилием воплотить их в существование — это совершенно новая вещь».

Создание личных инструментов и управление вниманием

Джек Чанг, старший редактор в Every и член команды Frontier, говорит, что он «тестирует больше моделей с ранним доступом» и создает «интерактивные опыты и игры», чтобы «выжать максимум из того, что теперь возможно с каждым новым релизом модели, что она может делать, чего, возможно, раньше было недостаточно хорошо». Он также строит собственные приложения.

Его пример — **браузер без вкладок**, который он построил для себя. Точкой отсчета было то, что он «очень перегружался вкладками в браузере и постоянно вынужден был переключать контекст». Он хотел браузер без вкладок, где можно «отключить вкладки» и не соблазняться на открытие вещей в фоне. Он отмечает, что раньше он «возможно, построил бы расширение для Chrome или что-то подобное», но «теперь модели настолько хороши, что я подумал: нет, я могу просто построить свой собственный». Он добавил панель агента, где он может выбрать любого провайдера моделей и использовать любую модель для редактирования, что, по его словам, он «не мог по-настоящему сделать с Claude и моделями Gemini, потому что их плагины для Chrome были не так хороши». Позже он добавил «peek mode» для временного открытия страницы и поиска информации перед возвращением к документу.

Джек размышляет, что старая модель плагинов и расширений «никогда не позволяла приблизиться к фактическому приложению и изменить то, как приложение работало», и что «теперь, с последней генерацией frontier-моделей, действительно возможно построить это полностью персонализированное для вас или для вашей команды и их рабочих процессов приложение, что раньше было невозможно».

Его больше всего волнует создание вещей, которые «помогают защитить мое внимание». Он делится тем, что у него есть диагноз СДВГ и он «пришлось выработать эти адаптивные стратегии на протяжении лет, чтобы управлять им». Он говорит, что ИИ делает это «еще более искушающим, чтобы просто попробовать сделать миллион вещей», и хотя он «делает намного, намного больше сейчас», он «никогда не чувствовал такой нагрузки на мою способность фокусироваться и удерживать внимание на чем-то достаточно долго». Он хочет строить вещи, которые помогут ему писать больше, создавать более красивые вещи и ближе связываться со своим локальным сообществом, «не просто ради творчества, а делая это так, чтобы также укреплять и служить и углублять мои ценности».

Compound Writing и моделирование аудитории

У Кэти Парротт три направления в команде Frontier. Во-первых, она в команде тестирования новых frontier-моделей от OpenAI, Anthropic, Gemini и Grok. Every получает ранний доступ, и они прогоняют модели через свои рабочие процессы, чтобы увидеть, каково их использование, чтобы они могли «развернуться и передать эту информацию тем, кто читает наши vibe checks». Во-вторых, она пишет сами vibe checks и делится тем, что учится команда Frontier. Она описывает себя как «резидентного писателя, встроенного в команду Frontier». В-третьих, она строит вещи сама, включая свой плагин **Compound Writing**, и служит «крэш-тест-манекеном» для вещей, которые строят другие члены команды.

Compound Writing проводит писателя через процесс от генерации идей до планирования, аутлайна, черновика и финализации. Он построен вокруг двух основных документов: **voice guide**, который фиксирует, как звучит ваш голос на уровне предложений и какие слова вы используете, и **style.md**, который охватывает, о чем вы пишете и как вам нравится говорить о вашей теме. Она сейчас добавляет третий документ, **audience.md**: «кто тот читатель, который в конечном итоге получит этот контент?». Она называет это «очевидным» в ретроспективе.

Она демонстрирует настройку `audience.md` для своей колонки **Working Overtime**, где она пишет о применении ИИ в своей рабочей жизни. Описание аудитории представляет собой комбинацию «раннего искателя, который немного любопытен к ИИ» и «оператора, который ищет практические приложения для своей повседневной работы». Она встроила в структуру `audience.md` идею **пути героя**: «Каждый материал должен вести читателя по его собственному пути героя в той или иной форме. Вы стремитесь вызвать какую-то трансформацию в них».

Она провела pre-bake, где плагин просмотрел её последний черновик Working Overtime (о том, как она случайно ухудшила весь свой контекст, пытаясь его улучшить) по сравнению с обновленным `audience.md`. Вывод отметил, что уже работает: это ясно, контекст получает объяснение, «решение личное, а не универсальное», что соответствует её заявленной предпочтению «описывать вещи», а не «предписывать вещи». Он также отметил, где материал «теряет секретную сторону» (доступную для людей, находящихся раньше на спектре любопытства к ИИ), и дал «мелкие операторские заметки», такие как вопрос о том, какова была конкретная цена, когда она не получала желаемых результатов.

На следующие шаги Кэти упоминает работу с Кираном над **Every Type**, «его попытка заставить нас всех перестать использовать Google Docs», где она будет «протестировать это и быть очень назойливой в своих отзывах и моих особых предпочтениях как писателя». Она также строит собственный текстовый редактор, который она шутливо называет испытанием: «Каждый в какой-то момент решает vibe code свой собственный текстовый редактор». Она называет его «word better» и говорит: «мне легче артикулировать, чего я хочу в инструменте, просто построив его самому на этом этапе».

Архитектура и оркестрация

Янник работает «в основном как архитектор над некоторыми проектами». Его первым проектом была работа над **Proof**, «приведение его к готовности к продакшену, возвращение к жизни». Сейчас он фокусируется на **Cape Bench** (как записано; точное название неясно из аудио), создавая скилл, который «пытается воспроизвести суждение и вкус нашего главного редактора, чтобы сократить часть её работы».

Он описывает роль архитектора с точки зрения того, что ИИ делает хорошо, а что нет. «ИИ очень хорош в том, чтобы оживить что-то, просто делать предположения, искать, что использовать, и просто строить что-то, что выглядит хорошо и потенциально также работает для этого демо-кейса или начальной реализации». Но «все еще есть потребность в роли архитектора, который имеет фоновые знания о том, как строить вещи, которые надежны, которые поддерживаемы со временем», включая то, как структурировать код, какие библиотеки использовать и как деплоить.

Его текущий исследовательский проект — оркестратор под названием **Minga**. Он создает проект (например, «Replyguy», инструмент для коллеги по имени Бекки, чтобы исследовать, что в тренде в Twitter и ответить одним из их vibe checks). Основная цель — работать «на уровне целей и плана, но не фокусироваться слишком много на отдельных сессиях кодирования». Агент-оркестратор — его основной интерфейс: он сообщает ему требования и технологический стек, он разбивает вещи на отдельные задачи с зависимостями и порядком, и у него есть «некоторая автономия, чтобы запускать работу в фоне». Когда ему нужно, он «может пинговать меня для решения, где нужен мой ввод», или показывать черновики и макеты UI для обратной связи, а затем продолжает работать самостоятельно.

Он исследует, может ли оркестрация быть **мультиплеерной**: приглашая других людей из команды, «или потенциально даже всю компанию», в общий контекст. В этой модели «пират может принести свои идеи и то, на что он хочет экспериментировать, а архитектор может принести технические знания, но одновременно. Так что нам не нужно передавать работу после того, как один закончил, а мы можем строить один и тот же проект одновременно с общим контекстом».

Культура экспериментирования и интеграция

Киран присоединился к Every рано, строя **Quora** и экспериментируя, из чего возникли **Combat Engineering** и другие вещи. Он говорит: «Я просто чувствовал, что эта команда уже была там, но мы никогда не давали ей имени». Теперь, когда она называется командой Frontier, они «разрешены проводить эксперименты, чтобы выяснить, что может сработать, а что нет».

Он проводит как минимум один эксперимент в неделю, «в большинстве случаев, несколько», и большая часть — это делиться тем, чему он научился, с командой и подписчиками Every, «чтобы убедиться, что они могут принять или направить то, что они делают, в том направлении, которому я научился». Его роль — «вдохновлять команду делать более большие вещи, быть более амбициозными», потому что «это немного менее страшно, если кто-то уже это сделал и сказал: да, это действительно работает. Это хороший паттерн».

Когда его спросили, как эволюционировали возможности моделей, он прослеживает примерную дугу: GPT-4 мог внезапно писать «довольно хороший код» («первый прорыв»), затем Sonnet 3.5 мог писать код в нескольких файлах и создавать UI, затем возникла агентная работа, где модели могли «передавать работу дальше», а не просто принимать промпт и производить вывод, затем стали возможны более сложные работы («мы могли внезапно создавать текстовые редакторы с CRDT и реальным-time редактированием»), и затем эра Proof с GPT-5.5, где «мы можем быть более амбициозными, мы можем создавать большие вещи без слишком сильного руководства». Он упоминает «Fable 5.1» как модель, которая «может работать даже дольше, даже глубже. Вы можете доверять даже больше». Как музыкант, он пытался построить DAW «может быть, год назад» и каждый раз, когда выходит новая модель, он пробует снова; «мы теперь на точке, где я могу просто это сделать, что безумно».

Его недавние сборки включают **видеоредактор**, который также является рекордером для живых стримов и совещаний (мотивированный тем, что «у нас в Every так много людей, которые говорят и имеют такие интересные идеи, но они теряются на совещаниях»), и **редактор для написания** как следующую версию Proof.

Для заключительного совета другим командам frontier, будь то в стартапе или крупной enterprise, Киран говорит, что самое важное — «вдохновлять вашу команду, но также слушать вашу команду». Он предупреждает: «Если вы проведете сто экспериментов и не дадите им прижиться и не интегрируете их, это не сработает». Нужно слушать вашу команду, вдохновляться ими, убедиться, что «некоторые вещи будут приняты», и «убедиться, что люди понимают, что вы делаете, и не перегружены. Потому что очень легко перегрузить всю организацию, просто вывалив 100 экспериментов в канал». Он повторяет: «Убедитесь, что некоторые приживаются. Убедитесь, что люди понимают, что вы делаете. Это ваша работа как команды frontier».

Спонсорский сегмент: Gemini Audio

Выпуск включает короткое чтение для **Gemini Audio**, новых голосовых моделей от Google DeepMind. **Gemini 3.5 Transcribe** превращает речь в «чистый форматированный текст» и обнаруживает исправления на лету (например, «давай встретимся во вторник, нет, в среду»), удаляя слова-паразиты. **Gemini 3.8 Live Extended Thinking** позволяет пользователю «обсуждать более сложную работу», потому что модель «может рассуждать и говорить одновременно, что поддерживает разговоры, пока она работает в фоне». Пользователь может «задавать уточняющие вопросы и давать обратную связь по ходу». Спонсор позиционирует голос как «полезный способ разработать идею с возможностью менять свое мнение по ходу дела».