В этой подборке нет громких корпоративных анонсов — только живые истории людей, которые пытались с помощью ИИ решить очень конкретную задачу: сделать продукт в одиночку, лучше понять лечение, собрать рабочий инструмент или перестать тонуть в рутине. Почти в каждой истории ИИ не заменяет человека, а либо снимает первый барьер, либо помогает пройти через особенно запутанный кусок пути.

ImageToPix: автор собрал инструмент для пиксельной графики, потому что готовые решения были либо грубыми, либо перегруженными

Джон Уилсон пишет, что сделал ImageToPix из очень понятного раздражения: ему нужен был аккуратный инструмент для перевода изображений в пиксельную графику без лишней тяжести и по возможности с обработкой прямо в браузере. Самое интересное в его рассказе не в том, что ИИ «написал продукт вместо автора», а в том, что тот помог одному человеку удерживать темп сразу в нескольких ролях — разработчика, редактора текста, дизайнера и отладчика.

BASE: единый трекер тренировок вырос из усталости от трёх разных приложений и таблиц

Олли Ангерманн честно описывает бытовую проблему: для бега у него был один сервис, для силовых тренировок другой, а для бразильского джиу-джитсу — уже таблица. В ответ он собрал BASE, где можно вести 86 видов спорта в одном месте, а ИИ использовал уже как надстройку для подсказок, планов тренировок и вспомогательных сценариев — хороший пример того, как личный хаос иногда становится основой вполне большого продукта.

Tlamatini: месяцы одиночной работы превратились в локального помощника для разработки с десятками агентов

Ангела Лопес Мендоса строила Tlamatini как ответ на очень конкретное желание: держать код и рабочий контекст у себя на машине, а не в очередном облачном чате. Её история особенно полезна тем, что она не продаёт лёгкую магию, а показывает скрытую цену таких систем: гибридный поиск по знаниям, оркестрация дочерних процессов, инструменты, визуальные схемы и масса инженерной рутины, без которой «локальный ИИ для реальной кодовой базы» быстро рассыпается.

Продакт-менеджер использовал ChatGPT, чтобы быстрее прорваться через страх пустой страницы и собрать рабочий сценарий входа в продукт

Аатир Абдул Рауф рассказывает от первого лица, как применял ChatGPT во время проектирования сценария входа для сервиса счетов и платежей для фрилансеров. Его вывод звучит трезво: продуктовое мышление ИИ не заменил, зато помог быстрее перейти от смутной идеи к черновику, который уже можно обсуждать и улучшать, — и именно в такой роли «напарника по первому проходу» инструмент выглядит наиболее правдоподобно.

Слабые ответы модели подтолкнули автора всерьёз заняться искусством подсказок и собрать собственный генератор

Эта история хороша тем, что начинается не с восторга, а с разочарования: автор с другом пробовал строить продукты на ИИ, но результаты оказывались слабее ожиданий. Вместо вывода «модель плохая» он сделал более неприятный и полезный вывод — часто ломается не только система, но и сама постановка задачи, — после чего углубился в работу с подсказками и на этом опыте собрал отдельный инструмент.

Во время страха из-за лечения груди автор использовала ChatGPT и NotebookLM, чтобы разобрать медицинские документы и вернуть ощущение опоры

Deb описывает, как во время истории с внутрипротоковым поражением и предраковым лечением использовала ChatGPT и NotebookLM для расшифровки медицинского языка, сопоставления результатов биопсий, сборки хронологии и подготовки вопросов к врачам. Самое ценное здесь в том, что ИИ выступает не врачом-заменой, а тихим переводчиком сложной информации: меньше паники, больше понимания того, что именно с тобой происходит и о чём стоит спросить на приёме.

Одиночный разработчик понял, что с ИИ строить стало легче, а продавать — во много раз больнее, и поэтому ушёл в Chrome-расширения

В этом тексте особенно хороша честность: автор прямо пишет, что ИИ помог ему собирать продукты при ограниченных навыках программирования, но не решил главную проблему — поиск пользователей и деньги. Именно это подтолкнуло его к более узкому и понятному формату Chrome-расширений, где путь от идеи до аудитории оказался короче, а значит история работает как полезное противоядие от мифа, будто после ускорения разработки автоматически приходит рынок.

Инженер-строитель по образованию собрал долгоживущего агента и обнаружил, что всё важное прячется не в модели, а в памяти, маршрутизации и контексте

Автор пришёл в тему не из академического ИИ, а из гражданского строительства, и именно поэтому его разбор особенно приземлённый. Он пишет, что самый тяжёлый слой оказался скучным: выбор поставщиков, память сессий, кэширование, хранение контекста и вся обвязка, без которой разговорный агент красиво живёт только в демонстрации, а не в долгой реальной работе.

StockAny AI: разработчик собрал терминал для анализа акций и сознательно не доверил модели всю работу целиком

Автор построил StockAny AI как личный исследовательский терминал для акций, где финансовые вычисления остаются на стороне бэкенда, а модель отвечает за объяснение и подхват свежего контекста. Это сильная история именно потому, что в ней есть инженерная сдержанность: вместо того чтобы выдать ИИ за универсального оракула, разработчик разделил расчёт и интерпретацию, чтобы инструмент оставался полезным и более надёжным.

Во время лечения рака шейки матки у матери сын использовал ИИ как переводчика медицинского языка и опору для ухода дома

Здесь ИИ показан глазами не пациента, а родственника-опекуна, который пытался одновременно понимать диагноз, лечение и повседневные решения по уходу. Автор подчёркивает, что система не лечила сама по себе, но помогала переводить сложные термины на человеческий язык, готовить более точные вопросы врачам и чуть увереннее держаться между редкими консультациями — очень земная и поэтому сильная форма пользы.