# AI-трансформация в компании: общий контекст, skills и GBrain вместо хаоса на ноутбуках

## Коротко

В корпоративной AI-трансформации быстро выясняется странная вещь: подписки на Claude, Codex или Cursor купить проще, чем объяснить агентам, чем занимается компания. Лучшие сотрудники уже оцифровывают себя в skills, но контекст лежит локально, повторяется в чатах и не становится общим активом.

Мой текущий ответ: общий GitHub-репозиторий с маленькими markdown-файлами, wiki-ссылками, регулярным ревью и постепенно более умной памятью через GBrain/OpenBrain. Это скучнее, чем “внедрить AI”, зато работает ближе к реальности.

## Что я вижу в компаниях

Как приехал в Москву, стал нетворкать с несколькими большими IT компаниями о том, как там проходит «[AI трансформация](/blog/ai-agents-s-chego-nachat/)».

Сотрудникам рефандят траты на клод [(!)](/blog/claude-code-vs-codex-perehod/). Лучшие сотрудники оцифровывают себя в скилы, но весь их контекст находятся локально на компах. И каждому приходится Баден-Баден объяснять одно и то же.

Чей-то перформанс вырос, чей-то нет. Опытные вайбкодеры уже понимают, что если AI нагенерил не то — проблема в тебе.

Арендовать всем самолет круто, но нужна карта. И желательно всего мира, а не области.

Самый простой способ - завести **гитхаб репо** для общего контекста: с маленькими **md файлами**, связанными **wiki**-ссылками. Собрать из этого **обновляющийся скилл**. Агенты сотрудников будут кидать PR с апдейтами, а **библиотекарь контекста** будет ревьюить и мерджить.

Что имеет смысл документировать? Да всё: бизнес-модель, продукты, ца, рисерчи, гипотезы. Но тех спеку прогеров лучше хранить рядом с кодом.

Как перестанет хватать одной Мега-Википедии - посмотрите на openbrain, gbrain. Они сильно развиваются, много экспериментов, но скоро устаканятся: весь всё, что у нас остаётся по факту — это контекст. 🅰️

## Где ломается AI-трансформация

Большие компании часто начинают с доступа к инструментам: оплатить Claude, дать Cursor, разрешить Codex, провести воркшоп. Это полезно, но это не система.

Система появляется, когда знания компании становятся доступными агентам:

- что продаем;
- кому продаем;
- как устроен продукт;
- какие есть ограничения;
- какие гипотезы уже проверяли;
- какие решения принимали и почему;
- какие слова нельзя использовать в коммуникации;
- какие customer cases важнее всего.

Без этого каждый сотрудник заново объясняет агенту одну и ту же “карту мира”. Поэтому AI-трансформация превращается в набор локальных магических практик: у одного человека агент работает отлично, у другого почти не помогает, третий говорит, что “все это игрушка”.

## Практическая архитектура контекста

Минимальная версия не требует сложной платформы:

1. Создать приватный GitHub-репозиторий `company-context`.
2. Разбить знания на короткие markdown-файлы: бизнес-модель, продукты, ICP, glossary, competitors, research, sales objections.
3. Связать файлы wiki-ссылками.
4. Добавить `AGENTS.md` или skill entrypoint, который объясняет агенту, как читать контекст.
5. Дать сотрудникам возможность отправлять PR с обновлениями.
6. Назначить библиотекаря контекста, который ревьюит изменения.

Это не “корпоративная база знаний ради базы знаний”. Это operational memory для агентов. Если контекст плохой, агент будет уверенно генерировать не то.

## Что добавилось из обсуждений

В `ohld_chat` вокруг GBrain/OpenBrain уже был важный мотив: markdown-вики быстро становится полезной, но у нее есть потолок. Она хороша, когда файлов немного и связи очевидны. Когда контекста становится больше, нужен retrieval layer: поиск, связи, краткие briefing packs, дедупликация и правила, что можно показывать агенту.

Отсюда логичная эволюция:

| Стадия | Что использовать |
| --- | --- |
| Первый пилот | Markdown + wiki-ссылки + AGENTS.md |
| Командный rollout | GitHub PR workflow + библиотекарь контекста + changelog |
| Много команд | GBrain/OpenBrain как retrieval и briefing layer |
| Публикация знаний | Выжимки превращаются в блог/статьи после редакторского ревью |

## Связанные материалы

- [AI-агенты: с чего начать в 2026](/blog/ai-agents-s-chego-nachat/)
- [Claude Code vs Codex: почему я перешёл на Codex](/blog/claude-code-vs-codex-perehod/)
- [GStack, /goal и office hours](/blog/gstack-goal-office-hours-ai-workflow/)
- [Второй мозг: Obsidian и Claude Code](/vtoroj-mozg-ai-assistent-obsidian-claude-code/)