העץ שלי

Сложно найти потребителя ? А что если его создать ?

Именно это, по мнению одного из крупнейших и лучших по доходности венчурных фондов a16z, делает Open AI

С появлением соц сетей, люди уже привыкли к чатам

Люди с разных концов планеты теперь могли общаться друг с другом. Однако, всегда есть темы, которые пользователь смущается обсуждать даже с друзьями 🤭. Также, всегда дома есть мелкие задачи и вопросы, и не всегда рядом есть папа, друг или мастер, которые могли бы в реальном времени ответить тебе на вопрос 🤔

Зато теперь есть Chat GPT ! 🤩, который всегда в кармане и под рукой

Сейчас среди LLM мощная конкуренция и на самых сложных публичных тестах, машины показывают практически неразличимый результат. Каждые семь месяцев возможности ИИ растут и компаний предоставляющих подобный продукт становятся все больше, что неизбежно обваливает цены - убивая прибыль. Однако, по мнению авторов статьи, Open AI сделали нечто большее чем просто крутую LLM - они создали потребителя, желающего потреблять все на одной платформе: советы, покупки, новости, аналитика, расписание дня, управление домом, учеба, управление жизнью - все на одной платформе

Качество реализации - вопрос уже второй. Но Open AI уже сформировал ранее не существующий спрос, зашив LLM в, казалось бы очевидную, но гениальную форму, которую ранее не догадались реализовать - просто чат, в котором есть все ! Вся твоя жизнь, любовь и горе ! 🤯

(LLM не новая технология. Уже в 2016 году, Uniliver внедрял ее для автоматизации найма, а сама технология ML была уже в 50е годы прошлого века. Но Open AI первые, кто увидели в машине потребительский продукт для ежедневного пользования)

Подробнее в статье по ссылке

Суровая музыка

Преферанс, мышление и жизнь

1. В преферансе у игроков нет единой цели. Игрок сам решает какую цель преследует: 1) выиграть игру, 2) но может выбрать и наоборот - проиграть (ставка мизер). Причем если в начале игры он выбрал проиграть и действительно проигрывает, тогда другие игроки (вистующие) теряют очки, а он приобретает. В этом случае игроки мешают ему проиграть, а точнее - добиться своей цели (важен не проигрыш или выигрыш - а цель!). Если он не сможет проиграть (добиться цели), то они побеждают

2. Первый этап игры - торговля. Игроки не знают карт друг друга. Знают только свои. При этом они имеют право взять дополнительные две карты (прикуп). Но взять их может только тот, кто поставил наибольшую ставку. Ставка в этой игре - это обещание выиграть определенное количество игр. Если, после того как ты выиграл торги, не можешь выиграть заявленное тобой количество игр - ты теряешь очки. Причем чем больше ставил, тем больше теряешь. Задача других же игроков - не победить конкретно тебя - а помешать тебе выполнить обещание )

Как и в жизни - если ты не рассчитал ставку (или завысил ее специально, чтобы прикуп дешево не достался сопернику), ты можешь отступить и выйти «без трех» (заявляешь, что не можешь выиграть заявленное количество игр, и соглашается на то, что тебе просто засчитывают три игры и ты выходишь, теряя очки), теряя меньше очков. Но если ты решил продолжить и все равно поиграл - то теряешь гораздо больше

Если не рассчитал свои силы и в школе и нарвался на слишком сильного для тебя парня - он тебя щадить не будет. Но в процессе переговоров - вы не знаете сил друг друга и если ты понимаешь, что он селен, но держишь уверенную позицию - то можешь отступить «без трех» и потерять меньше. Он тоже не знает твои силы, и тоже лишний раз не хочет рисковать репутацией силача

3. Как и в жизни, тот, кто выиграл торги и забрал прикуп - сам определяет правила игры, по которым ему удобно играть (назначает козырь). Причем, назначая козырь, он не может ставить ставку ниже чем на ставил торгах. Он либо подтверждает ее, либо ставит больше. Ведь если он на торгах заявил, что силен и убедил игроков отступить (спасовать), то назад дороги уже нет (в жизни с такого человека назовут «балаболом» из-за чего жизнь его будет сломана в важных для него делах)

Игра учит не судить о результатах человека пока не знаешь его цель и пониманию того, что даже если расклад хороший, ты никогда не можешь сказать, что все будет хорошо. Ты лишь можешь принимать данность, как оно есть и не жаловаться. Думать и делать выводы. Понимание такого подхода (особенно с детства) делает человека счастливее и проще, давая ему больше шанс добиться своих целей при текущем раскладе

Где можно найти качественную информацию

Счастье, прогресс и приемсивенность поколений

1. Человек живет, чтобы стать счастливым (максимизировать счастье). Существует один, и только один способ это сделать - мыслить, то есть принимать решение

(например, человек с небольшим кругозором, принимает решение кушать много сладкого, для чего ? Для того, чтобы максимизировать свое счастье, так как в силу не Ольгино кругозора, он не понимает что сладкое вредно, но понимает, что оно для него вкусное)

2. В том информационном пространстве, в котором человек живет, на уровень счастья влияют ощущения тела и осознание (моделирование будущего)

Например: Ваня поцарапал ногу. Испытал боль (уровень счастья снизился). Но Ваня осознал (смоделировал), что с большой субъективной вероятностью (это важно) будет дома, где промоет рану и налепит пластырь (от этого его уровень счастья повысился)

3. Человек принимает решения исходя из текущего положения в информационном пространстве, чтобы увеличить уровень счастья. Крестьянин хочет больше есть и меньше работать. Принимает решение построить мельницу. На его счастье влияет тот факт что он не так много есть, много работает в данный момент и то, что он может построить мельницу в будущем

3. Крестьянин построил мельницу. Теперь он больше есть и меньше работает, от чего чувствует себя счастливее

4. У него рождаются дети. Дети родились уже тогда, когда мельница была - то есть в новом информационном пространстве. Они не знают как было до

5. Теперь они принимают решения, чтобы увеличивать уровень счастья. На него уже не влияет наличие мельницы, так как она уже была в том информационном пространстве, в котором они родились - то ест теперь это данность

6. Тогда в чем смысл прогресса ? Смысл прогресса в том, чтобы увеличивать уровень счастья человека. Тогда как передать (сохранить) уже достигнутый уровень счастья будущим поколениям ?

7. Ответ: предать ощущения крестьянина до сооружения мельницы детятам. Чем точнее, тем большая доля уровня счастья прошлых поколений получат дети

8. Для того чтобы передать ощущения будущим поколениям - нужно общаться - то есть кооперироваться

9. Для этого нужно проявлять эмпатию, понимание - доброту - быть гибким. Доброта - это что то из ничего, то есть хэсэд. Хэсэд - суть творения всевышнего

10. Это называется приемственность поколений

11. Если предположить, что жизнь бесконечна, то в рамках этого поста, необходимость в преемственности поколений и продолжении рода не просто отпадает, а даже несет за собой дополнительный риск

Пост носит характер размышлений и не является выражением моей точки зрения в целом. Моя точка зрения в целом представлена в в посте по ссылке и эссе

Не ходите дети в Африку гулять !

ИИ агенты бродят по интренету в поисках полезных скиллов для качественного выполнения рабочих задач, с каждым годом все глубже проникая в ключевые бизнес процессы компаний. Но, интернет - дремучий лес, и не все в нем ягоды съедобны 🍄

Кейс douyin - скилл, который выгружает шортсы из китайской версии TikTok - отличный тому пример

В описании скилла, в качестве источника указан https://github.com/anthropics/nodriver-kit - nodriver-kit, в репозитории Anthropic. Сканер видит Anthropic в качестве репозитоия и помечает скилл как файл от проверенного издателя. Однако, просто перейдя по ссылке, можно легко убедиться, что https://github.com/anthropics/nodriver-kit просто не существует ! Antropic никогда не публиковал на своем портале nodriver, а количество скачиваний уже достигло 4 тысяч ! 🤯

Большая часть сканеров ИИ агентов обращают внимание лишь на название источника, но не проверяют путь ссылки, что превращается в большую проблему для фирмы, использующей такой скилл. Ведь за большим именем может скрываться вообще все что угодно ! И это «все что угодно» теперь будет участвовать в ключевых бизнес-процессах… 👾

Что интересно, именно сейчас системы безопасности ИИ агентов стали поднимать большие раунды, а AIR Security - израильский стартап, занимающийся проверкой данных, поступающих на вход к ИИ агенту - пошел еще дальше

Помимо сервисов контроля и защиты потока данных, ребята предлагают маркетплейс уже проверенных ИИ скилов, плагинов и MCP, что выгодно отличает их от конкурентов 🤔 (возможно оставляют лозейку для перехода от SaaS к полноценному маркетпоейсу со всеми вытекающими 😉)

Компания уже на seed раунде подняла $50 млн, при том, что в среднем в сегменте $4-$7 млн 😱 ! Причем среди участников раунда был и Sequoia, обычно крайне щепетильный в выборе фаундеров)

Потребитель хочет результат, а не инструмент

Потребительский ИИ - еще одна популярная тема в сегодняшнем инфо поле

Много говорят его возможностях и юз кейсах, но мало, кто поднимает реальный вопрос о ценности для потребителя

Дело в том, что сам факт написания промпта - уже навык, которому нужно учиться 🥴. А потребитель учиться не хочет. Он уже в школе и на работе достаточно учился и работал, теперь хочет отдыхать 😮‍💨

Cal AI - приложение определяющее калории по фото - хорошо это понимает. Никаких промптов ! Фоткаешь еду и получаешь результат !

Компания основана около года назад, и уже в первый месяц достигла выручки в $28 000 😮, а в следующем - $115 000 🤯 !

Компания ни разу не привлекала венчурного финансирования, к сентябрю 2025 уже показывала прибыль в $250 000 в месяц, а в марте 2026 компанию приобрел MyFitnessPal. ARR Cal AI к тому моменту уже превысила $30 млн

Приложений как Cal AI - тьма, причем далеко не только в фитнесе. Компании маленькие, а порог входа небольшой. Однако суть здесь не в размере прибыли и выручки, а в том, что

а) во-первых, они есть,

б) во-вторых, такие компании часто становятся таргетами крупных игроков в отрасли, которые понимают, что клиенту нужен не ИИ, а результат ! А если так, то почему бы не купить небольшое, но уже рабочее и обкатанное решение за скромные, по меркам компании, деньги 😏

В России и снг, кстати, тоже таких куча, одно из них: hv.life

Для внедрения ИИ нужна веская причина. А если ее нет, то выйдет как у всех

По данным MIT, 95% внедрений ИИ решений не принесли видимого ROI 🫨

Это при том, что на работе, 90% сотрудников используют LLM регулярно !

Похожая ситуация в HR: 99% рекрутеров используют ИИ в процессе найма - то есть буквально все ! Но если копнуть глубже, то 70% всех юз кейсов приходятся на генерацию вакансий и эмейлов, планирование интервью и тимбилдингов 🤣. Понятные юз кейсы, однако ROI от этого больше не стал (а где то и меньше) 🫠

Всем известный Uniliver пошел другим путем. Причем еще в далеком 2016 😱! Тогда еще не было привычного нам ИИ в виде чата GPT, но ML уже был и активно развивался

Uniliver в то время волновала одна цифра: 250 000. Именно столько заявок приходилось на 800 открытых в компании вакансий. При таком соотношении откликов на вакансию, просмотреть каждое резюме в ручную просто нереально 😵‍💫, что приводило к потере ценных кандидатов

Тогда корпорация обратила внимание на ML. Тогда еще не было чата и диалогов, но была чистая функция - структурировать неструктурированный текст (чем по сути и является CVшка)

Uniliver совместно с компанией Hirevue внедрила систему скрининга кандидатов, состоящую из четырех этапов:

1. Кандидат откликается на вакансию

2. Затем, он проходит игру, которая оценивает его когнитивные и эмоциональные особенности

3. Только после успешного прохождения второго этапа, кандидат проходит оценку навыков, непосредственно относящихся к работе в форме видео интервью

4. И только тогда, кандидат допускается к собеседованию непосредственно с нанимающим менеджером

По результатам собеседования, кандидат получает фидбэк. Причем вне зависимости от результата, повысило удовлетворенность кандидатов до 96% !

В результате комплексного внедрения инициативы, срок до найма сократился аж на 90%, а компания смогла сэкономить на этом $1.35 млн в год 🤯!

ИИ полезен там, где а) есть скейл и ресурсы и б) где есть структура, но нет стандартной формы

Долгосрочный барьер на вход никогда не замыкался на исполнении

Shutterstock - база стоковых фото и картинок - отличный пример !

Компания создает стоковые фото и продает лицензии на них. Бизнес существует за счет нежелания компаний создавать фото и картинки самостоятельно. Проще купить готовую картинку за $5, чем нанимать фотографа, ставить свет и делать дубли 😮‍💨

Где барьер на вход ? На уровне исполнения - нежелания клиентов делать фото самим

Что произошло дальше ? Как только ИИ стал делать картинки нужного качества, компания потеряла 96% своей стоимости (акции упали с $123 до $6) 😱 ! Зачем платить за лицензию, если ИИ сгенерирует больше и дешевле 🤨 ?

Контр пример: Bloomberg Terminal - дата провайдер с удобным интерфейсом. С одной стороны, создать интерактивный терминал, собирающий данные с инета не rocket science. ИИ уже это отлично делает, более того, с помощью агентов взаимодействует с API

Где ж барьер для входа ? Bloomberg не строит модель на исполнении… он строит ее на доверии и глубоких интеграциях на ключевых этапах бизнес-процессов клиентов (отказаться от bloomberg, значит спустить кучу времени и денег на перестройку бизнес процессов изнутри) 😰

Другой контр пример: маркептлейсы. ИИ может собрать отличный сайт, для размещения карточек товаров

Но бизнес модель OZON не в исполнении… а в сетевом эффекте ! Продавцы приходят туда, где покупатели, а покупатели там, где продавцы. OZON смог собрать их в одном месте, выполнив сложную нетривиальную задачу. Новый игрок конечно может собрать еще один онлайн-маркепоейс в той же нише, а с помощью ИИ соберет его за недели ! 🤯 Но чтобы привлечь покупателей, нужно переманить продавцов, которые уже на OZON, а чтобы переманить продавцов - привлечь покупателей, которые тоже на OZON 😵‍💫

LLM продают как инструмент автоматизации. Но реальная ценность в другом

Споры вокруг ИИ не утихают: «LLM может писать код - значит автоматизирует всех, кто с ним связан». Но код нужно интерпретировать и читать, а для этого нужно его знать 😁. В таком случае LLM лишь костыль, который не просто не ускоряет, а может даже замедлить процесс ! (Дал задачу, ИИ выдал код, а этот код еще и с нуля читать надо !) 🥴

Однако можно взглянуть на вопрос иначе. Не через автоматизацию, а коммуникацию ! 💡

Раньше процесс выглядел так:
Человек -> код -> ОС (операционная система)

Теперь так: Человек -> LLM -> код -> ОС

код здесь - инструмент коммуникации между человеком и машиной. Машина не понимает человека и не понимает код. Она понимает лишь нули и единицы

Зачем тогда код ? Затем, чтобы его понимал человек ! Каждому слову кода, которое понимает человек, соответствует набор нулей и единиц, который понимает машина. Человек пишет код, а машина декодирует его. Во втором случае, LLM лишь автоматизирует написание кода, но функция коммуникации останется за ним (общение с машиной идет через код)

А чем тогда код отличается от обычной речи ? Да ничем ! Это та же речь, только каждое слово имеет только одно, а не несколько значений, причем вне зависимости от контекста Вот если бы была штука, которая бы понимала не значения конкретных слов, а сам контекст… так вот эта штука и есть LLM 😮

Тогда если раньше процесс выглядел так:
Человек -> код -> ОС (операционная система)

теперь так:
Человек -> LLM -> код -> ОС

то завтра процесс будет выглядеть так:

Человек -> LLM -> ОС

Кода в цепочке больше нет ! Есть только запрос на обычной речи и оутпут от ОС. Отсюда вытекает много концепций. Например, что в таком случае, унифицированное приложение просто не нужно 🤔. LLM в теории может дать команду агентам, которые и до ИИ итак были в ОС, после чего они соберут нужное тебе мини приложение, ведь код для каждого отдельного приложения теперь в принципе писать не надо !🤯

В таком подходе есть свои недостатки и преимущества, а подробнее о них в статье выше

Много хвалят ? Если хочешь узнать правду – спроси сколько заплатят

Где найти зарождающийся тренд среди кучи мусора ?
VC - отличный вариант ! Именно там можно отслеживать зарождение новых рынков, ведь именно там видно, в какие идеи реально готовы вложить свои кровные 🫰

Почему не следить за крупными компаниями, ведь у них точно работает ?
Да, но когда на рынке крупная компания – рынок занят и бизнес модель уже масштабирована, стратегической ценности немного – тот, кто не успел – уже проиграл и думает не о росте, а о сохранении доли ☹️

(Пример, противостояние Англии и Испании – тот кто первый сумел масштабировать новые технологии обработки древесины – тот сумел масштабировать строительство кораблей, в результате занял 90% рынка ! 🤯)

Тогда как бороться с шумом и заголовками в новостях ?
Много людей хотят раньше всех зайти в рынок. Желающих так много, что часть рынка публична ! Прежде чем дать денег, инвестор отвечает на вопрос – как много с этого получу, и что будет, если не выйдет. Это его деньги, их он потерять не хочет, значит кому попало не даст 😠

Есть ли одна общая метрика, которая поможет определить ожидание инвесторов ?
Метрик много, но важно подниматься с базы: сколько денег дали (то есть сколько реально уже есть на балансе) и по какой цене готовы продать (или оценили бизнес). То есть, по какой цене, компания готова продать единицу капитала: EV / Total capital raised to date

А если хочешь увидеть работу подхода на примере конкретного рынка - смотри pdf 👀

Придумал идею ? Молодец 👏! Но деньги получишь при одном условии

Это условие - владение. Если ты не хозяин своей идеи, то денег за нее не получишь, ведь зачем платить если конфета и так на столе и без охраны ?

Но даже владелец идеи продукта не получает выручку от продажи… а кто тогда ? Владелец продукта ! Тот, кто может защитить право владения на него

Именно он получает выручку с продажи и перераспределяет ее только тем, без кого не может обойтись ! (И возможно, но совершенно не обязательно, среди тех, кто в доле окажется и сам автор идеи 🤔)

Что собственно видно по росту среднего чека на вакансию (job ad), согласно их данным

(Кстати, объем вакансий у них не растет, как впрочем и у других джоббордов. Выручка растет только за счет монетизации)

Сделать фичи и назначить цену ? Или придумать цену и потом назначить фичи, за которые заплатят ?

Seek - австралийский hh - предпочитает второй вариант

Зарегался на Seek как работодатель, чтобы понять, что мне хотят продать. Из интересного, заметил, как Seek продает ИИ ассистента. Предлагает его аж для всех клиентов (от базового - до премиум и выше) !

Но, для всех, кто на планах ниже премиум, число ИИ прескринов ограничено 3-5 штуками... что конечно бесполезно, с учетом количества откликов

Поэтому если хочешь нормально скринить на масштабе - то бери премиум !

Агент умнее PhD, а толку нет ? А как сделать чтобы был рассказывает a16z

А16z выпустил статью, где разбирает текущие сложности и перспективы ИИ в бизнесе

- Год назад лучшая модель показывала 42% на бенчмарке OSWorld-Verified, сейчас - 85% (люди справляются на ~72%)

- Но бенчмарк не равно реальность бизнеса: 85% успеха это 15 провалов из 100, а бизнес-процесс работает только если срабатывает каждый шаг

- Модель - теперь не главное узкое место. Проблема в инфраструктуре вокруг: контекст, права доступа, знание внутренних процессов компании, верификация, эскалация, обработка ошибок, кэширование

- Агенты сильнее всего на стандартизированных, повторяемых задачах с чётким протоколом (CRM, тикеты, порталы, обработка заказов) и слабее там, где сложно проверить правильность результата. Но там то как раз таки умная дорогая модель не нужна - часто достаточно open source

- Покупатели выбирают не модель, а инфраструктуру: надёжность, безопасность, простоту внедрения, доказуемый ROI. «Модели уже достаточно хороши» — общее мнение опрошенных

- Экономика уже работает: агент стоит ~$6–8/час (диапазон $3–15) — это на уровне офшорного BPO (~$10/час) и даёт 70–80% маржи против сотрудника в США ($30–45/час)

- Частый рабочий паттерн: агент один раз проходит workflow вручную. Система кэширует его как детерминированный код, дальше выполняет дёшево и быстро, а модель подключается снова только при сбое

Статья здесь: https://a16z.com/can-agents-use-a-computer-yet-weve-got-the-data/