Без шуток

Как смотреть на проект глазами экономиста?

В силу своих околонаучных изысканий начала повторять экономическую теорию и поняла, как экономика помогает посмотреть на любую задачу чуть шире и увидеть лес за деревьями, даже если речь идет о банальной приоритезации бэклога. Поэтому решила поделиться с вами списком бесплатных курсов, которые сама смотрю по вечерам:

• Principles of Macroeconomics - отличный курс как по микро-, так и макроэкономике (несмотря на своё название). Очень забавный преподаватель, который умеет правильно подать материал. Для тимлидов и PM самое то: trade-off для оценки фичей и тех долга, эластичность про ценовую политику и готовность пользователей платить. Без этого спорить с бизнесом о приоритетах очень сложно.

• Курсы по микро- и макроэкономике от ВШЭ. Хороший материал, который даёт базовое понимание экономической теории, несмотря на суховатое изложение преподавателей.

• Financial Markets - вводный курс в финансы в исполнении Нобелевского лауреата Роберта Шиллера. Открыла его для себя, когда перешла работать в банк. Для PMов, работающих с финтехом, маркетплейсами или любым продуктом, где есть деньги и риск.

P.S. Вообще подобные курсы удобно проходить вместе с командой, обсуждая просмотренные лекции раз в неделю, - мы так развлекались в “жирные” годы в АлиЭкспресс, изучая курсы от Reforge. И не забывайте, что на Coursera много бесплатных материалов с опцией "Audit this course", доступных для прохождения без сертификата.

🧠 Вы не рациональны. Как, впрочем, мы все

Ковырялась у себя на диске и нашла запылившуюся статью Чарльза Роксбурга «С поправкой на мозг” от 2003 года, что не умаляет её актуальности.

Даниэль Канеман, всем известный как дедушка поведенческой экономики, разделял наше поведение на две части: быструю и интуитивную “Систему 1”и медленную аналитическую “Систему 2”. Стратегические решения, которые так важны в бизнесе, мы вроде бы должны принимать, используя “Систему 2”, но по факту рулит нашими решениями Первая - та самая, что «не глядя» отвечает на сложные вопросы простыми импульсами.

Собственно, в статье Чарльза Роксбурга отражены когнитивные баги, которые так часто не замечают менеджеры. Их там целых 8, и, поверьте, пару из них вы точно найдёте у себя:

1️⃣ Излишняя уверенность. Мы уверены в себе примерно на 20% больше, чем следовало бы. Возьмём, например, водителей: 90% из них уверены, что водят лучше среднего. Спойлер: так математически не бывает.

2️⃣ «Двойной счёт». Один и тот же рубль почему-то «весит» по-разному в зависимости от того, из какого кармана он выпал. На новый проект деньги даём не глядя, на текущий бизнес - экономим до последней копейки.

3️⃣ Культ status quo. Менять что-то страшнее, чем терять деньги на бездействии. Страх потери у нас в мозге бьёт по эмоциям сильнее, чем радость приобретения. Поэтому так сложно проводить Change Management и оптимизировать процессы в крупных организациях.

4️⃣ Якорение. Одна случайная цифра, выпавшая в начале отчета, и весь дальнейший анализ уже «привязан» к ней, даже если она взята с потолка. На вас также это работает, даже если вы это замечаете.

5️⃣ «Хорошие деньги за плохим результатом». Классика: проект трещит по швам, а мы продолжаем финансировать, потому что жалко бросать то, во что уже вложились. Но деньги уже потрачены, и от новых вливаний ситуация не изменится.

6️⃣ Стадный инстинкт. Безопаснее ошибиться вместе со всеми, нежели оказаться правым в одиночку. Как говорил Уоррен Баффет: лемминги периодически совершают групповые самоубийства, но никто ещё не ругал отдельно взятого лемминга.

7️⃣ Ошибки в прогнозах собственных эмоций. Мы жутко плохо предсказываем, как переживём перемены. В итоге выходит не так драматично, как рисовалось в голове.

8️⃣ Мнимый консенсус. Наш мозг обожает фокусироваться только на том, что подтверждает уже принятое решение, а всё остальное тихонько фильтровать.

Наше поведение во многом определено устойчивыми нейронными связями, которые формировались годами, особенно в детстве. Разрушать «автопилоты» сложно, но иногда полезно тормозить и разбираться, кто за штурвалом — вы или привычка.

❗️Отсюда и вывод: знание этих ловушек не спасёт вас от жадности и высокомерия - от них вообще мало что спасает. Но регулярная рефлексия и привычка спрашивать себя «а точно ли это моя логика говорит, или это мой мозг экономит энергию» - уже неплохая прививка от плохих решений.

Статья короткая, всего 20 страниц, но отрезвляет не хуже холодного душа. Рекомендую👇

Свежий отчет от McKinsey для всех, кто внедряет AI-агентов в бизнес:

💸 Цифра, которая отрезвляет
Один клиентоориентированный процесс с AI-агентом в банке в среднем обходится в $20-30 тыс. Если используется мультиагентная система - стоимость процесса возрастает до $100-200 тыс. Помножьте это на количество запусков и число процессов, которые компания решила «агентифицировать», и станет ясно, почему у многих AI-бюджеты взлетают в космос, хотя цена самих токенов продолжает падать.

🧑‍💼 Как люди стали новой статьей расходов в токеномике
Это самый неожиданный вывод отчета. В типичном клиентском сервисе банка токены занимают 20-25% переменных затрат на агента. А вот человеческий надзор (тот самый эксперт, который перепроверяет решение агента) аллоцирует оставшиеся 70–75%. Все режут косты на модели, но самая дорогая часть - это ревью людьми.

❗️Вывод: если хотите реально сэкономить - не стоит гнаться за самой дешевой моделью. Нужно спроектировать процесс так, чтобы сократить количество кейсов, требующих ручной проверки.

📈 Масштаб решает всё
Фиксированные расходы (инфраструктура, оркестрация) размазываются по масштабу, поэтому экономика агентов предполагает переиспользование: один агент должен быть встроен сразу в несколько процессов. Пример из отчёта: онбординг 2,5 тыс клиентов через агента стоит $10-15 тыс. При увеличении количества клиентов вдвое - стоимость агента вырастает всего на $5 тыс., а не в два раза.

🎯Оценивайте конечный результат
Отдельный агент может выглядеть дешево или дорого, но это ничего не скажет вам об окупаемости всего процесса. Оценивать нужно полную стоимость завершенной задачи: одобренной заявки, закрытой продажи, пройденного онбординга. Пример из McKinsey: в полном цикле онбординга клиента в банке задействовано 5-7 агентов, 3 детерминированные системы и 2-4 команды людей. Даже при такой сложной системе цена упала с $50–150 до $10–30 на клиента, но реализовать её было в разы сложнее, чем казалось на старте.

🔄Главный тезис отчета
Экономика AI-агентов не статична, как в обычных IT-проектах - она меняется вместе с моделями и ценами. То, что может быть невыгодно сегодня, может стать выгодным через полгода. Поэтому авторы советуют закладывать бюджет не только на разработку агента, но и на его постоянную доработку, и регулярно пересматривать юнит-экономику.

Апокалипсис потери рабочих мест отложен. На самом деле мы видим бум рабочих мест в сфере ИИ в США.

ИИ на самом деле оказывается чистым создателем рабочих мест в США, генерируя более 1 млн новых позиций (от строительства дата-центров до инженерных работ в ИИ), чтобы компенсировать сокращения в бэк-офисах. Хотя рутинные административные и клиентские роли действительно сталкиваются с серьёзными потрясениями после внедрения ИИ, общий рынок труда демонстрирует устойчивость.

Проще говоря, рабочие места теперь не могут найти начинающие юристы, журналисты или офис-менеджеры, зато появляется много рабочих мест для электриков, строителей, STEM-специальностей. Меняется структура рынка труда.

💸 Симуляция бизнеса от Qwen ценой в 100 тыс юаней

Пока алармисты спорят, когда же нас всех заменят роботы, Alibaba, вдохновившись экспериментом с кофейней, посадили агента в кресло CEO небольшой e-commerce-площадки, дав ему 100 тыс виртуальных юаней и полную самостоятельность в принятии решений.

🧠 За что же отвечает агент?
В E-CommerceBench агент не просто выполнять разовые поручения, а полностью управлять бизнес-циклом:
• Поиском и отбором поставщиков;
• Переговорами о закупочных ценах (торг в виртуальной реальности тоже уместен);
• Формированием ассортимента и ценообразованием;
• Запуском промоакций;
• Контролем за остатками и ликвидностью, чтобы не словить кассовый разрыв.

⏳ Не просто песочница для тестов
Изолированная среда, в которой оперирует агент, построена на реальных данных: 6886 товаров, 576 поставщиков, из которых 152 - откровенные мошенники. Добавьте сюда комиссии за хранение, репутацию, возвраты, ограничения по времени работы. Всё это наполняет песочницу и дает возможность агенту принимать решения с учетом долгоиграющих последствий, которые могут аукнуться через недели или даже месяцы симуляции.

📉 Выручка - не главное
Интересно, что оценка эффективности происходит с учетом 7 параметров. То есть агенту не выгодно заработать сегодня по-максимуму, убив дальнейших cash flow, и уронив складские запасы и рейтинг магазина. Здесь нужен не просто «умный продавец», который подкидывает релевантный товар, а стратег, который думает на несколько шагов вперёд.

💡Честный вывод
Пока ни одна модель не может стабильно лидировать по всем параметрам. Автономные агенты действительно неплохо справляются с отдельными задачами, но долгосрочное управление всем бизнес-процессом с высокой неопределенностью, рисками и необходимостью идти на компромиссы - это всё ещё огромный вызов.

Ссылки на проект:
Blog
Paper
Project
Code

P.S.: Для всех это четкий сигнал: следующий уровень ИИ-агентов - это не уже привычные одиночные workflow, а целые системы, способные планировать, проверять себя и нести ответственность за последовательность своих решений во времени.

А это уже, на минуточку, почти как в жизни, где бизнес - это не спринт, а марафон с препятствиями.

🔜 Рост ВВП и безработицы. Добро пожаловать в будущее

На выходных посмотрела интервью Эми Вебб, основательницы FTSG, и решила собрать для вас саммари вместе с Gemini.
Ключевые тезисы:

🌍 Перезагрузка общества
Мы с вами не просто свидетели очередной техно-революции, мы живём в момент смены «операционки» всего общества. И именно мы - то самое переходное поколение, на котором уже тестируют новый мир.

🤖 ИИ - такой же печатный станок, но с блэкджеком
Главное отличие нового техно-уклада от предыдущих этапов: ИИ и биотехнологии умеют эволюционировать сами в сторону, которую мы не можем предсказать. Да, звучит как научная фантастика, но мы в ней уже живём.

😱 Тревога - это не слабость, это сломанная карта мира
Мы боимся не ИИ, а огромной разницы между нашими ожиданиями и тем, каким становится мир. Чем быстрее меняется окружающая среда - тем громче хрустят наши колени представления о ней.

📈 ВВП растёт, но работы нет
В будущем возможен сценарий, где капитал окончательно отделится от человека. Экономисты называют это явление «индустриализацией с выключенным светом» - полностью роботизированные заводы, которым не нужны ни люди, ни даже лампочки.

💸 Безусловный базовый даход - не панацея
Если просто давать деньги, общество развалится от отсутствия цели. Эми предлагает платить за "невидимый" труд: уход за близкими, наставничество, воспитание. А ещё - за уникальные данные, которые люди скармливают моделям.

🧠 Спасутся только думающие
Забудьте вопрос про то, какие профессии "умрут". Эми делит мир на «мыслящих» и «немыслящих» специалистов:
• «Мыслящие» используют ИИ как ракетный ускоритель для своих профессиональных качеств.
• «Немыслящие» просят машину думать за них, и она соглашается. Итог предсказуем: увеличение числа конечных ошибок при решении комплексных задач.

🔄 Переобучение - это не про шахтёров и врачей
Власти любят говорить: «учитесь программировать». Но врачу с 20-летним стажем не нужно знать код. Ему нужно расширять знания в собственной области. Верная стратегия тут - не переучить, а научиться применять уникальный опыт в отдельно взятой сфере с использованием ИИ.

📵 Хватит верить алармистам. Давайте мечтать
Вместо думскроллинга и хайпа про быстрое поробощение человечества, лучше спросите себя: какое будущее вы хотите? И стройте свою стратегию именно от этой цели. В разы проще, чем читать прогнозы гадать на кофейной гуще.

🔬 Синтетическая биология
Самый крутой апсайд ИИ, по мнению Эми, это чат-боты прорывы в лечении болезней и качестве жизни. Вот как раз там, где ИИ встречается с наукой, начинается магия.

🏆 Деньги - не главное. В новом мире статус получат гибкие
В мире, где ИИ создаёт изобилие, материальное обесценится. Высокий статус получат те, кто умеет управлять этими системами лучше других. Когнитивная гибкость станет новой роскошью.

Мои мысли вдогонку:
Это интервью отлично дополняет рассуждения про «экономику решения». Если экстраполировать логику Эми на компании: победит не тот, у кого круче модель, а тот, кто быстрее перестроит свою «операционку» под дивный новый мир. И здесь, как и в геополитике, начинается самая интересная игра 😉

☕️ Может ли нейросеть справиться с управлением кофейней?

В пятницу совершенно не хочется грузить вас сложными текстами, поэтому поделюсь интересным экспериментом, который сейчас проводит шведская Andon Labs: ребята открыли кофейню, которая полностью управляется нейросетью Мона. Цель эксперимента - публично показать, с какими задачами нейросети могут справляться самостоятельно, и с какими - нет. С результатами вы можете познакомиться ниже:

🤦‍♀️ Эпоха Gemini: Мона и слитые $38 тыс
Мона на Gemini жила в выдуманном мире и плохо соотносила свои действия с реальностью:
• Заказала 6000 салфеток, 3000 пар перчаток, 4 аптечки и 22,5 кг консервированных помидоров. Плиты на кухне, к слову, не было.
• Легко велась на манипуляции: поверила клиенту со «скидкой 99%», согласилась продавать эспрессо за $1 вместо $3 и раздавала бесплатные обеды за пару постов в соцсетях.
• Игнорировала финансовые данные. Итог закономерен: $38 000 расходов против $9 000 выручки за два месяца.

🧠 Эпоха GPT: Мона включила здравый смысл
С GPT-Моной всё гораздо интереснее. Модель научилась опираться на реальные условия и фильтровать входящие предложения:
• Отказала в скидке за победу в «камень-ножницы-бумага».
• Не повелась на рекламу у блогера с 16 тысячами подписчиков в обмен на еду.
• Перестала заказывать лишнее и предлагать то, что не может приготовить.

🎧 Бонус от ребят: ИИ-диджеи
Andon Labs пошли дальше и запустили радио, где за диджейским пультом также находятся нейросети:
• DJ Grok продал спонсорство за $1 и прокрутил рекламу 131 раз. Вещание приостановили за неэффективностью.
• DJ Gemini заговорил по-немецки и публично извинялся за нацистский марш в эфире.
• DJ Claude - народный любимец с долей аудитории в 41%.

Понаблюдать за самим экспериментом с кафе можно здесь.

Как топовые CEO справляются со стрессом. Семь советов

В журнале HBR вышла подборка советов от пяти CEO из отельного бизнеса, фэшна, консалтинга, корпоративных коммуникаций и сервисов для здоровья.

Чем они поделились:

1. Слушайте стресс, а не глушите его. Стресс сигнализирует, что вы столкнулись с чем-то важным или угрожающим. Если подавите реакцию сразу, потеряете информацию, которую она несет. Лучше спросить себя: что меня задело, почему я так реагирую, каков мой первый импульс. Используйте для этого "зеркало" – доверенного друга, коллегу или хорошего бизнес-коуча.

2. Различайте полезный и вредный стресс, как холестерин. Полезный возникает в моменты с высокими ставками, когда задача сложная, но понятная – такой стресс обостряет внимание. Вредный стресс появляется, когда информации много, а контроля над ситуацией мало – мозг перегружается, человек начинает принимать импульсивные решения. В такой ситуации сокращаем поток данных, определяем границы ответственности и верните себе контроль хотя бы над частью ситуации.

3. Не позволяйте стрессу стать хроническим. Разовый стресс полезен, но постоянная перегрузка истощает организм. Особенно опасен накопительный стресс, когда один напряженный эпизод сменяется другим без времени на восстановление. Главная задача – это время найти.

4. Короткая перезагрузка между задачами – спасение. Пауза даже в 60-90 секунд помогает выйти из паттерна "бей, беги или замри". Просто подышите спокойно, включите приятную музыку или полейте цветы – снизите возбуждение и вернете способность думать. Особенно полезно после тяжелых разговоров и между встречами, которые идут подряд.

5. Выстройте устойчивую рутину и сохраняйте ее в поездках. Ранний подъем, физическая активность, завтрак с близкими, спокойные минуты до работы, понятный режим питания – хотя бы это вы всегда можете контролировать, и лучше бы контролировать. В командировках и на пике нагрузки люди чаще всего жертвуют сном, спортом, едой и просто паузами – тем, что помогает эту нагрузку выдерживать.

6. Слушайте тело. Боль в спине, бессонница, усталость, раздражительность и снижение уверенности в себе – не случайные неудобства, которые можно проигнорировать. Определите заранее свои маркеры перегрузки и решите, что будете делать при их появлении.

7. Спорт – рабочий инструмент, а не соревнование за звание самого дисциплинированного человека. Это лучший способ выдерживать рабочую нагрузку, снимать напряжение и прояснять мышление. Пробежки и прогулки упорядочивают мысли и на время выводят вас из потока проблем и их решений, пользуемся.

🤺 Как меняется логика ИИ-конкуренции

Продолжая животрепещущую тему эффективного использования ИИ, решила поделиться мыслями по поводу книги «Сверхдержавы искусственного интеллекта» Кай-Фу Ли, которая вышла в 2018м году. Автор прогнозировал, что будущий мир ИИ-разработок будет биполярным: США продолжат совершать технологические прорывы, а Китай будет их масштабировать.
Прошло 8 лет. Прогноз сбылся, но только отчасти: ИИ превратился из набора специализированных алгоритмов в полноценную промышленную систему. И да, США действительно находятся в авангарде обучения моделей, но на уровне всего производственного стека технологическим суверенитетом они не обладают. Как, впрочем, и Китай. Потому что “под капотом” эффективной технологии находятся чипы, данные, энергоемкие дата-центры и внедрение в реальный бизнес.

🌍 Конкуренция бизнес-систем
Через пару лет GPT, Claude и DeepSeek не будут отличаться по качеству генерации, и основная ценность сместится к системе, выстроенной вокруг модели. В принципе, мы уже видим это в крупном бизнесе: одна компания одновременно использует несколько моделей под разные потребности, не пытаясь натянуть сову на глобус, создав единый инструмент.
Главным активом становится не модель, а система вокруг неё. Именно поэтому следующая ИИ-волна будет похожа на соревнование бизнес-систем, а не чат-ботов, к которым мы привыкли.

🧠 Дефицит уникальных данных
Первые этапы развития LLM были простыми: чем больше данных (параметров) - тем лучше результат. Но число качественных текстов, созданных человеком, конечно. Возникает новый дефицит: не данные, а уникальные данные.
Банковские транзакции, медицинские истории, данные с производства, лабораторные эксперименты, логистика - все идет в использование, чтобы получить конкурентное преимущество. А на рынок выходят узкоспециализированные модели, дообученные под конкретную область.

💰 Количество параметров не создает бизнес-ценности
Модель на 1 трлн параметров не обязательно лучше модели на 100 млрд, особенно если сужать ее применение до предметной области. Модели с большим числом параметров сильно галлюцинируют, если задавать им узкоспециализированные вопросы, а операционная нагрузка и SLA у них выше.
Именно поэтому новой метрикой оценки эффективности модели становится “экономика решения”. Компании хотят покупать не 1 трлн параметров, а решенную задачу.

♾️ Петля обратной связи
Бизнес, который просто использует GPT, находится в гораздо более слабой позиции, чем тот, который постепенно создает собственный цикл обучения на реальных данных. Модель можно использовать по API, GPU арендовать, веса скачать, а вот найти в открытом доступе реальные данные взаимодействия с моделью, историю её ошибок, исправлений и результатов - нет.
Поэтому очень важно создать цикл самообучения: бизнес-функция на базе LLM → взаимодействие с пользователем → данные → обучение модели → улучшение бизнес-функции.

🐘 Мы можем не замечать слона
Возвращаемся в 2018 год: трансформеры уже существуют, но мало кто делает на них ставку из-за специфики применения. Как и Кай-Фу Ли, который не понял, что через несколько лет именно они станут фундаментом новой ИИ-экономики. Сегодня мы точно также строим прогнозы вокруг объёма параметров, взаимодействия с агентами, оптимизации энергозатрат. Но, возможно, уже существует «мелочь», которая через те же несколько лет перевернёт всё. Как уже упомянутые трансформеры или CRISPR, который изначально обнаружили в йогуртовых бактериях.

Поэтому мой посыл довольно простой: не пытайтесь угадать, какая модель победит. Главное, кто сейчас создает и контролирует полный бизнес-цикл с петлей обратной связи. Именно это может стать главным конкурентным преимуществом ИИ-эпохи.

Занятно, что такая логика легко переносится с отдельных ИИ-продуктов на геополитику. И вот там, на мой взгляд, начинается самая интересная игра 😉

🤖 Агент или чат-бот? Определяем агента по 6 критериям

Вышло неплохое исследование ИИ-агентов от "Яков и Партнёры" (ex. McKinsey), которое даёт четкое определение тому, что же всё-таки считать ИИ-агентом, а что - дорогостоящим чат-ботом с красивым названием.

🔥 Главный парадокс: внедрение ≠ прибыль
• 88% компаний используют ИИ хотя бы в одной из функций, но положительный эффект на прибыль заявляют лишь 6%.
• В России картина похожая: 71% применяют генеративный ИИ, но положительного эффекта более 5% достигли лишь 9% компаний.
• Причина тому - "каскад затухания". В лабораторных условиях на уровне отдельных задач ИИ ускоряет работу на 56%, но в реальных проектах темпы, наоборот, падают на 19%. Чем шире масштабируется решение внутри предприятия, тем медленнее растет эффективность. В целом логично и соотносится с любой кривой убывающей полезности.
• Уповать на ускорение одной функции в общем процессе бесполезно, технология не будет эффективно работать без перестройки всего конвейера.

🧠 Что такое ИИ-агент на самом деле?
Наконец кто-то предложил внятные критерии! Авторы предлагают 6 признаков, по которым мы можем отличить агента от ассистента:
• Агентный цикл (планирование → действие → наблюдение → коррекция)
• Планирование (самостоятельно декомпозирует цель на шаги)
• Работа с инструментами (API, браузер, написание кода)
• Самокоррекция (исправляет ошибки без человека)
• Память между сессиями
• Автономное завершение всего процесса при достижении поставленной цели

🌍 Мировой рынок: 39% - агенты, остальное - маркетинг
Из 18 продуктов, лидирующих на рынке, критериям соответствуют только 7: Claude Code, Devin, Codex, Operator, Cursor, Harvey и Manus. Оставшиеся 11 - это ассистенты с красивой этикеткой.
Тут стоит отметить, что в терминологии "Яков и Партнёры" агент - это более продвинутая сущность, чем ассистент. Классификация в западных исследованиях часто отличается.

💡3 практических вывода для руководителей

• Знать, что покупаете:
Агент и ассистент - это разные классы решений с разной ценой и потенциалом. Не дайте себя обмануть маркетингом.

• Тестировать на одном повторяющемся сценарии, а не на целой функции:
Не «обработка клиентов», а «обработка возвратов на первой линии». Сценарий должен состоять из 3-7 шагов, иметь измеримую метрику и ответственного из бизнеса (не из IT!).

• Честно считать эффект - и не бояться остановиться.
95% пилотов не окупаются в первые полгода - это нормально. Если через 90 дней нет прогресса, возможно, дело не в технологии, а в данных или процессах. Приостановка пилота - тоже результат.

📌 Где агенты НЕ нужны?
Ответьте честно на 5 вопросов:
• Процесс не повторяемый?
• Нет чётких критериев успеха?
• Все ли данные оцифрованы?
• Цена ошибки высока?
• Нельзя работать без проверки каждого шага?
Если «да» на 3+ — внедрять агента рано. Сначала автоматизируйте рутину простыми способами.

В общем, хорошее чтение для тех, кто хочет предметно разобраться в теме и выделить прикладные критерии для работы.

Свежий AI Jobs Barometer от PwC — пожалуй, одно из самых человечных исследований про ИИ. В нём проанализировали более миллиарда вакансий на шести континентах — и картина оказалась сложнее, чем «нейросети всех заменят».

Главный вывод:

ИИ не отменяет человека. Он меняет то, за что человеку платят.

Пока ИИ забирает рутину — поиск информации, первый черновик, типовые письма, базовую аналитику, часть кода — растёт ценность того, что не сводится к шаблону: суждения, переговоров, ответственности, понимания бизнеса и клиента.

Цифры это подтверждают:

🔴 В компаниях с наиболее активным внедрением ИИ численность персонала с 2018 года выросла на 52%. В компаниях с меньшим проникновением ИИ — на 36%.

🔴 Вакансии, где нужны ИИ-навыки, с 2019 года выросли на 69%. Весь рынок вакансий — только на 9%.

🔴 В профессиях, наиболее затронутых ИИ, зарплаты росли на 24% быстрее среднего. А в ролях, где ИИ усиливает человеческую экспертизу, — на 42% быстрее.

🔴 Вакансии с повышенными требованиями к человеческим навыкам — критическому мышлению, самостоятельности, коммуникации, лидерству — в ИИ-зависимых профессиях стали встречаться в 7 раз чаще.

Что это означает на практике?

Не «один сотрудник с ChatGPT заменит целый отдел».
Скорее так: один сотрудник с ИИ сможет быстрее пройти путь от идеи до результата. А компания сможет направить людей туда, где важны качество, ответственность и рост бизнеса.

Да, часть ролей и процессов будет сжиматься. Это уже происходит: поддержка, бэк-офис, контент, базовая разработка, аналитика. Но вместе с этим растёт спрос на тех, кто умеет поставить задачу ИИ, проверить ответ, встроить его в процесс и взять ответственность за итог.

Самый сложный вопрос — что будет с джунами.

Раньше на старте карьеры человек учился на рутине. Сейчас эту рутину первым забирает ИИ. Поэтому от начинающих специалистов уже ждут не только исполнения, но и самостоятельности: уметь формулировать задачу, замечать ошибки, объяснять логику решения, работать с людьми.

Именно поэтому бояться ИИ как «увольнителя» — слишком простая картина.

Правильнее смотреть на него как на новый слой инфраструктуры — примерно как интернет, облака или смартфон. Он уменьшает цену типовой работы и увеличивает цену осмысленной.

Вопрос уже не в том, заменит ли ИИ человека.
Вопрос в другом: какую часть своей работы вы готовы отдать ИИ, чтобы стать сильнее там, где нужен именно человек. Получается довольно простая мысль: ценность человека теперь не в том, чтобы быстро делать типовое. Ценность — в том, чтобы понимать, что типовым быть не должно.

https://www.pwc.com/gx/en/services/ai/ai-jobs-barometer.html

Подгон: собрал 754 питчдека на ~2 ГБ, включая самые легендарные: первый дек Airbnb, Uber, Loom и тд.

Весь список с описанием выложил на GitHub - если кинете звёздочку🌟, буду рад: https://github.com/midovislam/awesome-pitch-decks

Сами файлы лежат у меня в Google Drive, качайте на здоровье: https://clck.ru/3U5jba
Базу особо не чистил, но она очень прикольная.

Если в одну фразу упихнуть вывод базы: успешность фандрейза определяет не дизайн😁

Топ-30:

1. Airbnb 2008, Pre-Seed: https://clck.ru/3U5jYa
2. Uber 2008: https://clck.ru/3U5jaa
3. Shopify 2016: https://clck.ru/3U5jac
4. Dropbox 2007, Pre-Seed: https://clck.ru/3U5jad
6. LinkedIn 2004, Series B: https://clck.ru/3U5jah
7. GitLab 2015, Seed: https://clck.ru/3U5jaj
8. Figma 2013, Seed: https://clck.ru/3U5jak
9. Canva 2015, Seed: https://clck.ru/3U5jao
10. Coinbase 2012, Seed: https://clck.ru/3U5jaq
11. Databricks 2017, Series D: https://clck.ru/3U5jar
12. Intercom 2012, Seed: https://clck.ru/3U5jau
13. Tesla 2011: https://clck.ru/3U5jax
14. Twilio 2010, Series B: https://clck.ru/3U5jay
15. WeWork 2014, Series D: https://clck.ru/3U5jb2
16. Theranos 2006, Series C: https://clck.ru/3U5jb3
17. Brex 2018, Series B: https://clck.ru/3U5jb5
18. Gusto 2014, Series A: https://clck.ru/3U5jb7
19. Replit 2016, Seed: https://clck.ru/3U5jb8
20. YouTube 2005, Series A: https://clck.ru/3U5jb9
21. Loom 2017, Seed: https://clck.ru/3U5jbG
22. Wise 2020, Series A: https://clck.ru/3U5jbJ
23. Opendoor 2014, Series A: https://clck.ru/3U5jbL
24. Crunchbase 2019, Series C: https://clck.ru/3U5jbQ
25. DocSend 2013, Seed: https://clck.ru/3U5jbR
26. BuzzFeed 2008, Series A: https://clck.ru/3U5jbS
27. Postmates 2011, Seed: https://clck.ru/3U5jbT
28. DoorDash 2013: https://clck.ru/3U5jbU
29. Mollie 2020, Series B: https://clck.ru/3U5jbW
30. Mambu 2021, Series E: https://clck.ru/3U5jbY

ну как собрал. спарсил чтобы удобнее смотреть и за раз скачать)
https://unicornpitchdecks.com/ и https://bestpitchdeck.com/

🎧 Подкаст выходного дня: как системно мыслить в эпоху ИИ

Если хотите провести время с пользой и получить прикладные знания для работы с агентными системами - послушайте подкаст "Системное мышление для инженера" с Иваном Закутным. В нём простым языком погружают в FPF (First Principles Framework) и системную инженерию, подходы которой универсальны и применимы во всех сферах жизни: от создания кода и архитектуры до решения бытовых задач.

Для себя лично отметила аргумент про усиливающуюся важность мышления письмом, которое помогает систематизировать мышление и избежать иллюзии понимания.

Наткнулась на статью McKinsey про "агентные организации" в эпоху ИИ от сентября прошлого года. В ней приводят следующую картину изменения навыков:

• M-shaped supervisors — надзиратели ИИ с широким кругозором и общим пониманием, умелые в оркестрации гибридной рабочей силы (ИИ+человек) в разных доменах. В отличие от текущих проектных менеджеров и тимлидов, должны понимать как выстраивать полный цикл и уметь передавать ИИ то, что у него лучше всего получается делать. То есть, интегрировать и не жадничать, оставляя часть отмирающего функционала человеку для сохранения рабочего места.

• T-shaped experts — технические специалисты с хорошим бэкграундом и сильно утяжелившейся функцией, потому что им нужно обучать и настраивать агентные системы, не забывая про обширные корнер-кейсы.

• AI-augmented frontline workers — сотрудники, работающие напрямую с человеком (HR, продажи), но дополненные ИИ. Они не управляют процессом и сист5мой, не обучают агентов, а используют ИИ-хвостик по назначению.

Так чему же нам учиться? К сожалению, тут McKinsey советуют традиционный борщ: критическое и абстрактное мышление, творчество, навыки решения сложных проблем и принятия решений.

--
Стоит заметить, что полет фантазии у ребят всё-таки ограничен, и им очень сложно выбраться из своей парадигмы лего-кубиков. Но ознакомиться стоит.

🚰 Оплата ИИ по счетам ЖКХ

Пару дней назад на саммите BlackRock Infrastructure Сёма Альтман заявил, что ИИ будет предоставляться населению как коммунальные услуги:

“Мы видим будущее, в котором интеллект станет таким же ресурсом общественного пользования, как электричество или вода. Люди будут покупать его у нас по счетчику и использовать для своих нужд.”

Эта фраза не только указывает на потенциальный отказ индустрии от модели подписок в пользу системы оплаты за фактическое потребление (pay-as-you-go), но является важным сигналом, который раскрывает нам стратегическое видение будущего всего общества:

‼️ ИИ станет настолько вездесущим и критически необходимым, что превратиться в среду, в которой мы существуем.

Кстати, три года назад как-то дискутировали с Димой о том, что именно энергия станет следующей мировой резервной валютой. Надо бы собрать эти мысли в кучу, пока в Кремниевой долине набирает оборот тренд на выдачу зарплаты в ИИ-вычислениях.

Тренды ИИ в 7 карточках: где мы окажемся через год? 👉🏻

Подготовила для вас, хоть и с явным запазданием, карточки с прогнозом на 2026 год. В них краткие тезисы того, что нас с вами ожидает.

#тренды #прогнозы