Герман Орлов I Код ценности

Четыре тысячи рублей в месяц. Столько получала моя мама - медсестра в сельской больнице. Мне было пять, и она отправляла меня в магазин через улицу за «Анакомом». Мы ели его сухим, с приправой из пакетика. Это было единственное, что мы тогда могли себе позволить.

Село Воскресенское, Саратовская область, три тысячи человек. То, что принято называть глубинкой. Частный дом, хозяйство — куры, гуси, утки, свиньи, коровы. В разное время разные, но кто-то был всегда.

Отец был родом из Иркутской области. Каким-то случайным стечением обстоятельств в свои двадцать он оказался в Саратовской, встретил маму, и через несколько лет появился я. Он ушёл, когда мне было четыре. Алкоголь и неготовность быть отцом.

До восьми лет мама тянула меня одна. Работала на нескольких работах, крутилась, пыталась нас вытащить. А потом уехала - сначала в Саратов, потом в Москву. За той самой лучшей жизнью, за которой тогда уезжали все. Меня оставила бабушке и дедушке.

И вот здесь начинается главное.

Бабушка — учитель биологии и химии, заведующая в районном отделе образования, директор школы. Строгая, серьёзная, системная. Сегодня я бы сказал, что она вела моё образование как операционный директор: ставила задачи, проверяла уроки, сверяла отчётность, требовала ответственного отношения к тому, что тогда было моей единственной работой. Я закончил школу с серебряной медалью. Это её медаль не меньше, чем моя.

Дедушка — полная её противоположность. Лёгкий, быстрый, обаятельный. Человек, построивший карьеру ещё в Советском Союзе: дорос до главы колхоза Воскресенского района - тысячи людей, десять тысяч голов скота, комбайнёры, доярки, целое хозяйство. Потом директор по персоналу в администрации, депутат Саратовской думы. Он мог найти язык с кем угодно и договориться о чём угодно. И он рассказывал мне истории - про студенчество, про высшую партийную школу, про людей. Бесконечно.

Она научила меня дисциплине. Он научил меня людям.

Они вложили в меня всё, что у них было, и ещё немного сверху. Бабушка ушла с работы, чтобы держать дом и заниматься мной. Дедушка после пенсии вернулся работать - водителем на молокозавод. Чтобы у внука в Москве были карманные деньги.

Пенсионер. За руль. Ради карманных денег студента.

Я много читал про self-made карьеры и каждый раз спотыкался об этот термин. Никто не self-made. За каждым, кто доехал, стоят люди, которые где-то в самом начале решили вложиться и ничего не просить замен. Мои - это женщина, которая проверяла мои тетради, и мужчина, который в шестьдесят с лишним сел за руль молоковоза.

Всё, что во мне есть, — от них.
За последний год они ушли. Оба.

Посвящается Валентине Викторовне и Виктору Васильевичу Орловым.

Что меняется, когда становишься директором продуктов

С января у меня новая роль - Global Head of Home & Cyber Digital Solutions в Allianz Partners. Грейд Allianz Executive, по-простому, директор продуктов. За 4.5 года в компании, четвёртая позиция и третье повышение.

Но пост не про повышение. Пост про то, что я увидел, когда принял новый скоуп, и почему это перевернуло мои представления о том, как на самом деле работают digital-продукты в крупных корпорациях.

Масштаб: было → стало
Head of Products: 3 продукта, 11 стран, ~70k MAU, 3 команды.
Сейчас: 16 цифровых продуктов, 36 стран, 600k MAU, бизнес на €1B/год. 6 человек в прямом подчинении, 80+ в матричном.
Рост в 5-8x по каждой метрике. Но самое интересное, конечно, не в цифрах.

Вещь, которую я не ожидал увидеть
Моя основная миссия - post-merger integration. Allianz купил инновационную компанию 6 лет назад и так и не интегрировал её в свою структуру.
Когда я принял этот отдел и начал разбираться в том, что мне досталось - я обнаружил вещь, которая сначала меня шокировала, а потом заставила задуматься.

Одно из приложений в моём портфолио обслуживает 400 000 MAU.
• Без CI/CD.
• Без автотестов.
• На монолитной архитектуре.
• С vertical scaling.
И оно работает. Не идеально, но работает. Держит трафик. Приносит revenue. Пользователи приходят и возвращаются.

Первая реакция любого технического человека - «это нужно срочно переписать». Моя, кстати, тоже была такой.
Но потом включается мышление директора продуктов, а не инженера.

Настоящий вопрос
Настоящий вопрос - не «как это вообще работает», а «почему это проработало 6 лет и никто не вмешался». И ответ неудобный: потому что для бизнеса это было нормально. Product-market fit есть. Revenue идёт. Пользователи не уходят.

Проблема в другом. У этого продукта ожидаемый рост трафика x10 к концу года. И вот тут монолит с vertical scaling - это уже не «ну работает же», а бомба замедленного действия.

Мне пришлось собрать данные, построить модель = что произойдёт при x10 нагрузки на текущей архитектуре, сколько стоит рефакторинг, и что мы теряем, если не делаем его сейчас. Запитчил CEO и CTO. Получил спонсорство и ресурсы.

Это и есть работа директора продуктов: не «давайте всё перепишем, потому что best practices», а «вот конкретная бизнес-модель, почему мы это делаем сейчас и что случится, если не делаем».

Что ещё было в первые месяцы
Параллельно с этим - миграция всех приложений с vendor-managed AWS на внутреннее enterprise-облако (✅ сделано), выстраивание KPI-фреймворка с нуля (ни одной системной метрики не существовало), запуск разработки shared AI-инфраструктуры для ChatBot'ов и VoiceAgent'ов, пересмотр всех контрактов, compliance, кибербезопасность. И ещё впереди перестройка самой команды.
Всё - одновременно. Всё - в первые три месяца.

Неочевидный инсайт
На уровне Head of Products ты управляешь продуктами.
На уровне директора ты управляешь системой, которая производит продукты.
80% моего времени - это не фичи и не юзер-стори. Это кросс-функциональные согласования, financial governance и выстраивание процессов между командами, которые раньше не разговаривали друг с другом.

Парадокс: чем выше ты растёшь в продуктовом управлении, тем меньше ты занимаешься продуктом напрямую - и тем больше твоё влияние на него.

А ещё один парадокс: приложение на монолите без CI/CD с 400k MAU = это одновременно и провал инженерной культуры, и доказательство сильного product-market fit. Зависит от того, с какой стороны смотришь.

Пишите, про что из этого особенно интересно почитать подробнее.

Почему OpenAI и ChatGPT это не новый Amazon

Встречался с друзьями на выходных, вели дебаты об успехах "ChatGPT" и многократно повторялся один и тот-же аргумеент: «OpenAI просто идет по пути Amazon». Типа, Безос тоже годами жег деньги на строительство складов, работал в минус, а потом захватил рынок и стал печатать прибыль. Звучит логично, но я тут покопался в цифрах и понял, что это сравнение вообще не бьется с реальностью.

Вот ключевые отличия и факты, которые показывают, почему ситуации кардинально разные:

1. Масштаб убытков: $3 млрд против $665 млрд
Amazon до выхода на стабильную прибыль (с 1994 по 2003 год) сжег суммарно около $3 млрд. Внутренние документы OpenAI показывают, что до 2030 года они планируют сжечь $665 млрд. Это в 220 раз больше исторического максимума Amazon. Эта сумма превышает стоимость космической программы «Аполлон» (с учетом инфляции). Только в 2026 году ожидаемый чистый убыток OpenAI составит $14-16 млрд.

2. Экономика масштаба работает в обратную сторону
У Amazon затраты были фиксированные. Построил склад - и чем больше через него проходит товаров, тем дешевле обходится доставка каждой следующей книги. У OpenAI предельные издержки линейные. Каждый раз, когда ты отправляешь промпт, физически работают серверы (инференс) и жгут электричество. Сейчас у них 900 млн юзеров в неделю, и из-за этого роста затраты на вычисления выросли в 4 раза за 2025 год. Валовая маржа упала с 41% до 33%. Стандартная подписка просто не окупает активных пользователей - отсюда и их решение внедрять рекламу.

3. Пузырь «круговых инвестиций»
Amazon финансировался публичным рынком, а деньги приносили миллионы независимых покупателей. А как устроено у OpenAI? Microsoft и Nvidia дают им миллиарды долларов. Затем OpenAI берет эти же деньги, арендует на них сервера у Microsoft и покупает чипы у Nvidia. Это замкнутый круг. Если OpenAI не выполнит свои планы по выручке, повалятся доходы и прогнозы всех технологических гигантов, которые их же и спонсируют.

4. Тупик физических ограничений
Amazon для роста искал ангары и людей. OpenAI для роста ищет гигаватты электричества. Чтобы освоить запланированные $600 млрд на инфраструктуру до 2030 года, им нужны новые электростанции. Ожидается, что дата-центры скоро будут сжирать 10-12% всей энергии в США. А очереди на подключение к сетям в некоторых штатах уже доходят до 7 лет. Эту проблему нельзя решить новым программным кодом.

В сухом остатке:
Чтобы к 2029 году OpenAI действительно показала обещанные $101 млрд выручки и $14 млрд прибыли, должно одновременно сойтись 5 критических факторов. Им нужно:
✔️Сломать отрицательную юнит-экономику (радикально удешевить генерацию ответов).
✔️Успешно внедрить рекламу, не растеряв сотни миллионов пользователей.
✔️Чудом обойти многолетние очереди на электричество для новых дата-центров.
✔️Постоянно отбиваться от open-source (бесплатных нейросетей-аналогов, которые обесценивают технологию).
✔️Не дать лопнуть хрупкой схеме инвестиций, где твои поставщики - это твои же главные инвесторы.

Если слетит хотя бы один пункт, рухнет вся финансовая модель. Так что OpenAI - это не предсказуемый путь Amazon, а, на мой взгляд, самый дорогой и рискованный инфраструктурный эксперимент в истории современных рынков.

Делитесь в комментариях, что думаете по этому поводу. И как New Year is treating you 🙃

Про взлет Product Ops

Общался на прошлой неделе со знакомыми продактами в Париже и серьезно задумался, почему так много из них выглядят измотанными. Начал разбираться в вопросе и наткнулся на интересную штуку.

Вот представьте: вы современный продакт-менеджер.
• Вы начинаете свое утро с разговара с клиентами, пытаетесь понять их боль, строите видение продукта. Это классическое стратегическое мышление, где нужно мыслить широко и креативно.
• А через час вы уже сидите в таблицах, настраиваете дата-пайплайны, согласовываете процессы между командами. Это совершенно другой тип мышления - системный, операционный, где нужна предельная точность.
И как мы все знаем наш мозг физически не может эффективно переключаться между этими режимами. Дивергентное и конвергентное мышление - это как пытаться одновременно быть художником и бухгалтером. А именно этого требует рынок современных пмов.

Дальше быстрая проверка рынка показала, что компании вроде Stripe, Uber и других давно заметили эту проблему. Они сделали простую вещь - разделили роль надвое. Так появилась функция Product Operations (Product Ops).
• Продакт остался с клиентом и стратегией.
• А Product Ops взял на себя всю операционную машину: аналитику, процессы, инструменты.
И знаете, что интересно? В компаниях с Product-Led Growth (где продукт сам себя продаёт) эта функция стала не просто поддержкой. Она управляет тем, как бесплатные пользователи превращаются в платящих. Это уже про деньги напрямую.

А с AI всё становится ещё интереснее. Кто-то же должен управлять этими ML-моделями, дата-пайплайнами, следить за их производительностью. Product Ops сегодня нативно превращается в архитектора AI-систем внутри компании.

И вот что меня удивило больше всего. Прогнозы индустрии говорят, что через три года Product Ops будет не поддерживать стратегию, а формировать её. Они будут использовать AI для анализа миллионов data points в реальном времени и показывать, как продуктовые метрики связаны с реальными деньгами - ARR, retention, конверсией из free в paid.

По сути, это история о том, как в индустрии пытались запихнуть невозможное в одну роль, а потом поняли, что нужно просто дать людям делать то, что они делают лучше всего.

Расскажите, что происходит у вас в компаниях 🙂 Уже есть Product Ops?

Код ценности

OpenAI - новый Amazon?

На прошлой неделе OpenAI представили Agent Kit, Agent SDK, а также нативные интеграции со Slack, Spotify и многими другими сервисами.

Какую закономерность я наблюдаю? OpenAI всё больше смещает фокус с улучшения базовых моделей на выпуск функций прикладного уровня.

Получается, что гонка в области искусственного интеллекта достигла плато. А когда вы больше не можете побеждать, выпуская лучшие модели, вы находите новые способы роста. И один из самых известных способов - это вертикализация вверх по стеку.

Это классическая стратегия Amazon, только применённая к искусственному интеллекту:
• Создать базовую модель (платформу).
• Позволить тысячам стартапов создавать на её основе надстройки (продавцы).
• Определить самые успешные сценарии использования (боты для совещаний, ассистенты в Slack). <---- вы находитесь здесь.
• Интегрировать их в основной продукт и напрямую конкурировать.

На мой взгляд, платформа официально начинает конкурировать со своей же экосистемой. И остаётся главный вопрос: сколько стартапов, построенных сегодня на API OpenAI, доживут до следующего года?

Поделитесь своими мыслями в комментариях.

Код ценности.

Про работу в кайф и наш новый продукт для геймеров!

За 10 лет в корпоративном мире (Sanofi, L'Oréal, Allianz) я усвоил одно: at least at work you need to have fun! По крайней мере, я всегда старался. В обычной жизни я тот еще зануда :)

И вот вчера мы запустили, возможно, самый веселый продукт в моей карьере - BreachBunny
https://www.breachbunny.com/de

Идея простая. Есть геймеры - огромная и крутая аудитория, про которую страховые компании почему-то забыли. А ведь геймеры как катеогрия зарабатывают намного приличнее среднего. И в целом, до сих пор еще никто не сделал страховку, которая была бы фан.
Как говорится, подержите мое пиво 🤓.

В планах - коллаборации с блогерами на Twitch и YoouTube, участие в game confereces и куча всего интересного.

Код ценности.

Поиск без переходов: как меняется рекламная машина Google

В последнее время размышляю о том, как Google будет реагировать на падение вовлечённости пользователей в поисковой выдаче. AI Overview (AIO, или «ответы ИИ») предоставляют пользователю информацию сразу, зачастую полностью устраняя необходимость переходить по ссылкам. Это прямой удар по рекламной модели компании, построенной на кликах и аукционах за ключевые слова (в 2025 году 77% выручки компании приходится на рекламу, что составляет почти 300 млрд долларов).

А что там по фактам:

1. С AIO люди кликают по обычным ссылкам лишь в 8% визитов (без AIO - 15%). 26% сессий заканчиваются на странице поиска (без AIO - 16%). По ссылкам внутри AIO кликают ~1%. (1)

2. «Первый экран» сильно ужался. Верх страницы заняли AIO и реклама, топ ссылки ушли ниже, теперь нужно скроллить. CTR позиции №1 падает ~на 34,5%. В среднем CTR по запросам с AIO просел на ~15–20%. AIO весной-летом 2025 появлялся ~в 2,16 раза чаще. (2)

3. Zero-click растёт. Zero-click - это когда ответ найден без клика. Без AIO медиана ~60%, с AIO - ~80-83%. Из 1000 поисков в ЕС/США на внешние сайты уходит лишь 360–374 клика. Cайтам и магазинам приходит меньше трафика -> рекламодатели уже режут бюджеты или уходят в другие каналы. (3)

4. Непрозрачность рекламы в AIO. Сегодня нельзя целенаправленно включить/исключить показы в AIO. Отдельной статистики по AIO нет - всё отображается как «Top Ads». Трудно понять, что работает и как это оптимизировать. (4)

5. В добавок здесь я писал, что суд США обязал Google делиться частью поисковых и поведенческих данных.

Если суммировать: кликов меньше, процесс размещения рекламы стал менее прозрачным, конкурентное преимущество Гугл размывается.

🤓 - если тоже любопытно, как Google будет удерживать текущую маржу.

Код ценности.

Новый плейбук AI-стартапа

Скорость и экономика AI сломали всё, чему нас научила эра SaaS:

1. Старый playbook B2B SaaS (Sales-led → PLG) уже не работает

Скорость разработки AI-продуктов, где от идеи до прототипа проходят часы, а не месяцы, ломает медленные циклы традиционного маркетинга и A/B-тестирования. Оптимизировать воронку бессмысленно, когда сам продукт меняется ежедневно.

2. Экономика AI - это не экономика SaaS

Валовая маржа падает с привычных 80-90% до 40-60% (а иногда и ниже) из-за колоссальных и переменных затрат на inference (вычисления для каждой операции пользователя).

3. LTV:CAC как North Star Metric больше не работает

Главной метрикой выживания становится Contribution Margin (CM) на уровне фичи и клиента. Обязательно считаем переменные издержки: инференс, ручная проверка, платные API. Парадокс тут прост – самые активные фанаты могут увести CM в минус, если цена не связана с себестоимостью.

4. Прайсинг должен следовать за compute

Уход от «per seat» в сторону кредиты за использование, оплата за результат, гибрид фикс плюс переменная. Предохранители: квоты, понижение класса модели, кэш, пакетная обработка. Рост использования обязан повышать маржу.

5. Новый подход к выходу на рынок - это Culture Native Growth

Вместо построения собственного сообщества вокруг продукта фокус смещается на глубокую интеграцию в уже существующее сообщество с общей страстью / увлечением.

Lovable вместо закупки трафика в Google инвестирует в онлайн турниры по шахматам Магнуса Карлсена. Их маркетологи покупают не клики, а доверие и доступ к глобальному сообществу стратегов и аналитиков – точное попадание в их психографию

6. AI-натив операционный ритм

Необходимо еженедельно проводить эконом-ревью фич: цена запроса, частота вызовов, доля кэша, CM по сегментам, жалобы по SLA. Если CM ниже нуля, автоматом включаются триггеры: понижаем модель, меняем тариф, заменяем LLM локальной эвристикой.

7. Аутентичность становится главной валютой.

В мире с переизбытком AI контента доверие и подлинная человеческая экспертиза превращаются в самый дефицитный и ценный актив, а доверие клиента становится новым полем битвы.

8. Возрождение Founder-Led Sales

Основатель снова становится главным евангелистом и каналом продаж. Его уникальное сочетание страсти, глубокой экспертизы и видения невозможно скопировать или нанять и ранние клиенты покупают не продукт, а веру в основателя.

9. Устойчивое преимущество в AI всё реже зависит от самой технологии (модели быстро коммодитизируются). Прорывом становятся бренд, встроенный в культуру, и нетривиальная GTM-стратегия, которую сложно повторить.

10. Главный абсурд в AI-бизнесе – мы используем «бесчеловечные» AI технологии для создания продукта, но продавать его вынуждены через самые человечные каналы живым людям.

В итоге выигрывает не тот, у кого сложнее модель, а тот, кто глубже понял новую экономику и научился строить рост на фундаменте доверия, человеческих эмоций и культуры.

В гостях был German Orlov (c)

Мой отзыв о «Франции» после 6 лет использования.

В 2019 году я решил сменить основного «провайдера» жизненных услуг и установил себе ОС «France v. Macron». Подошло время поделиться честным отзывом.

Онбординг - 3/10.
В целом, процесс первого использования можно сравнить с онбордингом в Notion - очень нужен друг, который уже разобрался и сейчас тебе всё покажет.

UX - 9/10.
Что-что, а интерфейс тут топовый: круассаны по утрам, вино в обед и 35-часовая рабочая неделя - это, как говорится, не баги, а базовые фичи. Правда, для доступа к ним нужна двухфакторная аутентификация (язык + терпение в префектуре), но оно того стоит.

Стабильность - 8/10.
Тут очень надёжная архитектура, проверенная веками и парой революций. Версии правительств могут меняться, но ядро операционной системы работает без сбоев. Права пользователя защищены намертво, да и условия пользовательского соглашения - достойные.

Производительность - 6/10.
Под капотом стоит мощный процессор. Он не всегда бьёт рекорды в бенчмарках и склонен к перегреву (нужна мощная система «социального охлаждения»). Главный минус - прожорливость: требуется серьёзный «блок питания» с прогрессивной шкалой налогообложения до 45 %.

Обновления - 8/10.
Продукт не стоит на месте. Постоянно выходят «апдейты»: от стартап-хабов в Париже до зелёных технологий. Есть уверенность, что система не устареет и будет актуальна ещё долго. С «дорожной картой» и видением всё в порядке.

Дополнительные фичи - 9/10.
Доступ ко всему ЕС. Скоростные железные дороги. Культурно-гастрономический Диснейленд из музеев и мишленовских ресторанов. Субсидии на что угодно - лишь бы ты не грустил. Максимальный фарш социальных опций.

Баги:
• Почему-то 0,01 % самого богатого населения (около 1 800 семей) платят в два раза меньше налогов, чем средний человек по стране.
• В государственных госпиталях Парижа тебя не примут, если у тебя нет открытой раны.
• В регионах и небольших городах люди почему-то не живут, а выживают.

Финальная оценка - серьёзно? Это же Франция: как вообще можно о чём-то рационально рассуждать, когда круассаны и эклеры такие вкусные!

В общем, благодаря круассанам подписку продлеваю на бессрочной основе. Скоро должны выдать права администратора.

Рекомендую!

🕊️ - за прямые билеты Москва - Париж.

Код ценности.

Google vs Суд США. Часть 2. Битва за "неофициальную валюту интернета"

Оказалось, что решение суда, которое я разбирал в прошлом посте, касалось только первого дела против Google - о контроле над дистрибуцией (Поиск, Android).

А на этой неделе начался второй, ключевой процесс. В этот раз речь идет о «контроле над монетизацией» рекламных технологиях Google.

И если первое дело было важным, то новое дело бьет в самый core бизнес-модели Google, ее монополию в Ad Tech. В центре внимания два продукта: Doubleclick for Publishers (DFP), сервер для управления рекламой, и AdX, биржа, где эта реклама продается.

Суд уже признал, что Google незаконно связывал их, создавая замкнутую экосистему. Издатели были вынуждены использовать DFP, чтобы получить полноценный доступ к рекламодателям на AdX. Это и есть та самая «валюта», на которую подсадили весь интернет.

В новом деле стратегия регулятора, похоже, кардинально отличается. Если в деле о Поиске суд отказался дробить компанию (продать Chrome), то в деле о рекламе Минюст США требует именно структурных изменений - принудительной продажи биржи AdX.

Почему? Регулятор уверен, что «поведенческие» ограничения (простые обещания не жульничать) не сработают. Google сможет скрыть свои преимущества в сложном коде и непрозрачных алгоритмах.

По сути, это означает, что Google могут заставить конкурировать не только качеством продукта, но и честностью своей экосистемы. Такое решение способно изменить сами принципы финансирования всего открытого интернета.

🤓 - будем следить.

Код ценности.

Где сегодня рождается настоящий прогресс?

Точно не в смартфонах.
От Apple я уже пятый год жду инноваций, которые заставят меня обновиться.
У мира Android есть гибкие дисплеи и сильный ИИ, но ощущение настоящей революции всё ещё не наступило.

И вот на этом фоне Meta показывает, каким может быть следующий большой технологический скачок.

В эту пятницу 19.09.2025 Марк Цукерберг вживую продемонстрировал работу прототипа своих AR-очков Meta Ray-Ban Display. Кстати, вот тут я уже разбирал, почему Марк там много инвестирует в новый концепт устройств.

Что показали:
• Дисплей на линзе: Навигация, сообщения, подсказки от ИИ - всё появляется прямо перед правым глазом, оставаясь невидимым для окружающих.
• Интуитивное управление через нейробраслет. Вместо того чтобы тыкать в экран, вы управляете очками с помощью нейробраслета, который считывает электрические сигналы мышц вашей руки, позволяя управлять интерфейсом лёгкими, едва заметными жестами. Просто вау!
• Контекстный ИИ: В очки встроен продвинутый AI-ассистент, который видит мир вашими глазами. Он может в реальном времени подсказать рецепт, глядя на продукты в вашем холодильнике, или перевести вывеску на иностранном языке.
• И анонсировали цену в 800 долларов vs 10 000 за предыдущий прототип 🙄

Марк взял на себя огромный риск, демонстрируя всё это в прямом эфире, без заранее записанных роликов. И да, были сбои: ассистент завис, видеозвонок не сработал. Но знаете что? Эти недочёты лишь усилили вау-эффект от всего, что работало (привет, Apple, с презентацией 2024 года).

Именно это я и называю прогрессом, смелой попыткой создать абсолютно новый способ взаимодействия с информацией и миром.
Буду покупать, как только выйдет. Meta, браво!

Ставь - 🤓, если хочется протестировать.

Код ценности.

Стадии развития LLM продуктов (AI agent + Agentic AI)

В первой части мы разобрали, как RAG-системы позволяют LLM давать точные ответы на основе ваших данных. Теперь сделаем следующий шаг и посмотрим, как AI-агенты переходят от ответов к самостоятельному выполнению многошаговых задач и целых бизнес-процессов.

3. AI Агент
Если RAG отвечает на вопросы, то Агент уже выполняет задачи. Это система, способная самостоятельно планировать, рассуждать и выполнять многошаговые процессы, используя различные инструменты (API, базы данных).
• Пример: «AI Agent» от Simplifai, внедрённый в ERV Nordic для обработки заявок о задержке багажа. Получив документы от клиента, агент самостоятельно:
1) распознаёт и извлекает данные
2) через API проверяет, активен ли полис
3) сверяет условия (например, задержка более 6 часов)
4) анализирует чеки
5) принимает решение об одобрении и инициирует выплату.

• Преимущества: Это уже не просто автоматизация общения, а автоматизация целых процессов. Агент работает как цифровой сотрудник, освобождая людей для более сложных задач.
• Ограничения: Поскольку агент принимает решения самостоятельно, в случае ошибки бывает сложно отследить его логику и понять, почему был получен неверный результат. Стремление контролировать автономные действия и декомпозировать сложные задачи сначала породило такие подходы, как Schema-Guided Reasoning, а затем вывело нас на следующий этап.

4. Мультиагентные системы
Это не один агент, а целая команда специализированных AI-агентов, работающих вместе.
• Пример: Платформа Shift Technology, которая автоматизировала 57% из 400 000 страховых случаев. Когда поступает заявка на отмену поездки, в работу включается целый набор из AI агентов:
1. Агент-классификатор сортирует документы (билеты, справки)
2. Агент-экстрактор извлекает из них данные
3. Агент-аналитик проверяет на мошенничество
4. Агент-решатель сводит всё воедино и готовит вердикт.

• Преимущества: Поскольку каждый агент отточен под свою узкую задачу, это обеспечивает более высокую скорость и точность. А-ля «цифровой конвейер».
• Главный минус мультиагентных систем - их чрезвычайная сложность и как результат трудно контролиря и отладки множества автономных частей. Это ведет к высоким затратам на разработку и серьезным рискам безопасности, ведь сбой или взлом даже одного агента может вызвать отказ всей сети. В итоге ключевыми проблемами становятся риск каскадных сбоев и юридическая неопределенность в вопросе ответственности за ошибочные действия системы.

Cамое важное - это цифра 57% в последнем примере. Почти две трети запросов обрабатываются полностью автоматически за две минуты. Остальные 43% система направляет менеджеру, но уже с подготовленным досье и рекомендацией. Наиболее продвинутая архитектура формализует роль человека как эксперта и конечного контролера.

И все мы знаем, что в автоматизации первые 80% и последние 20% требуют несопоставимых усилий. 😉

🔥 - если бы полезно.

Код ценности.

Стадии развития LLM продуктов: LLM + RAG

Не все LLM продукты одинаковы. За простым интерфейсом чата могут скрываться совершенно разные по сложности системы. Предлагаю сегодня разобрать 4 ключевых стадии развития LLM продуктов, их сильные стороны и главные вызовы на практических примерах.

1. LLM Workflow
Это базовый уровень - чат-боты, способные вести диалог с клиентом. Их задача - автоматизировать простые, шаблонные коммуникации.
• Пример: Чат-бот страховой компании Starr Insurance в Facebook Messenger, который помогает клиентам купить страховку. Он задаёт стандартные вопросы (куда едете, на какой срок) и на основе ответов формирует предложение.

• Преимущества: Быстрое и удобное взаимодействие с клиентом в привычных для него каналах, например, в мессенджерах.
• Ограничения: Такие системы опираются на свои предтренированные знания и заранее задокументированные сценарии и не имеют
доступа к вашим внутренним документам. Это их фундаментальный недостаток. Также модель может сгенерировать внешне убедительный, но фактически неверный ответ (так называем «галлюцинации»), что, например, в страховом бизнесе, где цена ошибки высока, создаёт недопустимые юридические риски. Именно эта проблема подводит нас к следующему этапу.

2. Retrieval-Augmented Generation (RAG)
RAG - это надстройка над LLM, которая «заземляет» модель, подключая её к конкретной базе знаний компании (например, к текстам всех страховых полисов).
• Пример: Клиент в нашем приложении Allyz спрашивает: «Покрывает ли моя страховка №12345 травму при дайвинге?».
- Система сначала находит в векторной базе данных точные параграфы из страховки №12345 касающиеся «дайвинга» и «медицинских расходов»,
- И только потом на основе найденных фактов генерирует точный ответ со ссылкой на пункт договора.

• Преимущества: Фактическая точность и надёжность ответов. Это строит доверие клиента и обеспечивает соответствие регуляторным нормам.
• Ограничения: Эффективность RAG напрямую зависит от качества и порядка в корпоративной базе знаний. Если ваши документы хаотичны и противоречивы, ИИ лишь усилит этот хаос. Приятный побочный эффект - проект по внедрению RAG становится мощным катализатором, который заставляет компанию наводить порядок в собственных данных и процессах управления знаниями.

🔥 - если было полезно.

Код ценности.

Как одно письмо сэкономило мне вчера €900.

Сталкивались с ситуацией, когда менеджер упирается, игнорирует ваши аргументы и ставит ультиматумы? В эту субботу я оказался в таком тупике с застройщиком: менеджер выставил необоснованный счет на €900 и потребовал оплатить «как есть», иначе все изменения по проекту аннулируются.
Вместо продолжения споров (а мы уже обменялись 26 имейлами за неделю) я отправил вчера одно письмо напрямую руководству (нашел контакты C-Level через Perplexity). Результат: уже сегодня - извинения, полное аннулирование счета и смена менеджера.

Структура письма, которое решает проблемы:

1️⃣ Тема: Четко и с призывом к действию. Не просто «Проблема по проекту», а конкретика, цепляющая руководство.
• Мой пример: [Требуется решение] Эскалация: Юридический и репутационный риск по проекту Project Name.

2️⃣ Вступление: Дружелюбный тон и контекст. Напомните, кто вы и почему это важно.
• Мой пример: «Позвольте обратиться к вам напрямую. Мы, покупатели квартиры в проекте Name, столкнулись с тупиковой ситуацией в диалоге с вашим представителем, что ставит под угрозу конструктивное сотрудничество и сроки проекта».

3️⃣ Проблема: Только факты, без эмоций. Опишите ситуацию цифрами и фактами, ссылаясь на документы.
• Мой пример: «Ваш представитель включил в смету €900 за услуги, которые в вашем же коммерческом каталоге указаны как бесплатные. В ответ на нашу просьбу исправить ошибку мы получили ультиматум: "подписывайте как есть, или мы аннулируем все доработки"».

4️⃣ Последствия: Переведите проблему на язык бизнеса. Это ключевой шаг. Покажите руководству, чем грозит их бездействие.
• Мой пример: «Данная ситуация создает для вашей компании:
1) Юридический риск (нарушение закона о правах потребителей).
2) Репутационный риск, так как подобная практика не соответствует имиджу компании.
3) Прямые финансовые потери в случае медиации или судебного разбирательства».

5️⃣ Предлагаемое решение и прямой запрос. Не приходите с проблемой - приходите с решением. Будьте конструктивны.
• Мой пример: «Для досудебного урегулирования просим:
1. Привести смету в соответствие с каталогом (убрать €400+€500).
2. В качестве компенсации за потраченное время предоставить скидку 10%.
3. Назначить нового менеджера для дальнейшей коммуникации».

Такой подход превращает вас из «проблемного клиента / сотрудника» в партнера, который помогает бизнесу выявить и устранить внутренние проблемы. Руководство ценит это.

Забирайте себе эффективный шаблон для эскалации.

Сохраняйте и ставьте лайки.

Код ценности.

Настоящая роскошь во Франции

Все знают Францию по её кухне, винам и сырам. Но что, если я скажу, что главная «фича» этой страны это не то, что вы едите, а то, где вы можете оказаться уже к обеду? Для меня настоящий символ современной Франции это свобода передвижения.

И чтобы понять, насколько эта свобода ценна, стоит посмотреть на соседнюю Германию. Я бываю там по работе 5-6 раз в год и вижу, как мечта о спонтанном путешествии разбивается о суровую реальность. Немецкий Deutsche Bahn сегодня это лотерея, хаос и системный кризис. Когда твой поезд могут отменить в любой момент, ни о какой свободе и лёгкости речи не идёт.

На этом фоне Франция является другим миром. Здесь железные дороги не просто транспорт, а инструмент для создания невероятного стиля жизни. Настоящее меню возможностей, которое полностью меняет представление о границах и расстояниях. Вот лишь несколько примеров.
• Хочешь в другую страну? 2,5 часа, и ты пьёшь эль в лондонском пабе.
• Тянет в горы? 3 часа, и ты у подножия Альп, готовый кататься на лыжах.
• Мечтаешь об океане? 2 часа до Бордо, и ещё меньше часа на электричке, и вот ты уже ловишь волну на сёрф-споте.
• Нужна смена обстановки? Утром ты в Париже, а вечером ужинаешь с видом на море в Ницце или гуляешь по улочкам Барселоны.

И самое главное, что эта свобода удивительно доступна. Многие думают, что поезда во Франции это дорого. Если планировать заранее, билеты на скоростные TGV можно купить за 30-40 евро. А для спонтанных поездок существует поезд лоукостер OUIGO. Добавьте к этому скидочные карты, которые окупаются за пару поездок, и вы получаете систему, созданную для людей.

Именно здесь я понял разницу между стрессовой поездкой и настоящим путешествием. Вместо суеты и очередей аэропорта вы получаете спокойное прибытие на вокзал в центре города. Вместо тесного кресла в самолёте вам достается комфортное место с панорамным окном, за которым проносится вся красота Франции.

В конечном счете, эта страна подарила мне нечто большее, чем гастрономические изыски. Она подарила мне свободу быть спонтанным, жить без жёстких границ между городами, побережьями и даже странами.

🔥 - за свободу путешествий.

Код ценности.

Презентация Apple: работа над ошибками на сотни миллиардов

Возвращаюсь из командировки в Мюнхен и только нашел возможность посмотреть вчерашний ивент Apple.

Для меня это все не про инновации, а про виртуозный антикризисный менеджмент.

Чтобы понять логику щедрых апгрейдов базового iPhone, давайте проанализируем цепочку событий.

1. Провал Apple Intelligence:
Громкий анонс в июне 2024 сменился признанием провала и переноса ключевых функций на 2026 год. Это создало разрыв между обещаниями и реальностью - критическая ошибка для Apple.

2. Реакция рынка: Падение акций на 29% (с $258 в январе 2025 до $185 в марте 2025) и коллективный иск от инвесторов из-за введения в заблуждение относительно сроков реализации анонсированных AI-функций. Компания потеряла главное - доверие своих пользователей.

3. Тактический ответ и фокус на осязаемом:
• На вчерашней презентации мы увидели прямое следствие этого провала. Вместо рискованных обещаний о будущем (AI) компания сделала ставку на безотказную тактику – поставку максимальной ценности «здесь и сейчас».
• Никаких упоминаний будущих фич. Стратегия сместилась с софтверных инноваций на аппаратное превосходство и дизайн, где позиции Apple неоспоримы.

И как результат, мы получили качественный апгрейд базовой модели: ProMotion-экран с супер яркостью, Always-On, 256 Гб в базе (все это было раньше доступно только в Pro моделях) – аттракцион невиданной щедрости со стороны компании.

Для меня это все, конечно, не про щедрость. 🙂 Просто Apple пытается компенсировать репутационный ущерб продуктовой ценностью, снижая отток пользователей к конкурентам (тот же Google Pixel), которые как раз сильны в AI.

Инсайт для всех нас 📝 :
Мы наблюдаем кейс, когда флагманский продукт используется как инструмент стабилизации бренда. Вместо извинений за провал долгосрочной стратегии, Apple усиливает свой главный актив, чтобы выиграть время. Это классический пример того, как тактические продуктовые решения используются для решения стратегических бизнес-проблем.

❤️ - если было интересно и делитесь своими мыслями в комментариях.

Код ценности.

Мой AI-стек для Product Discovery.

Вот как с помощью AI получить ключевые инсайты о рынке, JTBD и конкурентах за 30 минут.

🔹 Оценка рынка и трендов (5 мин). Использую Perplexity или Gemini, чтобы мгновенно проанализировать объём рынка и главные тенденции. Промпт: «Проанализируй рынок [ваша сфера], укажи тренды, размер и ключевых игроков».

🔹 Изучить пульс аудитории (3 мин). Через Brandwatch или аналоги анализирую настроения в соцсетях и на форумах.
Промпт: «Проанализируй обсуждения [тема продукта] за последние 6 месяцев. Какие основные болевые точки и драйверы негатива?»

🔹 Собрать «голос клиента». Выгружаю в один массив неструктурированные данные: отзывы с G2/Capterra, тикеты из поддержки, расшифровки интервью с клиентами.

🔹 Синтезирую JTBD (10 мин). Загружаю собранные данные в Zeda.io или Dovetail. AI сам выделит ключевые темы. Затем передаю их в ChatGPT. Промпт: «На основе этих тем и цитат сформулируй 5 ключевых Jobs-To-Be-Done».

🔹 Автоматический поиск конкурентов (3 мин). Инструменты вроде Competely.ai сами определят ваших конкурентов по URL и мгновенно создадут базовое сравнение их маркетинга, фич и цен.

🔹 Проанализировать позиционирование конкурентов (4 мин). С помощью Crayon или Visualping отслеживаю, как конкуренты меняют свои сайты и как они описывают фичи для решения ключевых (JTBD) пользователя.

🔹 Провести SEO-разведку (3 мин). В Semrush сравниваю свой домен с доменами конкурентов, чтобы найти пробелы в их контент-стратегии и определить неочевидные точки роста для себя.

🔹 Собираю итоговый брифинг (5 мин). Передаю все выводы в ChatGPT или Claude и прошу составить "Product Discovery Brief". Это идеальная точка старта для всей команды.

🔹 Помни о главном ⬇️

AI - мощный ассистент, но не замена стратегу. Всегда критически оценивайте выводы и проверяйте гипотезы на реальных пользователях.

AI не заменяет продакт-менеджера, а превращает его в стратега с суперсилами.

Забирайте себе excel темплейт Product Discovery Brief.

🔥 - если было полезно.

Код ценности.

⚖️ Вердикт по делу Google. Какие изменения ждёт Tech рынок.

Вчера суд США вынес решение по антимонопольному делу против Google, которое не приведет к разделению компании, но создаст новую операционную реальность для ее ключевых продуктов. Регуляторные меры направлены на устранение барьеров для конкуренции, что потребует от Google фундаментального пересмотра своей стратегии доминирования на рынке.

Предлагаю рассмотреть детально, какие последствия это решение несет для продуктовых направлений Google и как оно может повлиять на развитие рынка.

Google Search

• Новые условия дистрибуции: Основной вызов для Google Search - потеря гарантированной эксклюзивной дистрибуции. Компания больше не сможет обязывать партнеров, таких как Apple и Samsung, делать свой поиск единственным предустановленным по умолчанию (Гугл платит Apple 20 млрд долларов в год, чтобы быть поиском по умолчанию в Safari). Это открывает рынок для других игроков (Microsoft, OpenAI, Perplexity), которые смогут конкурировать за статус поисковика по умолчанию, что потенциально повлияет на объем поисковых запросов - ключевой ресурс для модели Google.
• Ослабление конкурентного преимущества, основанного на масштабе: Суд обязал Google предоставлять конкурентам доступ к части данных своего поискового индекса и данным о взаимодействии с пользователями (Glue/Navboost, RankEmbed). Это решение рассматривает масштабное преимущество Google как результат антиконкурентных практик. Для рынка это означает снижение барьеров входа и возможность для других компаний значительно ускорить разработку и улучшение качества своих поисковых продуктов, особенно в сегменте сложных "long-tail" запросов.

Chrome Browser - главная победа

• Отклонение требования о принудительной продаже Chrome - ключевой положительный результат для Google. Браузер остается под полным контролем компании, функционируя как стратегический канал для дистрибуции поиска (генерируя около 20% поисковых запросов в США) и сбора пользовательских данных. Это позволяет Google сохранить свой наиболее эффективный и юридически защищенный канал привлечения трафика.

Android OS

• Сохранение контроля над платформой: Требование о возможном будущем отделении Android было отклонено, что позволяет Google сохранить полный контроль над развитием операционной системы.
• Утрата рычага принуждения: Важным изменением является запрет на принудительную предустановку Google Search или Chrome как обязательное условие для лицензирования Google Play Store. Это устраняет ключевой рычаг давления на производителей устройств. Теперь партнеры, как Samsung, получают свободу выбора и могут интегрировать конкурирующие сервисы без риска нарушения соглашений.

GenAI (Gemini & Assistant)

• Превентивные меры: Судебные ограничения были превентивно распространены и на продукты генеративного ИИ. Это не позволяет Google применять проверенные монопольные тактики для захвата формирующегося и высококонкурентного рынка AI-ассистентов.
• Конкуренция на основе продукта: Gemini и Assistant теперь должны конкурировать за дистрибуцию на общих основаниях, основываясь на качестве продукта и коммерческих условиях, а не на пакетных соглашениях. Это представляет собой значительный вызов, учитывая, что, по оценкам суда, у Google пока нет решающего технологического преимущества в этой области.

Как мы можем наблюдать, решение суда направлено не на ослабление Google как технологической компании, а на устранение барьеров, мешавших рыночной конкуренции.

❤️- если было интересно

Наберём десять - и я поделюсь анализом, как это судебное решение повлияет на их продуктовую стратегию.