Хммм... анализ Никиты Кричевского выглядит весьма прагматичным и достаточно точно отражает специфику российского финтех-рынка. В условиях жесткого регулирования и деанонимизации крипты классические финтех-преимущества (удобный UX, скорость) уступают место тем самым двум главным факторам масштабу дистрибуции и институциональному доверию. 🤷
Если до конца 2026 года закон будет принят, то мы, скорее всего, увидим жесткую сегментацию рынка. Где Сбер заберет себе гигантский массив пассивных «ходлеров». Т-Банк и Альфа станут базой для активных трейдеров и технологически продвинутых пользователей, которым важны скорость, глубина стакана (омг) и интеграция с инвестиционными стратегиями. Ну а Мосбиржа выступит главным бэк-офисом и ликвидным хабом для всей этой экосистемы. Да? :-D
Как думаете, пойдет ли массовый российский инвестор в крипту через банковские приложения, или те, кому это действительно нужно, так и останутся на зарубежных P2P-платформах и биржах?
Если до конца 2026 года закон будет принят, то мы, скорее всего, увидим жесткую сегментацию рынка. Где Сбер заберет себе гигантский массив пассивных «ходлеров». Т-Банк и Альфа станут базой для активных трейдеров и технологически продвинутых пользователей, которым важны скорость, глубина стакана (омг) и интеграция с инвестиционными стратегиями. Ну а Мосбиржа выступит главным бэк-офисом и ликвидным хабом для всей этой экосистемы. Да? :-D
Как думаете, пойдет ли массовый российский инвестор в крипту через банковские приложения, или те, кому это действительно нужно, так и останутся на зарубежных P2P-платформах и биржах?
👍1
Работа над ошибками
Этап «Работа над ошибками»: Почему финансовый отдел не в восторге от расчетов по ИИ-проектам?
Вы нашли точку отсчета и определили тип выгоды, но на защите бюджета аргументы рассыпаются под вопросами финансового директора. В методологии от Альянса в сфере ИИ и Ассоциации ФинТех детально разобраны ловушки, которые превращают многообещающий проект в убыточный.
Топ фундаментальных ошибок, которых можно избежать:
1.Игнорирование принципа консерватизма. Финансисты не верят в идеальные прогнозы. Надёжный расчёт требует закладывать негативный сценарий: доходы всегда прогнозируются по нижней границе, а расходы — по верхней.
2. Расчёт «на память» без воспроизводимой методики. Если эффект посчитан на основе экспертного ощущения, а не задокументированных данных и формул — такой расчёт невозможно проверить, оспорить или защитить. Любой другой аналитик с теми же исходными данными должен прийти к тому же результату.
3. Эффект посчитали один раз и забыли. Оценка — это не разовое событие. Все ключевые драйверы эффекта должны быть зафиксированы и доступны для мониторинга в любой момент жизни инициативы. Иначе через год невозможно понять, сбылся ли прогноз.
4. Подмена чистого эффекта валовым. Команды любят отчитываться о дополнительных доходах, но забывают вычесть затраты на серверы, разметку данных, покупку внешних решений, зарплаты отдела поддержки и поддержку модели в будущем. Учитывать нужно всё — по всем продуктам, каналам и подразделениям.
5. Смешение эффектов нескольких инициатив. Когда одновременно меняется процесс и запускается ИИ-модель, приписать весь результат модели — ошибка. Каждое изменение оценивается отдельно. Если разделить эффекты невозможно, инициативы оцениваются как единый каскад.
6. Погоня за точностью там, где это не меняет решения. Тратить недели на уточнение параметра, который сдвигает итог на 1%, — нерационально. Точность нужна там, где она реально влияет на вывод о целесообразности.
7. Оценка только на уровне бизнес-юнита, без учёта группы. Инициатива может выглядеть прибыльной внутри подразделения, но при консолидации на уровне холдинга картина изменится: налоговые эффекты, внутригрупповые трансферы и перераспределение затрат корректируют итог.
Избежать этих ошибок – значит перестать витать в облаках и начать считать реальную прибыль. Об этих и других ошибках читайте здесь.
#методологияОФЭ #АльянсИИ #Ассоциация_ФинТех
Реклама. Ассоциация «Альянс в сфере ИИ» ИНН 9725034035
Этап «Работа над ошибками»: Почему финансовый отдел не в восторге от расчетов по ИИ-проектам?
Вы нашли точку отсчета и определили тип выгоды, но на защите бюджета аргументы рассыпаются под вопросами финансового директора. В методологии от Альянса в сфере ИИ и Ассоциации ФинТех детально разобраны ловушки, которые превращают многообещающий проект в убыточный.
Топ фундаментальных ошибок, которых можно избежать:
1.Игнорирование принципа консерватизма. Финансисты не верят в идеальные прогнозы. Надёжный расчёт требует закладывать негативный сценарий: доходы всегда прогнозируются по нижней границе, а расходы — по верхней.
2. Расчёт «на память» без воспроизводимой методики. Если эффект посчитан на основе экспертного ощущения, а не задокументированных данных и формул — такой расчёт невозможно проверить, оспорить или защитить. Любой другой аналитик с теми же исходными данными должен прийти к тому же результату.
3. Эффект посчитали один раз и забыли. Оценка — это не разовое событие. Все ключевые драйверы эффекта должны быть зафиксированы и доступны для мониторинга в любой момент жизни инициативы. Иначе через год невозможно понять, сбылся ли прогноз.
4. Подмена чистого эффекта валовым. Команды любят отчитываться о дополнительных доходах, но забывают вычесть затраты на серверы, разметку данных, покупку внешних решений, зарплаты отдела поддержки и поддержку модели в будущем. Учитывать нужно всё — по всем продуктам, каналам и подразделениям.
5. Смешение эффектов нескольких инициатив. Когда одновременно меняется процесс и запускается ИИ-модель, приписать весь результат модели — ошибка. Каждое изменение оценивается отдельно. Если разделить эффекты невозможно, инициативы оцениваются как единый каскад.
6. Погоня за точностью там, где это не меняет решения. Тратить недели на уточнение параметра, который сдвигает итог на 1%, — нерационально. Точность нужна там, где она реально влияет на вывод о целесообразности.
7. Оценка только на уровне бизнес-юнита, без учёта группы. Инициатива может выглядеть прибыльной внутри подразделения, но при консолидации на уровне холдинга картина изменится: налоговые эффекты, внутригрупповые трансферы и перераспределение затрат корректируют итог.
Избежать этих ошибок – значит перестать витать в облаках и начать считать реальную прибыль. Об этих и других ошибках читайте здесь.
#методологияОФЭ #АльянсИИ #Ассоциация_ФинТех
Реклама. Ассоциация «Альянс в сфере ИИ» ИНН 9725034035
👍2
Яндекс выкатил ИИ-агентов для бизнеса. Теперь каждый может собрать своего «карманного» аналитика?
Помните агента «Исследовать» в Алисе AI, который умеет глубоко копать темы? Yandex B2B Tech открыл эту технологию для компаний на платформе Yandex AI Studio. Теперь любой бизнес может быстро собрать умного ИИ-помощника под свои задачи и встроить его сотрудникам в рабочий чат или клиентам в мобильное приложение.
Главное отличие от обычного поисковика в том, что агент работает как въедливый стажер. Он сам строит цепочку запросов, лезет вглубь — в научные статьи и отчеты — и переформулирует вопросы, если фактуры не хватило. В процессе он может совмещать данные из интернета с вашей внутренней документацией или CRM, выдавая на выходе готовый структурированный отчет, таблицу или презентацию. Маркетологам обещают быстрый анализ конкурентов, HR-специалистам — портрет идеального кандидата за пару минут, а продуктологам — оценку новых ниш без недели ручного гугления.
Но тут, конечно, есть подвох. Любой ИИ-аналитик хорош ровно настолько, насколько хороши источники в его распоряжении. Если агент пойдет шерстить открытый рунет, велика вероятность на выходе получить безупречно сверстанный отчет, собранный из кликбейтных статей, чужого SEO-мусора и победных пресс-релизов конкурентов. Презентация за три минуты — это удобно, но верифицировать цифры и отделять реальные инсайты от галлюцинаций и маркетинговой шелухи все равно придется человеку. Робот отлично упаковывает информацию, но критически мыслить пока так и не научился.
Тем не менее, инструмент, похоже, взлетит. Веб-поиском в AI Studio уже пользуются больше 11 тысяч компаний, совершая по 400 тысяч запросов в месяц. Теперь процесс станет быстрее, главное — не разучиться перепроверять то, что ИИ так красиво разложил по слайдам.
Помните агента «Исследовать» в Алисе AI, который умеет глубоко копать темы? Yandex B2B Tech открыл эту технологию для компаний на платформе Yandex AI Studio. Теперь любой бизнес может быстро собрать умного ИИ-помощника под свои задачи и встроить его сотрудникам в рабочий чат или клиентам в мобильное приложение.
Главное отличие от обычного поисковика в том, что агент работает как въедливый стажер. Он сам строит цепочку запросов, лезет вглубь — в научные статьи и отчеты — и переформулирует вопросы, если фактуры не хватило. В процессе он может совмещать данные из интернета с вашей внутренней документацией или CRM, выдавая на выходе готовый структурированный отчет, таблицу или презентацию. Маркетологам обещают быстрый анализ конкурентов, HR-специалистам — портрет идеального кандидата за пару минут, а продуктологам — оценку новых ниш без недели ручного гугления.
Но тут, конечно, есть подвох. Любой ИИ-аналитик хорош ровно настолько, насколько хороши источники в его распоряжении. Если агент пойдет шерстить открытый рунет, велика вероятность на выходе получить безупречно сверстанный отчет, собранный из кликбейтных статей, чужого SEO-мусора и победных пресс-релизов конкурентов. Презентация за три минуты — это удобно, но верифицировать цифры и отделять реальные инсайты от галлюцинаций и маркетинговой шелухи все равно придется человеку. Робот отлично упаковывает информацию, но критически мыслить пока так и не научился.
Тем не менее, инструмент, похоже, взлетит. Веб-поиском в AI Studio уже пользуются больше 11 тысяч компаний, совершая по 400 тысяч запросов в месяц. Теперь процесс станет быстрее, главное — не разучиться перепроверять то, что ИИ так красиво разложил по слайдам.
👍3
Зрелость: двойной учёт (финал)
Этап «Зрелость»: Как случайно не посчитать эффект дважды?
Финальный пост нашей серии. В корпоративной среде одну и ту же заработанную тысячу рублей часто записывают в свои достижения и маркетологи, и розница, и ИИ-команда. Двойной учет – главная причина раздутых отчетов, которые никак не бьются с реальным балансом компании.
Отраслевая методология жестко регламентирует этот момент: эффект должен быть привязан к конкретной ИИ-инициативе, продукту или ИИ-модели.
Как пресечь дублирование:
1. Используйте контрольные группы. Если вы внедрили модель и одновременно обновили продукт, приписывать весь рост технологиям нельзя. Правду покажет только эксперимент, где к одной части клиентов применяется ИИ, а к другой – нет. Разница между ними и есть ваш чистый заработок.
2. Считайте связанные модели вместе. Часто несколько нейросетей работают в связке: одна собирает данные, другая принимает решение. Обе претендуют на одни и те же деньги. Если их влияние невозможно честно разделить, их нужно оценивать как единый проект.
3. Смотрите на картину целиком. Если продажи целевого товара выросли, обязательно проверьте всю продуктовую матрицу. Нейросеть могла просто перетянуть на себя внимание клиента, обрушив продажи смежных продуктов-аналогов.
Настоящая зрелость аналитики начинается там, где команда умеет находить инкрементальный эффект, выделяя чистую добавленную стоимость ИИ из общей работы всего бизнеса.
Об этих и других инсайтах подробно описано в статье Альянса ИИ.
#методологияОФЭ #АльянсИИ #Ассоциация_ФинТех
Реклама. Ассоциация «Альянс в сфере ИИ» ИНН 9725034035
Этап «Зрелость»: Как случайно не посчитать эффект дважды?
Финальный пост нашей серии. В корпоративной среде одну и ту же заработанную тысячу рублей часто записывают в свои достижения и маркетологи, и розница, и ИИ-команда. Двойной учет – главная причина раздутых отчетов, которые никак не бьются с реальным балансом компании.
Отраслевая методология жестко регламентирует этот момент: эффект должен быть привязан к конкретной ИИ-инициативе, продукту или ИИ-модели.
Как пресечь дублирование:
1. Используйте контрольные группы. Если вы внедрили модель и одновременно обновили продукт, приписывать весь рост технологиям нельзя. Правду покажет только эксперимент, где к одной части клиентов применяется ИИ, а к другой – нет. Разница между ними и есть ваш чистый заработок.
2. Считайте связанные модели вместе. Часто несколько нейросетей работают в связке: одна собирает данные, другая принимает решение. Обе претендуют на одни и те же деньги. Если их влияние невозможно честно разделить, их нужно оценивать как единый проект.
3. Смотрите на картину целиком. Если продажи целевого товара выросли, обязательно проверьте всю продуктовую матрицу. Нейросеть могла просто перетянуть на себя внимание клиента, обрушив продажи смежных продуктов-аналогов.
Настоящая зрелость аналитики начинается там, где команда умеет находить инкрементальный эффект, выделяя чистую добавленную стоимость ИИ из общей работы всего бизнеса.
Об этих и других инсайтах подробно описано в статье Альянса ИИ.
#методологияОФЭ #АльянсИИ #Ассоциация_ФинТех
Реклама. Ассоциация «Альянс в сфере ИИ» ИНН 9725034035
👍1