Долгое время я наблюдал за трендами и дискуссиями в нашей индустрии, и вот пришло время включиться в этот поток. Надеюсь, что мои мысли, идеи и опыт окажутся полезными и помогут вам взглянуть на привычные вещи под новым углом.
Немного обо мне: ИТ-менеджер, немного «продакт», немного «проджект», немного «ресурсник», не много студент (в этом году заканчиваю MBA), но главное – человек, строящий крупные проекты размером с крупный «завод». Полноценные интернет-банки, платформы разработки, стратегические инициативы – я знаю, что значит управлять сложными системами, в которых бизнес, технологии и люди должны работать как единый механизм.
Здесь я буду делиться:
✅ Практическими кейсами и инсайтами из опыта управления крупными IT-продуктами
✅ Аналитикой о трендах и заблуждениях в управлении IT-бизнесом
✅ Рабочими инструментами и подходами, которые помогают нам справляться с вызовами.
Планирую много интересных дискуссий, включая спорные темы. Например, сейчас я готовлю пару статей:
🔹 Конкуренция внутри корпоративного бизнеса: больше пользы или вреда?
🔹 "Storming" на стероидах – как быстро и без потерь проходить стадию формирования команды?
Буду рад вашим комментариям, обсуждениям и спорам – ведь истина рождается в диалоге. Подписывайтесь, впереди много полезного! 🚀
Немного обо мне: ИТ-менеджер, немного «продакт», немного «проджект», немного «ресурсник», не много студент (в этом году заканчиваю MBA), но главное – человек, строящий крупные проекты размером с крупный «завод». Полноценные интернет-банки, платформы разработки, стратегические инициативы – я знаю, что значит управлять сложными системами, в которых бизнес, технологии и люди должны работать как единый механизм.
Здесь я буду делиться:
✅ Практическими кейсами и инсайтами из опыта управления крупными IT-продуктами
✅ Аналитикой о трендах и заблуждениях в управлении IT-бизнесом
✅ Рабочими инструментами и подходами, которые помогают нам справляться с вызовами.
Планирую много интересных дискуссий, включая спорные темы. Например, сейчас я готовлю пару статей:
🔹 Конкуренция внутри корпоративного бизнеса: больше пользы или вреда?
🔹 "Storming" на стероидах – как быстро и без потерь проходить стадию формирования команды?
Буду рад вашим комментариям, обсуждениям и спорам – ведь истина рождается в диалоге. Подписывайтесь, впереди много полезного! 🚀
Продукт достался, стратегии нет – что делать? История одного продукта. Часть 1
Часто бывает, что тебе достаётся продукт «по наследству».
С одной стороны, он уже имеет некоторую зрелость — MVP, первые вложения, один специфичный клиент. С другой — это совсем не продукт: рынок не определён, целевая аудитория размыта и требует верификации, стратегии выхода нет, продуктовое видение отсутствует. А сверху слышится привычное:
«Мы уже столько вложили — надо срочно выводить на внешний рынок и зарабатывать!»
Такая ситуация всё чаще встречается в энтерпрайз-сегменте, где внутренние ИТ-решения создаются под собственные нужды, а потом корпорации пытаются монетизировать их вовне — зачастую без осознанной подготовки, с надеждой «а вдруг кому-то ещё подойдёт?».
Так получилось и с платформой «ИТ Проба» — корпоративной low-code системой, изначально созданной для нужд разработчиков внутри крупной компании. Мне как CPO предстояло вывести её на внешний рынок. Вот как это происходило:
Шаг 0. Изучение продукта и команды.
В первую очередь — погружаемся в суть: что делает продукт, кто и как им будет пользоваться, кто готов платить, а кто — просто влияет на выбор?
Также важно оценить команду: есть ли в ней потенциал? какие компетенции можно усилить? есть ли выгорание или драйв? От этого зависит реализация любых амбиций.
Шаг 1. Анализ рынка и сегментация аудитории (KYC).
Классика: исследуем конкурентов, ищем занятые и свободные ниши, формируем первые гипотезы ценообразования. Кто уже решает похожие задачи? Что можно взять у лидеров рынка и адаптировать? Где платят — и за что именно?
Шаг 2. Оценка отраслей и выбор фокуса.
Платформа потенциально применима в любой B2B-индустрии, но без фокуса на старте — провал гарантирован. Мы проанализировали отраслевые тренды, оценили болевые точки и выбрали первый сегмент, где проблема ярко выражена, а ценность от решения — очевидна.
Шаг 3. Коммуникации и выход на рынок.
С этого момента начинается живое движение: встречи, пилоты, демо, обратная связь, публичные выступления. Параллельно формируется и уточняется продуктовый бэклог — с опорой на реальные рыночные запросы, а не кабинетные фантазии.
💬 Сегодня энтерпрайз-рынок ИТ сильно изменился.
Многие корпорации стремятся монетизировать свои внутренние продукты, выводя их на внешний рынок.
👉 А вы сталкивались с подобными кейсами? Когда внутренний инструмент неожиданно превращался в рыночный продукт? Расскажите, какие кейсы были самыми неожиданными или успешными?
В следующих постах поделюсь, как именно мы запускали «ИТ Пробу» на рынок, какие инструменты сработали — и какие нет.
https://www.linkedin.com/pulse/inherited-product-strategy-what-now-story-behind-one-part-filimonov-jnr1e/?trackingId=Qdxae42ZQT2%2F6oVD40XyqA%3D%3D
#CPO #ProductLeadership #LowCode #DigitalTransformation #ИТПроба
Часто бывает, что тебе достаётся продукт «по наследству».
С одной стороны, он уже имеет некоторую зрелость — MVP, первые вложения, один специфичный клиент. С другой — это совсем не продукт: рынок не определён, целевая аудитория размыта и требует верификации, стратегии выхода нет, продуктовое видение отсутствует. А сверху слышится привычное:
«Мы уже столько вложили — надо срочно выводить на внешний рынок и зарабатывать!»
Такая ситуация всё чаще встречается в энтерпрайз-сегменте, где внутренние ИТ-решения создаются под собственные нужды, а потом корпорации пытаются монетизировать их вовне — зачастую без осознанной подготовки, с надеждой «а вдруг кому-то ещё подойдёт?».
Так получилось и с платформой «ИТ Проба» — корпоративной low-code системой, изначально созданной для нужд разработчиков внутри крупной компании. Мне как CPO предстояло вывести её на внешний рынок. Вот как это происходило:
Шаг 0. Изучение продукта и команды.
В первую очередь — погружаемся в суть: что делает продукт, кто и как им будет пользоваться, кто готов платить, а кто — просто влияет на выбор?
Также важно оценить команду: есть ли в ней потенциал? какие компетенции можно усилить? есть ли выгорание или драйв? От этого зависит реализация любых амбиций.
Шаг 1. Анализ рынка и сегментация аудитории (KYC).
Классика: исследуем конкурентов, ищем занятые и свободные ниши, формируем первые гипотезы ценообразования. Кто уже решает похожие задачи? Что можно взять у лидеров рынка и адаптировать? Где платят — и за что именно?
Шаг 2. Оценка отраслей и выбор фокуса.
Платформа потенциально применима в любой B2B-индустрии, но без фокуса на старте — провал гарантирован. Мы проанализировали отраслевые тренды, оценили болевые точки и выбрали первый сегмент, где проблема ярко выражена, а ценность от решения — очевидна.
Шаг 3. Коммуникации и выход на рынок.
С этого момента начинается живое движение: встречи, пилоты, демо, обратная связь, публичные выступления. Параллельно формируется и уточняется продуктовый бэклог — с опорой на реальные рыночные запросы, а не кабинетные фантазии.
💬 Сегодня энтерпрайз-рынок ИТ сильно изменился.
Многие корпорации стремятся монетизировать свои внутренние продукты, выводя их на внешний рынок.
👉 А вы сталкивались с подобными кейсами? Когда внутренний инструмент неожиданно превращался в рыночный продукт? Расскажите, какие кейсы были самыми неожиданными или успешными?
В следующих постах поделюсь, как именно мы запускали «ИТ Пробу» на рынок, какие инструменты сработали — и какие нет.
https://www.linkedin.com/pulse/inherited-product-strategy-what-now-story-behind-one-part-filimonov-jnr1e/?trackingId=Qdxae42ZQT2%2F6oVD40XyqA%3D%3D
#CPO #ProductLeadership #LowCode #DigitalTransformation #ИТПроба
Linkedin
Inherited Product, No Strategy – What Now? The story behind one product (Part 1)
Sometimes, you inherit a product. t’s halfway there: an MVP is in place, some money has already been spent, and there’s even one niche client using it.
👍2❤1
AI больше не хайп. Это передел бизнес-моделей (тех обзор #1)
Недавно наткнулся на статью Tech in Asia — “The AI reckoning threatening India’s software assembly line”
https://www.techinasia.com/ai-reckoning-threatening-indias-software-assembly-line?ref=featured-subex-main
Если коротко — речь о том, как ИИ начинает подтачивать саму основу индийской IT-индустрии: модель «масштабирования через людей». И это заставило меня задуматься — где мы находимся сейчас? Это всё ещё хайп или уже экономическая реальность?
Деньги уже говорят громче хайпа
По оценке Gartner, мировые расходы на GenAI в 2025 году достигнут $644 млрд (+76,4% к 2024 году). При этом общий объём расходов на ИИ может вырасти до $2,52 трлн в 2026 году (+44% г/г). Это уже не пилоты на уровне R&D. Это инфраструктурные инвестиции — серверы, AI-оптимизированные мощности, масштабные интеграции. Но есть нюанс: те же Gartner отмечают высокую долю провалившихся PoC и сдвиг от «самописных экспериментов» к более предсказуемым коробочным решениям.
Другими словами — эйфория ушла, начинается взрослая фаза.
Где реальная экономика?
McKinsey даёт довольно прагматичную рамку:
- Software engineering → рост производительности на 20–45%
Customer operations → +30–45%
В телеком-секторе до 50% активности customer care может быть автоматизировано
Возможный рост выручки — 3–5% за счёт персонализации и ускорения вывода продуктов
Это уже язык финмоделей, а не технологических демо. Если смотреть шире — по данным NBER, к концу 2024 года 23% занятых в США использовали GenAI в работе хотя бы раз в неделю. Суммарный эффект экономии времени оценивается примерно в 1,4% всех рабочих часов по экономике. Пока немного. Но это ранняя стадия.
Кто под ударом?
Если взять секторально:
IT-аутсорсинг
- 20–45% инженерных задач и до 70% повторяемых активностей — зона автоматизации.
- Структурный сдвиг ожидается в 2027–2028 годах, когда в игру массово войдут агентные системы.
Образование (Computer Science)
- LLM уже меняют способ обучения. До половины задач выполняются значительно быстрее при правильном инструментальном слое.
E-commerce
- До 50% операций customer care и значительная часть повторяемых функций продаж — автоматизируемы.
Параллельно начинается «протоколизация» торговли — когда решения всё чаще принимают алгоритмы.
Почему это важно: индийский кейс
В статье Tech in Asia упоминается, что индекс Nifty IT за день упал более чем на 4% (4 февраля 2026 года). Аналитики говорят о риске снижения выручки на 9–12% в течение следующих четырёх лет. В секторе, где выручка напрямую связана с количеством человеко‑часов и повторяемыми задачами, работает порядка 5,7–5,8 млн человек (данные NASSCOM). Когда выручка напрямую зависит от количества человеко-часов, а повторяемые задачи автоматизируются — это уже не технологический тренд, а вызов всей бизнес-архитектуре.
Что это значит для руководителей
Сегодня ИИ — это не «внедрим чат-бота».
Это:
пересборка операционной модели (LLMOps / MLOps),
управление рисками и AI governance,
глубокая интеграция в core-процессы,
пересчёт unit-экономики функций.
Если этого не сделать, масштабирование будет «съедено» инфраструктурной стоимостью, ошибками внедрения и регуляторикой.
Мой личный вывод
ИИ не уничтожает работу.
Он уничтожает модели, основанные на масштабировании рутинного труда.
И это, пожалуй, главный переходный момент:
От количества людей → к качеству архитектуры
От пилотов → к промышленной эксплуатации
От хайпа → к P&L
Самый интересный вопрос сейчас — не «заменит ли ИИ людей?», а «какие бизнес-модели переживут его внедрение?».
Будет интересно обсудить:
Как в ваших компаниях считают экономический эффект от AI — через сокращение затрат или через рост выручки?
#ArtificialIntelligence #AITransformation #BusinessTransformation #DigitalTransformation #AIstrategy #CIO #CTO #EnterpriseAI #AIgovernance #LLMOps #MLOps
https://www.linkedin.com/pulse/ai-longer-hype-its-restructuring-business-models-tech-anton-filimonov-pdime/?trackingId=mNUkzCPDmze5%2Btm7YCfoGw%3D%3D
Недавно наткнулся на статью Tech in Asia — “The AI reckoning threatening India’s software assembly line”
https://www.techinasia.com/ai-reckoning-threatening-indias-software-assembly-line?ref=featured-subex-main
Если коротко — речь о том, как ИИ начинает подтачивать саму основу индийской IT-индустрии: модель «масштабирования через людей». И это заставило меня задуматься — где мы находимся сейчас? Это всё ещё хайп или уже экономическая реальность?
Деньги уже говорят громче хайпа
По оценке Gartner, мировые расходы на GenAI в 2025 году достигнут $644 млрд (+76,4% к 2024 году). При этом общий объём расходов на ИИ может вырасти до $2,52 трлн в 2026 году (+44% г/г). Это уже не пилоты на уровне R&D. Это инфраструктурные инвестиции — серверы, AI-оптимизированные мощности, масштабные интеграции. Но есть нюанс: те же Gartner отмечают высокую долю провалившихся PoC и сдвиг от «самописных экспериментов» к более предсказуемым коробочным решениям.
Другими словами — эйфория ушла, начинается взрослая фаза.
Где реальная экономика?
McKinsey даёт довольно прагматичную рамку:
- Software engineering → рост производительности на 20–45%
Customer operations → +30–45%
В телеком-секторе до 50% активности customer care может быть автоматизировано
Возможный рост выручки — 3–5% за счёт персонализации и ускорения вывода продуктов
Это уже язык финмоделей, а не технологических демо. Если смотреть шире — по данным NBER, к концу 2024 года 23% занятых в США использовали GenAI в работе хотя бы раз в неделю. Суммарный эффект экономии времени оценивается примерно в 1,4% всех рабочих часов по экономике. Пока немного. Но это ранняя стадия.
Кто под ударом?
Если взять секторально:
IT-аутсорсинг
- 20–45% инженерных задач и до 70% повторяемых активностей — зона автоматизации.
- Структурный сдвиг ожидается в 2027–2028 годах, когда в игру массово войдут агентные системы.
Образование (Computer Science)
- LLM уже меняют способ обучения. До половины задач выполняются значительно быстрее при правильном инструментальном слое.
E-commerce
- До 50% операций customer care и значительная часть повторяемых функций продаж — автоматизируемы.
Параллельно начинается «протоколизация» торговли — когда решения всё чаще принимают алгоритмы.
Почему это важно: индийский кейс
В статье Tech in Asia упоминается, что индекс Nifty IT за день упал более чем на 4% (4 февраля 2026 года). Аналитики говорят о риске снижения выручки на 9–12% в течение следующих четырёх лет. В секторе, где выручка напрямую связана с количеством человеко‑часов и повторяемыми задачами, работает порядка 5,7–5,8 млн человек (данные NASSCOM). Когда выручка напрямую зависит от количества человеко-часов, а повторяемые задачи автоматизируются — это уже не технологический тренд, а вызов всей бизнес-архитектуре.
Что это значит для руководителей
Сегодня ИИ — это не «внедрим чат-бота».
Это:
пересборка операционной модели (LLMOps / MLOps),
управление рисками и AI governance,
глубокая интеграция в core-процессы,
пересчёт unit-экономики функций.
Если этого не сделать, масштабирование будет «съедено» инфраструктурной стоимостью, ошибками внедрения и регуляторикой.
Мой личный вывод
ИИ не уничтожает работу.
Он уничтожает модели, основанные на масштабировании рутинного труда.
И это, пожалуй, главный переходный момент:
От количества людей → к качеству архитектуры
От пилотов → к промышленной эксплуатации
От хайпа → к P&L
Самый интересный вопрос сейчас — не «заменит ли ИИ людей?», а «какие бизнес-модели переживут его внедрение?».
Будет интересно обсудить:
Как в ваших компаниях считают экономический эффект от AI — через сокращение затрат или через рост выручки?
#ArtificialIntelligence #AITransformation #BusinessTransformation #DigitalTransformation #AIstrategy #CIO #CTO #EnterpriseAI #AIgovernance #LLMOps #MLOps
https://www.linkedin.com/pulse/ai-longer-hype-its-restructuring-business-models-tech-anton-filimonov-pdime/?trackingId=mNUkzCPDmze5%2Btm7YCfoGw%3D%3D
Linkedin
AI Is No Longer Hype. It’s a Restructuring of Business Models (Tech Review #1)
I recently came across an article by Tech in Asia — “The AI reckoning threatening India’s software assembly line” https://www.techinasia.
👍2🔥1
KYC & AI in Action. История одного продукта. Часть 2
Когда создаёшь или выводишь продукт на рынок — особенно тот, что был сделан «для себя» внутри корпорации — важно не просто определить аудиторию, а по-настоящему понять клиента. Что он хочет? Чем живёт? Какие боли мешают ему работать эффективнее?
Это и есть суть KYC — Know Your Customer. Ответы на эти вопросы позволяют:
👉 Сформировать миссию продукта
👉 Реализовать её с учётом реальных потребностей
👉 Доставить ценность клиенту
👉 Получить за это прибыль
Выглядит просто. Но цена точности — высокая. Сотни тысяч компаний в B2B, миллионы в B2C. Идеальный портрет каждого — это неделями собирать данные, анализировать, сегментировать, проверять.
Ввиду ограниченности ресурсов и времени мы решили пойти по другому пути. Подключили инструменты ИИ. И вот где начинается самое интересное.
LLM-инструменты и новая эра цифрового маркетинга
Digital-маркетинг как инструмент работы с ЦА появился давно. Но раньше это были либо узкие продукты, либо дорогие лицензии.
Сейчас всё изменилось. Большие языковые модели (LLM) вроде ChatGPT или Perplexity резко снизили порог входа. Нужны не команды дата-сайентистов, а пара часов и чёткий запрос.
Как мы использовали ИИ, чтобы узнать своего клиента
Мы сосредоточились на малом и среднем бизнесе — позже расскажу, почему выбрали именно этот сегмент. А вот что нам помогло:
🧠 ChatGPT — «исследователь»
Сбор и анализ конкурентной информации
Выделение трендов: где автоматизация, где закупки на платформенные решения
Сегментация по регионам, выручке, уровню цифровизации
Сбор «болей» отрасли с кейсами решения
Составление списка потенциальных клиентов
Черновик плана продвижения на конференциях/выставках
📊 Perplexity — «аналитик»
Верификация гипотез, сформированных через ChatGPT
Расчёты по болевым точкам и приоритизация фич
Поддержка при построении моделей монетизации
На всё ушло не недели, а 2 дня: формулировка промптов, проверка, анализ, корректировка. Это не магия — это грамотное использование технологий.
🧩 ИИ перестаёт быть просто трендом — он меняет сам подход к созданию и выводу продуктов.
В следующей части я расскажу:
Почему выбрали именно малый и средний бизнес
Как используем ИИ в разработке
Как применяем ИИ-агентов в продажах и генерации лидов
🤔 А вы как используете ИИ в своих продуктах?
https://www.linkedin.com/pulse/kyc-ai-action-story-behind-one-product-part-2-anton-filimonov-8h6be/?trackingId=I6ItU6V1T0aP82AMZfrrmQ%3D%3D
Когда создаёшь или выводишь продукт на рынок — особенно тот, что был сделан «для себя» внутри корпорации — важно не просто определить аудиторию, а по-настоящему понять клиента. Что он хочет? Чем живёт? Какие боли мешают ему работать эффективнее?
Это и есть суть KYC — Know Your Customer. Ответы на эти вопросы позволяют:
👉 Сформировать миссию продукта
👉 Реализовать её с учётом реальных потребностей
👉 Доставить ценность клиенту
👉 Получить за это прибыль
Выглядит просто. Но цена точности — высокая. Сотни тысяч компаний в B2B, миллионы в B2C. Идеальный портрет каждого — это неделями собирать данные, анализировать, сегментировать, проверять.
Ввиду ограниченности ресурсов и времени мы решили пойти по другому пути. Подключили инструменты ИИ. И вот где начинается самое интересное.
LLM-инструменты и новая эра цифрового маркетинга
Digital-маркетинг как инструмент работы с ЦА появился давно. Но раньше это были либо узкие продукты, либо дорогие лицензии.
Сейчас всё изменилось. Большие языковые модели (LLM) вроде ChatGPT или Perplexity резко снизили порог входа. Нужны не команды дата-сайентистов, а пара часов и чёткий запрос.
Как мы использовали ИИ, чтобы узнать своего клиента
Мы сосредоточились на малом и среднем бизнесе — позже расскажу, почему выбрали именно этот сегмент. А вот что нам помогло:
🧠 ChatGPT — «исследователь»
Сбор и анализ конкурентной информации
Выделение трендов: где автоматизация, где закупки на платформенные решения
Сегментация по регионам, выручке, уровню цифровизации
Сбор «болей» отрасли с кейсами решения
Составление списка потенциальных клиентов
Черновик плана продвижения на конференциях/выставках
📊 Perplexity — «аналитик»
Верификация гипотез, сформированных через ChatGPT
Расчёты по болевым точкам и приоритизация фич
Поддержка при построении моделей монетизации
На всё ушло не недели, а 2 дня: формулировка промптов, проверка, анализ, корректировка. Это не магия — это грамотное использование технологий.
🧩 ИИ перестаёт быть просто трендом — он меняет сам подход к созданию и выводу продуктов.
В следующей части я расскажу:
Почему выбрали именно малый и средний бизнес
Как используем ИИ в разработке
Как применяем ИИ-агентов в продажах и генерации лидов
🤔 А вы как используете ИИ в своих продуктах?
https://www.linkedin.com/pulse/kyc-ai-action-story-behind-one-product-part-2-anton-filimonov-8h6be/?trackingId=I6ItU6V1T0aP82AMZfrrmQ%3D%3D
Linkedin
KYC & AI in Action. The story behind one product (Part 2)
Taking an Internal IT Product to Market, Part 2 (Part 1 https://www.linkedin.
🔥3❤2
AI — это пузырь? Взгляд на деньги, эффект и сценарии 2026–2028
Вопрос «AI — пузырь?» перестал быть философским. Он стал финансовым.
За 2026 год Reuters (https://www.reuters.com/business/big-tech-invest-about-650-billion-ai-2026-bridgewater-says-2026-02-23/) со ссылкой на анализ Bridgewater Associates пишет, что Alphabet, Amazon, Meta и Microsoft суммарно могут вложить около $650 млрд в AI‑инфраструктуру — против $410 млрд годом ранее. Это уже не «эксперименты», это стройка уровня электроэнергетики и транспорта.
Параллельно Gartner (https://www.gartner.com/en/articles/top-technology-trends-2026) оценивает совокупные мировые расходы на AI в $2.52 трлн в 2026 (рост 44% YoY). А расходы на Generative AI (GenAI) в 2025 Gartner прогнозировал на уровне $644 млрд (рост 76.4% к 2024).
Если коротко: деньги пошли «по‑взрослому». Но вопрос остаётся: это начало платформенного сдвига или капвложения, которые не окупятся?
Сколько реально стоит AI и почему счета растут
С точки зрения CTO, мне видится два вектора затрат»: инфраструктура и организационная перестройка. Первый виден в новостях. Второй — скрыт в P&L (люди, процессы, риск‑контуры, данные).
По оценке Gartner, AI Infrastructure (серверы, ускорители, дата‑центры и т.п. как рынок затрат в их модели) — крупнейший блок, который в 2026 году может составить $1.366 трлн из $2.528 трлн total AI spending. Это важно: инфраструктура — не “поддержка”, это ядро бюджета.
Показательный срез Gartner по структуре расходов (мировой рынок, прогноз):
- AI Services: $588.6 млрд (2026)
- AI Software: $452.5 млрд (2026)
- AI Models: $26.4 млрд (2026)
- AI Infrastructure: $1.366 трлн (2026)
Отдельно Gartner подчёркивает: строительство AI‑фундамента само по себе даст +49% к расходам на AI‑оптимизированные серверы в 2026 и будет ≈17% всех AI‑расходов; также AI‑инфраструктура «добавит» $401 млрд расходов в 2026 из‑за масштабного build‑out у технологических провайдеров.
Почему это превращается в «гонку капитала»? Потому что ограничение — не только деньги, но и энергия.
International Energy Agency (IEA) фиксирует, что в 2024 дата‑центры потребили 1.5% мировой электроэнергии, а к 2030 их доля в базовом сценарии может вырасти примерно до 3%, при этом мировое потребление дата‑центров более чем удвоится до ~945 TWh. На уровне темпа IEA оценивает рост потребления дата‑центрами в ~15% в год (2024–2030), а «accelerated servers» (во многом driven by AI) — ~30% в год в базовом сценарии.
А ещё IEA отмечает масштаб единичных объектов: «традиционные» дата‑центры — 10–25 MW, а hyperscale AI‑центры могут превышать 100 MW (порядка годового потребления 100,000 домохозяйств). Это объясняет, почему в инфраструктуре появляется «внешний мир»: энергетика, сети, разрешения, вода для охлаждения, трансформаторы, турбины.
Где бизнес‑эффект уже есть — и почему он выглядит «скромнее, чем обещали»
С точки зрения CPO, я стараюсь понять не «насколько крутая модель», а два показателя:
1) прирост выручки / удержания,
2) снижение стоимости операций (деньги, время, ошибки, риск).
Реальные замеры по рынку сейчас противоречивы — и это нормально для ранней стадии.
В отчёте The State of AI: Global Survey 2025 показывает: 39% респондентов связывают AI с каким‑то уровнем влияния на enterprise‑wide EBIT, но большинство из них говорит, что вклад AI — менее 5% EBIT. При этом McKinsey фиксирует «локальные» эффекты: компании чаще видят cost benefits на уровне use‑case (особенно в software engineering, manufacturing, IT), а рост выручки чаще отмечают в use‑cases маркетинга/продаж, стратегии/финансов и разработки продукта.
Параллельно National Bureau of Economic Research (NBER) опубликовало рабочую работу (опрос ≈6000 CFO/CEO и топ‑экзекьютивов в четырёх экономиках). Там картина жёстче: около 70% компаний «активно используют AI», но среднее использование топ‑экзекьютивами — ~1.5 часа в неделю, и >80% компаний сообщают об отсутствии влияния на занятость и продуктивность за последние 3 года. При этом ожидания на 3 года вперёд у них заметно оптимистичнее: +1.4% к продуктивности, +0.8% к выпуску, −0.7% к занятости.
Вопрос «AI — пузырь?» перестал быть философским. Он стал финансовым.
За 2026 год Reuters (https://www.reuters.com/business/big-tech-invest-about-650-billion-ai-2026-bridgewater-says-2026-02-23/) со ссылкой на анализ Bridgewater Associates пишет, что Alphabet, Amazon, Meta и Microsoft суммарно могут вложить около $650 млрд в AI‑инфраструктуру — против $410 млрд годом ранее. Это уже не «эксперименты», это стройка уровня электроэнергетики и транспорта.
Параллельно Gartner (https://www.gartner.com/en/articles/top-technology-trends-2026) оценивает совокупные мировые расходы на AI в $2.52 трлн в 2026 (рост 44% YoY). А расходы на Generative AI (GenAI) в 2025 Gartner прогнозировал на уровне $644 млрд (рост 76.4% к 2024).
Если коротко: деньги пошли «по‑взрослому». Но вопрос остаётся: это начало платформенного сдвига или капвложения, которые не окупятся?
Сколько реально стоит AI и почему счета растут
С точки зрения CTO, мне видится два вектора затрат»: инфраструктура и организационная перестройка. Первый виден в новостях. Второй — скрыт в P&L (люди, процессы, риск‑контуры, данные).
По оценке Gartner, AI Infrastructure (серверы, ускорители, дата‑центры и т.п. как рынок затрат в их модели) — крупнейший блок, который в 2026 году может составить $1.366 трлн из $2.528 трлн total AI spending. Это важно: инфраструктура — не “поддержка”, это ядро бюджета.
Показательный срез Gartner по структуре расходов (мировой рынок, прогноз):
- AI Services: $588.6 млрд (2026)
- AI Software: $452.5 млрд (2026)
- AI Models: $26.4 млрд (2026)
- AI Infrastructure: $1.366 трлн (2026)
Отдельно Gartner подчёркивает: строительство AI‑фундамента само по себе даст +49% к расходам на AI‑оптимизированные серверы в 2026 и будет ≈17% всех AI‑расходов; также AI‑инфраструктура «добавит» $401 млрд расходов в 2026 из‑за масштабного build‑out у технологических провайдеров.
Почему это превращается в «гонку капитала»? Потому что ограничение — не только деньги, но и энергия.
International Energy Agency (IEA) фиксирует, что в 2024 дата‑центры потребили 1.5% мировой электроэнергии, а к 2030 их доля в базовом сценарии может вырасти примерно до 3%, при этом мировое потребление дата‑центров более чем удвоится до ~945 TWh. На уровне темпа IEA оценивает рост потребления дата‑центрами в ~15% в год (2024–2030), а «accelerated servers» (во многом driven by AI) — ~30% в год в базовом сценарии.
А ещё IEA отмечает масштаб единичных объектов: «традиционные» дата‑центры — 10–25 MW, а hyperscale AI‑центры могут превышать 100 MW (порядка годового потребления 100,000 домохозяйств). Это объясняет, почему в инфраструктуре появляется «внешний мир»: энергетика, сети, разрешения, вода для охлаждения, трансформаторы, турбины.
Где бизнес‑эффект уже есть — и почему он выглядит «скромнее, чем обещали»
С точки зрения CPO, я стараюсь понять не «насколько крутая модель», а два показателя:
1) прирост выручки / удержания,
2) снижение стоимости операций (деньги, время, ошибки, риск).
Реальные замеры по рынку сейчас противоречивы — и это нормально для ранней стадии.
В отчёте The State of AI: Global Survey 2025 показывает: 39% респондентов связывают AI с каким‑то уровнем влияния на enterprise‑wide EBIT, но большинство из них говорит, что вклад AI — менее 5% EBIT. При этом McKinsey фиксирует «локальные» эффекты: компании чаще видят cost benefits на уровне use‑case (особенно в software engineering, manufacturing, IT), а рост выручки чаще отмечают в use‑cases маркетинга/продаж, стратегии/финансов и разработки продукта.
Параллельно National Bureau of Economic Research (NBER) опубликовало рабочую работу (опрос ≈6000 CFO/CEO и топ‑экзекьютивов в четырёх экономиках). Там картина жёстче: около 70% компаний «активно используют AI», но среднее использование топ‑экзекьютивами — ~1.5 часа в неделю, и >80% компаний сообщают об отсутствии влияния на занятость и продуктивность за последние 3 года. При этом ожидания на 3 года вперёд у них заметно оптимистичнее: +1.4% к продуктивности, +0.8% к выпуску, −0.7% к занятости.
Gartner
Top Strategic Technology Trends for 2026 | Gartner
Explore Gartner’s Top Strategic Technology Trends for 2026 — 10 trends that will shape innovation, resilience and trust across industries. Learn how CIOs can lead with confidence in an AI-powered world.
🔥3
Если сфокусироваться на APAC‑контексте, полезно смотреть на связку Tech in Asia + локальные исследования. На уровне «сигналов рынка» Tech in Asia (со ссылкой на Reuters) подсветил как раз масштаб капекса Big Tech — те самые $650 млрд. А по «земле» (что происходит в компаниях) есть важный источник: совместный отчёт McKinsey + госагентства Singapore Economic Development Board + Tech in Asia по Юго‑Восточной Азии.
В публикации на EDB говорится, что 46% опрошенных компаний региона уже перешли от пилотов к масштабированию AI (против 35% глобального среднего), но при этом 60% респондентов видят менее 5% EBIT‑эффекта от AI‑адопшена, а 18% — не видят финансового эффекта вообще. Там же отмечается, что 41% компаний сталкивались с негативными последствиями из‑за неточности AI (качество/ошибки/риски доверия).
Отдельно на «уровне бюджета» EDB‑страница отчёта подчёркивает: организации в регионе аллоцируют 11–40% tech‑бюджетов на AI, но «few observe actual impact to their bottom‑line performance». [23]
Мой вывод как CPO+CTO: мы видим классический разрыв между “мы купили/подключили AI” и “мы перестроили процесс и экономику решения”. Это и есть причина, почему эффект у большинства пока «в пределах шума» — при огромном уровне капекса.
Признаки пузыря и признаки платформенного сдвига
Чтобы честно ответить «пузырь или нет», важно разделить два уровня:
· Пузырь возможен в финансировании/оценках/капвложениях
· Платформенный сдвиг возможен в технологиях и софте
Они могут происходить одновременно (как в dot‑com: пузырь в оценках, но интернет остался).
Сигналы “пузыря” (финансовая часть):
- Bridgewater публично предупреждает, что текущая фаза — «более опасная», так как инвестиции в физическую инфраструктуру растут экспоненциально, а ставка на внешний капитал усиливается.
- В декабре 2025 Reuters приводил оценку, что финансирование AI‑датацентров и проектные сделки выросли до $125 млрд (за год до ноября 2025) против $15 млрд годом ранее — это очень сильный прирост именно «внешнего финансирования инфраструктуры».
- OECD фиксирует концентрацию венчурных денег: в 2025 AI‑фирмы получили 61% глобального VC — $258.7 млрд из $427.1 млрд; причём mega‑deals >$100 млн дали около 73% всей стоимости AI‑инвестиций.
- Gartner через Reuters предупреждал о «хайпе в агентных системах»: более 40% agentic AI проектов могут быть отменены к 2027 из‑за высокой стоимости и неясного бизнес‑результата.
Сигналы “платформенного сдвига” (технологическая часть):
- Gartner прямо говорит, что в 2026 AI находится в Trough of Disillusionment и будет чаще «продаваться» как часть решений текущих вендоров, а не покупаться как «moonshot»; масштабирование потребует предсказуемости ROI.
- Gartner в Top Strategic Trends 2026 делает акцент на индустриализации: Domain‑Specific Language Models, Multiagent Systems, AI Security Platforms, AI‑Native Development Platforms, Confidential Computing и др.
- Конкретные прогнозные маркеры Gartner, которые для CPO/CTO важнее хайпа:
- к 2028 более половины GenAI‑моделей в enterprise будут domain‑specific;
- к 2028 более 50% предприятий будут использовать AI Security Platforms;
- к 2030 AI‑native dev‑платформы могут привести к тому, что 80% организаций трансформируют большие команды разработки в меньшие команды, усиленные AI;
- к 2029 >75% операций, выполняемых в «untrusted infrastructure», будут защищены in‑use через confidential computing.
Моя позиция: говорить «AI — пузырь» слишком грубо. Точнее: в AI есть “пузырь ожиданий” и “перегрев капитала”, но при этом идёт реальная смена софт‑парадигмы (переход к “AI‑native” продуктам, к агентным/оркестрационным системам и к специализированным моделям).
Варианты развития событий: что реалистично в 2026–2028
Я бы рассматривал три реалистичных сценария (они могут смешиваться по отраслям и регионам).
Сценарий «Платформенная нормализация»
В публикации на EDB говорится, что 46% опрошенных компаний региона уже перешли от пилотов к масштабированию AI (против 35% глобального среднего), но при этом 60% респондентов видят менее 5% EBIT‑эффекта от AI‑адопшена, а 18% — не видят финансового эффекта вообще. Там же отмечается, что 41% компаний сталкивались с негативными последствиями из‑за неточности AI (качество/ошибки/риски доверия).
Отдельно на «уровне бюджета» EDB‑страница отчёта подчёркивает: организации в регионе аллоцируют 11–40% tech‑бюджетов на AI, но «few observe actual impact to their bottom‑line performance». [23]
Мой вывод как CPO+CTO: мы видим классический разрыв между “мы купили/подключили AI” и “мы перестроили процесс и экономику решения”. Это и есть причина, почему эффект у большинства пока «в пределах шума» — при огромном уровне капекса.
Признаки пузыря и признаки платформенного сдвига
Чтобы честно ответить «пузырь или нет», важно разделить два уровня:
· Пузырь возможен в финансировании/оценках/капвложениях
· Платформенный сдвиг возможен в технологиях и софте
Они могут происходить одновременно (как в dot‑com: пузырь в оценках, но интернет остался).
Сигналы “пузыря” (финансовая часть):
- Bridgewater публично предупреждает, что текущая фаза — «более опасная», так как инвестиции в физическую инфраструктуру растут экспоненциально, а ставка на внешний капитал усиливается.
- В декабре 2025 Reuters приводил оценку, что финансирование AI‑датацентров и проектные сделки выросли до $125 млрд (за год до ноября 2025) против $15 млрд годом ранее — это очень сильный прирост именно «внешнего финансирования инфраструктуры».
- OECD фиксирует концентрацию венчурных денег: в 2025 AI‑фирмы получили 61% глобального VC — $258.7 млрд из $427.1 млрд; причём mega‑deals >$100 млн дали около 73% всей стоимости AI‑инвестиций.
- Gartner через Reuters предупреждал о «хайпе в агентных системах»: более 40% agentic AI проектов могут быть отменены к 2027 из‑за высокой стоимости и неясного бизнес‑результата.
Сигналы “платформенного сдвига” (технологическая часть):
- Gartner прямо говорит, что в 2026 AI находится в Trough of Disillusionment и будет чаще «продаваться» как часть решений текущих вендоров, а не покупаться как «moonshot»; масштабирование потребует предсказуемости ROI.
- Gartner в Top Strategic Trends 2026 делает акцент на индустриализации: Domain‑Specific Language Models, Multiagent Systems, AI Security Platforms, AI‑Native Development Platforms, Confidential Computing и др.
- Конкретные прогнозные маркеры Gartner, которые для CPO/CTO важнее хайпа:
- к 2028 более половины GenAI‑моделей в enterprise будут domain‑specific;
- к 2028 более 50% предприятий будут использовать AI Security Platforms;
- к 2030 AI‑native dev‑платформы могут привести к тому, что 80% организаций трансформируют большие команды разработки в меньшие команды, усиленные AI;
- к 2029 >75% операций, выполняемых в «untrusted infrastructure», будут защищены in‑use через confidential computing.
Моя позиция: говорить «AI — пузырь» слишком грубо. Точнее: в AI есть “пузырь ожиданий” и “перегрев капитала”, но при этом идёт реальная смена софт‑парадигмы (переход к “AI‑native” продуктам, к агентным/оркестрационным системам и к специализированным моделям).
Варианты развития событий: что реалистично в 2026–2028
Я бы рассматривал три реалистичных сценария (они могут смешиваться по отраслям и регионам).
Сценарий «Платформенная нормализация»
Рынок принимает, что AI — это не один продукт, а слой. Фокус смещается на domain‑specific модели, безопасность, оркестрацию агентов, перестройку процессов и метрик. Этот сценарий хорошо стыкуется с тезисом Gartner про «AI продаётся текущими вендорами» и с их “trend‑map” на 2026.
Сценарий «Коррекция капекса и консолидация»
Капвложения Big Tech и экосистемы остаются высокими, но рынки начинают требовать доказуемой прибыли. Bridgewater в Reuters прямо сравнивает потенциальное влияние коррекции акций на способность привлекать капитал с dot‑com 2000 года (с оговоркой, что текущие движения меньше). В таком сценарии выживут те, у кого есть unit‑economics и реальный “attach” к существующей выручке (enterprise‑подписки, облака, промышленные контракты).
Сценарий «Энергия, суверенность и “география AI”»
Ограничивающим фактором становится электричество/сети/разрешения. IEA прогнозирует подъём доли дата‑центров до ~3% мировой электроэнергии к 2030, а также рост до ~945 TWh в базовом сценарии. Это толкает бизнес к новым архитектурам (эффективность, edge, оптимизация) и к организационным решениям (где размещать, как комплаенсить). Не случайно Gartner включает в тренды 2026 Geopatriation (сдвиг к регионализации тех‑стека и данных) и Confidential Computing.
Что бы я делал на месте CPO/CTO прямо сейчас
Если принять, что AI дорогой, а эффект не гарантирован, то стратегия должна быть “portfolio‑based” — как у венчура, но в рамках компании.
Первое — приземлить AI в P&L: AI‑фичи должны иметь owner’а по экономике (маржа/COGS/снижение затрат/рост доходов), иначе это будет бесконечный «пилотный театр». Gartner прямо указывает, что предсказуемость ROI — условие масштабирования.
Второе — выбирать use‑cases, где есть измеримость (и где McKinsey видит наиболее частые cost/revenue эффекты): software engineering, IT, операции; маркетинг/продажи и продукт‑разработка — для выручки.
Третье — инвестировать в процессы и данные, а не “в модель”. Главная причина слабого эффекта по NBER — не отсутствие технологий, а низкая глубина использования (те же 1.5 часа/неделю у топ‑экзекьютивов — это не внедрение).
Четвёртое — двигаться от “общих LLM” к контексту и специализации: Gartner ожидает, что к 2028 более половины enterprise GenAI‑моделей будут domain‑specific — это одновременно про качество, стоимость и комплаенс.
Пятое — строить контур доверия: безопасность, мониторинг, защита от prompt‑injection/утечек/«рок‑агентов». Gartner прогнозирует массовое распространение AI Security Platforms к 2028. А APAC‑данные показывают цену ошибок: 41% компаний в регионе уже сталкивались с негативными последствиями из‑за неточности AI.
Краткое резюме
AI не выглядит пузырём “в целом”, но может быть пузырём в части капитала и ожиданий.
· Уровень затрат подтверждён масштабом: $650 млрд потенциального капекса Big Tech в 2026.
· На уровне мирового рынка расходы огромны: $2.52 трлн AI spending (прогноз Gartner на 2026), где драйвер — инфраструктура.
· Эффект пока чаще «локальный»: 39% компаний видят EBIT‑влияние, но обычно <5% EBIT; сильный эффект концентрируется у небольшой группы “high performers”.
· Параллельно есть трезвый «холодный душ»: NBER фиксирует высокую декларируемую адопцию при слабом измеримом влиянии за последние годы.
· В APAC картина похожа: быстрое масштабирование у части компаний, но часто небольшой EBIT‑эффект; и заметные риски качества.
https://www.linkedin.com/pulse/ai-bubble-thoughts-from-ctocpo-perspective-anton-filimonov-83bvf/?trackingId=GpRJJiuD3x3SPsQgsbVMjQ%3D%3D
Сценарий «Коррекция капекса и консолидация»
Капвложения Big Tech и экосистемы остаются высокими, но рынки начинают требовать доказуемой прибыли. Bridgewater в Reuters прямо сравнивает потенциальное влияние коррекции акций на способность привлекать капитал с dot‑com 2000 года (с оговоркой, что текущие движения меньше). В таком сценарии выживут те, у кого есть unit‑economics и реальный “attach” к существующей выручке (enterprise‑подписки, облака, промышленные контракты).
Сценарий «Энергия, суверенность и “география AI”»
Ограничивающим фактором становится электричество/сети/разрешения. IEA прогнозирует подъём доли дата‑центров до ~3% мировой электроэнергии к 2030, а также рост до ~945 TWh в базовом сценарии. Это толкает бизнес к новым архитектурам (эффективность, edge, оптимизация) и к организационным решениям (где размещать, как комплаенсить). Не случайно Gartner включает в тренды 2026 Geopatriation (сдвиг к регионализации тех‑стека и данных) и Confidential Computing.
Что бы я делал на месте CPO/CTO прямо сейчас
Если принять, что AI дорогой, а эффект не гарантирован, то стратегия должна быть “portfolio‑based” — как у венчура, но в рамках компании.
Первое — приземлить AI в P&L: AI‑фичи должны иметь owner’а по экономике (маржа/COGS/снижение затрат/рост доходов), иначе это будет бесконечный «пилотный театр». Gartner прямо указывает, что предсказуемость ROI — условие масштабирования.
Второе — выбирать use‑cases, где есть измеримость (и где McKinsey видит наиболее частые cost/revenue эффекты): software engineering, IT, операции; маркетинг/продажи и продукт‑разработка — для выручки.
Третье — инвестировать в процессы и данные, а не “в модель”. Главная причина слабого эффекта по NBER — не отсутствие технологий, а низкая глубина использования (те же 1.5 часа/неделю у топ‑экзекьютивов — это не внедрение).
Четвёртое — двигаться от “общих LLM” к контексту и специализации: Gartner ожидает, что к 2028 более половины enterprise GenAI‑моделей будут domain‑specific — это одновременно про качество, стоимость и комплаенс.
Пятое — строить контур доверия: безопасность, мониторинг, защита от prompt‑injection/утечек/«рок‑агентов». Gartner прогнозирует массовое распространение AI Security Platforms к 2028. А APAC‑данные показывают цену ошибок: 41% компаний в регионе уже сталкивались с негативными последствиями из‑за неточности AI.
Краткое резюме
AI не выглядит пузырём “в целом”, но может быть пузырём в части капитала и ожиданий.
· Уровень затрат подтверждён масштабом: $650 млрд потенциального капекса Big Tech в 2026.
· На уровне мирового рынка расходы огромны: $2.52 трлн AI spending (прогноз Gartner на 2026), где драйвер — инфраструктура.
· Эффект пока чаще «локальный»: 39% компаний видят EBIT‑влияние, но обычно <5% EBIT; сильный эффект концентрируется у небольшой группы “high performers”.
· Параллельно есть трезвый «холодный душ»: NBER фиксирует высокую декларируемую адопцию при слабом измеримом влиянии за последние годы.
· В APAC картина похожа: быстрое масштабирование у части компаний, но часто небольшой EBIT‑эффект; и заметные риски качества.
https://www.linkedin.com/pulse/ai-bubble-thoughts-from-ctocpo-perspective-anton-filimonov-83bvf/?trackingId=GpRJJiuD3x3SPsQgsbVMjQ%3D%3D
Linkedin
🚀 Is AI a Bubble? Thoughts from the CTO/CPO Perspective
Over $650B is expected to be invested in AI infrastructure by Big Tech in 2026, up from $410B in 2025, according to Bridgewater Associates . While this surge reflects optimism, we must ask: is this exponential growth economically justified — or are we inflating…
🔥2✍1👍1
А кто для вас идеальный ИТ лидер?
💡 Product-Deep vs. Numbers-First в ИТ-менеджменте
Часто слышу вопрос: каким должен быть идеальный ИТ-менеджер?
📌 Начнём с базы: управленец обязан разбираться в том, чем управляет — от архитектуры и процессов до бюджетов, сроков и ожиданий. Даже если он пришёл «со стороны», должен быстро погрузиться в предметную область, чтобы говорить с бизнесом на одном языке.
А теперь — на уровень выше.
Есть два управленческих архетипа:
🔹 Product-deep (CPO/CTO-стиль) — глубоко в продукте, технологиях и процессе. Идёт в gemba, лично разбирается в инцидентах, ищет корень причин.
🔹 Numbers-first (GM/CFO-стиль) — мыслит через KPI, P&L, бюджеты, воронки и загрузку. Его точка входа — цифры, аналитика, эффективность.
📊 Кто лучше? Зависит от культуры, контекста и фазы компании:
🇺🇸 США: скорость, масштаб, метрики.
Product-deep нужен в высокорисковых зонах (авиация, безопасность), но может проигрывать в портфельной дисциплине.
Numbers-first даёт масштаб и финансовую управляемость, но есть риск short-termism (пример — Boeing).
🇩🇪 Германия: системность, инженерное качество, участие сотрудников.
Product-deep вписывается в культуру качества. Минус — медленные процессы.
Numbers-first эффективен при глобальной конкуренции, но может нарушить консенсус с профсоюзами.
🇷🇺 Россия: адаптивность, личная ответственность, быстрая централизация решений.
Product-deep хорош при неопределённости. Но ручное управление сложно масштабировать.
Numbers-first вносит структуру, но рискует вызвать недоверие к метрикам как «бумажной» бюрократии.
🇯🇵 Япония: gemba, kaizen, консенсус.
Product-deep — часть управленческого ДНК.
Numbers-first помогает с глобальной эффективностью, но может разрушить доверие, если не сопровождается nemawashi.
⚖️ Идеальный лидер — не компромисс, а гибрид.
Тот, кто умеет сочетать:
— продуктовую эмпатию и глубину,
— системное мышление и метрики,
— обучение и масштаб.
Лично мне ближе product-deep стиль в духе kaizen, но каждое решение я проверяю цифрами.
А вы на чьей стороне?
#лидерство #продуктовыйменеджмент #стратегия #управление #digital #kaizen #productdeep #numbersfirst #kpi #cpo #cto #ceo
📎 Полная версия статьи на LinkedIn:
https://www.linkedin.com/pulse/%25D0%25B8%25D0%25B4%25D0%25B0%25D0%25B5%25D0%25BB%25D1%258C%25D0%25BD%25D1%258B%25D0%25B9-%25D0%25B8%25D1%2582-%25D0%25BB%25D0%25B8%25D0%25B4%25D0%25B5%25D1%2580-product-deep-vs-numbers-first-anton-filimonov-5yqif/?trackingId=7aC6ujw8R6G82VDD%2BYgPDQ%3D%3D
💡 Product-Deep vs. Numbers-First в ИТ-менеджменте
Часто слышу вопрос: каким должен быть идеальный ИТ-менеджер?
📌 Начнём с базы: управленец обязан разбираться в том, чем управляет — от архитектуры и процессов до бюджетов, сроков и ожиданий. Даже если он пришёл «со стороны», должен быстро погрузиться в предметную область, чтобы говорить с бизнесом на одном языке.
А теперь — на уровень выше.
Есть два управленческих архетипа:
🔹 Product-deep (CPO/CTO-стиль) — глубоко в продукте, технологиях и процессе. Идёт в gemba, лично разбирается в инцидентах, ищет корень причин.
🔹 Numbers-first (GM/CFO-стиль) — мыслит через KPI, P&L, бюджеты, воронки и загрузку. Его точка входа — цифры, аналитика, эффективность.
📊 Кто лучше? Зависит от культуры, контекста и фазы компании:
🇺🇸 США: скорость, масштаб, метрики.
Product-deep нужен в высокорисковых зонах (авиация, безопасность), но может проигрывать в портфельной дисциплине.
Numbers-first даёт масштаб и финансовую управляемость, но есть риск short-termism (пример — Boeing).
🇩🇪 Германия: системность, инженерное качество, участие сотрудников.
Product-deep вписывается в культуру качества. Минус — медленные процессы.
Numbers-first эффективен при глобальной конкуренции, но может нарушить консенсус с профсоюзами.
🇷🇺 Россия: адаптивность, личная ответственность, быстрая централизация решений.
Product-deep хорош при неопределённости. Но ручное управление сложно масштабировать.
Numbers-first вносит структуру, но рискует вызвать недоверие к метрикам как «бумажной» бюрократии.
🇯🇵 Япония: gemba, kaizen, консенсус.
Product-deep — часть управленческого ДНК.
Numbers-first помогает с глобальной эффективностью, но может разрушить доверие, если не сопровождается nemawashi.
⚖️ Идеальный лидер — не компромисс, а гибрид.
Тот, кто умеет сочетать:
— продуктовую эмпатию и глубину,
— системное мышление и метрики,
— обучение и масштаб.
Лично мне ближе product-deep стиль в духе kaizen, но каждое решение я проверяю цифрами.
А вы на чьей стороне?
#лидерство #продуктовыйменеджмент #стратегия #управление #digital #kaizen #productdeep #numbersfirst #kpi #cpo #cto #ceo
📎 Полная версия статьи на LinkedIn:
https://www.linkedin.com/pulse/%25D0%25B8%25D0%25B4%25D0%25B0%25D0%25B5%25D0%25BB%25D1%258C%25D0%25BD%25D1%258B%25D0%25B9-%25D0%25B8%25D1%2582-%25D0%25BB%25D0%25B8%25D0%25B4%25D0%25B5%25D1%2580-product-deep-vs-numbers-first-anton-filimonov-5yqif/?trackingId=7aC6ujw8R6G82VDD%2BYgPDQ%3D%3D
Linkedin
Идаельный ИТ лидер? Product-Deep vs. Numbers-First
Сравнительный анализ стилей лидерства Product-Deep и Numbers-First в разных странах — США, Германии, России и Японии.
✍3❤2
Почему Юго-Восточная Азия становится новым технологическим хабом.
Достаточно долго я собирал материалы и наблюдения по одному из регионов, который мне особенно интересен — Юго-Восточной Азия. Это связано и с моим академическим интересом (MBA), и с личными путешествиями по региону. Постепенно стало интересно разобраться глубже: как развивается рынок стартапов в странах SEA, какие технологические тренды там формируются и есть ли влияние культурных факторов на развитие предпринимательства.
В итоге получился небольшой обзор стартап-экосистемы региона, который я решил разбить на три части. Сегодня — первая часть, посвящённая общему развитию экосистемы.
На протяжении последних двадцати лет глобальная технологическая карта была довольно стабильной: Silicon Valley, Китай, Индия. Однако параллельно формируется ещё один регион, который всё чаще привлекает внимание инвесторов и технологических компаний — Юго-Восточная Азия.
Регион с населением более 700 миллионов человек, быстро растущей цифровой экономикой и активным венчурным рынком. Стартапы здесь часто создают не просто сервисы, а цифровую инфраструктуру целых отраслей: финтех для небанковского населения, логистические платформы, сервисы для малого бизнеса.
Экосистема региона распределена между несколькими технологическими хабами:
Singapore — VC и финансы,
Jakarta — consumer-platforms,
Ho Chi Minh City — инженерные команды,
Kuala Lumpur — fintech,
Manila — digital services.
Вместе они формируют одну из самых динамичных технологических экосистем emerging markets.
Во второй части разберу тему культурной ДНК предпринимателей региона и то, как она влияет на развитие стартапов.
📖 Полная статья: https://www.linkedin.com/pulse/rise-southeast-asia-new-global-tech-ecosystem-1-anton-filimonov-ryb4e/?trackingId=ULZzc%2B5XAjSh0ZDRNhjPog%3D%3D
Достаточно долго я собирал материалы и наблюдения по одному из регионов, который мне особенно интересен — Юго-Восточной Азия. Это связано и с моим академическим интересом (MBA), и с личными путешествиями по региону. Постепенно стало интересно разобраться глубже: как развивается рынок стартапов в странах SEA, какие технологические тренды там формируются и есть ли влияние культурных факторов на развитие предпринимательства.
В итоге получился небольшой обзор стартап-экосистемы региона, который я решил разбить на три части. Сегодня — первая часть, посвящённая общему развитию экосистемы.
На протяжении последних двадцати лет глобальная технологическая карта была довольно стабильной: Silicon Valley, Китай, Индия. Однако параллельно формируется ещё один регион, который всё чаще привлекает внимание инвесторов и технологических компаний — Юго-Восточная Азия.
Регион с населением более 700 миллионов человек, быстро растущей цифровой экономикой и активным венчурным рынком. Стартапы здесь часто создают не просто сервисы, а цифровую инфраструктуру целых отраслей: финтех для небанковского населения, логистические платформы, сервисы для малого бизнеса.
Экосистема региона распределена между несколькими технологическими хабами:
Singapore — VC и финансы,
Jakarta — consumer-platforms,
Ho Chi Minh City — инженерные команды,
Kuala Lumpur — fintech,
Manila — digital services.
Вместе они формируют одну из самых динамичных технологических экосистем emerging markets.
Во второй части разберу тему культурной ДНК предпринимателей региона и то, как она влияет на развитие стартапов.
📖 Полная статья: https://www.linkedin.com/pulse/rise-southeast-asia-new-global-tech-ecosystem-1-anton-filimonov-ryb4e/?trackingId=ULZzc%2B5XAjSh0ZDRNhjPog%3D%3D
Linkedin
The Rise of Southeast Asia: A New Global Tech Ecosystem (#1)
Part 1 of a 3-part series on Southeast Asia’s startup ecosystem For quite some time I’ve been collecting materials and insights about one of my favorite regions — Southeast Asia. Partly this comes from my MBA background, and partly from my personal interest…
👍3🔥3❤1
Отпуск — опасная штука. Стоит немного отключиться от пи@ца пожаров, «эффективных» встреч, как в голове рождаются странные идеи.
Так появилась задумка:
📕 «Вредные советы — пособие руководителя-диверсанта». Не судите строго- это моя первая проба пера.
Надеюсь - это не только «улыбнет», но и будет полезным (все совпадения случайны🙂)
Под каждым «вредным советом» позже будет разбор:
почему такие анти-паттерны возникают и как превращать хаос в работающую систему 🙂 - статьи будут опубликованы в моем профиле LinkedIn
«ScrumBan головного мозга»
Если ты решил однажды не пойти ли мне в IT.
Вот тебе мои советы, как стать лучшим,
В ТОП войти.
Выбирай там что полегче. Product Owner. Кто такой?
Менеджер. Тот, что приходит, открывая дверь ногой.
Требуй сроки. Ставь дедлайны. Генери поток идей.
Никогда не строй процессы - это скучно для людей.
Артефакты, базы знаний и другую мишуру.
Ты не делай, пусть все знают, тут решают по уму.
Если кто-то спросит схему - говори: «SCRUM не про то».
И ему какое дело? Твой продукт, а не его.
Планы тоже вредны очень: с ними сложно удивлять.
Лучше каждый понедельник весь roadmap пересобрать.
Чтобы было интересней,
Подменяй проекта суть.
Добавляй везде AI, будешь модным, будет круть.
Scope фиксировать не надо —
Это waterfall , не nice.
Пусть задачи растут быстро как весенний энтерпрайз.
Если сроки горят сильно и команда на краю —
Срочно поменяй команду «свежий взгляд» внедрим в бою.
Разработчик понял сервис?
Архитектор вник в процесс?
Самый повод их подвинуть —
Чтоб пропал опасный stress.
Технологии стабильны - значит, что-то тут не так.
Только выучили Java переходим срочно в Rust.
Не забудь в ретроспективе главный тезис повторять:
«SCRUM — про гибкость изменений, надо просто доверять».
А когда проект однажды превратится в страшный шлак,
Смело скажешь руководству:
«Это был не Scrum, а ScrumBan».
#ProductManagement #ProductOwner #Scrum #Agile #Leadership #EngineeringManagement #DigitalTransformation #TechLeadership #AntiPatterns #TechSatire
Так появилась задумка:
📕 «Вредные советы — пособие руководителя-диверсанта». Не судите строго- это моя первая проба пера.
Надеюсь - это не только «улыбнет», но и будет полезным (все совпадения случайны🙂)
Под каждым «вредным советом» позже будет разбор:
почему такие анти-паттерны возникают и как превращать хаос в работающую систему 🙂 - статьи будут опубликованы в моем профиле LinkedIn
«ScrumBan головного мозга»
Если ты решил однажды не пойти ли мне в IT.
Вот тебе мои советы, как стать лучшим,
В ТОП войти.
Выбирай там что полегче. Product Owner. Кто такой?
Менеджер. Тот, что приходит, открывая дверь ногой.
Требуй сроки. Ставь дедлайны. Генери поток идей.
Никогда не строй процессы - это скучно для людей.
Артефакты, базы знаний и другую мишуру.
Ты не делай, пусть все знают, тут решают по уму.
Если кто-то спросит схему - говори: «SCRUM не про то».
И ему какое дело? Твой продукт, а не его.
Планы тоже вредны очень: с ними сложно удивлять.
Лучше каждый понедельник весь roadmap пересобрать.
Чтобы было интересней,
Подменяй проекта суть.
Добавляй везде AI, будешь модным, будет круть.
Scope фиксировать не надо —
Это waterfall , не nice.
Пусть задачи растут быстро как весенний энтерпрайз.
Если сроки горят сильно и команда на краю —
Срочно поменяй команду «свежий взгляд» внедрим в бою.
Разработчик понял сервис?
Архитектор вник в процесс?
Самый повод их подвинуть —
Чтоб пропал опасный stress.
Технологии стабильны - значит, что-то тут не так.
Только выучили Java переходим срочно в Rust.
Не забудь в ретроспективе главный тезис повторять:
«SCRUM — про гибкость изменений, надо просто доверять».
А когда проект однажды превратится в страшный шлак,
Смело скажешь руководству:
«Это был не Scrum, а ScrumBan».
#ProductManagement #ProductOwner #Scrum #Agile #Leadership #EngineeringManagement #DigitalTransformation #TechLeadership #AntiPatterns #TechSatire
🔥6❤1👍1
🌏 Культурные особенности стартап-экосистемы Юго-Восточной Азии
Последний месяц я провёл в поездке по Юго восточной Азии. И чем глубже погружался в регион — тем сильнее понимал: ЮВА невозможно понять только через цифры, венчанный капитал и отчеты о динамике рынка.
За каждой экосистемой здесь стоит своя культурная логика.
Сингапур — про governance, compliance и масштабирование на регион.
Таиланд — про доверие, иерархия и личные связи.
Индонезия — про community-scale, локальные сети и сложная регуляторика.
Малайзия — про мультикультурность и роль государства как дирижера всей экосистемы.
Вьетнам — про скорость в сочетании с сильным государственным влиянием.
Именно поэтому ЮВА — не единый рынок, а набор разных моделей предпринимательского поведения.
В регионе инвестор часто оценивает команды не только как создателей идей, а как оператора системы доверия и управления связями и межличностным капиталом: умеет ли команда работать с государством, корпорациями, локальным compliance и культурным контекстом.
Главный вывод исследования:
в ЮВА выигрывают не самые громкие идеи, а команды, которые умеют сочетать глобальный капитал с локальной адаптацией — от payment rails и GTM до коммуникации и лидерства.
Детали про культурную ДНК стартап экосистемы юго-восточной Азии — найдете как всегда в моем профиле LinkedIn (статья на двух языках, для удобства)
https://www.linkedin.com/pulse/cultural-dna-southeast-asian-startups-ecosystem-2-anton-filimonov-weixf/
#Startups #SoutheastAsia #VC #ASEAN #CTPO #ProductManagement #Innovation
Последний месяц я провёл в поездке по Юго восточной Азии. И чем глубже погружался в регион — тем сильнее понимал: ЮВА невозможно понять только через цифры, венчанный капитал и отчеты о динамике рынка.
За каждой экосистемой здесь стоит своя культурная логика.
Сингапур — про governance, compliance и масштабирование на регион.
Таиланд — про доверие, иерархия и личные связи.
Индонезия — про community-scale, локальные сети и сложная регуляторика.
Малайзия — про мультикультурность и роль государства как дирижера всей экосистемы.
Вьетнам — про скорость в сочетании с сильным государственным влиянием.
Именно поэтому ЮВА — не единый рынок, а набор разных моделей предпринимательского поведения.
В регионе инвестор часто оценивает команды не только как создателей идей, а как оператора системы доверия и управления связями и межличностным капиталом: умеет ли команда работать с государством, корпорациями, локальным compliance и культурным контекстом.
Главный вывод исследования:
в ЮВА выигрывают не самые громкие идеи, а команды, которые умеют сочетать глобальный капитал с локальной адаптацией — от payment rails и GTM до коммуникации и лидерства.
Детали про культурную ДНК стартап экосистемы юго-восточной Азии — найдете как всегда в моем профиле LinkedIn (статья на двух языках, для удобства)
https://www.linkedin.com/pulse/cultural-dna-southeast-asian-startups-ecosystem-2-anton-filimonov-weixf/
#Startups #SoutheastAsia #VC #ASEAN #CTPO #ProductManagement #Innovation
Linkedin
The cultural «DNA» of Southeast Asian for startups ecosystem (#2)
The Cultural DNA of Southeast Asian Startups: Founder Mindsets, Innovation Culture, and Startup Ecosystems in Singapore, Indonesia, Thailand, Malaysia, Vietnam
🔥4
🐱 ScrumBan головного мозга. Часть 1. Кто такой Product Owner и почему Scrum здесь ни при чём
Кажется, у каждого, кто работал в IT, был такой Product Owner.
— Roadmap меняется каждую неделю.
— Приоритеты пересматриваются по настроению.
— Архитектура переписывается каждый спринт.
— Документация отсутствует, потому что «всё и так понятно».
— А когда проект начинает буксовать — виноват Scrum.
За годы работы я всё чаще убеждался: проблема редко бывает в Agile, Scrum или любом другом фреймворке.
Гораздо чаще проблема начинается раньше — с неправильного понимания самой роли Product Owner.
В первой статье серии «ScrumBan головного мозга» разбираю:
🔹 Кто такой Product Owner на самом деле.
🔹 Почему PO — это не просто «владелец бэклога».
🔹 Какие четыре роли должен совмещать сильный руководитель продукта.
🔹 Как связаны бизнес, команда, технологии и коммуникации.
🔹 Какие инструменты помогают принимать решения не на интуиции, а на данных.
В статье также собрал набор базовых инструментов, которые считаю обязательными для любого Product Owner:
• Business Model Canvas
• SWOT
• 5 сил Портера
• Дорожная карта
• 4P Котлера
• Project Aristotle
• Psychological Safety survey
• Ретроспектива
• C4 Model
• Architecture Decision Records
• RACI Matrix
Это первая статья цикла про управленческие анти-паттерны, которые часто маскируются под «гибкость», «адаптивность» и «Agile-подход».
Ссылка на статью — в комментариях 👇
#ProductManagement #ProductOwner #Scrum #Agile #Leadership #EngineeringManagement #DigitalTransformation #TechLeadership #AntiPatterns #TechSatire
Кажется, у каждого, кто работал в IT, был такой Product Owner.
— Roadmap меняется каждую неделю.
— Приоритеты пересматриваются по настроению.
— Архитектура переписывается каждый спринт.
— Документация отсутствует, потому что «всё и так понятно».
— А когда проект начинает буксовать — виноват Scrum.
За годы работы я всё чаще убеждался: проблема редко бывает в Agile, Scrum или любом другом фреймворке.
Гораздо чаще проблема начинается раньше — с неправильного понимания самой роли Product Owner.
В первой статье серии «ScrumBan головного мозга» разбираю:
🔹 Кто такой Product Owner на самом деле.
🔹 Почему PO — это не просто «владелец бэклога».
🔹 Какие четыре роли должен совмещать сильный руководитель продукта.
🔹 Как связаны бизнес, команда, технологии и коммуникации.
🔹 Какие инструменты помогают принимать решения не на интуиции, а на данных.
В статье также собрал набор базовых инструментов, которые считаю обязательными для любого Product Owner:
• Business Model Canvas
• SWOT
• 5 сил Портера
• Дорожная карта
• 4P Котлера
• Project Aristotle
• Psychological Safety survey
• Ретроспектива
• C4 Model
• Architecture Decision Records
• RACI Matrix
Это первая статья цикла про управленческие анти-паттерны, которые часто маскируются под «гибкость», «адаптивность» и «Agile-подход».
Ссылка на статью — в комментариях 👇
#ProductManagement #ProductOwner #Scrum #Agile #Leadership #EngineeringManagement #DigitalTransformation #TechLeadership #AntiPatterns #TechSatire
👍3
Коллеги, всем успешной и продуктивной недели! 🚀
Начинаем её с новой статьи из серии «Вредные советы проектного диверсанта».
📖 ScrumBan головного мозга. Часть 2. Почему отсутствие процессов не делает команду Agile
Один из самых распространённых мифов в мире Agile заключается в том, что гибкость достигается за счёт отказа от процессов. На практике же отсутствие процессов чаще приводит не к Agile, а к хаосу: размытию ответственности, постоянной смене приоритетов, потере знаний и снижению предсказуемости результатов.
В статье разбираю:
▪️ Почему Agile ≠ отсутствие процессов
▪️ Чем процесс отличается от бюрократии
▪️ Почему зрелые команды обычно имеют больше процессов, а не меньше
▪️ Как найти баланс между управляемостью и гибкостью
▪️ Как оценить зрелость продуктовой и инженерной организации
Также делюсь моделью зрелости процессов разработки, охватывающей управление требованиями, UX, архитектурой, качеством кода, тестированием, DevSecOps, развитием команды и управлением продуктом.
Как показывает практика, проблемы редко возникают из-за Scrum, Kanban или Agile. Гораздо чаще причина кроется в том, что отсутствие процессов пытаются выдать за гибкость.
Буду рад вашим комментариям и опыту: что чаще встречалось в вашей практике — избыток процессов или их отсутствие?
📖 Ссылка на статью в комментариях.
#Agile #Scrum #ProductManagement #EngineeringManagement #DigitalTransformation
Начинаем её с новой статьи из серии «Вредные советы проектного диверсанта».
📖 ScrumBan головного мозга. Часть 2. Почему отсутствие процессов не делает команду Agile
Один из самых распространённых мифов в мире Agile заключается в том, что гибкость достигается за счёт отказа от процессов. На практике же отсутствие процессов чаще приводит не к Agile, а к хаосу: размытию ответственности, постоянной смене приоритетов, потере знаний и снижению предсказуемости результатов.
В статье разбираю:
▪️ Почему Agile ≠ отсутствие процессов
▪️ Чем процесс отличается от бюрократии
▪️ Почему зрелые команды обычно имеют больше процессов, а не меньше
▪️ Как найти баланс между управляемостью и гибкостью
▪️ Как оценить зрелость продуктовой и инженерной организации
Также делюсь моделью зрелости процессов разработки, охватывающей управление требованиями, UX, архитектурой, качеством кода, тестированием, DevSecOps, развитием команды и управлением продуктом.
Как показывает практика, проблемы редко возникают из-за Scrum, Kanban или Agile. Гораздо чаще причина кроется в том, что отсутствие процессов пытаются выдать за гибкость.
Буду рад вашим комментариям и опыту: что чаще встречалось в вашей практике — избыток процессов или их отсутствие?
📖 Ссылка на статью в комментариях.
#Agile #Scrum #ProductManagement #EngineeringManagement #DigitalTransformation
❤5👍1🔥1