Bain опросили 1 100 руководителей из 18 отраслей. Результаты B2B Growth Agenda 2026 — учебник по когнитивным искажениям в корпорациях.

В 2025 году 42% компаний не попали в таргет по выручке. Годом ранее — 32%. Тренд очевиден.

Но вот что интересно: на 2026 год компании ожидают ещё больший рост выручки (+20%). И 91% уверены, что достигнут целей. Разрыв между ожиданиями и реальностью не сужается — он расширяется.

90% экспериментируют с ИИ. Но 60% признают: данные не готовы к масштабированию. То есть технология есть, а фундамент — нет.

Единственные, кто реально выигрывает: компании, которые перепроектируют workflows end-to-end с ИИ внутри, а не прикручивают его сбоку. У них 2x рост выручки от ИИ и 1.8x экономия затрат.

Автоматизировать хаос — получить быстрый хаос. Перепроектировать процесс — получить результат. Разница между этими подходами стоит десятки процентов маржи. Подробнее о метриках для борда — тут, а про ROI-калькулятор — тут.

#CFO #ИИ #стратегия

—
📱 Макс · 📖 Дзен · ✈️ Telegram · 🌐 hr-s.ru

За две недели McKinsey, BCG, Bain, Deloitte, PwC, EY, KPMG, Gartner и Accenture выпустили 18 отчётов про ИИ в бизнесе. Я прочитал все. Вот что они говорят, если убрать маркетинг.

7 сквозных выводов:

1. Агентный ИИ — главный нарратив. 62–88% компаний экспериментируют с агентами. Менее 11% масштабировали хоть что-то. Разрыв между хайпом и production — пропасть.

2. ROI не сходится. Gartner: 28% AI-проектов окупаются. PwC: 56% CEO не видят отдачи. Bain: 42% компаний промахнулись мимо таргетов по выручке. Ожидания стабильно выше реальности.

3. Governance отстаёт. McKinsey оценивает зрелость Responsible AI на 2.3 из 5. EY фиксирует: oversight не поспевает за адопцией. Технология бежит — управление хромает.

4. Данные — барьер №1. 8 из 10 у McKinsey, 60% у Bain, 38% у Gartner — качество данных блокирует масштабирование. Без данных агенты бесполезны.

5. Рабочие места меняются, не исчезают. BCG: 50–55% ролей трансформируются, но только 10–15% ликвидируются. Accenture/Wharton: 50%+ рабочих часов подлежат трансформации. Паника преждевременна, перестройка — нет.

6. Кибербезопасность — новый вектор. 96% ИБ-руководителей обеспокоены AI-атаками. Accenture с Anthropic запускают Cyber.AI. ИИ одновременно и угроза, и щит.

7. Бюджеты $186M+ и не снижаются. KPMG зафиксировали средний бюджет. 74% сохранят приоритет ИИ даже при рецессии. Деньги текут — вопрос, куда именно.

Что это значит прямо сейчас: консалтинги единодушны в диагнозе и разрозненны в рецептах. Все видят разрыв между тратами и результатом. Все рекомендуют «стратегию» — но каждый продаёт свою. Если вы читаете один отчёт — вы видите рекламу. Если 18 — видите тренд.

#ИИ #стратегия #AgenticAI

—
📱 Макс · 📖 Дзен · ✈️ Telegram · 🌐 hr-s.ru

Три наблюдения, которые складываются в одну картину.

Первое. Люди на бесплатном ChatGPT и люди на Claude Opus 4 живут в разных вселенных. Буквально. Одни считают, что ИИ — прикольная игрушка для рерайта. Другие — что это операционная система для бизнеса. Обсуждать «ИИ» без уточнения, какую модель вы используете — как спорить о машинах, сравнивая Ладу Гранту и Tesla.

Второе. LLM начинают вести собственную память. Не RAG, не поиск по базе. Модель создаёт markdown-файлы, организует их в модули, сама переписывает и улучшает. CLAUDE.md — первый массовый пример. Живая, эволюционирующая база знаний, которую модель строит для себя.

Третье. Системы, которые автономно проводят исследования. Ставят гипотезу, проектируют эксперимент, запускают, анализируют результат, итерируют. Полный цикл — без человека в середине.

Все три тренда ведут в одну точку. ИИ перестаёт быть инструментом, которым ты пользуешься. Он становится средой, в которой ты живёшь и работаешь.

Главный навык 2026 — не промпты писать. А строить системы, в которых ИИ думает, помнит и действует.

#ИИ #агенты #LLM

—
📱 Макс · 📖 Дзен · ✈️ Telegram · 🌐 hr-s.ru

Госдума отклонила маркировку ИИ-контента. Вердикт: «сырой и нереализуемый».

Горелкин: «Маркировать пришлось бы 90% интернета».

Рамочный закон Минцифры — на обсуждении, вступление не раньше сентября 2027. ЕС при этом запускает маркировку уже в августе 2026.

Для бизнеса — окно ~18 месяцев без регуляторного давления. Подробнее о законе Минцифры.

#ИИ #регулирование #AIGovernance

—
📱 Макс · 📖 Дзен · ✈️ Telegram · 🌐 hr-s.ru

Сотрудник AI-стартапа скачал читы для Roblox на рабочую машину. Так начинается большинство проблем...

Цепочка:
Roblox-читы → Lumma Stealer → украдены OAuth-токены Context.ai → через них скомпрометирован Google Workspace сотрудника Vercel (который дал AI-инструменту права "Allow All") → утечка env vars клиентов в plaintext.

ShinyHunters требуют $2M. Расследуют CrowdStrike и Mandiant.

Самое болезненное: переменные окружения без флага sensitive хранились открытым текстом.

Три вывода для бизнеса на Vercel/Netlify:

1. Каждый AI-инструмент с OAuth — это supply chain risk. "Allow All" = "взломай меня"
2. Env vars — не сейф. Ротируйте, шифруйте, используйте vault
3. Личная гигиена сотрудников = периметр компании. Читы на рабочем ноуте — дверь для инфостилера

Ранее писал про утечки через Max и шлюз приватности для LLM — паттерн один: удобство побеждает безопасность, пока не прилетает счёт.

#кибербезопасность #ИИ #риски

—
📱 Макс · 📖 Дзен · ✈️ Telegram · 🌐 hr-s.ru

CEO одной компании отменил подписки на BI-платформы. Логика: «Зачем платить за Tableau, если ChatGPT строит графики?»

Тред на Reddit — 300+ апвотов. 40 комментариев от аналитиков, которые в ужасе.

Вот в чём разрыв. BI — это не «построй график». BI — это:
— единый источник правды для 50 человек
— автообновление данных каждый час
— row-level security: Вася видит свой регион, Петя — свой
— алерты, когда метрика падает ниже порога
— аудит: кто смотрел, когда, что менялось

ChatGPT — один человек задаёт вопрос и получает ответ. Без версионности, без прав доступа, без гарантии, что завтра тот же промпт даст тот же результат.

AI отлично дополняет BI: «объясни, почему выручка упала на 12%» поверх дашборда — мощно. AI вместо BI — это бухгалтерия на калькуляторе. Считать умеет, процесса нет.

Граница простая: результат нужен одному — спроси AI. Результат нужен команде каждый день — это процесс. Процессу нужен инструмент, а не чат.

Разбирал похожую логику — «кнопка бабло». Тот же паттерн: ожидание магии без архитектуры.

#ИИ #аналитика #управление

—
📱 Макс · 📖 Дзен · ✈️ Telegram · 🌐 hr-s.ru

E-commerce, 47 сотрудников. Три человека в фулфилменте — 60 часов в неделю копипастят между Shopify, HubSpot, Excel и складской системой 2019 года. Ошибки в 7% заказов.

Один автоматизатор. n8n + GPT-4 API + 80 строк Python. Ядро — за 48 часов. Четыре недели тестов до продакшена.

Результат за 90 дней:
— ручная работа −94%
— ошибки: 7% → 0.4%
— экономия $180K/год (зарплаты + стоимость ошибок)
— payback: меньше 90 дней

Фокус — не в стандартной автоматизации. Она ломается на 15% «странных» заказов: нетипичный адрес, нестыковка остатков, частичная отгрузка. Именно здесь GPT-4 закрывает edge cases без хардкода сценариев.

Дальше — B2B онбординг: 14 дней → 48 часов. Побочный эффект: клиенты, онборженные за 48 часов, дают +34% retention за 90 дней. Скорость онбординга напрямую бьёт в LTV — аргумент для борда (борд-реди метрики).

Три урока:
1. Начинать с процессов с максимумом системных «рукопожатий» — там горят часы
2. ИИ для edge cases — дифференциатор. Стандартная автоматизация падает на грязных 15%
3. Не автоматизировать сломанный процесс — сначала починить логику

Сегмент 30–100 человек: достаточно крупные для дорогих проблем, достаточно компактные для быстрых результатов. Компании платят $50–60K/год за человека, который копипастит между системами. Напоминает OCR-воркфлоу на n8n — 7 нод, $0.03 за 1M токенов.

#автоматизация #кейс #ИИ

—
📱 Макс · 📖 Дзен · ✈️ Telegram · 🌐 hr-s.ru

Microsoft выложили VibeVoice — open-source frontier voice AI. MIT, self-hosted, 9 языков, включая русский.

До: ElevenLabs $0.18–0.30 за минуту.
После: стоимость GPU-секунд на своём железе.


Open-source закрывает то, за что год назад платили подписки. OpenClaw, Opal — теперь голос.

#ИИ #инструменты #selfhosted

—
📱 Макс · 📖 Дзен · ✈️ Telegram · 🌐 hr-s.ru

Matt Pocock — известный TypeScript-эксперт — выложил свою ~/.claude/skills/ директорию в публичный репо. mattpocock/skills. Github trending.

Это не «ещё один awesome list». Это рабочий сетап практика, которым он сам пользуется ежедневно. Аналог .bashrc, .vimrc и других дотфайлов, которые программисты годами шарят между собой — только теперь для эпохи агентов.

Что внутри (и что забрать в первую очередь):
— tdd-discipline — заставляет агента писать failing-test до имплементации. Не «удобный TDD», а жёсткий: красное → зелёное → рефакторинг.
— refactor-safely — поэтапный рефакторинг с контрольными точками. Защита от «упс, переписал всё, теперь не работает половина».
— verify-before-done — не разрешает агенту говорить «готово» без проверочной команды и её вывода.

Год назад это всё жило в чьих-то промптах в Notion. Сейчас — в публичных репо как submodule. Логичный следующий шаг — корпоративные skills: то, что описывает как именно у нас в компании делается код-ревью, релиз, миграция. Стандарты команд переезжают из confluence в .claude/.

Я уже несколько месяцев собираю свои skills — например, SEO skill, который мы делали для своего сайта. Сейчас докину к нему пару штук от Pocock и посмотрю, что приживётся.

Подключение — одна команда:
git clone github.com/mattpocock/skills ~/.claude/skills/pocock

Дальше Claude сам подбирает нужный skill по описанию задачи. Связано с автоматизацией рутины после встреч и плагином Claude в Telegram — всё это превращает Claude Code из CLI в платформу для распространения экспертизы.

#ClaudeCode #инструменты

—
📱 Макс · 📖 Дзен · ✈️ Telegram · 🌐 hr-s.ru

Excel получает первого серьёзного соперника за 30 лет. Meridian.AI — $17M раунда, IDE для финмоделирования под агентов.

Что меняется: моделирование становится диалогом, а не формулами. «Добавь сценарий +10% выручки» — пишется текстом. Версионирование как в Git.

Excel не умрёт в 2026. Но впервые конкурент с реальным продуктом и деньгами, заточенный под агентов.

Примерно об этом рассказывал на конференции в Дагестане и примерно так работает наш сервис ai-reports.ru (генератор отчетов из Excel с ИИ - а-ля gamma, но для excel))

На месте CFO я бы взял один пилот в Q3: бюджет vs форкаст параллельно с Excel. Метрика — часы команды на закрытие месяца.

#CFO #финансы #ИИ

—
📱 Макс · 📖 Дзен · ✈️ Telegram · 🌐 hr-s.ru

16z выпустила DoW Contracting 101 — гайд по госконтрактам для tech-стартапов. Зеркальный процесс идёт и у нас: реестр Минцифры, ФСТЭК, аккредитация.

7 шагов работают одинаково в США и РФ:

1. Customer discovery в госсегменте. В США — выйти на operator-конец цепочки (capability owner), не на закупщика. У нас — то же самое: договориться с замом по цифре в ведомстве, а не через тендерный отдел.

2. Пилот за свои. $50K–$500K на доказательство ROI до контракта. Это инвестиция, не продажа.

3. Security clearance / аккредитация. США: clearance 6–18 мес. РФ: ФСТЭК + аккредитация — сопоставимо. Если стартап не закладывает это в план — он не выйдет на рынок.

4. Доказать ROI на их метриках, не на ваших. Не «модель F1 = 0.94», а «закрыли тикет на 8 часов быстрее». Связь с борд-реди плейбуком — у госзаказчика метрики читаются ещё консервативнее, чем у борда.

5. OTA / упрощённые контракты. В США OTA-контракты обходят FAR (Federal Acquisition Regulation). У нас аналог — закупка у единственного поставщика по 44-ФЗ через инновационные программы (Сколково, ФРИИ-аккредитация).

6. Референс-кейс — это всё. Первый госконтракт — самый дорогой. Второй и третий — сами притекают. Один реальный кейс с Минобрнауки или Минфином перевешивает 10 коммерческих.

7. Масштабирование через рамку. Рамочный договор + пакет прав на масштабирование внутри ведомства. Без рамки — каждое подразделение продаётся заново.



#стратегия #тендеры

—
📱 Макс · 📖 Дзен · ✈️ Telegram · 🌐 hr-s.ru

DeepSeek V4: триллион параметров, Apache 2.0, обучение за $5.2M.

Для сравнения — frontier-лабы тратят на аналог $100M+. Двадцатикратная разница.

94.7% на HumanEval. Конкурирует с Claude Opus 4.6. Открытые веса — хости у себя.

Ценовая война в LLM — теперь не про качество. Про стоимость токена и контроль над данными.

#DeepSeek #LLM #ИИ

—
📱 Макс · 📖 Дзен · ✈️ Telegram · 🌐 hr-s.ru

Вам не нравится ИИ? Просто вы не умеете его готовить! С праздником!

Всегда интересно смотреть, как другие решают проблемы, которые есть у тебя.

В нефтянке когда-то нас — радиофизиков — позвали на совещание. Задача: передать сигнал с датчика с глубины скважины. Кабель рвался под собственным весом. Пришли люди со стороны и предложили не укреплять кабель, а отказаться от него — передавать сигнал по-другому. Решение нашлось не там, где его искали.

Смотрю сериал, думаю: как команда сценаристов на шесть сезонов удерживает нить? Авторы меняются, тысячи страниц текста — но герой в пятом сезоне помнит что узнал во втором. История не противоречит себе. Поизучал.

Оказалось, у них для этого построена целая машина. Рамочный документ — что нельзя нарушить никогда. Доска с карточками — весь сезон виден сразу, финал известен заранее. Отдельный человек следит только за тем, чтобы детали не расходились. Жёсткое разделение: что уже решено и пересмотру не подлежит, что ещё открыто.

Но это инструменты. Главное другое: ведущий автор держит в голове не «что было», а где команда находится в истории и куда она должна двигаться. Это другой тип знания.

Дальше прозрение.

Компания — та же длинная история. Только сезоны называются кварталами. И организационная амнезия там постоянная: директор возвращается из командировки и час восстанавливает картину. Совет собирается раз в квартал — первые сорок минут уходят на «где мы были». Управленец не помнит, почему три месяца назад выбрали именно это.

Все ищут решение в памяти — лучше документы, лучше поиск, лучше базы. Это укрепление кабеля. А нужно другое: не помнить факты, а удерживать позицию.

Три уровня — один корпус знаний, три разные линзы:

Совет раз в квартал — стратегия, зафиксированные решения, риски. Где мы в плане и что изменилось.

Генеральный раз в неделю — проекты, поручения, люди. Что произошло пока меня не было.

Управленцы каждый день — клиенты, процессы, обязательства. Где мы в этих отношениях.

Искусственный интеллект здесь играет роль того самого человека, который следит за последовательностью. Не ищет документ. Отвечает: вы сейчас вот здесь.

И да — это не поиск по векторной базе. Это другое.

@archfinance

В топ GitHub — DeepSeek-TUI. Coding-агент в терминале на моделях DeepSeek. UX как у Claude Code, но:

· $0.27 за 1M input vs $3 у Sonnet — в 11 раз дешевле
· Работает из РФ без VPN
· Можно поднять локально без выхода наружу

Где слабее: сложные архитектурные задачи и tool-use. Где сильнее: массовые рефакторинги, миграции, генерация тестов.

Стратегически: когда американский стэк (Claude Code, OpenClaw) и китайский становятся идентичны по UX, выбор инструмента — это уже не «что лучше», а где данные, где деньги, какие модели разрешены.

Ссылка: github.com/Hmbown/DeepSeek-TUI

#DeepSeek #ClaudeCode #инструменты

—
📱 Макс · 📖 Дзен · ✈️ Telegram · 🌐 hr-s.ru

Свежая статья — Hummingbird+. Низкобюджетный FPGA-чип для LLM-инференса. Qwen3-30B-A3B в квантизации Q4 — 18 токенов/сек, 24 GB памяти на плате, расчётная себестоимость в массовом производстве — $150. До серии — около 18 месяцев.

Это меняет разговор с советом директоров. Сейчас аргумент против локального ИИ простой: «дорого ставить железо, дешевле платить OpenAI/Anthropic». Через 18 мес этот аргумент исчезает.

Что считать сегодня:

1. Природа затрат меняется. LLM перестаёт быть подпиской и становится оборудованием. Это не «дешевле» — это другая финансовая модель. CapEx с амортизацией вместо OpEx. Капитализируется на балансе.

2. Цена токена ≈ электричество. Сейчас Sonnet — $3 за 1M input, GPT-5 — $5. На своём железе цена токена сводится к мощности, помноженной на тариф. Для рутинных задач (классификация, разметка, OCR) разница сразу окупает плату.

3. Конф. данные не уходят наружу. Это не про вендорский замок и не про санкции — про сам факт, что персональные данные клиентов и коммерческая тайна перестают пересекать периметр организации. Для банков, медицины, госзаказа это перестаёт быть «галочкой» и становится основой архитектуры.

4. РФ-доступ. SaaS-вариант — VPN, серый биллинг, постоянная зависимость от чужого решения. Своё железо — это раз и навсегда. Особенно с учётом законопроекта Минцифры и реестра доверенных систем.

5. Параллельно с FPGA — Direct-to-Silicon. Тренд один: модель уходит в железо. Сначала — обвязка под общие архитектуры (Cerebras, Groq), потом — свои чипы (FPGA), дальше — ASIC под конкретную модель.

Что положить в борд-пакет уже сейчас:

· Прогноз TCO на 36 месяцев в двух сценариях: подписка vs FPGA-кластер.
· Карта данных: что обязано остаться внутри периметра по 152-ФЗ и КИИ.
· Риск-матрица «что будет, если поставщик API закроет регион».

Аналог известный: 2010-е, когда крупный бизнес массово ушёл с собственной серверной инфраструктуры в облака. Сейчас будет качание маятника назад — но не на дорогие GPU NVIDIA, а на специализированные дешёвые чипы. И первые, кто это посчитает у себя в финмодели, выйдут на следующий бюджетный цикл с другим набором вариантов.

Я бы не ждал, пока Hummingbird+ выйдет в серию. Считать — сегодня. CES‑2026 уже показал, в какую сторону едет железо.

#CFO #LLM #selfhosted #архитектура

—
📱 Макс · 📖 Дзен · ✈️ Telegram · 🌐 hr-s.ru

Wikipedia рассматривает переход на коммерческую модель. Причина — LLM высосали трафик.

Парадокс:
1. LLM обучены на Wikipedia (≈80% текстовых датасетов)
2. Пользователь больше не заходит на Wikipedia — спрашивает у ChatGPT
3. Доната падают, редакторы уходят, контент деградирует
4. Через 3 года — нечем обучать следующие модели

Это model collapse на макроуровне. ИИ-индустрия проедает источники, на которых стоит.

Что это значит для продукта на ИИ: не строить, полагаясь на качество публичных источников. Свой контент — главный актив. Self-hosted RAG — не гиковство, а будущая стандартная архитектура.

Иронично, что первой это заметила Wikipedia — та, что 25 лет существовала вопреки коммерческой логике.

#ИИ #монетизация #стратегия

—
📱 Макс · 📖 Дзен · ✈️ Telegram · 🌐 hr-s.ru