Можно построить идеальную инженерную платформу, которой никто не хочет пользоваться! 😁
И самое забавное, что с точки зрения инженерных метрик у вас всё будет прекрасно!
Короче, сходил я тут к ребятам из подкаста «В SREду на кухне» поговорить о том, зачем инженерам продуктовое мышление.
И, кажется, это одна из моих любимых тем!
Я вообще считаю, что одна из главных проблем платформенных команд — мы слишком часто думаем о том, что и как построить, и слишком редко о том, зачем это кому-то нужно.
В итоге получаем технически прекрасные решения, которые либо никто не использует, либо используют исключительно потому, что выбора нет.
О чём поболтали:
1. Зачем инженерам продакты? И в какой момент внутренний инструмент вообще становится продуктом?
2. Как измерять успех платформы? Вот у вас 100% adoption. Это успех или просто разработчикам запретили пользоваться альтернативами? 😁
3. Зачем нужны контрметрики? Можно же здорово ускорить разработку, а заодно уронить надёжность. Или сделать супернадёжную платформу, на которой невозможно работать.
4. Алертинг как продукт. Почему даже такую сугубо инженерную штуку можно и нужно проектировать вокруг пользовательского опыта?
5. Кто вообще заказчик надёжности? И почему пользователь, заказчик и тот, кто за всё это платит, — далеко не всегда один человек?
6. Что важнее — надёжность или Developer Experience? И почему вообще приходится выбирать между этими двумя вещами?
Ну и поговорили про SLO, исследования пользователей, продуктовые метрики и прочие штуки, от которых у настоящего инженера иногда начинает дёргаться глаз.
В общем, если вы строите внутренние платформы, инженерные инструменты или просто хотите понять, зачем в инженерных командах нужны продуктовые менеджеры — рекомендую посмотреть!
Смотреть и слушать:
📺 YouTube
📱 VK Видео
📺 Rutube
🎧 Mave
Ну и приходите в комментарии спорить!
И самое забавное, что с точки зрения инженерных метрик у вас всё будет прекрасно!
Короче, сходил я тут к ребятам из подкаста «В SREду на кухне» поговорить о том, зачем инженерам продуктовое мышление.
И, кажется, это одна из моих любимых тем!
Я вообще считаю, что одна из главных проблем платформенных команд — мы слишком часто думаем о том, что и как построить, и слишком редко о том, зачем это кому-то нужно.
В итоге получаем технически прекрасные решения, которые либо никто не использует, либо используют исключительно потому, что выбора нет.
О чём поболтали:
1. Зачем инженерам продакты? И в какой момент внутренний инструмент вообще становится продуктом?
2. Как измерять успех платформы? Вот у вас 100% adoption. Это успех или просто разработчикам запретили пользоваться альтернативами? 😁
3. Зачем нужны контрметрики? Можно же здорово ускорить разработку, а заодно уронить надёжность. Или сделать супернадёжную платформу, на которой невозможно работать.
4. Алертинг как продукт. Почему даже такую сугубо инженерную штуку можно и нужно проектировать вокруг пользовательского опыта?
5. Кто вообще заказчик надёжности? И почему пользователь, заказчик и тот, кто за всё это платит, — далеко не всегда один человек?
6. Что важнее — надёжность или Developer Experience? И почему вообще приходится выбирать между этими двумя вещами?
Ну и поговорили про SLO, исследования пользователей, продуктовые метрики и прочие штуки, от которых у настоящего инженера иногда начинает дёргаться глаз.
В общем, если вы строите внутренние платформы, инженерные инструменты или просто хотите понять, зачем в инженерных командах нужны продуктовые менеджеры — рекомендую посмотреть!
Смотреть и слушать:
📺 YouTube
📱 VK Видео
📺 Rutube
🎧 Mave
Ну и приходите в комментарии спорить!
❤11🔥5⚡3🤣1
This media is not supported in your browser
VIEW IN TELEGRAM
Сначала я обленился и перестал ездить в магазины за продуктами. Реально, я использую только доставку.
А что дальше?
Автопополнение корзины — идеальный пример такой «фантазии о будущем». Ритейлер или маркетплейс видит твои регулярные покупки, собирает привычный набор и предлагает до того, как ты вспомнил. Удобно? Да.
Но как отличить реальную потребность от навязанного потребления?
И где метрика, которая покажет, что это не просто «продать побольше», а реально польза для клиента?
Вот как раз посмотрел выпуск «ПродАктовой корзины», где эксперты разгоняли про потребление будущего. Для аналитика — прям поле для размышлений про метрики, этику и инкрементальность.
Рекомендую глянуть: YouTube или VK Видео
А что дальше?
Автопополнение корзины — идеальный пример такой «фантазии о будущем». Ритейлер или маркетплейс видит твои регулярные покупки, собирает привычный набор и предлагает до того, как ты вспомнил. Удобно? Да.
Но как отличить реальную потребность от навязанного потребления?
И где метрика, которая покажет, что это не просто «продать побольше», а реально польза для клиента?
Вот как раз посмотрел выпуск «ПродАктовой корзины», где эксперты разгоняли про потребление будущего. Для аналитика — прям поле для размышлений про метрики, этику и инкрементальность.
Рекомендую глянуть: YouTube или VK Видео
🔥12⚡7👍6❤3🤣1
#пятничное
Пу-пуу-пуууу
А ты жил в эпоху таксофонов?
❤️ - если да!
😱 - пошел гуглить, что это такое!
💊 - пооддержать старичков из пункта 1!
Пу-пуу-пуууу
А ты жил в эпоху таксофонов?
❤️ - если да!
😱 - пошел гуглить, что это такое!
💊 - пооддержать старичков из пункта 1!
❤218💊23😁7😱5🙈2
Сидит тут рядом довольная такая, фотки туда сюда перемещает!
Бормочет что-то 😁
Жалуется, что чуть размеры поплыли)
Бормочет что-то 😁
Жалуется, что чуть размеры поплыли)
😁9❤3🤣3
Плохой менеджер Артём Арюткин
Сидит тут рядом довольная такая, фотки туда сюда перемещает! Бормочет что-то 😁 Жалуется, что чуть размеры поплыли)
Я и Клод выживаем как можем!
Час ночи и Наташке нужно срочно сделать коллаж из 300 фото!
После попытки сделать это через какой-то существующий софт, просто навайбкодили решение и все!
Так что сну сегодня быть!
Час ночи и Наташке нужно срочно сделать коллаж из 300 фото!
После попытки сделать это через какой-то существующий софт, просто навайбкодили решение и все!
Так что сну сегодня быть!
🔥12😁6🤣4❤3🌭1
Короче, Клод - это Apple в мире AI: внимание к деталям и клиентский опыт.
ChatGPT предложил мне вначале 300 фотографи перемещать задав каждой по номеру новое значение!!!!😱
А потом, когда я попросил, сделал «приложение», но оно не работает))
ChatGPT предложил мне вначале 300 фотографи перемещать задав каждой по номеру новое значение!!!!😱
А потом, когда я попросил, сделал «приложение», но оно не работает))
🔥11😁8❤3🌭3🤩1🙈1
This media is not supported in your browser
VIEW IN TELEGRAM
Быть папой девочки, это когда в гостях, она на тебе показывает «как правильно делать удушающий»!
И удушающий делает действительно отлично!😁
Всех с днем отца!👨
И удушающий делает действительно отлично!😁
Всех с днем отца!👨
😁36🔥5🎉3❤1❤🔥1😍1🙈1🤝1
Около 80% времени интерактивных сессий Claude проводит в ожидании действий человека!
Короче, Anthropic выпустила исследование о том, как ИИ меняет работу внутри самой Anthropic.
Почему это круто?
Потому что ребята не стали спрашивать очередную тысячу CEO, как они планируют внедрять ИИ. А взяли реальные данные собственной компании: найм, производительность, использование агентов, встречи и даже оценки кандидатов на собеседованиях.
И вот что получилось.
1. Джуны больше не особо нужны?
Доля младших технических специалистов среди новых технических сотрудников сократилась с 27% до 9%.
А среди всех сотрудников технических подразделений — с 21% до 14%.
Причем компания продолжает активно расти и нанимать людей!
То есть это не история про массовые увольнения. Просто структура спроса на людей начинает меняться.
Я, кстати, отношусь к этому спокойно и считаю, что происходит инфляция грейдов.
2. Агенты уже работают больше людей.
В марте 2026 года суммарное время работы AI-агентов впервые превысило рабочее время сотрудников Anthropic.
А к августу агенты, запускаемые самими сотрудниками, работали уже в 6 раз больше часов, чем люди.
Конечно, это не значит, что агенты заменили шестерых сотрудников. Они работают параллельно, а их часы нельзя напрямую приравнивать к человеческим.
Но масштаб впечатляет!
3. Производительность растет. Но есть нюанс.
Количество коммитов на инженера выросло примерно в 5 раз за полгода.
Продавцы закрывают больше сделок, юристы обрабатывают больше контрактов, финансисты — больше счетов.
Причем исследователи проследили, как менялась производительность одних и тех же сотрудников после внедрения агентов.
Но тут важный момент: в 5 раз больше коммитов - не обязательно в 5 раз больше бизнес-ценности.
4. Люди становятся бутылочным горлышком для ИИ.
Около 80% времени интерактивных сессий Claude проводит в ожидании действий человека!
Это я считаю ваще просто какая-то бомбическое осознание!
А знаете, сколько времени потребуется сотрудникам нетехнических подразделений, чтобы просто прочитать весь результат работы своих агентов?
Больше половины рабочей недели!
И вот сотрудники начинают заниматься новой работой: создавать инструменты наблюдения за агентами, проверять их результаты, координировать выполнение задач.
Доля такой «метаработы» в сессиях с Claude выросла с 10% до 22%.
Поздравляю! Мы из исполнителей превращаемся в менеджеров ИИ-агентов. 😁
5. А встреч стало БОЛЬШЕ!
Вот это мне особенно понравилось.
Медианный сотрудник Anthropic проводит на встречах на 20% больше времени, чем год назад.
Даже у технических специалистов, которые не являются менеджерами, рост составил 16%.
Почему?
Потому что написать код, собрать аналитику или подготовить предложение становится проще.
А вот договориться, принять решение, разрешить конфликт интересов и взять на себя ответственность ИИ пока не особо помогает.
И чем больше агенты производят результатов, тем больше этих результатов нужно обсуждать.
6. Меняется само представление о хорошем сотруднике.
Раньше при найме технических специалистов оценивали прежде всего экспертизу и способность решать конкретные задачи.
Теперь Anthropic всё больше внимания уделяет самостоятельности, качеству суждений и умению использовать ИИ.
Знание конкретной технологии постепенно уступает место способности разобраться в незнакомой области и принять правильное решение.
Кстати, на одного продакт-менеджера в Anthropic приходится примерно 17 инженеров. А сами менеджеры стали делать вдвое больше коммитов.
Похоже, просто координировать чужую работу становится недостаточно.
И что из этого следует?
Мне кажется, мы наблюдаем довольно интересный парадокс.
ИИ должен был освободить нас от работы.
Но вместо этого он освобождает нас от выполнения работы и оставляет нам всё больше управления работой.
А это принципиально разные вещи!
При этом Anthropic — всё-таки специфическая компания. Нельзя просто взять её результаты и перенести на всю экономику.
Короче, Anthropic выпустила исследование о том, как ИИ меняет работу внутри самой Anthropic.
Почему это круто?
Потому что ребята не стали спрашивать очередную тысячу CEO, как они планируют внедрять ИИ. А взяли реальные данные собственной компании: найм, производительность, использование агентов, встречи и даже оценки кандидатов на собеседованиях.
И вот что получилось.
1. Джуны больше не особо нужны?
Доля младших технических специалистов среди новых технических сотрудников сократилась с 27% до 9%.
А среди всех сотрудников технических подразделений — с 21% до 14%.
Причем компания продолжает активно расти и нанимать людей!
То есть это не история про массовые увольнения. Просто структура спроса на людей начинает меняться.
Я, кстати, отношусь к этому спокойно и считаю, что происходит инфляция грейдов.
2. Агенты уже работают больше людей.
В марте 2026 года суммарное время работы AI-агентов впервые превысило рабочее время сотрудников Anthropic.
А к августу агенты, запускаемые самими сотрудниками, работали уже в 6 раз больше часов, чем люди.
Конечно, это не значит, что агенты заменили шестерых сотрудников. Они работают параллельно, а их часы нельзя напрямую приравнивать к человеческим.
Но масштаб впечатляет!
3. Производительность растет. Но есть нюанс.
Количество коммитов на инженера выросло примерно в 5 раз за полгода.
Продавцы закрывают больше сделок, юристы обрабатывают больше контрактов, финансисты — больше счетов.
Причем исследователи проследили, как менялась производительность одних и тех же сотрудников после внедрения агентов.
Но тут важный момент: в 5 раз больше коммитов - не обязательно в 5 раз больше бизнес-ценности.
4. Люди становятся бутылочным горлышком для ИИ.
Около 80% времени интерактивных сессий Claude проводит в ожидании действий человека!
Это я считаю ваще просто какая-то бомбическое осознание!
А знаете, сколько времени потребуется сотрудникам нетехнических подразделений, чтобы просто прочитать весь результат работы своих агентов?
Больше половины рабочей недели!
И вот сотрудники начинают заниматься новой работой: создавать инструменты наблюдения за агентами, проверять их результаты, координировать выполнение задач.
Доля такой «метаработы» в сессиях с Claude выросла с 10% до 22%.
Поздравляю! Мы из исполнителей превращаемся в менеджеров ИИ-агентов. 😁
5. А встреч стало БОЛЬШЕ!
Вот это мне особенно понравилось.
Медианный сотрудник Anthropic проводит на встречах на 20% больше времени, чем год назад.
Даже у технических специалистов, которые не являются менеджерами, рост составил 16%.
Почему?
Потому что написать код, собрать аналитику или подготовить предложение становится проще.
А вот договориться, принять решение, разрешить конфликт интересов и взять на себя ответственность ИИ пока не особо помогает.
И чем больше агенты производят результатов, тем больше этих результатов нужно обсуждать.
6. Меняется само представление о хорошем сотруднике.
Раньше при найме технических специалистов оценивали прежде всего экспертизу и способность решать конкретные задачи.
Теперь Anthropic всё больше внимания уделяет самостоятельности, качеству суждений и умению использовать ИИ.
Знание конкретной технологии постепенно уступает место способности разобраться в незнакомой области и принять правильное решение.
Кстати, на одного продакт-менеджера в Anthropic приходится примерно 17 инженеров. А сами менеджеры стали делать вдвое больше коммитов.
Похоже, просто координировать чужую работу становится недостаточно.
И что из этого следует?
Мне кажется, мы наблюдаем довольно интересный парадокс.
ИИ должен был освободить нас от работы.
Но вместо этого он освобождает нас от выполнения работы и оставляет нам всё больше управления работой.
А это принципиально разные вещи!
При этом Anthropic — всё-таки специфическая компания. Нельзя просто взять её результаты и перенести на всю экономику.
❤23🔥14👍9😁2
Все вокруг теперь программисты
Короче, у Gergely Orosz в The Pragmatic Engineer вышла интересная статья про новый тренд: крупные компании начали создавать собственные аналоги Lovable для сотрудников.
И нет, не для разработчиков!
А для менеджеров, маркетологов, финансистов и прочих ребят, которые хотят сделать себе какой-нибудь инструмент, но писать код не умеют.
Вот вам два примера.
1. Ramp и их Glass
Ребята собрали собственную платформу для вайб-кодинга внутренних приложений.
Причём первую версию сделали всего два инженера за несколько недель.
Теперь любой сотрудник может описать, что ему нужно, подключить корпоративные источники данных и получить работающее приложение.
Например, маркетолог собрал себе CRM с более чем 50 полями и фильтрами.
И знаете, что самое интересное?
В Ramp создание первого инструмента через Glass уже стало частью онбординга новых сотрудников!
А 13 октября компания вообще вывела Glass на внешний рынок.
2. Stripe и их Harbor
Здесь ещё интереснее.
Один инженер за 40 дней создал внутренний инструмент для генерации интерактивных прототипов.
И вот результаты с мая 2026 года:
• Более 12 000 созданных прототипов.
• Более 3 000 сотрудников воспользовались инструментом.
• 25% сотрудников Stripe создали хотя бы один прототип.
Причём используют его не только дизайнеры.
Финансисты собирают интерактивные отчёты вместо презентаций, продавцы калькуляторы ROI, аналитики - дашборды.
А самое интересное технически: Harbor интегрирован с другими AI-инструментами Stripe через MCP. То есть прототип можно передать coding-агенту для дальнейшей реализации.
Оооокей! А зачем делать свой Lovable, когда уже есть готовые?
Orosz выделяет несколько причин:
1. Данные. Корпоративную информацию не хочется отправлять в сторонние сервисы. Своя платформа позволяет контролировать доступ к ней.
2. Интеграции. Можно сразу подключить внутренние API, базы данных и другие системы компании.
3. Стандарты. Генерируемые приложения используют корпоративную дизайн-систему, а не выглядят как результат очередного хакатона.
4. Стоимость внедрения. Иногда собрать собственный инструмент оказывается сопоставимо по усилиям с выбором вендора, согласованием безопасности и последующим внедрением.
5. Компетенции. Инженеры заодно учатся строить собственную AI-инфраструктуру.
А теперь моя любимая часть!
Кажется, мы наблюдаем довольно интересную трансформацию роли инженерных платформ.
Раньше у нас был внутренний заказчик, который приходил к разработчикам и говорил:
- Ребята, сделайте мне дашборд, форму или какой-нибудь маленький инструмент!
Разработчики брали это в бэклог, приоритизировали, обсуждали, оценивали…
А через полгода сообщали, что в этом квартале ресурсов нет. 😁
Теперь этот же сотрудник может собрать себе нужный инструмент самостоятельно.
И вот тут возникает интересный вопрос.
Если создавать приложения сможет каждый, кто будет отвечать за весь этот зоопарк?
Кто управляет доступами? Кто контролирует стоимость исполнения? Что делать, когда автор приложения увольняется? И кто гарантирует, что какой-нибудь вайб-кодер не откроет доступ ко всей корпоративной базе?
Кажется, ответ опять - платформенные команды.
Только теперь их задача не просто делать удобные инструменты для инженеров, а создавать безопасную среду, в которой приложения могут создавать вообще все сотрудники.
И, на мой взгляд, это куда более интересная история, чем очередное ускорение написания кода на 30%.
Потому что мы меняем не скорость разработки.
Мы меняем то, кому вообще нужна команда разработчиков для создания программного обеспечения.
Короче, у Gergely Orosz в The Pragmatic Engineer вышла интересная статья про новый тренд: крупные компании начали создавать собственные аналоги Lovable для сотрудников.
И нет, не для разработчиков!
А для менеджеров, маркетологов, финансистов и прочих ребят, которые хотят сделать себе какой-нибудь инструмент, но писать код не умеют.
Вот вам два примера.
1. Ramp и их Glass
Ребята собрали собственную платформу для вайб-кодинга внутренних приложений.
Причём первую версию сделали всего два инженера за несколько недель.
Теперь любой сотрудник может описать, что ему нужно, подключить корпоративные источники данных и получить работающее приложение.
Например, маркетолог собрал себе CRM с более чем 50 полями и фильтрами.
И знаете, что самое интересное?
В Ramp создание первого инструмента через Glass уже стало частью онбординга новых сотрудников!
А 13 октября компания вообще вывела Glass на внешний рынок.
2. Stripe и их Harbor
Здесь ещё интереснее.
Один инженер за 40 дней создал внутренний инструмент для генерации интерактивных прототипов.
И вот результаты с мая 2026 года:
• Более 12 000 созданных прототипов.
• Более 3 000 сотрудников воспользовались инструментом.
• 25% сотрудников Stripe создали хотя бы один прототип.
Причём используют его не только дизайнеры.
Финансисты собирают интерактивные отчёты вместо презентаций, продавцы калькуляторы ROI, аналитики - дашборды.
А самое интересное технически: Harbor интегрирован с другими AI-инструментами Stripe через MCP. То есть прототип можно передать coding-агенту для дальнейшей реализации.
Оооокей! А зачем делать свой Lovable, когда уже есть готовые?
Orosz выделяет несколько причин:
1. Данные. Корпоративную информацию не хочется отправлять в сторонние сервисы. Своя платформа позволяет контролировать доступ к ней.
2. Интеграции. Можно сразу подключить внутренние API, базы данных и другие системы компании.
3. Стандарты. Генерируемые приложения используют корпоративную дизайн-систему, а не выглядят как результат очередного хакатона.
4. Стоимость внедрения. Иногда собрать собственный инструмент оказывается сопоставимо по усилиям с выбором вендора, согласованием безопасности и последующим внедрением.
5. Компетенции. Инженеры заодно учатся строить собственную AI-инфраструктуру.
А теперь моя любимая часть!
Кажется, мы наблюдаем довольно интересную трансформацию роли инженерных платформ.
Раньше у нас был внутренний заказчик, который приходил к разработчикам и говорил:
- Ребята, сделайте мне дашборд, форму или какой-нибудь маленький инструмент!
Разработчики брали это в бэклог, приоритизировали, обсуждали, оценивали…
А через полгода сообщали, что в этом квартале ресурсов нет. 😁
Теперь этот же сотрудник может собрать себе нужный инструмент самостоятельно.
И вот тут возникает интересный вопрос.
Если создавать приложения сможет каждый, кто будет отвечать за весь этот зоопарк?
Кто управляет доступами? Кто контролирует стоимость исполнения? Что делать, когда автор приложения увольняется? И кто гарантирует, что какой-нибудь вайб-кодер не откроет доступ ко всей корпоративной базе?
Кажется, ответ опять - платформенные команды.
Только теперь их задача не просто делать удобные инструменты для инженеров, а создавать безопасную среду, в которой приложения могут создавать вообще все сотрудники.
И, на мой взгляд, это куда более интересная история, чем очередное ускорение написания кода на 30%.
Потому что мы меняем не скорость разработки.
Мы меняем то, кому вообще нужна команда разработчиков для создания программного обеспечения.
🔥21❤8👍8👏3🤔1
Самый дорогой способ проверить идею — полгода её разрабатывать.
Сначала проверьте спрос. Так сделали эти ребята:
— Юра выбрал нишу, которую все считают скучной, но там уже платят. Начал с $100 в месяц, через год вышел примерно на $10K.
— Денис один собрал AI-игру в Telegram. За первые полтора месяца ~$1 500.
— Аня не пишет код, но запустила AI-бота для английского. Первые ~$200 пришли в первый же месяц.
Масштабы разные, схема одна:
1. Найти, за что люди уже платят.
2. Быстро собрать MVP.
3. Проверить спрос на живых пользователях.
4. Только потом докручивать продукт.
Это не рецепт «как точно сделать $10K». Гарантий вообще нет.
Но так вы узнаете ответ за недели, а не за год.
В @its_capitan разбирают такие запуски по шагам: что сделали, сколько получили, где облажались.
Подписывайтесь, чтобы запускать продукты, которые нужны пользователям, а не пилить в стол.
Реклама: ИП Зуев Игорь Владимирович, ИНН: 360408359441, Erid: 2VtzqwWFhVo
Сначала проверьте спрос. Так сделали эти ребята:
— Юра выбрал нишу, которую все считают скучной, но там уже платят. Начал с $100 в месяц, через год вышел примерно на $10K.
— Денис один собрал AI-игру в Telegram. За первые полтора месяца ~$1 500.
— Аня не пишет код, но запустила AI-бота для английского. Первые ~$200 пришли в первый же месяц.
Масштабы разные, схема одна:
1. Найти, за что люди уже платят.
2. Быстро собрать MVP.
3. Проверить спрос на живых пользователях.
4. Только потом докручивать продукт.
Это не рецепт «как точно сделать $10K». Гарантий вообще нет.
Но так вы узнаете ответ за недели, а не за год.
В @its_capitan разбирают такие запуски по шагам: что сделали, сколько получили, где облажались.
Подписывайтесь, чтобы запускать продукты, которые нужны пользователям, а не пилить в стол.
Реклама: ИП Зуев Игорь Владимирович, ИНН: 360408359441, Erid: 2VtzqwWFhVo
🙈7🔥5👍2👌2😁1🖕1
Мне нравится, как изменился мир.
На встрече все чаще звучат фразы:
Как у вас с этим?
🔥 - ваще аналогично
❤️ - иногда бывает
💊 - мы еще по «проводному звоним», какие агенты)
На встрече все чаще звучат фразы:
Так, ща я своему агенту закину, пока давайте двигаться дальше, как ответит я вернусь!
Как у вас с этим?
🔥 - ваще аналогично
❤️ - иногда бывает
💊 - мы еще по «проводному звоним», какие агенты)
💊68🔥26❤20👍4🗿4👀2
Следующая неделя - неделя школьных каникул.
Предлагаю официально назвать ее «Монстры на каникулах»😁
Предлагаю официально назвать ее «Монстры на каникулах»😁
1🤣26💯6😁2🔥1