В предыдущем посте я говорил про дизрапты через примеры входа снизу - Nucor, Toyota, Netflix. Но у Кристенсена есть второй путь, про который забыл сказать - new-market disruption. Вход не через нижний сегмент существующего рынка, а через создание нового из non-consumption. То есть продукт забирает клиентов не у конкурента, а привлекая тех, кто по какой то причине вовсе не являлся потребителем.

Разница принципиальная. Low-end disruption - это "хуже и дешевле для тех, кого переобслуживают (overconsumption)". New-market disruption - это "впервые доступно для тех, кто раньше вообще не был потребителем".

Транзисторное радио - кейс, который Кристенсен любил приводить в пример в книге. В 1950-х радио - это предмет мебели в гостиной. Большой, дорогой, с отличным звуком. Sony выпускает карманное транзисторное радио. Звук ужасный по сравнению с ламповым. Ни один владелец хорошего радио не сказал бы "хочу такое вместо своего". Но подростки, у которых не было своего радио вообще, получили музыку в кармане. Производители ламповых радио не видели угрозы - это же другой сегмент, другие клиенты, другое качество. Потом транзисторы стали лучше.

Персональный компьютер - та же история. Мейнфреймы IBM обслуживали корпорации. Apple II и IBM PC были игрушками по сравнению с ними. Ни один IT-директор не заменил бы мейнфрейм на персоналку. Но люди, у которых компьютера не было вообще - дома, в маленьких офисах, в школах - получили доступ к вычислениям впервые. DEC и IBM смотрели спокойно, ибо клиенты никуда не уходят. Потом персоналки стали мощнее и мир кардинально поменялся.

Паттерн один и тот же. Продукт создает потребление там, где его не было. Действующие игроки не видят угрозы, потому что их клиенты никуда не уходят. Новые клиенты - не их клиенты. Потом продукт улучшается, и граница начинает сдвигаться.

Non-consumption - ключевое понятие. Если ты создаешь продукт и твои пользователи - люди, которые раньше эту задачу не решали вообще (не "решали хуже", а именно не решали) - ты, скорее всего, на территории new-market disruption. И действующие игроки тебя скорее всего не воспринимают всерьез.

Продолжая тему дизрапта по Кристенсену. Теперь про то, где теория якобы ломается.

iPhone. Кристенсен предсказывал его провал: премиальный продукт, конкурирует с Nokia по качеству. Поддерживающая инновация, не подрывная. Но если смотреть на iPhone не как на телефон, а как на компьютер - все переворачивается. Маленький экран, нет клавиатуры, слабый процессор - хуже по всем метрикам PC. Зато создал вычисления там, где их раньше не было: интернет, почта, камера в кармане в моментах, где ноутбук не доставали. Dell и HP не волновались - их клиенты покупали машины за $1000+ для “серьезной работы”. Продажи PC падают с 2011, для миллиардов людей смартфон стал единственным компьютером.

Uber. Кристенсен писал в HBR, что Uber не disruption: стартовал с премиума (UberBlack), сервис сразу лучше обычного желтого такси, но он смотрел узко - “рынок такси”. Если взять шире - городские перемещения - картина другая. Uber создал пласт поездок, которых раньше не было: люди передвигались на метро, шли пешком или никуда не ездили. Плюс забустил междугородние поездки - сегмент, где городское такси почти не работало. По метрикам классического такси Uber явно хуже: нет лицензированных водителей, нельзя поймать на улице, динамическое ценообразование. Таксопарки сначала не реагировали - считали, что регуляция защитит.

Теория дает разные ответы в зависимости от определения рынка. iPhone - поддерживающая на рынке телефонов, подрывная на рынке вычислений. Uber - поддерживающая на рынке такси, подрывная на рынке перемещений. Выглядит как слабость теории. Во многом так и есть - в этом месте теория частично нефальсифицируемая: пост-фактум всегда можно подобрать рамку, в которой кейс подходит или не подходит.

Но корень проблемы не в теории, а в привычке определять рынок от решения: “рынок такси”, “рынок телефонов”. Если определять от потребности - от джобы (Jobs to be Done), на которую пользователь нанимает продукт - все встает на место. Люди не нанимали iPhone как “телефон получше”, а как доступ к вычислениям в кармане. Не нанимали Uber как “такси подешевле”, а как способ добраться из А в Б. Через эту призму оба кейса - классический дизрапт без натяжек.

Кристенсен сам ошибся с iPhone и Uber, потому что определил рынок от решения, а не от потребности. Ирония в том, что JTBD, который он же и развивал, дал бы правильный ответ.

Ну и завершить серию постов про дизрапт хочется примером, который происходит у нас на глазах. LLM в разработке - классический disruption по Кристенсену. Все признаки на месте.

Думаю, все видели, как снисходительно многие разработчики говорят про эксперименты с вайб кодингом и свежие кейсы написания браузера и компилятора. Низкое качество кода, нет архитектуры, плодит технический долг, не понимает контекст системы, не пишет нормальные тесты. “Это несерьезно, в продакшн такое нельзя”. Звучит знакомо? “Кому нужны маленькие машинки, когда мы продаем полноразмерные седаны”. “Зачем мне DVD по почте, если я хочу фильм сегодня вечером”. “Зачем мне карманный компьютер без клавиатуры, когда у меня есть нормальный PC”.

Причем LLM бьёт с двух сторон одновременно - оба пути входа из теории Кристенсена.

Снизу - low-end disruption. Простые задачи, которые раньше отдавали джуниорам или на аутсорс: бойлерплейт, типовые CRUD-сервисы, скрипты автоматизации, правки в верстке. Сеньоры не хотят это делать, маржа низкая, компании рады сэкономить. LLM закрывает эти задачи хуже, чем хороший разработчик, но достаточно хорошо и в разы дешевле. Классическое “пусть забирает этих клиентов, они нам не нужны”.

Через новый рынок - non-consumption. Продакт-менеджеры собирают прототипы. Дизайнеры делают рабочие демо. Аналитики пишут скрипты для обработки данных. Люди, которые раньше вообще не были разработчиками, теперь создают работающий софт.

Асимметричная мотивация работает как по учебнику. Профессиональные разработчики рационально игнорируют угрозу. Их клиенты - компании с серьезными системами - не хотят код без архитектуры. Менеджмент правильно фокусируется на сложных задачах, где LLM пока не тянет. Каждое решение разумно. Но LLM и агенты улучшаются на глазах и очень сильно, а мотивации двигаться вниз у разработчиков нет.

Если определять рынок от джобы - “создать работающий софт” - а не от решения - “нанять разработчика” - картина очевидная. Огромный пласт задач, для которых раньше нужен был разработчик, теперь закрывается без него. Не все задачи. Не самые сложные. Пока.

Недавно начал читать "Историю западной философии" Бертрана Рассела и стало интересно - а как за эти годы поменялась моя собственная? Когда-то писал пост про смысл жизни, но с тех пор много воды утекло и мысли убежали дальше.

Сел разложить их в разговоре с клодом - несколько часов, пара десятков челенджей логике, распутывание причинно-следственных связей и в итоге вышел некоторый манифест. Про субъективный опыт, эгоизм, страдание, смерть и свободу воли.

https://telegra.ph/Manifest-02-13-14

Интересный факт. Суммарные капитальные расходы Амазон, Гугл и Мета на 2026 год - около $500 млрд. С Майкрософтом - порядка $650 млрд. И это не прогнозы аналитиков, а цифры с последних отчетов компаний.

Для масштаба. Это 2/3 военного бюджета США, а весь военный бюджет Китая в 2025 - $249 млрд официально (реально ближе к $295 млрд). Три техкомпании потратят на инфраструктуру вдвое больше, чем вторая военная держава мира тратит на всю армию.

Все страны НАТО, исключая США, потратили на оборону около $607 млрд в 2025. Четверка техгигантов по расходам сопоставима со всем европейским военным блоком.

Причем у НАТО эти $607 млрд размазаны по 31 стране на зарплаты, технику, операции, базы. У техкомпаний основная часть идет в одну точку - чипы, дата-центры, электричество. Такой концентрации ресурсов в частном секторе не было никогда.

Год назад $250 млрд совокупных расходов казались ненормальными (ну как минимум мне). В 2025 стало $410 млрд. На 2026 - $650 млрд, плюс 60% за год. При этом CEO Гугла на звонке с инвесторами спросили "что не дает вам спать" - вычислительные мощности. Им мало.

Одни уже покупают электричество у ядерных реакторов. Другие скупают участки рядом с электростанциями. Война за чипы, энергию и землю под дата-центры - это не сценарий из киберпанка. Это банально текущие фин отчеты.

Локальный мем про C3PO не прижился. Звездные войны, как оказалось, смотрело не так много людей, как я думал, а игру слов CPO <> C3PO и то выкупало меньшинство. Да и я уже не тот нервозный и неуверенный в себе робот, собранный из запчастей в богом забытой пустыне.

Недавно рефлексировал и вспомнил No Rules Rules Хастингса. Решил даже перечитать и понял почему.

Самые сильные продуктовые команды, которые я видел, рождались в тяжёлые периоды. Мало ресурсов, сложные задачи, нет права на ошибку. Не когда всё хорошо и есть бюджеты.

У Хастингса ровно про это: в 2001 Netflix попал под крах доткомов и уволил треть людей. Хастингс ждал катастрофу, а компания поехала быстрее. Средние сотрудники создавали трение, которое никто не замечал, пока оно не исчезло. Сильные перестали дотягивать за других. Так появился главный принцип Netflix - talent density.

Типичный рефлекс типичного руководителя в такой ситуации - закидывать проблему хэдкаунтом. Этакий «мясной штурм». Не вывозим сроки - нужно ещё два человека. Качество просело - наймём QA лида. Брукс ещё в 75-ом писал в «Мифическом человеко-месяце» - добавление людей в опаздывающий проект замедляет его сильнее. Каждый новый человек это онбординг, коммуникация, координация. Чем больше людей, тем больше времени уходит на синхронизацию, а не на работу.

Маленькая команда сильных людей на сложной задаче ценнее, чем десять человек, половина которых нужна, чтобы координировать другую половину.​​​​​​​​​​​​​​​​ А «Нормальный сотрудник» это не ноль, а минус, ибо он задаёт планку, на которую равняются остальные. На сложном проекте с маленькой командой это видно на второй неделе, а не через полгода на performance review.​​​​​​​​​​​​​​​​

AI-потребительство

С появлением и развитием OpenClaw наблюдаю интересную картину.

Блоггеры, разного размера и фасона, как с цепи сорвались и пытаются получить охваты за счет «экспертных» рассказов про этот продукт.

Кроме того, они начали генерить немыслимое количество разной дичи, которая якобы им помогает быть эффективнее.

Это напоминает мне меня, когда я дорвалась до личного ассистента. У меня сразу столько появилось бесполезных дел и задач, которые тут же полетели в моих ассистентов.

Я быстро отказалась от ассистентов. Разбираться с собственными делами заставляет приоритизировать лучше и не выпускать в мир работу в стол.

То же самое и тут. Какие-то бесконечные AI-ассистенты, которые не только пекут за тебя пирожки, но еще и съедают их.

Почему я сделала акцент на блогерах? Потому что они не разбираются в разработке. Но тем не менее, именно они пошли на гастроли с PR кампанией OpenClaw.

Все мои знакомые разработчики, которые проходили YC, работали в MAANG, строят свои стартапы — не сказали ни слова. Ну OpenClaw и OpenClaw, инструмент и инструмент.

Эти ребята создают и все их мышление нацелено на категорию «билдить». А вот мышление хайповщиков, к сожалению, настроено на категорию «потреблять».

Как итог — куча бесполезного говна, которое сжирает сервера и электричество, FOMO у подписчиков, что они не такие «охуенные», раз не запилили себе бестолкового ассистента на OpenClaw.

Ребята, следите за топовыми инженерами и доверяйте им. Они — врачи своего дела.

"Thin Is In" - очередное срезонировавшее топ эссе Бена Томпсона про то как ИИ возвращает парадигму thin client, которую ПК убил в 90-х. Правда, на этот раз у thin client структурные преимущества, которых раньше не было.

Томпсон прослеживает маятник thick/thin через всю историю:
• Мейнфреймы (1960-е) - чистый thin: терминал + удалённый компьютер
• ПК (1980-е) - thick client побеждает, все вычисления локальные
• Network Computer от Sun (1990-е) - попытка вернуть thin через Java-приложения с сервера. Провал: ПК дешевели быстрее, чем Sun мог обосновать ценность, а Windows уже доминировала
• Мобайл + SaaS - гибрид, но по сути thick: устройства мощные сами по себе, серверная часть хранит данные, интерфейс целиком локальный

И вот ИИ всё меняет. Ключевой аргумент - интерфейс исчезает. Чат - это текстовое поле и кнопка отправки. Качество ответа не зависит от устройства: дорогой айфон, дешёвый андроид, очки, наушники - неважно. Важна только связь с интернетом. Структурно это идентично парадигме мейнфреймов, но без необходимости знать детерминированные команды, так как все решается на естественном языке.

Томпсон цитирует Николя Бюстаманте: когда интерфейс - это разговор на естественном языке, годы мышечной памяти обесцениваются, стоимость переключения исчезает. Для вертикального софта, где интерфейс был основной ценностью - это капут.

Агенты - это thin client доведённый до абсолюта. Агент не использует компьютер за тебя, он выполняет задачу, и всё, что находится между запросом и результатом, становится невидимым. Локальные вычисления не нужны вообще - ИИ на сервере делает всю работу (спорно!).

Почему компьют уходит в облако? Причин несколько:
1. Вычислительных мощностей ещё недостаточно → нагрузки идут туда, где мощности лучше = большие дата-центры
2. Больше модель + больше контекст = лучше результат → нагрузки идут туда, где больше памяти
3. Экономика масштаба и шеринга - разделить стоимость дорогих вычислений между миллионами пользователей выгоднее и на масштабе можно лучше утилизировать машины
4. Локальный инференс ограничен размером модели, контекстного окна и скоростью.

Дальше Томпсон ссылается на недавнюю статью Bloomberg о глобальном кризисе памяти. Спрос ИИ на HBM и DRAM вытесняет всё остальное:
• Sony рассматривает перенос PlayStation 6 на 2028–2029 из-за нехватки памяти
• Nintendo может поднять цену Switch 2
• Samsung пересматривает контракты на память ежеквартально вместо ежегодного цикла
• Китайские производители смартфонов (Xiaomi, Oppo, Transsion) режут прогнозы поставок на 2026, Oppo - до минус 20%

Эффект вытеснения начался с гиперскейлеров (GPU вместо CPU), дошёл до электросетей и турбин, теперь добрался до компонентов - и скоро ударит по конечным потребителям через рост цен на всё, что использует оперативку.

И вот тут парадокс: thick clients и так достигли плато. PS5 уже гуд энаф, Sony готовы подождать с PS6. То же с ПК и телефонами - текущее железо уже избыточно для большинства задач (у меня ipad pro на m5 и я не использую его даже на 10%). ИИ делает память дефицитной и персональные устройства дороже - и одновременно делает их менее важными.

Важные оговорки:
• Локальный инференс "бесплатен" (пользователь платит только за электричество), но пока не конкурентен по производительности, а дефицит памяти делает его неэкономичным
• Зависимость от пути: к моменту, когда локальный инференс станет жизнеспособным, многие рабочие процессы уже мигрируют в облако
• UI не только про удобство - он "кодифицирует" бизнес-логику. Промпты - плохая замена продуманной UI-кнопке, которая и подсказывает нужное действие, и гарантирует корректное выполнение.

Поэтому агенты это ключевое пространство для наблюдения: какие рабочие процессы перейдут от интерфейса к ИИ, от thick к thin. Текущие - вопрос открытый. Будущие - похоже, неизбежно thin.

Прочитал тут недавно Prediction Machines. Хорошая книга для продактов, кто хочет понять экономику классического ML.

Мысль простая. ML - это не магия, а банально снижение стоимости одной конкретной вещи - prediction.

Причем prediction в широком смысле. Люди всегда занимались предсказаниями - вся наша история про это. Шаман смотрел на небо и предсказывал дождь, врач смотрит на симптомы и предсказывает диагноз, банк смотрит на заемщика и предсказывает вернет ли он кредит. Просто раньше этот предикт был дорогим - нужен был эксперт, опыт, время, а ML сделал его дешевым.

Когда что-то резко дешевеет, меняется вся экономика вокруг. Электричество удешевило свет и перестроило фабрики. ML удешевляет предсказание и перестраивает принятие решений.

Авторы раскладывают decision-making на две части: prediction (что произойдет) и judgment (что с этим делать). ML забирает у человека prediction, но judgment остается за людьми. И есть важное разделение - point solutions (засунуть ML в существующий процесс) vs system solutions (перестроить процесс вокруг дешевого предсказания). Второе дает кратно больше, но требует переделки системы целиком.

Книга, правда, написана до эры LLM и агентов, и фреймворк покрывает именно классический ML, но если его продолжить, получается следующая картина:
- ML удешевил prediction, но человек все еще на дальнейших слоях пирамиды
- LLM удешевили judgment. Модель не просто предсказывает - она рассуждает, взвешивает варианты, дает рекомендации. Человек все еще исполняет, но уже может делегировать часть "думания".
- Agentic AI удешевляет execution. Агент не просто предсказал и порассуждал - он пошел и сделал. Забронировал, написал, перевел деньги, собрал отчет. Человек ставит цель и контролирует результат.

По сути AI движется по цепочке от начала процесса к конечной точке, где стоит человек, потихоньку его вымещая. Сначала забрал prediction - самое далекое от конечного результата звено. Потом judgment - ближе. Теперь execution - еще ближе. С каждым шагом точка, где нужен человек, сдвигается дальше к финалу: от "сам считаю и решаю" к "ставлю задачу и проверяю результат". Вопрос только в том, что остается за последней чертой.

Хороший пост Нихила Сингала (ex-CPO Credit Karma, продакт лид в Meta и Google) про промоушены в его блоге The Skip. Он разбирает реальные карьерные вопросы от PM’ов в его сервисе Nikhyl.AI и формулирует то, что я и сам часто наблюдаю (даже за собой!): главные ошибки в промо не в работе, а в том, как люди думают про карьерный рост. Несмотря на то, что речь про западный бигтех, мысли актуальны для всех.

Для начала контекст. После ковидной эпохи ZIRP хэдкаунт сжался, ролей на следующем уровне стало объективно меньше. На senior уровнях промо замедляется само по себе — в Meta, например, почти все чувствовали задержку на 6-12 месяцев относительно ожиданий. Это нормальная механика: навыки на каждом уровне качественно разные, и организации правильно делают, что не торопятся.

Самая разрушительная штука на этом фоне — решить, что система работает против тебя. Человек дважды не получает промо в Google, при этом ему признают импакт уровня выше, и он делает вывод: организация дисфункциональна и работает против него. С этого момента все идет по спирали вниз. Ты злишься, перестаешь вкладываться, руководство это считывает, ситуация ухудшается.

Сингал предлагает осознанный выбор: исходи из того, что компания пытается поступать правильно, даже если это не на 100% правда. Потому что альтернатива разрушительна в первую очередь для тебя. Если дело не в заговоре, а в ограничениях (нет бюджета, к примеру), то и действия другие — менять команду, локацию, компанию. Обида на систему ни к одному из этих шагов не ведет.

Вторая ловушка — воспринимать промо как гонку на «победу». Кого-то повысили, а тебя нет — значит проиграл. Но у проектов разная видимость для руководства и разный потенциал для роста. Стратегический проект дает больше возможностей показать senior навыки, даже если оба проекта по масштабу сопоставимы. Задержка на пару циклов в масштабе карьеры ничего не значит, но в режиме гонки ощущается как катастрофа, что губительно бьет по мотивации. Многие люди имеют успешные, высокооплачиваемые карьеры, не достигнув executive уровня.

Третье, что многие недооценивают: переход от IC к лидерству — это не «делай то же самое, но больше». До определенного уровня каждое промо — гипертрофированная версия предыдущей деятельности: больше скоуп, сложнее задачи, но суть та же. А дальше ты перестаешь делать работу руками и начинаешь добиваться результата через других людей. Это принципиально другое ремесло: непрямое влияние, умение переключаться между деталями и стратегией, способность держаться перед топ-менеджментом. Курсы этому не учат, это формируется годами. Три года без промо на этом переходе — не стагнация, а нормальная кривая роста. Это Peter Principle наоборот: многие компании сначала хотят увидеть, что ты уже работаешь на следующем уровне, и только потом дают тайтл. Промо отстает от реальности, а не опережает ее.

Продолжая мысли про промоушены от Сингала. Первый пост был про ловушки мышления, этот — про вещи, от которых чаще всего отмахиваются.

Про фидбэк есть два тезиса. Первый: когда обратная связь приходит вместе с отказом в промо, естественная реакция — списать ее на оправдание уже принятого решения. Но Сингал говорит: отнесись серьезно, потому что этот фидбэк часто приходит от людей, которых ты обычно не слышишь.

Второй тезис он иллюстрирует кейсом. Менеджер ушел в другой отдел. Сразу после этого skip начал давать жесткую обратную связь с конкретными примерами из прошлого. Человек в шоке: прошлый руководитель ничего такого не говорил.

Противоречия тут нет — они просто мерят разные вещи. Непосредственный руководитель видит execution: дедлайны, запуски, работу с командой. Skip-level смотрит на другое: как ты держишься перед руководством, можешь ли влиять за пределами своей команды, способен ли представлять направление перед CEO. Предыдущий менеджер мог избегать неприятных разговоров, мог не знать, чего ждет руководство, мог просто не трогать то, что работает. То, что тебе не давали фидбэк, не значит, что все было хорошо — это значит, что тебя развивали недостаточно.

Второе — про ответственность за собственный рост. Человек из кейса сам признал, что работа стала монотонной и он давно чувствовал себя отключенным. То есть проблему он видел, но ничего не делал, потому что менеджер не требовал большего. Сингал сравнивает с учебой: был преподаватель, который ставил пятерки за минимум усилий, он ушел, пришел новый — и ты не тянешь. Планка поднялась, а ты не учился. Если менеджер ставит низкую планку — сам поднимай. Лучшие спецы делают больше, чем от них просят. Не потому что кто-то потребовал, а потому что так растут и становятся заметными. Не привязывайся к менеджеру, он может уйти завтра — привязывайся к качеству своей работы.

Отдельный жесткий тезис из эссе: если ты походил по собеседованиям в другие компании и никого не впечатлил, скорее всего текущая работа — лучшее, что у тебя есть. Не сигнализируй недовольство открыто. Руководство это замечает, и при сокращениях ты рискуешь оказаться в списке.

И бонус, который редко проговаривают вслух: может, лидерство вообще не твоя цель. Многие инженеры и дизайнеры осознанно избегают менеджмента и строят более результативные карьеры именно поэтому — остаются IC, ближе к ремеслу и получают от работы больше. Если работа твоего босса тебя не привлекает, не стремись к ней. VP в стартапе на 50 человек и VP в корпорации на 50 000 — совершенно разные работы при одинаковом названии должности.

Обновил свой ресурс с материалами для прокачки продакта.

Что изменилось:
• поменял структуру секций, добавил новые: Pricing & Monetization, продуктовая операционка, Growth стал больше
• убрал морально устаревшие, обновил более актуальными книгами
• у каждой книги и ресурса теперь описание: про что, зачем читать, когда пригодится. раньше были просто ссылки
• добавил то, что прочитал за последнее время

Отдельно добавил секцию AI/ML для тех, кто строит продукты на ML и LLM. Там три блока:

1. Основы - три книги. Prediction Machines дает экономический фреймворк: где AI создает ценность, а где нет (писал про нее в посте). Две книги Chip Huyen - Designing Machine Learning Systems про классический ML pipeline и AI Engineering про foundation models. Обе про архитектуру и паттерны, не про код - идеально для продактов. AI Engineering писалась в эпоху GPT-4, но привязки к конкретным моделям минимум - там база про паттерны, подходы к evals, RAG, агентам, guardrails. Все еще must read.
2. Дизайн AI-продуктов - People + AI Guidebook от Google PAIR. Единственный нормальный ресурс в индустрии про проектирование взаимодействия человека с AI.
3. Паттерны и практика - 5 статей. Building Effective Agents от Anthropic, разбор агентов от Chip Huyen, практические уроки из продакшена от Eugene Yan, паттерны интеграции LLM, и гайд для PM от Langfuse.

https://quasar-berry-ab7.notion.site/Product-Manager-Reading-Path-5a3e196987d942f6827d780c458dbf9e

Эссе из блога Working Theorys про настроения в tech прямо сейчас.

Еще недавно на вопрос «чем занимаешься?» престижно было ответить «запускаю стартап» или «закрыли seed раунд». Сегодня - «я в OpenAI» или «строю продукт в Stripe». Раньше хвастались риском. Теперь хвастаются тем, что не могут проиграть, но все еще могут выиграть по-крупному. Стабильность стала статусом.

Корень сдвига: мы сами стали активами, и эти активы переоцениваются. Навыки, которые строились годами, резко подешевели. Компании делают больше меньшим числом людей. Если ты по-настоящему лучший - тебя по-прежнему хотят все. Если просто хороший - этого может не хватить.

Что цепляет в статье:
- AI-лабы строят новый FAANG. Для сильных исследователей - драфт в высшую лигу. Для остальных - rest and vest с хорошей компенсацией. Настоящая причина идти в Anthropic или OpenAI - близость к информации, деньгам и решениям. Когда никто не понимает, что происходит, узнавать первым - уже преимущество. При этом компании параллельно строят то, что заменит собственных сотрудников, и откладывают бюджеты на выходные пакеты. Дарио Амодеи уже пишет эссе про программы поддержки людей, которых сделают ненужными те самые модели, которые эти люди помогали строить. Но быть внутри того, что тебя заменит, все равно приятнее, чем быть снаружи.
- Венчурный путь снова в цене. Не потому что «строю единорога», а потому что дает 5-10 лет запаса, пока у остальных горизонты сжимаются. Стабильность в дефиците, а дефицит и есть статус. Самый горячий ход момента - построить что-то на фронтире, собрать внимание и продаться крупной лабе до того, как она тебя раздавит. Реакция на покупку OpenClaw командой OpenAI была в духе «поздравляю, зафиксировал результат».
- Середина вымывается. Средние стартапы, средний уровень навыков, средние креативные карьеры - все под ударом. Выживают два типа: маленькие и прибыльные, или те, кто берется за тяжелое - deep tech, biotech, атомы вместо битов. Если рисковать всем - рискуй на чем-то тяжелом.
- Собрать продукт - теперь простая часть. Один человек с Claude Code делает работу команды. Разница между победителями и остальными - вкус (good taste). Фильтр - способность поддерживать продукт. Устойчивое преимущество - удовольствие от процесса. Начать можно одному, остаться одному нельзя.
- Обслуживать передний край стало привлекательнее, чем владеть им. Фриланс, консалтинг, подкасты, кино. Те, кто умеет захватывать внимание - новые инженеры, а инженеры стали квалифицированными ремесленниками. Строить умеют многие, но мало кто умеет заставить почувствовать.
- Когда обычные пути начинают ощущаться как лотерея, настоящая лотерея выглядит рационально. Крипто, мемкоины, ставки - это не безрассудство, а другой ответ на ту же нестабильность. Раньше играли, чтобы сбежать из стабильного класса. Теперь играют, чтобы в него попасть.
- Из tech нельзя уйти. Технологии проникли в медиа, здоровье, спорт, производство. Можно пойти в юридическую школу или медицину - но и там все конвергирует вокруг технологий.

Отдельно про разворот к «традиционным ценностям» - дом, семья, тело, здоровье. Автор считает, что это не политический тренд, а поиск стабильности за пределами карьерной лестницы. Разворот к тому, что накапливается даже когда системы рушатся.

Вижу то же самое у друзей в штатах. Те, кто 2-3 года назад горел идеей запустить AI-стартап, сейчас спокойно идут в крупные лабы или поднимают большие раунды не ради масштаба, а ради запаса прочности. Никто больше не стесняется сказать «мне нужна подушка». Раньше это считалось слабостью. Сейчас - здравый смысл.

Главная мысль статьи: настоящую стабильность не найти в компании или должности. Она только в ремесле, в людях рядом и в себе самом. Минимально жизнеспособная стабильность - это портфель: работа, здоровье, отношения, идентичность. Мы понемногу понимаем, что к этому портфелю не готовы.

Периодически получаю обвинения, что посты мне пишет ИИ. В целом, я не лудит и не вижу в этом ничего плохого, если мне нравится читать, то, что вижу. Не отрицаю, что использую ллмки: редактура, валидация смыслов, форматирование, расстановка знаков препинания или помощь с формулированием какой то сложной мысли. Есть даже несколько заметок экспериментально написанные end2end клодом после моей диктовки.

Забавно то, что, обычно, обвинения в нейрослопе (в комментах, в комментах каналов, куда репостнули, или в личку) получаю на посты, которые написаны мной, а на те, что писал клод, никто не воспалился.

Недавно вовсе получил в личку от одного подписчика наезд, что это неуважение писать нейрослоп. На вопрос, как он это понял, я получил скрин анализа поста от ChatGPT

Что я вижу, когда смотрю Нолана? «Начало» - это «Паприка» Сатоси Кона, сцена за сценой. «Интерстеллар» - «Космическая одиссея» Кубрика вплоть до композиции кадров.

Что я вижу у Иньярриту в «Выжившем»? Тарковский пронизывает всю ткань фильма - от длинных планов до воды как визуального мотива. Любецки снимал так, будто засыпал с Тарковским каждую ночь.

Что я слышу в музыке? Весь хип-хоп построен на семплах. Лед Зеппелин перебирали чужие блюзовые риффы.

Всё творчество - это переработка чужого. Разница между «вдохновился» и «украл» никогда не определялась инструментом - она определяется результатом: получилось ли из чужих элементов собрать что-то новое. Претензия к самому процессу заимствования - это претензия ко всей истории искусства.​​​​​​​​​​​​​​​​

А теперь вопрос: если это сделал человек вместе с нейросетью, то в чём отличие?