This media is not supported in your browser
VIEW IN TELEGRAM
Менеджер с конверсией 100% 😁
Реально ли собрать рабочий IT продукт с помощью вайбкодинга?
Мой опыт показывает, что да. Если вайбкодит разработчик уровня сеньор )))
Ну или если суть продукта это просто связать 2 апишки + отправить результат в телеграм бот.
В остальных случаях - максимум mvp. Вы меня не переубедите, ибо оплачено опытом 😁
Мой опыт показывает, что да. Если вайбкодит разработчик уровня сеньор )))
Ну или если суть продукта это просто связать 2 апишки + отправить результат в телеграм бот.
В остальных случаях - максимум mvp. Вы меня не переубедите, ибо оплачено опытом 😁
/// Девочки, с наступающим!! 🌹"Чаще в кризис руководителями делают женщин, потому что их не жалко потерять" 😂😂😂 Ору.
Вообще идея переосмыслить гжель очень крутая. Отсюда
Нам очень не хватает именно таких свежих проектов, потому что ведение бизнеса, маркетинг, образование и вообще всё превратилось в бесконечный копипаст:
- "проверенных методик"
- "отработанных связок"
- протухших идей из 2000х
Вообще идея переосмыслить гжель очень крутая. Отсюда
Нам очень не хватает именно таких свежих проектов, потому что ведение бизнеса, маркетинг, образование и вообще всё превратилось в бесконечный копипаст:
- "проверенных методик"
- "отработанных связок"
- протухших идей из 2000х
Про GEO-оптимизацию сайтов под AI
Тема сейчас максимально в тренде, но твердых методик пока нет. То, что выстреливает у одних, не работает на других, поэтому будьте внимательны при выборе подрядчика.
Точно работающих штуки пока 2:
1. Размещение компании и сайта в каталогах, рейтингах и на форумах (особенно тех, которые хорошо индексируются в Гугле, ибо большинство людей у нас пользуется зарубежными ИИ-ассистентами). Reddit обязательно!!
2. Добавление на сайт максимально подробной информации о вас, продуктах и ценах в формате json. Нейронки видят сайт не как человек, этим вы сильно облегчите им задачу 🙌
Тема сейчас максимально в тренде, но твердых методик пока нет. То, что выстреливает у одних, не работает на других, поэтому будьте внимательны при выборе подрядчика.
Точно работающих штуки пока 2:
1. Размещение компании и сайта в каталогах, рейтингах и на форумах (особенно тех, которые хорошо индексируются в Гугле, ибо большинство людей у нас пользуется зарубежными ИИ-ассистентами). Reddit обязательно!!
2. Добавление на сайт максимально подробной информации о вас, продуктах и ценах в формате json. Нейронки видят сайт не как человек, этим вы сильно облегчите им задачу 🙌
This media is not supported in your browser
VIEW IN TELEGRAM
Когда новый менеджер спрашивает о задачах 😁
Из чего же, их чего же, из чего же
сделаны наши.... AI-агенты (и не только наши, но и вообще любые)
Давайте заглянем внутрь наших суперпомощников, которые почти всегда состоят из 5 блоков:
1. Оркестратор - сердце агента. Это движок, который управляет всем: запускает компоненты, обрабатывает ошибки, держит цикл работы.
2. LLM (здесь может быть любая ваша нейронка от дипсика до llama) - мозг. Не выполняет действия, а принимает решения. Какой инструмент вызвать? Когда остановиться?
3. Контекстное окно - оперативная память агента. Нужно, чтобы в момент запроса LLM видела ровно нужную информацию.
4. Внешние данные — справочник. Файлы, база знаний, регламенты. Всё, что может потребоваться, но не нужно в памяти прямо сейчас.
5. Инструменты - руки агента. API, калькулятор, другие программы. Через них агент действует в мире.
Плюс два защитных слоя:
- безопасность (проверка доступов, защита от инъекций)
- аналитика (логирование всего, что делает агент).
Вот и вся архитектура. Остальное - просто вариации на эту тему 😌
сделаны наши.... AI-агенты (и не только наши, но и вообще любые)
Давайте заглянем внутрь наших суперпомощников, которые почти всегда состоят из 5 блоков:
1. Оркестратор - сердце агента. Это движок, который управляет всем: запускает компоненты, обрабатывает ошибки, держит цикл работы.
2. LLM (здесь может быть любая ваша нейронка от дипсика до llama) - мозг. Не выполняет действия, а принимает решения. Какой инструмент вызвать? Когда остановиться?
3. Контекстное окно - оперативная память агента. Нужно, чтобы в момент запроса LLM видела ровно нужную информацию.
4. Внешние данные — справочник. Файлы, база знаний, регламенты. Всё, что может потребоваться, но не нужно в памяти прямо сейчас.
5. Инструменты - руки агента. API, калькулятор, другие программы. Через них агент действует в мире.
Плюс два защитных слоя:
- безопасность (проверка доступов, защита от инъекций)
- аналитика (логирование всего, что делает агент).
Вот и вся архитектура. Остальное - просто вариации на эту тему 😌
Я давно провожу тренинги по использованию AI-инструментов в b2b продажах, но это всегда онлайн-формат.
И вот случился оффлайн! 🥳 Живая энергетика, потрясающая команда, атмосфера поддержки и вовлеченности 🙌
Я получила огромное удовольствие, а участники - готовые связки AI-инструментов и промты для анализа компаний, поиска ЛПР, подготовке к встречам и доведению переговоров до успешного результата 🔥
И вот случился оффлайн! 🥳 Живая энергетика, потрясающая команда, атмосфера поддержки и вовлеченности 🙌
Я получила огромное удовольствие, а участники - готовые связки AI-инструментов и промты для анализа компаний, поиска ЛПР, подготовке к встречам и доведению переговоров до успешного результата 🔥
Яндекс,Директ запустил ИИ-помощника по автоматическому созданию сайта и рекламной кампании на основе простого описания продукта. Штош, потестируем. На первый взгляд уже очевидны 3 вещи:
1. Тексты и картинки нужно переделывать (для быстрого теста гипотезы это все равно быстрее, чем, например, делать лендинг на Тильде).
2. Конечно, Яндекс не позволяет выбрать площадки. А, значит, будет раздавать показы в мобильных приложениях и везде, где мы обычно показы отключаем из-за низкого качества трафика.
3. Нет модели оплаты за конверсии.
1. Тексты и картинки нужно переделывать (для быстрого теста гипотезы это все равно быстрее, чем, например, делать лендинг на Тильде).
2. Конечно, Яндекс не позволяет выбрать площадки. А, значит, будет раздавать показы в мобильных приложениях и везде, где мы обычно показы отключаем из-за низкого качества трафика.
3. Нет модели оплаты за конверсии.
Достойный канал про AI, рекомендую ⬇️👇
Forwarded from Under the Hood - AI · Security · Power Structures
AI ломает SaaS-модель оплаты за кресло/за сотрудника. Goldman Sachs уже это фиксирует.
Парадокс, который сейчас рассыпает учебники по запуску SaaS:
Вы платите за 200 лицензий CRM. Вендор выпускает AI-агента, который заменяет работу менеджеров.
Вам нужно 40-50 лицензий вместо 200. Вендор теряет огромную часть выручки - за продажу инструмента, который убил его же основной бизнес.
С одной стороны мы видим обычную канибализацию в рамках продуктовой матрицы, с другой стороны не смена ли это парадигм?
В середине апреля Goldman Sachs выпустил заметку: enterprise-SaaS массово переходит с per-seat на usage- и outcome-based. В списке Salesforce Agentforce, ServiceNow.
OpenAI и Anthropic здесь референсные точки: у них usage-based был с первого дня.
По отраслевым оценкам падение ARR у seat-ориентированных вендоров может уйти в 20-40% при той же полезной работе.
Четыре модели идут на замену:
1️⃣ Usage-based - за токены и вызовы. Честно, но плавающий биллинг это боль.
2️⃣ Outcome-based - за закрытую сделку, снятый тикет. Засада в определении метрик.
3️⃣ Success-fee - доля экономии. Узкое место: аудит и стартовые метрики.
4️⃣ Tiered-capability - по мощности модели. Риск скатиться обратно в per-seat.
Вообщем наблюдаем, не думая что все перейдут на Usage based модели, но так или иначе для старичков в индустрии могут наступить не простые времена
Парадокс, который сейчас рассыпает учебники по запуску SaaS:
Вы платите за 200 лицензий CRM. Вендор выпускает AI-агента, который заменяет работу менеджеров.
Вам нужно 40-50 лицензий вместо 200. Вендор теряет огромную часть выручки - за продажу инструмента, который убил его же основной бизнес.
С одной стороны мы видим обычную канибализацию в рамках продуктовой матрицы, с другой стороны не смена ли это парадигм?
В середине апреля Goldman Sachs выпустил заметку: enterprise-SaaS массово переходит с per-seat на usage- и outcome-based. В списке Salesforce Agentforce, ServiceNow.
OpenAI и Anthropic здесь референсные точки: у них usage-based был с первого дня.
По отраслевым оценкам падение ARR у seat-ориентированных вендоров может уйти в 20-40% при той же полезной работе.
Четыре модели идут на замену:
1️⃣ Usage-based - за токены и вызовы. Честно, но плавающий биллинг это боль.
2️⃣ Outcome-based - за закрытую сделку, снятый тикет. Засада в определении метрик.
3️⃣ Success-fee - доля экономии. Узкое место: аудит и стартовые метрики.
4️⃣ Tiered-capability - по мощности модели. Риск скатиться обратно в per-seat.
Вообщем наблюдаем, не думая что все перейдут на Usage based модели, но так или иначе для старичков в индустрии могут наступить не простые времена
ai_writing_guide.pdf
50.7 KB
Я по-задротски прочитала каждое предложение в этой статье и решила, что это максимально подробный с точки зрения русского языка список претензий к нейротекстам.
Мое следующее действие: конечно, сделать из этого промт 😂 Ну, или заготовки для промта. Чтоб 2 раза не вставать, ловите - пригодится
/// не проверяла, но точно пригодится
/// только не заливайте все в промт, а то она сойдёт с ума 😅 все, чем я делюсь, требует переваривания и адаптации под ваши задачи
Мое следующее действие: конечно, сделать из этого промт 😂 Ну, или заготовки для промта. Чтоб 2 раза не вставать, ловите - пригодится
/// не проверяла, но точно пригодится
/// только не заливайте все в промт, а то она сойдёт с ума 😅 все, чем я делюсь, требует переваривания и адаптации под ваши задачи
«Когда мера становится целью, она перестает быть хорошей мерой».
Закон Гудхарта сформулирован британским экономистом Чарльзом Гудхартом в 1975 году.
Суть заключается в том, что как только показатель (метрика) выбирается для оценки эффективности, люди начинают манипулировать им, искажая реальную картину.
Основные аспекты закона Гудхарта:
Основа: если вы ставите цель «улучшить цифру X», участники системы найдут способы улучшить эту цифру, не улучшая реальную работу, которую эта цифра должна была измерять.
Причины: закон работает, потому что агенты (люди, компании) рационально адаптируются к стимулам. Когда за показатель платят, его начинают накручивать.
Примеры:
Экономика: таргетирование денежной массы в 1970-х привело к нарушению связи между номинальными ставками и предложением денег.
Бизнес: KPI менеджера - количество закрытых сделок. Менеджер может закрывать мелкие, ненужные сделки ради бонуса, игнорируя крупные.
Производство: установление нормы по количеству выпущенных деталей может привести к росту брака ради выполнения плана по объему.
Как избежать «эффекта Гудхарта»:
Не используйте одну метрику. Используйте сбалансированную систему показателей (например, количество сделок + норма прибыли).
Следите за поведением, а не цифрами: понимайте реальные процессы, а не только их отражение в отчетах.
Помните о контексте: метрика это лишь карта, а не территория.
Wikipedia
Закон Гудхарта
Закон
This media is not supported in your browser
VIEW IN TELEGRAM
Как связано кормление тунца с Claude code и нереальным количеством b2b saas стартапов, которые выходят каждый час.
Если не хотите утонуть в них и выбрать то, что реально принесет компании деньги, пишите в личку @lasalas. Помогу 👌
Если не хотите утонуть в них и выбрать то, что реально принесет компании деньги, пишите в личку @lasalas. Помогу 👌
Про рейтинг успеха проектов, секатор в рюкзаке и размышления о жизни. И, конечно, про пост, который я удалила
/// кинуть секатор в рюкзак и сесть на мотоцикл = заняться ландшафтным бизнесом😂
/// кинуть секатор в рюкзак и сесть на мотоцикл = заняться ландшафтным бизнесом
Please open Telegram to view this post
VIEW IN TELEGRAM
Токены в kpi это что-то новое 😂😂😂
Приходите, чтобы перестать сжигать токены и научить сотрудников получать с помощью ИИ результат 👌
Человек устроен просто - если он чем-то не пользуется, значит, не видит смысла. Давайте это исправим.
Личка: @lasalas
Приходите, чтобы перестать сжигать токены и научить сотрудников получать с помощью ИИ результат 👌
Человек устроен просто - если он чем-то не пользуется, значит, не видит смысла. Давайте это исправим.
Личка: @lasalas