Когда ты приходишь домой, а ужин готов. И не понимаешь — это сделал человек или машина
В 1950-м Алан Тюринг предложил простой тест: если ты не можешь отличить машину от человека в диалоге — значит, ИИ достиг нового уровня. Более полувека это казалось недостижимым. А сегодня ChatGPT и аналоги фактически этот тест прошли. И мы воспринимаем умные текстовые модели, как данность.
Джим Фан, директор по AI в NVIDIA, предложил новый вызов: «физический» тест Тюринга.
Представьте: вы возвращаетесь домой после работы. Всё убрано. На столе ужин. Свечи. Покой. И вы не знаете — это сделал человек или робот?
Почему это сложно сделать на практике?
Потому что в отличие от LLM, тренируют на текстовых данных из интернета, роботам нужны физические данные: миллионы часов движения, манипуляций, реакций. Их не найти на YouTube.
Такие данные нужно собирать руками. Это не "бесплатная" big data. Роботов надо вручную учить двигать руками, поднимать предметы, наливать молоко — это трудоемкая и утомительная работа. Это человеский труд, который ограничен в объеме и стоит дорого.
Решение — обучение в симуляции. NVIDIA строит масштабные виртуальные среды, в которых роботы учатся взаимодействовать с миром. А затем — без дообучения — применяют навыки в реальности. Роботы, прошедшие «10 лет тренировок» за 2 часа GPU-времени.
Так появляется физический API — программный интерфейс, с помощью которого можно управлять уже не только цифровыми данными, но и физическим миром: двигать предметы, открывать двери, готовить ужин.
Что это значит для нас?
Многое из того, что мы делаем каждый день, — несложно, но утомительно. Убрать, приготовить, разложить по местам. Всё это отнимает внимание и силы, хотя не требует ни решений, ни креативности.
Физический ИИ — это не про роботов, а про возможность разгрузить голову и руки.
Сейчас кажется, что это ещё далеко. Но так же казалось и с голосовыми ассистентами, и с генеративными ИИ — пока они не стали частью повседневности.
Если интересно — вот оригинальное видео с ивента в Sequoia Capital с любопытными видео иллюстрациями.
#ai
В 1950-м Алан Тюринг предложил простой тест: если ты не можешь отличить машину от человека в диалоге — значит, ИИ достиг нового уровня. Более полувека это казалось недостижимым. А сегодня ChatGPT и аналоги фактически этот тест прошли. И мы воспринимаем умные текстовые модели, как данность.
Джим Фан, директор по AI в NVIDIA, предложил новый вызов: «физический» тест Тюринга.
Представьте: вы возвращаетесь домой после работы. Всё убрано. На столе ужин. Свечи. Покой. И вы не знаете — это сделал человек или робот?
Почему это сложно сделать на практике?
Потому что в отличие от LLM, тренируют на текстовых данных из интернета, роботам нужны физические данные: миллионы часов движения, манипуляций, реакций. Их не найти на YouTube.
Такие данные нужно собирать руками. Это не "бесплатная" big data. Роботов надо вручную учить двигать руками, поднимать предметы, наливать молоко — это трудоемкая и утомительная работа. Это человеский труд, который ограничен в объеме и стоит дорого.
Решение — обучение в симуляции. NVIDIA строит масштабные виртуальные среды, в которых роботы учатся взаимодействовать с миром. А затем — без дообучения — применяют навыки в реальности. Роботы, прошедшие «10 лет тренировок» за 2 часа GPU-времени.
Так появляется физический API — программный интерфейс, с помощью которого можно управлять уже не только цифровыми данными, но и физическим миром: двигать предметы, открывать двери, готовить ужин.
Что это значит для нас?
Многое из того, что мы делаем каждый день, — несложно, но утомительно. Убрать, приготовить, разложить по местам. Всё это отнимает внимание и силы, хотя не требует ни решений, ни креативности.
Физический ИИ — это не про роботов, а про возможность разгрузить голову и руки.
Сейчас кажется, что это ещё далеко. Но так же казалось и с голосовыми ассистентами, и с генеративными ИИ — пока они не стали частью повседневности.
Если интересно — вот оригинальное видео с ивента в Sequoia Capital с любопытными видео иллюстрациями.
#ai
YouTube
The Physical Turing Test: Jim Fan on Nvidia's Roadmap for Embodied AI
Nvidia's Director of AI Jim Fan introduces the concept of the Physical Turing Test and explains how simulation at scale will unlock the future of robotics. Learn about digital twins, digital cousins, and digital nomads in this groundbreaking talk from AI…
👍7
Дилемма руководителя: управлять на верхнем уровне или погружаться в детали?
Один из ключевых выборов для руководителя: оставаться исключительно на стратегическом уровне или погружаться в то, как бизнес работает «на земле» — на уровне продукта, команды, клиента.
Слишком глубокое погружение — риск увязнуть в операционке и мешать работе команды. Слишком поверхностное — риск управлять личным представлением о бизнесе, а не самим бизнесом.
Недавно обсуждали кейс одной SaaS-компании: продажи стоят, основатель считает, что причина — воронка, не хватает трафика. После короткого аудита стало понятно: трафика достаточно, но 80% пользователей теряются на онбординге (сложно, непонятно, нет поддержки). Проблема не в маркетинге, а в первом опыте клиента. Это было видно только на уровне деталей — из аналитики, записей сессий, переписки в чате.
Вопрос не в том, чтобы делать работу за команду. А в том, чтобы как руководитель видеть то, что влияет на P&L напрямую — и уметь задать точный вопрос, поставить верную задачу, вовремя вмешаться.
Похожую мысль озвучивает Брайан Чески, CEO Airbnb, в интервью:
Погружение руководителя в детали является не микроменеджментом, а необходимым присутствием, которое помогает обеспечить единое направление, избежать бюрократии и политики, поддерживать высокое качество продукта и способствовать успешному развитию бизнеса. Отсутствие такого погружения, напротив, может привести к разрозненности команд, бюрократии, застою и потере смысла существования компании.
Чтобы держать контакт с реальностью, я использую простой алгоритм — раз в месяц отвечаю себе на три вопроса:
1. Когда я в последний раз сам прошёл путь клиента — от первого касания до покупки?
2. Какую ключевую аналитику я видел своими глазами, а не в чужом отчете?
3. Могу ли я назвать 1–2 точки роста или узких места — с конкретными примерами и фактами?
Этого достаточно, чтобы не терять стратегический фокус — и при этом сохранять связь с реальностью, без которой невозможно принимать точные решения.
А как вы находите баланс между стратегическим фокусом и погружением в детали?
Один из ключевых выборов для руководителя: оставаться исключительно на стратегическом уровне или погружаться в то, как бизнес работает «на земле» — на уровне продукта, команды, клиента.
Слишком глубокое погружение — риск увязнуть в операционке и мешать работе команды. Слишком поверхностное — риск управлять личным представлением о бизнесе, а не самим бизнесом.
Недавно обсуждали кейс одной SaaS-компании: продажи стоят, основатель считает, что причина — воронка, не хватает трафика. После короткого аудита стало понятно: трафика достаточно, но 80% пользователей теряются на онбординге (сложно, непонятно, нет поддержки). Проблема не в маркетинге, а в первом опыте клиента. Это было видно только на уровне деталей — из аналитики, записей сессий, переписки в чате.
Вопрос не в том, чтобы делать работу за команду. А в том, чтобы как руководитель видеть то, что влияет на P&L напрямую — и уметь задать точный вопрос, поставить верную задачу, вовремя вмешаться.
Похожую мысль озвучивает Брайан Чески, CEO Airbnb, в интервью:
Погружение руководителя в детали является не микроменеджментом, а необходимым присутствием, которое помогает обеспечить единое направление, избежать бюрократии и политики, поддерживать высокое качество продукта и способствовать успешному развитию бизнеса. Отсутствие такого погружения, напротив, может привести к разрозненности команд, бюрократии, застою и потере смысла существования компании.
Чтобы держать контакт с реальностью, я использую простой алгоритм — раз в месяц отвечаю себе на три вопроса:
1. Когда я в последний раз сам прошёл путь клиента — от первого касания до покупки?
2. Какую ключевую аналитику я видел своими глазами, а не в чужом отчете?
3. Могу ли я назвать 1–2 точки роста или узких места — с конкретными примерами и фактами?
Этого достаточно, чтобы не терять стратегический фокус — и при этом сохранять связь с реальностью, без которой невозможно принимать точные решения.
А как вы находите баланс между стратегическим фокусом и погружением в детали?
👍8❤1
Скидки — как сигнал, что в бизнесе что-то пошло не так
Вчера на встрече клуба АНД — Юрию Дрогану, эксперту по стратегии и росту, задали простой, но важный вопрос: «Как заранее распознать, что компания теряет управляемость — ещё до того, как начнёт значимо снижаться выручка или падать доля рынка?».
Его ответ: «Один из маркеров — начало массового применения скидок. Когда продукт уже не продаётся на прежних условиях, а команда вместо разбора корневых причин начинает снижать цену, чтобы выполнять план продаж».
И действительно — скидка даёт краткосрочный эффект. Она снимает симптом, но не лечит причину. Реальных альтернативы всего две:
— либо повышать ценность продукта и эффективно доносить ее до клиента;
— либо продолжать давать скидку, снижая уровень маржи и в конечном счете — доверия к продукту.
Другими словами скидка — это не про клиента. Это про то, что компания потеряла точку опоры в собственном ценностном предложении — не до конца понимает, какую ценность приносит и не знает, как клиент принимает решение. И вместо системной работы — купирует проблему деньгами.
Хороший управленческий тест — задать себе вопросы: Что бы мы сделали, если бы скидки завтра были запрещены? Что пересобрали бы в продажах? Какие сегменты пересмотрели? Какие гипотезы о клиентах начали бы проверять всерьёз?
Пока скидки есть — эти вопросы можно не задавать. Но вместе с ними уходит системное напряжение, необходимое для роста. Скидки снимают необходимость копать вглубину и подменяют построение стратегического преимущества тактическим компромиссом.
Настоящий вопрос — не в том, какую скидку дать. А в том, в какой момент мы перестали верить в продукт настолько, чтобы удержать цену — и не торговаться.
Вчера на встрече клуба АНД — Юрию Дрогану, эксперту по стратегии и росту, задали простой, но важный вопрос: «Как заранее распознать, что компания теряет управляемость — ещё до того, как начнёт значимо снижаться выручка или падать доля рынка?».
Его ответ: «Один из маркеров — начало массового применения скидок. Когда продукт уже не продаётся на прежних условиях, а команда вместо разбора корневых причин начинает снижать цену, чтобы выполнять план продаж».
И действительно — скидка даёт краткосрочный эффект. Она снимает симптом, но не лечит причину. Реальных альтернативы всего две:
— либо повышать ценность продукта и эффективно доносить ее до клиента;
— либо продолжать давать скидку, снижая уровень маржи и в конечном счете — доверия к продукту.
Другими словами скидка — это не про клиента. Это про то, что компания потеряла точку опоры в собственном ценностном предложении — не до конца понимает, какую ценность приносит и не знает, как клиент принимает решение. И вместо системной работы — купирует проблему деньгами.
Хороший управленческий тест — задать себе вопросы: Что бы мы сделали, если бы скидки завтра были запрещены? Что пересобрали бы в продажах? Какие сегменты пересмотрели? Какие гипотезы о клиентах начали бы проверять всерьёз?
Пока скидки есть — эти вопросы можно не задавать. Но вместе с ними уходит системное напряжение, необходимое для роста. Скидки снимают необходимость копать вглубину и подменяют построение стратегического преимущества тактическим компромиссом.
Настоящий вопрос — не в том, какую скидку дать. А в том, в какой момент мы перестали верить в продукт настолько, чтобы удержать цену — и не торговаться.
👍6❤2
Субсидиарная ответственность: что важно знать независимому директору
Субсидиарная ответственность — вопрос, который волнует многих действующих и будущих независимых директоров.
Вчера на мероприятии в юридической фирме показали простую и полезную презентацию об этом. Делюсь некоторыми тезисами:
Для кого актуально?
Субсидиарная ответственность может наступить для топ-менеджмента, а также для:
— членов совета директоров (включая независимых),
— директоров дочерних компаний,
— бывших руководителей,
— любых лиц, участвующих в управлении.
Независимые директора стали чаще упоминаются в исках — как «де-юре» участники управленческих решений.
Какие бывают основания для претензий?
Юристы называют это «неверное действие» — термин включает:
— ошибки, упущения, халатность
— неправильные решения (в том числе голосование за убыточную сделку)
— недостаточный контроль
— искажение информации или её нераскрытие
— нарушение закупочных процедур
— субсидиарную ответственность при банкротстве
Что возмещает договор D&O?
— Финансовые убытки, которые директор обязан компенсировать
— Расходы на защиту: юристы, эксперты, залоги
— Дополнительные расходы
На практике в первую очередь возмещаются расходы на защиту.
Если интересно подробнее — прикладваю оригинальную презентацию в первом комментарии.
Субсидиарная ответственность — вопрос, который волнует многих действующих и будущих независимых директоров.
Вчера на мероприятии в юридической фирме показали простую и полезную презентацию об этом. Делюсь некоторыми тезисами:
Для кого актуально?
Субсидиарная ответственность может наступить для топ-менеджмента, а также для:
— членов совета директоров (включая независимых),
— директоров дочерних компаний,
— бывших руководителей,
— любых лиц, участвующих в управлении.
Независимые директора стали чаще упоминаются в исках — как «де-юре» участники управленческих решений.
Какие бывают основания для претензий?
Юристы называют это «неверное действие» — термин включает:
— ошибки, упущения, халатность
— неправильные решения (в том числе голосование за убыточную сделку)
— недостаточный контроль
— искажение информации или её нераскрытие
— нарушение закупочных процедур
— субсидиарную ответственность при банкротстве
Что возмещает договор D&O?
— Финансовые убытки, которые директор обязан компенсировать
— Расходы на защиту: юристы, эксперты, залоги
— Дополнительные расходы
На практике в первую очередь возмещаются расходы на защиту.
Если интересно подробнее — прикладваю оригинальную презентацию в первом комментарии.
👍5
Соковнин | Первый принцип
ИИ-агенты и исчезновение интерфейса — что ждет SaaS в ближайшие годы Сегодня ИИ ассоциируется в основном с чатами, генерацией контента и возможностью создавать фотографии, как в Midjourney, или видео по текстовому описанию — например, когда за 10 секунд можно…
ИИ-агенты и вертикальный SaaS: взгляд Сатьи Наделлы
В прошлый раз писал, как агенты будут постепенно исключать необходимость использования интерфейсов SaaS-продуктов человеком. Вместо того, чтобы кликать кнопки в CRM или ERP, пользователь будет задачу, а агент будет сам ходить по API, собирать данные, запускать процессы и возвращать результат.
В интервью Сатья Наделла, CEO Microsoft, развил мысль:
Пользователь не хочет «работать в системе» — его задача получить результат: закрыть сделку, отправить груз, провести анализ. Всё остальное — детали, которые теперь может взять на себя ИИ-агент. Это фундаментальный сдвиг: ценность переносится с интерфейса и ручных процессов на автоматизацию результата.
Что поменяется для вертикальных SaaS-продуктов?
1. Слой приложений “схлопывается” в агентов.
Наделла говорит: традиционный слой приложений уходит в прошлое, его место будут занимать агенты, которые будут взаимодействовать с разными источниками данных и «оркестрировать» сложные бизнес-процессы через API.
2. SaaS будет становиться “бэкендом” для агентов.
Вертикальные SaaS-продукты будут эволюционировать в инфраструктуру, хранящую “правду” — отраслевые данные, бизнес-логику, регуляторные требования. Агенты будут использовать их как один из источников, а не как единственный инструмент.
3. Главная задача — не интерфейс, а выполнение бизнес-процесса.
Наделла подчёркивает: “Job to be done” — это не работа в CRM или ERP, а завершение бизнес-процесса от начала до конца, даже если для этого нужно объединить несколько систем и агентов.
4. SaaS-компаниям придётся адаптироваться.
Если раньше SaaS был “системой учёта” или “системой взаимодействия”, теперь таким продуктам нужно стать частью новой “агентной” экосистемы. Иначе — рискует остаться в стороне.
5. В будущем работодатель будет нанимать не только человека, но и его “корзину агентов”.
Сотрудники будут приходить на работу со своими цифровыми агентами — как сейчас, например, финасист приходит со своими шаблонами и моделями. И компании будут управлять этими агентами, используя аналоги политик доступов и безопасности для сотрудников.
Вывод:
ИИ-агенты не отменяют вертикальный SaaS, но делают его менее заметным и более инфраструктурным. Ценность — в данных, бизнес-логике и возможности быстро интегрироваться в цепочки автоматизации.
Главное для SaaS — стать “топливом” для агентов, которые приносят бизнесу реальный результат.
В прошлый раз писал, как агенты будут постепенно исключать необходимость использования интерфейсов SaaS-продуктов человеком. Вместо того, чтобы кликать кнопки в CRM или ERP, пользователь будет задачу, а агент будет сам ходить по API, собирать данные, запускать процессы и возвращать результат.
В интервью Сатья Наделла, CEO Microsoft, развил мысль:
Пользователь не хочет «работать в системе» — его задача получить результат: закрыть сделку, отправить груз, провести анализ. Всё остальное — детали, которые теперь может взять на себя ИИ-агент. Это фундаментальный сдвиг: ценность переносится с интерфейса и ручных процессов на автоматизацию результата.
Что поменяется для вертикальных SaaS-продуктов?
1. Слой приложений “схлопывается” в агентов.
Наделла говорит: традиционный слой приложений уходит в прошлое, его место будут занимать агенты, которые будут взаимодействовать с разными источниками данных и «оркестрировать» сложные бизнес-процессы через API.
2. SaaS будет становиться “бэкендом” для агентов.
Вертикальные SaaS-продукты будут эволюционировать в инфраструктуру, хранящую “правду” — отраслевые данные, бизнес-логику, регуляторные требования. Агенты будут использовать их как один из источников, а не как единственный инструмент.
3. Главная задача — не интерфейс, а выполнение бизнес-процесса.
Наделла подчёркивает: “Job to be done” — это не работа в CRM или ERP, а завершение бизнес-процесса от начала до конца, даже если для этого нужно объединить несколько систем и агентов.
4. SaaS-компаниям придётся адаптироваться.
Если раньше SaaS был “системой учёта” или “системой взаимодействия”, теперь таким продуктам нужно стать частью новой “агентной” экосистемы. Иначе — рискует остаться в стороне.
5. В будущем работодатель будет нанимать не только человека, но и его “корзину агентов”.
Сотрудники будут приходить на работу со своими цифровыми агентами — как сейчас, например, финасист приходит со своими шаблонами и моделями. И компании будут управлять этими агентами, используя аналоги политик доступов и безопасности для сотрудников.
Вывод:
ИИ-агенты не отменяют вертикальный SaaS, но делают его менее заметным и более инфраструктурным. Ценность — в данных, бизнес-логике и возможности быстро интегрироваться в цепочки автоматизации.
Главное для SaaS — стать “топливом” для агентов, которые приносят бизнесу реальный результат.
👍3🔥3🥱1
the-illusion-of-thinking.pdf
13.2 MB
В чем на практике отличия между обычными LLM и «думающими»?
Наверняка вы сталкивались с таким сценарием: за пару минут набросать письмо-напоминание партнеру — обычная LLM выдаёт черновик в одно касание.
А следом — другая задача: разработать бизнес-план нового проекта или, например, подготовить план реструктуризации подразделения. Тут возникает дилемма: использовать «обычную» модель в ChatGPT или выбрать «думающую» версию с цепочками рассуждений?
Свежие выводы исследования The Illusion of Thinking от Apple дают ориентиры:
1. Низкая сложность
Простая переработка информации: письмо, краткое резюме, Excel-формула. Стандартная LLM отвечает быстрее и точнее; reasoning-модель лишь потратит лишние токены на рассуждение.
2. Средняя сложность
Если в задаче 5-7 логических шагов — например, сформулировать план проверки гипотез для запуска нового продукта (сегменты, ценностные предложения, каналы тестирования). Здесь «думающие» модели полезны: дополнительные thinking-токены повышают шанс найти верную ветку рассуждений, пусть и медленнее.
3. Высокая сложность — задачи с длинной логикой
Когда нужно принять много решений одно за другим, а каждое зависит от предыдущего: например, спланировать пошаговый запуск нового бизнеса в нескольких регионах. В таких задачах модели часто теряют точность: reasoning-модель может остановиться раньше времени или запутаться в шагах.
Какую модель в итоге выбирать?
— Если решение можно удержать целиком в голове, не раскладывая на подзадачи — стандартная LLM.
— Нужна короткая логическая цепочка (например, подготовить план выхода на новый сегмент) — использовать reasoning-модель.
— Предстоит длинная многоходовка (например, запустить корпоративный акселератор и встроить пилотные решения в бизнес-юниты) — лучше дробить задачу, добавлять промежуточные проверки и, в идеале, алгоритмизировать процесс работы.
В самом начале — оригинал статьи, кому будет интересно.
Наверняка вы сталкивались с таким сценарием: за пару минут набросать письмо-напоминание партнеру — обычная LLM выдаёт черновик в одно касание.
А следом — другая задача: разработать бизнес-план нового проекта или, например, подготовить план реструктуризации подразделения. Тут возникает дилемма: использовать «обычную» модель в ChatGPT или выбрать «думающую» версию с цепочками рассуждений?
Свежие выводы исследования The Illusion of Thinking от Apple дают ориентиры:
1. Низкая сложность
Простая переработка информации: письмо, краткое резюме, Excel-формула. Стандартная LLM отвечает быстрее и точнее; reasoning-модель лишь потратит лишние токены на рассуждение.
2. Средняя сложность
Если в задаче 5-7 логических шагов — например, сформулировать план проверки гипотез для запуска нового продукта (сегменты, ценностные предложения, каналы тестирования). Здесь «думающие» модели полезны: дополнительные thinking-токены повышают шанс найти верную ветку рассуждений, пусть и медленнее.
3. Высокая сложность — задачи с длинной логикой
Когда нужно принять много решений одно за другим, а каждое зависит от предыдущего: например, спланировать пошаговый запуск нового бизнеса в нескольких регионах. В таких задачах модели часто теряют точность: reasoning-модель может остановиться раньше времени или запутаться в шагах.
Какую модель в итоге выбирать?
— Если решение можно удержать целиком в голове, не раскладывая на подзадачи — стандартная LLM.
— Нужна короткая логическая цепочка (например, подготовить план выхода на новый сегмент) — использовать reasoning-модель.
— Предстоит длинная многоходовка (например, запустить корпоративный акселератор и встроить пилотные решения в бизнес-юниты) — лучше дробить задачу, добавлять промежуточные проверки и, в идеале, алгоритмизировать процесс работы.
В самом начале — оригинал статьи, кому будет интересно.
👍3
Заметки с South Hub. ч1
Рассказ Андрея Рыбинцева из Авито — как компания внедряет ROI-positive ИИ инициативы. И как программное управление помогает внедрять эти изменения на масштабе всей организации (11 тыс чел) эффективно.
Рассказ Андрея Рыбинцева из Авито — как компания внедряет ROI-positive ИИ инициативы. И как программное управление помогает внедрять эти изменения на масштабе всей организации (11 тыс чел) эффективно.
👍1
Forwarded from Alexander Zinchenko
Саммари доклада Андрея Рыбинцева «GenAI: от золотой лихорадки к системной работе»
В своем докладе Андрей Рыбинцев рассматривает путь развития генеративного ИИ в бизнесе: от массового ажиотажа и инвестиционной «лихорадки» к выстраиванию системного, управляемого подхода.
- Основной тезис: Сейчас очевидно: компании, которые не интегрируют генеративный искусственный интеллект (GenAI) в свои процессы, рискуют быстро проиграть конкурентную борьбу. Но слепое следование моде без системного подхода не приведет к значимым результатам.
- Дилемма выбора:
- Разрабатывать свою технологию — дорого, требует инфраструктуры, времени, инвестиций, но обеспечивает полный контроль и конкурентные преимущества.
- Использовать продукты сторонних вендоров — быстрее и дешевле на старте, но есть ограничения по кастомизации, риски передачи данных внешним компаниям, особенно в условиях ограниченного доступа к зарубежным решениям.
- Переходный момент: Open-source модели кардинально поменяли правила игры: теперь кастомизация и внедрение GenAI стали доступны даже для не самых крупных компаний.
- Организационные подходы:
Андрей подробно разбирает, как компании пробуют выстроить работу с GenAI:
- Формирование отдельных команд, отвечающих за внедрение новых технологий.
- Перекладывание инициативы на отдельные бизнес-вертикали – приводит к разрозненности и дублированию усилий.
- Лучшей практикой стало внедрение программного управления (program management):
- Выделяется центральная команда-оркестратор.
- В каждой функциональной команде назначается свой ответственный по GenAI.
- Создается единая площадка для взаимодействия и обмена опытом.
- Такая схема минимально меняет оргструктуру, дает гибкость и создает условия для тиражирования наработок.
- Экономика GenAI:
Главный вопрос — не надо ли тратить ресурсы зря? Важно оценивать экономический эффект и разумно экспериментировать, внедряя GenAI там, где это действительно приносит выгоду.
- Практические применения:
- Генерация описаний, заголовков, помощники для коммуникаций с клиентами.
- Повышение эффективности бизнес-процессов (например, автоматизации ответов, помощь в подборе товаров и услуг).
- Непрерывные эксперименты: быстрая оценка гипотез, запуск небольших пилотов, анализ окупаемости.
- Культура работы и выводы:
- Внедрение GenAI требует культуры постоянных экспериментов и принятия ошибок как части процесса.
- Централизация знаний и их распространение по командам критически важны.
- Системный, а не хаотичный подход — единственный путь к максимизации отдачи от инвестиций в ИИ.
Основные рекомендации Андрея Рыбинцева:
- Двигайтесь от массовых «хайповых» инвестиций к системной работе с понятной оценкой экономического эффекта.
- Внедряйте программный подход в управлении GenAI.
- Концентрируйтесь на продуктовых инициативах, которые приносят измеримую пользу пользователям.
- Культивируйте эксперименты и совместное обучение внутри компании.
Итог:
Путь внедрения GenAI — не очередной бизнес-тренд, а серьезный вызов для стратегии, организации и корпоративной культуры. Только системный подход обеспечит компании долгосрочное конкурентное преимущество на волне ИИ-революции.
В своем докладе Андрей Рыбинцев рассматривает путь развития генеративного ИИ в бизнесе: от массового ажиотажа и инвестиционной «лихорадки» к выстраиванию системного, управляемого подхода.
- Основной тезис: Сейчас очевидно: компании, которые не интегрируют генеративный искусственный интеллект (GenAI) в свои процессы, рискуют быстро проиграть конкурентную борьбу. Но слепое следование моде без системного подхода не приведет к значимым результатам.
- Дилемма выбора:
- Разрабатывать свою технологию — дорого, требует инфраструктуры, времени, инвестиций, но обеспечивает полный контроль и конкурентные преимущества.
- Использовать продукты сторонних вендоров — быстрее и дешевле на старте, но есть ограничения по кастомизации, риски передачи данных внешним компаниям, особенно в условиях ограниченного доступа к зарубежным решениям.
- Переходный момент: Open-source модели кардинально поменяли правила игры: теперь кастомизация и внедрение GenAI стали доступны даже для не самых крупных компаний.
- Организационные подходы:
Андрей подробно разбирает, как компании пробуют выстроить работу с GenAI:
- Формирование отдельных команд, отвечающих за внедрение новых технологий.
- Перекладывание инициативы на отдельные бизнес-вертикали – приводит к разрозненности и дублированию усилий.
- Лучшей практикой стало внедрение программного управления (program management):
- Выделяется центральная команда-оркестратор.
- В каждой функциональной команде назначается свой ответственный по GenAI.
- Создается единая площадка для взаимодействия и обмена опытом.
- Такая схема минимально меняет оргструктуру, дает гибкость и создает условия для тиражирования наработок.
- Экономика GenAI:
Главный вопрос — не надо ли тратить ресурсы зря? Важно оценивать экономический эффект и разумно экспериментировать, внедряя GenAI там, где это действительно приносит выгоду.
- Практические применения:
- Генерация описаний, заголовков, помощники для коммуникаций с клиентами.
- Повышение эффективности бизнес-процессов (например, автоматизации ответов, помощь в подборе товаров и услуг).
- Непрерывные эксперименты: быстрая оценка гипотез, запуск небольших пилотов, анализ окупаемости.
- Культура работы и выводы:
- Внедрение GenAI требует культуры постоянных экспериментов и принятия ошибок как части процесса.
- Централизация знаний и их распространение по командам критически важны.
- Системный, а не хаотичный подход — единственный путь к максимизации отдачи от инвестиций в ИИ.
Основные рекомендации Андрея Рыбинцева:
- Двигайтесь от массовых «хайповых» инвестиций к системной работе с понятной оценкой экономического эффекта.
- Внедряйте программный подход в управлении GenAI.
- Концентрируйтесь на продуктовых инициативах, которые приносят измеримую пользу пользователям.
- Культивируйте эксперименты и совместное обучение внутри компании.
Итог:
Путь внедрения GenAI — не очередной бизнес-тренд, а серьезный вызов для стратегии, организации и корпоративной культуры. Только системный подход обеспечит компании долгосрочное конкурентное преимущество на волне ИИ-революции.
👍5❤2
Саммари всех докладов от наших бигтехов и не только о состоянии дел и развитии ИИ в ближайшем будущем
Forwarded from Alexander Zinchenko
Прогнал вчерашние доклады через llm, и вот какие тренды видит железный ум
Вот краткое саммари трендов сообщества, основанное на серии докладов и дискуссий:
🧠 ИИ: от экспериментов к системной работе
* Переход от «пилотов» к продакшн-решениям: компании создают платформы, встраивают ИИ в рабочие процессы и интерфейсы, а не просто делают MVP.
* Agentic AI и мультиагентные системы становятся практикой: ИИ-ассистенты уже умеют планировать, управлять задачами и делегировать другим агентам.
* Корпоративный RAG + модельный стек: интеграция ИИ с внутренними знаниями — критичный элемент. Формируются архитектуры с бенчмаркингом моделей и возможностью быстрого переключения.
🏗 Low-code и democratised dev
* Low/no-code перестал быть игрушкой: он используется в серьёзных проектах, особенно в связке с AI и автоматизациями.
* Рост внутренней разработческой культуры: команды создают и делятся AI-инструментами друг с другом. По сути, это внутренние «app store’ы».
👥 Культура и трансформация
* Трансформация = изменения людей, а не только кода: доклады подчёркивают, что сопротивление, инерция и страх важнее, чем технологии.
* Команды усиливаются, а не заменяются AI — фокус на «empowered employee», а не увольнения.
* Измерение эффекта и доверие: рост бизнеса идёт там, где есть доверие — к людям, данным, инструментам.
📦 HR и процессы
* Хороший найм — это проект: менеджер — владелец найма, и весь процесс должен идти как agile-итерация, а не бюрократия.
* Лучше нанять «звезду» и дать ему свободу, чем формально закрыть вакансию.
⚠️ Ключевые вызовы AI-индустрии:
* Фрагментация и зоопарк решений - AI-инициативы размазаны по командам — нет единой платформы, всё пилится с нуля.
* Слабый UX и недоверие к агентам - Пользователи не понимают, что делает агент, боятся ошибок и не хотят использовать.
* Сопротивление и инерция в команде - Технологии есть, но люди не хотят меняться — нужна работа с доверием и культурой.
Вот краткое саммари трендов сообщества, основанное на серии докладов и дискуссий:
🧠 ИИ: от экспериментов к системной работе
* Переход от «пилотов» к продакшн-решениям: компании создают платформы, встраивают ИИ в рабочие процессы и интерфейсы, а не просто делают MVP.
* Agentic AI и мультиагентные системы становятся практикой: ИИ-ассистенты уже умеют планировать, управлять задачами и делегировать другим агентам.
* Корпоративный RAG + модельный стек: интеграция ИИ с внутренними знаниями — критичный элемент. Формируются архитектуры с бенчмаркингом моделей и возможностью быстрого переключения.
🏗 Low-code и democratised dev
* Low/no-code перестал быть игрушкой: он используется в серьёзных проектах, особенно в связке с AI и автоматизациями.
* Рост внутренней разработческой культуры: команды создают и делятся AI-инструментами друг с другом. По сути, это внутренние «app store’ы».
👥 Культура и трансформация
* Трансформация = изменения людей, а не только кода: доклады подчёркивают, что сопротивление, инерция и страх важнее, чем технологии.
* Команды усиливаются, а не заменяются AI — фокус на «empowered employee», а не увольнения.
* Измерение эффекта и доверие: рост бизнеса идёт там, где есть доверие — к людям, данным, инструментам.
📦 HR и процессы
* Хороший найм — это проект: менеджер — владелец найма, и весь процесс должен идти как agile-итерация, а не бюрократия.
* Лучше нанять «звезду» и дать ему свободу, чем формально закрыть вакансию.
⚠️ Ключевые вызовы AI-индустрии:
* Фрагментация и зоопарк решений - AI-инициативы размазаны по командам — нет единой платформы, всё пилится с нуля.
* Слабый UX и недоверие к агентам - Пользователи не понимают, что делает агент, боятся ошибок и не хотят использовать.
* Сопротивление и инерция в команде - Технологии есть, но люди не хотят меняться — нужна работа с доверием и культурой.
👍2
Почему стратегия в компании часто превращается в красивую презентацию, а не в рабочий инструмент?
И как это исправить еще до старта.
Часто бывает так: стратегию утвердили, провели стратсессию, все красиво оформлено. А через квартал - новые инициативы, смена фокуса, стратегия уходит "в стол". Следующий раз про нее вспоминают... на следующем стратегическом цикле.
В этом посте - 6 вопросов, на которые топ-команде важно ответить ещё до начала работы над стратегией. Без этой синхронизации стратегический документ рискует остаться просто презентацией.
Вопросы взяты из личной практики. Наверняка этот список можно расширить - поэтому ваши дополнения в комментариях больше чем приветствуются.
1. Зачем нужна стратегия?
Чтобы задать вектор развития бизнеса, снизить хаос при планировании задач, сфокусировать ресурсы на значимых направлениях и повысить предсказуемость роста бизнеса.
2. На какие вопросы стратегия отвечает?
— Кто наш клиент и каковы его боли и потребности?
— На каком рынке мы играем?
— Кто наши конкуренты?
— В чем наше уникальное преимущество? Где зоны роста?
— Какие сценарии развития бизнеса выделяем?
— Каков целевой вижн?
— Какие ключевые ставки помогут нам достичь целей и от чего отказываемся?
— Какие ресурсы нам потребуются и каковы конкретные шаги для достижения целей?
— Какие риски выделяем и как будем их митигировать?
3. В чем отличия “стратегии” от “плана”?
“Стратегия” - это долгосрочные цели (3+ лет), стратегические выборы (trade offs) и приоритеты в условиях ограниченных ресурсов. А “план” - действия на 3-12 месяцев, вытекающие из стратегии.
4. Насколько детально необходимо прорабатывать стратегию?
Нужен разумный баланс. Недостаточная проработка = хаос. Чрезмерная = перегрузка и торможение.
5. Как часто необходимо актуализировать стратегию?
В среднем раз в 1-2 года. Но зависит от турбулентности рынка и стадии зрелости компании.
6. Можно ли развивать бизнес без стратегии?
Да, но тогда конкуренты примут стратегические решения за вас. И вы будете реагировать на их действия, а не управлять своим ростом.
В будущих постах поделюсь примерами из практики, как строится стратегия и что мешает ее реализации на земле.
И как это исправить еще до старта.
Часто бывает так: стратегию утвердили, провели стратсессию, все красиво оформлено. А через квартал - новые инициативы, смена фокуса, стратегия уходит "в стол". Следующий раз про нее вспоминают... на следующем стратегическом цикле.
В этом посте - 6 вопросов, на которые топ-команде важно ответить ещё до начала работы над стратегией. Без этой синхронизации стратегический документ рискует остаться просто презентацией.
Вопросы взяты из личной практики. Наверняка этот список можно расширить - поэтому ваши дополнения в комментариях больше чем приветствуются.
1. Зачем нужна стратегия?
Чтобы задать вектор развития бизнеса, снизить хаос при планировании задач, сфокусировать ресурсы на значимых направлениях и повысить предсказуемость роста бизнеса.
2. На какие вопросы стратегия отвечает?
— Кто наш клиент и каковы его боли и потребности?
— На каком рынке мы играем?
— Кто наши конкуренты?
— В чем наше уникальное преимущество? Где зоны роста?
— Какие сценарии развития бизнеса выделяем?
— Каков целевой вижн?
— Какие ключевые ставки помогут нам достичь целей и от чего отказываемся?
— Какие ресурсы нам потребуются и каковы конкретные шаги для достижения целей?
— Какие риски выделяем и как будем их митигировать?
3. В чем отличия “стратегии” от “плана”?
“Стратегия” - это долгосрочные цели (3+ лет), стратегические выборы (trade offs) и приоритеты в условиях ограниченных ресурсов. А “план” - действия на 3-12 месяцев, вытекающие из стратегии.
4. Насколько детально необходимо прорабатывать стратегию?
Нужен разумный баланс. Недостаточная проработка = хаос. Чрезмерная = перегрузка и торможение.
5. Как часто необходимо актуализировать стратегию?
В среднем раз в 1-2 года. Но зависит от турбулентности рынка и стадии зрелости компании.
6. Можно ли развивать бизнес без стратегии?
Да, но тогда конкуренты примут стратегические решения за вас. И вы будете реагировать на их действия, а не управлять своим ростом.
В будущих постах поделюсь примерами из практики, как строится стратегия и что мешает ее реализации на земле.
👍10💯2🔥1
Как оценить зрелость продуктового управления?
Сейчас работаю над кейсом относительно крупной компании (1000+ человек). Сформулирована цель - к 2027 году перевести ключевые продукты на цифровую модель:
— с понятными метриками, целями и владельцами;
— управляемыми продуктовыми командами;
— с измеримым вкладом в стратегические показатели: new revenue, EBITDA, ROE.
Но текущая ситуация далека от целевой:
— 80%+ инициатив - доработки текущих продуктов без создания новой ценности (не генерируют новую выручку);
— >50% квартальных планов продуктовых команд не реализуются - низкая предсказуемость для бизнеса;
— эффект инициатив на стратегию не измеряется, связь «стратегия - инициатива» отсутствует - непонятно, сколько инкрементальной выручки заработали;
В результате - долгий time-to-market и низкий ROI от инициатив.
Как поставить диагноз и понять, что именно мешает?
Я использую матрицу зрелости продуктового управления для диагностики текущего состояния. Она включает 10 параметров - от лидерства и аналитики до процессов, культуры и GTM - и четыре уровня зрелости: от начального до продвинутого. Схема - на изображении.
Диагностика включает интервью и анкетирование сотрудников на всех уровнях: топ-менеджмент, продуктовые лиды, проектные роли, исполнители. Каждый параметр оценивается по шкале от 0 до 3. С помощью ИИ-инструментов анализируем массивы транскриптов, находим закономерности, выявляем слабые места и зоны роста.
На выходе получаем карту зрелости, причины текущих проблем и чёткий план приоритетных шагов для запуска системной продуктовой трансформации.
В следующих постах расскажу подробнее про подход и инструменты, которые в рамках него использую.
Сейчас работаю над кейсом относительно крупной компании (1000+ человек). Сформулирована цель - к 2027 году перевести ключевые продукты на цифровую модель:
— с понятными метриками, целями и владельцами;
— управляемыми продуктовыми командами;
— с измеримым вкладом в стратегические показатели: new revenue, EBITDA, ROE.
Но текущая ситуация далека от целевой:
— 80%+ инициатив - доработки текущих продуктов без создания новой ценности (не генерируют новую выручку);
— >50% квартальных планов продуктовых команд не реализуются - низкая предсказуемость для бизнеса;
— эффект инициатив на стратегию не измеряется, связь «стратегия - инициатива» отсутствует - непонятно, сколько инкрементальной выручки заработали;
В результате - долгий time-to-market и низкий ROI от инициатив.
Как поставить диагноз и понять, что именно мешает?
Я использую матрицу зрелости продуктового управления для диагностики текущего состояния. Она включает 10 параметров - от лидерства и аналитики до процессов, культуры и GTM - и четыре уровня зрелости: от начального до продвинутого. Схема - на изображении.
Диагностика включает интервью и анкетирование сотрудников на всех уровнях: топ-менеджмент, продуктовые лиды, проектные роли, исполнители. Каждый параметр оценивается по шкале от 0 до 3. С помощью ИИ-инструментов анализируем массивы транскриптов, находим закономерности, выявляем слабые места и зоны роста.
На выходе получаем карту зрелости, причины текущих проблем и чёткий план приоритетных шагов для запуска системной продуктовой трансформации.
В следующих постах расскажу подробнее про подход и инструменты, которые в рамках него использую.
🔥5👍3
Любопытный кейс ипользования ИИ в сложных проектах (aka "pre-mortem"):
1. Загружаем в модель детальное описание проекта, который планируем стартовать;
2. Cообщаем модели, что проект УЖЕ провалился и просим ее обратным счетом порассуждать, в чем могли быть основные причины провала;
3. На выходе получаем список рисков, которые стоит учесть при реализации🥂
1. Загружаем в модель детальное описание проекта, который планируем стартовать;
2. Cообщаем модели, что проект УЖЕ провалился и просим ее обратным счетом порассуждать, в чем могли быть основные причины провала;
3. На выходе получаем список рисков, которые стоит учесть при реализации
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥7❤2👍1
Эволюция SaaS: главное теперь не UX, а доверие между пользователем и системой
Ранее я писал про фазы эволюции SaaS в агентные системы и про постепенное превращение вертикальных SaaS из рабочих инструментов в инфраструктуру и источник данных для автоматизации бизнес-процессов.
Сегодня делюсь интересным инсайтом от Greg Isenberg, серийного предпринимателя и инвестора, про рост важности доверия пользователей к системе в новой парадигме.
Как сейчас. Традиционный пользовательский опыт (UX) SaaS-продуктов устроен вокруг экранов и разовых задач: ввёл команду - получил результат. Каждый раз всё с нуля. Контекст вы заполняете руками: формы, фильтры, чекбоксы. Качество решения задачи измеряется скоростью и количеством кликов. Доверие к системе статично: если интерфейс выглядит понятно и заявленная задача выполняется, значит "можно верить".
В какую сторону идет развитие. Agent-based системы работают как личный помощник. Агент помнит прошлые цели задачи, стиль работы, продолжает диалог с места, где остановились в прошлый раз, и со временем берёт больше на себя. Он не просит один и тот же контекст, а накапливает его и уточняет.
В такой модели доверие пользователя к системе - динамическая величина. Greg пишет:
Будут меняться и метрики успеха. Вместо "меньше кликов" - удержание, удовлетворённость решениями, доля задач без вмешательства, скорость достижения целей. Будут расти и издержки переключения: будет теряться не функционал, а "партнёр" с накопленным контекстом.
Как итог, конкуренция между продуктами будет смещаться от "удобного" UX к скорости накопления контекста и качеству конечных решений. Хотя мы еще на раннем этапе развития агентов, уже сегодня имеет смысл задумываться об этом тренде при проектировании будущих продуктов.
Ранее я писал про фазы эволюции SaaS в агентные системы и про постепенное превращение вертикальных SaaS из рабочих инструментов в инфраструктуру и источник данных для автоматизации бизнес-процессов.
Сегодня делюсь интересным инсайтом от Greg Isenberg, серийного предпринимателя и инвестора, про рост важности доверия пользователей к системе в новой парадигме.
Как сейчас. Традиционный пользовательский опыт (UX) SaaS-продуктов устроен вокруг экранов и разовых задач: ввёл команду - получил результат. Каждый раз всё с нуля. Контекст вы заполняете руками: формы, фильтры, чекбоксы. Качество решения задачи измеряется скоростью и количеством кликов. Доверие к системе статично: если интерфейс выглядит понятно и заявленная задача выполняется, значит "можно верить".
В какую сторону идет развитие. Agent-based системы работают как личный помощник. Агент помнит прошлые цели задачи, стиль работы, продолжает диалог с места, где остановились в прошлый раз, и со временем берёт больше на себя. Он не просит один и тот же контекст, а накапливает его и уточняет.
В такой модели доверие пользователя к системе - динамическая величина. Greg пишет:
The most interesting aspect of agentic experience is how trust develops differently than with traditional software. With tools, trust is binary - either the software works or it doesn’t. With agents, trust is a gradient that builds over time through successful collaboration.
Будут меняться и метрики успеха. Вместо "меньше кликов" - удержание, удовлетворённость решениями, доля задач без вмешательства, скорость достижения целей. Будут расти и издержки переключения: будет теряться не функционал, а "партнёр" с накопленным контекстом.
Как итог, конкуренция между продуктами будет смещаться от "удобного" UX к скорости накопления контекста и качеству конечных решений. Хотя мы еще на раннем этапе развития агентов, уже сегодня имеет смысл задумываться об этом тренде при проектировании будущих продуктов.
👍3🔥2
Очень рекомендую бизнес-симуляцию от @Anna_Bamburova и команды Executive Decisions. Отличные бизнес-кейсы из реальной жизни для решения в формате максимально приближенном к боевому - в формате совета директоров.
Помогают оценить в бою свои сильные и слабые стороны в роли участника СД и перенять опыт коллег по команде. Плюс забрать с собой рабочий фреймворк для работы.
Помогают оценить в бою свои сильные и слабые стороны в роли участника СД и перенять опыт коллег по команде. Плюс забрать с собой рабочий фреймворк для работы.
👍1🔥1
Forwarded from Академия корпоративных решений
Если вы ещё думали — думать осталось недолго:
30 августа цена участия вырастет с 12 500 ₽ до 17 000 ₽
А теперь напомним, почему стоит успеть:
Вы работаете с живым кейсом, берёте на себя ведение совещания, пробуете управлять процессом, мнениями и решениями — так, как это происходит в реальной жизни.
– как выстраивать обсуждение, чтобы оно двигалось к цели,
– как справляться с неопределённостью, конфликтами, разными интересами,
– как звучать убедительно и собирать команду на решение,
– как держать фокус на стратегии, даже когда «горит».
онлайн | только по 7 человек 2 группы
Если вы работаете с командой, ведёте совещания, внедряете изменения или просто хотите, чтобы решения действительно принимались — это формат для вас.
Регистрация по ссылке
Не пропустите
Please open Telegram to view this post
VIEW IN TELEGRAM
👍1🔥1
Консультативный совет: рычаг роста, который в России недооценён
При запуске новых продуктов стартапы и крупные компании упираются в слепые зоны, распыление ресурсов и медленный go-to-market. Один из способ ускориться - спросить практический совет у эксперта рынка, который "там уже был". Когда я руководил монетизацией Циан, мы регулярно работали с advisory board - он помог нам значимо продвинуться в монетизации ликвидности площадки.
Любопытно, что этот инструмент в России крайне недооценен. Как писал недавно Дмитрий Калаев (ФРИИ), в Кремниевой долине advisory board есть почти у всех компаний, а в России - только у 1%. Склонен верить этой цифре, учитывая рыночную насмотренность Дмитрия.
Какие проблемы advisory board помогает починить в продуктовых компаниях? Некоторые примеры:
— Команда варится “в своем соку” - слабый челлендж гипотез роста и юнит-экономики продуктов;
— Дефицит компетенций "здесь-и-сейчас" (рынок, данные, монетизация) - все делается по-старинке;
— Разрыв между "стратегией → KPI → бюджетом → рисками": в презентациях все "описано", а механики исполнения нет → цели не достигаются.
В таких ситуациях консультативный совет может быть одним из рабочих инструментов - дает независимый взгляд, помогает быстрее проверять гипотезы, получить доступ к нужным компетенциям / партнерам / клиентам. При правильной настройке он повышает рабочие стандарты и дисциплину команды. В результате компания бежит быстрее и растит стоимость бизнеса.
Как понять, готова ли компания к консультативному совету?
1. ЛПР осознают, что не "всесильны" и понимают ценность внешней экспертизы по отдельным вопросам
2. Есть конкретные задачи для решения: какую проблему решаем и какие цели ставим?
3. Есть базовая прозрачность метрик: финансовые, продуктовые и т.д.
4. Урегулированы потенциальные конфликты интересов, тк совет, скорее всего будет предлагать решения out of the box.
5. Определены форматы компенсации (кэш/опционы) и критерии оценки эффективности работы консультативного совета.
6. Настроены адженда и ритм встреч и SLA по материалам
7. У команды заложено время на реализацию принятых на совете решений / поддержку его работы.
В отдельном посте разберу: как собирать консультативный совет, кого звать, как оформлять компенсацию и какую повестку держать, чтобы это приносило бизнес-эффект, а не отчётность.
При запуске новых продуктов стартапы и крупные компании упираются в слепые зоны, распыление ресурсов и медленный go-to-market. Один из способ ускориться - спросить практический совет у эксперта рынка, который "там уже был". Когда я руководил монетизацией Циан, мы регулярно работали с advisory board - он помог нам значимо продвинуться в монетизации ликвидности площадки.
Любопытно, что этот инструмент в России крайне недооценен. Как писал недавно Дмитрий Калаев (ФРИИ), в Кремниевой долине advisory board есть почти у всех компаний, а в России - только у 1%. Склонен верить этой цифре, учитывая рыночную насмотренность Дмитрия.
Какие проблемы advisory board помогает починить в продуктовых компаниях? Некоторые примеры:
— Команда варится “в своем соку” - слабый челлендж гипотез роста и юнит-экономики продуктов;
— Дефицит компетенций "здесь-и-сейчас" (рынок, данные, монетизация) - все делается по-старинке;
— Разрыв между "стратегией → KPI → бюджетом → рисками": в презентациях все "описано", а механики исполнения нет → цели не достигаются.
В таких ситуациях консультативный совет может быть одним из рабочих инструментов - дает независимый взгляд, помогает быстрее проверять гипотезы, получить доступ к нужным компетенциям / партнерам / клиентам. При правильной настройке он повышает рабочие стандарты и дисциплину команды. В результате компания бежит быстрее и растит стоимость бизнеса.
Как понять, готова ли компания к консультативному совету?
1. ЛПР осознают, что не "всесильны" и понимают ценность внешней экспертизы по отдельным вопросам
2. Есть конкретные задачи для решения: какую проблему решаем и какие цели ставим?
3. Есть базовая прозрачность метрик: финансовые, продуктовые и т.д.
4. Урегулированы потенциальные конфликты интересов, тк совет, скорее всего будет предлагать решения out of the box.
5. Определены форматы компенсации (кэш/опционы) и критерии оценки эффективности работы консультативного совета.
6. Настроены адженда и ритм встреч и SLA по материалам
7. У команды заложено время на реализацию принятых на совете решений / поддержку его работы.
В отдельном посте разберу: как собирать консультативный совет, кого звать, как оформлять компенсацию и какую повестку держать, чтобы это приносило бизнес-эффект, а не отчётность.
👍5🔥2❤1