Сейчас модно создавать ИИ-сотрудников.

ИИ-финансист, ИИ-маркетолог, ИИ-ассистент, ИИ-менеджер по продажам.

Назвал должность, сделал красивую аватарку, написал большую инструкцию - все, новый сотрудник готов ) Я и сам сначала примерно так на это смотрел и делал.

Думал, что можно загрузить в ИИ документы, дать ему правильный промпт и получить практически готового финансиста.

По факту получилось немного иначе. ИИ действительно быстро анализирует данные, строит графики и пишет очень уверенные выводы.

Проблема только в том, что данные могут быть неполными, цифры могут не сходиться, а половина важного контекста вообще находится в переписке или в голове собственника. А ИИшка об этом не знает.

Она просто берет то, что ей дали, и делает вывод. Красиво. Быстро. Иногда совершенно неправильно.

И вместо нового сотрудника мы получаем еще один инструмент, которому человек должен найти документы, объяснить задачу, дать контекст и потом все перепроверить. Отличная автоматизация )

Чем глубже мы начали с этим работать, тем понятнее становилась главная проблема.

Нельзя автоматизировать должность целиком.

Возьмем обычного финансиста. Он не просто «анализирует отчет». Сначала он собирает данные. Проверяет остатки. Ищет расхождения. Пишет сотрудникам. Получает пояснения. Исправляет ошибки. И только потом делает выводы для собственника.

Это не одна задача. Это целая цепочка.

Поэтому сейчас мы идем не от должности, а от конкретного процесса. Например, закрытие месяца.

Система должна понимать, какие данные должны быть загружены, где их проверить, с чем сравнить и в какой момент нельзя делать вывод без участия человека. Только после этого можно переходить к анализу и рекомендациям.

Вроде звучит не так эффектно, как «мы создали ИИ-финансового директора». Зато это реально начинает работать и сокращать ручной труд.

И вот здесь, мне кажется, многие компании столкнутся с проблемой.

Если внутри бизнеса процесс нормально не описан, ИИ его не исправит. Он просто быстрее воспроизведет тот же хаос.

Поэтому перед созданием ИИ-сотрудника нужно ответить на четыре простых вопроса:
- когда он должен начать работу;
- какие данные ему нужны;
- какой конкретный результат он должен выдать;
- в какой момент он обязан остановиться и позвать человека.

Если ответов нет, то у вас пока не ИИ-сотрудник. У вас просто еще один чат, которым должен управлять обычный сотрудник.
👉 Записаться на бесплатный разбор
timoshevskiy.ru

Фильм про ИИ, который слишком быстро перестал быть фантастикой

В последнее время мы много говорим про ИИ-сотрудников и про то, какую работу им можно передать. Но есть и другая сторона.

Что будет, когда ИИ начнет заменять нам не только сотрудников, но и обычное человеческое общение?
На днях решил пересмореть один фильм, думаю многие его видели. Фильм «Она», который вышел еще в 2013 году.

Главный герой начинает общаться с операционной системой. Она понимает его настроение, запоминает детали, умеет слушать и постепенно становится ему ближе многих реальных людей.

Тогда это выглядело красивой фантастикой. Сегодня смотрится уже совсем иначе.

Не знаю как вы, я сам каждый день разговариваю с ИИ, прошу у него совета, обсуждаем работу и иногда рассказываю ему то, что не рассказываю другим людям. И последнее, мой старший сын начал учить английский вместе с ИИ.

При этом фильм легкий, спокойный и ненапряжный. Он не пугает технологиями и не пытается дать правильный ответ.

Просто после него остается хороший вопрос: где заканчивается удобный помощник и начинается замена живого человека?

Мне кажется, сейчас самое время его посмотреть. Рекомендую на вечер. Кто его уже смотрел? Расскажите ваше впечатления.

Если сотрудник узнает размер премии только в день выплаты - это не мотивация

Вчера почти весь звонок разбирали систему мотивации в одном из проектов. На первый взгляд все нормально: результат отдела, личная выработка, несколько KPI. Выполнил условия - получил премию.

А потом полезли детали. Что делать со сделкой, если клиент еще не оплатил? Как делить результат, если над проектом работало несколько человек? Как учитывать расходы, которые появились уже после закрытия периода?

Чем дольше мы разбирались, тем правильнее становилась формула. И тем сложнее было ее объяснить.

В какой-то момент я подумал: если нам самим нужен почти целый звонок, чтобы понять, как считается премия, то как сотрудник должен понять, что ему делать сегодня, чтобы заработать больше?

Он может получить расчет в конце месяца и даже согласиться с ним. Но весь месяц эта система никак не влияла на его действия, потому что он не понимал, сколько уже заработал и что еще может изменить.

Получается довольно странная вещь. Мы создали правильную систему расчета премии, которая вообще не мотивирует.

Для финансиста, честно говоря, мысль неприятная :) Мы любим точные формулы. Хочется учесть каждую сделку, каждый расход и все возможные исключения, чтобы никого не обидеть и ничего не посчитать неправильно.

Но в какой-то момент точность начинает работать против смысла.

Наверное, здесь нужно разделять две вещи. Внутри расчет действительно может быть сложным, потому что бизнес тоже не всегда устроен просто. Но сотрудник должен в любой момент понимать, где он сейчас, сколько примерно заработал и что конкретно еще может сделать до конца месяца.

По итогам звонка мы все равно продолжим дорабатывать формулу. Но теперь я хочу проверить ее еще одним способом.

Дать таблицу обычному сотруднику и попросить за две минуты объяснить, как он может увеличить свою премию до конца месяца. Если не сможет, значит, будем упрощать дальше. Даже если с финансовой точки зрения все уже считается идеально.

Потому что премия, которую человек может понять только после выплаты, уже ничего не меняет в его работе.

Это не мотивация. Это просто расчет зарплаты.

Самая опасная цифра в отчете может быть абсолютно правильной

На звонке разбирали маркетинг клиники за август. Ошибки в цифрах не было: расходы выросли со 181 до 283 тысяч рублей, а заявок стало больше - 120 вместо 107. Если смотреть только на эти показатели, вывод кажется очевидным. Маркетинг работает, заявок становится больше, можно обсуждать увеличение бюджета.

Но дальше мы посмотрели на фактические визиты. В июле их было 72, в августе стало 71. Получается, что бизнес потратил на маркетинг дополнительно 102 тысячи рублей, но получил на один визит меньше.

И вот это уже полностью меняет оценку результата. Расходы на маркетинг в расчете на один фактический визит выросли с 2 514 до 3 983 рублей. То есть примерно на 58%. Заявок действительно стало больше. Только реальный результат для бизнеса стал заметно дороже.

Мне кажется, это одна из самых опасных ловушек в управленческой отчетности. Мы берем показатель, который проще и быстрее получить, а потом незаметно начинаем воспринимать его как результат всего бизнеса. Для маркетолога результатом становится заявка. Для администратора - запись. Для клиники - фактический визит, выручка и повторное обращение.

Все эти показатели правильные, но отвечают на разные вопросы. Если собственник видит только рост заявок, он может решить увеличить рекламный бюджет. Хотя на самом деле сначала нужно разобраться, почему уже привлеченные люди не доходят до клиники.

В июле между записью и визитом потерялся 31 человек. В августе уже 39, а конверсия снизилась почти с 70% до 64,5%. Если бы она просто сохранилась на уровне июля, клиника получила бы около 77 визитов вместо 71. Еще шесть визитов без дополнительных расходов на рекламу.

Поэтому по итогам разбора мое решение простое: рекламный бюджет пока не увеличивать. Сначала нужно сделать обязательными источник заявки и причину отсутствия визита. Затем собрать один еженедельный отчет, в котором виден весь путь пациента: Расходы - заявки - записи - визиты - выручка - повторные визиты.

В этом отчете недостаточно показать только итоговые цифры. На каждом переходе должны быть видны конверсия, количество потерянных пациентов, причина потери и человек, который отвечает за следующий шаг. Первая задача - вернуть конверсию из записи в визит хотя бы к прежним 70%. Вторая - связать источник заявки с фактической выручкой и повторными обращениями. Только после этого можно честно сравнить рекламные каналы и решить, куда добавлять деньги.

Иначе компания может месяц за месяцем получать все больше заявок, радоваться росту и одновременно делать каждый фактический визит дороже. Самая опасная цифра в отчете не обязательно неправильная. Иногда она абсолютно точная, но подталкивает собственника к неправильному решению.

Мы недополучили 300 тысяч прибыли. Но я не стал сокращать расходы

Недавно разбирали результаты клиники за август. Выручка выросла примерно на 1 млн рублей, но прибыль осталась почти на прежнем уровне.

При рентабельности около 25% мы ожидали увидеть еще примерно 300 тысяч рублей прибыли. По цифрам получалось, что бизнес заработал больше, но почти весь дополнительный результат где-то потратил.

Первая мысль довольно очевидная: расходы выросли быстрее выручки, нужно найти причину и вернуть недополученную прибыль.

Одной из причин оказались выплаты врачам. В августе 6 из 12 врачей выполнили личные планы и получили дополнительные премии.

С точки зрения отчета все просто. Выплаты выросли, поэтому прибыль не увеличилась на те самые 300 тысяч рублей.

Можно поменять мотивацию, снизить проценты и уже в следующем месяце показать собственнику более высокую прибыль.

Но в какой-то момент я подумал: а что именно мы сейчас пытаемся улучшить?

Прибыль одного месяца или сам бизнес?

Врач выполнил план, принес клинике выручку и получил обещанную премию. Если после этого мы уменьшим ему выплату только потому, что хотим вернуть рентабельность, то в отчете решение будет выглядеть правильным.

Только врач тоже умеет считать.

Через несколько месяцев можно получить более красивую рентабельность, но менее мотивированную команду, снижение загрузки и потерю пациентов, которые ходили именно к этому специалисту.

И тогда сэкономленные 300 тысяч окажутся одной из самых дорогих экономий.

Финансовый отчет этого обычно не показывает. Он видит выплату врачу как расход текущего месяца, но не видит стоимость его замены, период адаптации нового специалиста и пациентов, которые могут уйти вместе с ним.

Это не значит, что любую премию нужно считать инвестицией в команду. Возможно, система мотивации действительно переплачивает врачам и не дает клинике дополнительной прибыли.

Но проверить это по одному месяцу невозможно.

Поэтому я бы не менял мотивацию сразу. Сначала собрал бы отдельный отчет по каждому врачу за несколько месяцев:
Врач - выручка - выплаты - доля ФОТ - загрузка - выполнение плана - повторные визиты - прибыль клиники.

Тогда станет видно, что происходит на самом деле.

Если выплаты врачу растут вместе с его выручкой, загрузкой и повторными визитами, это не обязательно переплата. Возможно, клиника просто делится частью дополнительного результата с человеком, который этот результат создает.

Если выплаты растут, а выручка и загрузка стоят на месте, тогда уже есть основание пересматривать формулу.

Именно такого ответа мне не хватало на звонке. Не сколько мы могли сэкономить, а что бизнес получил за дополнительные 300 тысяч расходов.

Потому что задача финансового директора не всегда в том, чтобы сделать прибыль текущего месяца максимально высокой.

Иногда его задача - не позволить компании улучшить отчет сегодня за счет результата, который она потеряет завтра.

И конечно пасхалка для самых внимательных)

За месяц денег хватает. В день зарплаты - нет

Когда начинаем собирать платежный календарь, довольно часто слышу: «У нас кассовых разрывов нет. За месяц поступлений хватает на все платежи». Потом расставляем деньги по датам и видим совсем другую картину.
Зарплату нужно выплатить 10-го, поставщику заплатить 15-го, а деньги от клиента придут только 20-го.

По итогам месяца остаток действительно будет положительным. Но с 10-го по 20-е бизнесу нечем выполнять свои обязательства.

Получается, проблема не всегда в том, что компания мало зарабатывает или слишком много тратит. Иногда деньги просто приходят позже, чем нужно платить. Именно этого собственник не видит, когда смотрит на поступления и расходы только за месяц.

Поэтому мы собрали платежный календарь на 8 недель. В нем видно остаток денег на каждый день, будущие поступления, обязательные платежи, дату возможного разрыва и сумму, которой не хватит. Такой календарь не просто показывает будущую проблему. Он дает время что-то с ней сделать: ускорить оплату от клиента, перенести некритичный платеж, договориться с поставщиком или заранее подготовить резерв.

Шаблон, пример заполнения и инструкцию отдадим бесплатно.

Если захотите, после заполнения проведем бесплатный 45-минутный разбор. Проверим ваши поступления и платежи на ближайшие два месяца и посмотрим, есть ли даты, в которые денег может не хватить.
Потому что за три недели кассовый разрыв - это задача, которую можно спокойно решить. В день зарплаты - уже проблема.

Если нужен календарь, поставьте + в комментарии. Пришлю шаблон и инструкцию.

Сегодня в Москве осень. А я почему-то вспомнил ночной Токио

Лето закончилось совсем недавно, но в такие дни кажется, что прошло уже много времени.
Этим летом в Токио у меня полностью сбился режим. Днем я спал и работал, а ночью выходил гулять. Сначала пытался перестроиться, а потом решил, что, возможно, так даже интереснее.

В одну из ночей вышел из отеля после полуночи, выбрал на карте точку почти в четырех километрах и пошел. Навигатор показывал около 50 минут, но возвращаться быстро я все равно не собирался.

Дневной и ночной Токио - это два разных города. Днем тебя подхватывает поток людей и постоянно куда-то несет. Ночью улицы пустеют, но город не выключается. На пустых перекрестках продолжают переключаться светофоры. Светятся круглосуточные магазины и автоматы с напитками. Иногда мимо проезжает одинокий велосипедист или такси.

В какой-то момент я перестал смотреть на карту и просто шел туда, куда хотелось свернуть. Дошел до воды, немного постоял и пошел дальше. Ничего особенного в ту ночь не произошло. Я не увидел известную достопримечательность и не попал в какое-то удивительное место.

Но почему-то именно эту прогулку сейчас помню очень хорошо. Вернулся в отель около трех часов, а уснул уже ближе к пяти. Режим после этого, конечно, окончательно сломался :) Сегодня из осенней Москвы та ночь кажется почти нереальной. Огромный город, пустые улицы и несколько часов, когда можно было просто идти и никуда не спешить.

Наверное, поездки и запоминаются именно такими моментами. Не тем, что ты заранее запланировал посмотреть, а тем, что вообще не собирался искать.

66 млн рублей налогов. Но сокращать нужно было не налоги

Недавно разбирали налоги компании за полгода. По отчету о движении денег в бюджет ушло 66,29 млн рублей, поэтому первый вопрос был вполне ожидаемый: где мы переплачиваем и как это можно снизить?

Честно говоря, я тоже думал, что на такой сумме мы обязательно найдем большой резерв. Подняли декларации, книги покупок и продаж, расчеты по сотрудникам, начисления и фактические платежи. В итоге постоянной переплаты не нашли, зато увидели, что в одной цифре смешали совершенно разные деньги.

Например, 20,05 млн рублей относились к НДС прошлых периодов. Туда же попал НДФЛ сотрудников, который компания не платит за свой счет, а просто удерживает и перечисляет в бюджет. Получалось, что по одной строке пытались одновременно оценить текущую налоговую нагрузку, старые обязательства и реальный расход бизнеса.

Но дальше нашли более важную проблему. В первом квартале НДС к уплате составил 9,23 млн рублей, а во втором уже 36,23 млн. Причина была не в ставке и не в ошибке бухгалтера, а в том, что компания получала крупные авансы раньше, чем закупала материалы и закрывала работы актами.

Только в мае с авансов клиентов начислили 21,34 млн рублей НДС. Входящими документами закрыли меньше трети, поэтому 22,84 млн рублей пришлось профинансировать из оборотных денег компании. Фактически продажи получили деньги от клиента, но часть этих денег уже нельзя было использовать на текущую работу.

На первый взгляд кажется, что нужно срочно уменьшать налог. Можно купить товар на 10 млн рублей и получить около 1,8 млн рублей вычета по НДС. Только тогда компания потратит 10 млн живых денег ради того, чтобы временно не платить 1,8 млн. Налог станет меньше, а денег в бизнесе станет еще меньше.

Поэтому решение здесь оказалось не в оптимизации, а в управлении. По пяти крупнейшим клиентам и семи основным поставщикам нужно связать в одном календаре авансы, закупки, документы, акты и даты уплаты НДС. Тогда еще до получения крупного аванса можно увидеть, какая часть денег фактически принадлежит государству, когда появится вычет и сколько собственных денег потребуется компании до закрытия проекта.

Продажи не должны согласовывать крупный аванс отдельно от финансов. Закупки должны понимать, к какой дате нужны документы от поставщика. А финансист должен сразу резервировать налог в платежном календаре, а не сообщать о нем собственнику после закрытия квартала.

Мне кажется, в бизнесе мы слишком часто видим большую цифру и сразу ставим задачу ее сократить. Но не каждый расход можно уменьшить без последствий. Иногда правильное решение - не бороться с ним, а заранее понимать его размер, дату и источник денег.

В этом проекте мы не нашли внутри 66 млн рублей какую-то волшебную налоговую экономию. Зато нашли, почему компания неожиданно финансирует НДС десятками миллионов, и что нужно изменить, чтобы видеть этот разрыв заранее.

Иногда это и есть настоящая экономия: не заплатить меньше, а не потерять управление деньгами.

Аську закрыли. А ее звук теперь стоит у меня в Битриксе

Недавно посмотрел видео про историю Аськи и поймал себя на том, что для меня это совсем не история старого мессенджера. Это довольно большой кусок жизни. Я сам много пользовался Аськой. Причем мы там не только переписывались с друзьями. Находили какие-то ники, писали совершенно незнакомым людям, начинали общаться, а потом уже обменивались фотографиями.

Если сейчас вспомнить, то Аська была для нас скорее первым Tinder, чем обычным мессенджером. Только без свайпов, готовых анкет и красивых фотографий. Сначала нужно было самому найти человека, придумать, что написать, дождаться ответа и как-то продолжить разговор.

Сегодня мы открываем Telegram или WhatsApp, чтобы написать человеку, которого уже знаем. А в Аську часто заходили как раз для того, чтобы с кем-то познакомиться. Это было отдельное пространство, где можно было случайно найти нового человека из другого города и несколько часов с ним переписываться.

Удивительно, насколько большой была сама история Аськи. Ее создали в 1996 году, уже через два года продали AOL за сотни миллионов долларов, а к началу нулевых в ней было зарегистрировано больше 100 млн пользователей.
Но когда я думаю об Аське, первым делом вспоминаю не эти цифры. Я вспоминаю тот самый звук входящего сообщения: «О-оу».

Он был настолько узнаваемым, что спустя много лет его все равно периодически слышишь в Макдональдсе и сразу понимаешь, откуда он. Хотя самой Аськи уже давно нет в нашей жизни.

Я недавно специально нашел этот звук, скачал и поставил его на уведомления в Битриксе. Теперь, когда там появляется новое сообщение или задача, у меня раздается то самое «О-оу» из начала двухтысячных.

Получилось довольно забавно. Когда-то этот звук означал, что тебе написал кто-то новый в Аське. Сейчас он означает, что в Битриксе появилась еще одна рабочая задача :)

Но здесь есть и интересная мысль. Можно закрыть сервис, потерять рынок и полностью исчезнуть из жизни пользователей. Но если продукт когда-то действительно стал частью их жизни, какие-то его детали продолжают жить еще очень долго. Мы можем не помнить интерфейс Аськи, ее функции или версии. Но одного короткого звука достаточно, чтобы сразу вспомнить людей, переписки, знакомства и то время.

Наверное, это и есть настоящий бренд. Не логотип и не рекламный слоган, а эмоция, которая возвращается через двадцать лет после одного звука.

Интересно, сколько здесь тех, кто тоже пользовался Аськой. Вы там просто общались с друзьями или тоже знакомились? Может быть, кто-то до сих пор помнит свой номер или человека, с которым познакомился именно там?

Хороший аналитик скоро перестанет делать отчеты

Почти 10 лет я считал, что результат работы финансиста или аналитика - это правильно собранный отчет и понятный вывод для собственника. Нужно проверить данные, найти отклонение, разобраться в причине и объяснить, что происходит с бизнесом.

Сейчас эта логика начинает меняться.ИИ Агент уже может за несколько минут собрать данные, построить графики и подготовить вполне нормальный первый вывод.
То, что раньше было конечным результатом работы аналитика, постепенно становится обычной функцией. Но здесь есть более интересная мысль. Продуктом аналитика теперь становится не сам вывод, а система, которая умеет производить такие выводы постоянно.

Не один раз вручную найти падение маржи, а настроить процесс, который сам проверит данные, заметит отклонение, сравнит его с прошлыми периодами, запросит недостающую информацию и только после этого подготовит вывод. В следующем месяце эту работу уже не придется собирать заново.

Получается, что аналитик постепенно становится архитектором такой системы. Он должен понимать, какие данные можно использовать, по какой логике их проверять, какие вопросы задавать и в какой момент агент обязан остановиться и подключить человека.

И вот здесь одних технических знаний уже недостаточно. Агент может хорошо считать, писать код и работать с большим объемом информации, но он плохо понимает сам бизнес. Ему нужно объяснить, что мы вообще хотим получить, дать контекст, а потом проверить, соответствует ли результат реальности.

При этом просто ускорить подготовку отчета тоже недостаточно. Если финансист сделал анализ не за два дня, а за 10 минут, но решение так и не было принято, выросла личная эффективность финансиста. Эффективность компании осталась прежней.

Ценность появляется только тогда, когда вывод дошел до конкретного изменения. У проблемы появился ответственный, решение превратилось в задачу, а через месяц кто-то проверил, изменился результат или нет.

По сути именно это мы сейчас собираем в Кристи OS. Не помощника, который умеет написать саммари звонка или подготовить красивый документ, а систему, которая хранит контекст, помнит договоренности, связывает решения с задачами и возвращается к ним для проверки результата.

Чем больше я этим занимаюсь, тем больше понимаю, что здесь формируется отдельная управленческая роль - Директор по цифровой трансформации / CDO - Он не просто внедряет системы, а меняет сами процессы компании с помощью технологий.

Его задача не в том, чтобы поставить сотрудникам нейросети и научить их писать промпты. Он должен найти процесс, который действительно имеет смысл изменить, определить, что в нем можно передать агентам, перестроить работу команды и довести внедрение до измеримого результата.

Для меня это выглядит логичным продолжением того, чем я занимался последние 10 лет. Раньше мы каждый месяц вручную разбирали бизнес, находили проблемы и помогали собственнику принимать решения. Теперь эту логику можно постепенно переносить в систему, которая будет делать значительную часть работы постоянно.

И, наверное, главный вывод для бизнеса здесь простой. Если после внедрения ИИ сотрудники просто быстрее делают ту же самую работу, это еще не трансформация.

Трансформация начинается тогда, когда меняется сам процесс, а результат больше не зависит от того, вспомнил ли конкретный человек посмотреть отчет, поставить задачу и вернуться к ней через месяц.

Я плачу за ChatGPT $200 в месяц. И мне его не хватает

Вчера друг написал мне, что с 29 октября старый тариф Pro фактически станет дороже. Мы начали обсуждать, есть ли смысл переходить на новый тариф за $500. Я пошутил, что с его расходом нужна подписка сразу за $1000. Он ответил, что если постоянно использовать Ultrafast, то и $500 хватит минут на десять 🙂 Вот такие наши реалии)

В этой переписке хорошо видна разница между обычным и реальным использованием ChatGPT.
Мне кажется, большинство людей пользуется подпиской за $20. Задал вопрос, получил ответ, что-то переписал, нашел информацию, подготовил небольшой текст. Раньше для этого был Google. Теперь появился более удобный и умный ChatGPT.

В таком сценарии действительно сложно понять, зачем вообще платить $200 в месяц. Окно чата выглядит примерно одинаково, модели отвечают на те же вопросы, а цена отличается в десять раз.

Но я использую ChatGPT немного иначе. Я загружаю большие таблицы и документы, разбираю звонки, проверяю отчеты, готовлю записки, исследую новые направления, ставлю длинные задачи в Work и Codex, прошу перепроверить результат и несколько раз переделать работу. То есть я не просто задаю ИИ вопросы. Я постепенно передаю ему отдельные части своей работы.

И вот в таком режиме подписка перестает быть доступом к умному чату. Она становится полноценным рабочим ресурсом (в моем случае даже сотрудником), которого мне даже за $200 не хватает.

У меня есть знакомые, которые используют сразу несколько платных подписок. Не потому, что им хочется попробовать все нейросети, а потому, что одного лимита уже физически недостаточно для их объема работы. И это, наверное, лучший показатель реального использования ИИ.

Не количество отправленных сообщений и не то, сколько раз человек открыл ChatGPT. А сколько полноценной работы он смог передать системе.

Вчера OpenAI представила новую линейку тарифов. Старым пользователям Pro за $200 пока сохраняют прежний повышенный объем, но только до 29 октября (ура!). После этого лимит уменьшится, а цена останется прежней (а это не ура(.

Чтобы сохранить примерно тот же рабочий запас, активного пользователя фактически подталкивают к тарифу за $500. Цена становится в 2,5 раза выше, но объем полезной работы в 2,5 раза не увеличивается. Нужно ведь как-то зарабатывать компании.

Ultrafast работает быстрее, но расходует включенный ресурс примерно в восемь раз интенсивнее. Поэтому $500 здесь покупают в первую очередь скорость и более высокий потолок, а не дешевую работу ИИ.

С точки зрения OpenAI логика понятна. Пользователь, который несколько раз в день задает простые вопросы, и пользователь, который часами запускает агентов, работает с большими файлами и создает длинные задачи, стоят для компании совершенно разных денег.

Но для меня как пользователя возникает нормальный вопрос: что делать дальше?

Можно просто перейти на $500. Можно оставить Pro за $200 и докупать кредиты (которые прям очень дорогие). Можно часть задач перенести в Claude или другие модели. А можно вообще собрать несколько инструментов и использовать каждый там, где он работает лучше и стоит дешевле.

Поэтому я пока не хочу выбирать между OpenAI и Claude на уровне личных симпатий.
Сначала нужно понять, какие задачи действительно требуют самой сильной модели, какие можно выполнять дешевле, где удобнее подписка, а где выгоднее API. И главное - сколько стоит не отдельное сообщение, а законченная работа.

Сколько обходится полный разбор звонка? Проверка финансовой модели? Подготовка документа? Анализ большого массива данных? Сколько времени эта работа экономит и какой результат дает? Над этим я постоянно работаю у себя.

И вот здесь для меня начинается уже не выбор очередной нейросети, а нормальная задача директора по цифровой трансформации.
Не посадить всю компанию на один ChatGPT, а собрать такую систему из моделей, агентов, подписок и API, которая дает нужный результат и не ломается после изменения одного тарифа.

Сам я пока не решил, перейду ли на $500 (конечно перейду, чего тут лукавать))). Вполне может оказаться, что $500 для моего объема работы - это недорого. Похоже, настоящее использование ИИ начинается именно в тот момент, когда человек перестает обсуждать, насколько хорошо нейросеть отвечает на вопросы, и начинает считать, сколько полноценной работы она для него выполняет. То, над чем мы сейчас работаем внутри - Kristi OS

Интересно, есть здесь те, кому уже не хватает подписки за $20 или даже за $200? Что планируете делать после изменения лимитов?