О сыворотке правды для LLM
В выходные написал приложение, которое прогоняет один вопрос через 8 ведущих LLM.
Потом дал им 72 вопроса на разные темы - от бизнеса и SEO до медицины и философии.
Чтобы вытащить правду из ответов, использовал Bayesian Truth Serum (BTS) - метод, который статистически определяет наиболее вероятный истинный ответ.
Стоимость запроса и анализа Gemini 2.5 PRO получилась чувствительной.
Логика этого подхода красивая и очень жизненная: врать легко, а вот предсказать, как именно соврут другие - почти невозможно.
BTS ищет не самый популярный ответ, а удивительно частый - тот, который выбирают чаще, чем ожидали сами модели.
Именно он с большей вероятностью оказывается правдивым.
По сути, мы заставили модели не просто отвечать, а делать ставки на ответы друг друга.
По итогам у меня получилась сыворотка правды из AI-ассистентов, где у каждого своя роль и характер.
В ядро надежных экспертов, которые чаще всего попадают в консенсус правды, вошли Gemini 2.5, Grok 4.1, Claude 4.5, DeepSeek V3 и Qwen-Max.
А вот Perplexity, GPT-5.2 и Kimi K2 оказались системными бунтарями, которые часто идут против течения.
Первые наблюдения, Claude - это классический бизнес-аналитик: он мыслит структурами, рисками и бизнес-моделями, всегда осторожен и раскладывает всё по полочкам.
Grok - агрессивный практик, который любит цифры, ROI и сразу переходит к сути.
GPT-5.2 - системный архитектор, он мыслит платформами и экосистемами, но иногда бывает слишком абстрактным для вопроса что делать завтра.
Но самое интересное - это бунтари.
Perplexity и Kimi - это те самые сотрудники, которые на совещании всегда говорят: А что, если посмотреть на это совсем с другой стороны?.
Их ответы нужно перепроверять, но именно они часто подкидывают нестандартные идеи и помогают увидеть слепые зоны.
Это очень перекликается с тем, о чём я писал в посте про правоту и умение убеждать - важно слышать разные точки зрения, даже если они кажутся ошибочными.
Тестирую дальше для анализа идей, рынка, просто сложных вопросов.
Главный вывод из этого эксперимента простой: получение 8 разных мнений - задайте один и тот же вопрос разным моделям и сравните ответы.
Реальность чаще всего проявляется не в самой уверенной формулировке, а в пересечении разных взглядов.
Это не поиск идеального инструмента, а построение процесса мышления, где ты - дирижёр, а не просто слушатель.
@maxvotek | linkedin | substack
В выходные написал приложение, которое прогоняет один вопрос через 8 ведущих LLM.
Потом дал им 72 вопроса на разные темы - от бизнеса и SEO до медицины и философии.
Чтобы вытащить правду из ответов, использовал Bayesian Truth Serum (BTS) - метод, который статистически определяет наиболее вероятный истинный ответ.
Стоимость запроса и анализа Gemini 2.5 PRO получилась чувствительной.
Логика этого подхода красивая и очень жизненная: врать легко, а вот предсказать, как именно соврут другие - почти невозможно.
BTS ищет не самый популярный ответ, а удивительно частый - тот, который выбирают чаще, чем ожидали сами модели.
Именно он с большей вероятностью оказывается правдивым.
По сути, мы заставили модели не просто отвечать, а делать ставки на ответы друг друга.
По итогам у меня получилась сыворотка правды из AI-ассистентов, где у каждого своя роль и характер.
В ядро надежных экспертов, которые чаще всего попадают в консенсус правды, вошли Gemini 2.5, Grok 4.1, Claude 4.5, DeepSeek V3 и Qwen-Max.
А вот Perplexity, GPT-5.2 и Kimi K2 оказались системными бунтарями, которые часто идут против течения.
Первые наблюдения, Claude - это классический бизнес-аналитик: он мыслит структурами, рисками и бизнес-моделями, всегда осторожен и раскладывает всё по полочкам.
Grok - агрессивный практик, который любит цифры, ROI и сразу переходит к сути.
GPT-5.2 - системный архитектор, он мыслит платформами и экосистемами, но иногда бывает слишком абстрактным для вопроса что делать завтра.
Но самое интересное - это бунтари.
Perplexity и Kimi - это те самые сотрудники, которые на совещании всегда говорят: А что, если посмотреть на это совсем с другой стороны?.
Их ответы нужно перепроверять, но именно они часто подкидывают нестандартные идеи и помогают увидеть слепые зоны.
Это очень перекликается с тем, о чём я писал в посте про правоту и умение убеждать - важно слышать разные точки зрения, даже если они кажутся ошибочными.
Тестирую дальше для анализа идей, рынка, просто сложных вопросов.
Главный вывод из этого эксперимента простой: получение 8 разных мнений - задайте один и тот же вопрос разным моделям и сравните ответы.
Реальность чаще всего проявляется не в самой уверенной формулировке, а в пересечении разных взглядов.
Это не поиск идеального инструмента, а построение процесса мышления, где ты - дирижёр, а не просто слушатель.
@maxvotek | linkedin | substack
👍62🔥19❤16👎1😁1
Про необратимый риск большой четверки
Совсем недавно ИИ в «Большой четверке» жил в стерильной зоне: пилотные проекты, инновационные лаборатории, красивые презентации для партнеров.
Он был рядом с бизнесом, но не внутри него. В 2025 году эта стеклянная стена рухнула.
Deloitte, EY, KPMG и PwC встроили агентский AI прямо в свои ключевые процессы туда, где ошибки означают реальные деньги, репутацию и юридическую ответственность.
В 2026 продолжится фундаментальное изменение их операционной модели.
Когда Deloitte разворачивает Zora AI на сотни тысяч сотрудников, это уже не эксперимент, а повседневный рабочий инструмент.
Когда EY продвигает тысячи AI-агентов в разработку, а KPMG встраивает TaxBot в аудит, где стажеры теперь не сводят таблицы Excel, а управляют агентами — это означает явный переход от теории к практике.
Большая четверка приняла риски и AI стал частью операционной рутины.
PwC пошли еще дальше, превратив свой внутренний инструмент для управления AI-агентами в продукт для клиентов.
Первой, конечно, уже надломилась пирамида талантов. Я уже писал о смерти пирамиды интеграторов где выручка строилась на тысячах джуниоров.
Теперь повторяемая работа уходит к агентам, набор выпускников замедляется, а сильные специалисты всё чаще уходят туда, где AI даёт больший рычаг и скорость.
Зачем тратить годы на рутину, если в другом месте ты можешь сразу строить системы, управляющие этой рутиной?
Экономика тоже начала меняться. Почасовая оплата формально ещё жива, но под капотом сервисы превращаются в платформы: люди + софт + данные + агенты.
Это прямой удар по посредственности в консалтинге, где добавленная стоимость создавалась не инсайтами, а просто дополнительными руками.
Теперь ценность смещается к тем, кто умеет проектировать, обучать и контролировать этих самых агентов.
В нашем бизнесе значительная часть работы всегда была fix price и мы всегда нарабатывали акселераторы.
Сейчас ими стали AI Factory для проектов и агентсткие системы, которые помогают с документацией, настройкой, тестированием.
Для больших заказчиков пока часть инструментов даже ментально заходит со скрипом от compliance, security итп.
AI пока не убил бизнес-модель «Большой четверке» в 2025 году и не сломал интеграторов поменьше, но точно вывел её из равновесия.
В 2026 году будет выстраиваться инфраструктуры доверия для новых систем и моделей работы и теперь гонка идёт не за тем, кто быстрее внедрит AI, а за тем, кто первым научится управлять этой новой, гибридной реальностью.
@maxvotek | linkedin | substack
Совсем недавно ИИ в «Большой четверке» жил в стерильной зоне: пилотные проекты, инновационные лаборатории, красивые презентации для партнеров.
Он был рядом с бизнесом, но не внутри него. В 2025 году эта стеклянная стена рухнула.
Deloitte, EY, KPMG и PwC встроили агентский AI прямо в свои ключевые процессы туда, где ошибки означают реальные деньги, репутацию и юридическую ответственность.
В 2026 продолжится фундаментальное изменение их операционной модели.
Когда Deloitte разворачивает Zora AI на сотни тысяч сотрудников, это уже не эксперимент, а повседневный рабочий инструмент.
Когда EY продвигает тысячи AI-агентов в разработку, а KPMG встраивает TaxBot в аудит, где стажеры теперь не сводят таблицы Excel, а управляют агентами — это означает явный переход от теории к практике.
Большая четверка приняла риски и AI стал частью операционной рутины.
PwC пошли еще дальше, превратив свой внутренний инструмент для управления AI-агентами в продукт для клиентов.
Первой, конечно, уже надломилась пирамида талантов. Я уже писал о смерти пирамиды интеграторов где выручка строилась на тысячах джуниоров.
Теперь повторяемая работа уходит к агентам, набор выпускников замедляется, а сильные специалисты всё чаще уходят туда, где AI даёт больший рычаг и скорость.
Зачем тратить годы на рутину, если в другом месте ты можешь сразу строить системы, управляющие этой рутиной?
Экономика тоже начала меняться. Почасовая оплата формально ещё жива, но под капотом сервисы превращаются в платформы: люди + софт + данные + агенты.
Это прямой удар по посредственности в консалтинге, где добавленная стоимость создавалась не инсайтами, а просто дополнительными руками.
Теперь ценность смещается к тем, кто умеет проектировать, обучать и контролировать этих самых агентов.
В нашем бизнесе значительная часть работы всегда была fix price и мы всегда нарабатывали акселераторы.
Сейчас ими стали AI Factory для проектов и агентсткие системы, которые помогают с документацией, настройкой, тестированием.
Для больших заказчиков пока часть инструментов даже ментально заходит со скрипом от compliance, security итп.
AI пока не убил бизнес-модель «Большой четверке» в 2025 году и не сломал интеграторов поменьше, но точно вывел её из равновесия.
В 2026 году будет выстраиваться инфраструктуры доверия для новых систем и моделей работы и теперь гонка идёт не за тем, кто быстрее внедрит AI, а за тем, кто первым научится управлять этой новой, гибридной реальностью.
@maxvotek | linkedin | substack
🔥20❤15👍11👎3😁1
Про два разных подхода к медицинским данным в AI: OpenAI vs Anthropic.
У двух лидеров AI-индустрии полностью противоположные стратегии построения бизнеса, писал об этом в посте про IPO Anthropic. Особенно ярко это видно в работе с медицинскими данными.
OpenAI запустила ChatGPT Health как агрегатор всего и вся. Загружайте медкарты, подключайте Apple Health, MyFitnessPal - всё идет в их облако.
Для обычных пользователей нет даже Business Associate Agreement (BAA), только пользовательское соглашение. По сути, это потребительский продукт в медицинской упаковке.
Anthropic делает акцент на enterprise-решение через AWS Bedrock с поддержкой HIPAA и BAA.
При развёртывании через VPC вся защищенная медицинская информация (PHI) остаётся в инфраструктуре клиента - данные не хранятся на серверах Anthropic.
Есть и потребительские интеграции (HealthEx, Function, Apple Health для Pro и Max подписчиков), но основной фокус - enterprise-клиенты.
ChatGPT Health доступен только в США. Европа, Великобритания, Швейцария - исключены, принципиальное ограничение.
GDPR классифицирует медицинские данные как особо чувствительные и модель OpenAI "всё в наше облако" просто не соответствует требованиям.
Как я отмечал в посте о GenAI Application Engineer, архитектурные решения определяют будущее продукта.
У OpenAI 230 миллионов пользователей еженедельно задают вопросы о здоровье.
Они монетизируют массовую дистрибуцию, формируя привычку сейчас, оставляя вопросы комплаенса на потом.
Anthropic фокусируется на операционных задачах: проверка разрешений, обработка претензий, сортировка обращений пациентов.
Их партнер Commure оценивает, что это экономит клиницистам миллионы часов ежегодно.
Две разные теории рынка: OpenAI строит парадный вход - куда приходят пациенты. Anthropic строит инженерные системы - на чём работают медицинские учреждения.
Думаю, мы увидим разное развитие событий по регионам. США может пойти по потребительскому пути - пациенты обменяют данные на удобство.
Европа выберет корпоративный путь, особенно с учётом того, что регламент European Health Data Space вступил в силу в марте 2025, хотя ключевые положения начнут применяться с марта 2029.
Конвергенция, которую все предсказывают, произойдет. Но она может выглядеть совершенно по-разному в зависимости от того, где вы находитесь.
Главный вопрос остается открытым: что важнее для ваших медицинских данных - удобство или контроль?
Удобство - 👍
Контроль - 🔥
@maxvotek | linkedin | substack
У двух лидеров AI-индустрии полностью противоположные стратегии построения бизнеса, писал об этом в посте про IPO Anthropic. Особенно ярко это видно в работе с медицинскими данными.
OpenAI запустила ChatGPT Health как агрегатор всего и вся. Загружайте медкарты, подключайте Apple Health, MyFitnessPal - всё идет в их облако.
Для обычных пользователей нет даже Business Associate Agreement (BAA), только пользовательское соглашение. По сути, это потребительский продукт в медицинской упаковке.
Anthropic делает акцент на enterprise-решение через AWS Bedrock с поддержкой HIPAA и BAA.
При развёртывании через VPC вся защищенная медицинская информация (PHI) остаётся в инфраструктуре клиента - данные не хранятся на серверах Anthropic.
Есть и потребительские интеграции (HealthEx, Function, Apple Health для Pro и Max подписчиков), но основной фокус - enterprise-клиенты.
ChatGPT Health доступен только в США. Европа, Великобритания, Швейцария - исключены, принципиальное ограничение.
GDPR классифицирует медицинские данные как особо чувствительные и модель OpenAI "всё в наше облако" просто не соответствует требованиям.
Как я отмечал в посте о GenAI Application Engineer, архитектурные решения определяют будущее продукта.
У OpenAI 230 миллионов пользователей еженедельно задают вопросы о здоровье.
Они монетизируют массовую дистрибуцию, формируя привычку сейчас, оставляя вопросы комплаенса на потом.
Anthropic фокусируется на операционных задачах: проверка разрешений, обработка претензий, сортировка обращений пациентов.
Их партнер Commure оценивает, что это экономит клиницистам миллионы часов ежегодно.
Две разные теории рынка: OpenAI строит парадный вход - куда приходят пациенты. Anthropic строит инженерные системы - на чём работают медицинские учреждения.
Думаю, мы увидим разное развитие событий по регионам. США может пойти по потребительскому пути - пациенты обменяют данные на удобство.
Европа выберет корпоративный путь, особенно с учётом того, что регламент European Health Data Space вступил в силу в марте 2025, хотя ключевые положения начнут применяться с марта 2029.
Конвергенция, которую все предсказывают, произойдет. Но она может выглядеть совершенно по-разному в зависимости от того, где вы находитесь.
Главный вопрос остается открытым: что важнее для ваших медицинских данных - удобство или контроль?
Удобство - 👍
Контроль - 🔥
@maxvotek | linkedin | substack
👍52🔥37❤10👎1
Про Duolingo и experience moat.
Наблюдаю за ситуацией вокруг Duolingo и вижу в этом отражение большой проблемы всего софтверного рынка.
Инвесторы и пользователи смотрят на мощь новых языковых моделей и задают справедливый вопрос: зачем мне отдельное приложение, если ChatGPT или Claude скоро смогут делать то же самое, только лучше и дешевле?
Рынок заранее дисконтирует такие компании, даже если их выручка ещё не пострадала. Это страх будущего, который уже сегодня влияет на капитализацию.
Я думаю, что на короткой дистанции Duolingo сможет восстановиться, но только при одном условии: им нужно не просто адаптироваться, а агрессивно удвоить ставку на то, что большие модели скопировать не смогут - на пользовательский опыт.
Выигрывает не тот, у кого умнее модель, а тот, кто построил вокруг пользователя экосистему, из которой не хочется уходить.
Не просто интеграция чат-бота или добавление AI-фич для галочки, а создание настоящего «experience moat» - рва с водой, который защищает твой замок.
Геймификация, которая цепляет дофаминовые рецепторы, это социальная механика, где ты соревнуешься с друзьями, это тот самый звук победы, когда закрываешь очередной урок.
Ощущение пути и прогресса, которое большая, но безликая LLM дать не может.
Этот подход очень резонирует с тем, о чём я писал в контексте внутреннего предпринимательства.
Речь идёт о поиске и проверке новых гипотез роста. Для Duolingo такой гипотезой должна стать не конкуренция с моделями в интеллекте, а создание уникальной среды, в которой эти модели бессильны без их контекста, данных о поведении пользователя и дизайна самого опыта.
Они должны стать не просто приложением для изучения языка, а средой, где сам процесс обучения становится захватывающим приключением.
Просто добавить AI-фичу - это значит расписаться в посредственности, которую я считаю одной из главных ошибок в бизнесе.
Это оборонительная тактика, а нужна атакующая - построить настолько сильный и эмоционально заряженный пользовательский опыт, чтобы мысль «а может, я просто спрошу у ChatGPT?» даже не приходила в голову.
В мире, где интеллект становится таким же доступным, как электричество, единственным устойчивым преимуществом становится опыт, который ты даришь пользователю.
Это то, что нельзя скопировать, просто обучив модель на большем количестве данных.
Поэтому выбор у Duolingo, да и у многих других софтверных компаний, сегодня простой.
Либо они строят этот experience moat, создавая уникальную, незаменимую ценность для своих пользователей.
Либо рынок, который так рано их списал, заглядывая далеко вперёд, окажется прав.
@maxvotek | linkedin | substack
Наблюдаю за ситуацией вокруг Duolingo и вижу в этом отражение большой проблемы всего софтверного рынка.
Инвесторы и пользователи смотрят на мощь новых языковых моделей и задают справедливый вопрос: зачем мне отдельное приложение, если ChatGPT или Claude скоро смогут делать то же самое, только лучше и дешевле?
Рынок заранее дисконтирует такие компании, даже если их выручка ещё не пострадала. Это страх будущего, который уже сегодня влияет на капитализацию.
Я думаю, что на короткой дистанции Duolingo сможет восстановиться, но только при одном условии: им нужно не просто адаптироваться, а агрессивно удвоить ставку на то, что большие модели скопировать не смогут - на пользовательский опыт.
Выигрывает не тот, у кого умнее модель, а тот, кто построил вокруг пользователя экосистему, из которой не хочется уходить.
Не просто интеграция чат-бота или добавление AI-фич для галочки, а создание настоящего «experience moat» - рва с водой, который защищает твой замок.
Геймификация, которая цепляет дофаминовые рецепторы, это социальная механика, где ты соревнуешься с друзьями, это тот самый звук победы, когда закрываешь очередной урок.
Ощущение пути и прогресса, которое большая, но безликая LLM дать не может.
Этот подход очень резонирует с тем, о чём я писал в контексте внутреннего предпринимательства.
Речь идёт о поиске и проверке новых гипотез роста. Для Duolingo такой гипотезой должна стать не конкуренция с моделями в интеллекте, а создание уникальной среды, в которой эти модели бессильны без их контекста, данных о поведении пользователя и дизайна самого опыта.
Они должны стать не просто приложением для изучения языка, а средой, где сам процесс обучения становится захватывающим приключением.
Просто добавить AI-фичу - это значит расписаться в посредственности, которую я считаю одной из главных ошибок в бизнесе.
Это оборонительная тактика, а нужна атакующая - построить настолько сильный и эмоционально заряженный пользовательский опыт, чтобы мысль «а может, я просто спрошу у ChatGPT?» даже не приходила в голову.
В мире, где интеллект становится таким же доступным, как электричество, единственным устойчивым преимуществом становится опыт, который ты даришь пользователю.
Это то, что нельзя скопировать, просто обучив модель на большем количестве данных.
Поэтому выбор у Duolingo, да и у многих других софтверных компаний, сегодня простой.
Либо они строят этот experience moat, создавая уникальную, незаменимую ценность для своих пользователей.
Либо рынок, который так рано их списал, заглядывая далеко вперёд, окажется прав.
@maxvotek | linkedin | substack
👍36❤22🔥10👎1😁1
Про ценовую стратегию Anthropic и будущее IDE-стартапов.
Недавно провел интересный эксперимент с Claude Code, который открыл глаза на реальную экономику AI-сервисов.
Каждый запрос на обновление кода через API обходится примерно в $0.80. При паре сотен запросов в день это выливается в $80 ежедневно.
А теперь сравните с моей Max-подпиской за $200 в месяц. Получается, что через подписку Anthropic продает те же токены в 30 раз дешевле, чем через API.
Я активно использую Claude Code для анализа данных и разработки, и эта ценовая асимметрия многое объясняет в стратегии Anthropic.
Они не просто продают доступ к модели - они строят экосистему и собирают бесценные данные о том, как разработчики взаимодействуют с AI.
Такая агрессивная ценовая политика создает непреодолимый барьер для IDE-стартапов вроде Cursor.
Как можно построить конкурентоспособный продукт, если твой основной поставщик продает тот же сервис конечным пользователям в 30 раз дешевле?
Это все равно что пытаться конкурировать с Tesla, покупая у них батареи по розничной цене.
Именно поэтому Cursor и выпустил собственную модель - они поняли, что без этого обречены оставаться заложниками чужой ценовой политики.
Новое поколение AI-инструментов меняет правила игры.
Теперь недостаточно просто быть оберткой вокруг чужого API - нужно либо иметь собственную модель уровня Claude Opus, либо создавать настолько уникальную ценность в других аспектах, что пользователи будут готовы платить премию.
Anthropic играет вдолгую.
Они готовы субсидировать прямых пользователей, потому что каждый наш запрос, каждая сессия кодинга - это данные для улучшения их модели.
Они строят самообучающуюся систему, где пользователи одновременно являются и потребителями, и учителями AI.
Без собственной мощной языковой модели они обречены быть перепродавцами чужих токенов по завышенной цене.
В мире, где основные игроки готовы работать в убыток ради доминирования на рынке, это путь в никуда.
Единственный выход для IDE-стартапов - это найти свою уникальную нишу, где ценность их продукта не сводится к простому доступу к AI.
Может быть, это специализированные инструменты для enterprise, может быть особые механизмы безопасности и комплаенса.
Но просто быть еще одним AI-IDE уже недостаточно.
@maxvotek | linkedin | substack
Недавно провел интересный эксперимент с Claude Code, который открыл глаза на реальную экономику AI-сервисов.
Каждый запрос на обновление кода через API обходится примерно в $0.80. При паре сотен запросов в день это выливается в $80 ежедневно.
А теперь сравните с моей Max-подпиской за $200 в месяц. Получается, что через подписку Anthropic продает те же токены в 30 раз дешевле, чем через API.
Я активно использую Claude Code для анализа данных и разработки, и эта ценовая асимметрия многое объясняет в стратегии Anthropic.
Они не просто продают доступ к модели - они строят экосистему и собирают бесценные данные о том, как разработчики взаимодействуют с AI.
Такая агрессивная ценовая политика создает непреодолимый барьер для IDE-стартапов вроде Cursor.
Как можно построить конкурентоспособный продукт, если твой основной поставщик продает тот же сервис конечным пользователям в 30 раз дешевле?
Это все равно что пытаться конкурировать с Tesla, покупая у них батареи по розничной цене.
Именно поэтому Cursor и выпустил собственную модель - они поняли, что без этого обречены оставаться заложниками чужой ценовой политики.
Новое поколение AI-инструментов меняет правила игры.
Теперь недостаточно просто быть оберткой вокруг чужого API - нужно либо иметь собственную модель уровня Claude Opus, либо создавать настолько уникальную ценность в других аспектах, что пользователи будут готовы платить премию.
Anthropic играет вдолгую.
Они готовы субсидировать прямых пользователей, потому что каждый наш запрос, каждая сессия кодинга - это данные для улучшения их модели.
Они строят самообучающуюся систему, где пользователи одновременно являются и потребителями, и учителями AI.
Без собственной мощной языковой модели они обречены быть перепродавцами чужих токенов по завышенной цене.
В мире, где основные игроки готовы работать в убыток ради доминирования на рынке, это путь в никуда.
Единственный выход для IDE-стартапов - это найти свою уникальную нишу, где ценность их продукта не сводится к простому доступу к AI.
Может быть, это специализированные инструменты для enterprise, может быть особые механизмы безопасности и комплаенса.
Но просто быть еще одним AI-IDE уже недостаточно.
@maxvotek | linkedin | substack
👍30🔥12❤4👎2
Про AI-партнёрство и честную трансформацию бизнеса.
Уоррен Баффет начал Berkshire Hathaway с покупки убыточной, но дешёвой текстильной фабрики, используя её денежные потоки и активы как источник капитала.
Модель была простой: покупать недооценённые бизнесы с кэшем, не ради их основного дела, а чтобы реинвестировать этот кэш в более качественные активы с высоким долгосрочным ROI.
Сейчас с AI появляются новые модели фондов и компаний, которые добавляют Ai и повышают маржинальность.
Знаю нескольких владельцев небольших бизнесов, десятки 20+ лет в бизнесе, десятки поставщиков, сотни клиентов. Вся работа построена на личных связях, Excel-таблицах и утренних звонках.
Когда рассказываю про AI и автоматизацию, они обычно отмахиваются: "А мой опыт куда денется?"
Этот вопрос заставил меня серьёзно задуматься.
Я вижу, как крупные интеграторы трансформируются под влиянием AI, как private equity фонды скупают скучные бизнесы и делают их AI-first.
Автоматизация, lean-процессы, радикальное сокращение персонала. Но часто за кадром остаются люди, которые построили эти бизнесы с нуля.
Владельцы в возрасте 55+, с колоссальным опытом и связями, которые десятилетиями создавали ценность без всяких технологий.
Они не отстали, они просто работали в другой парадигме. Сейчас перед ними (и нами) стоит важный выбор.
Можно пойти путём PE-фондов: купить бизнес, заменить людей на алгоритмы, оптимизировать всё до предела.
Но есть и другой путь - стать AI-партнёром для таких компаний. Не просто продавать им CRM или внедрять очередную систему, а действительно помогать трансформировать бизнес, сохраняя его душу.
Я вижу, как вертикальные AI-решения меняют целые отрасли, но важно не просто заменять, а усиливать.
AI-партнёр должен быть переводчиком между старым и новым миром.
Он берёт существующую бизнес-логику и переводит её на язык автоматизации. Убирает рутину, но сохраняет ключевые компетенции владельца. А также разделяет риски через долю в бизнесе или revenue share.
В отличие от saas и IT продуктов, тут нужно глубоко погружаться в бизнес, понимать неочевидные связи, учитывать человеческий фактор. Но именно такой подход может создать новую профессию: AI-партнёр для реального малого бизнеса.
Не стартапы с питчдеками и радужными прогнозами, а работа с компаниями, которые уже генерируют прибыль, но не знают, как выжить в новой реальности.
Это требует терпения, эмпатии и готовности делить риски. Это более честная модель, ты не просто продаёшь технологию, а помогаешь бизнесу эволюционировать.
Интересно, как рынок разделится в ближайшие годы. Сколько выберут путь купить и заменить, а сколько пойдут сложной дорогой понять и усилить.
Моя ставка на то, что настоящую ценность создадут вторые и это более правильный подход.
@maxvotek | linkedin | substack
Уоррен Баффет начал Berkshire Hathaway с покупки убыточной, но дешёвой текстильной фабрики, используя её денежные потоки и активы как источник капитала.
Модель была простой: покупать недооценённые бизнесы с кэшем, не ради их основного дела, а чтобы реинвестировать этот кэш в более качественные активы с высоким долгосрочным ROI.
Сейчас с AI появляются новые модели фондов и компаний, которые добавляют Ai и повышают маржинальность.
Знаю нескольких владельцев небольших бизнесов, десятки 20+ лет в бизнесе, десятки поставщиков, сотни клиентов. Вся работа построена на личных связях, Excel-таблицах и утренних звонках.
Когда рассказываю про AI и автоматизацию, они обычно отмахиваются: "А мой опыт куда денется?"
Этот вопрос заставил меня серьёзно задуматься.
Я вижу, как крупные интеграторы трансформируются под влиянием AI, как private equity фонды скупают скучные бизнесы и делают их AI-first.
Автоматизация, lean-процессы, радикальное сокращение персонала. Но часто за кадром остаются люди, которые построили эти бизнесы с нуля.
Владельцы в возрасте 55+, с колоссальным опытом и связями, которые десятилетиями создавали ценность без всяких технологий.
Они не отстали, они просто работали в другой парадигме. Сейчас перед ними (и нами) стоит важный выбор.
Можно пойти путём PE-фондов: купить бизнес, заменить людей на алгоритмы, оптимизировать всё до предела.
Но есть и другой путь - стать AI-партнёром для таких компаний. Не просто продавать им CRM или внедрять очередную систему, а действительно помогать трансформировать бизнес, сохраняя его душу.
Я вижу, как вертикальные AI-решения меняют целые отрасли, но важно не просто заменять, а усиливать.
AI-партнёр должен быть переводчиком между старым и новым миром.
Он берёт существующую бизнес-логику и переводит её на язык автоматизации. Убирает рутину, но сохраняет ключевые компетенции владельца. А также разделяет риски через долю в бизнесе или revenue share.
В отличие от saas и IT продуктов, тут нужно глубоко погружаться в бизнес, понимать неочевидные связи, учитывать человеческий фактор. Но именно такой подход может создать новую профессию: AI-партнёр для реального малого бизнеса.
Не стартапы с питчдеками и радужными прогнозами, а работа с компаниями, которые уже генерируют прибыль, но не знают, как выжить в новой реальности.
Это требует терпения, эмпатии и готовности делить риски. Это более честная модель, ты не просто продаёшь технологию, а помогаешь бизнесу эволюционировать.
Интересно, как рынок разделится в ближайшие годы. Сколько выберут путь купить и заменить, а сколько пойдут сложной дорогой понять и усилить.
Моя ставка на то, что настоящую ценность создадут вторые и это более правильный подход.
@maxvotek | linkedin | substack
👍32❤18🔥7😁1
О культуре и честности.
Я давно слежу за Беном Хоровицем и его мыслями.
Его книги “The Hard Thing About Hard Things” и “What You Do Is Who You Are” занимают важное место на моей полке, потому что они про реальность, а не про красивые лозунги.
Недавно a16z опубликовал свой обновлённый культурный документ, и это не просто HR-поэзия, а настоящий операционный код для компании.
Что меня особенно зацепило - это асимметрия как основа мышления.
В a16z прямо говорят: венчур - это ставка, где потенциальный выигрыш важнее риска проигрыша. Поэтому они не критикуют сделки, которые не взлетели, если в момент принятия решения ставка была правильной.
Ты не можешь создать что-то прорывное, если боишься ошибиться. Культура, которая поощряет осознанный риск - это единственная среда, где рождаются инновации.
Второй момент - запрет на публичную критику основателей и стартапов.
Даже если компания провалилась, ты не выходишь на площадь и не рассказываешь, почему они были неправы.
«Мы не разрушители мечты. Мы её строители».
В мире, где каждый второй готов задним числом объяснить чужие ошибки, такая позиция - признак огромной внутренней силы и зрелости. Это про уважение к чужому пути, даже если он закончился неудачей.
Но, пожалуй, самое важное правило - это “Truth > comfort”.
Говорить правду, даже если это неприятно. Не для того, чтобы унизить или показать свою правоту, а чтобы сделать партнёра или коллегу сильнее.
Это невероятно сложный навык. Легче промолчать, сгладить углы, надеяться, что проблема решится сама собой.
Я сам признавался, что одна из моих главных ошибок в бизнесе - это терпимое отношение к посредственности. Именно страх дискомфорта мешает вовремя сказать правду и принять сложное решение.
Этот документ от a16z - не просто набор правил для венчурного фонда. Это ориентир для любого лидера, который хочет построить долгосрочный, устойчивый бизнес.
Он о том, что культура - это не то, что написано на стенах, а то, какие решения ты принимаешь каждый день.
Когда ты достаточно уверен в своей модели, тебе не нужно самоутверждаться за счёт чужих неудач, играть в моральное превосходство или бояться честных разговоров.
Ты просто играешь в долгую, строя отношения на доверии и взаимном уважении и это, пожалуй, самая выигрышная стратегия.
@maxvotek | linkedin | substack
Я давно слежу за Беном Хоровицем и его мыслями.
Его книги “The Hard Thing About Hard Things” и “What You Do Is Who You Are” занимают важное место на моей полке, потому что они про реальность, а не про красивые лозунги.
Недавно a16z опубликовал свой обновлённый культурный документ, и это не просто HR-поэзия, а настоящий операционный код для компании.
Что меня особенно зацепило - это асимметрия как основа мышления.
В a16z прямо говорят: венчур - это ставка, где потенциальный выигрыш важнее риска проигрыша. Поэтому они не критикуют сделки, которые не взлетели, если в момент принятия решения ставка была правильной.
Ты не можешь создать что-то прорывное, если боишься ошибиться. Культура, которая поощряет осознанный риск - это единственная среда, где рождаются инновации.
Второй момент - запрет на публичную критику основателей и стартапов.
Даже если компания провалилась, ты не выходишь на площадь и не рассказываешь, почему они были неправы.
«Мы не разрушители мечты. Мы её строители».
В мире, где каждый второй готов задним числом объяснить чужие ошибки, такая позиция - признак огромной внутренней силы и зрелости. Это про уважение к чужому пути, даже если он закончился неудачей.
Но, пожалуй, самое важное правило - это “Truth > comfort”.
Говорить правду, даже если это неприятно. Не для того, чтобы унизить или показать свою правоту, а чтобы сделать партнёра или коллегу сильнее.
Это невероятно сложный навык. Легче промолчать, сгладить углы, надеяться, что проблема решится сама собой.
Я сам признавался, что одна из моих главных ошибок в бизнесе - это терпимое отношение к посредственности. Именно страх дискомфорта мешает вовремя сказать правду и принять сложное решение.
Этот документ от a16z - не просто набор правил для венчурного фонда. Это ориентир для любого лидера, который хочет построить долгосрочный, устойчивый бизнес.
Он о том, что культура - это не то, что написано на стенах, а то, какие решения ты принимаешь каждый день.
Когда ты достаточно уверен в своей модели, тебе не нужно самоутверждаться за счёт чужих неудач, играть в моральное превосходство или бояться честных разговоров.
Ты просто играешь в долгую, строя отношения на доверии и взаимном уважении и это, пожалуй, самая выигрышная стратегия.
@maxvotek | linkedin | substack
👍26🔥16❤13👎1
О защите своих продуктов в свете прогресса AGI
На днях обсуждали с командой прогресс AI use cases в фарме и CPG.
Мы занимаем прочные позиции в своей нише и некоторые задачи решили первыми с помощью AI.
Но кроме гордости за успехи я чувствую лёгкое напряжение, которое не отпускает уже несколько недель.
Причина - новый экзистенциальный риск, о котором пока мало кто говорит вслух: универсальные long-horizon агенты.
Это горизонтальные AI-системы, которые не обучены на нашей специфике, но способны часами, а то и днями, работать над одной задачей, самокорректироваться и доводить результат до конца.
В недавнем отчёте Anthropic показали, что long-horizon tasks достигают 19 часов работы с 50% success rate в multi-turn режиме.
CEO Cursor продемонстрировал это на практике - запустил несколько GPT-5.2 агентов и они собрали браузер за неделю.
Они как очень упорный и умный стажёр, который не спит и не устаёт, пока не разберётся в теме.
Будет писать для себя программы, запускать их снова и снова, переписывать, тестировать, пока не придет в результатам и не только в чистых ai use cases, но и в воспроизведении компонентов софта.
Многие продакты успокаивают себя тем, что у них есть глубокая интеграция, enterprise-контекст и уникальные данные в «system of record» или модель обученная на клиентских данных.
Это может быть правдой сегодня, но это не гарантия на завтра.
Защитные рвы, которые казались надёжными, могут быть преодолены гораздо быстрее, чем мы думаем.
Опасность не в том, что эти агенты лучше нашего продукта сегодня.
Опасность в скорости их прогресса.
Поэтому единственный разумный ответ - это регулярно измерять их прогресс.
Выделить одного из сильнейших инженеров и поставить ему задачу: использовать long-horizon агента как внешнего конкурента.
Он берёт ту же задачу, которую решает наш продукт, но даёт её, например Claude code с минимальным контекстом.
Предположу, что горизонтальный агенты будут стремительно AI учится на открытых данных, находить обходные пути и становится всё точнее.
Такой бенчмарк подсознательно уже, держит всю команду в тонусе.
Наш фокус на вертикализации решений был и остаётся нашей сильной стороной. Но теперь эта сила требует постоянной проверки на прочность.
Если мы видим, что горизонтальный агент начинает догонять нас, это сигнал не к панике, а к пересмотру стратегии.
Значит, пора искать новое конкурентное преимущество, выходить на следующий уровень сложности.
AGI придёт ко всем, и long-horizon агенты его ближайший предвестник и индикатор зрелости.
Чтобы он не подкрался незаметно, пора изучать и измерять угрозы системно.
@maxvotek | linkedin | substack
На днях обсуждали с командой прогресс AI use cases в фарме и CPG.
Мы занимаем прочные позиции в своей нише и некоторые задачи решили первыми с помощью AI.
Но кроме гордости за успехи я чувствую лёгкое напряжение, которое не отпускает уже несколько недель.
Причина - новый экзистенциальный риск, о котором пока мало кто говорит вслух: универсальные long-horizon агенты.
Это горизонтальные AI-системы, которые не обучены на нашей специфике, но способны часами, а то и днями, работать над одной задачей, самокорректироваться и доводить результат до конца.
В недавнем отчёте Anthropic показали, что long-horizon tasks достигают 19 часов работы с 50% success rate в multi-turn режиме.
CEO Cursor продемонстрировал это на практике - запустил несколько GPT-5.2 агентов и они собрали браузер за неделю.
Они как очень упорный и умный стажёр, который не спит и не устаёт, пока не разберётся в теме.
Будет писать для себя программы, запускать их снова и снова, переписывать, тестировать, пока не придет в результатам и не только в чистых ai use cases, но и в воспроизведении компонентов софта.
Многие продакты успокаивают себя тем, что у них есть глубокая интеграция, enterprise-контекст и уникальные данные в «system of record» или модель обученная на клиентских данных.
Это может быть правдой сегодня, но это не гарантия на завтра.
Защитные рвы, которые казались надёжными, могут быть преодолены гораздо быстрее, чем мы думаем.
Опасность не в том, что эти агенты лучше нашего продукта сегодня.
Опасность в скорости их прогресса.
Поэтому единственный разумный ответ - это регулярно измерять их прогресс.
Выделить одного из сильнейших инженеров и поставить ему задачу: использовать long-horizon агента как внешнего конкурента.
Он берёт ту же задачу, которую решает наш продукт, но даёт её, например Claude code с минимальным контекстом.
Предположу, что горизонтальный агенты будут стремительно AI учится на открытых данных, находить обходные пути и становится всё точнее.
Такой бенчмарк подсознательно уже, держит всю команду в тонусе.
Наш фокус на вертикализации решений был и остаётся нашей сильной стороной. Но теперь эта сила требует постоянной проверки на прочность.
Если мы видим, что горизонтальный агент начинает догонять нас, это сигнал не к панике, а к пересмотру стратегии.
Значит, пора искать новое конкурентное преимущество, выходить на следующий уровень сложности.
AGI придёт ко всем, и long-horizon агенты его ближайший предвестник и индикатор зрелости.
Чтобы он не подкрался незаметно, пора изучать и измерять угрозы системно.
@maxvotek | linkedin | substack
👍25🔥9😁3❤2👎1
О падении SaaS-акций
Наткнулся на пост с цифрами падения SaaS-акций - выглядит как конец эпохи.
Figma, HubSpot, Salesforce - минус десятки процентов от пиков. Но если копнуть глубже, картина сложнее.
Это не крах бизнесов, а реакция на неоправданные ожидания. Рынок просто пересчитал стоимость будущего роста.
Высокие ставки сделали длинные деньги дорогими, и мультипликаторы схлопнулись. Даже у компаний с растущей выручкой и кэшем на счетах.
Это естественная коррекция после периода почти бесплатного капитала, когда инвесторы готовы были платить за любой рост.
Ключевой драйвер этого сжатия - это страх перед AI. Инвесторы закладывают риск, что универсальные AI-инструменты размоют горизонтальный SaaS, что количество лицензий (seats) сократится, а часть функциональности станет просто commodity.
Этот страх, возможно, преждевременный, но рынок всегда прайсит страхи заранее. Я уже писал про AI-пузырь на рынке, где затраты на инфраструктуру огромны, а бизнес-модели ещё не всегда очевидны.
Интересно, что AI-хайп сыграл против самих SaaS-компаний.
Многих из них рынок сначала оценил как будущих AI-победителей. Когда реальность оказалась сложнее и медленнее, чем ожидания, акции полетели вниз даже при нормальных отчётах.
Про то что OpenAI всех их съест - это пока лишь мнение, а не факт. Мы не знаем ни реальной экономики OpenAI, ни того, как будет выглядеть конкурентная динамика через 2–3 года.
Так почему инвесторы всё ещё верят в эти компании и держат их акции? Потому что это по-прежнему сильные продукты с высокой маржинальностью и улучшающимся кэш-флоу.
У них есть то, чего нет у многих AI-стартапов: огромная клиентская база, глубокая интеграция в бизнес-процессы и доверие, которое зарабатывается годами.
Мой вывод простой: это не пузырь лопнул.
Это переход от мечты про бесконечный рост к взрослому разговору про эффективность, дифференциаторы и реальную ценность.
AI здесь не убийца SaaS, а скорее фильтр. Он заставляет компании переосмыслить свои бизнес-модели, что резонирует с моими мыслями о смерти старой модели интеграторов.
Выживут и вырастут те, кто сможет доказать, что их продукт даёт уникальную ценность, а не просто автоматизирует рутину.
Те, кто сумеет встроить AI так, чтобы он усиливал их основное преимущество, а не просто был модной фичей на главной странице.
В конечном счёте, это оздоровление рынка, которое отделяет сильные, устойчивые бизнесы от тех, кто просто ехал на волне хайпа.
@maxvotek | linkedin | substack
Наткнулся на пост с цифрами падения SaaS-акций - выглядит как конец эпохи.
Figma, HubSpot, Salesforce - минус десятки процентов от пиков. Но если копнуть глубже, картина сложнее.
Это не крах бизнесов, а реакция на неоправданные ожидания. Рынок просто пересчитал стоимость будущего роста.
Высокие ставки сделали длинные деньги дорогими, и мультипликаторы схлопнулись. Даже у компаний с растущей выручкой и кэшем на счетах.
Это естественная коррекция после периода почти бесплатного капитала, когда инвесторы готовы были платить за любой рост.
Ключевой драйвер этого сжатия - это страх перед AI. Инвесторы закладывают риск, что универсальные AI-инструменты размоют горизонтальный SaaS, что количество лицензий (seats) сократится, а часть функциональности станет просто commodity.
Этот страх, возможно, преждевременный, но рынок всегда прайсит страхи заранее. Я уже писал про AI-пузырь на рынке, где затраты на инфраструктуру огромны, а бизнес-модели ещё не всегда очевидны.
Интересно, что AI-хайп сыграл против самих SaaS-компаний.
Многих из них рынок сначала оценил как будущих AI-победителей. Когда реальность оказалась сложнее и медленнее, чем ожидания, акции полетели вниз даже при нормальных отчётах.
Про то что OpenAI всех их съест - это пока лишь мнение, а не факт. Мы не знаем ни реальной экономики OpenAI, ни того, как будет выглядеть конкурентная динамика через 2–3 года.
Так почему инвесторы всё ещё верят в эти компании и держат их акции? Потому что это по-прежнему сильные продукты с высокой маржинальностью и улучшающимся кэш-флоу.
У них есть то, чего нет у многих AI-стартапов: огромная клиентская база, глубокая интеграция в бизнес-процессы и доверие, которое зарабатывается годами.
Мой вывод простой: это не пузырь лопнул.
Это переход от мечты про бесконечный рост к взрослому разговору про эффективность, дифференциаторы и реальную ценность.
AI здесь не убийца SaaS, а скорее фильтр. Он заставляет компании переосмыслить свои бизнес-модели, что резонирует с моими мыслями о смерти старой модели интеграторов.
Выживут и вырастут те, кто сможет доказать, что их продукт даёт уникальную ценность, а не просто автоматизирует рутину.
Те, кто сумеет встроить AI так, чтобы он усиливал их основное преимущество, а не просто был модной фичей на главной странице.
В конечном счёте, это оздоровление рынка, которое отделяет сильные, устойчивые бизнесы от тех, кто просто ехал на волне хайпа.
@maxvotek | linkedin | substack
👍29❤14🔥6👎3
Про новую войну за покупателя
Наблюдаю интереснейший момент в e-commerce - Google/Shopify и OpenAI/Stripe одновременно выкатили свои протоколы для агентной коммерции.
Как я писал ранее про эволюцию e-commerce, мы движемся к радикально новому способу совершения покупок. ChatGPT обрабатывает 50 миллионов shopping-запросов каждый день.
Трафик от AI-источников на e-commerce сайты вырос на 4,700% за год. Walmart получает 20% referral трафика от ChatGPT, а Amazon - всего 3%.
Цифры говорят о революции в том, как люди находят и покупают товары.
Типичная воронка для крупного ритейлера из нашего портфеля (поиск → сайт → изучение → сравнение → корзина → checkout) схлопывается в один диалог с AI-агентом.
Представьте: "Нужны наушники для бега, влагозащищенные, с хорошей фиксацией".
Агент сам фильтрует варианты, уточняет детали, завершает покупку - всё в одном окне.
Мы делегируем агенту механическую часть выбора, но последствия этого глубже, чем кажется на первый взгляд.
Если продукт не попадает в топ-6 рекомендаций агента - он просто не существует для покупателя. Никакой SEO не спасет, если твои данные не структурированы под AI.
Появляется новая дисциплина - GEO (Generative Engine Optimization), где правила игры радикально отличаются от привычного маркетинга.
Интересно наблюдать за формированием коалиций. Google, Shopify, Walmart, Visa, Mastercard продвигают открытые протоколы.
Amazon замыкается на своем Rufus внутри экосистемы. Мой опыт в технологиях подсказывает: закрытые системы часто выигрывают спринт, но проигрывают марафон.
К 2030 году через агентную коммерцию прогнозируют $3-5 триллионов - это 15-25% всего e-commerce. Но ключевой вопрос даже не в цифрах, а в контроле точки контакта с покупателем.
Сто лет продавцы владели этой точкой: сначала физический магазин, потом сайт, затем приложение.
Теперь же покупатель не приходит вообще - приходит его агент, оценивает данные и принимает решения.
Мой главный вывод: мы наблюдаем не просто технологический сдвиг, а фундаментальное изменение в архитектуре розничной торговли.
Бренды, которые не адаптируются к агентной коммерции, рискуют стать невидимыми для целого поколения покупателей, которые будут доверять выбор своим AI-ассистентам.
@maxvotek | linkedin | substack
Наблюдаю интереснейший момент в e-commerce - Google/Shopify и OpenAI/Stripe одновременно выкатили свои протоколы для агентной коммерции.
Как я писал ранее про эволюцию e-commerce, мы движемся к радикально новому способу совершения покупок. ChatGPT обрабатывает 50 миллионов shopping-запросов каждый день.
Трафик от AI-источников на e-commerce сайты вырос на 4,700% за год. Walmart получает 20% referral трафика от ChatGPT, а Amazon - всего 3%.
Цифры говорят о революции в том, как люди находят и покупают товары.
Типичная воронка для крупного ритейлера из нашего портфеля (поиск → сайт → изучение → сравнение → корзина → checkout) схлопывается в один диалог с AI-агентом.
Представьте: "Нужны наушники для бега, влагозащищенные, с хорошей фиксацией".
Агент сам фильтрует варианты, уточняет детали, завершает покупку - всё в одном окне.
Мы делегируем агенту механическую часть выбора, но последствия этого глубже, чем кажется на первый взгляд.
Если продукт не попадает в топ-6 рекомендаций агента - он просто не существует для покупателя. Никакой SEO не спасет, если твои данные не структурированы под AI.
Появляется новая дисциплина - GEO (Generative Engine Optimization), где правила игры радикально отличаются от привычного маркетинга.
Интересно наблюдать за формированием коалиций. Google, Shopify, Walmart, Visa, Mastercard продвигают открытые протоколы.
Amazon замыкается на своем Rufus внутри экосистемы. Мой опыт в технологиях подсказывает: закрытые системы часто выигрывают спринт, но проигрывают марафон.
К 2030 году через агентную коммерцию прогнозируют $3-5 триллионов - это 15-25% всего e-commerce. Но ключевой вопрос даже не в цифрах, а в контроле точки контакта с покупателем.
Сто лет продавцы владели этой точкой: сначала физический магазин, потом сайт, затем приложение.
Теперь же покупатель не приходит вообще - приходит его агент, оценивает данные и принимает решения.
Мой главный вывод: мы наблюдаем не просто технологический сдвиг, а фундаментальное изменение в архитектуре розничной торговли.
Бренды, которые не адаптируются к агентной коммерции, рискуют стать невидимыми для целого поколения покупателей, которые будут доверять выбор своим AI-ассистентам.
@maxvotek | linkedin | substack
👍27🔥15❤13
Сегодня с командой обсудили прогресс с Claude Code.
Видно, что переход от подхода «нужны супердетальные требования, иначе AI нагаллюцинирует» к подходу «сначала соберём рабочий прототип» - потребует времени.
Перестроиться сложно: решиться просто попробовать бывает так же страшно, как начать говорить на новом языке, не зная всех правил.
Раньше написать детальный документ и глубоко все обдумать перед началом разработки было правилом хорошего тона и отражением ясности твоего мышления.
Длинные циклы разработки и недоступность инженеров в нужный момент, предопределяла такой подход.
Теперь, когда прототип можно сделать примерно за то же время или быстрее и сразу обсуждать результат.
Роли в команде размываются, креатив и сборка готового продукта идут параллельно.
Ловил себя на мысли, что просил трех разных агентов разработать сразу несколько вариантов программы с разной архитектурой и самим протестировать для начала результат.
Очевидно, что качество архитектурных решений получается гораздо выше при таком подходе.
@maxvotek | linkedin | substack
Видно, что переход от подхода «нужны супердетальные требования, иначе AI нагаллюцинирует» к подходу «сначала соберём рабочий прототип» - потребует времени.
Перестроиться сложно: решиться просто попробовать бывает так же страшно, как начать говорить на новом языке, не зная всех правил.
Раньше написать детальный документ и глубоко все обдумать перед началом разработки было правилом хорошего тона и отражением ясности твоего мышления.
Длинные циклы разработки и недоступность инженеров в нужный момент, предопределяла такой подход.
Теперь, когда прототип можно сделать примерно за то же время или быстрее и сразу обсуждать результат.
Роли в команде размываются, креатив и сборка готового продукта идут параллельно.
Ловил себя на мысли, что просил трех разных агентов разработать сразу несколько вариантов программы с разной архитектурой и самим протестировать для начала результат.
Очевидно, что качество архитектурных решений получается гораздо выше при таком подходе.
@maxvotek | linkedin | substack
🔥16👍6❤3👎3
Сегодня утром снова вспомнил, за что люблю Флориду - особенно зимой.
Брал когда-то уроки серфинга в Коста-Рике, зная, что летом тут почти всегда нет волн, а нормальные волны - зимой или во время ураганов, как-то не дошел до этого спорта в Бока Ратоне.
В выходные заглянул в серф-шоп, познакомился с владельцем.
Магазин, кстати, в одном из самых старых зданий Делрей-Бич - бывшая железнодорожная станция, ей больше 130 лет.
Спросил про уроки - он свел с другом тренером, который живет в маленьком кондо у самого пляжа.
Настоящий серфер: немного рассеянный, веселый, расслабленный, обожает преподавать.
Утром даже проспал и пришел с опозданием - ну, классика 🙂
На улице было холодно. Прям реально холодно.
Но тут магия Флориды: даже когда воздух около +5°C, вода все равно примерно +24°C. Гольфстрим рядом - в океане тепло. Вспомнил, как грести, взял доску, понял, что не зря купил гидрокостюм.
Ощущения кайфовые: холодный песок, холодный воздух и при этом теплая вода. Отличное закаливание и идеальный способ проснуться.
Первый урок понравился, инструктор отработал на 5+, научил как на доске стоять, сидеть, грести и прокатил меня на 5-6 волнах и в итоге к концу урока я смог пару раз встать на доску и поймать волну.
@maxvotek | linkedin | substack
Брал когда-то уроки серфинга в Коста-Рике, зная, что летом тут почти всегда нет волн, а нормальные волны - зимой или во время ураганов, как-то не дошел до этого спорта в Бока Ратоне.
В выходные заглянул в серф-шоп, познакомился с владельцем.
Магазин, кстати, в одном из самых старых зданий Делрей-Бич - бывшая железнодорожная станция, ей больше 130 лет.
Спросил про уроки - он свел с другом тренером, который живет в маленьком кондо у самого пляжа.
Настоящий серфер: немного рассеянный, веселый, расслабленный, обожает преподавать.
Утром даже проспал и пришел с опозданием - ну, классика 🙂
На улице было холодно. Прям реально холодно.
Но тут магия Флориды: даже когда воздух около +5°C, вода все равно примерно +24°C. Гольфстрим рядом - в океане тепло. Вспомнил, как грести, взял доску, понял, что не зря купил гидрокостюм.
Ощущения кайфовые: холодный песок, холодный воздух и при этом теплая вода. Отличное закаливание и идеальный способ проснуться.
Первый урок понравился, инструктор отработал на 5+, научил как на доске стоять, сидеть, грести и прокатил меня на 5-6 волнах и в итоге к концу урока я смог пару раз встать на доску и поймать волну.
@maxvotek | linkedin | substack
🔥45❤15👍7