Об эффектах второго порядка ИИ в экономике и бизнесе

Для начала, несколько базовых трендов и аксиом, чтобы мы могли обсуждать тему на одном языке:

1. LLM могут являться (имхо, точно не являются) путём к полноценному AGI/ASI в физическом мире, но они достаточны для выполнения большинства чисто когнитивных задач в совеременной экономике
2. Текущий уровень агентов, харнесов, моделей, лупов, оркестраторов вполне достаточен для того чтобы автоматизировать значительное (30%+) задач в экономике знаний (офисные задачи, коммуникация, любая работа с информацией и информационными системами)
3. Модели значительно улучшаются каждые ~3 месяца, цена за тот же уровень способностей падает как минимум вдвое каждые ~6 месяцев, open source модели с такими же способностями появляются на рынке через ~4 месяца после релиза SotA.
4. Наивная математика на основе этих вводных говорит что 30% задач от экономики знаний (~400 млн ролей) с трендом на увеличение качества и снижение цены уже сегодня подлежат автоматизации, и этот процент должен приблизиться к 60% в течении следующих пары лет.

Теперь о том, что я лично наблюдаю в процессе этой трансформации:

1. Для любой компании с долей офисного труда, автоматизация как минимум 30% работы сегодня возможна, необходима и неизбежна.
1.1 Неизбежна, потому что этого требуют конкурентные силы или проще говоря "жареный петух". Если ваш ближайший конкурент повышает свою эффективность, операционную маржу и продает сервис дешевле и лучше качеством, то у вас нет выбора не меняться. В каждой индустрии этот процесс начинается с разной скоростью, но начавшись, он продолжается как домино пока те, кто не смог трансформироваться не умрут, а остальные не перейдут на новые рельсы.
1.2 30% это очень рандомная цифра, но я не верю что она может быть меньше 20% для компаний размером от 1000 человек. Скорее всего, это ближе к 40-50% тех ролей и задач, которые людям делать не нужно. Это требует сокращения, объединение и пересмотрение ролей.

2. Главным препятствием на пути транформации является не технология, а воля. Любая компания должна:
- оцифровывать, записывать и иметь онтологию относительно 100% работы, артефактов и коммуникаций внутри, вплоть до движения мышки секретаря
- иметь агентские клоны для каждого такого оцифрованного процесса с доступом в реальном времени обновляемую базу знаний всего о бизнесе от сообщений клиентов до анонсов конкурентов или договоров с поставщиками
- иметь, анализировать и улучшать трейсы этих агентских задач
- иметь четкие эвалы для оптимизации автоматизации (пожалуй, два слова, которые точнее всего суммаризируют весь пост)
2.1 Этот процесс для компаний от 1к сотрудников займет не меньше года, но скорость крайне важна (см пункт 1.1)
2.1 Но это требует решимости, риска, видения и "яиц". Для многих крупных компаний принять решение о сокращении половины штата не может принять наемный СЕО и уж тем более не может это сделать кто-то под ним, потому что они сами боятся за свое место. В итоге из-за нерешительности и попытки защищить свои теплые местечки, компания целиком рискует своим успехом или даже существованием.

3. Именно автоматизация оптимизации, а не социализм гарантирует выживание в этой системе. Если вы топ-менеджер крупой компании или политик, то вы будете слышать постоянно лозунги о справедливости, потому что они выглядят как добродетель, но на самом деле разрушают общество: «Давайте чуть-чуть снизим прибыль бизнесу», «Давайте чуть-чуть сделаем менее жёсткий найм», «Давайте чуть-чуть поднимем налоги и раздадим».
3.1 В итоге, когда рост замедляется, людям кажется, что богатые всё забрали. Они требуют ещё больше перераспределения. А это ещё сильнее давит на рост. Получается замкнутый круг, который ведёт к почти нулевому, а потом и отрицательному росту.

4. Мораль? Её тут нет, кроме того что спасение утопающего это роль самого утопающего. Ни Альтман, ни Маск не пытаются построить коммунизм, но каждая компания в мире и только она ответственна на свое выживание. Это выживание потребует очень сложных и тяжелых решений в все более и более конкурентной среде. И главный челендж этих решений это не просто "внедрение", а редизайн организации вокруг новых возможностей. Простая замена Пети-юриста на Клода-маркетолога не решит проблему, потому что проблема не в тупом выполнении задач, а в дизайне такого процесса маркетинга, который находит новых клиентов и генерирует продажи все лучше и лучше по мере того как им управляют агенты, автономно учась на ошибках 24/7 быстрее любого сотрудника.
4.1 Это, конечно, приведет к полной автоматизации любого интеллектуального труда (тема отдельного эссе), но, кстати, создание новых бизнес-процессов и бизнес-функций, которые с нуля задизайнены для агентов может стать неплохой профессией на этом около-финальном отрезке гонки.

Сегодня был в Lighthaven, отеле-пространстве-сообществе (довольно приличном, кстати, не сквот), общался с автором gwern.net — очень интересный мужик, прям красиво рассказывает. И делает интересный проект, с целью дать каждому человеку персональный, не принадлежащий лабам, постоянно обучающийся и управляемый тобой ИИ "ангела". Проект амбициозный, стадия максимально ранняя, но сегодня этого достаточно чтобы поднять жалкие 20-30 млн чисто "на поиграться".

Параллельно в том же пространстве проходила конфа на тему алаймента и ИИ безопасности. Средний таймлайн участников такой, что после 2028 вряд ли останется место в экономике, а после 2030 вряд ли останется место для белковой формы жизни. Но там в основном студенты были, и у меня не было времени поговорить с ними и понять детально аргументы.

А вообще, одна из главных проблем с ИИ не в том что он умеет или как быстро развивается, а в том, что большинство людей вне индустрии почти не следит и не представляет себе что происходит.

Да, можно надышаться копиумом из разряда «если вы читаете этот канал или у вас локальный инференс + оркестрация 500 агентов каждую ночь, то вы входите в топ 1% людей», но реальность такова, что если вы работаете в одной из топ лаб в департаменте, который занимается рисерчем или стратегией, то вряд ли имеете реальное представление или возможность его получить.

Пропасть колоссальная, но любая идея из серии выбрать свою любимую маргинальную точку зрения и с пеной у рта её доказывать — заранее провальна. Полезнее же пытаться смотреть на первые принципы, менять свои priors и, конечно, звучать самопротиворечиво для тех, кто не делает то же самое.

В реальности логическая цепочка от "GPT взломал Huggingface" до "все и каждый представителей человечества уничтожены" примерно такая же длинная и бессвязная как от "мой кривой и косой промт в ллм не смог мне создать чертеж по госту" до "ии не является главным драйвером экономики".

Хороший и плохой язык, везение и невезение

Многие, на мой взгляд, успешные люди, привыкли "эффективно" писать и говорить.
Максимальная плотность смысла, которую человек схожего уровня легко распакует.

"Много работали над подготовкой слияния, потом решали последствия объединения (30% hq), сейчас вышли на старые показатели эффективности".

За этим предложением может быть история длиной В ГОД о слиянии двух многотысячных корпораций, борьба с регуляторами, массовые сокращения и объединения команд и стэков, и, тем не менее, выход в таргеты оборотов и продаж на объединённой базе.

Запакованного смысла там может быть на книгу, просто говорить об этом людям некогда.

Люди неэффективные, наоборот, склоны всё растягивать и драматизировать.
Я встречал товарищей, которые ситуацию, сводящуюся к "я не смог прочитать api и сделал дырявую интеграцию" могли описывать 40 минут в действующих лицах и подробностях, кто в чём виноват, И ТАК И НЕ ДОЙТИ до сути и плана исправления.

Не то, чтобы язык однозначно показывал профессиональный уровень, ёмкость просто неизбежна для выживания и экономиии времени.

Как следствие этого: 80% профессионального медиа-пространства забито историями от людей, у которых стабильно ничего серьёзного не получается, не содержащими информации вообще. Когда даёт интервью или пишет кто-то, у кого получается — значительная часть аудитории воспринимает слова типа "я пару раз попытался и получилось" буквально, не додумывая, что "одна попытка" такого человека, зачастую — это год работы в bleeding edge сегменте по 80 часов в неделю.

Отсюда растут стереотипы, сильно преувеличивающие как везение тех, у кого что-то есть, так и невезение тех, кто годами совершенствуется только в избегании ответственности.

Мой совет: считайте, по умолчанию, что везение минимально, у всех есть только невезение, и оно примерно одинаковое. А всему остальному нужно найти причины. Они скрыты где-то глубоко-глубоко за словами, догадывайтесь активнее. Такая модель мысли неточна, но очень продуктивна.

Не упрощайте всё до нулевого уровня приближения

Представим, что компания хочет открыть новый магазин, фитнес-клуб или клинику.

Часто прогноз спроса строят так:
1. Рисуют вокруг точки круг радиусом три километра.
2. Считают население внутри.
3. Умножают его на "коэффициент проникновения".
4. Получают прогноз с двумя знаками после запятой.

Проблема в том, что круг предполагает:
• все люди внутри него одинаково вероятно выберут ваш объект;
• все люди за его пределами к вам не придут.

В реальности клиент может жить в 500 метрах от клуба, но ездить в другой за два километра, потому что там дешевле, есть бассейн и лучше оборудование.
Другой клиент может проехать мимо двух конкурентов, потому что ваш клуб ему нравится больше.

Люди выбирают не ближайшую точку. Они одновременно сравнивают расстояние, цену, качество, бренд, ассортимент и режим работы.

Математически описывать такое поведение начали довольно давно.

В 1940-х годах Джон Стюарт и Джордж Ципф перенесли логику ньютоновской гравитации на взаимодействие между территориями.

Так появилась гравитационная модель:
• чем больше «масса» места - население, экономическая активность или привлекательность, - тем сильнее оно притягивает людей;
• чем больше расстояние, тем слабее притяжение.

Но гравитационная модель описывала общий поток между двумя точками и плохо отвечала на вопрос, какой из нескольких магазинов выберет конкретный человек.

В 1963 году Дэвид Хафф предложил вероятностную модель выбора.
Для каждого клиента оценивается привлекательность всех доступных объектов. Чем объект ближе и лучше, тем выше вероятность выбора. При этом вероятность зависит не только от самого объекта, но и от всех его конкурентов.
То есть спрос принадлежит не конкретному магазину или клубу.
Он распределяется между всеми доступными альтернативами.

В 1974 году Дэниел Макфадден предложил способ математически описывать выбор людей между несколькими вариантами - так называемую мультиномиальную логит-модель.
Проще говоря, он показал, как можно посчитать вероятность того, что человек выберет один вариант из нескольких. За эту работу и исследования поведения потребителей он позже получил Нобелевскую премию по экономике.

А в 1983 году Стюарт Фотерингем добавил поправку на кластеризацию конкурентов: одинаковые магазины работают по-разному, если один находится в окружении десяти конкурентов, а другой - единственный в районе.

Практически такая модель работает следующим образом.
Для каждого небольшого района рассчитывается привлекательность всех доступных объектов с учётом:
• расстояния;
• цены;
• качества;
• размера;
• ассортимента;
• бренда;
• уровня доходов населения;
• количества и типа конкурентов.

Затем спрос района распределяется между объектами пропорционально их привлекательности.
Ключевой момент - общий спрос сохраняется.

Открыли новый магазин - он забрал покупателей у конкурентов и, возможно, у ваших же точек.
Закрыли конкурента - его спрос перераспределился между оставшимися.
Снизили цену - часть клиентов перешла к вам.
Добавили бассейн - привлекательность клуба выросла, но не для всех сегментов одинаково.

Это позволяет считать:
• сколько клиентов реально привлечёт новая точка;
• у каких конкурентов она их заберёт;
• сколько продаж каннибализирует у собственных объектов;
• где есть неудовлетворённый спрос;
• где рост ограничен маркетингом, а где - физической вместимостью;
• как изменение цены повлияет на конкретный объект с учётом его района и конкурентов.

Особенно важна каннибализация.

Можно открыть новый магазин, показать его выручку и объявить запуск успешным. А потом выяснить, что значительная часть покупателей просто перешла из соседнего магазина той же сети.
Новый объект вырос.
Сеть - почти не выросла.

Круги на карте используют потому, что они простые и понятные.
Но решения о том, где открывать магазины, что закрывать, сколько инвестировать и какую цену устанавливать, слишком дорогие, чтобы принимать их на основании круга и среднего коэффициента проникновения.
Тем более что моделям Хаффа уже больше 60 лет.
Просто теперь их можно посчитать не на нескольких сотнях анкет, а на миллионах транзакций - и за несколько минут на обычном ноутбуке.

Cloudflare сделали для ИИ агентов возможность выкатывать проекты без регистрации и смс

Экспериментировать и писать код с агентами легко, но делиться вайб-проектами всё ещё сложно - друзья опять жалуются, что http://localhost:3000 у них не открывается.

Поэтому Cloudflare сделал возможность чтобы агент мог без создания аккаунта временно залить проект на его сервера. Там проживёт он час для тестов, а потом можно его забрать в своей аккаунт.

Прикольно, тестируем.

Как работают временные аккаунты
Cloudflare интегрировала решение в свой cli Wrangler, которым ИИ-агенты уже умеют отлично пользоваться.

Обнаружение: Если незалогиненный агент пытается выполнить деплой, Wrangler теперь сам подсказывает ему использовать новый флаг --temporary.

Создание: Агент выполняет команду wrangler deploy --temporary. Cloudflare мгновенно создает временный аккаунт, выдает агенту рабочий API-токен и возвращает специальную ссылку для подтверждения (claim URL).

Итерация: В рамках одной сессии ИИ-агент может сколько угодно раз обновлять код и делать повторные деплои (например, менять текст, проверять работу через curl и исправлять ошибки).

Присвоение или удаление: Временный аккаунт и деплой активны в течение 60 минут. За это время человек-разработчик может перейти по выданной ссылке, войти в свой профиль Cloudflare и навсегда забрать этот проект (включая базы данных и прочие привязанные ресурсы) себе. Если в течение часа аккаунт никто не заберёт, он автоматически удаляется.

https://blog.cloudflare.com/temporary-accounts/

Расписание мероприятий ShareAI на сентябрь.

3 сентября, онлайн-встреча. ИИ в стратегическом планировании: от экспериментов к операционной модели. Антон Проценко – руководитель стратегии и инноваций Яндекс 360.

4 сентября, оффлайн-митап (Москва). ИИ в бизнесе с технической и экономической стороны: рынок, реальные кейсы, живой разговор. Вячеслав Тарасов (CTO Brio Capital) и Олег Бирюков (директор Московского региона Билайна).

9 сентября, бизнес-завтрак. Аналитика голоса клиента с ИИ: как превращать отзывы в решения. Валерий Ващенко – начальник Управления AI-аналитики Альфа-Банка.

10 сентября, онлайн-встреча. ИИ-обед: неформальный разговор об инструментах, кейсах и собственном опыте. Ведёт Валентин Добровский, сооснователь AIAIAI.

17 сентября, онлайн-встреча. Где на самом деле ломается маркетинг стартапа: выводы после 100 проектов. Секретный спикер, 18+ лет в предпринимательстве и медиа.

23 сентября, коктейльная встреча. Вечер с экспертом, общение и нетворк. Спикера объявим позже.

24 сентября, онлайн-встреча. Технотренды — мой доклад о том, что случилось в мире за последние два месяца.

Всех предпринимателей приглашаю присоединиться к Клубу. Участие бесплатно, но требуется прохождение небольшого собеседования и взнос в любую благотворительную организацию на ваш выбор, как подтверждение реального интереса к проекту.

https://shareai.space/

#shareai

Искусственный интеллект – источник устойчивого экономического роста

говорят уважаемые люди на полях ВЭФ

Есть хороший текст о том, что ИИ уже сейчас увеличивает производительность труда отдельных сотрудников или даже фирм. Но этот рост не приводит к росту производительности труда на макроуровне, т.е. TFP не растет

Одна из простейших гипотез: увеличивается скорость решения отдельных задач, но не всего производственного процесса

Условно, если мой аналитик с помощью ИИ стал в 5 раз быстрее строить модели и рисовать презентации, мы все равно не закроем в 5 раз больше сделок, потому что мне впадлу толкнуть процесс дальше я сижу на многочасовом созвоне с ключевыми стейкхолдерами о текущем статусе сделки и основных роадблокс, мешающих сделать процесс более стримлайнд.

Но после меня результат должны одобрить на своих комитетах ключевые стейкхолдеры, а следующий комитет откладывается на 2 недели, потому что председатель сейчас на конференции о том, как искусственный интеллект помогает устойчивому росту экономики

@unexpectedvalue

Три вопроса, чтобы понять — стоит ли делать такой продукт?

Принципы продуктового менеджмента одного американского стартапа, который сейчас оценивается в 11.5 миллиардов долларов, основан на трёх вопросах:

1. Может ли продукт иметь ценность сразу после запуска? Если нет — то нет времени тратить на это время 😉

2. Может ли этот продукт быть кирпичиком для следующих продуктов? Если нет — не делаем, потому что это тупиковая ветвь развития.

3. Можно ли проверить гипотезу ценности на минимальном количестве пользователей? Если да — делаем и быстро проверяем. Если не работает — быстро выкидываем. Если работает — начинаем делать то, для чего этот продукт является кирпичиком.

🔥 Бери для развития своих продуктов хорошие идеи, отвечающие этим критериям — из моих разборов интересных стартапов и трендов на https://fastfounder.ru/news

Умный продакт - бедный продакт

Тяжело быть умным продактом с развитой рефлексией. После каждого неудачного запуска начинаешь думать, что с тобой что-то не так, кругом все умные, а ты туповат. Все знают какое-то секретное кунг-фу и состоят в масонских чатах, а ты опоздал на их раздачу. В совершенстве знают английский язык, встают в 6 утра, занимаются спортом, ведут осознанный образ жизни, успешно инвестируют, имеют кубики пресса и популярный Телеграм канал. В результате вместо того, чтобы работать над продуктом, сидишь и думаешь где ты свернул не туда.

Пока думаешь, что с тобой не так, туповатый сосед без рефлексии запустит 10 экспериментов и получит результат быстрее не потому что умнее тебя, а потому что просто продолжает делать.

Инстаграмбл продукт

Виралка в 2026 выглядит так:

– Делается какой-то виджет, который можно запостить к себе в сториз или рилс. Например как ты сегодня покакал, как быстро доехал с работы или сколько раз за сегодня тебе вынесли мозг дети
– Вокруг виджета строится простенькое приложение, суть которого брать деньги и показывать этот виджет
– Дальше несем это блогерам (или UGC креаторам), которые пилят из этого рилсы и рассказывают как сегодня у них, и предлагают замерить тоже
– Смотрим что цепляется, скейлим интеграции

Суть в том, что надо найти формат который будет достаточно веселый и тупой, чтобы разлететься органически по куче аккаунтов, и дальше от этого трафика строить продукт.

Формат должен быть построен на какой-то регулярной активности, которую мы и так делаем каждый день.

Все вместе это образует класс инстаграмабл продуктов. То есть продукт, который специально сделан для шорт-форм контента, и это его единственная функция.

Пример? TripRank

Собрал практическую библиотеку по GR

На сайте теперь 24 статьи для тех, кто работает с государственными органами и регулированием.

Материалы помогут:
– определить обязанности GR-директора и GR-менеджера;
– составить GR-стратегию и годовой план;
– подготовиться к встрече с представителями власти;
– написать деловое обращение в ведомство;
– оценить регуляторные риски;
– разобраться в различиях между GR, PR и лоббизмом.

В каждой статье есть понятная последовательность действий, примеры, таблицы и чек-листы. Можно сразу выбрать свою рабочую задачу и начать с неё.

Роман Сидорец | Диалог с государством — канал про GR для бизнеса