- Можно ли делая проекты/стартапы напрягаться по 40 часов в неделю?
- Какой процент надо тратить на стратегию, а сколько на встречи, кодинг, работу с командой?
- Как не выгорать от неудач?
Хотите получить отчеты на эти вопросы не из книжек, а на основе данных хронометража запуска реального проекта по задачам за 5 лет.
https://www.perplexity.ai/page/iskusstvo-i-nauka-upravleniia-luozN4saSx.sWVKHF6HSEw

А если посмотреть на изменения, которые делают (а не просто говорят) - сейчас в США - с точки зрения Pivot стартапа (это справедливо, так как за изменениями стоит главный по стартапам сегодня в США - Питер Тиль)
я уже писал о новой команде - которая занимается трансформацией экономики США.

Стратегия Трампа демонстрирует 6 принципов стартап-менеджмента в макроэкономике:
- Pre-seed Stage: Захват узкой ниши (энергетика + AI) перед глобальной экспансией
- Growth Metrics: Ежемесячные отчёты по прямым инвестициям вместо годовых бюджетов
- Regulatory Sandbox: Создание 25 закрытых инновационных зон
- Talent Acquisition: "Охота за головами" через налоговые каникулы для репатриантов
- Capital Efficiency: Использование тарифов как краудфандингового инструмента
- Exit Strategy: Продажа технологических стандартов как IPO национального масштаба

Эта модель, несмотря на риски, создаёт парадигмальный сдвиг: страны более не конкурируют территориями или населением, а борются за статус "технологического юникорна" с монополией на критические технологии. Как отмечает Александр Карп в "Технологической Республике", будущее принадлежит государствам, способным "переизобрести себя как стартапы с миссией".

Подробнее - см вложенный файл

Runway, старожилы в области генерации видео, выпустили четвертое поколение свой видео-модели, Gen-4. Всё как обычно стало лучше, быстрее, точнее и честно говоря Gen-3 и так был не плох как профессиональный инструмент. https://techcrunch.com/2025/03/31/runway-releases-an-impressive-new-video-generating-ai-model/

💬 Вопрос-ответ: задайте свой вопрос о запуске проектов и стартапов с AI!

Друзья, мы запускаем рубрику Q&A (вопрос-ответ), где вы можете задать любые вопросы о умном запуске проектов и стартапов с использованием AI и получить ответы прямо от нас!

❓ Что можно спросить?
- Как начать свой проект с AI?
- Какие инструменты и подходы мы рекомендуем?
- Как использовать материалы канала для вашего стартапа?
- Или любой другой вопрос, который вас волнует!

🗣 Как задать вопрос?
1. Напишите ваш вопрос в комментариях под этим постом.
2. Или отправьте голосовое сообщение в обсуждениях канала.

🎙 Самые интересные вопросы мы разберем в отдельной публикации или ответим голосовыми сообщениями!

Ждем ваши вопросы и будем рады вашей обратной связи 😊

ИИ напишет за вас НАУЧНУЮ СТАТЬЮ за один промпт — и это будет не очередной рерайт с первых десяти страниц гугла, а настоящее исследование, которое не стыдно будет опубликовать в научном журнале под индексами ВАК или Scopus.

Ниже дан промпт для MedPublish Pro. Вы можете адаптировать этот промпт под любую научную нишу. Проверено в AI, маркетинге, авиации… совет - в perplexity включать поиск по академическим (научным источникам). Каждый день по 2-3 разных ниши анализирую по рабочим проектам, а потом еще и в глубь изучаю. Качество уровня выпускника MBA MIT.

<Role>
You are MedPublish Pro, an expert in academic medical research writing with extensive experience in manuscript development, scientific publishing standards, and medical research methodologies. You possess comprehensive knowledge of various journal formatting guidelines (APA, AMA, ICMJE, etc.), statistical analysis interpretation, and effective scientific communication.
</Role>

<Context>
The user is a medical researcher, clinician, or academic who has collected data for a study and has a defined research aim. They need assistance transforming this raw information into a structured, publication-ready scientific manuscript that meets current academic publishing standards. Medical manuscript writing requires precise organization, field-specific terminology, methodological rigor, and adherence to established formatting conventions.
</Context>

<Instructions>
1. First, request the user's research aim/hypothesis and a summary of their available data (including study design, key variables, population characteristics, and primary findings).

2. Analyze the provided information to identify the appropriate manuscript structure, methodology description needed, and potential target journals.

3. Guide the user through developing each section of their manuscript systematically:
- Abstract: Create a structured or unstructured abstract (based on target journal preferences) that concisely presents the study's purpose, methods, key results, and principal conclusions.
- Introduction: Develop a compelling narrative establishing the research context, knowledge gap, and clear purpose statement.
- Literature Review: Synthesize relevant background studies, identify theoretical frameworks, and establish the scientific foundation.
- Methodology: Structure a detailed methods section covering study design, participant selection, ethical considerations, data collection procedures, and statistical analyses.
- Results: Organize findings logically with appropriate statistical reporting, tables, and figures.
- Discussion: Interpret results in context of existing literature, address limitations, and explore implications.
- Conclusion: Summarize key findings and their contribution to the field.
- References: Format citations according to the appropriate style guide.

4. For each section, provide:
- A draft based on the user's data and research aim
- Structural recommendations for improvement
- Suggestions for strengthening scientific arguments
- Identification of potential weaknesses to address

5. Offer guidance on journal selection based on the research scope, significance, and methodology.

6. Advise on appropriate statistical reporting, data visualization, and ethical statement requirements.
</Instructions>

<Constraints>
1. Do not fabricate or invent data not provided by the user.
2. Maintain scientific accuracy and use discipline-appropriate terminology.
3. Adhere strictly to ethical research language guidelines (avoiding stigmatizing language, maintaining participant dignity).
4. Avoid making clinical recommendations beyond what the data supports.
5. Remain current with reference to recent (within 5 years) medical research standards.
6. Respect intellectual property and avoid plagiarism in all generated content.
7. Acknowledge limitations in the dataset or methodology.
8. Maintain scientific objectivity and avoid sensationalizing findings.
</Constraints>

Привет, я Денис Чаннов — предприниматель, преподаватель и инженер-разработчик с авторскими свидетельствами в области сельского хозяйства и авиации. За плечами почти 35 лет предпринимательского опыта и несколько интересных проектов, над которыми сейчас работаю:

Мои текущие проекты:
- "Манифеста" — перезапуск рекламного агентства с интеграцией AI-инструментов на всех этапах работы
- "ДАША" — музыкальные микро-вселенные (представьте Netflix, но для коротких музыкальных видео с проработанными мирами и персонажами)
- Startobus — наша "образовательная маршрутка", которая доставляет вас к знаниям по заранее проработанным маршрутам

Что ждёт вас в канале в ближайшее время:

За годы в бизнесе я понял одну интересную вещь — раньше написание инструкций и проработка бизнес-процессов казались мне бесполезной тратой времени. Напишешь что-то неделями, а к концу работы это уже неактуально.

Но с появлением искусственного интеллекта ситуация изменилась. Сейчас я активно интегрирую AI-ассистентов и агентов в рабочие процессы, и для получения предсказуемых результатов важно иметь четко прописанные алгоритмы.

В ближайшие две недели буду делиться с вами:
- Сложными промптами в формате XML для современных рассуждающих моделей ИИ
- Примерами скриптов-ассистентов, где нужен симбиоз человека и ИИ
- Кейсами автоматизации процессов на платформе n8n.com (мониторинг конкурентов, генерация идей, обновление справочников, автоматические отчеты по рекламным кампаниям)

Все это делаю, чтобы применять в реальной практике. Постараюсь делиться всем, что может быть полезно, не раскрывая при этом коммерческих секретов.

У вас есть вопросы о применении ИИ в бизнесе или интересуют конкретные аспекты работы с AI-инструментами? Не стесняйтесь задавать их в комментариях!

#Startobus #ИИвБизнесе #AIпромпты

Иногда у меня при глубокой изучении темы с ИИ - тред исследования растягивается на несколько десятков, а бывают случаи сотен постов.

Даже пролистать это обсуждение бывает сложно - вкладка браузера до 1 Гб начинает весить.

В этом случае создал себе такой xml промт.

Если дискуссия очень большая, то прошу сначала изучить весть тред и разбить на логические блоки. Он разбивает дискуссию по группам сообщений. И далее уже запускаю промпт на те сообщения, которые нужны.

Революция за кадром: как AI трансформирует индустрию видеопродакшена

Сделать в AI один хороший ролик задача доступная каждому. Но сегодня для того чтобы тебя заметили надо для одного проекта генерировать по 2 вертикальных видео в день на одну алгоритмическую ленту (это около 6 с учетом запрещенных и пессимизируемых в России).

12 минут видео, хорошего, которое реально залетит подписчикам - каждый день. А если у вас 3 проекта (Манифеста, Стартобус, ДАША) и каждому из этих проектов надо еще и по несколько подпроектов обрабатывать - то есть это около 100 минут в день. При этом каждая минута генерируется около 72 минут. Как вам нагрузка). Если бы не современные инструменты автоматизации - это задача нерешаемая. НО…

В тихих монтажных комнатах и на шумных съемочных площадках сегодня происходит революция, незаметная для обычного зрителя, но кардинально меняющая индустрию видеопроизводства. Искусственный интеллект, еще недавно казавшийся лишь футуристической концепцией из научно-фантастических фильмов, превратился в неотъемлемого члена съемочной команды, размывая границы между традиционными и цифровыми методами создания контента.

От месяцев к дням: временная компрессия творчества

Традиционный видеопродакшен всегда был процессом трудоемким и линейным. От момента первичного брифа до готового ролика могли пройти недели или месяцы кропотливой работы. Многочисленная команда специалистов последовательно создавала горы документации: синопсисы сменялись трактовками, за сценариями следовали раскадровки, мудборды превращались в режиссерские экспликации.

Сегодня этот процесс сжимается до неузнаваемости. То, что раньше требовало нескольких недель совместной работы маркетологов, креативных директоров и сценаристов, теперь выполняется за дни или даже часы. AI-системы анализируют тренды и аудиторию одновременно с формированием креативной концепции. Вместо разрозненных документов формируется единый интеллектуальный пакет контента, где каждый элемент связан с другими в динамической экосистеме.

Например, современный креативный бриф уже не существует отдельно от анализа целевой аудитории – AI-инструменты вроде Brandwatch и SimilarWeb в реальном времени дополняют его актуальными данными о предпочтениях потенциальных зрителей. Рождается новый формат – "AI-Enhanced Creative Brief", который сокращает подготовительный этап с недель до дней.

Виртуализация физического: съемка без съемок

Пожалуй, наиболее радикальные изменения происходят на этапе непосредственного продакшена. Традиционная модель, требовавшая массивной логистики, оборудования и многочисленной команды, уступает место виртуальным методам производства.

Поиск локаций, некогда занимавший недели разведывательных поездок и переговоров, сегодня трансформируется в процесс цифрового конструирования пространств. Инструменты вроде NVIDIA Omniverse и Blockade Labs позволяют создавать фотореалистичные виртуальные окружения, не покидая студии. Экономия колоссальна – до 95% времени и бюджета.

Ещё более революционным стало появление цифровых аватаров. Кастинги, репетиции, съемки дублей – весь этот трудоемкий процесс может быть заменен созданием синтетических персонажей через HeyGen или DeepBrain AI. Актерская игра становится программируемым параметром, а не переменной, зависящей от человеческого фактора.

Даже в случаях, когда используются реальные актеры, технологии вроде Flawless AI позволяют корректировать их выступления постфактум, устраняя необходимость в пересъемках. Это меняет не просто технический процесс, но и фундаментальную концепцию актерского мастерства.

Интеллектуальный монтаж: от склейки к эмоциональной оптимизации

Постпродакшен, традиционно самый технически сложный и ресурсоемкий этап создания видео, также претерпевает глубокие изменения. Монтаж перестает быть просто склейкой кадров, превращаясь в интеллектуальный процесс, управляемый эмоциональными алгоритмами.

Современные инструменты, такие как Adobe Premiere Pro с интеграцией Firefly, анализируют не только техническое качество материала, но и его эмоциональное воздействие.

Они автоматически выстраивают повествовательную структуру, основываясь на психологических принципах удержания внимания зрителя. Многоэтапный процесс черновых, промежуточных и финальных монтажей сжимается до единого интеллектуального потока работы.

Цветокоррекция, некогда требовавшая дорогостоящих специалистов, сегодня выполняется алгоритмами вроде ColourLab AI с точностью, превосходящей человеческую. Визуальные эффекты, исторически доступные лишь высокобюджетным проектам, становятся стандартным элементом даже небольших продакций благодаря инструментам типа RunwayML.

Мультиплатформенность как базовый принцип

Новая эра видеопродакшена характеризуется и принципиально иным подходом к дистрибуции. Если традиционно создание версий для разных платформ было трудоемким дополнительным процессом, то сегодня мультиплатформенность заложена в саму архитектуру производства.

Инструменты вроде VideoPoet автоматически адаптируют контент под различные соотношения сторон, ElevenLabs обеспечивает моментальный многоязычный дубляж, а Whisper AI генерирует субтитры с учетом специфики разных платформ. Процесс, ранее занимавший недели, сжимается до нескольких часов, позволяя запускать глобальные кампании практически одновременно на всех целевых рынках.

Новая экосистема: от фрагментации к интеграции

Возможно, наиболее значимым изменением становится не оптимизация отдельных процессов, а их интеграция в единую интеллектуальную экосистему. Традиционный продакшен с его четким разделением ролей и этапов уступает место модели связанных процессов, управляемых централизованной системой автоматизации.

Современные студии внедряют системы наподобие n8n, позволяющие автоматизировать передачу данных между этапами производства и инструментами. Формализованные документы вроде "AI Production Pipeline Blueprint" структурируют весь рабочий процесс, делая его прозрачным и управляемым.

Новая роль человека в эпоху AI-продакшена

В этой трансформирующейся реальности меняется и роль человека. Она не исчезает, но эволюционирует. Продюсеры из операционных менеджеров превращаются в стратегических архитекторов креативных решений. Режиссеры фокусируются не на технической реализации, а на эмоциональной точности и стилистической уникальности.

Возникают и принципиально новые профессии: промпт-инженеры, специалисты по синтетическим медиа, AI-директора. Они существуют на стыке технологий и креативности, формируя новый язык цифрового повествования.

Заключение: будущее уже наступило

Революция в видеопродакшене – это не просто технологическая оптимизация, а фундаментальный сдвиг парадигмы. Экономия времени и ресурсов (достигающая порой 80-90%) – лишь видимая часть айсберга. Глубже лежит принципиальное изменение творческих возможностей.

То, что когда-то казалось фантастикой – создание фотореалистичных сцен без камеры, актеров без кастинга, мгновенная адаптация контента для глобальной аудитории – сегодня становится повседневной практикой ведущих студий. И пока индустрия только начинает осознавать масштаб этих перемен, те, кто первыми освоят новые инструменты и процессы, получат беспрецедентное конкурентное преимущество в создании визуального контента нового поколения.

Будущее видеопродакшена не близко – оно уже здесь, меняя саму суть того, как мы создаем и воспринимаем движущиеся изображения.