Посты канала from:adam

сначала новые

#603Текстизменён
Просмотры2 541−1%к среднему
Пересылки75
Реакции96
Комментарии43
Динамика просмотровСкрыть динамику

Рост просмотров

Часов после публикации

Показать таблицей
Часов после публикацииПросмотры
0 ч0
4 ч1 533
77 ч2 541
  1. Через 6 часов1 533
  2. Всего сейчас2 541
#602Текст

Посмотрел свежее интервью со Сторонским (CEO и фаундер Revolut). У него там прозвучал тезис, что наёмные CEO всегда проигрывают фаундерам, так как по сути сидят три-четыре года ради бонуса, всегда играют в защиту и думают о себе и о компании как о двух разных вещах, а фаундер не разделяет себя и считает себя с компанией одним целым, поэтому против традиционных банков, где рулят наёмные менеджеры, конкурировать легко. Мне повезло поработать и с основателями, и с наёмными CEO, да и сам какое-то время был наёмным CEO в компании основателей, так что видел обе картинки. Наблюдение у него, на мой взгляд, правильное: наёмный руководитель и правда чаще играет от обороны. Только дело тут не в особом духе основателя, а в том, как устроен реворд. Наёмного менеджера оценивают по годовым метрикам, финрезультату, от которых зависит бонус за год, два, три, четыре (везде по-разному), за провал его снимают, а за упущенную возможность никто не спрашивает, ибо невозможно спросить за то, чего не было, и любой нормальный человек в такой системе начинает защищаться. Основатель получает награду через стоимость компании лет через десять, поэтому ему выгодно рисковать там, где наёмному менеджеру выгодно переждать. Стоит поменять механизм, и наёмный CEO начинает играть агрессивно не хуже основателя. Наделла пришёл в Microsoft после кучи лет застоя, когда акции почти не росли, и лет за десять поднял их раз в десять. Кук 15 лет вёл Apple после основателя и кратно её вырастил, а банкир с Уолл-стрит, чей ужин угрожает забрать Сторонский в этом же интервью, уже двадцать лет успешно руководит крупнейшим банком Америки. Никто из них не основатель, у всех длинный мандат и заметная часть вознаграждения в акциях компании. Смешно, что у самого Сторонского есть мотивационный пакет в духе Маска с дополнительной долей за рост капитализации, так что даже основателю одного духа не хватило и механизм пришлось докрутить. Вывод про «дух» ему просто удобен, он готовит компанию к IPO и нанимает тысячи людей, и такая история хорошо работает на инвесторов и кандидатов с рынка. Основателей, которые на смелости взорвали компанию вместе с деньгами инвесторов (WeWork, FTX, Theranos и т. д.), в подкасты про величие не зовут, поэтому выборка у таких интервью всегда из выживших. В банках защита вообще часть бизнес-модели. Регулятор существует как раз потому, что смелые банки иногда сгорают вместе с деньгами клиентов, а инкумбенты медленные из-за старого банковского легаси и требований к капиталу, и основатель на месте их CEO упрётся ровно в то же самое. Тот же механизм объясняет, почему люди в подобных компаниях чаще выгорают. Сотрудники с компанией одним целым не являются, их награда устроена как у тех самых наёмных менеджеров, только спрашивают с них как с основателя. Все мои знакомые, кто работал в Революте, после года-двух потом примерно столько же восстанавливались, закидываясь по пути антидепрессантами. Режим вечного агрессивного наступления хорошо продаётся инвесторам, а платят за него те, кто идёт в рядах штурмовиков.

Открыть в Telegram
Просмотры2 211−14%к среднему
Пересылки70
Реакции139
Комментарии15
Динамика просмотровСкрыть динамику

Рост просмотров

Часов после публикации

Показать таблицей
Часов после публикацииПросмотры
0 ч0
11 ч1 905
35 ч2 095
58 ч2 183
71 ч2 211
  1. Всего сейчас2 211
#601Текстизменён

В сети продолжает педалироваться тезис, мол, какие вообще теперь могут быть моаты, если ИИ за вечер напишет любую апку. Об этом и в линкедин говорят, и в твиттере, и в тг, и везде. Ощущение, будто когда-то это вообще было защитой. По факту, почти никогда написание софта моатом и не было, это всегда была просто фора, как писал здесь. Если ты попадал в востребованную нишу, венчуры потом тупо заваливали её деньгами, и на эти деньги нанимали столько инженеров, сколько нужно, чтобы написать всё то же самое и лучше. Повторить продукт можно было чеком, а не какой-то гениальностью команды. Защищало другое, то, что просто за бабки не купишь. Пользователи, которые сидят у тебя, потому что здесь все остальные. Клиенты, которые тебя интегрировали в свои процессы и жизнь, а теперь боятся переезда больше, чем твоего ценника. Масштаб, на котором каждая следующая единица обходится дешевле, чем у догоняющего. Бренд и каналы дистрибуции, которые нельзя навайбкодить за выходные. Про эти фундаментальные силы защиты я писал в посте, который цитируется мной здесь, кажется, чаще всего. ИИ ни одну из них не отменил. Принципы остались теми же, может меняться их проявление, но оно менялось и без всякого ИИ, с каждым новым продуктом, платформой или каналом. ИИ просто сделал ещё дешевле то, что и так покупалось за деньги. Моаты как были там, где были, так там и остались.

Открыть в Telegram
Просмотры2 335−9%к среднему
Пересылки62
Реакции77
Комментарии4
Динамика просмотровСкрыть динамику

Рост просмотров

Часов после публикации

Показать таблицей
Часов после публикацииПросмотры
0 ч0
5 ч1 647
13 ч1 914
25 ч2 168
74 ч2 335
  1. Через 6 часов1 647
  2. Через 24 часа2 168
  3. Всего сейчас2 335
#600Текст

Синдром самозванца почему-то принято обсуждать с улыбкой и в шутливых коннотациях. Про него часто шутят на конфах, придумывают мемы, в линкедине кокетничают им при повышении. В целом, у него флёр милой черты умных людей, типа скромности, с которой децл переборщили. Ну как бы вообще-то это страшная штука. Человек с ним живёт в фоновом страхе, что его вот-вот разоблачат и все выяснят, что он тут случайно. Из-за этого он не идёт на роль, до которой давно дорос, молчит на встрече, когда видит ошибку, не делится тем, в чём разбирается лучше всех в комнате. Возможности проходят мимо тихо, и этого он не замечает, как и остальные вокруг. Но это полбеды. Тот, кто систематически занижает свой уровень, считает всё, что знает и умеет, базой, которую знают все. Раз ему что-то очевидно и понятно, значит очевидно и остальным, и собственная экспертиза в голове тупо превращается в нижнюю планку. Свои знания он обесценивает и одновременно меряет по ним других, искренне не понимая, почему джун не видит того, что якобы очевидно, хотя за этим стоят годы опыта и экспертизы, которые он сам себе не засчитывает. Так самый строгий к себе человек в команде начинает выжигать людей вокруг, и со стороны это выглядит как высокие стандарты, за которые его ещё и хвалят. Для меня это было довольно сильным откровением. Я долго считал, что бар-рейзинг это норма, а стремление брать всё более высокие планки это база. В целом, закрыв глаза на нюансы, так и есть, только гэп между тем, где человек сейчас, и планкой, которую ты ему ставишь, должен быть адекватным. Просчитать эту адекватность тяжело, когда сам себя в этом мире воспринимаешь неадекватно.

Открыть в Telegram
Просмотры2 770+7%к среднему
Пересылки76
Реакции155
Комментарии2
Динамика просмотровСкрыть динамику

Рост просмотров

Часов после публикации

Показать таблицей
Часов после публикацииПросмотры
0 ч0
3 ч1 461
11 ч1 749
30 ч2 109
63 ч2 693
75 ч2 770
  1. Через 24 часа2 109
  2. Всего сейчас2 770
#599Текст

Заметил, как по соцсетям форсят старое интервью Чески. Он говорит, что не верит в 1-1 и что почти ни у одного великого CEO их не было, а недавно сказал, что регулярные 1-1 не просто не нужны, а хуже других форматов. Претензия у него конкретно к регулярной часовой встрече, где повестку задаёт сотрудник. По его словам, руководитель на ней превращается в психотерапевта, а вопросы, которые стоило бы слышать всей команде, обсуждаются приватно вдвоём. Забавно, что учиться менеджменту Чески сам советует по книге Гроува, в которой как раз 1-1 это встреча подчинённого, где повестку и тон задаёт он. Видимо, Гроув, который построил Intel, в клуб великих CEO не прошел. Чески вообще любит громкие спорные заявления, то founders mode, то "продакты не нужны" (правда, потом объяснял, что продакты никуда не делись), теперь вот 1-1. И каждый раз у меня ощущение, что он путает причину со следствием. То, что работает у него и в его положении, он выдаёт за свойство самого инструмента и правило для всех. Справедливости ради, претензии у него по делу. Если на 1-1 пересказывают статус задач, это тупо потерянный час, а если там принимают решения, остальная команда в них не участвует и потом их, как правило, хуже поддерживает. Только это проблемы плохо проведённых встреч, а не формата. Смешно, что лучше всего пользу встречи предсказывает то, сколько на ней говорит сам подчинённый, а хуже всего работают 1-1, где больше говорит руководитель. Я уже писал, что про работу на 1-1 говорить можно и нужно, а статус обсуждают в других местах. Вторую претензию отрабатывает принцип из поста про управление менеджерами. Если к тебе пришли через голову твоего менеджера, выслушай, а решение оставь ему. Со скипами так же. Слушать людей через уровень нужно, иначе видишь только то, что тебе пересказали твои менеджеры, но решать за спиной менеджера нельзя. Чем опытнее человек, тем меньше его надо контролировать, и сеньора не нужно каждую неделю спрашивать, как там у него движуха с проектом. Но на 1-1 же ты узнаёшь ещё и то, что человек никогда не скажет при всех, и эта часть с опытом никуда не девается. По опросам чем выше уровень, тем чаще люди сами хотят встречаться с руководителем один на один. Почему, исследования не объясняют, но по моим наблюдениям людям не хватает контекста сверху Отказ от 1-1 у Чески работает, потому что у него совсем другая система. Он лично участвует в управлении 40-50 сотрудниками, в том числе через уровень, занимается их наймом и продвижением, а ещё ревьюит десятки проектов с периодичностью от недели до нескольких месяцев. Контроль у него идёт через эти ревью, контекст топы получают на общих встречах, а его главная задача в том, чтобы топы договорились между собой, и это проще делать всем вместе. Если же у топа что-то личное или неудобное для общего стола, он сам наберёт CEO, и такие разговоры Чески как раз признаёт. Но у такой системы есть и удобная сторона. По моим наблюдениям, чем ближе к CEO, тем хуже человек как пипл менеджер, а запрос на развитие у его людей никуда не девается, его просто отдают внешним коучам. Так что когда CEO говорит, что 1-1 не нужны, стоит помнить, кто это говорит. Иногда это просто удобный способ не делать то, что у тебя плохо получается. Но главная проблема в том, что сейчас отрывки интервью Чески смотрят условный Group PM или EM с пятью репортами, а регулярный слот нужен как раз тем, кто со своей проблемой сам не придёт, и внизу орг чарта таких большинство. Результат работы своих людей он, конечно, видит, но не всегда понимает, почему один из них вторую неделю буксует на месте или почему другой принял именно такое решение. При этом развивать этих людей, кроме него, особо некому. И при всех никто из них не расскажет ни про выгорание, ни про то, что ему уже вовсю пишут рекрутеры. Отменит такой руководитель 1-1 и о проблемах начнёт узнавать, когда они уже вылезли в метриках, а об уходе человека из заявления на увольнение. И ведь отменить захочется многим. 1-1 это скучная регулярная работа, а тут ещё и красивый аргумент подвезли. Даже Чески не проводит!

Открыть в Telegram
Просмотры2 266−12%к среднему
Пересылки43
Реакции52
Комментарии0
#595Текст

Переслано из Борода продакта

Я нашел три исследования за последние три года, которые частично могут пролить свет на эффект шринкфляции продуктового мышления. Здесь я приведу только ключевые тезисы, сами исследования вы можете почитать по ссылке. 1. Качество результатов НЕ увеличивается, если вы не обладаете знаниями и опытом для верификации результата. В 2024 году компания McKinsey провела эмпирическое исследование 40 менеджеров продуктов из разных стран. Каждый участник должен был индивидуально выполнить 5 типовых задач, соответствующих стадиям жизненного цикла продукта, и сформировать результирующий артефакт. Участники были разделены на три группы в зависимости от уровня доступа к ИИ инструментам (без ИИ, с доступом к общему ИИ, с доступом к специализированному ИИ). В результате эксперимента удалось: - Сократить время выполнения задач менеджерами продуктов от 15% до 40%. - Как следствие, сократить time-to-market на 5%. Основная экономия достигнута за счет синтеза пользовательских исследований, написания пресс-релизов, создания one-pager, PRD и беклога. - При этом менеджеры продуктов смогли использовать это освобожденное время для решения стратегических задач по долгосрочному развитию продуктов. Senior Product Manager сохранили высокое качество результатов, а за счёт скорости стали ещё эффективнее. В то время как Junior выиграли в скорости, но качество их результатов снизилось, т.к. пока они не умеют правильно проверять и корректировать выводы нейросети. ИИ не заменяет базовые продуктовые навыки, produce sense и умение критически оценивать результат. Ссылка на исследование 2. Качество результатов НЕ увеличивается, если вы не обладаете развитыми метакогнитивными способностями. Метапознание, или метакогнитивные способности (metacognition) — это «мышление о мышлении», то есть осознание и регулирование собственных когнитивных процессов. Оно включает в себя планирование, мониторинг и оценку обучения для улучшения результатов. Развитие этих навыков помогает учащимся стать более стратегически мыслящими, рефлексивными и независимыми. В 2025 году группа ученых провела полевой эксперимент влияния ИИ на креативность. В исследовании участвовали 250 сотрудников технологической консалтинговой компании из Китая. Часть из них получили доступ к ИИ инструментам, контрольная группа — нет. В итоге, стало понятно, что ИИ не является автоматическим усилителем креативности — он становится эффективным только в руках тех, кто умеет активно отслеживать своё мышление. Сотрудники с сильным метапознанием планируют этапы задачи, отслеживают эффективность своего подхода и вовремя вносят коррективы. Они осознают пробелы в своих знаниях и понимают, когда нужно сменить тактику или сделать перерыв. Сотрудники со слабым метапознанием склонны принимать первый же ответ ИИ, полагаться на стандартные результаты и не проверять точность или актуальность предложений системы. Ссылка на исследование 3. ИИ обеспечивает сиюминутную эффективность, но долгосрочно снижает глубину критического мышления при полном делегировании задачи. В 2025 году MIT Media Lab провели исследование про "когнитивную стоимость" использования ИИ в образовательном контексте на примере написания эссе. Гипотеза состояла в том, что хоть ИИ снижает когнитивную нагрузку в моменте, но чрезмерное использование может приводить к "когнитивному долгу" - снижению глубины обработки информации, навыков критического мышления и самостоятельности. Исследование проводилось в течение 4 месяцев на 54 студентах и сотрудниках университетов Бостона, разделенных на три группы по уровню доступа к ИИ (только ChatGPT, только Google без ИИ, только своей головой). Участники прошли 4 сессии: первые 3 обязательные и 4-ая факультативная. В обязательные сессии участники писали эссе на одну из трёх предложенных тем за 20 минут. В 4-ую они менялись группами по уровню доступа к ИИ, но писали уже знакомую тему из предыдущих сессий. Для сбора данных исследователи использовали комплексный подход: записывали активность мозга через ЭЭГ, проводили интервью после каждой сессии, лингвистический анализ эссе, делали оценку эссе с помощью ИИ и двумя учителями английского языка (которые не знали, к какой группе принадлежат авторы). Пропущу описание части эффектов, укажу здесь наиболее интересный вывод, который был сделан по истечению 4 факультативной сессии. После перехода участников из LLM в Brain-Only 78% из них по-прежнему не могли привести правильную цитату. В то время как 78% участников Brain-Only, перешедших в LLM смогли это сделать. Это указывает на долгосрочный негативный эффект даже после прекращения использования ИИ. Участники не интегрировали сгенерированный текст в свою эпизодическую память, а просто "пропускали" его через себя. Участники LLM-to-Brain показали, что их мозг не вернулся в исходное состояние. Они не смогли достичь уровня вовлечённости, который был у группы Brain-Only во 2-й и 3-й сессиях. Это означает, что ранняя зависимость от ИИ исказила траекторию обучения и привела к "когнитивной неполноценности" - участники не развили полные нейронные сети в своей голове для самостоятельного выполнения задачи. Ссылка на исследование

Открыть в Telegram
Просмотры2 935+14%к среднему
Пересылки111
Реакции56
Комментарии15
#594Текст

Славную эру AI и вайбкодинга принято описывать через смерть софта как ценности. Мол, теперь каждый навайбкодит себе любой софт сам, и платить за чужой больше незачем. В пределе это правда, но только когда ИИ дойдёт до совсем другой структуры затрат. Пока мы от этого далеко. Чтобы собрать работающее приложение под iOS, вы в лучшем случае сожжёте пару сотен баксов на токены. По сути это подписка на год-два в каком-нибудь готовом аналоге. И это только старт, потому что дальше его придётся поддерживать и чинить каждый раз, когда что-то отвалилось после очередного обновления. Если у приложения есть бэкенд, нужна ещё инфра, и за неё неожиданно тоже нужно постоянно платить (хостинг, пуши через какой-нибудь Firebase, база вроде Supabase и так далее). В итоге сейчас таким занимаются жуткие ёрли адоптеры с синдромом NIH или люди, которым тупо по фану повозиться и изобрести себе всё самим (вроде меня). Чтобы история про самописный персональный софт стала более менее массовой, всё это должно стать эффективнее на 3-4 порядка. С другой стороны, видя прогресс кодинг агентов, не удивлюсь, если через год-два мы проснемся в таком мире.

Открыть в Telegram
Просмотры3 119+21%к среднему
Пересылки28
Реакции76
Комментарии13
#593Превью ссылки

Послушал свежий выпуск The Skip. Ведущий позвал трёх рекрутеров, которые ищут продуктовых руководителей для самых хот компаний долины, и поболдал о том, кого сейчас нанимают на роль CPO. tldr: маятник качнулся. В прошлом году все кричали, что манагеры больше не нужны, главное быть хэндс он и уметь делать самому и всем пора обратно в IC. По рассказам гостей, основатели стали отдавать продукт сильным исполнителям без большого управленческого опыта. Те собирали первый роадмап, налаживали процессы, а потом упирались в потолок. Инженерия и продажи быстро растут, а нанять сильную продуктовую команду не получается. Спорить с фаундером тоже. Главная претензия основателей в том, что у такого руководителя нет своей позиции и он просто принимает заказы. Типичный фича билдер по Кагану. Один из рекрутеров говорит, что в найме топов совет "иди в IC" перестал работать примерно полгода назад. Теперь ищут тех, кого ведущий называет executive builder. Такой человек умеет нанимать, делегировать и грамотно управлять ресурсами. При этом он достаточно глубоко в деталях, чтобы на собеседовании расшарить экран и показать собственный прототип. Проверяют это в совместной работе, кандидату предлагают вместе с будущей командой разобрать её реальную задачу. Заодно смотрят, какими инструментами он пользуется. Другая гостья говорит, что за последние два года у неё не было ни одного кейса без такой сессии. У меня от этого ощущение, что вернулся вполне классический продактовый управленец (group/lead/director/vp/cpo/etc), которого год назад поспешили списать, думая, что он бесполезен. Просто теперь от него ещё и явно требуют уметь работать руками. То есть такой синтез по Гегелю. И часть проблем, которые компании сейчас решают, они, похоже, создали себе сами. Увлеклись идеей "управленцы не нужны", не наняли нужных руководителей, а теперь переплачивают хантерам, чтобы наверстать. Тот же рекрутер прогнозирует, что через год ии грамотность перестанет выделять кандидата, потому что ею будут обладать все, кто доходит до собеседования. Собрать прототип или самому покопаться в данных станет базовым навыком, примерно как "умеет в эксель". А дефицитными будут оставаться вкус, здравый смысл и способность понять, какую задачу вообще стоит решать. Сейчас продакт, который что-то навайбкодил за выходные, ещё заметно выделяется на фоне коллег. Мне кажется, это окно закрывается быстрее, чем мы думаем.

Открыть в Telegram
Просмотры4 262+65%к среднему
Пересылки94
Реакции71
Комментарии2
#592Текст
Просмотры3 904+51%к среднему
Пересылки16
Реакции54
Комментарии4
#591Текстизменён

Если лабы это экономика масштаба, цены должны падать дальше. Они и падают, токен при том же качестве дешевеет в десятки раз за год, и на днях это случилось прямо на фронтире. Anthropic выпустила Opus 5.5, сильнее предыдущего, дешевле и быстрее, а OpenAI в тот же день ответила GPT-6 Sol и Luna вдвое дешевле предшественников. Но тут есть контраргумент куда сильнее истории про венчурные субсидии. Компьюта не хватает. Сразу после запуска Astra OpenAI остановила продажи тарифа за $200, потому что спрос обогнал мощности. А если у тебя дефицитный товар, совершенно не обязательно отдавать пользователю весь выигрыш от снижения себестоимости. Частично так и будет, только не там, где ждут. Дефицитный компьют отдают туда, где с мегаватта получают больше выручки, в API и энтерпрайз, а подписчикам режут лимиты и подсовывают модель попроще. Цена та же, продукт хуже. Но дефицит мощности не то же самое, что плохая юнит-экономика. Его можно уменьшать строительством новых датацентров, а контракты на новые мощности уже идут на десятки и сотни миллиардов долларов. Запас на снижение цен тоже пока большой, потому что вся цепочка сейчас жирная. У Nvidia валовая маржа 75%, у TSMC под 70%, у самих лаб на API 80–90%, так что юзер, который выжег токенов на $400 по прайсу API, обошёлся им в условные $40–80. Сами модели тоже недооптимизированы, проще завалить задачу GPU, чем сидеть и ужиматься, разменивая на это упущенный рынок. DeepSeek показал, сколько там запаса, когда железа было в обрез и пришлось выжимать из каждой карты всё. Если рынок перейдёт в режим экономии, первым сгорит этот жир, потом пойдут давить маржу поставщиков, уменьшать внутренние расходы и замедлять рост R&D. Даже банкротства отдельных лаб не означают, что построенная ими инфраструктура исчезнет. Датацентры, GPU и часть интеллектуальных активов останутся и сменят владельца. В моём разборе Бена Томпсона как раз была эта мысль: инфраструктура пузыря часто переживает тех, кто её построил. Хотя здесь есть важная оговорка. Если игроков станет сильно меньше, конкуренция ослабнет, и это само по себе может толкнуть цены вверх. Банкротство не уничтожает компьют, но вполне может изменить рынок вокруг него. У гонки при этом есть потолок, и ставит его не бюджет, а ограничения мира, в котором все происходит. Чипов выпускает конечное число фабрик TSMC, электричества тоже конечное число станций. Игорь в Сиолошной продолжил мысль. К 2028 году две-три компании будут забирать больше половины всех новых чипов, и удваивать расходы на компьют станет физически негде, а выручка расти сможет. И цену за токен никто не удержит ниже своей себестоимости, а выручка с мегаватта у фронтира выше, чем у всех остальных. Настоящая угроза сидит с другой стороны. В первом посте рядом стояли два тезиса, остановить обучение нельзя, и сидеть в минусе это выбор. Но есть нюанс! Выйти в прибыль, урезав R&D, можно ровно на один ход. Кто первым перестал учить, тот проиграл рынок. Остановиться не могут и Uber с Amazon и Netflix, их тоже сожрут конкуренты, разница в скорости, у них продукт устаревает годами, у лаб за условный квартал. Гонка в трейн это равновесие, из которого никто не выходит добровольно. Выходят из него только все сразу, когда выручка встаёт у всех по внешним причинам, тогда R&D режут одновременно и никто не отстаёт. И вот здесь появляется риск, который мне кажется куда интереснее венчуров, оплачивающих банкет. Рынок разработки, на котором лабы растут быстрее всего, конечен, switching costs между моделями низкие, и конкуренция уже дошла до ценовой. Это первый признак коммодитизации. Пока себестоимость падает быстрее цены, всё хорошо. Если цена токена начнёт падать быстрее себеса, никакой масштаб не спасёт, фикс кост просто не на что будет размазывать. Поэтому лабы так и лезут в смежные вертикали, заворачивая в обучение данные и траектории из CAD, финансов, биологии, всего, где есть non consumption. Захватить софтверный рынок и остановиться не выйдет, иначе наступит зима.

Открыть в Telegram
Просмотры5 452+112%к среднему
Пересылки52
Реакции68
Комментарии4
#590Текст

Самое популярное доказательство субсидии выглядит так. Берёшь подписку за $200, за месяц выжигаешь лимиты, пересчитываешь токены по ценам API и получаешь $2к. Значит, лаба доплачивает за тебя $1,8к в месяц, а когда венчур устанет, лавочка закроется. Понятный расчёт, считающий не то, что нужно. Потолок лимитов показывает, во сколько обходится самый прожорливый юзер. Экономику подписки определяет средний, а точнее всё распределение. Так устроен любой безлимит. Если смотреть Netflix круглые сутки, в пересчёте на покупку тех же фильмов в iTunes выйдет аттракцион невиданной щедрости. На мобильном тарифе пара процентов абонентов качают терабайты и стоят оператору дороже своей платы, а после порога оператор режет скорость. Тяжёлый хвост стоит дороже своей подписки, и покрывает его молчаливое большинство, которое заходит пару раз в месяц. Anthropic, вводя недельные лимиты, говорила, что они заденут меньше 5% подписчиков. Я сам за год в лимиты Claude упёрся раза 2-3, в ChatGPT, кажется, ни разу. Лимиты для того и существуют, чтобы хвост не сожрал среднее. Когда их ужесточают, причин две. Либо хвост нашли и режут, либо компьюта не хватает и его отдают туда, где маржа выше, в API и энтерпрайз. По сути это и есть повышение цены, только точечное, для тех, у кого единица в минусе, вместо повышения для всех. Про среднего юзера говорит другая цифра. На платных продуктах у OpenAI прошлой осенью была маржа около 70%, и тогда подписки ChatGPT давали три четверти выручки, так что за API её не спрячешь. Если бы большинство подписчиков сидело в минусе, такой цифры не было бы. Доказать субсидию могло бы одно: средний кост на платящего выше цены подписки. Таких данных лабы не публикуют, но косвенно всё видно по их поведению. Базовые $20 стоят на месте уже три года, хвост режут лимитами, а цену за токен опускают. Субсидируемый юзер есть, это тот, кто выжигает лимиты. И платит за него в первую очередь не венчур из своего кошелька, а тысячи соседей по тарифу, которые заплатили двадцатку и открыли чат три раза за месяц.

Открыть в Telegram
Просмотры6 669+159%к среднему
Пересылки119
Реакции113
Комментарии10
#589Текст

Всё чаще встречаю тейк, что ИИ-лабы живут на субсидии. Подписки и API продаются в убыток, разницу доплачивают венчурные фонды, и когда инвесторам надоест, цены взлетят. В строгой версии такого тейка субсидируется вообще любой сервис с отрицательной EBITDA. Убытки у лаб есть, и миллиардные. Но слово "субсидия" вредное и мешает понять, что происходит. За ним стоит картина, где кто-то оплачивает банкет, как условный олигарх убыточный ресторан "для души". Быть убыточным можно двумя разными способами. Каждая единица товара продаётся ниже себестоимости, а разницу доплачивает кто-то третий. У раннего Uber и WeWork этим третьим были фонды. Каждая поездка и каждый сданный стол уходили в минус, и чем больше продаж, тем глубже яма. Выход из неё один, поднять цену или уронить себестоимость. Uber в итоге сделал и то и другое, поднял цены, срезал бонусы и ушёл с убыточных рынков, а плотность сети улучшила себестоимость. WeWork не смог. Это и есть субсидирование. Второй способ это завод, построенный под млн машин в год, который пока выпускает сотню тысяч. Каждая машина уходит с маржой, а завод в минусе, потому что его стоимость размазана по маленькому выпуску. Единица прибыльна, компания нет. Лечится это ростом выпуска при тех же ценах и называется экономикой масштаба. Лабы живут по второму сценарию. Anthropic перед IPO называла инвесторам маржу на инференсе выше 80% (до расходов на обучение и доли партнёров), у OpenAI на платных продуктах прошлой осенью было около 70%. В минус их утаскивает обучение и R&D. А они стоят одинаково, делишь ты условный млрд на 100к юзеров или на 100 млн. В первом случае на каждого приходится $10к обучения, во втором $10, а платят они одну и ту же двадцатку в месяц. Поверить в это тяжело, думаю, из-за масштаба. Капекс в датацентры и обучение настолько огромные, что окупающая их база должна быть исторически рекордной. Версия, что венчуры просто доплачивают за каждого пользователя, воспнимается многими правдоподобнее. Обучение при этом нельзя провести один раз и забыть. Перестанешь выпускать новые модели, и через полгода клиенты уйдут туда, где фронтир свежее. Но новое поколение не начинается с чистого листа: остаются данные, архитектура, обучающая инфраструктура, веса, экспертиза в команде и прочее, так что это переоснащение линии под новую модель, а не стройка с котлована. И рекуррентный не значит переменный. Станет пользователей в десять раз больше, обучение в десять раз от этого не вырастет. Так живут многие. TSMC под каждый новый техпроцесс строит фабрики, и на разгоне они тянут маржу вниз. Netflix каждый год обязан покупать контент, иначе люди разбегутся. Но один каталог обслуживает 300 млн подписчиков так же, как 30, бюджет на него растёт медленнее выручки, и операционная маржа за десять лет уехала с 4% за 30%. Всё упирается в то, растёт ли выручка быстрее фиксированного расхода. Поэтому смотреть надо на то, что происходит с убытком, когда продажи растут. При субсидии он растёт вместе с ними. У Anthropic квартальная выручка за год выросла в 14 раз, и компания впервые вышла в скорректированный операционный плюс. Прибыль, правда, скорректированная, что именно из неё вычли, узнаем из проспекта. У OpenAI пока наоборот: за Q2 выручка прибавила 18%, а операционный убыток треть, и сотни миллионов бесплатных пользователей тут явно не помогают. Бесплатный тариф вообще единственное место, где цена честно ниже себестоимости. Только работает он как маркетинг. Качает привлечение в платные тарифы, занимает рынок, пока конкуренты не выросли, разгоняет виральность и делает бренд. Так ChatGPT уже стал именем нарицательным. Сидеть в минусе при такой марже это выбор. Можно тратить на R&D меньше и стать прибыльным уже сейчас, но тогда быстро потеряешь фронтир. Amazon два десятилетия держал прибыль около нуля, потому что рост был важнее. Пока рынок растёт кратно, а капитал доступен, на внешних деньгах вырастешь сильно больше, чем на своей прибыли. Если это субсидия, цены поднимут, как только инвесторы устанут. Пока же токен при том же качестве дешевеет в десятки раз за год.

Открыть в Telegram
Просмотры6 800+164%к среднему
Пересылки212
Реакции125
Комментарии30
#588Текст

Пока пишу тут серию постов про экономику ии лаб, прокоменчу мыслями своими адский твиттерский хайп по JEV. Если пропустили, стартап TypeSafe выкатил модель, которая вообще не умеет писать текст. На вход ей дают контекст и набор вопросов, на выходе получают да/нет, выбор из вариантов или оценку по шкале с вероятностями. Обещают всё это на два порядка быстрее и дешевле LLM. По сути, фундаментальный классификатор. Смотреть на JEV имеет смысл через триаду cost/latency/quality. С ценой и задержкой всё понятно, разница с фронтирными моделями примерно два порядка, с мелкими вроде Haiku около порядка. С качеством сложнее. Сами TypeSafe заявляют паритет с LLM среднего класса, но независимые замеры скачут от очень хороших результатов до провалов, в одном бенче на фишинговых письмах JEV заметно проиграл даже Haiku. Но у качества есть вторая половина, про которую в сравнении с мелкими LLM забывают. LLM плохо скорят и принимают решения, промпт "ты гениальный классификатор, оцени свой слоп от 1 до 10" даёт число, которое гуляет от прогона к прогону и от порядка вариантов, потому что рождается той же генерацией токенов, что и сам слоп. JEV учили именно принимать решения и отдавать вероятность напрямую, и у LangChain при повторных прогонах одних и тех же кейсов разброс оценок оказался на порядки ниже, чем у LLM-джаджей, что крайне важно для eval'ов и автоматической разметки. И даже там, где аплифт в точности найдётся, он не настолько большой, чтобы пережить месяц, за который лаба завалит данными условный Opus. Лаба тратит миллиарды на одну большую модель, та становится лучше сразу на куче задач на сдачу, а потом это улучшение расползается вниз по всей линейке и почти бесплатно доезжает до мелких моделей. А вот стабильность масштабом не лечится, это свойство самого подхода. Так что устойчивое преимущество JEV в цене, задержке и стабильности решений, и если они тебе не важны, через 2-3 месяца он будет сосать лапу. А вот если cost и latency жёсткое ограничение, становится интереснее. Особенно в массовых сценариях в горячем пути, где LLM просто не сходилась по экономике и задачу либо не делали вообще, либо закрывали условными регулярками и прочим хардкодом. Там, где ошибка стоит дорого или решение ещё надо объяснять, JEV подходит плохо, платишь ты там за качество, а он возвращает ответ и вероятность без рассуждения. Эндрю Чен хорошо подметил ещё одно следствие. AI-приложение с несколькими LLM-вызовами на каждом экране не окупалось рекламой, поэтому либо инференс субсидирует гигант, либо пользователь платит подписку. Если такие решения дешевеют на два порядка, начинает сходиться экономика бесплатных приложений с рекламой. Универсального ассистента там не будет, будет куча маленьких фич вроде фильтра важных писем. При этом самим классификаторам сто лет в обед, и на своих данных они выигрывают у JEV по всем параметрам. На том же фишинговом наборе маленькая модель, дообученная всего на тысяче примеров, обошла его с большим запасом. Да и zero-shot придумали не вчера, вероятности вариантов ответа можно за один проход снять с любой небольшой открытой модели. Новое в том, что JEV работает zero-shot из коробки, без датасета и обучения под задачу, и что его вытащили по апишке, как полноценный продукт с чарджем. Дешёвый и быстрый классификатор теперь можно купить как сервис, а не делать ради него проект на квартал с датасетом и ML-командой. Улучшать его по мере накопления данных при этом нечем, файнтюна нет, а в контекст много примеров не засунешь. А когда датасет накопился, проще обучить условный BERT, поэтому, кажется, JEV это инструмент холодного старта или солидного бейслайна/бенча. Отсюда мысль, что, кажется, применение для JEV стоит искать в первую очередь не среди текущих LLM-вызовов, которые хочется удешевить, ибо там решит эффект масштаба лаб. Исключение составляют джаджи и разметка, где LLM плоха по устройству. А интереснее всего посмотреть на список того, что вы вообще не стали делать, потому что LLM там была слишком дорогой или медленной, а своих данных и ML-ресурса на отдельный классификатор не было.

Открыть в Telegram
Просмотры4 731+84%к среднему
Пересылки55
Реакции56
Комментарии17
#587Текст

Немного размышлений про эссе Дарио, в котором он просит индустрию замедлить темпы развития возможностей моделей, а Альтман с Маском, к удивлению многих, его поддержали. Хочется порассуждать, какая у него на самом деле интенция и есть ли за ней скрытая. В официальное «мы обеспокоены» не верится, я уже писал, что нагнетание страха является отчасти рекламным жанром, но и списать всё на маркетинг тоже не выйдет. Само предложение, как оказалось, скромнее заголовков: обучение никто не останавливает, речь про сторонних оценщиков внутри лаб и общие лимиты скорости. Видят ли они угрозу на самом деле? Похоже, да, ибо по инциденту со взломом HF уже идёт расследование в Сенате, OpenAI в августе на две недели останавливала обучение из-за этого, а Anthropic призналась, что её модели на тестах тоже добирались до чужих систем. Дарио ещё и срок называет и опасается, что через 6–12 месяцев такой рой сможет захватить весь интернет ботнетом, но громкие прогнозы он раздаёт регулярно, «90% кода через полгода» ему никто не припомнил, так что срок сам по себе мало о чём говорит. Смущает, что в феврале та же Anthropic вырезала из своей политики обязательство приостанавливать обучение опасных моделей, а теперь просит об этом всех. Хотя противоречия тут нет, ведь когда тормозишь один, ты проиграл гонку, а когда тормозят все, никто ничего не потерял. Отсюда вторая версия, которую сразу подхватили критики из VC-тусовки, — регуляторный захват, когда государство пугают, дают ему написать правила, которые потянут только большие, и получают «DMV для ИИ», поднимающие порог входа всем игрокам, защищая положение текущих гигантов. К тому же Дарио сам просит антимонопольное исключение, по сути право конкурентам договориться, как быстро едет рынок. При этом в эссе ни разу не встречаются слова open source и open weights, а открытые веса Вашингтон, судя по всему, уже вывел из-под предрелизной проверки. Заговор против опенсорса, в котором опенсорс даже не упомянут, выглядит странно, да и план для захвата сыроват, потому что не сказано, что считать замедлением, а сроков для оценщиков нет. Тогда, может, дело просто в деньгах? Гонка сжигает капитал, дата-центры упёрлись в электричество и местных жителей, и договориться всем ехать медленнее это, по сути, выход из дилеммы заключённого. Заговора тут не нужно, достаточно того, что все умеют считать бабки. Проблема в том, что такой картель работает, только если в нём все, а уже через пару дней Сулейман из Microsoft сказал, что разрабатывать надо дальше, Трамп призыв отверг, а Китай назвал его fear mongering. Маск как участник тоже сомнителен, он подписал письмо о паузе, потом основал xAI, а Anthropic его крупный клиент. Замедление связывает американские лабы и никак не связывает китайские, а ответ Дарио в виде экспортного контроля лежит в политике, которую лабы не контролируют. Можно предположить, что лабы просто не тянут темп гонки и прикрывают это безопасностью. Возразить можно тем, что эссе за день уронило чиповый сектор, когда Anthropic готовится к IPO, но однодневная просадка аргумент слабый, а вот прочитать эссе как снятие рисков перед размещением вполне можно. Проговорить страшное до IPO дешевле, чем объясняться после. Перенос IPO OpenAI на следующий год сюда не относится, денег им хватает, а вот ликвидности после SpaceX, эмиссии Google и выхода Anthropic на всех не хватит, и безопасность тут удобная причина подождать. Ну и самое приземлённое объяснение. В Конгрессе лежит закон о запрете суперинтеллекта. Правила тут напишут в любом случае, и дешевле написать их самому. Это даже не лицемерие, а обычная работа с регулятором, совместимая с любой версией выше. Добавлю, что просить о коллективном замедлении, которое заведомо не случится, ничего не стоит, и это объясняет, почему подписались все. Если Дарио правда боится, он напишет ровно то же, что написал бы из холодного расчёта, так что по тексту одно от другого не отличить.

Открыть в Telegram
Просмотры4 266+66%к среднему
Пересылки17
Реакции28
Комментарии6
#586Текст

Часто слышу, что дистрибуция или скорость и есть моат. a16z прямо так и пишет: в потребительском AI моатов нет, есть только momentum — набранный ход. Их партнёр Брайан Ким писал, что ждёт $2M ARR уже не за три месяца, а за десять дней, и называет momentum единственным моатом. И это неправда. Скорость и дистрибуция — это то, чем моат строят, а не сам моат. Под «дистрибуцией» обычно смешивают две разные вещи. Первая — владение защищённым и масштабируемым каналом. Gemini в Android и Meta AI в WhatsApp — это моат, потому что за каналом стоит либо cornered resource, как доступ Google к Android, либо network effects, которые WhatsApp собирал больше пятнадцати лет. Ни то, ни другое за раунд не купишь. Вторая — сам процесс дистрибуции: ты набираешь пользователей, быстро растёшь, заливаешь рынок. Вот это уже momentum. Пользователей конкурент может перекупить рекламой. Android — не может. Со скоростью примерно так же. Она даёт больше попыток за то же время, но сама по себе жизнь конкуренту сложнее не делает: с деньгами он за пару месяцев нанимает таких же людей и берёт те же инструменты. Ров же должен держать, даже когда ты перестал бежать, иначе это не защита, а фора. Сегодня вот прочитал хорошее эссе на тему. В нём как раз мысль, что momentum — это ресурс, который надо успеть конвертировать в защиту. Рост даёт пользователей, данные, масштаб. Но ров появляется только тогда, когда всё это превращается во что-то, что конкурент не сможет повторить даже с большими деньгами. Как только продукт начинает быстро расти, через несколько недель вокруг появляются хорошо профинансированные копии. И если считать, что сам рост и есть защита, довольно быстро обнаружишь, что кроме роста у тебя ничего и не было. С последними покупками Bending Spoons получилось почти наоборот. Miro, как писал в предыдущем посте, ушёл примерно за 2,26 выручки при $600M ARR, прибыльности и продукте, встроенном в процессы 250 тысяч организаций. Скопировать такой продукт можно, заменить его внутри большой компании уже сложнее, но темпы роста, судя по всему, не очень. То есть защита есть, а momentum закончился. И рынок оценивает такой бизнес примерно в два ARR. Momentum без моата догоняют конкуренты. Моат без momentum превращается в хороший, но переставший расти бизнес. По отдельности и то и другое стоит сильно дешевле. В эссе мне больше всего понравилась часть про 7 Powers в AI. Network effects были главным моатом интернет-эры, потому что интернет был технологией дистрибуции. AI в большей степени технология производства. Большинство AI-продуктов однопользовательские, и сеть туда задним числом не прикрутишь. Зато на первый план выходят data effects, которые Хелмер считал слабой разновидностью сетевых. Раньше данные быстро упирались в «достаточно»: условному поиску Amazon ещё миллион запросов мало что меняет. В AI эта граница заметно дальше. Но только при двух условиях. Данные должен генерировать сам продукт. Всё, что лежит снаружи, становится доступно всем. И они должны замыкаться в цикл улучшения продукта, как у Cursor, который учится на том, какие подсказки пользователь принимает, меняет или отклоняет. Switching costs AI тоже не уничтожил. Он снизил стоимость миграции, но не переучивания команды, перестройки процессов и риск трогать критичную часть бизнеса. Brand, мне кажется, в AI пока сильно переоценён. Tylenol после отравлений 1982 года вернул долю рынка за год и до сих пор продаётся заметно дороже идентичных дженериков. Вот это бренд. У AI-стартапа двух лет от роду ничего похожего нет. Его «бренд» — это в основном более дешёвое привлечение следующего пользователя, и считать его надо в CAC и retention, а не записывать отдельным пунктом в список моатов. Пока рынок молодой, momentum надо набирать максимально быстро: без роста до защиты можно не дожить. Но теория защиты должна быть с первого дня: во что именно ты этот momentum конвертируешь и приближает ли тебя к этому каждое сегодняшнее решение. Крайне простой ментальный тест: останется ли защита, если завтра конкурент поднимет миллиард на тот же продукт.

Открыть в Telegram
Просмотры4 192+63%к среднему
Пересылки40
Реакции36
Комментарии1
#585Текстизменён
Просмотры3 977+54%к среднему
Пересылки12
Реакции38
Комментарии3
#584Текстизменён

Bending Spoons покупает Miro за почти $1,4 млрд. У этих ребят довольно понятная модель: купить подуставший сервис вроде Evernote, Vimeo или WeTransfer, порезать косты и поднять цены. И я думаю, что эту сделку сейчас немного неправильно считывают. Главный тейк, который я вижу: Miro стал коммодити, доску теперь можно навайбкодить за выходные, поэтому оценка и упала с $17,5 млрд в 2022-м до $1,4 млрд сейчас. Но проблема, по-моему, вообще не в этом. На момент продажи у Miro около $600 млн ARR. Почти 90% дают бизнес и энтерпрайз. Больше 750 клиентов платят свыше $100 тысяч в год, почти четыре миллиона платящих пользователей, компания прибыльна, на счетах $435 млн кэша. Коммодити обычно выглядит не так. Коммодити начинается в тот момент, когда за твою функцию перестают платить отдельно или перестают платить премию за нее. А Miro до сих пор покупают корпорации по годовым контрактам и не спешат никуда переезжать: SSO, интеграции, тысячи старых досок, настроенная админка, всё уже согласовано безопасниками, привычка и инертность юзеров. Сам вайтборд действительно можно навайбкодить за выходные. 250 тысяч организаций на нем уже гораздо сложнее. Но и крепкой позицию Miro я бы не называл. Если разложить по силам, про которые я писал раньше, картина тоже не особо радостная. Самая очевидная сила - switching costs: накопленные доски, интеграции, привычки команд и вся корпоративная обвязка вокруг продукта. Network effects у Miro тоже есть, но слабее, чем может показаться по размеру пользовательской базы. Чем больше коллег, клиентов и подрядчиков уже работают в Miro, тем удобнее использовать его следующим - плюс большая база пользователей притягивает интеграции и шаблоны. Но этот эффект в основном локальный и плохо запирает рынок. Компания с тысячами пользователей Miro почти никак не мешает соседней компании жить в FigJam, а подрядчик вполне может сегодня открыть доску Miro, завтра Figma, послезавтра что-то ещё. То есть текущая база клиентов помогает Miro удерживаться и распространяться внутри уже существующего графа между командами и компаниями, но не создаёт того маховика, при котором сам размер сети делает нового конкурента существенно хуже. Это скорее дополнительный слой защиты поверх switching costs, чем отдельная сила. И вот здесь коммодитизация действительно начинает бить по Miro. Только не потому, что компании внезапно начнут писать себе доски сами. Доску просто перестали покупать отдельно. Борда появилась в Figma, Canva, корпоративных пакетах Microsoft и куче других продуктов, которые у команды уже оплачены. Раньше новая команда с задачей “нам нужна доска” могла прийти в Miro. Теперь она часто открывает то, что уже есть в текущем наборе инструментов, и на этом вопрос закрыт. Старым клиентам от этого ни холодно ни жарко. А вот приток новых команд режется напрямую. Есть ещё одна проблема: Miro продаёт места. Можно списать это на AI и сокращение команд, но людей после ковидной эпохи ZIRP режут и без всякого AI. В продуктовых, дизайнерских и консалтинговых командах количество ситов больше не растёт прежними темпами. И получается неприятная штука: продукт может оставаться хорошим, retention высоким, клиенты довольными, но выручка всё равно зависит от переменной, которую сам продукт почти не контролирует. Третья проблема мне кажется самой интересной. Холст - это поверхность ввода. Состояние работы на нём обычно не живёт. В Miro люди обсуждают, раскладывают, рисуют, спорят, принимают решение. А потом результат уезжает дальше - в Jira, документ, дизайн, код. Пока решение рождалось группой людей на созвоне, такая поверхность была очень важной частью процесса. Miro это место заняла и долго отлично на нём зарабатывала. Но если значительную часть артефакта теперь собирает модель, центр ценности начинает смещаться туда, где уже лежит контекст и где потом происходит исполнение. А доска всё больше рискует превратиться в место, куда заходят посмотреть на уже собранный результат.

Открыть в Telegram
Просмотры3 703+44%к среднему
Пересылки26
Реакции32
Комментарии8
#583Текст
Просмотры4 009+56%к среднему
Пересылки21
Реакции56
Комментарии2
#582Текст
Просмотры5 155+100%к среднему
Пересылки31
Реакции38
Комментарии6
#581Текст
Просмотры4 695+82%к среднему
Пересылки34
Реакции78
Комментарии3
#580Текст

Заметил странную установку у многих руководителей: если ты сам нанял человека, а потом его уволил, значит, ты ошибся на найме. Отсюда достаточно быстро появляется неудобная ловушка. Чужого слабого сотрудника уволить проще. Своего - уже как будто признать: я сам его привёл, сам ошибся, теперь сам же увольняю. Ещё и со стороны обязательно кто-нибудь спросит: "Ты же сам его нанял. Что изменилось?" Ну, например, я увидел, как он работает. Найм - это всё-таки предикт того, как человек будет работать в будущем. Несколько часов собеседований, резюме, кейсы, референсы. По всему этому надо понять, как человек потом будет месяцами работать в конкретной команде, с конкретным руководителем и на конкретных задачах. Причём часть этих задач на момент найма может быть неизвестна даже тебе самому. И всё ещё лучший способ понять, как человек справится с работой, - поработать с ним. Можно делать этот прогноз сильно точнее, но у этого есть довольно очевидный предел. Собеседование никогда не даст столько информации о человеке, сколько несколько месяцев совместной работы. Поэтому меня немного удивляет сама идея, что хороший процесс найма должен приводить к нулю увольнений. Такое, наверное, можно устроить. Просто придётся задрать порог настолько, чтобы почти никого не нанимать. Причём ошибки такого процесса тяжело увидеть. Человека, которого ты нанял зря, видно всем. Человека, которого ты зря не нанял, обычно не видно вообще. При этом ошибка на найме, конечно, существует. Видел красный флаг и проигнорировал. Понимал, что критичного навыка нет, но очень хотелось закрыть позицию и убедил себя, что "пронесёт". А вот сценарий "нанял, посмотрел в работе, понял, что не справляется, расстался" - вполне нормальный. Гораздо страннее понять это и ещё полгода делать вид, что ничего не произошло, потому что увольнение будет выглядеть как признание собственной ошибки.

Открыть в Telegram
Просмотры4 808+87%к среднему
Пересылки18
Реакции77
Комментарии4
#579Текст

Есть асимметрия, которую постоянно наблюдаю в командах. Многим чужая работа часто кажется проще своей. Со стороны аналитик "написал запрос и нарисовал график", QA "прогнал кейсы и завёл баги", а ML-инженер "запустил обучение и посмотрел метрики", но спроси того же человека, почему его собственная задача едет уже третью неделю, и выяснится, что там легаси, зависимости, смежники, корнер кейсы и ещё десять подводных камней, которых снаружи не видно. Чужую работу мы видим по результату, свою - изнутри процесса. У аналитика снаружи остаётся график, а сырые данные не видно, регулярно ломающийся пайплайн скрыт от зрителя, о трёх неверных гипотезах и запросе, который пришлось переписать четыре раза, внешние признаки не говорят. В своей же работе именно из этого и состоит большая часть времени. Часто в этом винят actor-observer bias: своё поведение мы объясняем обстоятельствами, чужое - качествами человека. Популярная теория, которая не прошла проверку мета-анализами. Оказывается, это лучше обьясняется другими двумя эффектами. Первый - correspondence bias: по чужому видимому поведению мы слишком легко делаем вывод о самом человеке и недооцениваем ситуацию. "Задача простая, значит они просто медленные". Второй - self-serving bias: собственные неудачи мы гораздо охотнее объясняем внешними обстоятельствами. Достаточно удобная комбинация, где сложность своей работы мы знаем во всех деталях, а сложность чужой просто не наблюдаем. При этом собственные издержки кажутся следствием объективных проблем, а чужие следствием чужой неэффективности. Поэтому "да что там делать" - почти всегда плохой сигнал, говорящий нам о глубине собственного понимания этой задачи. Если работа других людей выглядит тривиальной, разумнее сначала предположить, что большая часть процесса тебе просто не видна. Лучшее лекарство - контекст, а за контекстом надо "на гембу". Несколько часов рядом с хорошим QA, аналитиком или инженером часто дают больше, чем лицезрение движения тикетов. Похожая история и со сроками. В одном эксперименте про planning fallacy студенты в среднем ожидали закончить диплом за 34 дня, хотя по факту тратили 55. Даже максимально драматичный и негативный сценарий оказался в оценках оптимистичнее реальности. Поэтому оценку чужой работы полезно дисконтировать так же, как реальность это регулярно делает с нашей.

Открыть в Telegram
Просмотры5 432+111%к среднему
Пересылки39
Реакции43
Комментарии2
#578Текстизменён

Из этого следуют два практических вывода. • будущий ты не обязан считаться тем же самым человеком в строгом метафизическом смысле, чтобы его интересы имели значение. • курить, не спать, забивать на здоровье - значит жить за счет этого человека в будущем и пользоваться тем, что он не может сейчас ничего тебе возразить. Он не совсем ты сегодняшний, но связан с тобой теснее любого другого человека. Но и обратное тоже верно. Чем слабее эта связь, тем менее очевидно, что нынешний человек должен постоянно приносить себя в жертву ради далёкой будущей версии. Заботиться о ней рационально. Считать её интересы единственными, ради которых стоит жить сегодня, уже гораздо менее очевидно. В этом взгляде смерть тоже выглядит немного иначе. Если нет отдельной сущности "я", которая остаётся неизменной всю жизнь, то нет и одной вещи, которая в какой-то момент внезапно исчезает. Есть цепочка психологически связанных людей. Связь внутри неё постепенно меняется, слабеет и в какой-то момент обрывается. Телепорт просто делает это явление наглядным и заметным.

Открыть в Telegram
Просмотры3 373+31%к среднему
Пересылки28
Реакции32
Комментарии5