Посты канала Константин Сухачев

Без текста

Без текста

Без текста

Без текста

Без текста

AI-шпаргалка: 21 термин на понятном языке Последний год количество терминов, которые вокруг нас вращаются, растёт с какой-то бешеной скоростью, поэтому собрал для вас шпаргалку, чтобы в этом хайпе вы могли не теряться. Выкладываю и текстом, и карточками — кому как удобнее. Что это вообще такое 🔹 LLM (Large Language Model) — большая языковая модель, тот самый мозг внутри ChatGPT, Claude и Gemini. Прочитала полинтернета и теперь понимает и пишет текст на любую тему. 🔹 SLM (Small Language Model) — младший брат LLM: компактная, быстрая и дешёвая, влезает в ноутбук или телефон, но и задачи ей дают попроще. 🔹 Мультимодальность — умение модели видеть и слышать: кидаете ей скриншот, PDF, голосовое или видео, и она разбирается в них так же легко, как в тексте. 🔹 AGI (Artificial General Intelligence) — общий ИИ, который справится с любой умственной работой на уровне человека. Пока это цель всей гонки и повод для споров, когда он появится и появится ли вообще. Как с ним разговаривать 🔹 Токен — кусочек слова, которыми модель читает и считает текст. В токенах же меряют и лимиты, и деньги, поэтому простыни на десять экранов выходят дороже. 🔹 Inference (Инференс) — момент, когда обученная модель работает: получает ваш запрос и выдаёт ответ. Каждый ваш вопрос в чате — это отдельный инференс. 🔹 Контекстное окно — сколько текста модель держит в голове за один разговор. Вышли за предел — и она начинает забывать, с чего вы начинали. 🔹 Память — умение модели помнить вас между разговорами: имя, проекты, что любите и что бесит. Если контекстное окно — память одного чата, то это записная книжка на все. 🔹 Reasoning (Ризонинг) — режим, в котором модель сначала думает про себя и только потом отвечает. Дольше и дороже, зато на сложных задачах заметно умнее. Где ИИ берёт знания 🔹 Deep Research — режим, в котором модель сама обходит десятки сайтов, сверяет источники и через несколько минут приносит отчёт со ссылками. Стажёр-аналитик, который не устаёт. 🔹 RAG (Retrieval-Augmented Generation) — перед ответом модель идёт в ваши документы или базу знаний, находит нужное и отвечает уже с опорой на него. Так ИИ узнаёт то, чего не было в обучении. 🔹 Fine-tuning (Файнтюнинг) — дообучение готовой модели на своих данных, чтобы она говорила вашим языком и знала вашу специфику. Дорого и долго, поэтому чаще хватает RAG. Агенты: когда ИИ работает сам 🔹 Копайлот — ИИ-помощник прямо внутри вашей программы: в почте, таблицах, CRM, редакторе кода. Подсказывает и дописывает, но руль у вас. Отдаёте руль — получается агент. 🔹 Агент — модель, которой дали цель, инструменты и свободу: сама планирует шаги, выполняет их и проверяет результат, пока не дотащит задачу до конца. 🔹 Tool Calling — умение модели вызывать внешние инструменты: поиск, калькулятор, API, вашу CRM. Ровно тот момент, когда ИИ перестаёт только болтать и начинает делать. 🔹 MCP (Model Context Protocol) — открытый стандарт, придуманный в Anthropic, по которому ИИ подключается к внешним сервисам и данным. Такой USB-C для нейросетей: один разъём — и модель видит вашу почту или базу. 🔹 Skills (Скиллы) — папка с инструкциями, шаблонами и скриптами под конкретную задачу. Модель подтягивает скилл, когда он нужен, и делает работу по вашим правилам. 🔹 Vibe coding (Вайбкодинг) — когда вместо кода словами описываешь, какое приложение хочешь, и ИИ пишет его сам. Порог входа в разработку упал почти до нуля (качество кода иногда тоже) 🔹 Context engineering — искусство собрать модели правильный контекст: что положить в окно, а что выкинуть. Промпт-инжиниринг, повзрослевший до уровня агентов. 🔹 Evals (Эвалы) — тесты, которыми проверяют, насколько хорошо и правильно ИИ справляется с задачей. Без них любое «стало лучше» — на ощупь. 🔹 Guardrails (Гардрейлы) — ограничители, которые не дают ИИ сказать или сделать лишнее: слить данные, нагрубить клиенту или уйти не в ту тему. Сохраняйте карточки себе, а в комментариях пишите, каких терминов в шпаргалке, на ваш взгляд, не хватает. Константин Сухачев

Как ЗПИФ для квалов могут обложить налогом раньше, чем они заработают Закрытые ПИФы годами жили по простому правилу: пока деньги крутятся внутри фонда, налога нет, а платишь, только когда получаешь выплату или гасишь паи. 29 октября Госдума приняла в первом чтении законопроект № 617-9, и эту схему он ломает. Теперь закрытые и интервальные фонды для квалов будут сами платить 15% с дивидендов, процентов, аренды и роялти. Претензии к тексту есть не только у рынка, ведь серьёзные дыры в нём нашёл даже профильный комитет Думы. Главная — налог может не совпасть с тем, сколько инвестор на деле заработал. В феврале писал, как налоговая реформа доедает маржу кофеен. Тут история того же сорта, только этажом выше: правила меняют посреди игры. Команда МЭФ LEGAL разобрала: 🔹 Три самых спорных положения законопроекта 🔹 Что может измениться ко второму чтению 19 ноября 🔹 Последствия для фондов и инвесторов 👉 Читайте разбор в МЭФ LEGAL Паниковать рано, закон ещё в работе (но прикинуть, как он ляжет на ваш фонд, стоит уже сейчас) Константин Сухачев Реклама. ООО "МЭФ Лигал" ИНН 7704874992 erid: 2Vtzqxarua6

Оверсинкинг: болезнь сильных У меня последние месяцы очень часто стала проскакивать одна концепция на уан-ту-уанах с командой — оверсинкинг. Озвучиваю её чуть ли не каждую неделю, потому что она прочно закрепилась в умах крепких ребят, и из-за неё они начинают пробуксовывать в рабочих буднях. Но начну по порядку. Overthinking — это когда время, затраченное на размышления о задаче, не стоит выхлопа от неё: там, где можно было сделать и проверить, ты сидишь и продумываешь все сценарии, перестраховываешься, и по итогу проект превращается в долгострой. Причём чаще всего этим грешат как раз талантливые ребята, потому что им есть что продумывать (и от этого обидно вдвойне) Такое гиперболизированное «семь раз отмерь, один раз отрежь», где про «один раз отрежь» ты как раз-таки забываешь. А думать и перепроверять — это ведь тоже работа, и силы она ест ровно так же, поэтому по итогу запаса прочности на то, чтобы, собственно, сделать, уже не остаётся. У джунов, кстати, такой проблемы почти нет. Они видят задачу и просто пытаются её решить всеми доступными способами, особо не обдумывая, потому что бэкграунда, который подсовывал бы десять сценариев, как всё пойдёт не так, у них ещё нет за спиной. А у сильных ребят есть и экспертность, и понимание, как оно обычно бывает, и стремление сделать прям очень хорошо, и вот в этом всём иногда можно просто утонуть. Говорю без всякой морали сверху, сам этим грешу (упороться в полировку минорных элементов рабочего прототипа — чисто мой guilty pleasure) И с приходом AI это удовольствие стало ещё доступнее, а проблема, соответственно, обострилась. Раньше долго было собрать, а теперь прототип или тот же лендос собирается буквально за час-два, и самым долгим этапом становится как раз полировка: следующие дня два уходят на файн-тюнинг того, что в целом уже может работать или даже быть ненужным пользователю, а мы тратим на это время, хотя могли бы уже проверить всё на данных. И вот здесь хрен угадаешь, где то самое оптимальное состояние. Каждая правка занимает пять минут, поэтому кажется, что ещё одну можно себе позволить, потом ещё одну, и так два дня. Универсального рецепта у меня нет, нащупываю каждый раз заново. Ну и сливаю время не меньше, естественно. Такие дела. Как у вас получается найти ту середину, где пора перестать полировать и отдавать? Константин Сухачев

Без текста

Как Dota 2 помогла OpenAI стать успешной На днях наткнулся на тредс, который вернул меня в мой 2017. Тогда на The International (это аналог чемпионата мира по футболу, но в Доте) прошёл шоу-матч, где Dendi сыграл против ИИ. Это было что-то такое же культовое, как игра Каспарова против Deep Blue в 1996-1997. Те, кто в доту играл, знают, что классика один на один — это взять эСэФа (Shadow Fiend) и на мид. Так они и поступили для шоу-матча. Было фаново, я смотрел увлечённо, ведь в доту я и сегодня нет-нет да поигрываю по вечерам с пацанами (сейчас чаще обычного даже!). Бот OpenAI обыграл Dendi 2:0 (Dendi, на минуточку, чемпион самого первого International 2011 и один из самых хайповых игроков, который такое вытворял на Пудже, что стал крайне мемным), хотя учился всего две недели, играя сам с собой. Dendi после игры сказал, что бот вроде ощущается как человек, но при этом это что-то иное. Кто же знал, что фановое событие станет не только предвестником большого хайпа. Есть версия, что именно этот матч стал для OpenAI трамплином в большую индустрию, и выдвигает её человек, который того бота и делал. Недавно Dendi даже пошутил, что у него был шанс остановить Скайнет ИИ, если бы он тогда выиграл. А Psyho, один из разработчиков того бота, ответил, что это не такая уж и шутка: OpenAI тогда была лабораторией примерно из 50 человек, и шоу-матч стал первым разом, когда про неё написали крупные СМИ. Победи Dendi — компания подняла бы намного меньше денег, а ИИ развивался бы медленнее. Дальше всё пошло по нарастающей. В апреле 2019-го пятёрка ботов OpenAI Five обыграла OG, действующих чемпионов мира, через три месяца Microsoft вложил в компанию миллиард долларов, а в конце 2022-го вышел ChatGPT. Для тех, кто хочет ностальгию словить, вот запись матча. Что в итоге Статью про обучение с подкреплением прочитают сотни людей, а как бот разобрал Dendi на миду, поняли миллионы, которые хоть раз стояли на этом миду сами. Часто сложную категорию нужно очень сильно упростить и показать на понятном примере, и тогда ты завоюешь и сердца, и интерес людей. Такие вещи легко списать на хайп ради хайпа, но именно они дают репутацию и медийный вес, под которые потом приходят деньги. Заниматься PR хотят все, а вот его роль и силу почти всегда недооценивают и берут его в последнюю очередь. Поэтому занимайтесь и брендом, и пиаром, будьте успешным. Когда ИИ впервые сделал за вас что-то, от чего вы сказали «вау»? Константин Сухачев

Как бренды уходят от закупки блогеров к контент-заводам Работу с блогерами многие до сих пор строят по старой схеме: пара крупных лиц, интеграция и ожидание охватов. Работает это всё хуже, ведь Reels и TikTok показывают ролик тем, кому он может зайти, и подписчики автора тут мало что решают (кто платил за интеграцию с нулевым выхлопом, тот знает). Поэтому бренды переходят на поток: сотни обычных креаторов снимают ролики про продукт, а залетевшее масштабируют. Когда я разбирал, как тиктокерша случайно написала Dr Pepper новый джингл, это была удача. Контент-завод делает из неё процесс. Так работает UGC Team: 300–500 креаторов в проекте и 5+ млрд органических охватов у клиентов. 21 октября в 18:00 мск — их бесплатный воркшоп для директоров по маркетингу и руководителей SMM и инфлюенса: 🔹 Тренды в контенте и алгоритмы платформ 🔹 Как устроен контент-завод изнутри 🔹 Как нанимать креаторов и управлять ими Рассказывают сооснователь UGC Team Наталия Габисова и Александра Кретова (Aviasales, Perfluence, L’Oréal, 8+ лет в инфлюенсе). 👉 Зарегистрироваться В канале регистрации сразу лежит гайд по найму креаторов, его можно забрать, даже если 21-го подключиться не выйдет. Как у вас сейчас устроена работа с блогерами? Константин Сухачев Реклама. ИП Бронников М.Д. ИНН 312826613288 erid: 2Vtzqvu49qF

Без текста

Летающие машины от Тесла Никогда не знаешь, когда просыпаешься, что тебе принесёт новый день: очередную порцию испытаний и усложнений жизненных или внезапную техническую революцию. Этой ночью Tesla показала свой новый Roadster: машина заезжает на вертикальную рампу, крутит сальто, перепрыгивает через другие машины, да, в целом делает что хочет. Всё благодаря струям сжатого газа и технологии из SpaceX, что на ракетах используют. Как компания они, конечно, вообще нетакуси, и их капитализация этим объясняется. Остальной автопром соревнуется за покупателя экранами и решётками радиатора и всё не может определиться с тем, быть гибридом, электричкой или кем-то ещё (Ягуару привет). А Tesla соревнуется чисто за инвесторов, которым, впрочем, очень успешно и наглядно показывают, каким может быть будущее с ними. Отсюда она и стоит дороже Toyota, BYD, GM и Mercedes вместе взятых, хотя машин продаёт в разы меньше. Очень круто. Моё почтение. Место в комментариях забронировано для ваших оваций, реакций и осуждений. Константин Сухачев

Штраф за лояльность: медовички «Из Лавки» Неделя явно не самого благоприятного эфира для Яндекса, в целом, но несу вам небольшой холиварчик из Тредса, чтобы обсудить и разобраться вместе. Краткий контекст: люди начали сравнивать цены на одни и те же медовички в Яндекс Лавке, и у одного они стоят 129 ₽, а у другого 259 ₽, причём с разных аккаунтов из одной квартиры. Автор ветки разложил это на пальцах как ценовую дискриминацию, ветку посмотрели полмиллиона человек, а в комментариях все кинулись сверять корзины с мужьями, жёнами и коллегами. Наверх вынесло то, о чём все мы прекрасно догадывались и что понимали, но особо не обсуждали. История про «динамическое ценообразование». Примерно такое же всплывало ещё в 2023 году, когда Роскачество проверило Авиасейлс и ещё семь сервисов с билетами и в трёх нашло, что с айфона цена выше, чем с андроида. Но, если там ценовая дискриминация была по твоему кошельку, то тут, если верить комментариям, получилась обратная история: чем лояльнее ты бренду, тем больше за это платишь. Есть подписка? Держи цену выше. Часто покупаешь? Держи туда же. В целом, я прекрасно понимаю, как человек из бизнеса, что новый клиент всегда стоит дороже повторного и ты всегда сваливаешься в то, чтобы новых чуть больше радовать, поэтому юлить и говорить, что у нас в привлечении все равны, не буду. Нет-нет да и промокодики новым на скидочку рука тянется дать. Но тут уже какой-то перегиб случился. Это при том, что, напоминаю, тут мы обсуждали, что Лавка по ценнику была на уровне Азбуки Вкуса. Слежу за комментариями, пока бренда официально не видно, но оно и понятно: на этой неделе им тяжело. С одной стороны, конечно, шлю поддержку команде саппорта, пиара, смм и тем, кто разруливает коммуникационный аврал, но ноль милосердия к конченным продактам, которые по таймеру придумывают тёмные паттерны в продуктах ради монетизации. Причём бьют этим ровно по самым ценным, а разруливать это теперь будет крайне больно, дорого и долго. Уверен, что целые команды дата-аналитиков просчитали риск-профит модельки и точно знают, что перевешивает: выгода от таких перекосов цен или убытки от репутационных потерь. Со стороны мне этого не посчитать, но пример из комментариев показательный: одна из комментаторов раньше заказывала в Лавке по несколько раз в неделю, а теперь раз в месяц и с аккаунта дочери, со скидкой 30–40%. Если такой сценарий в модельке заложен как допустимый, вопрос уже к тому, во сколько компания вообще оценивает постоянного клиента. Замечаете у себя такие ценовые перекосы? Константин Сухачев

0,2%: кто на самом деле юзает ИИ Вчера зацепился за твит Андрея Карпатого (сооснователь OpenAI, бывший руководитель ИИ в Tesla, а сейчас работает в Anthropic над обучением Claude; он вообще и придумал термин «вайб-кодинг»), где он вернулся к топику, что он ещё в апреле поднимал про растущий разрыв, где одни считают ИИ игрушкой, другие переворотом, и всё больше говорят мимо друг друга. Только теперь это уже не два лагеря, а прямо воронка, которая всё сильнее сужается. Согласен и с его тэйком, и с цифрами, поэтому пересказываю тезисно: 1️⃣ 6 млрд человек, 75% планеты. С языковыми моделями почти не сталкивались. 2️⃣ 1–2 млрд, около 20%. Иногда открывают бесплатный ChatGPT и видят туповатого чатбота: поиск получше, помощник с письмами. Неудобная деталь в том, что сюда же Карпатый кладёт многих профессионалов вне кода, в первую очередь руководителей. Они большую часть времени говорят с людьми, поэтому понимают происходящее головой, но из вторых рук. 3️⃣ ~20 млн, 0,2%. Те, кто профессионально работает с топовыми моделями в коде и математике и своими глазами видит, как проект на недели и месяцы агент собирает по одному промпту. Причём случилось это быстро: сам Карпатый меньше года назад ещё писал код руками, символ за символом. 4️⃣ ~5 000 человек. Те, у кого есть доступ к внутренним системам лабораторий. Там рои из тысяч агентов неделями пилят мегапроекты, ищут уязвимости и делают открытия в науке и математике, а люди уже не успевают их результат даже проверить. И, судя по всему, сам Карпатый теперь среди них. Почему воронка такая Причин Карпатый называет три. Первые две понятные: у кого какой доступ (бесплатный ChatGPT и внутренняя модель лаборатории — это небо и земля) и то, что сильнее всего модели пока в коде. А вот третья, по-моему, главная — масштаб задачи. Если спросить у ИИ рецепт или попросить письмо, он и выглядит обычным чатботом, потому что на такой задаче ему просто негде развернуться. В комментариях дропнули классную аналогию: ты сверлишь ручной дрелью, у кого-то появился шуруповёрт, а у пяти тысяч человек целые заводы. Мы всё ещё спорим, полезен ли шуруповёрт, а они уже строят телепорты. "Будущее уже здесь, просто оно распределено неравномерно." — Уильям Гибсон, писатель-фантаст Как итог Круто знать, что многие из нас уже в этих 0,2% или рядом, и понятное дело, что пока одни живут в 2200 году, с нами же остаются те, кто в реальной жизни ненавидит ИИ и не понимает, почему его до сих пор не выключили. Но из-за того, что разрыв так быстро растёт, FOMO остаться в отстающих хотя бы на неделю создаёт колоссальный доп кортизол для нас, но об этом уже в другом посте обсудим. Как бы вы разбили сами эти 0,2%: какие слои видите внутри? Константин Сухачев

Что Wix купил за $80 млн Летом прошлого года Wix заплатил 80 миллионов долларов кэшем за Base44 — конструктор приложений по текстовому описанию, которому на тот момент было полгода. Но главное там было в том, что делал его Маор Шломо вроде как в одиночку и без венчурных денег, поэтому историю до сих пор пересказывают как сказку «парень навайбкодил на восемьдесят лямов» и приводят как доказательство, что так может любой с ноутбуком и подпиской на Клода. Мол, он смог и ты сможешь, только модель посильнее возьми. Хотя, в действительности, за этим полугодом стояли годы в прошлом стартапе и восемь человек в команде к моменту сделки. Но сказка сказкой, а вопрос для бизнеса тут другой: за что именно Wix выложил такие деньги, если своей модели у Base44 не было? Под капотом тот же Claude, к которому есть доступ у любого, кто готов платить за токены. Что продавал Base44 Сгенерить код по промпту к тому моменту умели десятки сервисов, и это, кстати, самая лёгкая часть. Сгенерённый код — это демка, а между ней и сервисом, где клиент заходит под своим логином, данные не теряются, а деньги падают на счёт, лежит пачка скучной работы: база, авторизация, хостинг, домен, платежи. (Такие демки все мы с вами по 2–3 на дню пишем на localhost, не забываем, пожалуйста.) Base44 эту пачку зашил внутрь, поэтому человек без технического бэкграунда доходил от идеи до работающей штуки, ни разу не услышав слово «деплой». Проще говоря, продавал он не модель, а короткий путь от идеи до оплаты, и в деньгах это сходилось: в мае, за месяц до сделки, сервис заработал $189 тысяч прибыли уже после оплаты токенов, что, в целом, неплохо. Сработало это потому, что поднять базу, логины и хостинг под одно приложение — это неделя мучений и пара звонков знакомому разработчику, а платформа прожила эту неделю однажды и размазала её на 250 тысяч пользователей. Для Wix, который двадцать лет продаёт сайты людям, не желающим программировать, это то же обещание, только про приложения. Что с этого бизнесу Токены в AI-продукте — себестоимость, как бензин для такси. Покупают их все у одних и тех же поставщиков, поэтому «у нас внутри GPT» звучит примерно как табличка «у нас в машине бензин». Платят таксисту всё равно за поездку. Проверку я бы прогнал по любому AI-продукту, включая свои поделки: что с ним сделает следующий релиз модели? Base44 от него только выигрывает, ведь дешевеет бензин. А продукт, который зарабатывает на том, чего модель пока не умеет, следующий релиз просто съест. Забавно, что сказка про «навайбкодил на восемьдесят лямов» работает на Base44 лучше любой рекламы: каждый, кто в неё поверил, садится пилить свою демку и упирается ровно в ту скучную работу, за которую Base44 и берёт деньги. Какую скучную работу в вашем деле клиент с радостью оплатил бы, лишь бы не делать самому? Константин Сухачев

Как подрядчик превращается в сотрудника задним числом Про работу с подрядчиками принято думать, что главный риск — сроки и качество: пропадёт, сорвёт, принесёт не то. Вот только самые дорогие истории тут случаются из-за оформления. Glovo годами возила еду руками «самозанятых партнёров», пока инспекция труда не посмотрела, как всё устроено на деле: заказы раздаёт алгоритм платформы, значит, курьеры фактически работники компании. По итогу — свыше 200 млн евро штрафов, а следом требование ещё на 450 млн по соцвзносам. Uber с той же схемой дошёл до Верховного суда, проиграл и доплатил налоговой 615 млн фунтов. У бизнеса поменьше конструкция та же, только держится на «вроде»: договор вроде есть, права на код вроде наши, статус исполнителя вроде нормальный. Всплывает это обычно в самый неудобный момент - на проверке, аудите или сделке с инвестором (и чинить тогда в разы дороже, чем оформить сразу). Эту часть берёт на себя 4dev.com — платформа для работы с удалёнными исполнителями в 150+ странах: 🔹 Один договор с платформой вместо десятков с каждым исполнителем 🔹 Проверку исполнителя проводит сама платформу на входе 🔹 Права на код, арт и тексты можно закрепить с первого дня, если это нужно бизнесу 🔹 Документы в одном месте под любое «а покажите» 👉 Записаться на демо Платформой уже пользуются 1500+ компаний по всему миру. Волшебной защиты от проверок не бывает, зато на демо разбирают вашу схему и показывают, где в ней дыры. Константин Сухачев

Как Nike сжёг $223 млрд за 4 года В ноябре 2021-го Nike стоил больше $260 млрд, сейчас — чуть больше $50 млрд, а в сентябре компания вылетела из S&P 100, где просидела 18 лет. Почти все пересказы этой истории (мой не исключение) растут из одного лонгрида Массимо Джунко, бывшего бренд-директора Nike. В 2020-м CEO стал Джон Донахью, и его ставка — продавать напрямую, через свои сайт, приложение и магазины, ведь маржа там заметно выше, чем в опте. Под эту ставку Nike принял три больших решения, и каждое по отдельности звучало вполне разумно. 1️⃣ Ошибка: данные вместо экспертизы Команды, которые жили своим видом спорта — бег, баскетбол, футбол, — разобрали и пересобрали по полу: мужское, женское, детское (по легенде, с подачи McKinsey). Логика понятная: если клиента видно по данным, отдельный эксперт по бегу не нужен. Ушли сотни людей, а с ними понимание, чем марафонец отличается от того, кто бегает около дома. В конце 2023-го категории тихо вернули. 2️⃣ Ошибка: сайт вместо полки Nike разорвал или урезал сотни договоров с ритейлерами — от Macy's до маленьких беговых магазинов. В пандемию покупатель действительно ушёл на сайт, но потом вернулся в магазин, а на месте Nike там уже стояли On и Hoka. За пять лет выручка On выросла в 11 раз, Hoka — в 6. Писал про это в посте про фиджитал: скопировать сложнее всего то, что держится на офлайне и людях. Nike эту часть отдал конкурентам сам, а в беговом магазине вместе с полкой потерял и консультанта, который советует, что брать. 3️⃣ Ошибка: перформанс вместо бренда Деньги ушли из больших имиджевых кампаний в таргетированную рекламу, которую видят те, кто бренд уже знает. По дэшам это выглядит прекрасно: каждый доллар отслеживается до покупки. Только перформанс собирает спрос, который годами копили «Just Do It» и Джордан, и почти не создаёт новый. Последняя по-настоящему громкая кампания у Nike была в 2018-м, и несколько лет компания проедала накопленное. Итого Если сложить три решения, Nike каждый раз менял то, что сложно посчитать (экспертизу, присутствие у партнёров, бренд), на то, что хорошо видно в отчёте. По своей метрике стратегия сработала: доля прямых продаж выросла примерно с трети до сорока с лишним процентов выручки, а капитализация за то же время упала в пять раз. Если ваша метрика растёт быстрее, чем бизнес, вы, скорее всего, проедаете то, чего она не видит И ещё деталь: все три решения приняли почти одновременно. Когда посыпалось, понять, что именно сломало, было уже нельзя, и откатывать пришлось всё сразу. В 2024-м Донахью сам признал, что с прямыми продажами перегнули, а осенью его сменил Эллиотт Хилл, который чинит всё в обратную сторону и возвращает опт. Акции при этом падают до сих пор, и честно будет сказать, что не всё из-за Донахью: тут и пошлины, и просевший Китай. Но выглядит так, что разрушить историю вышло за три года, а вернуть обратно пока не выходит и за два. Какие ещё компании на вашей памяти угробила собственная трансформация? Константин Сухачев

Как не идти по чужому сценарию на работе Манипуляции принято считать арсеналом продажников и маркетологов, и я сам писал про FOMO ровно с этой стороны. Хотя самые действенные приходят от тех, с кем вы каждый день сидите на планёрке. Там давит живой человек, и он знает, куда нажать: коллега, который «по-дружески» просит забрать его задачу, руководитель с вечным «ну ты же понимаешь, сейчас не время», контрагент, которому решение нужно «до вечера, иначе всё». А замечаешь это уже потом, когда согласился и закрываешь чужую потребность за свой счёт. Избегать манипуляций бессмысленно, они есть в любой среде. А вот научиться их вовремя распознавать вполне реально. Об этом на бесплатном вебинаре «Как справляться с манипуляциями в деловой среде?» расскажет Мария Лагоша — ведущий тренер Софт Скиллз Лаб, преподаватель по переговорам в ВШЭ, основатель и ex-CEO театральной студии. Разберёте на реальных кейсах: 🔹 На чём строится манипуляция 🔹 Как вас ведут по чужому сценарию 🔹 Почему одни приёмы работают, а другие нет 🔹 Как защищаться в любом контексте Формат — Zoom, с практикой на реальных кейсах: можно принести свою ситуацию. Ссылку на эфир пришлёт бот. 👉 Регистрация Волшебной защиты от манипуляций нет, но понимать, на чём именно вас ловят, — уже половина дела. Константин Сухачев Реклама. ИП Клименко А.А. ИНН 772077460576 erid: 2VtzqwFgqQy

Сколько электричества сжёг твой вайбкодинг? Решил посчитать, во сколько наша мания обходится в реальном мире, причём не в долларах, а в киловатт-часах. Цифры в счётчике токенов давно лишь просто FOMO. Сразу обломался, поскольку ни Anthropic, ни OpenAI, ни другие лаборатории не раскрывают, сколько энергии уходит на запрос. Google назвал 0,24 Вт·ч на средний промпт в Gemini, Альтман одной фразой в блоге написал про 0,34 Вт·ч на запрос в ChatGPT, и на этом всё. По Claude есть только оценки энтузиастов, самая подробная — у Саймона Коуча: он пересчитал данные Epoch AI через цены Anthropic. Миллион токенов, которые модель пишет сама, тянет примерно на 2 кВт·ч. (сам Коуч честно называет это математикой на салфетке) Но в Claude Code модель больше читает, чем пишет: перед каждым шагом заново листает проект, инструкции и всю переписку. Перечитывание в 50 раз дешевле, так что в среднем выходит около 70 Вт·ч на миллион, получаем: 🔹 1 млн ≈ 0,07 кВт·ч = один чайник 🔹 10 млн ≈ 0,7 кВт·ч — одна стирка 🔹 100 млн ≈ 7 кВт·ч — сутки жизни обычной квартиры в Москве 🔹 1 млрд ≈ 70 кВт·ч — из Москвы в Нижний на электромобиле 🔹 10 млрд ≈ 700 кВт·ч — столько энергии человек съедает за 10 месяцев У меня на счётчике 32 миллиарда токенов, то есть за 4 месяца я наел на все 30. Явно не на дефиците калорий сижу. Правда, если попросить Клода перепроверить по логам, то выйдет 12,9 миллиарда: панель завышает в два с половиной раза, потому что считает одно сообщение по несколько раз. Экоактивистом я от этого точно не стану и кэш чистить не побегу, но теперь представляю, как катаюсь на электромобиле до Нижнего. Делитесь своими результатами и рекордами по токенам в комментариях. Скриньте статистику из Claude и кидайте туда же: посмотрим, кто в канале главная ТЭЦ. Константин Сухачев

AI маскирует некомпетентность Про хорошее в ЭйАй сказано уже много, но сегодня про побочки, которые приехали вместе с тем, что порог входа снижается и в этот марафон затягивает всё больше людей. На неделях, чтобы качнуть скорее направления, заказывал аудиты сразу у двух подрядчиков, а перед этим сам погонял каждую задачу через все нейронки, что подключены. И вот оба приносят работу, я открываю, а у меня внутри уже на автомате: стоп, где-то я это видел, причём у себя же. Пошёл проверять в три слоя: сам на логику, своей нейронкой и через наших технических экспертов (ускорился, называется). По итогу один аудит оказался переупакованной нейронкой, а второй тоже был сделан с ней, только грамотно: пилотировал её человек, который понимает предмет. Скепсиса к работе через нейронки у меня нет совсем, но, как и любой инструмент, она множитель, а множить можно как умность, так и тупость. И думаю, многие уже поймали у себя этот дополнительный этап валидации «а не кормят ли меня AI-фастфудом». Страх справедливый, ведь на рынке уже есть те, кто вообще не думает, а работает на заказ методом ctrl+c, ctrl+v в нейронку и обратно. Сигнал сломался Годами хорошая работа сама была пропуском: принёс человек связный аудит, где всё сходится и ничего не торчит, значит, голова у него варит. «Чистый лист» — отличный фильтр для ума. Сейчас любой любое может собрать за вечер, и о том, кто его принёс, документ не говорит ровным счётом ничего. Раньше слабое отсеивалось само, ещё на уровне документа, и до моего разбора доходили единицы, а теперь доходят все. Ну и выходит, что экспертизу подрядчика проверяет моя же экспертиза, причём ровно в той области, за которой я к нему и пришёл, и хорошо, если под рукой есть свои технические эксперты. Пол поднялся, потолок остался Со множителем тут есть подвох: тупость нейронка умножает в гладкую уверенную четвёрку, поэтому снаружи её и не видно. Сильный как делал на пятёрку, так и делает, только быстрее. Разница между ними никуда не делась, но на бумаге сжалась до одного балла и стала похожа на вкусовщину. Больнее всего от этого сильным, ведь их отрыв снаружи больше не виден и платить им начинают как средним, ну а заказчик без своей экспертизы спокойно берёт четвёрку по цене пятёрки. В найме «чистым листом» годами были тестовое и сопроводительное. Сейчас их, как и ответы на собеседовании, делают с чатом в соседнем окне, и первый этап отбора почти перестал фильтровать. Что пока работает С подрядчиками выручил прогон, сделанный до них, так что теперь это правило: сначала гоняю задачу сам и плачу только за то, что окажется поверх. Выходит дольше, зато сразу видно, не принесли ли мне мою же четвёрку в другой обёртке. С наймом так не выходит: тестовое слишком маленькое, чтобы разглядеть на нём разницу между четвёркой и пятёркой, а настоящие задачи человек будет решать уже после найма. Поэтому роль тестовых задач и проектов размылась, и теперь мы всё больше челленджим на предмет того, как человек может объяснить логику своих рассуждений. А вы как сейчас отличаете сильного от того, кого просто хорошо прикрыла нейронка? Константин Сухачев

Как понять, что просели вы, а не весь рынок Было дело, где год назад в посте про «яблочко» бренда я советовал сверять CTR и конверсию с нормой по-простому: тупо спросить у ChatGPT бенчмарки по своей нише. Совет рабочий, но с дырой, ведь откуда модель взяла цифры, какого они года и по какой выборке, не узнаешь. А без рынка свои цифры легко прочитать наоборот. Трафик упал на 30% — выглядит как провал, но если индустрия за тот же период просела на 40%, вы отработали лучше рынка. Без этого контекста начинаешь чинить то, что не сломано: резать бюджет, перекраивать воронку, менять стратегию (и защищать всё это на планёрке). Теперь в Яндекс Метрике появились бенчмарки по индустриям. Раньше при нехватке конкурентов или данных сравнение с рынком было недоступно, теперь барьер сняли, и отчёт бесплатный для всех пользователей Метрики, хотя похожую отраслевую аналитику обычно продают отдельно. Чужие сайты в нём не светятся, только обезличенные средние. Внутри: 🔹 26 тематик и 164 подтематики, от ритейла до СМИ 🔹 Воронка: просмотр товара → корзина → покупка 🔹 Разрезы по источникам трафика и устройствам 👉 Как включить отчёт Причину просадки отчёт за вас не назовёт, он показывает, на каком шаге вы отстаёте от рынка. Если визиты растут, а доля визитов с корзиной ниже средней по индустрии, дело в переходе от карточки к корзине, и лить больше трафика бессмысленно. Константин Сухачев Реклама. ООО «Яндекс» ИНН 7736207543 erid: CQH36pWzJqE1dR7FxaVVg2mwzd4RPuF6CN1W4xA6YZGYxB

Продуктовые ролики от Opus 5.5 Несмотря на весь мой AI-энтузиазм, до сегодняшнего дня я думал, что, чтобы делать видео, Клоду нужна куча обвесов и интеграций, а оказалось, что Opus 5.5 из коробки одним промптом собирает уже приличные ролики про продукт. Сам изучил сайт, интерфейс нарисовал без единой картинки, музыка, монтаж. Всё под ключ с этого промпта: Make a launch video for the product below, the kind a top startup posts on X on launch day. The bar: someone who has never heard of the product gets what it does in the first seconds and wants to try it by the end. Get to know the product first: what it promises, who it is for, what makes it worth trying. Use its real assets: logo, colours, type, interface. Make the product the star: show it working instead of describing it. Direction, story, pacing and sound are yours; make it look like a motion designer's work, not a template. Before you call it done, review it scene by scene with a critical eye and polish what is weak. Keep it true: real features, real numbers, nothing borrowed that you do not have the rights to. Project: https://overgear.com Забирайте, пользуйтесь, делитесь, только поменяйте ссылку в последней строке на свой продукт. Какие ещё внезапные задачи за один промпт решали? Константин Сухачев

Мегапиксели нейронок и новые плэйбуки Вчера Anthropic выкатила Opus 5.5, и тут же за ними OpenAI ответила двумя новыми моделями GPT-6 — Sol и Luna. В ленте за сутки буквально все всё разобрали: бенчмарки, цены, кто кого обогнал и на сколько процентов. В целом, классика: X сильнее Y, а Z сильнее X. Мы точно дошли до того куска таймлайна, который уже проходили с айфонами: первый снимал на 2 мегапикселя, четвёртый на 5, потом были 8, 12 и 48. Разница между 2 и 5 била в глаз на любой фотке, а между 12 и 48 её видно разве что в цифрах, потому что после какого-то порога глаз просто перестаёт её считывать. С моделями ровно то же самое. Каждый релиз по-прежнему прыжок на графиках, но в обычной работе считывается всё меньше, и сами компании это, похоже, понимают: главной новостью у обеих стала цена. Opus 5.5, по словам Anthropic, дотягивает до Fable на большинстве задач и обходится на 40% дешевле Opus 5, а OpenAI срезала цены на API вдвое. Держим в голове, что для обеих компаний это работа в убыток огромный. Но вместе с этим есть и приятный новостной апдейт: Anthropic выложила руководство, как с ней работать, и для практики оно полезнее любого бенчмарка. Главное оттуда: 🔹 Не просите её думать. «Подумай внимательно» и «шаг за шагом» можно вычёркивать: модель и так думает перед каждым ответом и сама решает сколько. Без этой строки ответ начинает приходить раньше, а качество заметно не падает. Нужна глубина — крутите эффорт (про него у меня есть шпаргалка), нужен быстрый ответ — так и пишите: «ответь прямо». 🔹 Отдавайте задачу целиком. Одним сообщением и сразу с тем, что значит «готово»: тесты проходят, старый код удалён. Ранние тестировщики гоняли её на задачах по несколько часов почти без присмотра, так что кормить по кусочку теперь только мешает. Вспомнили что-то по ходу — дописывайте прямо в процессе, перезапуск стал дороже. 🔹 Пропишите, где останавливаться. Модель научили отчитываться о работе, и на длинной задаче она стала тормозить, чтобы спросить «продолжить?». Лечится правилом в CLAUDE.md: работай дальше, пока без меня можно, и стоп перед удалением данных, force-push и правками за пределами репозитория. (Прямо как с новым сотрудником) 🔹 Большое — на субагентов, список дел — в файл. Аудит или миграцию просите раскидать по субагентам и проверять доказательства каждого. Задачи пусть ведёт в TASKS.md: старая переписка со временем сжимается, а файл остаётся. 🔹 Отчёт читайте с того, что нужно от вас. Сначала решения, которых модель ждёт, потом всё остальное. И просите её проверить код до человека: по словам одного из тестировщиков, 5.5 на минимальном эффорте нашла больше багов, чем Opus 5 на высоком. В ресёрче — просите помечать, что подтвердить не удалось и где искала. 🔹 В чат — картинки, а не цифры. График или скрин прикладывайте как есть, читает она их лучше прежней. Длинную презу или план просите проверить на противоречия в цифрах, датах и именах, а таблицу — сразу готовым файлом. 🔹 В дизайне перечисляйте, чего не хотите. «Избегай шаблонного» просто меняет один шаблон на другой, работает только конкретика: без кремового фона, курсива в заголовках, нумерации «01 / 02 / 03» и кнопок-таблеток. (Смешно, что сам гайд свёрстан почти в этой эстетике) 🔹 Если сработал фильтр. На темах био- и киберугроз разговор уводят на старую модель с плашкой «Switched to…», вернуться можно через /model. И не просите показать внутренние рассуждения в ответе — такой запрос тоже под фильтром. В целом, модель стала самостоятельнее, так что пора перестать контролировать каждый шаг и вмешиваться, только когда решение правда за вами. Ну и выходит, что прирост в мегапикселях мы уже не видим, а главный вызов текущей меты — это то, как вы ставите задачу. Нетленка «Без внятного ТЗ — результат ХЗ» снова в моде. Как вам отклик новых моделей? Константин Сухачев

Как зайти в тендеры без опыта и своих денег Про госзакупки принято думать, что там всё схвачено: побеждают свои, с миллионами на счетах и нужными телефонами. Убеждение крепкое и удобное, вот только цифры его не подтверждают. В 2025 году госкомпании закупили у малого и среднего бизнеса на 9,55 трлн рублей, поставщиками стали почти 239 тысяч компаний и ИП. По 44-ФЗ заказчик обязан отдавать малому бизнесу не меньше четверти годового объёма закупок, и за это с него спрашивают. Барьер там скорее бюрократический: обеспечение заявки, сроки оплаты, документы, из-за которых снимают на ровном месте. Поэтому большинство заглядывает в закупки один раз и уходит — разбираться не с кем, а сама механика со стороны непонятная. Про это и есть бесплатный курс Сергея Званцугова— тендеры от первого шага до денег на счёте, для тех, кто заходит с нуля: 🔹 Без вложений: схема агентская, вы получаете 30% от чистой прибыли со сделки. 🔹 Без опыта: готовые стратегии и команда, которая в закупках десять лет. 🔹 Без смены профессии: это про дополнительный доход, а не «бросьте всё». 👉 Забрать курс Волшебной кнопки там нет, работать придётся руками и читать документацию. Зато цена входа — время, и своё «там всё схвачено» можно проверить бесплатно. Константин Сухачев Реклама. ООО ТД «Межпромтехнология» ИНН: 5009086121 erid: 2VtzqwBUhp8

AI ускорил всех, кроме компании Если уж говорить про AI-тизацию, которая стала главным трендом и прошла все классические стадии вместе с отрицанием, то говорить во всех красках. Если раньше галлюцинировала только нейронка, то сейчас не меньше галлюцинаций производит сам человек, ведь КПД восприятия у модели ушёл далеко вперёд, а КПД человека по формированию запросов остался почти там же, где и был. Чего душой кривить, у нас уже случались прецеденты, когда один менеджер с другим общается через нейронки, а тот ими же и отвечает. Первый собрал гладкую техническую документацию по проекту и отправил. Второй, если скептик, почелленджит и придёт с вопросами «какого хрена», а если нет — вкинет её в ту же нейронку со словами «проверь и дай мне краткий пересказ». (Сам этим грешу, когда существую в режиме цейтнота) Так и получаются целые стримы, где чтение идёт на уровне машины, без валидации человека, и это стреляет по ногам. Терпения нашему аналитику: он стабильно получает от меня на ревью очередные аудиты от Fable, которые я нагенерил на выходных. Для такого уже придумали слово — workslop. Работа, которая выглядит ооочень как работа: со структурой, заголовками и выводами, только профит чаще всего никуда не двигается, а разбирать её приходится тому, кто получил. Каждый быстрее, все так же Фокус в том, что эффект от AI пока сидит в частном порядке. У каждого свой кусок работы правда стал легче, и любой вам это покажет на пальцах: вот отчёт, который собирался день, а теперь за час, вот анализы и разбор в рамках дня. Никто тут не врёт и цену себе не набивает, всё так и есть. Но когда начинаешь смотреть на уровне компании, ловишь следующее: сроки как ехали, так и едут, правда с небольшой поправкой. Там, где ожидали, что скорость сделает х2 или х3, она увеличилась процентов на 20-30, что ничто на фоне ожиданий. Цифры опроса McKinsey это подтверждают, его провели на 1719 человек в августе: 80% сотрудников говорят, что AI поднял их личную продуктивность, а вклад AI в прибыль видят всего 37% компаний, причём за год эта доля не сдвинулась вообще. Ну и выходит, что частный выигрыш сам собой в общий не складывается. Он так и остаётся на том участке, где возник, а до денег не доходит, раз между участками ничего не поменяли. Ещё одно исследование: 40% работников за месяц получали от коллег такой же материал, и на разбор одного случая уходило часа по два. Один сэкономил час и отправил дальше, у соседа этот час превратился в два, только в отчётность попадает первая половина. Публика в обоих опросах одна и та же, а бывает, что и один человек до обеда и после. Быстрее стало каждому, а счёт пришёл соседу Проверка дороже производства Голдратт писал про это задолго до нейронок: разгоняя участок, который не был узким местом, систему быстрее не сделаешь. Раньше проверить было дёшево: человек писал руками и по ходу сам же думал, поэтому недодуманное выдавало себя кривой фразой. Сейчас проверка дороже производства, ведь гладкий текст читается одинаково, думал над ним кто-то или нет. Тут и вылезает тот самый разрыв КПД: формулирует человек так же приблизительно, как три года назад, только раньше это умирало в черновике, а теперь выезжает документом со структурой и выводами, и платит получатель. Раньше недодуманное выдавало себя само, теперь выглядит готовым Что с этим делать Раз узкое место переехало, то и подстраивать всё надо под него, а сидит оно теперь там, где читают. Причём проверка дешевле всего у самого автора: он ещё помнит, что спрашивал, где модель дорисовала сама и куда он даже не заглянул, а у получателя этого знания нет, ну и час превращается в два. Отсюда правило, которое я сам соблюдаю через раз: чего не дочитал, дальше не отправляй, а если дочитать некогда, напиши сверху прямым текстом — вот это проверял, вот это нет. Раньше такую пометку за нас ставила кривая фраза, теперь её ставит тот, кто отправляет. Сколько из того, что вы отправили за неделю, вы сами прочитали до конца? Константин Сухачев