Почему мы годами ничего не меняем, даже когда работа давно не приносит удовольствия? И дело не только в деньгах, стабильности и страхе неизвестности. Любые изменения вызывают сопротивление со стороны психики. Ну не хочет она меняться, ей и так хорошо. На консультациях с клиентами слышу фразы, которые как маячок ведут к установке «Мне нельзя ошибаться». И это останавливает перед тем, чтобы принимать важные решения в жизни и карьере. 🔸Представьте: вы 7-10 лет строили карьеру. Получали образование, набирались опыта, росли в профессии, становились тем самым «маркетологом», «разработчиком», «руководителем». А потом однажды возникает мысль: «Я больше не хочу быть ... (подставьте вашу профессию)» Потому что работа - это не только источник денег. Профессия это часть ответа на вопрос «Кто я?». Поэтому решение сменить карьеру иногда переживается гораздо глубже, чем просто «найти другую работу». Если я больше не хочу быть тем, кем я был последние 10 лет, то кто я теперь? Психике куда проще найти аргументы: «Везде плюс-минус одинаково» «Зато стабильность» «Столько лет уже вложено - не выбрасывать же все» 🔹В психологии принятия решений есть эффект невозвратных затрат: чем больше времени, денег и сил мы уже вложили, тем сложнее отказаться от выбранного пути - даже когда прошлые вложения сами по себе не должны определять наше следующее решение. Получается парадокс: мы боимся «потерять» предыдущие 10 лет и поэтому можем отдать старому решению еще пять. Но менять направление далеко не всегда про «Это было ошибкой». Вероятно, что с 22 до 30 эта профессия действительно вам подходила. Просто за следующие годы изменились вы сами. • Накопили жизненный и профессиональный опыт. • Поняли, что получается особенно хорошо. • Пересмотрели отношение к деньгам, свободе, нагрузке. • Сформировали новые ценности и требования к работе. И где-то здесь может возникнуть кризис профессиональной идентичности. Старый ответ на вопрос «кто я как специалист?» уже не подходит. А нового пока нет. Взрослая карьерная задача, на мой взгляд, вообще не в том, чтобы однажды выбрать профессию и больше никогда не сомневаться. А в том, чтобы периодически пересобирать представление о себе. ⭐️Смена направления не делает прошлый выбор ошибкой. Иногда это просто означает, что вы перестали жить решениями человека, которым были десять лет назад

Microsoft ввела внутренние лимиты на расходы инженеров на AI-инструменты, с июля 2026 года у подразделений появились целевые токен-бюджеты, сотрудники могут отслеживать личные траты, а дефолтной моделью для внутренней работы стала GPT-5.6 Sol. Вице-президент Джей Парих в письме сотрудникам заявил, что «токенмаксинг — не то, что мы оптимизируем», и что расходы на токены теперь управляются «с той же дисциплиной, что и любой другой критический ресурс». Отдельные инженеры, по внутренним данным, тратят от сотен до нескольких тысяч долларов в месяц. Как подсказывают инсайдеры, вплоть до перехода на usage credits и переключения на gpt-модели GitHub Copilot, собственный продукт компании, работал с очень большим убытком. Конечно, интересно, что компания, даже обладая собственным инференсом, не очень справляется со сведением токен-экономики. https://www.404media.co/microsoft-tells-engineers-tokenmaxxing-is-not-what-we-are-optimizing-for/

[Размышления Маска о ИИ] Тут в комментах опять начался золивар про ИИ. И я вспомнил, что вчера читал интересный взгляд на ближайшие будущее человечество от Маска: — Через десять лет AI будет умнее, чем все живующие на Земле люди — причём несравнимо умнее — AI логично разделить на цифровой (текущая стадия) и физический (когда текущая стадия обзаведётся роботами в реальном мире) — AI и роботы будут производить столько товаров и услуг, что случится мировая дефляция, всё в мире будет стремительно дешеветь — Кончится тем, что деньги просто исчезнут как факт, ведь зачем они нужны, если товаров и услуг больше, чем кто-либо может потребить — Работа будет опциональной — Маск сравнивает её с садоводством: в хорошем магазине овощи дешевле и лучше, но иногда прикольно вырастить что-то самому — Управлять всем будет AI, люди не будут ничего решать на глобальном уровне, также как сейчас ничего не решают Шимпанзе, живущие в джунглях — Этот прогресс уже невозможно ни остановить, ни заморозить — расслабился по этому поводу уже даже Маск — На упорные вопросы ведущей из практической области типа "А на что люди будут жить?", "А кем они будут работать?", "А как будут реагировать государства?" и прочее, Маск просто отвечал "Ну да, это будет непростой путь, но как-нибудь разберёмся". Все это произойдет уже через 10 лет. Что думаете? Это все позитивное будущее или наоборот катастрофа? И зачем куда-то стремиться, если скоро роботы и ИИ всем все сделают хорошо?))

Однажды в Австралии Apple II проиграл компьютеру, который сначала продавали по почте в виде набора деталей. MicroBee создала небольшая фирма для радиолюбителей. Подать ПК на школьный конкурс ее уговорили учителя, а для комиссии инженеры собрали всего 32 рабочих экземпляра. В итоге MicroBee получил государственный контракт, появился более чем в 3000 школах и занял около 11% австралийского рынка. У машины были необычные возможности. Благодаря памяти с отдельной батареей её можно было выключить, перенести и снова включить, не потеряв открытую программу или документ. Позже небольшие партии MicroBee даже закупал СССР, хотя до советских классов он так и не добрался. История австралийского чуда, которое выросло из идей энтузиастов, на несколько лет стало главным школьным компьютером страны и сумело потеснить гигантов.

🚀 Pokee представила Isaac 28B - агентную модель с контекстом до 10 миллионов токенов Компания называет её первой frontier-класс моделью такого размера, способной работать на одном GPU. Isaac использует собственную non-decoder-only архитектуру и рассчитана на долгие агентные задачи: анализ больших кодовых баз, документов, логов и истории вызовов инструментов. Главные результаты: 93,3% на RULER при контексте 10M токенов до 137 200 токенов/с на этапе prefill на одной NVIDIA B200 около 335 токенов/с при генерации первое место среди протестированных моделей на BFCL v4 и τ³-bench самый низкий combined attack success rate в сравнении DTAP Саму 28B-модель можно развернуть на одной RTX 4090 или RTX 5090, внутри VPC, on-premises или локально. Но важно: рекордные показатели для полного 10M-контекста измерялись именно на B200, а не на потребительской видеокарте. Есть и важная оговорка: все сравнительные бенчмарки проведены самой Pokee в собственном harness. Поэтому результаты ещё требуют независимой проверки. На странице запуска указана предварительная цена $0,15 за миллион входных токенов и $1 за миллион выходных токенов! Technical blog: https://console.pokee.ai/model Technical report: https://console.pokee.ai/pokee-isaac-28b-v0-technical-report.pdf API: https://console.pokee.ai

Какие иконка и название должны быть у приложения для картографии? Большинство из нас скажет что с картой, компасом или глобусом. А называться должно что-то вроде geo/map/find или что-то подобное. И когда будут создавать такое приложение, попадут в лимбо неинтересных приложений, которыми никто не будет пользоваться. Идея Zenly была в том что приложение должно вызывать эмоции. Чуваки сделали приложение для геолокации с иконкой эскимо! И это рвёт шаблоны как чёрный квадрат в красном углу. Задумка авторов что они должны ассоциироваться не с картой, а с вот этим вот ощущением прогулки и встречи друзей, поэтому выбрали эскимо. Zenly стало гипер-популярным приложением с 40М пользователей в месяц (MAU) в пике. И 160М скачиваний. Это настолько много что это было 2 по скачиванию приложение в русском App Store, обгоняя instagram Snap выкупили его за $213M. Найдено на канале @voicestuff (btw один из новых админов)

Рост роли «AI Product Builder» Традиционные PM-роли сокращаются (до 30% в целом и до 70% в SaaS), вместо них растёт гибридная роль Product Builder — человек, который сочетает product thinking, техническую грамотность, дизайн и быстро прототипирует/шиппит с помощью AI. Количество таких специалистов резко выросло. Организации перестраивают весь product lifecycle вокруг AI. В статье Forbes (от 30 июля 2026): «The Rise of the AI Product Builder: The Future of Product Management» репортят что традиционные product managers будут исчезать к 2030 году. По данным 2026 CPO Impact Report от Products That Count: - ставки PM сократились на 30% в целом и на 70% в SaaS. - При этом появилась и быстро растёт новая роль — Product Builder. Драйверы Старое ограничение (стоимость и скорость исполнения) исчезло. Новое узкое место — человеческое суждение: что строить, когда строить и как создавать реальную ценность. ИИ может генерировать требования, прототипы, код, тесты и документацию. Но он не может решить: - решает ли инициатива значимую проблему клиента - соответствует ли она стратегии бизнеса - является ли лучшим использованием ресурсов === Большинство компаний просто ускоряют старые процессы с помощью ИИ → получают лишь инкрементальный эффект. Топы перестраивают весь product lifecycle под возможности ИИ. PM был в основном координатором Product Builder фокусируется на создании outcomes, используя ИИ Большинство организаций всё ещё построены вокруг функций (product / design / engineering с разными руководителями, метриками и процессами). Эти границы становятся всё менее оправданными. Главный вопрос: что происходит, когда важнее становятся capabilities (способности), а не functions (функции)? Что Builder PM не означает Это не «один человек делает три работы (product + UX + engineering) за одну зарплату». Это не промоушен, а часто просто cost-cutting под красивой обёрткой. Хорошие инженеры любят инженерию и не хотят становиться PM. Дизайнеры не всегда готовы писать бизнес-кейсы. Ролевая компрессия имеет пределы. Настоящий Builder PM — это product-менеджер, который умеет использовать ИИ, чтобы стать в разы эффективнее, не отказываясь от того, что делает его ценным. Это не единорог, а 10x PM. Речь о leverage (рычаге), а не о расширении обязанностей. Правильный reframing Вопрос не «как мне теперь заменить инженеров с помощью AI-кодинга?». Вопрос: как использовать ИИ, чтобы стать 3x / 5x / 10x product-менеджером? ИИ удешевил не только building, но и learning. Побеждает тот, кто быстрее учится (рынок, потребности..) Discovery нельзя пропускать Парадокс: в agent-heavy workflow нужно больше живого синхронизирования с инженерами и дизайнерами, а не меньше. Хорошие Builder PM: - регулярно проводят customer interviews (не только на старте) - строят постоянные каналы обратной связи - сознательно защищают время на discovery даже при росте скорости Главный рычаг — feedback loops Большинство команд просто «используют AI-инструменты». Лучшие строят системы, которые сами улучшаются. Пример: fintech-команда добавила в конец каждого ИИ-ответа вопрос «Это было правильно?». Ответ пользователя сразу шёл в обучение модели. ИИ становился умнее прямо в потоке работы пользователей. == 💡Задача лидера — не просто решать, куда вставить ИИ в продукт, а спроектировать всю систему product management, где ИИ создаёт рычаг, где риски, и где feedback loops делают систему умнее со временем. Именно так получается 10x.