СРО жалеет о существовании профессии продакт-менеджера У Лении вышел подкаст, где СРО Том Веррилли (ex-Twitch, ex-Twitter) о том, как ИИ обнажает масштабы «продуктового театра» Тезисы:

- управление продуктом — это навык, который приобретается на практике, а не просто должность, и иногда командам лучше, когда инженеры и дизайнеры принимают решения самостоятельно - системное мышление становится всё более востребованным - главная польза ИИ для продакт-менеджеров сейчас заключается в Data Science, а не в прототипировании - лучшие менеджеры по продукту сосредотачиваются на технических деталях, понимании клиентов и принятии решений - Роль смещается от «политики» и «совещаний по согласованию» к отдельным специалистам, которые выполняют реальную работу и углубляются в детали продукта - Для роста следует думать о том, как система работает в масштабе, представить все возможные проблемы, а затем исправить их до того, как они произойдут - При найме сотрудников ищите людей, которые могут защитить свои идеи, используя данные, а не тех, кто просто умеет говорить и заводить друзей - Любимая ошибка Верилли за карьеру — доверять средним показателям. Фичу с 3 процентами использования легко списать как бесполезную. Но для этих трёх процентов она может быть единственным сценарием использования продукта. Отключил фичу — обрушил чей-то бизнес.

Вас в Телеге теперь будут категорически приветствовать, а ещё "шептать" В бете новой версии Телеграм для Android нашли намёк на две весьма интересные (но ИМХО спорные) - обе про то, как писать людям так, чтобы не видели остальные. Первая - приветственные сообщения. В настройках группы или канала можно будет сделать несколько заготовок, и Телега покажет их каждому новому подписчику лично. То есть, прям в канале (как последний пост), но только ему, другие не увидят. А через какое-то время сообщение исчезнет вообще. Это такая раскачка новых подписчиков сходу. Ну, ничё так. Слать такие приветики может админ от своего имени (анонимно), или через ботов. Скам-каналы уже делают заготовки "Админ канала хочет с вами связаться" 😂 Вторая фича - "шёпот". Боты (написано именно про ботов, но может и юзеры тоже) смогут слать приватные сообщения конкретному человеку внутри чата. То есть, внутри чата, без перехода в личку, но чтобы их видел только адресат. Примерно как в первой фиче, но только не админ-подписчик, а юзер-юзер. Годится для личных подсказок и точечного контакта без засорения чата и, вероятно, для старого-доброго скама. В общем, если играли в ММО - то механика вас не удивит. Ждём настройку "не шептать мне на ушкО" в Premium 👍 P.S. Это конечно всё круто, но поможет ли это подтвердить возраст в кабэшечке? А? То-то же. Фичизм

Батареи для аэротакси с плотностью энергии 350 Вт·ч/кг готовы к серийному производству Китайская компания CATL, крупнейший в мире производитель аккумуляторов, объявила о прорыве в области авиационных батарей для электрических летательных аппаратов с вертикальным взлетом и посадкой. Разработанная компанией энергосистема на основе призматических элементов с плотностью энергии 350 Вт·ч/кг успешно прошла ключевое испытание на безопасность, симулирующее отказ двух соседних элементов питания одновременно, и готова к серийному производству. https://hightech.plus/2026/08/11/batarei-dlya-aerotaksi-s-plotnostyu-energii-350-vtchkg-gotovi-k-seriinomu-proizvodstvu

В Китае начали отключать AI-партнёров ByteDance, Alibaba и Tencent начали закрывать чат-боты для романтической переписки и общения с аватарами умерших близких. Причина — новые правила, которые запрещают манипулировать эмоциями пользователей и формировать зависимость от AI. Для части пользователей это оказалось довольно болезненно. Кто-то не успел попрощаться с виртуальным парнем, а некоторые пытаются перенести чаты в другие приложения, чтобы воскресить там своих партнёров. Совсем запрещать AI-компаньонов в Китае не будут. Людей уже перенаправляют в приложения, работающие по новым правилам. https://apnews.com/article/china-ai-virtual-companions-bytedance-wechat-22c4247031092c37b61b537dd809b658

Прочитайте это, прежде чем оставлять только одну услугу в агентстве 🔵В прошлом посте закончил на том, что в нашем агентстве из услуг мы оставили только одну – исследования. Рассказываю, чем это обернулось) Ставка выглядела логично. Работали мы в основном с корпоратами, а они заказывали исследования регулярно. У нас был один заказчик, которому мы за год отгрузили порядка 90 исследований. Каждый месяц собирали для них конкурентные исследования по разным продуктовым направлениям, помогали запускать продукты, делали качественные и количественные исследования для их продуктовых команд. То есть клиент платил не разово, он платил ПОСТОЯННО. А потом в 2022 корпораты порезали бюджеты и забрали исследования внутрь. И в какой-то момент у нас не осталось ни одного клиента, который платит регулярно... Вот тут и вылезла главная проблема. Мы продаём дорого и качественно, чек хороший, работа классная. Только каждого клиента приходится привлекать ЗАНОВО. Сделал проект, получил деньги, и по новой ищешь следующего)) Мы несколько лет еб*лись с этим и пытались что-то сделать: искали новые типы клиентов и услуг внутри исследований, где появились бы повторные заказы. Уходить из исследований очень не хотелось, там уже была собрана команда и настроены процессы. И, главное, что стабильные лиды то тоже были. Сайт мы качали через SEO с 2021 года, по коммерческим запросам стояли в топе выдачи, и заявки шли стабильно каждый месяц, в том числе от классных крупных компаний. Самая тяжёлая часть задачи была решена. Клиенты приходили сами, а бизнес всё равно топтался на месте - лиды есть, а LTV нет. Если коротко, то вот вывод, который я сделал: высокий чек ничего не гарантирует, если клиент разовый. Можно быть загруженным по уши, продавать дорого (как-то продали клиенту исследований на 1,5 млн) и при этом каждый месяц начинать с нуля. А добила эту историю ещё одна вещь, про которую расскажу в следующем посте...

Иногда кажется, что я живу на шпагате или с раздвоением личности С одной стороны, людям говорят – давай, вперед! Все возможно! Десять советов, как найти работу мечты, пять способов затащить сложный проект и семь – вырулить сложный разговор об увольнении, если человек напротив орет или плачет Это все логично и как иначе: ведь если мы упаковываем долгий опыт, мы вынуждено нарезаем его на части, части делаем суше, вычищаем нюансы и подбираем иллюстрирующие именно такую конструкцию примеры С другой стороны, жизнь – это жизнь (гениальная конструкция, Маша, просто мысли, блин, великих). Сейчас разверну Когда мы так учим людей, то (1) к каждому посту, видео, лекции – обязательно прицепится кто-то и скажет – "нет!! так не бывает, вы все врети" или "в жизни все не так" (2) мы как будто плодим людей, которые из всех этих нарезок реальности вытаскивают только "выгорание", "токсичные руководители", "токсичная среда", "платите сотрудникам больше денег и будет вам счастье", а так же "смотрите в трудовой кодекс, у меня есть права" Если чутка вникнуть в обучающие программы, которые вызывают больше симпатии, там почти всегда будут такие, которые говорят "Петя, ты прекрасен, как есть! Делай, что хочешь! Тебе можно все!" Однако, такой среднестатистический Петя даже что хочешь делать не может, потому что у него от любого ролика с сюжетом "я поработал – получил результат" сразу случается выгорание Мне все время хочется спросить у таких ребят – вы где успели выгореть вообще? Что вы там такого постоянно делаете? Если где-то к 30 годам не понять простую связку "поработал и устал?" – "иди и отдохни", я даже не знаю, что сказать. Давайте обратимся к британским ученым :)) У моей мамы был магазин. И однажды там работала ядреная женщина, которая все время грустила – она продавала товар. Мама спрашивала ее, мол, ты чего в печали такой? А она ей – я думаю про магазин, и мне так страшно Тем временем, многие не думают о тех, кто "думает про магазин". То есть – о предпринимателях, по-человечески –  именно о людях, которые делают маленький и средний бизнес и создают множество рабочих мест (большие компании любую херню переварят – на то они и большие, однако человеческого отношения, не поверите, желают все) – Им тоже сложно! У любого руководителя вас – целая компания, и все ходят решать свои проблемы к шефу, как инструменту, который все должен и должен делать это вежливо, объективно, с лицом, обрамленным благостью и всеми хорошими пожеланиями вам и вашей семье до седьмого колена Многие не хотят поверить, что надо херачить и саморазвиваться, и ищут, ищут, кто бы им сказал, что все ж таки не надо и вот – 10 способов, как классно жить Проще рассуждать про токсичных работодателей, нежели услышать обратную связь и стараться хорошо делать свою работу в непростое время Проще рассматривать других людей под микроскопом, как и в парных отношениях – ходить в любые отношения типа в супермаркет, со списком покупок, а потом выкладывать в тредс переписку – кто там кому и что смешно написал, ну какой ужас, Галя и Надя, срочный сбор! Дурной работодатель! – кричат одни Дурные сотрудники! – другие :) Что вы там хотите рассмотреть? Шизу? О, она у каждого первого есть, мои вы хорошие :)) Не надо бояться – шиза украшает среднестатистический коллектив! Может быть этот пост вызовет у вас неприятное послевкусие, но жизнь чаще в попу клюет, чем целует – главное помнить, что это совершенно не страшно, а вообще-то есть такая большая взрослая тусовка, где мы все толкаемся, и что-то – да получается, просто не сразу и не всегда 😁 🔗 Кружок кройки бытия

Нейродайджест за неделю (#126) LLM - Muse Code и Spark 1.2 — Meta выкатили своего агента и новую модель. За счет разрешения обучаться на данных пользователя цена снижена до $0,1/$0,2 за миллион токенов. - Qwen 3.8-Max — Alibaba выпустила мультимодальную модель на 2.4T параметров (95B активных). Отлично справляется с визуальными agentic задачами и автономным кодингом, стоит $2/$6. Обещают выпустить веса уже на этой неделе. - Первая модель SSI — По слухам, стартап Ильи Суцкевера планирует релиз первой модели уже в августе, не дожидаясь заявленного сверхинтеллекта. Генеративные модели - Lift4D — Фреймворк для 4D-реконструкции динамических объектов и их текстур из обычного видео с камеры. - Grok Video 1.5 — xAI выкатила минорное обновление своего видеогенератора. - FLUX 3 Video — Видеомодель от BFL вышла в API (до 20 сек со звуком и липсинком). Появился черновой режим (Draft Mode), базовая цена от $0.17 за секунду в 720p. - SeedRealtime — ByteDance представила нативную full-duplex модель. Ассистент непрерывно смотрит видеопоток, слушает и может инициировать диалог без задержек. - Wan 3.0 — Alibaba запустила публичную бету. Модель генерирует видео до 30 секунд в 1080p, позволяя смешивать текст, фото, видео и аудио для точного переноса внешности и стиля. - Wan Animate 2 — Альтернатива pose-control для motion transfer по видео-референсу без скелетов. Выложили веса и ноды для ComfyUI. - Grok Imagine Image 2.0 — xAI сильно прокачали генератор картинок: добавили Magic Wand, точное редактирование областей, удаление фона и мультиреференс до 5 изображений. Прочее - Gemini Robotics 2 — Google DeepMind обновили VLA-модель: теперь она управляет всем телом гуманоида (включая мелкую моторику), координирует рой роботов и имеет on-device версию для быстрой адаптации. - Перестановки в Google — Демис Хассабис покинул пост CEO DeepMind (перешел на роль Chair и Chief Scientist Alphabet), а Джефф Дин ушел из компании после 27 лет работы делать стартап Discovery Loop. > Читать дайджест #125 #дайджест @ai_newz

Учёные составили карту щекотки Наша непостоянная рубрика «Безумные эксперименты» пополнилась свежим исследованием. Двое нейробиологов из Университета Радбауд собрали 448 человек с тремя разными культурными бэкграундами: голландским, греческим и китайским. Каждый заполнял анкету про свой опыт щекотки, а потом закрашивал на компьютерной модели тела зоны, где ему щекотно. Затем то же самое — для боли и для приятных прикосновений, чтобы было с чем сравнивать. Результат: шея, подмышки, живот и ступни. Одинаково у всех, независимо от культуры. Причём сильнее всего щекотка бьёт по участкам, к которым в обычной жизни редко прикасаются. Опыт тоже оказался почти всеобщим — 98,4% участников кто-то когда-то щекотал, 95,8% щекотали сами. Казалось бы, очевидный результат. Но нет: прикосновения, которые мозг обрабатывает эмоционально, те же объятия — люди из разных культур считывают по-разному. У щекотки такого разброса не нашлось. Самое интересное — сравнение карт. Зоны щекотки не совпали ни с картой боли, ни с картой приятного касания. По словам первого автора работы, щекотка «похоже, представляет собственный класс — и физиологически, и психологически», а не побочный продукт других ощущений. Тут важно различать два разных явления. Гаргалезис — та самая щекотка от сильных повторяющихся нажатий, от которой смеются и извиваются. Книсмезис — лёгкое пёрышко по коже, смеха не вызывает. Её изучали активно, потому что она похожа на зуд, а зуд сопровождает кучу болезней. А вот гаргалезис, по словам нейробиолога Михаэля Брехта из Берлина, до сих пор остаётся «очень плохо понятым ощущением». Хотя явление куда древнее нас. Человекообразные обезьяны щекочут друг друга, крысы и сурикаты реагируют на щекотку от человека — значит, ощущение пережило миллионы лет эволюции. @vselennayaplus

Пять лет спустя я понимаю, почему меня не брали на работу 😂 Мне тут прислали резюме, и я внезапно узнала себя пятилетней давности. Именно с таким резюме я когда-то искала работу в США. И даже интервью практически не получала. И дело было не только в том, что я плохо понимала американский рынок или у меня не было local experience. Мое резюме буквально кричало: Я МОГУ ВСЁ. ВООБЩЕ ВСЁ. Marketing strategy? Могу. Product marketing? Могу. Content? Конечно. Analytics? Давайте. GTM? Да. Events? Да. Sales enablement? Тоже я. Growth? Почему бы и нет. Команду построить? Сейчас построим. Мне казалось: чем больше всего я умею, тем привлекательнее я как кандидат. Но в США это часто работает наоборот! Работодатель обычно нанимает вас не за весь ваш жизненный опыт. Он покупает довольно конкретное решение довольно конкретной проблемы. Что я теперь стараюсь убирать из резюме: 👉🏻5 разных профессиональных идентичностей. Вы не должны одновременно продаваться как Product Marketing + Growth + Operations + Content + Strategy + Analytics одним резюме. 👉🏻Всё, что вы когда-либо делали. Резюме не трудовая книжка и не архив вашей карьеры. 👉🏻Навыки только потому, что они у вас есть. Если они не помогают продать вас на эту конкретную позицию: они создают шум. 👉🏻Достижения из разных профессий без единой логики. Каждый bullet может быть прекрасным сам по себе, но вместе они должны отвечать на один вопрос: почему именно этого человека нужно нанять на ЭТУ роль? 👉🏻Слишком широкий Summary. Если после первых 4–5 строк я могу отправить вас одновременно на пять совершенно разных типов вакансий: позиционирования, скорее всего, нет. 👉🏻Попытку показать максимальную seniority через максимальное количество функций. Senior — это не «делал всё». Senior — это масштаб, сложность задач, ownership, влияние и результат. И вот что я поняла только спустя несколько лет: Хорошее резюме показывает не всё, что вы умеете. Оно показывает именно то, за что конкретный работодатель готов вам заплатить. Остальное можно оставить для интервью. И да. Теперь, когда мне присылают резюме «я и маркетолог, и продакт, и аналитик, и немножко sales», я прекрасно понимаю, откуда оно берётся. Я сама была этим резюме 😂 #сша #карьера

KDD’26, день третий. 1. Keynote от Джеффа Дина. Это один из гигантов области ИИ, стоящий у истоков большого числа различных исследований и разработок Гугла, которыми мы все с вами пользуемся. Он буквально придумал MapReduce, TPU, tensorflow, был соавтором word2vec, mixture of experts, knowledge дистилляции; делал первый нейросетевой машинный перевод. В последние годы лидил разработку Gemini. У него 426490 цитирований на google scholar. Пока текущий кейноут не залили на ютуб, можете посмотреть как в 2014 году он выступал на ACM RecSys с кейноутом Large Scale Machine Learning for Predictive Tasks. На сегодняшнем кейноуте сначала был экскурс в его основные околонейросетевые работы, про которые писал выше. А еще: * оказалось, в своем диссере из 90-х он уже занимался нейросетями — скейлил обучение до 32-х процессоров. Потом продолжил тем же самым заниматься в Гугле :) * забавный факт — статью про knowledge distillation (ту самую, с Хинтоном в соавторах) — реджектнули на Neurips со словами “это никому не понадобится”)) Затем рассказывал про свой уход из Гугла — как объявлял на всю компанию что уходит; что очень много людей пришли на прощальную вечеринку, все не поместились в Гугл кафешке; что было очень много прощальных писем, он пытался на них все ответить, но не получалось, но он пытался, но не получалось... Сходил на йогу, поиграл в футбол, возможно всплакнул. И, наконец, рассказал про свою новую компанию Discovery Loop: * jсновная идея — автоматизация типичного экспериментального пайплайна “propose experiment -> implement and run -> evaluate” * К вопросу подходят масштабно — предполагается, что запускаться будет очень большое количество экспериментов, их результаты (и отрицательные, и положительные) будут использоваться агентами на следующей итерации экспериментов. Ожидается, что при должном масштабировании это приведет к большому количеству научных прорывов * Сначала фокусируются на digital областях, в которых эксперименты не требуют доступа к физическому миру * Приводил как пример масштабного запуска экспериментов разработку Gemini, в которой одновременно принимали участие тысячи людей, и мерджили результаты экспериментов в единую модель Еще было немного про кодинг: * сейчас происходит следующий, еще больше верхнеуровневый этап программирования: ассемблер, C++, Python, а теперь — делегирование задач агентам * по мнению Джеффа, агенты нас не заменят, а сделают продуктивней (ага, ага) 2. Вообще, сегодня я хорошенько прочувствовал, что агенты становятся основным трендом в рекомендательных технологиях. Семантические айдишники и генеративные рекомендации, конечно, это все еще очень горячая тема, про которую большие компании трубят из каждого угла; но уже появилось четкое ощущение, что самые передовые ребята занимаются агентами, а большие компании просто как всегда не поспевают за прогрессом. Чуть более конкретно: * пообщался с Derek Chang (руководителем команды в Google DeepMind, в которой придумали DCN-v2). Раньше его команда помогала различным сервисам Гугла (в первую очередь рекламе) делать рекомендательные технологии — придумывали архитектуры нейросетей, работали над эффективностью, etc. А теперь они делают агента, который их заменит)) Буквально занимаются посттрейнингом LLM * Артёму @nxt_item стажер из команды onerec-think/onereason Куайшоу сказал, что сейчас у них половина команды занимается проектом Агент X, суть которого буквально такая же — создать ИИ ресерчера, который их всех заменит В общем, тренды страшные. Мы все призадумались; на постерной сессии полчаса стояли в кружке и пытались осмыслить надвигающийся экзистенциальный кризис. Если еще посты Игоря @seeallochnaya про ситуацию с OpenAI агентами почитать, то совсем страшно. 3. Также сегодня была вторая постерная сессия (вчера industry track, сегодня research), ее я провел в основном возле статьи A Unified Language Model for Large Scale Search, Recommendation, and Reasoning от Spotify, про которую в этом году уже даже на лекциях рассказывал!) На этом всё. Следующий пост за меня будет писать уже агент