Всё, что досталось с усилием или тяжёлым трудом — ценнее. Как ворованная картошка фри, которая, как мы теперь знаем, на 39% вкуснее. Поэтому мы задались вопросом: а была ли Елена Троянская красивой, или она получила модификатор +39% к красоте? Разбираем! База 1959 года. Кто прошёл через боль, унижения или трудности, ценят результат сильно больше. Учёные заставляли приличных студенток читать матерные стихи и эротические рассказы взрослому мужику, чтобы пустить их в закрытый клуб. А когда те туда попадали, включали унылую лекцию о спаривании жуков. Вопрос: заставил ли пережитый стыд поверить, что лекция была гениальной? Контрольная группа — 166,7 баллов интересности. Мягкое испытание — 171,1 балл интересности (статистически неотличимо). А вот суровое испытание — 195,3 балла! Выборка, как обычно у психологов, говно. Но в 1959 году это не было традицией, поэтому давайте отнесёмся с пониманием. Мы умеем оценивать и чужие усилия. 138 студентов учили стихотворение поэта. Причём половина думала, что он его написал за 4 часа, а другая половина — что за 18. 4-часовой стих оценили в среднем в 50 долларов, а 18-часовой — в 95 долларов. Повторили с другой выборкой и картиной, оценки — 650 долларов за быструю и 1000 долларов за старательную. Потом 235 человека оценивали качество средневековых рыцарских доспехов по фотографиям. Там давали время работы кузнеца (15 часов или 110 часов) и качество самой фотографии: половина видела доспех в высоком разрешении, где можно разглядеть каждую царапину и детали гравировки, а половина смотрела на мыльную картинку. Доспех за 110 часов, конечно, оценили выше, чем за 15. Но прикол в другом: когда люди видели чёткую картинку, они могли сами оценить мастерство кузнеца, и время работы волновало их меньше. Но когда картинка была мутной, участники смотрели на время 110 часов — и раз долго ковал, значит, шедевр. Ну а мораль — никогда не отправляйте работу сразу, так она куда хуже ) Работа, почему ценность своих усилий назвали Икея-эффектом. Придумали растворимые смеси для кексов. Надо было просто добавить воды. Продажи провалились. Смеси делали готовку слишком простой, и женщины чувствовали, что они тут просто постоять, и на результат не влияют. Тогда изменили рецепт: теперь в смесь нужно было разбить и добавить настоящее яйцо. Сработало! По этой же причине мы любим стол из Икеи — эту хтонь мы собирали сами! В авторах Ден Ариэли, но выборка всё равно говно. А вот почему люди добровольно лезут в горы, бегают ультрамарафоны, решают сложные кроссворды и т.п. Работа для нас стресс, по умолчанию мы должны экономить энергию, поэтому лениться — это базовая биологическая норма. Но есть какие-то ушибленные, которые творят херню. Собственно, ответ вы уже знаете. Потому что не зря же столько лез! Тут проверили на животных. Если голубю пришлось тяжело поработать, сигнал о приближающейся еде кажется ему гораздо более привлекательным. Любой дискомфорт — усталость, долгое ожидание, разочарование — работает. Чем больше напрягать голубя, тем ярче он испытывает радость от награды. Даже ожидание, что придётся тяжело вкалывать, ценное. Даже если в итоге пронесло и напрягаться не пришлось. Теперь снова возвращаемся к прекрасной Елене! 10 лет под стенами Трои — это нифга себе инвестиция. После этого просто не было шансов признать, что Елена на лицо ужасная, добрая внутри. В Илиаде троянские старейшины, глядя на Елену со стены, говорят, что за такую женщину не стыдно воевать. Кроме того, красота — штука непостоянная, поэтому если ради Елены выдвинули список кораблей, который можно дочесть до середины максимум — очень вероятно, она выдающаяся! -- Вступайте в ряды Фурье! | Самые тяжёлые посты Доводы экспертизы об "оскаленной морде и выпученных глазах" производители водки сочли весьма субъективными, поскольку понятие красоты является непостоянным.

Вообще забавно, что бенчмарки теперь бывают двух видов: 1. Научная статья, датасет и протокол для сравнения методов. Пир ревью, методология и всё такое. 2. Мы прикольно запромптили модели больших лаб и что-то получилось, вот блог-пост. Второй тип мне по вайбу напоминает социальные науки в 90-х. Например, как знаменитый Стенфордский эксперимент Милграма: мы сделали одних людей надзирателями, вторых заключенными, и ВЫ НЕ ПОВЕРИТЕ ЧТО БЫЛО ДАЛЬШЕ. Опускается, что Милграм показывал надзирателям как лучше бить заключенных дубинкой для большей драматичности. Или множество исследований типа "мы задали три вопроса пяти студентам в коридоре нашего универа и вот что мы узнали про психику людей..." В общем всё то, что привело к кризису репликации. И позволило многим сделать целые карьеры занимаясь какой-то веселой херней. Короче это изначально не про науку и от бенчмарков одно название

🍞Акрон: почвы для роста нет Производитель удобрений отчитался по МСФО за полугодие Акрон (AKRN) ➡️ Инфо и показатели Результаты • выручка: ₽112,9 млрд (-9%); • EBITDA: ₽47,7 млрд (-9%), рентабельность 42% (без изменений); • чистая прибыль: ₽26,1 млрд (-14%). • чистый долг: ₽124,7 млрд (против ₽115 млрд на конец 2025 года); • чистый долг/EBIDTA: 1,43х (против 1,25х на конец 2025 года). Объем производства основной продукции составил почти 3,96 млн тонн (-14%), объем продаж — 3,92 млн тонн (-18%). Бумаги Акрона (AKRN) незначительно растут.

🚀Мнение аналитиков Результаты смешанные. Выручка и EBITDA снизились на фоне падения объемов продаж и сильного в 1 полугодии рубля. При этом рентабельность EBITDA сохранилась на высоком уровне, поэтому результаты выглядят не так плохо, как может показаться на первый взгляд. Во 2 полугодии важно увидеть восстановление объемов. Во 2 квартале динамика уже стала лучше: выручка выросла на 7% г/г, а операционная прибыль — на 27%, поэтому рассчитываем на постепенное улучшение во второй половине года. Но оценка все еще высокая — около 18х P/E LTM и 9х EV/EBITDA LTM. При этом дивдоходность остается на уровне пары процентов. На фоне низкой прозрачности для инвесторов и менее предсказуемой дивполитики смотрим на акции без энтузиазма.

📍 Подписаться на канал | Мы в MAX

Пока не смотрел нолановскую “Одиссею” (к слову, что скажете – стоит ли?). Но шумиха вокруг фильма – отличный повод вспомнить саму поэму Гомера, которую мы в Театральном институте разбирали вдоль и поперёк. Так вот, Одиссея сегодня принято подавать как эталонного лидера: хитроумный, несгибаемый, любые преграды берёт изобретательностью, а не силой (одна идея с Троянским конём чего стоит). Это действительно яркий управленческий архетип. Есть только одна неувязка. Из-под Трои он вышел с двенадцатью кораблями и командой в несколько сотен человек. А до родной Итаки добрался один и лишь спустя десять лет. Все, кто ему доверился, погибли. Победа любой ценой превратилась в пиррову. Одиссей часто ставит своё эго выше общей миссии. Например, он затащил людей в пещеру циклопа из банального любопытства и желания получить подарки. А когда им чудом удалось сбежать, не удержался и на радостях выкрикнул ослеплённому гиганту своё имя – чтобы тот знал, кто его уделал. Эта минута самопиара вылилась в проклятие Посейдона и десятилетие скитаний. Личная жажда славы потопила общую задачу. Показательна и история с Цирцеей. Волшебница превратила половину спутников Одиссея в свиней. Спасти-то он их спас, но затем завис у неё во дворце и целый год кайфовал. Напоминать, что пора бы и домой, пришлось уже самой команде. Я стараюсь избегать морализаторских выводов, однако здесь не могу удержаться. Настоящее лидерство – это не столько про твой личный подвиг, сколько про выполненную миссию и благополучие людей, которых ты ведёшь за собой. Чтобы добраться до своей Итаки, недостаточно сражаться с чудовищами на пути. Прежде всего нужно укротить чудовищ, которые живут внутри тебя.

#экзит Группа компаний IBS приобрела российского разработчика ИТ-решений на базе искусственного интеллекта Rubbles. Сумма покупки не разглашается. Это экзит для венчурного фонда МТС, который в 2022 году вложил в проект 200 млн рублей. Тогда в МТС заявили, что получили не более 10% компании.  Rubbles в 2014 году запустили выходцы из “Яндекса” - Никита Блинов, Владислав Лисицкий и Александр Фонарев. Компания занимается разработкой IT-решений для оптимизации ключевых технологических и бизнес-процессов на основе анализа данных и ИИ. Одними из первых клиентов стартапа стали Qiwi и "Альфа-банк". В начале 2016 года у Rubbles появился первый зарубежный банк-клиент в Финляндии благодаря лондонской акселерационной программе Accenture FinTech Innovation Lab. Со временем, помимо финансовых организаций, среди клиентов сервиса появились ретейлеры и промышленные предприятия. Основные продукты Rubbles: Planning Force для интегрированного бизнес-планирования, прогнозирования спроса, автоматического пополнения и управления торговым продвижением, Customer Insight для омниканального взаимодействия с клиентами, а также заказные AI/data-решения - разработка под задачи бизнеса на основе анализа данных и машинного обучения. В основе продуктов - собственная платформа Data Application Suite, включающая инструменты MLOps и фреймворк для ускоренной разработки Enterprise-приложений. Все решения включены в Единый реестр российского ПО. В 2016 году стартап закрыл первый раунд инвестиций на $1,5 млн от фонда FinSight Ventures, одним из основателей которого является Виктор Ремша, создатель “Финама”. В декабре 2021 года стартап получил $6 млн от фондов Elbrus Capital Fund III и FinSight Ventures. Средства планировалось потратить в том числе на выход на рынки Западной Европы, Ближнего Востока и Юго-Восточной Азии, но компания отложила эти планы из-за нестабильной геополитической обстановки. В FinSight Ventures подтвердили “Русскому Венчуру”, что фонд вышел из капитала Rubbles еще в 2024 году.  По данным сервиса проверки контрагентов Rusprofile, с 7 августа ООО “Раблз” [юрлицо ] владеет ООО "УК Центр". Из состава учредителей вышла кипрская “СБДА ГРУП ЛТД”. Выручка ООО “Раблз” за 2025 год составила 633 млн рублей, чистый убыток - 72 млн рублей.  @rusven

Тем временем в Британских поликлиниках решили победить вечный ад с дозвонами пациентов на запись и КОНЕЧНО ЖЕ посадили на телефоны ИИ-секретаря по имени EMMA. Стартаперы из QuantumLoopAI, которые и запилили это чудо, гордо заявили, что их виртуальный ассистент умеет аж в 17 языков, мгновенно проводит первичный опрос и распределяет талоны на приём не зная усталости. И конечно же, всё пошло в итоге через жопу: выяснилось, что нейронка на 17 языках говорит без проблем, а вот вдуплить йоркширский акцент местных дедов и бабок — это задача со звёздочкой для современных кремниевых болванов. Для цифрового ассистента этот местный акцент звучал примерно как эльфийский язык. На любые жалобы больных людей бот тупо уходил в ступор, нёс абы что или вообще молча вешал трубку. В итоге разгневанные люди массово шлют нахер новые технологии, бросают трубки и чапают в поликлинику пешком. Не, ну а чо, технически проблема с дозвоном действительно решена же: звонить больше никто не хочет.

🛰 Что такое Netdiscover?

Netdiscover — это небольшая утилита для обнаружения устройств в локальной сети с помощью ARP-запросов.

Чаще всего её используют на этапе внутренней разведки, когда нужно быстро понять: — какие устройства есть в сети; — какие IP-адреса активны; — какие MAC-адреса им принадлежат; — кто производитель сетевого интерфейса. Обычно Netdiscover применяют в одной локальной сети или VLAN, потому что ARP не маршрутизируется через роутеры. Базовый запуск

sudo netdiscover

Утилита начнёт искать устройства в доступном сетевом сегменте. Можно указать конкретную подсеть:

sudo netdiscover -r 192.168.1.0/24

Пример результата:

IP              MAC Address         Vendor

192.168.1.1     aa:bb:cc:11:22:33   MikroTik

192.168.1.10    00:11:22:33:44:55   Dell

192.168.1.25    08:00:27:aa:bb:cc   PCS Systemtechnik

Так быстро видно, какие хосты сейчас отвечают в сети. Пассивный режим Есть ещё интересный вариант:

sudo netdiscover -p

В этом режиме Netdiscover сам не рассылает активные ARP-запросы, а слушает ARP-трафик в сети. Это полезно, когда нужно минимизировать активность. Почему Netdiscover удобен Он хорошо подходит для самого первого шага:

Подключились к сети

        ↓

Netdiscover

        ↓

Нашли живые хосты

        ↓

Nmap

        ↓

Определили порты и сервисы

        ↓

Дальнейшая разведка

Например, Netdiscover показал:

192.168.1.10    

192.168.1.25

После этого уже можно точечно изучать их через Nmap:

nmap -sV 192.168.1.25

Netdiscover и Nmap — это не одно и то же Netdiscover в первую очередь отвечает на вопрос:

Кто находится рядом со мной в локальной сети?

А Nmap:

Какие сервисы и порты работают на этих устройствах?

Поэтому эти инструменты хорошо дополняют друг друга. #netdiscover #arp #network #recon #nmap #pentest #infra

Оценка мелких задач убивает ваше время Типовая ситуация: клиент постоянно присылает небольшие задачи и переживает, сколько времени займёт каждая. Команда начинает оценивать каждую задачу отдельно, согласовывать, потом объяснять, почему не попали в оценку. По факту оценка иногда занимает больше времени, чем сама работа. С маленькими задачами точность вообще плохо работает. Чтобы нормально оценить некоторые из них, задачу надо почти сделать. А если оценивать «на глаз», погрешность по каждой отдельной задаче будет большой. В итоге коммуникация с клиентом превращается не в работу, а в бесконечный цикл согласования бюджета и времени для мелких задач. Что с этим делать: отказаться от точной оценки мелких задач. Учитываем мелкие задачи постфактум. Сделали задачу, зафиксировали, сколько реально ушло. Чтобы клиент на это согласился, нужно немного изменить процесс: 1) Оценка остаётся, но она становится очень примерной: маленькая, средняя, большая задача. Менеджер проекта это может сделать без похода к разработчику. Клиент и Агентство соглашаются, что это грубая оценка. 2) Договориться о месячном лимите. Обычно поток таких задач укладывается в 10-20 часов в месяц. 3) При явном выходе задачи за лимиты или не попадании в оценку - заранее говорим об этом с клиентом. Большие, сложные и непонятные задачи нужно выносить отдельно и нормально оценивать. А поток маленьких задач лучше продавать почти оптом: грубо обозначать размер, следить за лимитом, заранее предупреждать о выходе за ожидания и оплачивать по фактически потраченным ресурсам. Пост помог подготовить резидент Галеры Михаил Сенсеев 🔵

Наблюдаю и у клиентов и по обратной связи от маркетологов на собеседованиях, что команды маркетинга в небольшом бизнесе становятся меньше. Бизнес порезал косты на брендэвернес и подобное, плюс автоматизация таки кого-то да заменила. Из восьми условных человек в маркетинге остаётся три. При этом руководители дешевле не становятся. Как же так, подчинённых-то меньше?

Очень жаль, но все же на трёх сотрудников нужен такой же хороший руководитель, что и на восьмерых

Gallup сделал анализ > 200 000 команд. Размер команды сам по себе эффективность не определяет, определяет качество руководителя. Плохо управляемые команды буксуют, даже когда они маленькие. Подчинённых стало меньше, а решений нет. В какие каналы идти, что резать и где найти дешевые продажи, что делать, когда основной канал отвалился. Этих решений не стало меньше после сокращений Сократилась функция менеджмента, а функция принятия решений = ответственность осталась той же, с чего вдруг руководителю дешеветь Какие у бизнеса есть варианты сэкономить на руководителях: 1 — загрузить руководителя исполнительскими задачами. По данным Gallup, так живёт почти весь рынок: руководители тратят медианно 40% времени на работу рядового специалиста. Правда, не каждый захочет это делать долгосрочно, особенно топ. 2 — взять человека на парттайм. Платить не за присутствие сорок часов в неделю, а за те решения и их внедрение, ради которых он нужен. Российских данных по fractional модели мало. Однако опираюсь на свою практику: за последние полтора года запросов ко мне на fractional стало заметно больше

Из нижнего интернета принес совсем нишевую историю про процедурное моделирование с помощью ИИ агентов. Есть разрозненное сообщество, чем-то напоминающее демо сцену нулевых, где ребята собираются и пилят модели на новом уровне, и на самом деле некоторые примеры довольно впечатляющие! Прикол такого моделирования в том, что, во-первых, оно собирается исключительно агентами, во-вторых, модели собираются из примитивов, в-третьих, можно программировать поведение или анимации, а точнее интерактивность таких моделей. Они более редактируемы, чем генерации, потому что тут нет лишней геометрии, что и плюс, и минус одновременно, вы не соберете органического монстра с порванной кожей и кишками, например, но можете собрать шкафы, какие-то scifi или hardsurface штуки, которые могут двигаться или сгибаться, например, турели, оружие, автомобили и так далее. Есть даже ребята, которые хотят запилить маркетплейс с такими моделями, чтобы агенты имели доступ к запчастям, типа огромного китбаш склада для агентов, откуда агенты могли бы брать эти запчасти или части интерактивной логики. В общем, направление очень внушительное, но не без своих проблем. Приложу некоторые примеры, но в теории технические штуки, в том числе и через CAD моделирование, могут все же выстрелить на ИИ моделях через 1-2 поколения. @CGIT_Vines