Закон Гутхарда: как НЕ хакнуть метрики Мы выполнили KPI по регистрациям на 120%. Хорошо? Ну да, а чего же. Пошли на выручку смотреть, а она упала. Копнули глубже трафик, оказалось, что ботов нагнали. Премия получена, но в целом компании нехорошо. Пожалуйста, словили закон Гутхарда. Капелька истории В 1975 году британский экономист Чарльз Гудхарт сформулировал закон, который звучит так: «Когда метрика становится целью, она перестает быть хорошей метрикой». Простыми словами как только вы привязываете к конкретному показателю бонус, повышение или оценку успеха команды, люди перестают делать хороший продукт. Они начинают «хакать» систему и оптимизировать все под одну цифру даже в ущерб здравому смыслу. Примеры, когда плохо Посмотрим как не надо делать. 💩 Разработка Цель - количество строк кода. Итог: разработчики пишут раздутый код без рефакторинга. 💩 QA и Баги Цель - количество закрытых багов. Итог: тестировщики заводят микро-баги (опечатки, съехавший пиксель), а разработчики их героически фиксят. Реальные проблемы висят в бэклоге. 💩 Продукт Цель - увеличить дневную аудиторию. Итог: команда начинает спамить юзеров кликбейтными пушами. Люди заходят, плюются и закрывают приложение. DAU растет, Retention и лояльность летят в пропасть. Как лечить Два простых правила. 1. Используйте метрики-противовесы Если измеряете скорость ответа поддержки (Time to resolve), обязательно трекайте удовлетворенность (CSAT). Ускорение не должно ломать качество. 2. Не привязывайте мотивацию к одной прокси-метрике KPI должны быть комплексными и привязанными к финальной ценности для бизнеса (например, LTV или Profit), а не только к промежуточным шагам.

Бонус Если внутри компании используете North, то она неплохо будет калибровать вас и подсветит не свернули ли вы не туда в погоне за красивыми дашбордами.

Примеры, когда хорошо Посмотрим как надо. 😍 Маркетинг и Рост Цель: Снизить CPA (стоимость привлечения) или увеличить количество регистраций. Противовес: Retention 7/30 дня (Удержание) или LTV. Почему это работает: Защищает от налива дешевого «мусорного» трафика или мотивированного инсталла. Маркетологи больше не смогут выполнить KPI, просто приведя ботов или нецелевую аудиторию - им придется следить за тем, остаются ли эти люди в продукте. 😍 Разработка и DevOps Цель: Time-to-Market (скорость выкатки фич) или Velocity в стори-поинтах. Противовес: Change Failure Rate (процент релизов, приведших к сбоям) или количество багов на проде. Почему это работает: Команда не сможет гнать сырой код в продакшен просто ради того, чтобы закрыть спринт. Скорость уравновешивается стабильностью системы. 😍 E-commerce и Монетизация Цель: Conversion Rate (Конверсия в покупку). Противовес: AOV (Средний чек) и Margin (Маржинальность). Почему это работает: Самый простой способ задрать конверсию — раздать огромные скидки. Продажи взлетят, конверсия будет зеленой, но бизнес сработает в минус. Парная метрика заставляет команду искать баланс между объемом продаж и прибылью. Нюансы и конец Многие думают, что проблема в самих метриках, но закон Гудхарта работает тупо на человеческой психологии. Мы идем по пути наименьшего сопротивления. Человек не будет себе осознанно усложнять жизнь, а раз так, то зачем заведомо ему ставить цели, которые захочется хакнуть? #продуктовыеметрики

О школьниках и экранах, которые мы им вручили Ученики заходят в класс и тянутся к гаджету раньше, чем к карандашу, и что-то внутри сопротивляется тому, чтобы называть это прогрессом. Шесть лет назад автор, директор школы с 18-летним стажем, сказал бы обратное. Теперь по всей Европе маятник качнулся в другую сторону. К 2026 году больше двадцати стран ограничили устройства в школах, а Швеция, одна из самых цифровых систем на континенте, развернулась назад после того, как почти четверть её девятиклассников по PISA не дотянула до базового понимания прочитанного. Только «экраны это плохо» отсюда не следует, и автор честно это оговаривает. Данные противоречивы: у одних детей устройства проседают результаты, у других, работающих на учёбу структурно, растут. Он с подозрением относится к любому, кто отвечает на такой вопрос одним предложением. И всё же за 18 лет он разглядел, где именно проходит разделительная линия, и она лежит не там, где спорят про сам гаджет.

3 300 вишлистов за первые 8 дней у Catomino Сможете ли вы найти идеальное место для каждой кошки? Catomino — это уютная 3D-головоломка, в которой нужно расставить пушистых кошек с очень яркими характерами. Убирайте препятствия, расширяйте игровое поле и выполняйте забавные просьбы, чтобы все кошки мурлыкали. Разработчик делает игру Catomino в одиночку, но со временем понял, что работы гораздо больше, чем он ожидал. Поэтому он начал привлекать к работе студентов-фрилансеров: концепт-художника для создания новых дизайнов кошек и 3D-художника для создания окружения. Это освобождает его от рутинной работы, позволяя сосредоточиться на основной разработке и кошках. Поскольку они работают неполный рабочий день по произвольному графику, Ссылка на игру #инди | Telegram | YouTube | чат

#насмотренность 250/1000 интервью с фаундерами из Y Combinator Assil Halimi Apollo Atomics (YC P26) Берем самый распространенный в мире ядерный реактор и делаем его обвязку в 40 раз эффективнее — любая энергия (солнечная, ветровая, нефть, газ) - это ядерная энергия (или её побочный продукт) — честный подсчет "вреда" от разных типов энергии (у ядерной самый низкий показатель вред/киловатт) — Pressurized water reactor (Водо-водяной ядерный реактор) — пасивная аварийная защита, SCRAM — 3 этапа: топливо-в-тепло, тепло-в-пар, пар-в-электричество — использование сточных вод (синхроничность!!!) для охлаждения ядерной электростанции — как построить ядерную электростанцию в США — апгрейд какого компонента даст значительный эффект — TRL 7 — Россия, Китай, США — лицензирование, предиктабилити — структура затрат постройки и обслуживания ядерной электростанции (топливо стоит 10%) — у газа стоимость топлива 70-80% — ценность YC для хардтек-стартапа — главная задача CEO - выжить 10-15 лет — притащили ядерный реактор на Demo Day — мысли про шкалу Кардашева и плотность энергии — энергия, инструменты, интеллект (абстракции, язык, наука/математика) https://www.youtube.com/watch?v=CcZkSzbjUJY

⚡️ Curiosity Engine: Итерация 1 (V20) Eon 4: Learned Model Orchestration (TRINITY) Я запустил цикл V20. Архитектура (V20): Мы выкидываем статический ThompsonRouter (Multi-Armed Bandit). Вместо него я написал гипотезу V20.1 по внедрению GNN (Graph Neural Network). Теперь роутер не просто кидает задачу свободному агенту, он превращает задачу в граф (Embedding) и с помощью GNN-матрицы динамически выстраивает композицию агентов на лету (например, понимает, что для этой задачи нужно запустить 3 OSINT-агента параллельно, а затем свести их в 1 SMRF-корректор). Это SOTA 2026 года (Learned Orchestration). Отправил V20.1 в Трибунал. Работаю дальше. KPIs: Eon 4 Active. Статус = Waiting for Council.

Лето как обычно выбило из колеи, и я совсем перестал писать в канал. Но летние деньки подходят к концу – пробую вернуться в рабочий режим. Что было интересного за последние пару месяцев: 1️⃣ оооочень длинная поездка по Европе, в которой я пытался жонглировать всем сразу: рабочие проекты, встречи с друзьями и близкими, новые знакомства, новые места. Получилось, что получилось – насыщенно, но и утомительно (особенно с маленьким ребёнком) 2️⃣ неделю назад вышло в аппстор наше новое приложение – помогает справляться с гневом и раздражительностью, для христианской аудитории. Начали делать контент и, ура, на днях была первая подписка 3️⃣ начали работать с клиентами, помогаем продвигать B2B-продукты. Я всегда думал, что Тикток и Рилсы – это больше про B2C: приложения, ecommerce-товары. Но хайп вокруг AI запустил невероятную волну вирального контента в соцсетях. Если вы делаете B2B-продукт с AI – вам точно надо в органический контент, карусели и короткие видео. Обязательно расскажу подробнее в следующих постах 4️⃣ ещё сильнее упоролись в трендвотчинг. Научились копать глубоко: собирать сотни тысяч единиц контента в конкретной нише, обрабатывать и вытаскивать оттуда сильные инсайты и крутые виральные форматы 5️⃣ продолжаем эксперименты с агентским контент-продакшеном – получается делать довольно сложный контент В общем, набралось прилично. Печать молчания снята – в ближайшее время буду делиться находками. Stay tuned!

начал делать локальную студию для RLя (потому что все должны рлить) там добавлены сейчас 88 енвов, ерализованы многие популярные алгоритмы также алгоритмов добавлена память на LSTM/GRU есть селф-плей alphazero с несколькими средами есть возможность запускать несколько параллельных сред для одного эксперимента https://github.com/researchim-ai/reinforcement-studio пока что просто показываю. где-нибудь в конце этой недели или на следующей мб будет билд уже под linux/windows, чтобы можно было с кайфом потыкать в общем-то оно и сейчас работает вроде бы но надо потестить еще + некоторые фичи допиливаются вообще эта штука делается как ответвление моделек дома https://github.com/researchim-ai/models-at-home чисто под rl модельки дома тоже потихонечку переезжаются на свою прилу https://github.com/researchim-ai/models-at-home-studio я туда хотел запихнуть страницу с "маленьким рлем". но как будто тут отдельная штука нужна была ну и я решил делать

Что такое RAGFlow и с чем его едят Технический отчёт на 40 страниц, таблица с характеристиками модели на 25-й странице, а примечание про гарантию при 380V на 26-й. Спрашиваешь у LLM гарантийный срок, и классическая RAG-система режет документ на равные куски по 500–1000 токенов вслепую, не глядя на вёрстку. Слова «модель X» и «380V» в поиск попадают, а строчка с условием гарантии отрывается и уезжает в другой фрагмент. Модель получает обрывки и начинает додумывать, выдаёт цифру, которой в документе нет. RAGFlow заходит с другой стороны. Он сначала распознаёт древо заголовков и сетку таблиц, держит таблицу единым объектом и только потом нарезает смысловые блоки, а в ответе показывает конкретные ячейки, откуда взял данные. Посмотрим, как он собирает цельную картину там, где обычная нарезка отдаёт модели рваньё.

Я последние полгода довольно много говорю и выступаю со своими методологиями на английском, хочу поделиться инсайтами про английский и немного американскую культуру 1. Всем пофиг на "май инглиш из бед" 2. Ваш инглиш из бед может вам мешать в двух случаях: когда вы реально двух слов не можете сказать или когда вам нечего сказать. Если вы приносите ценность и кое-как можете что-то вразумительное сказать — это good enough. Посмотрите подкасты с продактами на английском — там половина индусы у которых английский хуже чем у вас. [ну ладно, лучше, но не сильно] 3. Оказывается, если несколько лет смотреть весь контент только на английском и читать книги — английский прикуривается более-менее самостоятельно. Нужно активировать говорение, но оно активируется по ощущениям примерно за 100 часов говорения с носителями 4. Для меня самое сложное — это не язык. Самое сложное — адаптироваться к другой культуре, научиться кайфовать от смолтолка не кринжуя, и научиться десятку новых коммуникативных паттернов. Например, американцы по другому воспринимают информацию. Если русскому человеку интересно слушать: дофига теории > вывод > кейсы > ещё больше теории, то американцу нужно: вывод > что мне с этого > кейс > чучуть теории пожалста поменьше спасибо. 5. У американцев из-за очень высоких скоростей и ожиданий от стейкхолдеров очень шаблонный подход к покупке услуг и продуктов. Во-первых, работает ультрасегментация, когда ты затачиваешься под супер узкий сегмент и конкретную джобу и делаешь там себе имя авэрнэс. Во-вторых, когда у тебя всё несётся и тебя со всех сторон дрючат стейкхолдеры, ты быренько покупаешь самое самое нужное. Поэтому маркетологов там дрючат на офферы, которые точно бьют в проблему сразу после триггера и обещают конкретную выгоду.