Великобритания изобрела модель цивилизованного рынка вторички для непубличных компаний. Условно, стартап на IPO не хочет, а дать возможность сотрудникам получить живые деньги за опционы — хочет. Тогда он объявляет аукцион, и в один конкретный день покупатели могут купить, а продавцы продать. Все прозрачно, красиво и под эгидой биржи, а не под столом через цепочку SPV. Механика называется PISCES. Сейчас по ней планируется первая большая сделка — ~1% компании беспилотных автомобилей Wayve. Это 87 миллионов долларов по оценке последнего раунда. https://www.bloomberg.com/news/articles/2026-07-01/wayve-files-for-share-sale-on-london-bourse-s-new-private-market

Стоит ли вообще бороться за место в рейтинге 🔵 Если коротко, то да. Рейтинги - это отличный способ не только потешить эго, но и свериться с рынком и понять, где вообще находишься. Глобально наши ожидания от рейтингов можно поделить на два типа. 1. Лидогенерация. Логика простая: если ты в топ-5 или топ-10 крупного рейтинга по России (а не типа Топ-10 SMM-агентств Сызрани, это важно), лиды реально будут. Но есть нюанс: если вы органически попали в топ-10, у вас, скорее всего, и так всё хорошо с клиентами)) Рейтинг не станет гейм-чейнджером для такого агентства. Тогда остаётся платное промо, т. е. попадание в рейтинг за деньги, условно между 3 и 4 местом или на нулевую позицию. Работает ли это? Работает, но только при нескольких условиях:

— у вас узкая специализация и вы размещаетесь именно в профильном рейтинге; — у вас конверсионный сайт и нормальная обработка входящих лидов; — вы готовы окупаться вдолгую, если LTV клиента меньше года-полутора, отбить размещение будет сложно; — вы готовы размещаться не месяц, а кварталами, параллельно докручивая сайт и процессы пресейла.

2. Просто приятно, когда тебя отмечают. Приятно самому и команде. Немного похоже на геймификацию, типа год пахал, чтобы прокачать своего персонажа в виртуальной реальности под названием ‘’агентский рынок’’. И да, на пресейлах рейтинги тоже помогают. У нас в чате кстати было много фото сертификатов Рейтинга Рунета, так что пользуясь случаем, поздравляю всех, кто туда попал! Понимаю, насколько это офигенный момент: видеть себя в рейтинге и чувствовать, что всё, ради чего пахал было не зря. Флешмоб сертификатов можно проложить в комментариях к этому посту)

💼 Селигдар: большой размер, большие планы Золотодобытчик представил обновленную дивидендную политику Главная деталь — база расчета дивидендов. Она рассчитывается как операционная прибыль, уменьшенная на финансовые расходы, налог на прибыль и изменение запасов по данным МСФО. Принцип выплаты следующий: если отношение чистого долга к EBITDA менее 1х, то на дивиденды направляется 50% и более от базы. Если же от 1х до 2х — 40%, от 2х до 3х — 30%. Если долговая нагрузка больше 3х, то дивиденды не выплачиваются вовсе. На конец 2025 года мультипликатор чистый долг/скорр. EBITDA составлял 3,2х. Бумаги Селигдара (SELG) растут на 1,5%.

🚀 Мнение аналитиков МР С одной стороны, базовая выплата выросла: ранее при показателе менее 1х компания выплачивала от 30% и более чистой прибыли. Однако сейчас у Селигдара все еще высокая долговая нагрузка, и возможность выплаты дивидендов за 2026 год, по нашим оценкам, низкая. Она будет зависеть от размера капзатрат и оборотного капитала.

📍 Подписаться на канал | Мы в MAX

Как понять, нужен ли вашему продукту ИИ (часть 1) Кажется, что в каждый продукт нужно встраивать ИИ — иначе за рынком не успеть. Из-за этого команды нередко начинают обсуждать модели и архитектуру раньше, чем отвечают на более важный вопрос: какую задачу вообще нужно решить? Разберемся, как подойти к поиску решения системно и выбрать технологию, которая действительно выполняет задачу, а не просто добавляет в продукт модное слово «ИИ». Не выбирайте решение, пока не ответите на вопрос: «Какую бизнес-метрику мы хотим изменить?» Практика крупных компаний показывает: далеко не каждый ИИ-проект приносит измеримый результат. Поэтому прежде чем обсуждать решения и конкретные модели, стоит понять, есть ли у проекта понятный экономический эффект: ➡️ увеличить конверсию; ➡️ поднять продажи; ➡️ сократить время обработки документов; ➡️ снизить трудозатраты операторов. Пока нет ответа на этот вопрос, обсуждать GPT, Qwen, RAG или ИИ-агентов просто рано.

Не всякая задача требует LLM

Сегодня слово «ИИ» почти автоматически ассоциируется с генеративными моделями. Но это лишь одна из технологий, которая не всегда релевантна задаче. Разберем, в каких случаях используются разные решения. ML = машинное обучение Если задача сводится к прогнозу, классификации или рекомендациям: ➡️ спрогнозировать спрос, успешность продажи, нагрузку контакт-центра; ➡️ оценить вероятность покупки или отмены доставки; ➡️ определить риск оттока; ➡️ сегментировать пользователей; ➡️ расставить клиентов контакт-центра по приоритету. Это типичные задачи, где классический ML дешевле, стабильнее и понятнее в эксплуатации. LLM = большие языковые модели Если необходимо работать с большим количеством текста: ➡️ анализировать документы; ➡️ искать информацию; ➡️ готовить саммари; ➡️ менять тональность коммуникации; ➡️ генерировать ответы или код. При этом важно помнить, что LLM — это не база знаний. Она умеет очень убедительно продолжать текст. Но если нужной информации нет в обучающих данных или она устарела, модель начинает достраивать ответ самостоятельно. Отсюда и появляются галлюцинации. RAG = поисковая дополненная генерация LLM, которая для ответа может обращаться к заданным источникам данных. Полезна, когда нужна точность с опорой на собственную базу знаний: ➡️ответ по внутренним регламентам и процессам; ➡️помощь на встречах по вопросам о продуктах; ➡️поддержка. Дообучать LLM на общедоступной информации излишне дорого. Кроме того, весь открытый интернет уже давно оказался в обучающих выборках крупнейших моделей — это означает дефицит качественных данных. Поэтому компании чаще используют RAG — модели дают доступ к корпоративным источникам: базе знаний, Confluence, Jira, CRM, регламентам и другим документам. В результате она отвечает на основе актуальной информации, может ссылаться на источник и значительно реже ошибается. ИИ-агент Ключевое отличие: чат просто отвечает, а агент планирует и выполняет действия через подключенные сервисы.

Пользователь собирается в отпуск: один агент может подобрать тур, второй — найти и купить билеты, третий — добавить поездку в календарь и отправить подтверждения на почту.

Команда небольших специализированных агентов, оркестрируемых верхнеуровневым «координатором», во многих сценариях оказывается эффективнее, чем попытка собрать одного универсального помощника. А еще они быстро развиваются, и управление ими становится проще. В следующей части разберем частые ошибки при поиске ИИ-технологии. И фреймворк, который поможет сделать правильный выбор. По мотивам мастер-класса «Нужен ли вашему продукту искусственный интеллект?» Михаила Войтко на ProductSense’25 @productsense

В ИИ-камере Яндекса появились новые возможности Владельцы умных IP-камер Яндекса теперь могут спрашивать Алису о событиях и объектах в кадре. Например, она подскажет, есть ли кто-то у входной двери, открыты ли ворота во дворе и как ухаживать за новым растением. Задать вопрос можно через Яндекс Станцию, ТВ Станцию, наушники Яндекс Дропс или в чате с Алисой AI. Пользователи, у которых есть подписка «Экстра» или «Стандарт» могут задавать неограниченное число запросов, без подписки — до 20 запросов в месяц. Среди других новых возможностей ИИ-камеры — автоматическое включение записи при определенных условиях, смена положения камеры голосом и поиск видео в архиве по запросу своими словами.

Ключевое за 3 дня 📈 Рост и Оптимизация • Выгорание tech-работников достигло 55.7% — Оптимизм упал до 48.7%, тревога — рост требований без повышения оплаты. • AI Overviews расширяются в коммерческом поиске — Рост на 71% по коммерческим запросам, финансы +231%. • Бренды находят золото в микродрамах — Время в приложениях коротких драм выросло на 5.78 млрд часов, Crocs получили 10 млн просмотров. • Reddit блокирует 23 млн спам-просмотров в день — ИИ-системы снизили воздействие спама на 20% и отзывают 2 млн фальшивых голосов. • Инженерия harness для рекурсивного самоулучшения — Обзор harness engineering: как система вокруг модели способствует рекурсивному самоулучшению. • Технический отчёт Gemma 4 — Gemma 4 — открытые мультимодальные модели с dense и MoE, лицензия Apache 2.0. • Samsung обходит Nvidia и Apple по прибыли — Прибыль Samsung $58 млрд, обогнала Nvidia и Apple, акции упали на 7%. 🤖 Промпты и Практика • Совет от Anthropic: использовать Claude Fable 5 как «советника» — Используйте Claude Fable 5 как советника: он составляет план и поручает задачи дешёвым моделям. 🛠 Инструменты • SpaceX запустила ядерный спутник — BOHR с бетавольтаическим источником обеспечит постоянную энергию. • Tesla Cybercab с более мощным FSD — Компьютер с увеличенной памятью для автономности уровня 4. • Google Search Console показывает эффективность соцсетей и видео — Теперь можно отслеживать клики и показы постов из Instagram, TikTok, X и YouTube. • GPT-5.6 Sol, Terra и Luna выходят публично в этот четверг — OpenAI выпускает GPT-5.6 Sol, Terra и Luna; Sol флагман, Terra вдвое дешевле, Luna быстрая. • Лаборатория суперинтеллекта Meta представила первые модели изображений и видео — Muse Image — 2-е место в Arena, уступает GPT-Image-2, интегрируется в Instagram, WhatsApp. • Grok-4.5 от SpaceXAI выходит завтра — Opus-класс, быстрый, эффективный, низкая стоимость, силён в кодинге, появится в Cursor. • Google открывает Gemini-агентов для бесплатных разработчиков — Песочница для экспериментов с агентами.

🤝 Как нанимают в Cursor, Cognition и Replit – и почему там больше нет LeetCode. Попался на глаза разбор от Business Insider про найм в топовых AI coding стартапах – и это прямо любопытная иллюстрация того, как рынок труда для инженеров переворачивается вслед за самим продуктом. К тому же еще и статья без paywall. 1/ Семь раундов и LeetCode – в прошлом: ▪️Cursor и Kilo (портфель General Catalyst) заменили классические циклы собеседований на многодневные unpaid work trials и недельные буткемпы. ▪️Cursor настолько известен своими pilot-трайлами, что это стало частью репутации компании в Кремниевой долине. ▪️Логика в следующем – в мире, где AI пишет код, важнее посмотреть, как кандидат реально работает, а не как он решает абстрактные задачки на доске. 2/ Охота идет не через джоб-борды: ▪️CEO Cursor Майкл Труэлл лично сканирует X и GitHub в поисках неприметных на первый взгляд инженеров, бывших фаундеров и людей из tech стартапов типа Notion и Figma. ▪️В Replit есть отдельный Slack-канал Talent Spot, куда сотрудники скидывают людей, с которыми познакомились на конференции или в Linkedin – даже если знакомство поверхностное. ▪️CEO Base44 Маор Шломо охотится за теми, кто просто выкладывает свои проекты в опенсорс. 3/ Самое неочевидное – новый вопрос на техническом интервью: ▪️В Rocket (портфель Accel) первый вопрос кандидату – сколько токенов ты тратишь в неделю на работе и в личных проектах. ▪️Логика COO компании жесткая: не жжешь токены в бешеных объемах – значит, недостаточно экспериментируешь и не угонишься за скоростью команды. ▪️Заодно спрашивают, можно ли звонить кандидату в 3 ночи, если что-то сломалось – ищут не просто скилл, а "founder mode" даже у рядовых сотрудников. 🔹Тут момент только в том, что tokenmaxxing уже не особо в тренде, так что неясно, сейчас в моменте ответ по токенам должен быть "много" или "мало" – хотя скорее ответ должен быть "адекватно". 4/ AI на интервью не запрещают, а требуют: ▪️В Cognition кандидатам прямо говорят использовать AI-инструменты при выполнении тестового задания – иначе это как "просить ребенка сдать математику без калькулятора". ▪️В Base44 просят кандидата построить продукт вместе с интервьюером прямо на созвоне, за час. Друзья, а вы такое замечаете? Может быть, вы сами стали нанимать как-то по-другому? Если есть, что сказать – делитесь в комментариях. 👉 Ссылка на статью: https://www.businessinsider.com/recruiting-practices-ai-vibe-coding-startups-cognition-cursor-replit-interview-2026-7 @proVenture #ai #howtovc