Вот именно по следам этих кейсов и не только авторы статьи выше предлагают подход к оценке пользы от внедрения ИИ. OpenAI предлагает перейти к инженерному подходу - измерять не затраты на ресурс, а эффективность преобразования ресурса в полезный завершённый результат. В центре стоит метрика "полезный интеллект за доллар", которая раскладывается на четыре вопроса. Каждый вопрос - это не просто пункт в отчёте, а целая система сбора данных и принятия решений: 1. Выполняет ли ИИ действительно важную работу? Первый шаг - перестать измерять активность и начать измерять результат. Ценность создается не количеством сгенерированного текста, а завершенными полезными действиями. Важно  "определение завершенности" для каждого бизнес-процесса. Тот самый эффект который я называл ещё в 2019ом value в бизнес ноде. Например, для отдела продаж полезной работой будет не "сгенерировать 100 писем", а "отправить клиенту финальное письмо, которое утверждено руководителем". Это меняет фокус с процесса на результат. 2. Сколько стоит одна успешно выполненная задача? Это самый технический и важный пункт. Забудьте про цену за токен, она обманчива. Нужно считать полную стоимость одного принятого результата. И тут как раз вы можете фиксануть ROI, как я говорил выше. Формула простая: (Стоимость API-вызовов + Время персонала на промпты и правки + Время на проверку + Стоимость инфраструктуры) / Количество задач, принятых без доработок. Дешевая модель может давать много ошибок, требовать постоянных правок и в итоге обойтись дороже, чем более дорогая, но точная. Именно поэтому OpenAI выпускает GPT-5.6 с тремя моделями: Sol (для сложных задач, где ошибка дорога), Terra (золотая середина) и Luna (для рутинных операций). Выбор модели - это всегда поиск баланса между ценой и качеством конечного результата. Снова привет fusion или Fugu оркестрации. 3. Можно ли доверять результатам? Этот вопрос напрямую влияет на стоимость. Чем выше доверие к ИИ, тем меньше времени тратится на проверку. OpenAI выделяет тут три уровня зрелости: · Черновик. ИИ предлагает вариант, человек все перепроверяет. · Поиск и рассуждение. ИИ находит информацию и строит цепочки, но решения принимает человек. · Автономное действие. ИИ выполняет операции сам (отправляет письма, вносит данные). Для перехода на новый уровень нужно измерять доверие. Классифицируйте каждый ответ ИИ: · Зеленый –принят без изменений. · Желтый – требует легкой правки. · Красный – полностью переделан. Если доля "зеленых" ответов растет, значит, доверие повышается, а стоимость контроля снижается. 4. Растет ли ценность при масштабировании? Последний вопрос – про динамику. Даже если сегодня все хорошо, нужно следить, не ухудшается ли экономика при росте объемов. Ключевая метрика: Эффективность = Объем полезной работы / Совокупные затраты на ИИ Неплохая замена ROI в моменте, этакий аналог биржевого индикатора. Если вы увеличиваете использование ИИ в два раза, а затраты растут тоже в два раза - вы на месте. Если затраты растут медленнее - вы в выигрыше. OpenAI утверждает, что их модели постоянно улучшаются, а стоимость снижается. Но компаниям все равно нужно вести собственный счёт – собирать данные по каждому процессу и регулярно пересчитывать эффективность. Вот вам и новые задачи вашим аналитикам. 👍 Практический чек-лист для внедрения от OpenAI: 1. Выберите 3–5 ключевых процессов, где используется ИИ. 2. Для каждого четко определите «завершенную задачу». 3. Начните собирать данные о всех затратах (не только API, но и время сотрудников). 4. Ведите классификацию ответов (зеленый/желтый/красный). 5. Пересчитывайте стоимость за задачу и сравнивайте разные модели. 6. Раз в квартал оценивайте динамику эффективности. А как вы оцениваете вклад ИИ в своих проектах? Делитесь опытом в комментариях 👇👇👇

Время на "мы просто пробуем ИИ" уже закончилось. Как измерять реальную ценность от внедрения ИИ? Именно с этого отрезвляющего тезиса стартует статья от OpenAI. Теперь вы не можете как в 2023-2024, а кто-то все ещё сейчас просто экспериментировать ради любопытства, сегодня ИИ - это реальная производственная мощность, и нужно её измерять также, как электроэнергию или выч ресурсы. 📦 помнится, как оценивали качество от автоматизации ручных процессов или поддержки с ИИ: 1. Общий трафик DAU, MAU, WAU и тп. 2. Интерес, через возвращаемость ака retention rate. На самом деле, не так важно, что в первый день запуска вы вывалили большой трафик, как то, что если сервис полезен к вам будут возвращаться снова и снова. 3. Число принятых подсказок с ИИ - ака acceptation rate. К примеру, вы работаете с ИИ суфлером или код агентом копайлотом и вот число принятых подсказок по ответу оператора или коду можно было измерить так. 4. Польза в конечной бизнес ветке или ноде. Если вы работали с сценариями поддержки, на самом деле, автоматизация должна считаться не только числом закрытых вопросов в чате без перевода на оператора, но и измеряться закончился ли диалог на самом деле решением проблемы пользователя или он через час снова придёт с этой темой в чат (а тут уже retention rate работает против вас). Да это можно проксироват через CSI, NPS, но в век LLM и агентов можно верифицировать и без оценки человека, достигнуто ли было намерение юзера и решена проблема с которой он придёт. А ещё у нас была система штрафов за возвращаемость юзера по проблеме ещё раз в чат или к оператору. 5. Фин эффекты в лице ROI. Тут просто (на самом блин деле, ни фига не просто) отношение прибыли к затратам на ИИ сервис, фичу, решение, проект и тп. - скок заработали к тому сколько потратили на разработку, аммортиазцию железа и токены на эксплуатацию. Обычно измеряется в %, умножаетсы естественно на 100. Однако помимо этого, мало посчитать таким образом потенциал, ещё нужно посчитать срок окупаемости. ROI показывал, что мы имеем такой потенциал, а срок окупаемости за какое время мы его можем достичь. 6. Рост эффективности труда. Вот моё "любимое", что над именно считать на сколько уменьшится время на выкатку фичи, сервиса, продукта или нового кода/программы, ускориться принятие решения и тп. Ака Lead Time, Time to Market и аналоги. И да современный ИИ тут помогает. Почитали? Интересно? А теперь забудьте все не так радужно. Начну с ROI прям сразу - компании не умеют, а некоторые оунеры решений и не хотят считать это честно (не в смысле врут, а в смысле не все переменные учитывают). Часто в текущей реальности заканчивается оценкой скорости а-ля ТТМ, но никто не хочет посчитать деньги в конечной бизнес ноде. К примеру, вы смогли автоматизировать аналитику, сказали что ускоритель на К%, но почему-то не получаете оценку оборачиваемости капитала или out-of-stock (упущенные продажи) в денежках, на которые и повлияет ускорение принятия решения от внедрения ИИ. Но окей, вы посчитали это, но в знаменатель забудете положить кроме фот на разработку, ещё токен экономику и аммортизацию ваших мощностей (если они онпрем). Почти все не понимают, сколько токенов они будут кушатс. На самом деле, ну и не должны, вопрос ж в динамическом изменении этого, особено с МАС под капотом. Но раз тут у нас динамический показатель, то ROI не будет фиксой, как и поправки в срок окупаемости придётся вносить. Ну и мякотка, все хотят на старте это посчитать, а в вводных выше мы понимаем, что посчитать можно только по факту в начале (порой пальцем в небо) или за период (на конец отчетного), а без этого даже стартовать порой отказываются. Второе любимое это про экономию на ФОТ через автоматизацию. Ну тип дали людям огонь Claude Code и ща кааак начнём сокращать разрабов и экономить на дорогих манки кодерах. В итоге хороший agent developer с инструментом на max подписке кушает за себя и за Сашку. Те вы почти не экономите на ФОТ, тк сопоставимо тратите на токены.

За последний год стало очевидно: главный вопрос в AI больше не звучит как «Какая модель умнее?» Главный вопрос теперь другой: «Кто сможет построить вокруг модели лучшую экономику?» Кажется, что AI - это гонка технологий. Но если посмотреть на рынок внимательнее, становится видно: технологии начинают быстро превращаться в инфраструктуру. Так уже происходило с электричеством, интернетом и облачными вычислениями. Когда технология становится инфраструктурой, побеждает уже не тот, у кого она лучше. Побеждает тот, кто лучше встроил её в экономику. Именно поэтому сегодня особенно интересно наблюдать за расстановкой сил. Anthropic делает ставку почти исключительно на корпоративных клиентов. Google встроил AI внутрь поиска, рекламы и Workspace - пользователь может даже не думать о том, какая модель работает под капотом. OpenAI пытается одновременно быть лабораторией, платформой, потребительским приложением, производителем устройств и инфраструктурной компанией. И это очень показательный момент. Кажется, что AI-индустрия проходит тот же путь, который проходили почти все технологические рынки. Сначала конкурируют технологии. Потом конкурируют продукты. А затем начинают конкурировать бизнес-модели. Именно здесь появляется самый интересный сдвиг. Если несколько моделей способны решить одну и ту же задачу почти одинаково хорошо, то сама модель перестаёт быть главным источником преимущества. Преимуществом становятся данные, каналы распределения, интеграции, пользовательские привычки, стоимость выполнения запроса, способность встроить AI в существующие процессы. Другими словами, интеллект постепенно становится дешёвым ресурсом. А вот понимание бизнеса становится дорогим. Поэтому мне кажется ошибочным популярный тезис, что AI уничтожит экспертов. Скорее наоборот. AI уничтожает ценность универсальных знаний, но резко увеличивает ценность доменной экспертизы.

Гении вне шаблонов Говард Хьюз — человек, которого трудно было загнать в рамки. Он не ставил перед собой цель войти в историю медицины, когда придумывал кровать с подвижными секциями. И вряд ли мечтал о технической революции, создавая первый бюстгальтер без бретелек — просто хотел, чтобы актриса Джейн Рассел выглядела эффектно в кадре. Тем не менее оба его изобретения перешагнули рамки своих задач и стали культурными символами. Таков был Хьюз: он не делил идеи на «серьёзные» и «второстепенные». Он просто решал конкретные проблемы — с размахом, фантазией и иногда совершенно непредсказуемым результатом. Именно в этом проявляется подлинное предпринимательство — не только в прибыли, но и в умении видеть необычное в обычном, находить решения там, где другие видят только ограничения. Наследие Хьюза вдохновляет до сих пор: чтобы мыслить широко, действовать смело и не бояться странных идей. Именно они часто оказываются самыми живучими Фаундер | Бизнес и Стартапы

[ХАБРААРХИВ] Нокиа погубил не Symbian и не провал MeeGo. Причина была в другом Когда Нокиа горела, про её платформу написал только ленивый, и почти каждый сводил всё к неудачному выбору операционки. Бывший сотрудник, знавший контору изнутри, смотрел на это иначе. Symbian можно было допилить до конкурентного состояния, и даже подари Apple свою iOS бесплатно, компанию это не спасло бы. Дело было в самой организации, которую годы расслабленного лидерства превратили в болото. Раздутая менеджерская прослойка, бесконечные комитеты, где решения не принимались, а откладывались под предлогом рисков. Аутсорсинг, отдавший на сторону главное и оставивший внутри второстепенное. Фрагментация, из-за которой три команды в трёх городах писали софт для одной и той же камеры, каждая со своим бюджетом. На этом фоне приход Элопа с его резнёй по всему живому выглядел уже не предательством. Обсудим, почему уход на Windows Phone оказался единственным выходом, дававшим шанс выжить. #хабраархив

Искали крота внутри компании, а нашли мобильных операторов Клиент оставляет заявку, а через пару минут ему уже названивают конкуренты с тем же предложением. Потом второй клиент, третий, и все обвиняют компанию в сливе номеров. Проектировщик, которого это задело лично, идёт разбираться. Перерыли весь бэкенд, каждую строчку кода, что касается пользовательских данных, проверили CRM — чисто. Логи тоже ничего не дали. Оставалась версия про своего человека, который сливает вручную. Вот только скорость не сходилась. Некоторым перезванивали быстрее, чем менеджер успевал нажать кнопку «сохранить контакт». За пару минут номер физически не скопировать и не передать. Значит, дело не в сотрудниках. Значит, автоматика. Очень быстрая и работающая мимо всего, что они успели проверить.

Большой недельный пост 🎉 Ну, а какую еще картинку можно было сделать сегодня утром. Но лучше почитайте статьи в нашем большом недельном посте и отвлекитесь от новостей. А вот, кстати, и он! 1️⃣ Почему бизнес-модель Wonder Family была невозможна — разбор от Алмаса Абулхаирова («Венчур по понятиям») — ссылка 2️⃣ Разбор собираемого раунда в Twinby (ну, почти) на платформе «Аврора» от Анатолия Горелова — ссылка 3️⃣ История легендарного BitTorrent к его 25-летию от Verge — ссылка (и конспект на VC) 4️⃣ Исследование про опенсорсный AI The State of Open Source AI — ссылка 5️⃣ ИИ-гонка США и Китая оформилась в два блока: Пекин раздаёт модели всем желающим, Вашингтон проектирует фейсконтроль — ссылка 6️⃣ Как к парню приходят люди с камерами, бесплатно убираются и готовят. И все ради того, чтобы потом по этим видео обучать роботов — ссылка 7️⃣ Статья от Lego про то, как выглядели инструкции по сборке в 1950-е — ссылка @TheEdinorogBlog — тот самый канал про стартапы🦄

Триллионеры уже близко Эксперты прогнозируют, что первый человек с состоянием в триллион долларов может появиться всего через десять лет. С 2020 года пятерка самых богатых увеличила своё состояние почти в два раза — с $405 млрд до $869 млрд, что свидетельствует о серьезном перераспределении мировых финансов. Интересно, что 1% самых состоятельных контролирует почти половину всех мировых финансовых ресурсов — 43%. При этом две трети всего богатства сосредоточены в странах Глобального Севера, где проживает лишь пятая часть населения планеты. Семь из десяти крупнейших корпораций возглавляют миллиардеры с совокупным капиталом в $10,2 трлн — это примерно как ВВП всех стран Латинской Америки и Африки вместе взятых. Эти факты не только демонстрируют растущее влияние элиты, но и подчеркивают новые вызовы для бизнеса. В условиях быстрого роста частного капитала компании должны уметь гибко адаптироваться и управлять ресурсами, чтобы оставаться успешными в меняющемся мире Фаундер | Бизнес и Стартапы

Большинство предпринимателей и недели не продержатся в корпорации Мы шутим с Машей Донских, что наши с ней разговоры — источник вдохновения для моих постов. На самом деле — никаких шуток, так и есть! Недавно в очередной раз обсуждали работу в корпорации vs предпринимальство. И пришли к тому, что большинство предпринимателей идут работать на себя не из-за денег, а потому что просто не могут работать в корпах! • Там душно, там сложно получать ответственность за большие куски • Там надо уметь в политику, бюрократию, договариваться с людьми, быть терпеливым и тд • Там часто надо делать, что тебе говорят, а не что сам хочешь, и считаться с чужим мнением • Там даже особо-то не повайбкодишь! Потому что сложно даже получить нужные доступы Чувствуешь себя винтиком в большом механизме, который мало на что влияет. В предпринимательстве в этом смысле намного веселее. Но очевидно, что если вы способны работать в корпорациях — это лучшее, что вы можете делать! С точки зрения денег, вероятность заработать условный $1М в корпах намного выше, при этом нервов вы потратите намного меньше

Apple подняла цены на iPhone, Apple Music, а также подписки iCloud+, Apple One и AppleCare+ Сегодня компания повысила цены на iPhone в японском регионе. Не исключено, что стоимость смартфонов в других странах может измениться в ближайшее время. Новые стартовые цены в Японии: • iPhone 17 Pro Max — ¥214 800 (+10%) • iPhone 17 Pro — ¥194 800 (+8%) • iPhone Air — ¥177 800 (+11%) • iPhone 17 — ¥142 800 (+10%) • iPhone 17e — ¥107 800 (+8%) • iPhone 16 — ¥124 800 (+9%) Вместе с этим изменились цены и на подписку Apple Music. Кризис памяти вряд ли повлиял на стоимость музыки, поэтому компания связала это с подорожанием лицензионных сборов. В США индивидуальная подписка теперь стоит $11,99 вместо $10,99, а семейная — $19,99 вместо $ 16,99. В Европе теперь аналогичные цены, только в евро. Apple также подняла цену на подписки AppleCare+ и Apple One: месяц Apple One Family теперь стоит $27,95 вместо $25,95, месяц AppleCare+ подорожал на $0,50, а годовое обслуживание — на $5. В нескольких регионах изменилась цена и на облачное хранилище iCloud+. Например, новые цены для Турции: • iCloud+ 50ГБ — TL49,99 (+25%) • iCloud+ 200ГБ — TL169 (+31%) • iCloud+ 2ТБ — TL549 (+38%) • iCloud+ 6ТБ — TL1699 (+31%) • iCloud+ 12ТБ — TL3399 (+36%)