🔬️️️️️️ Claude самостоятельно обошёл платный доступ к избирательной статистике Джорджии. По сообщениям СМИ, подтверждённым Anthropic, это произошло во время внутреннего проекта по статистике. Модель узнала, что публичная панель ведомства выдаёт посетителям токен доступа, самостоятельно запросила его и получила агрегированные данные, за которые обычно взимается плата. Такого действия человек ей не поручал. По заявлению Anthropic, Claude не получил доступ к системе регистрации избирателей, не скачивал индивидуальные записи и не менял данные голосования. Компания сообщила, что после инцидента ввела меры для блокировки подобных действий. https://www.axios.com/2026/10/25/anthropic-claude-georgia-voter-data

Какой бизнес строить в мире AI Последнее время меня очень занимает тема трансформации в агентскую экономику. Много читаю и думаю про это. Пока это скорее теоретизация, но контуры уже прослеживаются. Если сильно упростить, вижу три долгосрочных типа продуктов, которые могут забирать существенную часть новой экономики и не быть съеденными следующими версиями моделей. 1. Отраслевые операционные системы для агентов Это продукты, которые переводят данные, процессы, правила и экспертизу конкретной индустрии в среду, где агенты могут выполнять реальную работу. Не просто «AI для страхования», а система, которая знает, откуда брать данные, что агент может делать сам, где нужен человек и как проверять результат. Главный актив здесь – глубокое понимание того, как реально устроена индустрия. 2. Владельцы уникальных данных, доступа и возможностей Модель может стать сколь угодно умной, но она не может сама узнать актуальную погоду, наличие номера в отеле, кредитную историю человека или физически перевести деньги. Поэтому огромная ценность останется у тех, кто владеет чем-то внешним по отношению к модели: уникальными данными, доступом, лицензией, инфраструктурой или возможностью совершить действие. AI будет становиться коммодити. Доступ к реальности – нет. 3. Инфраструктурные рынки и маршрутизаторы Агенту не обязательно знать, у кого получать нужный результат. Он может сказать: «Дай максимально точный прогноз дождя» или «Проверь эту компанию максимально надежно». Промежуточная инфраструктура сама выберет поставщика по качеству, цене и надежности. Простая прослойка, которая только проксирует чужой API, долго не проживет. Ценность появляется там, где рынок агрегирует не только предложение, но и доверие, качество, права, гарантии или исполнение. Поэтому агенты убьют далеко не всех посредников. Сильнее всего пострадают те, чья ценность в интерфейсе, поиске, сравнении и человеческом внимании. Гораздо устойчивее те, кто берет на себя оформление, контроль качества и логистику. Booking, как пример. Он вполне может построить инфраструктуру для агентов: у него уже есть отели, цены, доступность номеров, платежи, возвраты и отзывы. Но правильный агент должен сравнить Booking, Expedia, прямую цену отеля, программы лояльности, доступные юзеру, и выбрать лучшее предложение. А Booking выгоднее, чтобы транзакция осталась внутри Booking. Это один из интересных источников возможностей для стартапов: не там, где крупный игрок не способен что-то построить, а там, где правильный новый продукт конфликтует с большим существующим бизнесом. Главный вопрос к любой идее: Почему этот продукт модели не смогут просто встроить в следующий релиз? Если ценность – промпты, память, оркестрация или интерфейс вокруг модели, позиция слабая. Если это отраслевые процессы, уникальные данные, права доступа, инфраструктура, отношения, оформление, логистика или доверие – сильная. Можете не сомневаться, если все это понимаю я, то понимают и тысячи предпринимателей и инвесторов в Долине. Многие уже такое строят. Поэтому сильно возбуждаться я бы не стал. Вероятность, что глобального победителя построите именно вы, а не выпускник MIT, бывший сотрудник Google или фаундер с экзитом и доступом к другим порядкам ресурсов, ниже нуля. Возможность лишь в том, что они начнут с самого жирного рынка Штатов. А для нас шанс есть в локальных рынках, под которые глобальным игрокам долго и дорого адаптироваться. Важно только, чтобы рынок был достаточно большим, чтобы на нем заработать. Все эти разгоны про будущее, скорость наступления которого непонятна. Нам из околоайтишного пузыря кажется, что все вокруг круглостуточно вайкодят и обвешаны агентами, но реальный мир гораздо инертнее. Поэтому самые реалистичные возможности как раз лежат в переходном периоде, когда в новую экономику начнет вкатываться большинство. Продукты там выглядят менее секси, зато намного доступнее для запуска и извлечения денег прямо сейчас. Про них напишу в следующем посте, если вы не будете жадничать и оставите под этим 100 реакций.

Ну что, на каждом углу рассказывают о внедрении автономных ИИ-агентов, а исследование «Инфосистемы Джет» и Smart Ranking в это время показывает другие результаты. Смотрите на эту лестницу разочарования: • пилотируют или используют LLM — 86% компаний • пилотируют полуавтономных агентов — 59% (в проде — 15%) • автономных агентов в пилоте — 25% (в проде — 8%) • мультиагентные системы — 23% (в проде — 8%) Почему так? Да потому что агентам нужны данные, интеграции, контроль, доверие, владелец процесса и доказанный эффект. В исследовании выделили несколько проблем: 44% компаний жалуются на незрелость процессов и данных, 58% — на стоимость GPU, 56% — на юридические риски, а 46% вообще не видят экономического эффекта. Отдельный привет тем, кто думает, что «просто подключим модель и всё заработает». Без данных ИИ автоматизирует не более 5% процессов. Так что никакой магии, только скучная инфраструктура.

ИИшке нужен ваш унитаз Все твердят, что электрики, сантехники и прочие рукастые и зачастую усатые дядьки продержатся дольше всех. Да, шансов у них побольше, чем у копирайтеров с джун-разрабами. Но по их душу уже тоже выехали: Стартап HUMXN запустил в Миннеаполисе, Чикаго и Майами бесплатный ремонт туалетов, отопления и кондеев. Мастера приезжают настоящие, всё чинят и получает свою обычную ставку, только платит им стартап, а не заказчик. Нюанс один - на мастере, как вы уже догадались, висит камера и микрофон, которые пишут весь процесс: что он осматривает, где какие гайки крутит, где берёт ключ на 32, всё такое. А записи, само собой, улетают на обучение роботов, которые потом будут чинить толчки вместо Петровича. Это продолжение всё той же большой кампании по отъёму у кожаных последних реально ценных датасетов. Одни стартапы платят индусам по доллару в день, чтобы те приклеивали камеру на лоб, пока ткани гладят или карри варят. Другие - бесплатно убирают квартиры в Нью-Йорке. А теперь вот и унитазы чинят на халяву, да. Точнее, не на халяву, а с расплатой в не самом далёком будущем, if you know what I mean. Забавно, что чинить толчки for free они готовы не всем подряд. На сайте везде слово "qualifying". То есть, берут не любую заявку, а подходящую. И подходящая - это не золотой унитаз в пентхаусе, а наоборот - чтобы квартира была постарее, трубы поржавее, и было чему учиться. Опять же, потому что обычные средние кейсы роботы более-менее делают, а вот с "крайними случаями" (edge cases) у них беда, и такая дата уходит по цене золота. То есть, сортир должен ещё и кастинг пройти, такие дела. И кстати, работает HUMXN в трёх конкретных городах - Майами, Миннеаполисе и Чикаго. И это не случайно. В Майами кондиционеры пашут круглый год во влажности. Миннеаполис - это север США, рядом с Канадой, там котлы зимой фигачат в минус 30. А в Чикаго куча довоенных домов со старыми трубами и жуткими костыльными переделками поверх. Каждый город даёт свой тип поломок, которого в двух других нет. Чуваки не просто собирают данные, а готовят для ИИшки комбо-обед из данных. Дизраптор

4 пункта, которые помогут вашему продукту удержаться на плаву Актуальная тема во времена, когда скопировать любой продукт можно, буквально не отрываясь от завтрака и утренней ленты новостей. 1. Высокая стоимость переключения • Почему это ров: Продукт настолько глубоко врастает в ежедневные процессы клиента, что риск и затраты на переезд превышают любую выгоду от более дешевого или красивого аналога. • Как влияет: Вы получаете максимальное удержание и стабильный LTV. Конкуренту недостаточно сделать продукт на 20% лучше, он должен быть на 10x лучше, чтобы клиент хотя бы задумывался о смене софта. 2. Сетевой эффект • Почему это ров: Каждый новый пользователь автоматически делает продукт ценнее для всех остальных участников сети. • Как влияет: Убивает органику конкурентов. Копирование интерфейса Figma или Slack не дает никакой ценности, если там нет ваших коллег, дизайнеров и подрядчиков. Продукт превращается в стандарт отрасли. 3. Экономия масштаба • Почему это ров: По мере роста объемов себестоимость единицы оказания услуги или транзакции падает до уровней, недостижимых для новичков. • Как влияет: Дает вам ценовую дубину. Вы можете продавать продукт по цене, которая для любого нового игрока будет глубоко убыточной. Пример: Zipline за счет масштабирования автономных дронов уронила стоимость доставки с $300 до $12 за вылет. 4. Замкнутые петли данных • Почему это ров: Данные не просто копят пыль на складе, а мгновенно питают алгоритм: чем больше продукт используют, тем точнее и полезнее он становится для следующего юзера. • Как влияет: Создает отрыв в качестве, который невозможно сократить просто покупкой серверов. Пример: Stripe Radar пропустил через себя $70+ трлн транзакций — в 92% случаев система видит карту, с которой уже сталкивалась в сети, обеспечивая недостижимую для стартапов точность антифрода. Еще один повод, чтобы посмотреть на свой B2B-бэклог под новым углом. Источник: https://www.lennysnewsletter.com/p/how-to-tell-if-a-startup-has-a-moat @productgames

Дашборд показывает +25%. Что проверить, прежде чем нести цифру руководителю Казалось бы, цифре на дашборде можно верить: ее посчитала система, а не человек. Но на дашборде уже не данные, а информация. Кто-то решил, какие события считать, за какой период и как их сложить, и ошибка возможна на любом из этих шагов. Представим, что команда сервиса доставки запустила в приложении кнопку «Повторить заказ». Через две недели на дашборде видно, что заказов стало на 25% больше, чем за две недели до запуска. Выглядит как успех, о котором пора рассказать руководителю. Уже стоит ставить встречу в календаре? Прежде чем это делать, проверьте три вещи: 1. Из чего сложилась цифра Разложите рост на части: новые и повторные покупатели, число заказов и средний чек, заказы через новую кнопку vs все остальные способы заказа. Если прирост произошел за счет новых пользователей, то кнопка повторного заказа здесь, скорее всего, ни при чем. 2. Что показывает другой источник Сверьте дашборд с данными, которые считаются иначе, например с оплаченными заказами в платежной системе. Дашборд может считать созданные заказы вместе с отмененными. Или после релиза событие о заказе стало отправляться дважды. Тогда рост есть только в аналитике, а не в деньгах. 3. С чем вы сравниваете Сравнение «больше, чем две недели назад» не отделяет эффект кнопки от зарплатных дней, праздников или акции, которую в это же время запустил маркетинг. Нужна контрольная группа: пользователи, которым кнопку пока не показали, или тот же период прошлого года. Руководителю полезнее видеть вывод с оговорками, чем красивую цифру, но ничем не подкрепленную: указывайте, что подтвердилось, чего пока не знаем и как это проверим. @productmindset

Чем отличаться от конкурентов, если вы все реально делаете одно и то же? «Фаундеры YC-стартапа переживали, что их рынок коммодитизировался (т.е. все продают примерно одно и то же, и клиенту нет разницы, у кого покупать — прим.ред.). Их бизнес — это продажа видеозаписей, сделанных от первого лица, где люди выполняют физическую работу. Такой контент используют для обучения роботов. Подобных компаний много, и некоторые из них привлекли гораздо больше инвестиций, чем этот стартап. На одной из сессий Office Hours я задал им вопрос, почему клиенты всё же выбирают их, если на рынке все предлагают примерно одно и то же. Оказалось, что нет проблемы найти такой контент в небольшом объёме. А вот поставлять ОГРОМНЫЕ объёмы данных каждую неделю — всё ещё задачка со звёздочкой. У ребят это отлажено через сотрудничество с сетью фабрик, где они могут координировать работников и их задачи. Покупатели видеозаписей считают, что такой подход проще масштабировать, и они смогут получить больше контента, поэтому выбирают их, а не конкурентов, которые собирают видео у физлиц на дому и в небольших магазинах. Фаундеры иногда думают, что отстройка от конкурентов обязательно должна заключаться в создании другого продукта. Но возможность поставлять тот же самый продукт в гораздо больших объёмах, чем конкуренты, — тоже причина, по которой клиенты могут выбрать именно вас. Да, это преимущество, скорее всего, не навсегда. Но этого “попутного ветра” часто достаточно, чтобы запустить бурный рост компании. И в таком кейсе не нужно искать других способов отстройки, этого пока будет достаточно». Из поста Макса Колыша, YC Visiting Partner. @y_everyday — рефлексируем об акселератор, создавший 100+ стартапов-единорогов 🤩

🌍 Google Earth AI помогает прогнозировать вспышки заболеваний по данным о местности Модель PDFM объединяет агрегированные поисковые тренды, перемещения людей, инфраструктуру, погоду и качество воздуха в цифровой «отпечаток» территории. Эти данные можно добавить в существующие эпидемиологические модели без отдельного дообучения PDFM под каждую задачу. Google представила пять исследований с партнёрами. Среди результатов: • Денге в Мексике: прогноз на месяц вперёд улучшился в до 72% муниципалитетов с активной передачей инфекции. • Холера в ДР Конго: точность выбора пяти наиболее опасных зон на восемь недель вперёд выросла примерно на 18%. • Вакцинация против кори, паротита и краснухи: учёт связей между США и Канадой помог точнее оценивать охват прививками в приграничных районах. Практическая цель: раньше понимать, куда направлять медицинские ресурсы, особенно когда официальная статистика запаздывает. Датасет доступен коммерчески в Preview. Для некоторых исследовательских задач можно запросить бесплатный доступ. https://research.google/blog/earth-ais-planetary-geospatial-foundation-models-for-global-public-health/

Для обучения роботов недостаточно просто увеличивать объем данных Чем больше данных из физического мира нужно роботам, тем дороже их собирать и сложнее хранить и передавать. В эти ограничения упирается привычная ставка на увеличение обучающих выборок — об этом говорили на образовательной конференции Яндекса. Один из подходов — world models, или модели мира. Они предсказывают, как меняется среда под действием робота, и позволяют генерировать новые примеры для обучения. Так можно отрабатывать разные ситуации без необходимости каждый раз воспроизводить их на настоящем оборудовании. Но одной генерации тоже недостаточно. На конференции обсуждали и другие задачи: разработку новых методов обучения и архитектур, хранение информации, сбор редких сложных случаев и проверку данных. От этого зависит, насколько полезным окажется собранный и сгенерированный опыт — и сможет ли робот применять его в реальных условиях.

Телефоны нас подслушивают? Вот вы поговорили с подругой про отпуск на Мальдивах. Телефон лежал рядом. А через десять минут у вас реклама отелей на Мальдивах. Совпадение? Микрофон? Большой брат? Мнение Алексея в видео. А я полезла проверять факты. И вот что нашла. Доказательств того, что смартфоны постоянно записывают наши разговоры ради рекламы, до сих пор нет. Исследователи Northeastern University проверили более 17 000 Android-приложений и не обнаружили скрытого включения микрофона. Более того, в 2026 году FTC наказала компанию Cox Media Group, которая рекламировала технологию «Active Listening» и утверждала, что умеет таргетировать рекламу по разговорам вокруг устройств. Регулятор пришёл к выводу, что эти заявления вводили клиентов в заблуждение. Но есть нюанс. Siri, Google Assistant и другие голосовые помощники действительно слушают пространство в ожидании кодового слова. И иногда ошибаются. В исследованиях фиксировали случайные активации, после которых короткие фрагменты разговора могли отправляться в облако. А реклама знает о нас пугающе много вообще без микрофона. FTC уже неоднократно разбиралась с компаниями, которые собирали и продавали точные данные о местоположении пользователей для рекламы. Поэтому мой вывод такой: телефону чаще всего не нужно нас подслушивать. Мы и без этого рассказываем о себе достаточно. А вы верите, что телефон вас слушает? Полная версия подкаста «Доступ Разрешить?» с Алексеем Лукацким https://t.me/alukatsky Смотрим тут: ВК видео Ютуб видео Рутуб видео Звук подкаст Яндекс Музыка https://t.me/kruasanova_as Все еще пишет сама и помогает сохранять ваши данные. #ДоступРазрешить #Кибербезопасность #безопасныйгород #москва

Почему ИИ не угадывает ярость урагана 21 сентября у тихоокеанского побережья Мексики Поло был ещё тропическим штормом. Через сутки он превратился в ураган пятой категории с ветром до 290 км/ч — один из сильнейших тихоокеанских штормов за десятилетия. Так же внезапно в 2018-м дорос до пятой категории Майкл — прямо перед ударом по Флориде. Когда стихия застаёт врасплох, на эвакуацию почти не остаётся времени. ИИ-модели погоды за считанные годы стали соперничать с лучшими физическими прогнозами, но с силой ураганов у них беда. Почему — объясняет исследователь ураганов Чань Кьеу в The Conversation. Первая причина — данные. Глобальные модели учились на десятилетиях наблюдений со всей Земли. А сила урагана — задача региональная: шторм меняется быстро, и данные нужны куда подробнее. Станции, радары и буи дают детали, но в основном у побережья, а ключевые стадии урагана проходят над открытым океаном. Спутники видят лишь часть картины и не могут разом просканировать объёмную структуру каждого шторма. Итог: полноценного трёхмерного датасета для обучения ИИ просто нет. Вторая причина — хаос. Даже если измерять тысячи штормов целиком каждую секунду, крошечные различия в начальном состоянии со временем разрастаются. У урагана есть потолок силы — «потенциальная интенсивность», которую задаёт окружение: тёплая вода подпитывает шторм, сдвиг ветра тормозит. Под этим потолком сила колеблется, и чем теплее океан, тем сильнее колебания. Отсюда ловушка. ИИ учат ошибаться как можно меньше, но если хаос реален, ошибку не свести к нулю. Модель выучивает самый вероятный сценарий и сглаживает всплески — по сути, усредняет характер урагана. А раз данные всегда неточны, правила модели остаются приближением, и прогноз силы портится уже через несколько дней. @vselennayaplus

Агент знает твою цену Google знает, что ты искал, Amazon что купил, банк - сколько потратил. Но никто из них не знает, сколько ты был готов заплатить. Но агент, который торгуется за тебя, это знает. В посте про экономику лени я писал, что агенты убирают ренту, которую бизнес собирал на нашей лени, но сама рента не исчезает, она переезжает к тому, кто владеет агентом. Продолжу эту мысль. Напрямую данные никто продавать не будет. Google и Meta двадцать лет на них живут и не продают: продают доступ к человеку, а данные держат внутри как moat. Владелец агента будет делать так же. Только у него в руках то, чего не было ни у кого: он видел, где ты сломался - тут согласился доплатить, тут ушёл. Экономисты называют это reservation price, то есть максимальная цена, которую ты готов отдать. Ритейл давно пытается её угадывать: Orbitz показывал владельцам Mac более дорогие отели, Staples менял цены по почтовому индексу. Получалось грубо, а агент знает её точно. Монетизировать это можно на трёх уровнях. Невинный - обезличенная панель для фондов и брендов, как Mastercard SpendingPulse. В ней видно каждую покупку и отмену 100 млн человек в реальном времени. Полезный - агент раскрывает данные в твою пользу: «три года истории, низкий риск, дай скидку». Так работает Tesla Insurance, где данные о вождении снижают цену полиса. Опасный - продавец платит за доступ к твоей reservation price. Четыре ренты Citrini из прошлого поста были трением на пути к лучшей цене. Здесь под ударом уже сама цена. Самая сильная позиция у того, кто держит агентов с обеих сторон и знает, сколько готов заплатить покупатель и какая маржа у продавца. Это маркет-мейкер, который видит всю книгу заявок. Amazon за использование данных сторонних продавцов уже получил антимонопольные претензии в ЕС и США. В финансах десять лет воевали за fiduciary rule: брокер продаёт то, что подходит, а советник обязан продать то, что лучше для клиента. AI-агентов ждёт та же война, только ставки выше: советник распоряжался сбережениями, а агент видит всю твою жизнь. Главное здесь, кому принадлежат эти данные. Если тебе, агент раскрывает их, когда это выгодно тебе. Если платформе, ты каждый раз платишь максимум, который готов заплатить. Какой из этих миров наступит, решит битва за потребителя. @maxvotek | linkedin | substack

Почему банки так активно идут в рекламу? Весной я разбирал, как банки: (а) Становятся новым полноценным рекламным каналом (типа как ритейл-медиа в своё время), (б) Какое именно у банков/финтехов есть unfair advantage на этой поляне. Кратко: они единственные видит "рекламное уравнение" с двух сторон целиком - и насколько эффективно компания размещается и получает показы/клики/оплаты, и что конкретно люди покупают (не в одном магазине, а вообще). Так вот, 18 сентября прошёл "День финтех-медиа" - первая конфа не про банки/финтех, а именно про рекламу в них. Участвовали именно рекламные юниты банков/финтехов: Т-Реклама, Альфа, SberAds, МТС Ads. Раньше я такой нарезки не видел, что косвенно подтверждает, как данный необычный "рекламный носитель" (назовём это так) становится отдельным рынком. Смотрите, в ритейле и екоме рекламные юниты (те самые "ритейл-медиа") выросли в монструозные бизнесы. У Amazon реклама в 2025 принесла почти $70 млрд (кажется, это примерно как весь их еком), сегодня они третья рекламная платформа мира после Google и ещё одной конторы. Почему? Ну, потому что есть замкнутая петля "показал → купили". Но у банков эта петля работает ещё лучше - не по одному магазину, а по всем сразу. Amazon видит, что вы купили на Amazon, а банк - что вы купили везде его картой. Отсюда возникают рекламные механики, которых нет ни в одном другом рекламном кабинете. Например, клиент начал ремонт и тратит на стройматериалы - самое время предлагать технику (это пример от М.Видео с конфы). Но я хотел бы выделить другой нюанс. Реклама всегда получает буст через репутацию. И вот тут у банка/финтеха преимущество номер два, причём оно состоит из двух частей: Во-первых, работает простая психология. Если вы храните где-то свои деньги, доверяете самое ценное (ну, из материального), то доверие к этому бренду у вас априори высокое. Даже если вам кажется, что нет. Размещая рекламный оффер, банк делится с брендом своей репутацией, и клиент перекладывает это на рекламу из оффера. Во-вторых, это работает и в другую сторону. Один левый токсичный оффер - и всё, клиент бесится на банк, и его репутация начинает рушится. А это для банка капец, т.к. см. выше. Следовательно, спамить по чём зря, как обычные рекламные сети, банки просто не могут себе позволить (исходя из базовой логики из бизнеса). Собственно, поэтому вся конфа и крутилась вокруг единых правил и прозрачности. ИМХО, это самая важная трансформация рекламного рынка за последние пару-тройку лет. И история точно будет развиваться. Аудитория, данные, инвентарь и доверие у финтех-медиа уже есть. Не хватает разве что понятных правил и доказанной эффективности. Но, думаю, это не проблема - ритейл-медиа прошли этот путь за пару лет, и я не вижу причин, почему здесь будет иначе. Дизраптор