Связи Часто, и в медиа, и на встречах слышу фразу: «Главное в бизнесе - связи». Не согласен. Связи действительно могут открыть дверь. Познакомить с нужным человеком. Дать шанс на встречу, но дальше они перестают работать. Если за вами нет результата, экспертизы, репутации или ценности, никакие знакомства не помогут. Можно познакомить человека с инвестором. Но инвестировать он будет не в знакомство, а в проект. Можно привести крупного клиента, но купит он не связь, а решение своей проблемы. Мне вообще кажется, что связи работают как усилитель. Если за человеком что-то стоит, то они ускоряют рост. Если не стоит ничего, они лишь быстрее это показывают. Поэтому, наверное, главный вопрос не в том, с кем познакомиться. А в том, что должно появиться за вами, чтобы люди сами хотели вас рекомендовать.

Как понять, что встреча – не собеседование, а выжимание информации? Самые опасные случаи сбора экспертизы под видом найма выглядят максимально профессионально Настолько профессионально, что многие сильные консультанты и продакты понимают это только спустя несколько месяцев, когда видят свои идеи в продукте компании. В нормальном найме объем информации примерно симметричен. 1. Один из самых сильных сигналов - вас просят не придумать решение, а оценить несколько уже существующих вариантов. Например: "У нас есть три стратегии выхода на рынок, какую бы вы выбрали?" или "Вот три варианта монетизации, что думаете?". Со стороны кажется обычным кейсом. Но на практике компания часто уже провела внутреннюю работу и использует внешних кандидатов как бесплатный комитет по принятию решений. Особенно если один и тот же вопрос задается всем кандидатам на роль. 2. Очень интересный маркер - вопросы про последовательность внедрения. Не "что делать?", а "в каком порядке делать?". В продукте именно порядок действий зачастую стоит миллионы рублей. Идеи обычно лежат на поверхности. Настоящая экспертиза находится в понимании, что запускать первым, что вторым, а что вообще не делать. Когда интервью неожиданно превращается в разговор о roadmap на ближайшие 12 месяцев, это повод задуматься. 3. Еще один сигнал, который редко замечают: интервьюеры почти не интересуются вашими провалами. Обычно сильный нанимающий менеджер хочет понять, где человек ошибался, как принимал решения в условиях неопределенности, какие выводы сделал. Если вместо этого разговор на 90% состоит из обсуждения успешных кейсов и конкретных механик роста, возможно, оценивают не кандидата, а собирают набор практик. 4. Отдельная история - когда компания постоянно возвращает вас к одной и той же теме через разные формулировки. Например, на первой встрече спрашивают про запуск маркетплейса. На второй - про удержание продавцов. На третьей - про монетизацию комиссии. На четвертой - про логистику. Кажется, что это разные вопросы. Но фактически вы бесплатно помогаете собрать полную стратегию по одному бизнес-направлению. 5. Очень показательный сигнал - повышенный интерес к тому, что вы НЕ включили бы в стратегию. Многие думают, что ценность эксперта в рекомендациях. На самом деле зачастую ценнее список того, чего делать не стоит. Если интервьюер активно копает в тему "от чего бы вы отказались?", "что бы вы закрыли?", "какие направления не стали бы финансировать?" - возможно, он пытается снизить собственную стоимость ошибок. 6. Есть еще одна тонкость из мира консалтинга. Если после вашего ответа люди начинают не обсуждать его, а уточнять детали внедрения — это тревожный сигнал. Например: Какой подход выбрали бы для запуска? Нормальный найм: "Почему именно этот подход?" Сбор экспертизы: "А сколько людей понадобится? Какие роли? Сколько месяцев? Какие KPI поставите?". То есть разговор внезапно переходит от стратегии к операционному плану. 7. Очень интересный паттерн встречается в корпорациях. Вам начинают показывать внутренние документы. Куски CJM, организационные схемы, продуктовые метрики, структуру команд. Многие воспринимают это как признак доверия. Но иногда это способ получить качественную обратную связь от человека со стороны. Особенно если документы показывают раньше, чем обсуждают условия сотрудничества. 8. Еще один редкий сигнал - интервьюеры слишком хорошо подготовлены. Звучит парадоксально, но иногда это проблема. Когда вас спрашивают не про опыт запуска подписки, а про конкретный эксперимент, который вы делали в марте прошлого года, какую конверсию он дал и почему вы выбрали именно такой дизайн теста - часто оказывается, что люди заранее изучили ваши выступления, статьи и кейсы и пришли добрать недостающие детали.

С 22 по 26 июня в Белграде проходил большой экономический конгресс. Настолько большой, что приехали Дэвид Аутор, Антон Коринек, Эстер Дюфло и Олег Ицхоки (не приехал, но выступал онлайн). Аутор конечно же вёл секцию про влияние AI на рынок труда. И у нас есть возможность посмотреть запись этой секции (на YouTube). Что они там рассказали: ◼ Anna Salomons Технологии не только замещают труд, но и создают «новую работу». Эта работа требует специализированных и дефицитных знаний, за которые рынок готов платить больше. Поэтому все не так уж плохо — «человеческая» работа не исчезнет, но станет сложнее. ◼ Anders Humlum У AI беспрецедентный темп проникновения во все процессы. 30% всех рабочих мест меняются под воздействием автоматизации — появляются новые задачи. Реальных подтверждений, что технология вытесняет людей с рынка труда нет. Сотрудники, активно применяющие AI, чаще переходят на более высокооплачиваемые и сложные должности, получая прирост к зарплате около 12%. ◼ Anton Korinek Эффективность AI растёт экспоненциально. Есть вероятность, что к 2028 году искусственный интеллект станет достаточно умным, чтобы автономно создавать ещё более совершенные модели, что приведёт к радикальным изменениям. Доля человеческого труда в экономике будет падать. Нам нужны новые экономические и социальные модели. ◼ David Autor Перспектива и ценность человеческого труда определяется экспертизой и навыками. А конкретно, как хорошо и эффективно человек решает комплексные задачи — умеет держать контекст и производительность в chain of thoughts. Потому что AI пока не так уж в этом хорош. И может генерить ошибки и расхождения на каждом этапе. Эти ошибки накапливаются. И приводят к плохому результату. Я когда слушал выступление Аутора неожиданно вспомнил с 11 по 16 главы книги «Цель» Элияху Голдратта. Там главный герой открывает для себя идею зависимых событий и статистических колебаний, которые накапливаются. Даже не поленился найти нужную цитату:

Из-за совокупности двух феноменов, которые существуют на любом заводе, — поясняет Иона. — Один из них — зависимые события. Знаешь, что я под этим подразумеваю? То, что некое событие (или ряд событий) должно произойти до того, как начнется другое… Последующее событие зависит от тех, которые произошли до него. Нечто особенное происходит, когда зависимые события сочетаются с другим феноменом — статистическими колебаниями.

Собрал вам по паре ключевых слайдов из каждого выступления.

Падение Accenture - не самая интересная часть этой истории. Интереснее то, что рынок начал переоценивать саму модель IT-консалтинга. После снижения прогноза акции Accenture резко упали, а вместе с ними просели Cognizant, EPAM, Capgemini, Wipro и другие крупные игроки. Все обсуждают слабый квартал, но за этим, по-моему, стоит куда более фундаментальная штука. Последние двадцать лет экономика консалтинга была устроена предельно просто: продаём часы умных людей. Чем больше консультантов и чем сложнее проект, тем выше выручка, и все метрики: загрузка, headcount, utilization - выстроены вокруг этой идеи. AI ломает ровно её. Архитектуру, документацию, разработку, тестирование и часть внедрения сегодня можно сделать в разы быстрее, и клиенты прекрасно это видят. Как только себестоимость проекта падает, они начинают требовать фиксированную цену или оплату за результат вместо time & materials. Но самое сложное для крупных компаний вовсе не внедрить Claude, Cursor или ChatGPT - это сегодня умеют почти все. Гораздо труднее перестроить систему мотивации, которая десятилетиями поощряла продавать больше часов и нанимать больше людей. Переход к AI окажется для многих не технологической задачей, а организационной. При этом рынок, по-моему, пока недооценивает ещё один актив. Люди были главным капиталом консалтинга и останутся ими. Просто ценность теперь у тех, кто умеет дирижировать агентами, и у своего слоя знаний, на котором эти агенты работают. Не база документов и не RAG, а проверенная система отраслевой экспертизы, лучших практик, конфигураций, шаблонов и накопленного опыта, на которой работают тысячи агентов. С понятной моделью монетизации и достаточно уникальная, чтобы её нельзя было заменить очередной новой моделью Anthropic, OpenAI или Cursor. Вот здесь и будет формироваться новая стоимость бизнеса. Через несколько лет инвесторы станут смотреть не только на количество сотрудников и EBITDA, но и на то, сколько уникального контекста принадлежит компании, насколько глубоко он встроен в работу агентов и способен ли приносить деньги независимо от того, какая LLM окажется лидером рынка. Возможно, этот интеллектуальный слой станет для консалтинга тем же, чем данные когда-то стали для Google, а рекомендательные алгоритмы для Netflix. @maxvotek | linkedin | substack

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.

Кажется, я наконец поняла, в чём на самом деле состоит ценность специалиста в эпоху AI. Не в том, чтобы делать задачи быстрее - с этим AI native зумер справится лучше взрослного дяденьки сеньора без него. И не в том, чтобы знать больше - модель уже знает больше любого из нас, давайте честно. А в том, насколько быстро и точно ты можешь оценить результат работы AI и сказать ему, где он облажался. Вот в чём твоя настоящая эффективность сейчас: не в скорости выполнения задачи, а в скорости и качестве обратной связи модели. Это объясняет кое-что, что я давно чувствовала, но не могла сформулировать. Джуны с AI действительно закрывают задачи быстро. Но есть один момент, который всё меняет: они часто не могут распознать, когда результат плохой, потому что у них нет достаточного опыта чтобы это почувствовать, нет насмотренности, нет доменной экспертизы, которая позволяет за 30 секунд сказать "это неправильно, тут конкретно это неправильно, вот почему и как подкрутить промпт, чтобы было правильно". И тогда AI ведёт их не туда, а они не замечают. Получается, что экспертиза сейчас - это в первую очередь навык критического диалога с моделью. Умение задать правильный вопрос, распознать ошибку в ответе, переформулировать задачу так, чтобы получить то что нужно. Это и есть то место, где человеческий интеллект пока однозначно выходит вперёд. Мне кажется, это должно немного поменять то, как мы думаем о росте в профессии. Раньше "стать экспертом" значило знать больше и делать быстрее. Сейчас это всё больше про то, чтобы уметь судить качественно и быстро, а это другой навык, который нужно отдельно качать. А вы замечаете это в своей работе?