Продукт

Сахалин Я на Сахалине, помогаю коллеге проводить конференцию по управлению проектами для РусГидро. Очень интересная возможность посмотреть Сахалин и познакомится с компанией. Все похоже прежнюю компанию — как назад вернулся. Провели две деловых игры: по управлению проектами и управлению изменениями. Некоторые наблюдения: 1. чем больше проект спроектирован не правильно — тем больше усилий надо тратить на то, чтобы внедрить результат в жизнь. 2. проекты во всех компаниях очень похожи. Никто не делает жизнь обычных людей проще. Все прекрасно понимают, как сделать техническую часть проекта. Но очень мало кто думает про человеческую часть проекта — как он будет жить в реальности. И да — сам город прекрасен! Сахалинский медведь передает привет! #проект

😬 Возможно, я сделал самую тупую вещь за последние несколько лет. 😅 Но мне нравится. Я добавил в Qipli немного Punto Switcher Если кто не знает: Punto Switcher умеет менять раскладку уже набранного текста. Автоматической сменой я никогда не пользовался, а вот переключением по кнопке — постоянно. Выделил текст, нажал кнопку, раскладка поменялась. 🤷‍♂️ Сам Punto Switcher давно заброшен. Аналоги есть, но ставить отдельное приложение ради одной функции мне не хотелось. 😅 Поэтому я просто добавил её в Qipli. Он и так работает с текстом, вводом и буфером обмена, так что в моменте мне показалось: ну а почему нет? Уже сейчас подозреваю, что это, возможно, плохая идея. 😬 Всё-таки получается смешение нескольких зон ответственности внутри одного приложения. 👌 Но пока мне нравится, как это работает. Фича уже в новом релизе. По умолчанию она выключена, так что полистайте настройки чтобы ваш левый Option получил новую суперспособность. 😉 Свята место | 10МДК | Чатик | YHub

Genex Desktop Десктопная студия для геймдева с ИИ от Genex. Координирует агентов и игровые инструменты вокруг играбельного проекта. Стартует с браузерных игр на Three.js. • Сборка игры через чат: агент пишет игру, ассеты рядом • Мультиагентный режим: Opus и GPT вместе через главного агента, воркеров и ревьюеров • Локальные модели или Claude Code / ChatGPT по подписке • 3D-ассеты локально через плагин Blender • Meshy, Tripo, ElevenLabs и другие через роутер инструментов • Экспорт или публикация в веб • #macOS (Apple Silicon), #Linux . Windows скоро • Плагины Unity и Unreal в работе, нативные C++-игры скоро github.com/genex-games/genex-desktop Спасибо @m_franz #agent #gamedev MAX

Гиперусреднённость. Новое слово, которого мне не хватало во многих диалогах (+тест) Всё, что происходит и будет происходить в различных нишах (которые долетают до потребителей, про бизнес-процессы — там сложнее) можно охарактеризовать этим словом. Сайты скоро будут ±одинаковые. Дизайн — тоже. Видео — тоже. Модели — тоже. Рекламные стратегии, бизнес планы и многое многое другое. И в целом это логично, если смотреть на то, что ИИ становятся для людей более понятным, более способным, более более и т.д. Неоднократно поднималась в моих кругах дискуссия, что будет с маркетингом и его функциональными кластерами, когда практически у каждого человека будет возможность сделать себе многие прикладные задачи худо бедно за 100 долларов (это время уже наступает на самом деле)? Ответов много, но не ответы хотел писать. Именно феномен так называемой гиперусреднённости будет распространятся во многие сферы нашей жизни. Посредственность, которую мы знали ещё лет 5 назад умирает на глазах. Помянем посредственность. И поприветствуем посредственность 2.0! С ИИ она просто получает level up и становится уже не такой и посредственной в привычном и старом смысле слова. Выходит на сцену новая! Блистательно слепя шрифтами с засечками, абстракциями, не чистым белым и не чистым чёрным цветами, длинными тире, вот такими вот кавычками «ёлочками» и прочими атрибутами, которые большинство считает маркерами ИИ. А по факту ИИ просто умеет использовать хорошее. Обучаясь на тоннах формуов и всяких имхо, безграмотных ответах, ИИ способен вычленить хорошее и написать правильно, как Толстой или Байрон. Но теперь написать длинное тире — уже моветон и критерий ИИ контента. Дожились... Теперь хорошее — это ИИ, а люди намеренно пытаются изьебнуться так, чтобы откатить черту хорошести вниз. Иначе — ИИ слоп и т.д. Та что там люди, уже сам ИИ не может отличить человеческое от ИИшного на 100% (это показал на скрине). И всё гораздо масштабнее, чем просто артефакты типографики... Феномен гиперусреднённости интересен тем, что люди всё меньше способны отличать ИИ от реальности, например лица людей, сгенерированных ИИ, кажутся нам более человечными, чем реальные лица. Текста написанные людьми уже многим кажутся ИИшными. Картины — вообще все ИИ. Даже милый котик пьющий латте на безлактозном и матерящийся на прохожих — это что, тоже ИИ по вашему? Именно исследование на эту тему опубликовали в Британском Журнале Психологии (кому интересно ссылка будет ниже). Немного разорву контекст и нескладность, но очень хочу в качестве примера подсветить вирусность трансформирующегося тренда ИИ блогеров супернетипичной внешности. Если вспомнить корни этой истории — там хватало просто розовых волос у девушки и контент залетал. Потом были модели с нетипичными смешениями разных рассовых признаков (т.к. людям уже эти розовые волосы — не пробивали слепоту). Потом были явные визуальные особенности типа 3х грудей (как в известном фильме), гетерохромия, витилиго и т.д. список долгий. Сейчас — это ии-модели со странными антропоморфными качествами типа Жана Филантропа... А всё потому, что контента становится оооочень много. И нужно как-то пробивать быстроформирующуюся слепоту... Поэтому подобных кейсов будет становится всё больше и больше. Кто понял посыл — тот понял. Так что там с гиперусреднённостью? С ней то, что с течением времени приставка гипер и само слово усреднённость будут набирать всё больший вес своих дефиниций... Куда приведёт?.. 42 p.s. Если хотите проверить насколько вы можете отличить реальные лица от ИИ лиц — авторы исследования сделали тест. Пройдите и поделитесь в комментах вашим результатом. Инетресно, насколько сообщество тех, кто интересуется ИИ будет выше среднего. Мой результат 17 из 20... У знакомого никак не связанного с ИИ — 7 из 20... ссылка на исследование ссылка на тест

Легче сделать руками 😀 Как-то в начале своей карьеры мне поставили задачку поработать с техкомандой, чтобы собрать дашборд для сейлз. Встречи с аналитиками были одними из самых мучительных и унизительных в моей жизни. В моем ТЗ было столько нюансов, что итераций понадобилось какое-то невероятное количество К чему я это все? С недельку я уже пишу себе агента, который будет автоматизировать (надеюсь) большую часть монотонной работы отдела продаж. Я гуманитарий до мозга костей, который теперь знает, что такое MCP, API и вебхуки. Как же мне это тяжело дается, боже мой. С учетом того, что код я, конечно, сама не пишу — я не умею))) И вот каждый раз, когда ChatGPT предлагает какую-то нелогичную вещь, очевидную даже мне, появляется мысль: а может, нафиг это все и сетапить руками? Потому что сейчас я стабильно трачу несколько часов, чтобы автоматизировать действие, которое руками заняло бы минут 15 Но, кажется, в этом и есть главная ловушка автоматизации: руками почти всегда быстрее один раз 😅 Проблема начинается, когда этот один раз нужно повторить 500 раз. А потом еще научить этому нового человека)) Так что пока терплю и ругаюсь на иишку.. Если через месяц он действительно будет сам искать и обогащать контакты, понимать, куда писать дальше, и обновлять мне таблицу — торжественно признаю, что оно того стоило Если нет – ну зато теперь я знаю, что такое вебхук)))

5 ошибок в управлении, которые стоили моему бизнесу миллионы 🔵 Я больше 9 лет управляю командами и за это время накосячила где только можно... Потерять на этом деньги обидно, но деньги ладно, заработаем. А сколько на это ушло нервов и времени, даже не сосчитать... Честно рассказываю, что делала не так. 1. Неправильно настроенная система мотивации Как-то давно от нас ушёл крупный клиент. Я выхожу к команде расстроенная, а они сидят довольные) Клиент был денежный, но проблемный, и у них работы стало меньше, а у меня - денег. С тех пор я зареклась платить чистый оклад. Потом ставила нереальные планы, бонус по ним никто ни разу не получил, и мотивация падала. Потом платила за сдачу задач к сроку, и команда гнала скорость, а мне было нужно качество. А за одного клиента мы как-то платили несколько раз, потому что неправильно посчитали процент от чека. 2. Масштабирование бизнеса без настроенных процессов Больнее всего это ударило по клубу. Как-то за год мы сделали 75 млн выручки, в отдельные месяцы к нам заходило 50-70 человек, а сверху было ещё 600 действующих резидентов. Вести каждого руками невозможно, какой бы ответственной ни была команда. CRM у нас была, но настроили её неправильно: путь клиента не прописали, триггеров и автоматических задач не было. Сколько мы на этом потеряли, не посчитать. 3. Смотреть на старания сотрудника и не замечать результат Цифры смотреть неприятно: человек старался, сделал красиво, а метрики показывают слабый результат и вроде как обесценивают его старания. Стараться важно, и это классно, но старания, к сожалению, результатом не являются. Путать одно с другим - один из самых больших грехов руководителя. 4. Не планировать вообще или максимум на месяц Я как-то ставила план х2 и х10 за год, а в конце года смотрела на цифры и такая: пу-пу-пу, до Х10 даже близко не дошли... После этого начинаешь думать, а зачем вообще планировать? И дальше живёшь от месяца к месяцу, плывёшь по течению. Непонятно, к какой цели идёшь, что делать первым и чем мотивировать команду. 5. Считать любую задачу просто задачей и не уметь формулировать гипотезы Около двух лет мы работаем по HADI-циклам: пишем гипотезу, быстро проверяем, собираем данные и решаем, что делать дальше. В теории всё ясно. На деле бывало, что гипотезу выкидывали, не доведя проверку до конца. Не замечали, что результат в целом неплохой и его можно масштабировать, или набрасывали новые идеи, пока выбранные висели недоделанными. В следующем посте расскажу, какие решения нашла, а пока пишите, узнали ли в этих ошибках себя?) Или косячили в чём-то другом? Пишите в комментариях)

Что я навайбкодил за сентябрь? – Свою детективную игру на английском языке для AppStore, которая сейчас проходит проверку. Обязательно поделюсь, когда выйдет. Первый кейс там будет бесплатным. Скорее всего будет доступна также в вебе. Трейлер тут. – Две мобильные версии учебной платформы QA Learn: в AppStore она уже доступна для скачивания, для Android – на днях заканчивается закрытое тестирование, но им уже можно пользоваться. Спасибо всем, кто пишет о багах сюда. – Сделал движок для создания скринов с любых приложения на Mac и Windows, чтобы оптимизировать время на обновление материалов курсов, которые касаются инструментов. – Инструмент для автоматического монтажа прямо в Claude с использования Hyperframes. И всякие другие мелочи, которые работают под капотом других инструментов. И точно могу сказать, что подписка на клод макс – самая лучшая инвестиция в 2026 году!

Мошенник запускает детйинг Саймон Леваев, тот самый «Аферист из Tinder», про которого Netflix снял одноименный документальный фильм, анонсировал собственное приложение для безопасных знакомств Safe Love. Год назад Леваев вышел из грузинской тюрьмы после всего двух месяцев заключения, так как Германия отозвала запрос на экстрадицию, и его отпустили без ограничений. Хотя ущерб, обманутым женщинам, оценивали в $10+ млн. Теперь он решил сам бороться с мошенниками в дейтинге. В Safe Love обещают проверять удостоверение личности и селфи, сверять фотографии и добавить SOS-функцию для опасных ситуаций. Сам Леваев на днях прекрасно сформулировал свои сильные стороны: «Я умею лгать, обманывать и манипулировать. Возможно, это набор навыков, которого нет у других». Что могу сказать, решение запускать продукты, исходя из глубокой экспертизы, всегда побеждает.

Вечнозеленая тема почти раскрыта. AION 2 наконец вышел, и стало понятно, ради чего в него вообще стоит (не) играть. Не ради PvP. Не ради полётов в нарядном Unreal Engine 5. Ради редактора персонажа. NCSoft завезла больше 200 параметров кастомизации: лицо, кожа, глаза, мышцы, плечи, трапеции, живот, таз, бёдра, икры, сосуды и, разумеется, сиськи - включая не только размер, но и положение. В итоге MMORPG с огромным миром и боевой системой конкурирует с окном создания персонажа. Ты такой - заходишь "на пять минут сделать героя", через два часа всё ещё двигаешь трапецию на 3 пункта вправо и пытаешься понять, достаточно ли реалистично выступают .. ээ .. ключицы. Про сиськи понятно. Но мне вот интересно, кастомизация радужки глаза, она для чего? Мы в игре её вообще видим? @cgevent

Любому маршруту нужно разнообразие Именно эту проблему дизайнеры пытаются решить, когда продумывают интенсивность миссии в линейной игре или распределение точек в открытом мире и генерацию случайных событий. Но это касается и куда более локальных вещей, типа маршрута для перемещения по выступам на стене или скале. Цусима не особо вымучивала скалолазание и иногда получала примерно то же самое, что позже покажет FF7: Rebirth: прямые линии с постоянными одинаковыми прыжками. Йотей же исправила эту проблему. И не только тем, что сделала маршруты по стенам изогнутыми и рваными. Нет, всё хитрее. Дело в том, что если по привычки из других игр попробовать ускорить перемещение прыжком — персонаж просто встанет намертво. Это штраф за спешку и нежелание читать маршрут. Поэтому там, где выступы стоят рядом — нужно просто отклонять стик. А вот где между ними зазор — нужно нажимать прыжок. Если сделать всё своевременно — получится красивый флоу. На втором скриншоте я отметил зелёным места для удержания стика и жёлтым — для прыжков. Именно ограничения и поиск правильного маршрута делают такие сегменты увлекательнее. Это помогает внести разнообразие, даже если игромех останется простым. #анализигр #левелдизайн #GhostofYotei

Я спросил у Аркадия Новикова: — В чем секрет успешного ресторана? — Еда должна быть вкусной! Звучит издевательски просто, но предприниматели любят взламывать путь к успеху: искать хайповую тему, вирусные инфоповоды, выходы на нужных людей, секретные каналы привлечения и механики взрывного роста. Всё это работает, но попытки взломать рост подменяя фундаментальную работу над продуктом, всегда заканчиваются одним. Большой устойчивый бизнес строится годами. Хороший продукт требует тысяч скучных итераций, циклов обратной связи, анализа ошибок и постоянных маленьких улучшений. Потому что проблема долгосрочно не в том, чтобы быстро привести клиентов, а в том, чтобы они остались и рекомендовали другим. Поэтому ответ на вопрос «Как построить большой устойчивый бизнес?» примерно такой же раздражающий, как у успешных рестораторов: делать хороший продукт. А хайп, красивые обертки и фаст-треки могут помочь хорошему продукту еще быстрее масштабироваться. Но не сделают его хорошим.

Поехали посмотрим на тех корпоратов, кто пишет нейрослоп! Собственно, появился такой термин Trend Slop — корпоративный мир заполняется стратегиями, которые звучат правильно (дифференциация там, синергия, долгосрочное планирование), но по сути пустыми, потому что там нет реального опыта и точки зрения. Не то, чтобы это что-то новое, они всегда так делали, но теперь поднялся градус идиотизма. Первый опыт. Взяли финансовых консультантов BCG — чтобы туда попасть, надо быть выпускником Гарвада, Оксфорда или ещё каким-то пафосным типом. Часть работала с моделями, часть сами, по-дедовски. Для задач, с которыми модель справляется отлично, аугментированные просто разнесли тех, кто пытался сам. Быстрее и качественнее на треть. Самое смешное — те, кто до этого работал херово, улучшили свои показатели на 43%. Сильные спецы тоже стали работать лучше на 17%. КольтGPT сделал всех людей равными. Дальше взяли потрясающий XLS с красивыми числами как на всех презентациях + кучу интервью, в которых надо было разобраться и понять, что третья черепаха врёт. Фокус в том, что LLM не отличали тонкий подтекст типа "90% согласились" при "исследование не было анонимным"; или "Уровень удовлетворенности клиентов вырос до 85%" — но "после внедрения новой методологии опроса"; всякие "Задачу взял на себя эксперт с богатым кросс-функциональным опытом"; "Проект переходит в фазу оптимизации ресурсов и пересмотра фокусных метрик"; "Мы наблюдаем временную стабилизацию метрик на достигнутом плато" и т.п. На этом задании эксперты без модели решали правильно в 84,5% случаев, с моделью — в 65%. Почему? Ну, уснули за рулём. Взяли мощный инструмент и расслабились. Даже когда ответы ИИ-группы были неправильными, они были написаны очень красиво, логично и убедительно. Тут опыт на 293 писателях, 3 группы: — Сами — 1 подсказка от модели — 5 подсказок от модели Потом 600 человек читали рассказы и оценивали. — ИИ повышает качество текстов. — 1 подсказка: +5,4% к новизне, +3,7% к полезности. — 5 идей давали +8,1% по новизне и на +9% по полезности относительно мясного мозга. — Людям, которые от природы мыслят нестандартно, нейросеть вообще не помогла. Они и так были хороши. — Для людей с низкими творческими способностями ИИ стал суперсилой. +26,6% к качеству и +22,6% к увлекательности. Нейросеть берёт середнячка или слабого автора и подтягивает его до уровня таланта. LLM-рассказы оказались примерно на 10% более похожими друг на друга, чем истории, написанные чисто людьми. Авторы сильно цеплялись за структуру и образы, которые им выдавал алгоритм. В масштабах общества мы получим сужение творческого кругозора — историй становится много, но как под копирку. Самый прикол — человек часто не понимает, что пишет плохо, и не осознает, насколько сильно нейросеть улучшила его работу. Методология, конечно, косая насквозь, но идеи прикольные. Тут в препринте взяли 444 белых воротничков. Дали два типичных письменных задания, занимающих обычно 20–30 минут (например, написать пресс-релиз, короткий отчет или деликатное письмо сотрудникам про то, что бигдата оценила их успехи в Джире, и они все уволены). Сначала сами, потом второе задание — пополам, часть сами, часть с моделью. С ИИ +37% скорости, оценки выросли от среднего к хорошему. Такая же история — КольтGPT уравнял всех. Дальше платили реальные деньги тем, кто сделает хорошо. Казалось бы, люди должны взять текст нейросети и вылизать его до идеала. Но нет! Оказалось, что в стандартных офисных задачах человеческий труд не добавляет вообще никакой ценности машинному тексту. С моделью время на черновик упало в 2 раза, время на редактуру выросло. Но 68% просто копировали ответ модели и сдавали его вообще без правок. В конце участники реально испугались, насколько ИИ отберёт у них работу, и пошли внедрять у себя, чтобы это возглавить. 33% начали применять сами (обычный показатель — 18%), остальные сказали, что нейросеть не знает специфики их компании и секретных рабочих контекстов. -- Вступайте в ряды Фурье! | Лучшие посты Старый медведь ругает молодых: — Мы три года жили в офисе, свободно ходили по кабинетам, на нас не обращали внимания. Каждый день мы съедали по менеджеру. НО! НАФИГА ВЫ СОЖРАЛИ УБОРЩИЦУ?!

Свежие обновления выгодности подписок подъехали Ребята не поленились: гоняли запросы через все тарифы (Anthropic, OpenAI, Meta, китайцы, Cursor, Devin) и смотрели, на сколько сдвигается шкала лимита от каждого типа токенов. В качестве промпта – кусок «Войны и мира», потому что на рандомный мусор модели отказываются отвечать :) Что получилось: – Подписки – это всего ~10% выручки Anthropic, но они съедают 40%+ инференс-компьюта. Т.е. это прям маркетинг за свой счёт. Но при этом они все еще довольно выгодные для компаний. – Fable 5.1 vs GPT-6 Astra – примерно паритет: $2,485 vs $2,897 в API-эквиваленте на тарифе за $200. Но у Claude на Fable можно потратить только половину лимита, вторая остаётся на остальные модели – А вот на «рабочих лошадках» Opus 5.5 vs GPT 6.1 Sol – Anthropic даёт ~5x больше ценности(!). Даже если считать в токенах, а не в долларах – OpenAI на прошлой неделе урезали тариф $200 вдвое и запустили $500, в котором Astra всего на 21% больше, чем в старом $200. Старые подписки живут на прежних лимитах до 29 октября. Китайские подписки (MiniMax, Kimi, GLM) – тоже норм по соотношению, чуть хуже OpenAI, но дешевле в абсолюте. Остальное к сожалению за пейволом. Но еще в одной статье получается самые выгодные - Muse от Meta запрещенной (если свои данные отдаете) - 100х от цены и Grok + X Premium (80 от цены). Но! Если смотреть на закрытые задачи за доллар (как раз вторая статья), то получается, что GPT-6.1 Sol через подписку все еще выгоднее, чем более щедрые лимиты Claude. Короче, Opus 5.5 на любом Claude-тарифе сейчас выгоднее всего, если нормально и быстро решает ваши задачи, если начинает разглагольствовать и жрать токены, то Sol 6.1 будет выгоднее. Ну и если хотите ультра-хай потребления, то Grok или Muse. https://newsletter.semianalysis.com/p/anthropic-subscriptions-offer-5x https://www.productcompass.pm/p/ai-subscription-api-value

Александр, привет! Проблема действительно встречается, но она очень сильно зависит от конкретного кейса, реализации и региона, где агент внедрён. У меня на платформе сейчас 47 голосовых агентов в продакшене, около миллиона минут разговоров в месяц, и все они из разных отраслей. Может, твоему знакомому пригодится как бенчмарк. Вот несколько примеров того, как это выглядит у нас: Медицинские центры (запись к врачу): • Сразу просят человека: 17% • В течение разговора: 23% Интернет-провайдер (первая линия поддержки): • Сразу просят человека: 22% • В течение разговора: 57% Сервис лифтов: • Сразу просят человека 22% • В течение разговора: 35% Ресторан (бронирование): • Сразу просят человека: 17% • В течение разговора: 22% Сеть мед лабораторий: • Сразу просят человека: 30% • В течение разговора: 45% Аэропорт: • Сразу просят человека: 31% • В течение разговора: 38% Курьерская служба (входящая линия, не уведомления): • Сразу просят человека: 60% • В течение разговора: 76% Если будет полезно, могу сделать и более подробную разбивку: не только сколько людей просит человека, но и с какими вопросами звонят и какие интенты встречаются чаще всего. Надеюсь, кому-нибудь будет полезно.

Будущее research-индустрии (часть I) Последние два месяца мне пишут из исследовательских стартапов. У одних – свой движок по распознаванию речи. У других – несколько продуктов, включая расшифровку, но еще и с «синтетическим» модератором. Третьи переупаковали Conjoint и Maxdiff. Четвертый по поводу своего движка для расшифровки подсылает ко мне своего ИИ-агента, который предварительно «прочитал» мой канал и уже «знает», чем я занимаюсь. Будущее наступило. Правда, у меня вместо чувства shut up and take my money каждый раз возникает вопрос: зачем мне это покупать? И дело тут не в том, что продукты плохие. Если раньше за всеми продуктами такого плана стояли месяцы разработки, то приходилось сначала изучать рынок и не ходить туда, где нет денег или уже тесно. Потому что разработка была дорогой. А теперь порядок радикально поменялся: Сегодня увидели проблему → вечером завайбкодили MVP →завтра утром открыли стартап. Это даже в чем-то рационально – если продукт стоит дешевле «кастдева», то, может, сразу пилить продукт? Заодно и быстрее будет, если вынести исследование за скобки. Проблема в том, что для потенциального клиента разработка тоже подешевела. Этим летом у нас вместе с Global South Research был проект в Эфиопии. В числе прочего нам потребовались расшифровки на амхарском языке. Посидев с AI, я нашел открытую модель, понимающую амхарский на Hugging Face, сконвертировал ее в формат, который понимает noScribe – и после нескольких тестов получил работающий прототип. Это заняло 4 часа. SaaS есть у нас дома! Причем именно под решение моей проблемы и без корпоративной подписки за $79 в месяц. Так что с продуктами, чья основная функция уже стала commodity в сфере исследований, происходят интересные штуки. MaxDiff и conjoint известны давно. Whisper существует с 2022 года. Раньше ценностью мог бы стать продукт, в котором все эти вещи связали с помощью LLM и упаковали в условную «одну кнопку» (кто сказал Dovetail?). Но если кнопка тоже стала дешевой, возникает довольно неприятный вопрос: Почему я должен осваивать вашу кнопку, а не попросить LLM сделать мою? Ваши продукты конкурируют не с решениями, которые уже есть у исследователей. Ваши продукты конкурируют с ChatGPT и Claude – универсальными инструментами. Конечно, это работает не везде, где продукт - commodity. Я не собираюсь писать собственный Stripe, бухгалтерию или корпоративную почту (за которые я регулярно плачу). Но там значительная часть ценности не в самой функции, а в надежности и предсказуемости: я плачу именно за то, чтобы не думать, работает ли оно сегодня. И чем ближе ваш продукт к формату «мы запрограммировали функцию X» - тем сильнее проблема. Возникает забавный эффект: Все вокруг дешевеет, а вот время человека, которому все это предлагают – дорожает. Мне говорят «попробуй бесплатно». Но это «бесплатно» подразумевает, что я должен прочитать письмо, поучаствовать в коммуникации, зарегистрироваться в сервисе, разобраться, как он работает, найти и загрузить туда тестовый кейс (который не жалко отдать третьей стороне), сравнить с тем, что я использую, понять, что лучше, а что – хуже, и затем еще и дать фидбек. Да, цена продукта тут ноль. А как насчет цены моего времени? Ситуация кратно ухудшается, когда таких продуктов становится не 1-2, а 30. Производить стало дешево. Предлагать – тоже. Дорого теперь только одно: чтобы на тебя вообще посмотрели. (о том, что останется дорогим в эпоху дешевого AI и есть ли во всем этом место для исследований – напишем во второй части.)

Инструкция, как пробить фильтры на hh 🛠 Вот в этом посте мы разбирали, почему ваш отклик до рекрутера не доходит. В этом посте выясняем, что с этим делать. Я уже делала этот пост весной, но сейчас осенью, в период активного поиска, вспоминаем базу. Сразу скажу главное. У вас на hh две воронки, и попадание к живому рекрутеру в каждой работает по-своему.

Воронка 1 — ваш отклик. Вы откликнулись → алгоритм ранжирует вас среди всех откликнувшихся → рекрутер видит сначала лучших. Воронка 2 — поиск по базе. Рекрутер сам вбивает запрос → вы либо попадаете в выдачу, либо нет.В обеих рулит один ML-алгоритм hh — он оценивает 700+ параметров резюме. Сначала вас режут жёсткие фильтры, потом ранжируют. Разбираем оба этапа.

Этап 1. Кто отсеивается до рекрутера

→ Зарплата. Указали выше вилки → вылетели на отсечке. Если рынок платит меньше ваших хотелок — либо снижайте, либо убирайте цифру вовсе. → Регион и формат. Только удалёнка/в офис не готов режет 40–50% вакансий — это правда. Ищете активно — ставьте максимально широкую готовность. → Возраст и пол. В тексте вакансии это писать запрещено законом (ст. 3 и 64 ТК РФ). Но в поиске по базе резюме такие фильтры у рекрутера есть. Повлиять вы тут не можете. Просто знайте, что это система. → Стоп-слова. Рекрутер может задать слова-исключения. Попали в ваш профиль — вы выпали. → Название резюме ≠ название вакансии. Одно из ключевых полей соответствия. Специалист и менеджер по продажам — для алгоритма два разных человека.

Этап 2. Ранжирование и что поднимает вас в топ

→ Навыки. hh показывает рекрутеру «Подходит по навыкам на X%». Зайдите в 10–15 целевых вакансий, выпишите оттуда навыки и проставьте их у себя (до 30 штук). Процент соответствия растёт, резюме чаще рекомендуется рекрутерам. → Свежесть. Резюме, обновлённое за последние 1–3 дня, идёт выше. Заходите и обновляйте каждый день — отредактировали и сохранили, дата освежилась. Бесплатно и работает лучше всего. → Полнота резюме. Цельтесь в 100%, минимум 75–80%. Базовый набор полей даёт всего ~51%. → Подтверждённые навыки. Пройдите тесты hh (английский, Excel — есть почти под любую профессию). Подтверждённый навык поднимает резюме выше. → Активность. Статус «Активно ищу работу», регулярные заходы, просмотр вакансий — всё это алгоритм учитывает.

Алгоритм под каждую вакансию (а не одно резюме на всё) 1. Делаете отдельные резюме под разные роли. 2. Название резюме = точное название целевой вакансии. 3. Ключевые слова из вакансии вставляете не только в навыки, но и в опыт и «обо мне» — показываете, как именно применяли. 4. Сопроводительное — точечное под вакансию, а не один шаблон на 100 компаний. 5. Откликаетесь прицельно. Релевантность важнее объёма, потому что алгоритм учится на реакциях рекрутеров. Поток нерелевантных откликов размывает вашу выдачу и все предыдущие усилия бессмысленными становятся. Чего точно не делать : → Не засовывать белый текст с ключевиками под цвет фона. Это работало пару лет на международном рынке, особенно на рынке США. Сейчас hh понимает синонимы и смысл, а не тупо ищет слова — приём бесполезен и палится. → Не держать одно универсальное резюме на 50% заполнения. → Не спамить откликами на всё подряд.

Вместо вывода: на hh вы фильтры не обходите — вы под них настраиваетесь. Совпадение по навыкам + свежесть + полнота + точное название = вы в топе ещё до того, как вас увидел живой человек.

Лайки и шеры — лучшая ваша благодарность за контент ❤️ #поискработы #резюме

«Это игры для подростков»: разработчик Kingdom Come: Deliverance раскритиковал современные RPG Сооснователь Warhorse Studios Мартин Клима признался, что устал от RPG про избранного героя, который спасает мир от тёмного властелина. Он считает такие игры однообразными фантазиями о могуществе, рассчитанными прежде всего на подростков. По словам Климы, издатели снова и снова используют проверенную формулу, игнорируя повзрослевшую аудиторию. Сейчас Warhorse разрабатывает реалистичную историческую RPG Kingdom Come Salvation и масштабную игру во вселенной «Властелина колец». #warhorsestudios #ролеваяигра 📎Подробнее 🔖 3DNews в TG | MAX | VK

Наука управления агентами? Недавно на AI Natives рассказывал, как я изучаю bias-ы агентов, чтобы дизайнить интересные задачки, в которых излишнее доверие агентам приводит к плохим выводам. А Илья К. пошутил: мол, вместо курса по системному мышлению мне надо сделать такой же по агентному :) И вообще-то этот коммент по делу: менеджмент как наука сложился для эффективной координации людей ради достижения цели, но уже очевидно, что мы всё чаще будем организовывать для этого агентов. Тогда какой может быть эта наука и на какие вопросы она будет отвечать? Начну с задачки, которая возникает у любого, кто имеет дело с организацией агентов: один агент vs команда? Когда эффективнее использовать одно или другое? Например, в уже упомянутом видео с Noam Brown он говорит, что пока совсем неочевидно, что рой агентов справляется с задачкой лучше/дешевле. Но на подходящих задачах может делать это быстрее, потому что работа параллелизируется. То есть соображение скорости имеет место быть. Но я считаю, что это не только про скорость: из-за принципов работы LLM они подвержены зависимости от пути (писал об этом тут) и могут сузить пространство поиска решения. А вот несколько агентов могут независимо исследовать разные направления, то есть группы нужны ещё и поэтому. И, разумеется, размер контекстного окна никто не отменял. Вообще наверняка кто-нибудь выведет некоторую зависимость, а-ля треугольник проджект-менеджмента, между скоростью, стоимостью и качеством решения задачи агентами. В эту тему мне зашла статья Google Research про систему Cogentic. Там задачку эффективной координации агентов для решения математических задач решают следующим образом: 1. Оркестратор распределяет направления ресерча. Затем одни агенты - provers - предлагают доказательства, а другие проверяют оные. 2. История всех попыток хранится отдельно от проверенных результатов. Агенты видят, что уже пробовали и почему не сработало, а проверенные находки используют в следующих итерациях. 3. Есть агент-эдвайзер, который наблюдает за процессом, повторяющимися ошибками и неэффективностями агентов и советует, как реорганизовать процесс. Мне лично подобный многоагентный процесс интересен в контексте задачи роста продукта: анализ метрик продукта, поведения пользователей, ограничений роста и потерь в воронке, ревью литературы, поиск и реализация экспериментов, фиксация результатов, в том числе неудачных, и повторный проход. Да, проверка экспериментов на юзерах требует времени и трафика, поэтому процесс не будет таким динамичным, как хотелось бы. Но точно можно организовать постоянное экспериментирование и улучшение продукта. В общем, как считаете - будет ли новая наука? P.S. тут ещё подумал: в некоторых экспериментах агенты уже вырабатывают свои языки, потому что человеческий не так эффективен. Так что, возможно, желание человека всё это читать и понимать само станет причиной неэффективности в координации :)

Отключение мозга ничего хорошего не сулит ИИ-агенту поручили поправить управление DATABASE_URL. Он разнёс решение примерно на 20 правок, добавил условия в NPM-скрипты и вызов Node в CI. Человек потом сделал то же самое добавлением одного слова — без единой новой строки. Примерно так и выглядит проблема, о которой пишет Дэн Луу: чем лучше становятся агенты, тем проще перейти в режим «поставить задачу → принять результат → при проблеме отправить обратно на исправление». Никлас Грюн назвал человека в этой цепочке «кожаным передатчиком». Сам Луу агентами пользуется постоянно. Но между помощью ИИ и передачей ему всего мыслительного процесса для него проходит довольно важная граница — и примеров того, где она проявляется, здесь хватает.