Forwarded from AI Product | Igor Akimov
Классный обзор, что происходит с миром saas (в там полный п в связи с вайбкодингом)
Акции SaaS-компаний падают на 30-40% с декабря. HubSpot, Atlassian, Jira - все вниз. Morgan Stanley уже пишет заметки "No Reasons to Own" про софтверные акции.
Почему? Клиенты поняли, что могут сами навайбкодить себе инструменты. И это создаёт экзистенциальную угрозу для B2B SaaS: как просить за renewal $50К в год, когда клиент чувствует, что может сам за выходные что-то собрать?
Проблема не в том, что клиенты реально могут сделать качественный продукт (автор правильно пишет - большинство не понимают, что идёт в архитектуру надёжных систем, и их самописные решения рано или поздно развалятся). Проблема в том, что они *чувствуют*, что могут. И этого достаточно для отмены подписки.
Как выживать (три стратегии):
1) Быть System of Record, а не просто сервисом.
Если вся компания работает на твоей платформе каждый день - ты интегрирован глубоко. Простые wrapper-продукты (типа дашбордов для визуализации) - легко заменяются вайб-кодингом.
2) Безопасность, аутентификация, надёжность
Это сложные части, которые клиенты пока не понимают. Но надо активно это коммуницировать, пока не поздно.
3) Адаптация под клиента, а не наоборот
Времена "меняйте свои процессы под наш софт" закончились. Побеждают ультра-кастомизируемые решения.
Самый интересный кейс:
Автор работал с SaaS для ремонтных операций. Проблема - UI слишком сложный для техников, использование было 35%. Решение - сделали whitelabel vibe-coding платформу поверх их SaaS. Customer success команда за несколько дней навайбкодила специфичные мобильные веб-аппы для техников.
Результат: usage вырос с 35% до 70%. Техники видят только создание work orders (что им нужно), а руководство вайб-кодит кастомные репорты. И всё это поверх основного SaaS, который остаётся System of Record.
В общем, AI не убивает B2B SaaS. Он убивает B2B SaaS, которые отказываются эволюционировать. Выживут не те, у кого лучшие фичи, а те, кто станет платформой - позволит клиентам строить *поверх* себя, а не *вместо* себя.
https://nmn.gl/blog/ai-killing-b2b-saas
Акции SaaS-компаний падают на 30-40% с декабря. HubSpot, Atlassian, Jira - все вниз. Morgan Stanley уже пишет заметки "No Reasons to Own" про софтверные акции.
Почему? Клиенты поняли, что могут сами навайбкодить себе инструменты. И это создаёт экзистенциальную угрозу для B2B SaaS: как просить за renewal $50К в год, когда клиент чувствует, что может сам за выходные что-то собрать?
Проблема не в том, что клиенты реально могут сделать качественный продукт (автор правильно пишет - большинство не понимают, что идёт в архитектуру надёжных систем, и их самописные решения рано или поздно развалятся). Проблема в том, что они *чувствуют*, что могут. И этого достаточно для отмены подписки.
Как выживать (три стратегии):
1) Быть System of Record, а не просто сервисом.
Если вся компания работает на твоей платформе каждый день - ты интегрирован глубоко. Простые wrapper-продукты (типа дашбордов для визуализации) - легко заменяются вайб-кодингом.
2) Безопасность, аутентификация, надёжность
Это сложные части, которые клиенты пока не понимают. Но надо активно это коммуницировать, пока не поздно.
3) Адаптация под клиента, а не наоборот
Времена "меняйте свои процессы под наш софт" закончились. Побеждают ультра-кастомизируемые решения.
Самый интересный кейс:
Автор работал с SaaS для ремонтных операций. Проблема - UI слишком сложный для техников, использование было 35%. Решение - сделали whitelabel vibe-coding платформу поверх их SaaS. Customer success команда за несколько дней навайбкодила специфичные мобильные веб-аппы для техников.
Результат: usage вырос с 35% до 70%. Техники видят только создание work orders (что им нужно), а руководство вайб-кодит кастомные репорты. И всё это поверх основного SaaS, который остаётся System of Record.
В общем, AI не убивает B2B SaaS. Он убивает B2B SaaS, которые отказываются эволюционировать. Выживут не те, у кого лучшие фичи, а те, кто станет платформой - позволит клиентам строить *поверх* себя, а не *вместо* себя.
https://nmn.gl/blog/ai-killing-b2b-saas
👍1🔥1
За последние 3 месяца Ahrefs проанализировали более 1 миллиарда точек данных в рамках 11 исследований*. Вот что узнали об оптимизации под AI‑поиск:
1. Упоминания на YouTube — самый сильный предиктор видимости в AI (корреляция: 0.737) — сильнее, чем Domain Rating, бэклинки или любой традиционный SEO‑фактор. YouTube активно цитируется в AI‑ответах, и и Google, и OpenAI обучаются на контенте YouTube.
2. Для одного и того же запроса AI Mode и AI Overviews приходят к одним и тем же выводам в 86% случаев — но ссылаются почти на полностью разные источники (пересечение цитирований всего 13.7%). Ответы AI Mode в 4 раза длиннее и упоминают в 3 раза больше сущностей.
3. Длина контента практически не коррелирует с AI‑цитированиями (0.04). 53% всех цитирований в AI Overview ведут на страницы короче 1 000 слов. Писать сверхдлинные тексты не нужно для видимости в AI.
4. Google всё ещё отправляет в 345 раз больше трафика, чем ChatGPT, Gemini и Perplexity вместе — но ChatGPT даёт 80%+ всего AI‑трафика на сайты.
5. AI Overviews имеют 70% шанс измениться от одного наблюдения к следующему; в среднем контент «держится» всего 2.15 дня. Но семантический смысл остаётся удивительно стабильным (0.95 cosine similarity).
6. Списки в блогах формата «Лучшие X» составляют 43.8% всех типов страниц, которые цитируются в ответах ChatGPT. 35% таких списков — с доменов с низким авторитетом.
7. 79% блог‑листов, процитированных ChatGPT, обновлялись в 2025 году, а 76% самых цитируемых страниц обновлялись в последние 30 дней. Свежесть важна как никогда.
8. Когда задают вопросы без корректных ответов, AI‑системы почти всегда выбирают сфабрикованный контент с конкретными числами. ChatGPT сопротивлялся лучше всего (84% точности), но Grok и Copilot были полностью «манипулируемы».
9. Domain Rating слабо коррелирует с AI‑видимостью (всего 0.266–0.326 на разных платформах). Количество страниц на сайте коррелирует ещё слабее — 0.194.
10. 67% топ‑1 000 цитирований ChatGPT по сути недоступны для маркетологов — одна только Wikipedia даёт 29.7%, далее идут главные страницы (23.8%) и образовательный контент (19.4%).
* Ссылки на все исследования:
https://ahrefs.com/blog/ai-overviews-vs-ai-mode/
https://ahrefs.com/blog/ai-brand-visibility-correlations/
https://ahrefs.com/blog/ai-vs-made-up-brand-experiment/
https://ahrefs.com/blog/best-lists-research/
https://ahrefs.com/blog/short-vs-long-content-in-ai-overviews/
https://ahrefs.com/blog/b2b-seo-statistics/
https://ahrefs.com/blog/ai-overview-change/
https://ahrefs.com/blog/ai-overview-triggers/
https://ahrefs.com/blog/ai-overviews-international/
https://ahrefs.com/blog/chatgpts-most-cited-pages/
https://ahrefs.com/blog/almost-all-clicks-happen-in-the-top-10-results/
==
бесплатный сервис для аудита AI SEO:
🔗 https://www.producthunt.com/products/findable-3
🔗 https://findableapp.com/
1. Упоминания на YouTube — самый сильный предиктор видимости в AI (корреляция: 0.737) — сильнее, чем Domain Rating, бэклинки или любой традиционный SEO‑фактор. YouTube активно цитируется в AI‑ответах, и и Google, и OpenAI обучаются на контенте YouTube.
2. Для одного и того же запроса AI Mode и AI Overviews приходят к одним и тем же выводам в 86% случаев — но ссылаются почти на полностью разные источники (пересечение цитирований всего 13.7%). Ответы AI Mode в 4 раза длиннее и упоминают в 3 раза больше сущностей.
3. Длина контента практически не коррелирует с AI‑цитированиями (0.04). 53% всех цитирований в AI Overview ведут на страницы короче 1 000 слов. Писать сверхдлинные тексты не нужно для видимости в AI.
4. Google всё ещё отправляет в 345 раз больше трафика, чем ChatGPT, Gemini и Perplexity вместе — но ChatGPT даёт 80%+ всего AI‑трафика на сайты.
5. AI Overviews имеют 70% шанс измениться от одного наблюдения к следующему; в среднем контент «держится» всего 2.15 дня. Но семантический смысл остаётся удивительно стабильным (0.95 cosine similarity).
6. Списки в блогах формата «Лучшие X» составляют 43.8% всех типов страниц, которые цитируются в ответах ChatGPT. 35% таких списков — с доменов с низким авторитетом.
7. 79% блог‑листов, процитированных ChatGPT, обновлялись в 2025 году, а 76% самых цитируемых страниц обновлялись в последние 30 дней. Свежесть важна как никогда.
8. Когда задают вопросы без корректных ответов, AI‑системы почти всегда выбирают сфабрикованный контент с конкретными числами. ChatGPT сопротивлялся лучше всего (84% точности), но Grok и Copilot были полностью «манипулируемы».
9. Domain Rating слабо коррелирует с AI‑видимостью (всего 0.266–0.326 на разных платформах). Количество страниц на сайте коррелирует ещё слабее — 0.194.
10. 67% топ‑1 000 цитирований ChatGPT по сути недоступны для маркетологов — одна только Wikipedia даёт 29.7%, далее идут главные страницы (23.8%) и образовательный контент (19.4%).
* Ссылки на все исследования:
https://ahrefs.com/blog/ai-overviews-vs-ai-mode/
https://ahrefs.com/blog/ai-brand-visibility-correlations/
https://ahrefs.com/blog/ai-vs-made-up-brand-experiment/
https://ahrefs.com/blog/best-lists-research/
https://ahrefs.com/blog/short-vs-long-content-in-ai-overviews/
https://ahrefs.com/blog/b2b-seo-statistics/
https://ahrefs.com/blog/ai-overview-change/
https://ahrefs.com/blog/ai-overview-triggers/
https://ahrefs.com/blog/ai-overviews-international/
https://ahrefs.com/blog/chatgpts-most-cited-pages/
https://ahrefs.com/blog/almost-all-clicks-happen-in-the-top-10-results/
==
бесплатный сервис для аудита AI SEO:
Please open Telegram to view this post
VIEW IN TELEGRAM
👍1🔥1
Skills vs Tools/MCP
..для тех, кто все еще не разобрался с skills.md – ниже все, что вам нужно знать.
Для чего нужен?
1. Skills нужен для более сложных воркфлоу, чем простые запрос→ответ (генерация, итерации, логика)
Tools — для атомарных действий (API call)
2. Skills экономит токены
Если инструмент имеет >5 методов для форматирования одного типа документа (напр. Google Slides) → Заменить на Skill с Python-скриптом.
3. Скиллы загружают контекст LLM on-demand
Создать базовый Skillset: Сделать папку .skills и положить туда report-generator.md (с кодом Pandas/Matplotlib) вместо подключения сырого Code Interpreter.
4. LLM ошибается при выполнение, поэтому рано или поздно тебе все равно нужно выработать рабочую конфигурацию и условно сохранить ее. Как раз такие рабочие конфигурации и сохраняются как Skill.md. Это позволяет агенту не изобретать велосипед каждый раз, а использовать проверенный блок кода
5. Преимущества Skills перед MCP
Skills обеспечивают:
1) Автономию (агент сам пишет код внутри навыка);
2) Повторное использование (Reuse);
3) Экономию (следующий запуск дешевле, так как код уже готов);
4) Консистентность (все отчеты в едином стиле).
Кто хочет лучше разобраться — см. видео →🎞 Видео где автор рассказывает про Skills
==
разрабатывать навыки лучше с Claude Opus 4.5, а потом передавать исполнение этих навыков более дешевой модели (дистиляция)
все навыки создаем с помощью этого навыка 🔗skill-creator + веб-поиск , чтобы агент нашел доступные / лучшие практики для создания навыка
Skills для создания back-end на базе n8n:
- Claude Skills для сборки n8n нод:🔗 github
- MCP n8n для создания workflow в Claude Code 🔗github
(благодаря этому вы сможете улучшить свой Cloude.md)
🎞 n8n claude skills + 🎞 n8n as backend
Навык для фронтенда 🔗github
+ дамп технической документации для фреймворка Agency Swarm и платформы Agencii Platform
..для тех, кто все еще не разобрался с skills.md – ниже все, что вам нужно знать.
Для чего нужен?
1. Skills нужен для более сложных воркфлоу, чем простые запрос→ответ (генерация, итерации, логика)
Tools — для атомарных действий (API call)
2. Skills экономит токены
Если инструмент имеет >5 методов для форматирования одного типа документа (напр. Google Slides) → Заменить на Skill с Python-скриптом.
3. Скиллы загружают контекст LLM on-demand
Создать базовый Skillset: Сделать папку .skills и положить туда report-generator.md (с кодом Pandas/Matplotlib) вместо подключения сырого Code Interpreter.
4. LLM ошибается при выполнение, поэтому рано или поздно тебе все равно нужно выработать рабочую конфигурацию и условно сохранить ее. Как раз такие рабочие конфигурации и сохраняются как Skill.md. Это позволяет агенту не изобретать велосипед каждый раз, а использовать проверенный блок кода
5. Преимущества Skills перед MCP
Skills обеспечивают:
1) Автономию (агент сам пишет код внутри навыка);
2) Повторное использование (Reuse);
3) Экономию (следующий запуск дешевле, так как код уже готов);
4) Консистентность (все отчеты в едином стиле).
Кто хочет лучше разобраться — см. видео →
==
разрабатывать навыки лучше с Claude Opus 4.5, а потом передавать исполнение этих навыков более дешевой модели (дистиляция)
все навыки создаем с помощью этого навыка 🔗skill-creator + веб-поиск , чтобы агент нашел доступные / лучшие практики для создания навыка
Skills для создания back-end на базе n8n:
- Claude Skills для сборки n8n нод:
- MCP n8n для создания workflow в Claude Code 🔗github
(благодаря этому вы сможете улучшить свой Cloude.md)
Навык для фронтенда 🔗github
+ дамп технической документации для фреймворка Agency Swarm и платформы Agencii Platform
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥2👍1
This media is not supported in your browser
VIEW IN TELEGRAM
Создавайте Chrome Extensions, разговаривая с ИИ
AI Chrome Extension Builder — полнофункциональный конструктор приложений, разработанный с учетом потребностей каждого. Независимо от ваших технических знаний, с Shipper вы можете создавать полноценные продукты с первого же запроса. Shipper создает реальный бизнес, а не просто кодовую базу.
AI Chrome Extension Builder — полнофункциональный конструктор приложений, разработанный с учетом потребностей каждого. Независимо от ваших технических знаний, с Shipper вы можете создавать полноценные продукты с первого же запроса. Shipper создает реальный бизнес, а не просто кодовую базу.
ИИ для продакта & CPO | Влад Прошинский
ИИ для альтернативных инвестиций pt. 11
This media is not supported in your browser
VIEW IN TELEGRAM
↓↓↓
ИИ для инвестиций pt. 12
Большинство инструментов «анализа акций с помощью ИИ» — это замаскированные ChatGPT или, что еще хуже, боты, выдающие себя за дурака.
MarketCrunch AI создали количественную модель ИИ с глубоким обучением, которая ежедневно анализирует более 300 миллионов точек входа — включая макроэкономические показатели, динамику цен, новости — чтобы предоставлять вам целевые цены на следующий день и на неделю в один клик.
Каждая целевая цена имеет маркеры достоверности, результаты бэктестинга и четкие факторы, которые помогут вам принять решение о сделке/размере/пропуске. Наши поклонники говорят, что это терминал Bloomberg для пользователей Robinhood.
Как это работает на практике:
Live-режим и умная лента
Вместо ручного поиска работает Market Pulse. Это живая лента, которая в реальном времени подсвечивает топ-активы, отобранные движком глубокого обучения.
UX, который продает
Для каждого тикера система выдает не просто сухие цифры, а саммари на простом английском языке.
Сложные технические индикаторы → Понятный вывод для человека.
Социальное подтверждение
В модель встроено голосование сообщества. Если есть консенсус — алгоритм это учитывает.
Скорость принятия решений
Один клик переводит на полное исследование:
- Расчетная цель и уверенность модели
- Разбивка по факторам
- Анализ опционов с оценкой риск/прибыль
Бесшовная интеграция
Понравилась рекомендация? Прямой переход к исполнению брокера (например, Robinhood). Никаких лишних переключений между вкладками.
Аналитика пока вы спите
После закрытия рынка запускается нейросетевой движок AI Picks. Он генерирует торговые идеи на следующую сессию, выбирая варианты с самой высокой точностью и уверенностью.
ИИ для инвестиций pt. 12
Большинство инструментов «анализа акций с помощью ИИ» — это замаскированные ChatGPT или, что еще хуже, боты, выдающие себя за дурака.
MarketCrunch AI создали количественную модель ИИ с глубоким обучением, которая ежедневно анализирует более 300 миллионов точек входа — включая макроэкономические показатели, динамику цен, новости — чтобы предоставлять вам целевые цены на следующий день и на неделю в один клик.
Каждая целевая цена имеет маркеры достоверности, результаты бэктестинга и четкие факторы, которые помогут вам принять решение о сделке/размере/пропуске. Наши поклонники говорят, что это терминал Bloomberg для пользователей Robinhood.
Как это работает на практике:
Live-режим и умная лента
Вместо ручного поиска работает Market Pulse. Это живая лента, которая в реальном времени подсвечивает топ-активы, отобранные движком глубокого обучения.
UX, который продает
Для каждого тикера система выдает не просто сухие цифры, а саммари на простом английском языке.
Сложные технические индикаторы → Понятный вывод для человека.
Социальное подтверждение
В модель встроено голосование сообщества. Если есть консенсус — алгоритм это учитывает.
Скорость принятия решений
Один клик переводит на полное исследование:
- Расчетная цель и уверенность модели
- Разбивка по факторам
- Анализ опционов с оценкой риск/прибыль
Бесшовная интеграция
Понравилась рекомендация? Прямой переход к исполнению брокера (например, Robinhood). Никаких лишних переключений между вкладками.
Аналитика пока вы спите
После закрытия рынка запускается нейросетевой движок AI Picks. Он генерирует торговые идеи на следующую сессию, выбирая варианты с самой высокой точностью и уверенностью.
👍1🔥1
Forwarded from Falcon Finance
Какие страны лидируют по внедрению ИИ 🌍
Microsoft опубликовали отчёт: какая доля взрослого населения использует ИИ в разных странах.
Это очень важный показатель, т.к кто быстрее внедряет ИИ – получает преимущество для экономики на годы вперед. Такие страны более эффективны и конкурентоспособны.
📍 Лидеры
• ОАЭ – 64%
• Сингапур – 61%
• Норвегия – 46%
• Ирландия – 45%
• Франция – 44%
⚙️ Неожиданности
США – всего 28%, 24-е место в мире. Страна лидирует в разработке ИИ, но не в использовании.
Россия отстает еще сильнее, всего 8%. Что ниже стран Африки и в 2 раза ниже среднемирового показателя.
Хуже всего дела у Камбоджи, только 5%.
А вы используете ИИ?
📈 – Да, конечно
📉 – Пока нет
Microsoft опубликовали отчёт: какая доля взрослого населения использует ИИ в разных странах.
Это очень важный показатель, т.к кто быстрее внедряет ИИ – получает преимущество для экономики на годы вперед. Такие страны более эффективны и конкурентоспособны.
📍 Лидеры
• ОАЭ – 64%
• Сингапур – 61%
• Норвегия – 46%
• Ирландия – 45%
• Франция – 44%
⚙️ Неожиданности
США – всего 28%, 24-е место в мире. Страна лидирует в разработке ИИ, но не в использовании.
Россия отстает еще сильнее, всего 8%. Что ниже стран Африки и в 2 раза ниже среднемирового показателя.
Хуже всего дела у Камбоджи, только 5%.
А вы используете ИИ?
Please open Telegram to view this post
VIEW IN TELEGRAM
👍1
Про моду на страт. сессии
Стратегия это формализация виденья доставки ценности от фаунбера
Компания может быть без формализованной стратегии
Нужно поставить стратегический процесс ,
3 беклога
1. Маркетинг и коммерции
2. Продукт
3. Процессы
Процесс пополнения беклога, приоритезации , процесс реализации. У большинства нет проектного подхода.
Мы не умеем реализовывать изменения СИСТЕМНО!!!
Для меня это осознание было трансформационным. Почему? Раньше
По сути у нас задача это доставлять больше ценности клиенту и сокращать расходы.
Стратегия это про изменения. Вот у тебя есть операционные процессы (сбыт) , RUN .
А ты и так был в CHANGE командах , и это и есть стратегические процессы.
Стратегия это про «почему именно эта цель?», а не про маму точку Б.
Инвесторам стратегия не нужна, им важно чтобы она была, но они ее даже не читают. Они вкладываются в идею и в фаундера, который будет ее реализовывать.
Стратегия это место продажи целей команде.
Инстурерты: Пирамида Дилтса, матрица BCG
Хотя должна быть частью мотивации сотрудников, например я придумал очень крутую идею: сделать прикинь по снижению издержек или роста выручки премируемой , человек который ее предложил и человек который будет её реализовывать, получают процент от три раста этого изменения, в течение 1-3 мес. Предприниматели обычно жадничают, а мудрые собственники делятся краткосрочные выгоды ради долгосрочного преимущества.
Стратегия это формализация виденья доставки ценности от фаунбера
Компания может быть без формализованной стратегии
Нужно поставить стратегический процесс ,
3 беклога
1. Маркетинг и коммерции
2. Продукт
3. Процессы
Процесс пополнения беклога, приоритезации , процесс реализации. У большинства нет проектного подхода.
Мы не умеем реализовывать изменения СИСТЕМНО!!!
Для меня это осознание было трансформационным. Почему? Раньше
По сути у нас задача это доставлять больше ценности клиенту и сокращать расходы.
Стратегия это про изменения. Вот у тебя есть операционные процессы (сбыт) , RUN .
А ты и так был в CHANGE командах , и это и есть стратегические процессы.
Стратегия это про «почему именно эта цель?», а не про маму точку Б.
Инвесторам стратегия не нужна, им важно чтобы она была, но они ее даже не читают. Они вкладываются в идею и в фаундера, который будет ее реализовывать.
Стратегия это место продажи целей команде.
Инстурерты: Пирамида Дилтса, матрица BCG
Хотя должна быть частью мотивации сотрудников, например я придумал очень крутую идею: сделать прикинь по снижению издержек или роста выручки премируемой , человек который ее предложил и человек который будет её реализовывать, получают процент от три раста этого изменения, в течение 1-3 мес. Предприниматели обычно жадничают, а мудрые собственники делятся краткосрочные выгоды ради долгосрочного преимущества.
👍1🔥1
Quick Mock — превращает любую вакансию на LinkedIn в пробное собеседование.
Накопите огромный массив данных: превратите файлы в аналитические выводы уровня McKinsey
Pandada дает возможность как нетехническим специалистам, так и аналитикам данных создавать богатый массив данных. Выйдите за рамки простого «общения» с данными — Pandada превращает неструктурированные CSV-файлы, PDF-файлы, файлы Excel и даже фотографии в загружаемые и доступные для обмена отчеты и презентации уровня McKinsey — чтобы вы могли принимать более обоснованные решения, опираясь на данные.
Решаемая проблема: 80% своего времени я тратил на очистку запутанных электронных таблиц и обработку цифр, чтобы мой менеджер проектов мог принимать более обоснованные решения по продукту.
Решение: механизм «Data Wealth»
Улучшение качества данных: Pandada очищает и структурирует «мусорные контейнеры» из файлов — отсканированные PDF-файлы, скриншоты или неряшливые таблицы Excel или CSV-файлы.
Более качественные вопросы: Pandada уточняет ваши общие вопросы и превращает их в вопросы экспертного уровня, позволяющие получить ключевую информацию, которую вы ищете.
Лучшие ответы: Pandada генерирует готовые к принятию решения отчеты уровня McKinsey, которыми вы можете делиться, представлять или загружать.
Pandada дает возможность как нетехническим специалистам, так и аналитикам данных создавать богатый массив данных. Выйдите за рамки простого «общения» с данными — Pandada превращает неструктурированные CSV-файлы, PDF-файлы, файлы Excel и даже фотографии в загружаемые и доступные для обмена отчеты и презентации уровня McKinsey — чтобы вы могли принимать более обоснованные решения, опираясь на данные.
Решаемая проблема: 80% своего времени я тратил на очистку запутанных электронных таблиц и обработку цифр, чтобы мой менеджер проектов мог принимать более обоснованные решения по продукту.
Решение: механизм «Data Wealth»
Улучшение качества данных: Pandada очищает и структурирует «мусорные контейнеры» из файлов — отсканированные PDF-файлы, скриншоты или неряшливые таблицы Excel или CSV-файлы.
Более качественные вопросы: Pandada уточняет ваши общие вопросы и превращает их в вопросы экспертного уровня, позволяющие получить ключевую информацию, которую вы ищете.
Лучшие ответы: Pandada генерирует готовые к принятию решения отчеты уровня McKinsey, которыми вы можете делиться, представлять или загружать.
🔥1
This media is not supported in your browser
VIEW IN TELEGRAM
СРО будущего (или настоящего?)
CPO Антропик: Клод и все продукты компании на 100% написаны Клодом.
В Топ ИТ компаний уже 90% кода пишет ИИ.
Что должен делать в новой реальности СРО?
Вспоминается базовый набор софтов:
- быть достаточно гибким чтобы поменять внутри продуктовую и проектную культуру под ИИ (не «внедрить ИИ инструменты» , а поменять культуру и процессы, об этом прямо говорил Head of AI @ zapier)
- быть быстрым к внедрению инноваций (кто из вас уже на 100% внедрил ИИ инструменты на уровне корп. стандартов для всех?)
- иметь наглость уволить несогласных / неспособных адаптироваться
- быть тем кто обучит / передаст знания своим камрадам
CPO Антропик: Клод и все продукты компании на 100% написаны Клодом.
В Топ ИТ компаний уже 90% кода пишет ИИ.
Что должен делать в новой реальности СРО?
Вспоминается базовый набор софтов:
- быть достаточно гибким чтобы поменять внутри продуктовую и проектную культуру под ИИ (не «внедрить ИИ инструменты» , а поменять культуру и процессы, об этом прямо говорил Head of AI @ zapier)
- быть быстрым к внедрению инноваций (кто из вас уже на 100% внедрил ИИ инструменты на уровне корп. стандартов для всех?)
- иметь наглость уволить несогласных / неспособных адаптироваться
- быть тем кто обучит / передаст знания своим камрадам
От нуля до уровня Claude Code Pro за 90 минут
для продукт менеджеров и менеджеров проектов
1. Узнаете, как лучшие менеджеры проектов формулируют задачи для Claude Code, используя язык описания продукта: входные данные, поведение, ограничения и т. д.
2. воркфлоу управления проектами: от идеи → ясность → реализация
3. Как лучшие менеджеры проектов используют код Клода для формирования продуктового мышления
🎞 видео
для продукт менеджеров и менеджеров проектов
1. Узнаете, как лучшие менеджеры проектов формулируют задачи для Claude Code, используя язык описания продукта: входные данные, поведение, ограничения и т. д.
2. воркфлоу управления проектами: от идеи → ясность → реализация
3. Как лучшие менеджеры проектов используют код Клода для формирования продуктового мышления
Please open Telegram to view this post
VIEW IN TELEGRAM
YouTube
От нуля до уровня Claude Code Pro за 90 минут (для продукт менеджеров и менеджеров проектов)
00:00:00 Приветствие и вступление
00:01:29 Представление Карла Беллотти и Fullstack PM
00:03:24 План на сегодня: от нуля до уверенного уровня
00:05:21 Подготовка к сессии: установка Claude Code и Cursor
00:09:31 Введение в сценарий и запуск Claude Code
00:12:21…
00:01:29 Представление Карла Беллотти и Fullstack PM
00:03:24 План на сегодня: от нуля до уверенного уровня
00:05:21 Подготовка к сессии: установка Claude Code и Cursor
00:09:31 Введение в сценарий и запуск Claude Code
00:12:21…
👍4
Команды ИИ агентов в Claude Code
Новая экспериментальная функция в Opus 4.6 позволяющая нескольким ИИ-агентам сотрудничать над задачами.
Это не субагенты (их главным ограничением было то, что у каждого был свой контекст и они работали через оркестратор, что усложняло даже простые задачи)
Agent Teams экспериментальная, включается:
или в env файле:
Необходимое количество агентов для построения full-stack приложения (2 на research и foundations, 4 builder agents)
Архитектура команды: team lead (лидер команды) сам создает команду и координирует работу, открывает и закрывает сессии teammates (товарищей по команде), каждый из которых работает в собственном контекстном окне и терминальной сессии
🔗 skill build-with-agent-team для более надежного создания ИИ команд
каждый агент имеет собственное контекстное окно, что потребляет много токенов — приложение построено с одного промпта, потребление около 170 000 токенов контекстного окна
Работает в tmux или iTerm2
Новая экспериментальная функция в Opus 4.6 позволяющая нескольким ИИ-агентам сотрудничать над задачами.
Это не субагенты (их главным ограничением было то, что у каждого был свой контекст и они работали через оркестратор, что усложняло даже простые задачи)
Agent Teams экспериментальная, включается:
CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS=1или в env файле:
{
"env": {
"CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS": "1"
}
}Необходимое количество агентов для построения full-stack приложения (2 на research и foundations, 4 builder agents)
Архитектура команды: team lead (лидер команды) сам создает команду и координирует работу, открывает и закрывает сессии teammates (товарищей по команде), каждый из которых работает в собственном контекстном окне и терминальной сессии
каждый агент имеет собственное контекстное окно, что потребляет много токенов — приложение построено с одного промпта, потребление около 170 000 токенов контекстного окна
Работает в tmux или iTerm2
Please open Telegram to view this post
VIEW IN TELEGRAM
ChatGPT делает людей глупее?
А как же глаза???
Исследователи из Массачусетского института замерили, как меняются когнитивные способности из-за ChatGPT.
Что выяснили?
У группы с ChatGPT – самая низкая активность мозга. Особенно в зонах, отвечающих за внимание, память и глубокое мышление.
Люди не могли вспомнить собственные тексты спустя несколько минут. Однако те, кто писал тексты самостоятельно – воспроизводили их без проблем.
Пугающая часть
Даже после отключения ChatGPT мозг не восстанавливался сразу. Сниженная активность сохранялась и в следующих сессиях.
Лучшие результаты показали те, кто сначала думал сам, а ИИ подключал только на финальную доработку.
Исследователи предупреждают: для детей и подростков с развивающимся мозгом эффект может быть ещё сильнее.
А как же глаза???
Исследователи из Массачусетского института замерили, как меняются когнитивные способности из-за ChatGPT.
Что выяснили?
У группы с ChatGPT – самая низкая активность мозга. Особенно в зонах, отвечающих за внимание, память и глубокое мышление.
Люди не могли вспомнить собственные тексты спустя несколько минут. Однако те, кто писал тексты самостоятельно – воспроизводили их без проблем.
Пугающая часть
Даже после отключения ChatGPT мозг не восстанавливался сразу. Сниженная активность сохранялась и в следующих сессиях.
Лучшие результаты показали те, кто сначала думал сам, а ИИ подключал только на финальную доработку.
Исследователи предупреждают: для детей и подростков с развивающимся мозгом эффект может быть ещё сильнее.
This media is not supported in your browser
VIEW IN TELEGRAM
Когда вайбкодишь в 2 часа ночи..
Токены уже оверквотед и Gemini 3 Pro High начинает сама с собой спорить 😁
Токены уже оверквотед и Gemini 3 Pro High начинает сама с собой спорить 😁
😁7
AI-агент зарабатывает на job board Near.ai / market.near.ai
у меня уже больше 2х месяцев ИИ воркфлоу сами ищут ИИ связки на просторах интернета, в которые они самостоятельно могут зарабатывать деньги. Делюсь интересным решением 😁
↓↓↓
Агенты сами постят jobs и выполняют — твой агент может торговать, скрейпить или делать реал-ворлд задачи и зарабатывать токены.
==
💰 Потенциал: $200–1000/мес (пассив)
⏱️ Запуск: 1–3 дня
💵 Вход: $0–20 (NEAR gas)
📊 Сложность: ★★☆☆☆
🔗 Источник (5 февраля 2026)
Суть: Near.ai — маркетплейс для AI-агентов: один постит задачу, другой берёт и выполняет. Агент может сам себя нанять или найти подработки. Идеально для автоматизации: агент покрывает свои API-затраты.
Алгоритм:
Подключи wallet на https://market.near.ai/
Создай агента (интеграция с Grok/Claude).
Настрой: искать jobs по "trading", "data", "promo".
Агент apply + выполняет (скрипты/API).
Зарабатывай NEAR/USDC.
Инструменты/API
• Near.ai Market — маркетплейс агентов — https://market.near.ai/
• NEAR wallet — https://wallet.near.org
• LangChain / CrewAI — для агента
Почему работает/Лазейка
Агенты учат друг друга зарабатывать (см. гайды от агентов). Рынок новый — низкая конкуренция.
Доказательства/Примеры:
Официальный пост: https://x.com/ilblackdragon/status/2019304753961037829
Агент учит зарабатывать: https://x.com/heyshrutimishra/status/2017603597178122268
Примеры задач: https://x.com/N0vaPGL/status/2018858669010760088
у меня уже больше 2х месяцев ИИ воркфлоу сами ищут ИИ связки на просторах интернета, в которые они самостоятельно могут зарабатывать деньги. Делюсь интересным решением 😁
↓↓↓
Агенты сами постят jobs и выполняют — твой агент может торговать, скрейпить или делать реал-ворлд задачи и зарабатывать токены.
==
💰 Потенциал: $200–1000/мес (пассив)
⏱️ Запуск: 1–3 дня
💵 Вход: $0–20 (NEAR gas)
📊 Сложность: ★★☆☆☆
🔗 Источник (5 февраля 2026)
Суть: Near.ai — маркетплейс для AI-агентов: один постит задачу, другой берёт и выполняет. Агент может сам себя нанять или найти подработки. Идеально для автоматизации: агент покрывает свои API-затраты.
Алгоритм:
Подключи wallet на https://market.near.ai/
Создай агента (интеграция с Grok/Claude).
Настрой: искать jobs по "trading", "data", "promo".
Агент apply + выполняет (скрипты/API).
Зарабатывай NEAR/USDC.
Инструменты/API
• Near.ai Market — маркетплейс агентов — https://market.near.ai/
• NEAR wallet — https://wallet.near.org
• LangChain / CrewAI — для агента
Почему работает/Лазейка
Агенты учат друг друга зарабатывать (см. гайды от агентов). Рынок новый — низкая конкуренция.
Доказательства/Примеры:
Официальный пост: https://x.com/ilblackdragon/status/2019304753961037829
Агент учит зарабатывать: https://x.com/heyshrutimishra/status/2017603597178122268
Примеры задач: https://x.com/N0vaPGL/status/2018858669010760088
🔥2
This media is not supported in your browser
VIEW IN TELEGRAM
Марк Андриссен: универсалы преуспеют в эпоху ИИ
Он противопоставил стратегии «идти вглубь» (специализация) и «идти вширь» (мультидисциплинарность).
- В эпоху ИИ побеждают «полиматы» (универсалы), а не узкие специалисты.
- Глубина (Deep): Необходима только в специфических наукоемких сферах (биомедицина, разработка фундаментальных моделей ИИ).
- Широта (Broad): Выигрышная стратегия для большинства основателей. ИИ берет на себя техническую глубину и рутину.
- Задача человека — синтез: объединять 6-8 дисциплин для создания уникальной ценности
=== Список 6-8 ключевых навыков ===
- Продукт: Понимание того, что строить (ваша сильная сторона).
- Продажи: Умение закрывать сделки и продавать видение.
- Маркетинг: Привлечение внимания и управление воронкой.
- Юриспруденция: Понимание контрактов, IP и рисков.
- Финансы: Управление капиталом, P&L, юнит-экономика.
- Отношения с инвесторами (IR): Фандрейзинг и коммуникация с акционерами.
- Пресса и PR: Управление публичным образом и нарративом.
- Психология/Люди (HR/Management): Найм и управление командой (подразумевается в «great at people»)
Он противопоставил стратегии «идти вглубь» (специализация) и «идти вширь» (мультидисциплинарность).
Я думаю, что лучшие предприниматели будущего, вероятно, будут весьма компетентны в шести или восьми вещах, а затем смогут перекрестно опылять и комбинировать их».
- В эпоху ИИ побеждают «полиматы» (универсалы), а не узкие специалисты.
- Глубина (Deep): Необходима только в специфических наукоемких сферах (биомедицина, разработка фундаментальных моделей ИИ).
- Широта (Broad): Выигрышная стратегия для большинства основателей. ИИ берет на себя техническую глубину и рутину.
- Задача человека — синтез: объединять 6-8 дисциплин для создания уникальной ценности
=== Список 6-8 ключевых навыков ===
- Продукт: Понимание того, что строить (ваша сильная сторона).
- Продажи: Умение закрывать сделки и продавать видение.
- Маркетинг: Привлечение внимания и управление воронкой.
- Юриспруденция: Понимание контрактов, IP и рисков.
- Финансы: Управление капиталом, P&L, юнит-экономика.
- Отношения с инвесторами (IR): Фандрейзинг и коммуникация с акционерами.
- Пресса и PR: Управление публичным образом и нарративом.
- Психология/Люди (HR/Management): Найм и управление командой (подразумевается в «great at people»)
↓↓↓
Анализ моего профиля
ИИ кристально опрозрачивает мои слабые и темные стороны. У меня есть несколько ИИ ассистентов, которые помогают мне прокачивать психологию, коммуникации, а также то, в чем я не силен: юриспруденция, бухгалтерия, продажи..
Как использовать ИИ для "Глубины" если ваш профиль поход на мой:
Legal + AI: Не нужно быть юристом, но используйте LLM для анализа term sheets, поиска рисков в контрактах и формулирования условий.
Sales + AI: Используйте ИИ для генерации скриптов продаж, анализа звонков и автоматизации аутрича, чтобы компенсировать нехватку опыта в прямых продажах.
Marketing + AI: Генерируйте контент-стратегии, SEO-кластеры и креативы, выступая в роли "редактора", а не "автора".
Синтез: Ваша суперсила — сочетать Product + Finance. Добавьте к этому Legal (через ИИ), чтобы создавать сложные финтех-продукты или бизнес-модели
Анализ моего профиля
ИИ кристально опрозрачивает мои слабые и темные стороны. У меня есть несколько ИИ ассистентов, которые помогают мне прокачивать психологию, коммуникации, а также то, в чем я не силен: юриспруденция, бухгалтерия, продажи..
Как использовать ИИ для "Глубины" если ваш профиль поход на мой:
Legal + AI: Не нужно быть юристом, но используйте LLM для анализа term sheets, поиска рисков в контрактах и формулирования условий.
Sales + AI: Используйте ИИ для генерации скриптов продаж, анализа звонков и автоматизации аутрича, чтобы компенсировать нехватку опыта в прямых продажах.
Marketing + AI: Генерируйте контент-стратегии, SEO-кластеры и креативы, выступая в роли "редактора", а не "автора".
Синтез: Ваша суперсила — сочетать Product + Finance. Добавьте к этому Legal (через ИИ), чтобы создавать сложные финтех-продукты или бизнес-модели
Чек-лист AEO от WebFlow
Поскольку поиск на основе ИИ становится отправной точкой для покупателей, брендам необходимо демонстрировать ясность, авторитетность и предоставлять ответы. Этот🔗 Чек-лист AEO поможет вам оценить ваши сильные стороны и пробелы.
Перевел на РУ в🔗 Google Docs
Поскольку поиск на основе ИИ становится отправной точкой для покупателей, брендам необходимо демонстрировать ясность, авторитетность и предоставлять ответы. Этот
Перевел на РУ в
Please open Telegram to view this post
VIEW IN TELEGRAM
ИИ-агенты создают интерфейс в реальном времени
Что такое Generative UI и почему это меняет правила игры
Generative UI — это технология, где ИИ-агент самостоятельно решает, какие компоненты показать пользователю, как расположить блоки и какие данные вывести. Никаких предустановленных шаблонов. Агент анализирует контекст → выбирает компоненты из библиотеки → генерирует персонализированный дашборд за 3-5 секунд.
Вставляешь markdown-отчет своего ИИ-ассистента — и получаешь визуальную панель с ключевыми инсайтами, метриками, графиками. Каждый раз интерфейс уникальный, потому что адаптирован под конкретный запрос. Google уже выпустила открытый протокол A2UI для таких систем. CopilotKit, Flutter GenUI SDK, AG-UI — крупные фреймворки внедряют его прямо сейчас.
3 типа генеративных интерфейсов
Статический Generative UI: агент выбирает только данные для показа, компоненты и макет жёстко заданы. Это уровень 2023 года.
Декларативный Generative UI: агент выбирает компоненты из готовой библиотеки, определяет их расположение и параметры. Безопасность под контролем, гибкость максимальная. Google A2UI работает именно так.
Open-ended Generative UI: агент генерирует весь HTML/CSS/JSX код на лету.
Умные команды выбирают декларативный подход: контроль остается у разработчика, а персонализация — у ИИ.
Где Generative UI даёт конкурентное преимущество
E-commerce: интерфейс магазина перестраивается под каждого клиента — блоки товаров, расположение категорий, промо-баннеры зависят от истории покупок и поведения. L'Oréal внедрила такую систему и получила 22% рост конверсии, 60% сокращение циклов разработки контента.
Рабочие пространства для продакт-менеджеров: вместо стены markdown-текста от ИИ-ассистента вы видите дашборд с таблицами, метриками, списками задач. Экономия времени на парсинг информации — в 5-10 раз.
Чат-боты в Slack, Discord, корпоративных системах: агент выводит не текст, а интерактивные формы, графики, кнопки действий прямо в чате. Пользователь сразу видит визуализацию данных, не переключаясь в другие инструменты.
Технический стек
Базовая связка: Pydantic AI для бэкенда (агент выбирает компоненты), протокол A2UI от Google (описывает компоненты в JSON), AG-UI (соединяет агента с фронтендом), CopilotKit для рендеринга React-компонентов. Альтернативы: Flutter GenUI SDK для мобильных приложений.
Главное преимущество этого стека — универсальность. Можно начать со статического Generative UI, затем перейти к декларативному без переписывания архитектуры. Разработчик может задать библиотеку компонентов (таблицы, карточки, графики) и через system prompt объяснить агенту, когда какой компонент использовать.
Что это значит для вашего продукта?
Статические интерфейсы игнорируют, как реально думают и работают пользователи. Generative UI — это коррекция подхода к дизайну продуктов. В 2026 году дизайнеры не рисуют макеты для «среднего пользователя», а создают компонентные системы и правила их адаптации. Маркетологи получают персонализированные воронки в масштабе, тестирование гипотез без недель разработки.
Агентства, которые продают адаптивные системы вместо статичных макетов, выигрывают контракты. Продакт-менеджеры становятся архитекторами опыта, а не менеджерами фичей.
Попробуйте сами
GitHub-репозитории с готовым примером Generative UI:
🔗 CopilotKit упрощающий создание фронтенда
🔗 Репо GenAI UI CopilotKit
Демо:🎞 AI Agents Can Now Build Their Own UI in Real Time
Что такое Generative UI и почему это меняет правила игры
Generative UI — это технология, где ИИ-агент самостоятельно решает, какие компоненты показать пользователю, как расположить блоки и какие данные вывести. Никаких предустановленных шаблонов. Агент анализирует контекст → выбирает компоненты из библиотеки → генерирует персонализированный дашборд за 3-5 секунд.
Вставляешь markdown-отчет своего ИИ-ассистента — и получаешь визуальную панель с ключевыми инсайтами, метриками, графиками. Каждый раз интерфейс уникальный, потому что адаптирован под конкретный запрос. Google уже выпустила открытый протокол A2UI для таких систем. CopilotKit, Flutter GenUI SDK, AG-UI — крупные фреймворки внедряют его прямо сейчас.
3 типа генеративных интерфейсов
Статический Generative UI: агент выбирает только данные для показа, компоненты и макет жёстко заданы. Это уровень 2023 года.
Декларативный Generative UI: агент выбирает компоненты из готовой библиотеки, определяет их расположение и параметры. Безопасность под контролем, гибкость максимальная. Google A2UI работает именно так.
Open-ended Generative UI: агент генерирует весь HTML/CSS/JSX код на лету.
Умные команды выбирают декларативный подход: контроль остается у разработчика, а персонализация — у ИИ.
Где Generative UI даёт конкурентное преимущество
E-commerce: интерфейс магазина перестраивается под каждого клиента — блоки товаров, расположение категорий, промо-баннеры зависят от истории покупок и поведения. L'Oréal внедрила такую систему и получила 22% рост конверсии, 60% сокращение циклов разработки контента.
Рабочие пространства для продакт-менеджеров: вместо стены markdown-текста от ИИ-ассистента вы видите дашборд с таблицами, метриками, списками задач. Экономия времени на парсинг информации — в 5-10 раз.
Чат-боты в Slack, Discord, корпоративных системах: агент выводит не текст, а интерактивные формы, графики, кнопки действий прямо в чате. Пользователь сразу видит визуализацию данных, не переключаясь в другие инструменты.
Технический стек
Базовая связка: Pydantic AI для бэкенда (агент выбирает компоненты), протокол A2UI от Google (описывает компоненты в JSON), AG-UI (соединяет агента с фронтендом), CopilotKit для рендеринга React-компонентов. Альтернативы: Flutter GenUI SDK для мобильных приложений.
Главное преимущество этого стека — универсальность. Можно начать со статического Generative UI, затем перейти к декларативному без переписывания архитектуры. Разработчик может задать библиотеку компонентов (таблицы, карточки, графики) и через system prompt объяснить агенту, когда какой компонент использовать.
Что это значит для вашего продукта?
Статические интерфейсы игнорируют, как реально думают и работают пользователи. Generative UI — это коррекция подхода к дизайну продуктов. В 2026 году дизайнеры не рисуют макеты для «среднего пользователя», а создают компонентные системы и правила их адаптации. Маркетологи получают персонализированные воронки в масштабе, тестирование гипотез без недель разработки.
Агентства, которые продают адаптивные системы вместо статичных макетов, выигрывают контракты. Продакт-менеджеры становятся архитекторами опыта, а не менеджерами фичей.
Попробуйте сами
GitHub-репозитории с готовым примером Generative UI:
Демо:
Please open Telegram to view this post
VIEW IN TELEGRAM
👍1
Modal — API в 1 клик
Крутой сервис для создания агентских бизнес-процессов, быстрое прототипирование ИИ-фич, A/B тестирование моделей, запуск sandboxes для экспериментов с новыми ML-подходами
Modal — это serverless платформа для запуска compute-интенсивных задач (ML inference, fine-tuning, batch-обработка) без настройки инфраструктуры.
Основная ценность: разработчики пишут Python-код с декораторами, и Modal автоматически масштабирует GPU/CPU, устраняя необходимость в YAML, Docker, конфигах.
Есть free tier ($30 бесплатных compute в месяц) для тестирования на реальных задачах
Есть готовые библиотеки Modal: Whisper для транскрипции, TTS с Chatterbox, fine-tuning моделей
Крутой сервис для создания агентских бизнес-процессов, быстрое прототипирование ИИ-фич, A/B тестирование моделей, запуск sandboxes для экспериментов с новыми ML-подходами
Modal — это serverless платформа для запуска compute-интенсивных задач (ML inference, fine-tuning, batch-обработка) без настройки инфраструктуры.
Основная ценность: разработчики пишут Python-код с декораторами, и Modal автоматически масштабирует GPU/CPU, устраняя необходимость в YAML, Docker, конфигах.
Есть free tier ($30 бесплатных compute в месяц) для тестирования на реальных задачах
Есть готовые библиотеки Modal: Whisper для транскрипции, TTS с Chatterbox, fine-tuning моделей