Тренд на возвращение в офис
Все чаще наблюдаю, что крупные компании предпринимают активные меры к возвращению сотрудников в офис. Изначально был тренд на гибридный график, типа 3 дня в офисе и 2 на удаленке, который лично я считаю неэффективный, но понять можно. Сейчас же сотрудников возвращают в офис на все 5 дней.
Одними из первых буквально недавно это инициировали Amazon. И, если честно, я искрене не понимаю этой обсессии работой в офисе.
Во-первых, компании автоматически сокращают количество потенциально крутых кандидатов. Из моих наблюдений, все меньше людей согласятся работать на какую-либо компанию в офисе из-за ее имени, если у них есть комфортная занятость на удаленке с хорошей оплатой.
Во-вторых, содержание офисов - это не самая дешевая история. Все стремятся к оптимизации, делают лейоффы, хотя можно просто закрыть нафиг офисы и сэкономить больше.
В-третьих, хорошие специалисты уже показали и доказали, что могут работать на удаленке не менее эффективно. Да, сейчас есть исследования, что удаленка, мол, не так эффективна, как это думали ранее. Но буст 2020 года вполне объясним эйфорией. То, что у вас люди начали работать менее эффективно - это проблема не удаленки, а хреновой работы с мотивацией ваших сотрудников. Но менеджеры решили, что это не они не умеют мотивировать, а просто сотрудники ленивые и успевают меньше.
В-четвертых, работа в офисе отнимает драгоценное время и сказывается на продуктивности. Не у всех есть такая роскошь, как возможность жить в 5 минутах от оффиса. Большинсву людей нужно тратить от 40 минут до 1.5 часов, чтобы добраться до места, особенно в условиях современных мегаполисов. Это пробки, общественный транспорт, стресс. Сомневаюсь, что такие вещи улучшают продуктивность.
В-пятых, по моему опыту и по опыту общения с коллегами, работа в офисе стимулирует людей чаще создавать видимость работы, нежели работать не покладая рук. Общение с коллегами, перекуры, посидеть за обедом вместе не час, а 1.5 часа, открытая рабочая табличка в браузере, которая не движется 2 часа, пока в телефоне кто-то листает рилсы, крик о том, что идет руководитель и все уперлись в свои ноутбуки за гробовой тишиной. Это то, что я видел, когда работал гибридно в офисе Xiaomi в Москве в 2017 году. Знакомая картина, не правда ли? На мой взгляд, лучше делать четкие коммиты и хорошую систему мотивации и пусть человек из дома смотрит рилсы, но делает что угодно, чтобы справиться с задачей, чем вот так просиживает штаны в офисе.
Большая часть менеджмента, который принимает такое решение - это люди, которым уже за 40. Которые уже лет 15-20 проработали в офисном формате и при малейшем затыке хотят вернуть все как было. Но на мой взгляд, их время прошло. Люди меняются, меняется мир.
Я не говорю, что работа должна быть удаленной всегда. На мой взгляд, идеальный график - это гибридный. Но не 3/2 - офис/дом. Здравый максимум, который я считаю приемлемым - это 1/4, где сотрудники приезжают на пару часов на какие-то планерки раз в неделю в оффис, проводят бреинстормы и всякое такое. Но учитывая наличие кучи дистанционных сервисов - даже, на мой взгяд, излишне. Лучше купить всем VR-очки и проводить такие собрания в VR, это будет дешевле содержания офисов 🙂
Самым же адекватным гибридом я считаю очные синхронизации (1 день в офисе) раз в месяц и 5 дней в офисе раз в квартал для обсуждения стратегических вопросов.
А что вы думаете про тренд на возврат в офисы?
Все чаще наблюдаю, что крупные компании предпринимают активные меры к возвращению сотрудников в офис. Изначально был тренд на гибридный график, типа 3 дня в офисе и 2 на удаленке, который лично я считаю неэффективный, но понять можно. Сейчас же сотрудников возвращают в офис на все 5 дней.
Одними из первых буквально недавно это инициировали Amazon. И, если честно, я искрене не понимаю этой обсессии работой в офисе.
Во-первых, компании автоматически сокращают количество потенциально крутых кандидатов. Из моих наблюдений, все меньше людей согласятся работать на какую-либо компанию в офисе из-за ее имени, если у них есть комфортная занятость на удаленке с хорошей оплатой.
Во-вторых, содержание офисов - это не самая дешевая история. Все стремятся к оптимизации, делают лейоффы, хотя можно просто закрыть нафиг офисы и сэкономить больше.
В-третьих, хорошие специалисты уже показали и доказали, что могут работать на удаленке не менее эффективно. Да, сейчас есть исследования, что удаленка, мол, не так эффективна, как это думали ранее. Но буст 2020 года вполне объясним эйфорией. То, что у вас люди начали работать менее эффективно - это проблема не удаленки, а хреновой работы с мотивацией ваших сотрудников. Но менеджеры решили, что это не они не умеют мотивировать, а просто сотрудники ленивые и успевают меньше.
В-четвертых, работа в офисе отнимает драгоценное время и сказывается на продуктивности. Не у всех есть такая роскошь, как возможность жить в 5 минутах от оффиса. Большинсву людей нужно тратить от 40 минут до 1.5 часов, чтобы добраться до места, особенно в условиях современных мегаполисов. Это пробки, общественный транспорт, стресс. Сомневаюсь, что такие вещи улучшают продуктивность.
В-пятых, по моему опыту и по опыту общения с коллегами, работа в офисе стимулирует людей чаще создавать видимость работы, нежели работать не покладая рук. Общение с коллегами, перекуры, посидеть за обедом вместе не час, а 1.5 часа, открытая рабочая табличка в браузере, которая не движется 2 часа, пока в телефоне кто-то листает рилсы, крик о том, что идет руководитель и все уперлись в свои ноутбуки за гробовой тишиной. Это то, что я видел, когда работал гибридно в офисе Xiaomi в Москве в 2017 году. Знакомая картина, не правда ли? На мой взгляд, лучше делать четкие коммиты и хорошую систему мотивации и пусть человек из дома смотрит рилсы, но делает что угодно, чтобы справиться с задачей, чем вот так просиживает штаны в офисе.
Большая часть менеджмента, который принимает такое решение - это люди, которым уже за 40. Которые уже лет 15-20 проработали в офисном формате и при малейшем затыке хотят вернуть все как было. Но на мой взгляд, их время прошло. Люди меняются, меняется мир.
Я не говорю, что работа должна быть удаленной всегда. На мой взгляд, идеальный график - это гибридный. Но не 3/2 - офис/дом. Здравый максимум, который я считаю приемлемым - это 1/4, где сотрудники приезжают на пару часов на какие-то планерки раз в неделю в оффис, проводят бреинстормы и всякое такое. Но учитывая наличие кучи дистанционных сервисов - даже, на мой взгяд, излишне. Лучше купить всем VR-очки и проводить такие собрания в VR, это будет дешевле содержания офисов 🙂
Самым же адекватным гибридом я считаю очные синхронизации (1 день в офисе) раз в месяц и 5 дней в офисе раз в квартал для обсуждения стратегических вопросов.
А что вы думаете про тренд на возврат в офисы?
Подготовка тренинга по AI как разработка AI-продукта
Помните, летом писал про набор джунов? Кто успел - тот успел.
В общем, одна из целей этого мероприятия - стимулировать себя к выгрузке знаний и обкатать тренинг по AI PM. Пока делаем больше упора на теорию, но сейчас взялся за это дело плотнее и придумываю для ребят упражнения для отработки знаний. На выходе Win-Win. Ребята получают от меня знания, а я получаю лучшее понимание о своем продукте + делаю это в относительно комфортном графике, т.к. у меня нет платящих мне пользователей, которые оказывают на меня моральное давление, потому что они заплатили.
Я хотел создать курс, который будет преследовать, в первую очередь, цель шаринга знаний и развития экспертизы, а не финансового обогащения. Проблема большинства курсов по AI-пм - это то, что они преследуют цель словить хайпа и заработать денег, потому что тематика сейчас популярно. Однако данные курсы не имеют ничего общего с реальной практикой и реально необходимыми знаниями. Для новичка знания будут иметь эффект “вау” и казаться полезными. Да, они полезны, но они не сделают из вас AI-продакта.
Поясню почему. AI-продакт - это человек, который знает основы ИИ, человек, который может сам разработать POC для AI-продукта, человек, умеющий писать промпты, знающий основы управления командой. AI-продакт обладает насмотренностью в использовании различных AI-продуктов разной направленности. AI-продакт умеет и любит исследовать рынок и пользователя. Все, что сейчас можно пройти дает либо поверхностное представление об ИИ либо базу по продакт-менеджмента, однако я не увидел ни одного тренинга, где это все бы совмещалось. Поэтому решил сделать свой. Большая часть лекций уже проведена - осталось собрать из них нормальный продукт, определить стратегию продвижения и цену.
Проводить планирую в формате онлайн-вебинаров с заданиями.
Помните, летом писал про набор джунов? Кто успел - тот успел.
В общем, одна из целей этого мероприятия - стимулировать себя к выгрузке знаний и обкатать тренинг по AI PM. Пока делаем больше упора на теорию, но сейчас взялся за это дело плотнее и придумываю для ребят упражнения для отработки знаний. На выходе Win-Win. Ребята получают от меня знания, а я получаю лучшее понимание о своем продукте + делаю это в относительно комфортном графике, т.к. у меня нет платящих мне пользователей, которые оказывают на меня моральное давление, потому что они заплатили.
Я хотел создать курс, который будет преследовать, в первую очередь, цель шаринга знаний и развития экспертизы, а не финансового обогащения. Проблема большинства курсов по AI-пм - это то, что они преследуют цель словить хайпа и заработать денег, потому что тематика сейчас популярно. Однако данные курсы не имеют ничего общего с реальной практикой и реально необходимыми знаниями. Для новичка знания будут иметь эффект “вау” и казаться полезными. Да, они полезны, но они не сделают из вас AI-продакта.
Поясню почему. AI-продакт - это человек, который знает основы ИИ, человек, который может сам разработать POC для AI-продукта, человек, умеющий писать промпты, знающий основы управления командой. AI-продакт обладает насмотренностью в использовании различных AI-продуктов разной направленности. AI-продакт умеет и любит исследовать рынок и пользователя. Все, что сейчас можно пройти дает либо поверхностное представление об ИИ либо базу по продакт-менеджмента, однако я не увидел ни одного тренинга, где это все бы совмещалось. Поэтому решил сделать свой. Большая часть лекций уже проведена - осталось собрать из них нормальный продукт, определить стратегию продвижения и цену.
Проводить планирую в формате онлайн-вебинаров с заданиями.
👍3🔥2
Свершилось! Вручили нобелевку за работу над нейронками!
Forwarded from эйай ньюз
Нобелевка за нейронки
Нобелевскую премию по физике выиграли Джеффри Хинтон и Джон Хопфилд. Премию присудили за "Фундаментальные открытия и изобретения, которые способствуют машинному обучению с искусственными нейронными сетями". При чём здесь физика - сложно понять. Похоже, комитет просто пытался хоть куда-то приткнуть нейронки, а физика тут ближе всего. Хотя, по-моему, тут больше бы подошла даже медицина - там хотя бы AlphaFold совершил прорыв в чём-то, а с открытиями в области физики из-за нейронок как-то негусто.
Возможно, причина в том, что Хопфилд всё-таки по образованию физик. Хотя его основной вклад в науку - изобретение сетей Хопфилда, рекуррентных сетей, которые во многом положили начало возрождению нейронных сетей в 80-х и 90-х.
Хинтон изобрёл метод обратного распространения ошибки для тренировки нейронок, который позволил тренировать многослойные сети. А студенты Хинтона - Илья Суцкевер и Алекс Крижевский, создали AlexNet. Именно она начала всю эту гонку нейронок, показав, что их можно масштабировать через тренировку на GPU.
В общем, хайп по нейронкам теперь проник и в Нобелевский комитет.
@ai_newz
Нобелевскую премию по физике выиграли Джеффри Хинтон и Джон Хопфилд. Премию присудили за "Фундаментальные открытия и изобретения, которые способствуют машинному обучению с искусственными нейронными сетями". При чём здесь физика - сложно понять. Похоже, комитет просто пытался хоть куда-то приткнуть нейронки, а физика тут ближе всего. Хотя, по-моему, тут больше бы подошла даже медицина - там хотя бы AlphaFold совершил прорыв в чём-то, а с открытиями в области физики из-за нейронок как-то негусто.
Возможно, причина в том, что Хопфилд всё-таки по образованию физик. Хотя его основной вклад в науку - изобретение сетей Хопфилда, рекуррентных сетей, которые во многом положили начало возрождению нейронных сетей в 80-х и 90-х.
Хинтон изобрёл метод обратного распространения ошибки для тренировки нейронок, который позволил тренировать многослойные сети. А студенты Хинтона - Илья Суцкевер и Алекс Крижевский, создали AlexNet. Именно она начала всю эту гонку нейронок, показав, что их можно масштабировать через тренировку на GPU.
В общем, хайп по нейронкам теперь проник и в Нобелевский комитет.
@ai_newz
🔥2👍1
Нельзя просто так взять и сделать продукт с AI
Внедрять AI или строить продукты на базе AI сейчас очень модно. Вместе с тем, как разработчики LLM предлагают всё более низкие цены на токены, всё больше людей — фаундеров и собственников бизнеса — пытаются внедрить API OpenAI в свои продукты либо построить продукты, ядром которых будет это API.
Однако сделать продукт с AI — не то же самое, что сделать продукт с API OpenAI. Очень многие воспринимают ChatGPT как волшебную пилюлю, которая может всё, но это не так. Почему?
1. Часто люди забывают или не знают о природе LLM. Они не мыслят категориями разработчиков и инженеров, для них есть некий искусственный интеллект, который всё знает, и если он может ответить на их вопрос, то может и решить некую их задачу. Однако наиболее часто приходят с запросами, чтобы ИИ им сделал какие-то расчёты/подсчёты и дал некие выводы. И сюрприз — расчёты оказываются неверными. LLM — large language model, большая языковая модель. Условно говоря, они просят гуманитария помочь им с математикой.
2. Решить задачу не равно решить задачу качественно. Очень часто можно встретить приложения и сервисы с названием AI-что-то: AI-тренер, AI-психолог, AI-маркетолог и т. д. Однако результат работы этого AI-чего-то всегда будет на порядок хуже результата работы того специалиста, работу которого они должны имитировать. Моделям либо не достаёт знаний, либо не хватает креативности, либо начинаются галлюцинации, и так по списку. ChatGPT — это не волшебный шар, который знает всё. Он может давать приемлемые результаты, но для того, чтобы он выполнил задачу какого-то специалиста, этот самый специалист должен его проверять и контролировать.
3. Люди упрощают архитектуру продукта. Часто мысли о создании AI-продукта ограничиваются исключительно внедрением API OpenAI. Однако, как я писал выше, модели может не доставать знаний, точности, правильности расчётов. Всё это зачастую — дополнительные модули, которые необходимо разработать для создания полноценного продукта. А это совершенно другие сроки и бюджеты.
4. Использовать ChatGPT как продакшен-решение = медленно загонять свой продукт в могилу. Во-первых, потому что с предобученной моделью вы не добьётесь тех результатов, которые даст вам кастомная модель. Для общих сценариев — да. Для каких-то частых и узкоспециализированных минимум необходим файн-тюнинг (дообучение моделей), а как правило — нужен целый набор моделей и инструментов, отвечающих за определённые функции. Во-вторых, уже неоднократно замечал, как качество ответов моделей время от времени меняется. Мы не можем контролировать, что происходит «под капотом» у условных OpenAI. В-третьих, использование готовых решений = вендор лок. Если вы рассчитываете, что научили промптами выдавать LLM от OpenAI вам нужный результат и сможете жить спокойно, то нет, не сможете. Так как с одной стороны — будут обновления модели, с другой — вы построили свой продукт на основании другого продукта, заточив все особенности его работы под конкретное решение. Отключат OpenAI — что делать? А если они поднимут цены, а у вас юнит-экономика посчитана, то что делать?
Использовать готовые API для Proof of Concept — это отличное решение. Но не в продукте, который должен быть стабильным и давать ожидаемый результат. Логичный флоу — это сделать POC на готовых решениях, сделать research по кастомным моделям и вопросам файн-тюнинга опенсорса, типа LLaMA, для масштабирования, затем поднять инвестиции на разработку и переходить на своё решение вместе с масштабированием бизнеса.
Внедрять AI или строить продукты на базе AI сейчас очень модно. Вместе с тем, как разработчики LLM предлагают всё более низкие цены на токены, всё больше людей — фаундеров и собственников бизнеса — пытаются внедрить API OpenAI в свои продукты либо построить продукты, ядром которых будет это API.
Однако сделать продукт с AI — не то же самое, что сделать продукт с API OpenAI. Очень многие воспринимают ChatGPT как волшебную пилюлю, которая может всё, но это не так. Почему?
1. Часто люди забывают или не знают о природе LLM. Они не мыслят категориями разработчиков и инженеров, для них есть некий искусственный интеллект, который всё знает, и если он может ответить на их вопрос, то может и решить некую их задачу. Однако наиболее часто приходят с запросами, чтобы ИИ им сделал какие-то расчёты/подсчёты и дал некие выводы. И сюрприз — расчёты оказываются неверными. LLM — large language model, большая языковая модель. Условно говоря, они просят гуманитария помочь им с математикой.
2. Решить задачу не равно решить задачу качественно. Очень часто можно встретить приложения и сервисы с названием AI-что-то: AI-тренер, AI-психолог, AI-маркетолог и т. д. Однако результат работы этого AI-чего-то всегда будет на порядок хуже результата работы того специалиста, работу которого они должны имитировать. Моделям либо не достаёт знаний, либо не хватает креативности, либо начинаются галлюцинации, и так по списку. ChatGPT — это не волшебный шар, который знает всё. Он может давать приемлемые результаты, но для того, чтобы он выполнил задачу какого-то специалиста, этот самый специалист должен его проверять и контролировать.
3. Люди упрощают архитектуру продукта. Часто мысли о создании AI-продукта ограничиваются исключительно внедрением API OpenAI. Однако, как я писал выше, модели может не доставать знаний, точности, правильности расчётов. Всё это зачастую — дополнительные модули, которые необходимо разработать для создания полноценного продукта. А это совершенно другие сроки и бюджеты.
4. Использовать ChatGPT как продакшен-решение = медленно загонять свой продукт в могилу. Во-первых, потому что с предобученной моделью вы не добьётесь тех результатов, которые даст вам кастомная модель. Для общих сценариев — да. Для каких-то частых и узкоспециализированных минимум необходим файн-тюнинг (дообучение моделей), а как правило — нужен целый набор моделей и инструментов, отвечающих за определённые функции. Во-вторых, уже неоднократно замечал, как качество ответов моделей время от времени меняется. Мы не можем контролировать, что происходит «под капотом» у условных OpenAI. В-третьих, использование готовых решений = вендор лок. Если вы рассчитываете, что научили промптами выдавать LLM от OpenAI вам нужный результат и сможете жить спокойно, то нет, не сможете. Так как с одной стороны — будут обновления модели, с другой — вы построили свой продукт на основании другого продукта, заточив все особенности его работы под конкретное решение. Отключат OpenAI — что делать? А если они поднимут цены, а у вас юнит-экономика посчитана, то что делать?
Использовать готовые API для Proof of Concept — это отличное решение. Но не в продукте, который должен быть стабильным и давать ожидаемый результат. Логичный флоу — это сделать POC на готовых решениях, сделать research по кастомным моделям и вопросам файн-тюнинга опенсорса, типа LLaMA, для масштабирования, затем поднять инвестиции на разработку и переходить на своё решение вместе с масштабированием бизнеса.
👍3
Что такое “креативность” ИИ
Здесь пойдет речь генеративном ИИ: LLM, моделях для создания изображений, видео и.т.д.
Как я уже писал в комментариях к предыдущему посту, для генеративного ИИ креативность — это степень предсказуемости выдаваемого результата.
Вернемся к аналогии с художником. Представим, что я изучил 1000 картин с изображением животных, повторил их, а теперь создаю что-то свое. Под «изучил» я подразумеваю, что разбил процесс написания картины на составляющие: цвета, характерные для определенного стиля, форма мазков кисти, расположение предметов, внимание к деталям и т.д. На основании тех 1000 картин, что я изучил, у меня формируется представление о том, как должна выглядеть картина и определенные объекты на ней. А дальше начинается интересное.
Предположим, что я этот художник, и меня попросили нарисовать слона. Я никогда не видел слонов вживую и не видел их нигде, кроме как на этих картинах. Допустим, что из 1000 картин на 15 присутствовали слоны. И для меня слон — это нечто, обладающее определенными признаками: что-то большое, серое, ушастое, с 4 ногами, хвостом, хоботом и т.д. Когда меня попросят нарисовать слона, я нарисую нечто, отвечающее этим признакам, но я не повторю в точности изображение ни с одной из тех 15 картин, где были слоны. Это будет что-то обобщенное, но совершенно новое. Примерно так же генеративный ИИ создает что-то по вашему запросу.
Пойдем дальше. Как я говорил, креативность — это степень предсказуемости выдаваемых результатов. Для управления креативностью ИИ существует такой параметр, как температура. Чем выше температура, тем более непредсказуемый и менее детерминированный результат выдает модель; чем ниже температура, тем более предсказуемый и менее разнообразный результат выдает модель. Диапазон температуры для большинства ИИ регулируется от 0.01 до 2. Стандартное значение — 1.
Предположим, что когда я рисовал слона в первый раз, температура была равна единице — получился некий общий образ слона.
Что будет, если понизить температуру? Наш слон станет сильнее похож на тех 15 слонов, которые были в базе картинок. Я повторю наиболее часто встречающийся ракурс, скопирую в точности цвета, морщинки на коже слона я нарисую только те, которые наиболее часто встречаются, и т.д. Будет ли это копирование какого-то одного изображения слона? Нет. Но те, кто видел картинки, на которых я обучался, уже явно заметят, чем я вдохновлялся.
Что будет, если повысить температуру? Признаки «слоновости» расширятся. Что-то серое, с круглой головой, у него длинный нос и т.д. Под это описание начинают частично попадать другие животные, например, дельфин или мышь. И я инкорпорирую эти признаки в своего нового слона. В результате, если температура будет слишком высока, у меня получится что-то отдаленно напоминающее слона. Но, опять же, это будет нечто новое и уникальное.
Можно ли это считать креативностью? С оговоркой. Это лишь ее часть. Креативностью ИИ я бы называл сочетание вот этих особенностей генерации и команд, которые задает человек на входе.
Вот такие мысли :) Изображение чудо-зверя прилагаю 🐘🐭🐬
Здесь пойдет речь генеративном ИИ: LLM, моделях для создания изображений, видео и.т.д.
Как я уже писал в комментариях к предыдущему посту, для генеративного ИИ креативность — это степень предсказуемости выдаваемого результата.
Вернемся к аналогии с художником. Представим, что я изучил 1000 картин с изображением животных, повторил их, а теперь создаю что-то свое. Под «изучил» я подразумеваю, что разбил процесс написания картины на составляющие: цвета, характерные для определенного стиля, форма мазков кисти, расположение предметов, внимание к деталям и т.д. На основании тех 1000 картин, что я изучил, у меня формируется представление о том, как должна выглядеть картина и определенные объекты на ней. А дальше начинается интересное.
Предположим, что я этот художник, и меня попросили нарисовать слона. Я никогда не видел слонов вживую и не видел их нигде, кроме как на этих картинах. Допустим, что из 1000 картин на 15 присутствовали слоны. И для меня слон — это нечто, обладающее определенными признаками: что-то большое, серое, ушастое, с 4 ногами, хвостом, хоботом и т.д. Когда меня попросят нарисовать слона, я нарисую нечто, отвечающее этим признакам, но я не повторю в точности изображение ни с одной из тех 15 картин, где были слоны. Это будет что-то обобщенное, но совершенно новое. Примерно так же генеративный ИИ создает что-то по вашему запросу.
Пойдем дальше. Как я говорил, креативность — это степень предсказуемости выдаваемых результатов. Для управления креативностью ИИ существует такой параметр, как температура. Чем выше температура, тем более непредсказуемый и менее детерминированный результат выдает модель; чем ниже температура, тем более предсказуемый и менее разнообразный результат выдает модель. Диапазон температуры для большинства ИИ регулируется от 0.01 до 2. Стандартное значение — 1.
Предположим, что когда я рисовал слона в первый раз, температура была равна единице — получился некий общий образ слона.
Что будет, если понизить температуру? Наш слон станет сильнее похож на тех 15 слонов, которые были в базе картинок. Я повторю наиболее часто встречающийся ракурс, скопирую в точности цвета, морщинки на коже слона я нарисую только те, которые наиболее часто встречаются, и т.д. Будет ли это копирование какого-то одного изображения слона? Нет. Но те, кто видел картинки, на которых я обучался, уже явно заметят, чем я вдохновлялся.
Что будет, если повысить температуру? Признаки «слоновости» расширятся. Что-то серое, с круглой головой, у него длинный нос и т.д. Под это описание начинают частично попадать другие животные, например, дельфин или мышь. И я инкорпорирую эти признаки в своего нового слона. В результате, если температура будет слишком высока, у меня получится что-то отдаленно напоминающее слона. Но, опять же, это будет нечто новое и уникальное.
Можно ли это считать креативностью? С оговоркой. Это лишь ее часть. Креативностью ИИ я бы называл сочетание вот этих особенностей генерации и команд, которые задает человек на входе.
Вот такие мысли :) Изображение чудо-зверя прилагаю 🐘🐭🐬
👍2
Пропал с радаров потому что…
Немного сместился фокус с создания контента для канала и резерв по креативу чуть истощился.
Немного новостей по поводу того, чем сейчас занимаюсь:
1. Готовим к запуску новый AI-продукт на глобал-рынок. Последние 3 месяца работали с цифровыми двойниками. Сделали много исследований, экспериментов и собрали свой продукт. Сейчас делаем финальную полировку перед боевыми тестами. Хочу написать пост про тестирование AI-продуктов, надеюсь, что хватит на это времени. Также, если кому-то интересна тема цифровых AI-двойников - также готов создать пост по этой тематике.
2. Сейчас с партнерами занимаемся активным развитием фирмы по AI-консалтингу. Создание сайта, вопросы дизайна, иллюстраций, адаптации сайта и посылов под ЦА, оказываемых услуг и позиционирования - это то, что съедает немало так ресурсов. Возможно из-за моего перфекцинизма или продуктового подхода или и того и другого одновременно. Очень скоро расскажу больше, но коротко говоря, на горизонте ближайшего месяца превращусь из консультирующего продакта в CPO. Не нанимают на какую-то позицию - создай ее сам 😄
3. Работа с образовательными проектами. Как-то вдохновила меня тема шаринга знаний и получения за это еще и финансовой выгоды. Вписался в несколько образовательных проектов. Обучения как B2C, так и для корпоративных клиентов. Сейчас реализую пару пробных проектов. Возможно будет у меня еще одно направление, которым буду заниматься.
4. Творчество. Работу надо как-то балансировать. Погода становится пасмурной, на велосипеде порой выходить уже не так приятно. Сейчас вновь погрузился в музыку, запустил свой YouTube-канал, на который записал первый кавер. Планирую хотя бы с периодичностью раз в 2 недели что-то туда выкладывать.
Немного сместился фокус с создания контента для канала и резерв по креативу чуть истощился.
Немного новостей по поводу того, чем сейчас занимаюсь:
1. Готовим к запуску новый AI-продукт на глобал-рынок. Последние 3 месяца работали с цифровыми двойниками. Сделали много исследований, экспериментов и собрали свой продукт. Сейчас делаем финальную полировку перед боевыми тестами. Хочу написать пост про тестирование AI-продуктов, надеюсь, что хватит на это времени. Также, если кому-то интересна тема цифровых AI-двойников - также готов создать пост по этой тематике.
2. Сейчас с партнерами занимаемся активным развитием фирмы по AI-консалтингу. Создание сайта, вопросы дизайна, иллюстраций, адаптации сайта и посылов под ЦА, оказываемых услуг и позиционирования - это то, что съедает немало так ресурсов. Возможно из-за моего перфекцинизма или продуктового подхода или и того и другого одновременно. Очень скоро расскажу больше, но коротко говоря, на горизонте ближайшего месяца превращусь из консультирующего продакта в CPO. Не нанимают на какую-то позицию - создай ее сам 😄
3. Работа с образовательными проектами. Как-то вдохновила меня тема шаринга знаний и получения за это еще и финансовой выгоды. Вписался в несколько образовательных проектов. Обучения как B2C, так и для корпоративных клиентов. Сейчас реализую пару пробных проектов. Возможно будет у меня еще одно направление, которым буду заниматься.
4. Творчество. Работу надо как-то балансировать. Погода становится пасмурной, на велосипеде порой выходить уже не так приятно. Сейчас вновь погрузился в музыку, запустил свой YouTube-канал, на который записал первый кавер. Планирую хотя бы с периодичностью раз в 2 недели что-то туда выкладывать.
YouTube
Breaking Benjamin - Awaken | Guitar cover (ESP LTD BB-600B) | New Song 2024
It's been a while since I wanted to start uploading covers to YouTube. And now I have two reasons. My lovely wife gifted me Ben Burnley's signature guitar, and Breaking Benjamin has a new single out. I tried to reproduce the lead part by ear. I'm not sure…
🔥5👍3👌1
Почему американские нейронки – не панацея? Когда российский GigaChat может быть лучше
Сегодняшний пост навеян встречей с потенциальным клиентом. Обсуждали его новый продукт, в центре которого, как это сейчас модно, должен быть AI. С одной стороны, уже надоело, что все пытаются впихнуть ИИ куда ни попадя. С другой – мне это интересно и приносит деньги, так что почему бы и нет? 😊
Зашла речь о технической реализации AI-функционала, и мы развернули целую дискуссию.
Все знают, что OpenAI, Google и Anthropic - признаные мировые лидеры-разработчики языковых моделей. Ни для кого не секрет, что они в большинстве бенчмарков разрывают отечественные аналоги в пух и прах. Однако я считаю, что идти и использовать самое лучшее - не всегда лучше для конкретного продукта.
Прежде всего, нужно смотреть на задачу. Определить параметры, важные для заказчика и хорошего пользовательского опыта. А затем сопоставить, действительно ли условный ChatGPT будет лучше по этим параметрам.
Без экспериментов никуда. Даже если цифры говорят, что GPT должен показать себя лучше, это не значит, что нужно использовать именно его. Лучше всего провести ряд POC-экспериментов (proof of concept) на реальных задачах, чтобы понять, как справляется каждая модель. Результаты могут удивить и даже противоречить бенчмаркам из-за специфики запросов. Например, мы хотим создать сервис для генерации сказок. Одним из важных параметров может быть "наличие российского менталитета", знание особенностей русского человека, фольклора и т.д. Как думаете, какая модель будет ближе к такой ментальности? Всезнающая GPT-4 или обученная преимущественно на русскоязычных данных российская нейронка? Нужно проверить, но интуитивно я бы сказал, что GPT придется несладко. 🙃
Важны также скорость, риски и безопасность. Доступ к зарубежным LLM усложняется. Появляются дополнительные прослойки в виде VPN и других "костылей", которые влияют на качество работы продукта. Где-то теряем скорость, где-то нужно усиливать безопасность. VPN несет дополнительные риски: баны, отвалы серверов... И это в дополнение к тому, что сервера OpenAI и сами могут "лечь". В общем, слишком много "подводных камней". Иногда, взвесив все за и против, лучше рассмотреть альтернативы от Яндекса и Сбера.
Наконец, чем больше будем использовать российские нейронки, тем быстрее они будут развиваться. Не от отсутствия конкуренции, а наоборот – больше пользователей, больше требований к продукту, выше планка качества.
Сегодняшний пост навеян встречей с потенциальным клиентом. Обсуждали его новый продукт, в центре которого, как это сейчас модно, должен быть AI. С одной стороны, уже надоело, что все пытаются впихнуть ИИ куда ни попадя. С другой – мне это интересно и приносит деньги, так что почему бы и нет? 😊
Зашла речь о технической реализации AI-функционала, и мы развернули целую дискуссию.
Все знают, что OpenAI, Google и Anthropic - признаные мировые лидеры-разработчики языковых моделей. Ни для кого не секрет, что они в большинстве бенчмарков разрывают отечественные аналоги в пух и прах. Однако я считаю, что идти и использовать самое лучшее - не всегда лучше для конкретного продукта.
Прежде всего, нужно смотреть на задачу. Определить параметры, важные для заказчика и хорошего пользовательского опыта. А затем сопоставить, действительно ли условный ChatGPT будет лучше по этим параметрам.
Без экспериментов никуда. Даже если цифры говорят, что GPT должен показать себя лучше, это не значит, что нужно использовать именно его. Лучше всего провести ряд POC-экспериментов (proof of concept) на реальных задачах, чтобы понять, как справляется каждая модель. Результаты могут удивить и даже противоречить бенчмаркам из-за специфики запросов. Например, мы хотим создать сервис для генерации сказок. Одним из важных параметров может быть "наличие российского менталитета", знание особенностей русского человека, фольклора и т.д. Как думаете, какая модель будет ближе к такой ментальности? Всезнающая GPT-4 или обученная преимущественно на русскоязычных данных российская нейронка? Нужно проверить, но интуитивно я бы сказал, что GPT придется несладко. 🙃
Важны также скорость, риски и безопасность. Доступ к зарубежным LLM усложняется. Появляются дополнительные прослойки в виде VPN и других "костылей", которые влияют на качество работы продукта. Где-то теряем скорость, где-то нужно усиливать безопасность. VPN несет дополнительные риски: баны, отвалы серверов... И это в дополнение к тому, что сервера OpenAI и сами могут "лечь". В общем, слишком много "подводных камней". Иногда, взвесив все за и против, лучше рассмотреть альтернативы от Яндекса и Сбера.
Наконец, чем больше будем использовать российские нейронки, тем быстрее они будут развиваться. Не от отсутствия конкуренции, а наоборот – больше пользователей, больше требований к продукту, выше планка качества.
👍4
Пропаганда или немного оффтопа
Как вам известно, сейчас я в США. И, проживая в другой стране, в другой культуре, хочется поделиться тем, что удивляет.
Тема сегодняшнего поста не коррелирует с темой канала. Однако, используя здесь YouTube и другие социальные сети, я то и дело натыкаюсь на рекламные кампании кандидатов в президенты. Вернее, кандидата. И здесь у меня возникает ряд мыслей. 🙃
Во-первых, для меня странно, что я в принципе получаю эту рекламу. Ни один из моих аккаунтов не имеет отношения к США. Российские адреса, максимум — армянские. Но кто-то упорно прожигает на меня рекламный бюджет. 😄
Во-вторых, я не оговорился, — кандидата. Меня просто завалило рекламой Харрис. Чтобы вы понимали, листая всем известную сеть с фотографиями, из 10 реклам у меня 2 по теме гитары, 3 — какие-то случайные товары, 5 — реклама Харрис. Лично для меня со стороны это выглядит как какая-то монополия на рекламу. Где равенство кандидатов?
В-третьих, посылы рекламы. Честно, после жизни в России, не думал, что меня может что-то удивить в предвыборных кампаниях, однако удивило. Мне не попалось ни одной рекламы, которая бы имела ясные политические посылы. Про глобальные изменения в стране на уровне экономики, её внешнеполитических отношений и различных сфер. Каждая реклама начинается примерно в стиле: «Трамп — говнюк, он предлагает сделать то-то, Харрис — хорошая, она этого не предлагает». Вся политика строится вокруг таких тезисов: снизить налоги для бедных, вернуть право на аборты, сделать правила ношения оружия мягче. Явно таргетят электорат из не самых обеспеченных и образованных слоёв населения. Я понимаю, что их большинство, но можно строить кампанию на позитиве, а не негативе?
В-четвёртых, игнорирование в этой рекламе реальных проблем в США. Куча наркоманов, целые города бездомных (посмотрите выпуск у Варламова), самый большой процент ожирения среди людей в мире, куча бюджетных денег, утекающих куда-то во вне, одна из лидирующих позиций в мире по количеству шутинга среди населения, образованные иммигранты переезжают из Силиконовой долины куда-то в Техас и другие штаты или вовсе уезжают, катастрофическая нехватка врачей (например, педиатров, но денег на закрытие позиций не выделяют). Можно перечислять бесконечно.
Не знаю, что предлагает в этом плане Трамп, читал, что есть ряд позитивных экономических реформ, какие-то меры по борьбе с преступностью. Но глобально, глазами стороннего наблюдателя, США совершенно не беспокоятся о будущем, о себе, о здоровье, о детях, об экономике, об экологии. Где реформы образования? Где реформы здравоохранения? Где реформы, направленные на развитие AI и рост экономики? Где экологические реформы? Я не видел ни одного подобного тезиса. Выглядит всё так, будто всё крутится вокруг того, чтобы как-то жить сейчас, беря максимум от жизни. Да, есть локальные реформы в штатах, предлагаемые губернаторами, но, чёрт возьми, вы избираетесь на пост президента и игнорируете самое важное. Честно, всё это делает так, что не производит впечатление страны, в которой хочется жить и оставаться. Потребительское и капиталистическое общество.
Как вам известно, сейчас я в США. И, проживая в другой стране, в другой культуре, хочется поделиться тем, что удивляет.
Тема сегодняшнего поста не коррелирует с темой канала. Однако, используя здесь YouTube и другие социальные сети, я то и дело натыкаюсь на рекламные кампании кандидатов в президенты. Вернее, кандидата. И здесь у меня возникает ряд мыслей. 🙃
Во-первых, для меня странно, что я в принципе получаю эту рекламу. Ни один из моих аккаунтов не имеет отношения к США. Российские адреса, максимум — армянские. Но кто-то упорно прожигает на меня рекламный бюджет. 😄
Во-вторых, я не оговорился, — кандидата. Меня просто завалило рекламой Харрис. Чтобы вы понимали, листая всем известную сеть с фотографиями, из 10 реклам у меня 2 по теме гитары, 3 — какие-то случайные товары, 5 — реклама Харрис. Лично для меня со стороны это выглядит как какая-то монополия на рекламу. Где равенство кандидатов?
В-третьих, посылы рекламы. Честно, после жизни в России, не думал, что меня может что-то удивить в предвыборных кампаниях, однако удивило. Мне не попалось ни одной рекламы, которая бы имела ясные политические посылы. Про глобальные изменения в стране на уровне экономики, её внешнеполитических отношений и различных сфер. Каждая реклама начинается примерно в стиле: «Трамп — говнюк, он предлагает сделать то-то, Харрис — хорошая, она этого не предлагает». Вся политика строится вокруг таких тезисов: снизить налоги для бедных, вернуть право на аборты, сделать правила ношения оружия мягче. Явно таргетят электорат из не самых обеспеченных и образованных слоёв населения. Я понимаю, что их большинство, но можно строить кампанию на позитиве, а не негативе?
В-четвёртых, игнорирование в этой рекламе реальных проблем в США. Куча наркоманов, целые города бездомных (посмотрите выпуск у Варламова), самый большой процент ожирения среди людей в мире, куча бюджетных денег, утекающих куда-то во вне, одна из лидирующих позиций в мире по количеству шутинга среди населения, образованные иммигранты переезжают из Силиконовой долины куда-то в Техас и другие штаты или вовсе уезжают, катастрофическая нехватка врачей (например, педиатров, но денег на закрытие позиций не выделяют). Можно перечислять бесконечно.
Не знаю, что предлагает в этом плане Трамп, читал, что есть ряд позитивных экономических реформ, какие-то меры по борьбе с преступностью. Но глобально, глазами стороннего наблюдателя, США совершенно не беспокоятся о будущем, о себе, о здоровье, о детях, об экономике, об экологии. Где реформы образования? Где реформы здравоохранения? Где реформы, направленные на развитие AI и рост экономики? Где экологические реформы? Я не видел ни одного подобного тезиса. Выглядит всё так, будто всё крутится вокруг того, чтобы как-то жить сейчас, беря максимум от жизни. Да, есть локальные реформы в штатах, предлагаемые губернаторами, но, чёрт возьми, вы избираетесь на пост президента и игнорируете самое важное. Честно, всё это делает так, что не производит впечатление страны, в которой хочется жить и оставаться. Потребительское и капиталистическое общество.
👍7
Попытка запустить консалтинг во второй раз: уроки, которые я усвоил
NEXT G-Innovation – название моего предыдущего консалтингового проекта, которое, по сути, превратилось в мой личный бренд. В 2022 году, переехав в Армению, я решил диверсифицировать свои доходы и заняться консалтингом. Идея лежала на поверхности: мой опыт подсказывал, что есть большая потребность в R&D-консалтинге. Я долго прорабатывал концепцию, обдумывал идею, общался с потенциальными клиентами, купил билеты на несколько конференций. В итоге решил объединить весь свой предыдущий опыт под брендом NGI и попробовать продавать свои услуги.
Однако это не принесло желаемого успеха. Я потратил более 60 часов на создание презентации, еще больше - на проработку идеи и общение с людьми, вложился в дизайн логотипа, купил домен на 2 года, но так и не запустил ни одного проекта непосредственно через NGI. Ко мне обращались за частными консультациями, меня охотно звали на проектные позиции продакт-менеджера. Я все это сохранял и описывал как опыт NGI, но как консалтинговый проект он не взлетел. Люди покупали меня, мою экспертизу и знания, а не команду.
Сейчас мы с партнерами запускаем новый консалтинговый проект в очень близкой нише – AI-консалтинг. Но ощущения и ожидания от него совсем иные. После первого раза я знаю свои ошибки и усвоил ценные уроки:
Урок #1: Один в поле не воин.
В прошлый раз я пытался все взвалить на себя. Говорил команде: «Сейчас я все заведу, а дальше, как только нам предложат деньги, мы все подключимся и будем работать». Я боялся просить людей работать бесплатно, чтобы получить первый проект в копилку. В итоге все работы по выводу консалтинга как продукта на рынок легли на меня. Но без команды бизнес не построить, а команда – это не просто список людей. Команда – это процесс совместной работы.
Урок #2: Партнеры должны вкладываться в общее дело любым доступным способом.
Финансовые вложения, маркетинговая стратегия, разработка бренда, кейсы – в прошлый раз все лежало на мне. Ведя общий бизнес, нужно объединять ресурсы: деньги, экспертизу, информацию, нетворк. Чувствуешь себя намного спокойнее, когда понимаешь, что не рискуешь только своими деньгами и что тебе не нужно разбираться во всем. Когда в команде есть человек из маркетинга, специалист с инженерным бэкграундом и человек из продукта – жить становится намного проще.
Урок #3: Партнеры должны быть разноплановыми.
Когда команда из одной индустрии и одной специализации, у вас слишком узкое видение проблем. С разным бэкграундом проще привлекать клиентов. Если каждый опишет свои результаты – у вас будет больше кейсов. Специализация партнеров позволяет каждому заниматься тем, в чем он действительно хорош. При прочих равных, круто сделанный с продуктовой точки зрения консалтинг, но посредственный с маркетинговой, всегда будут покупать хуже, чем сбалансированный, сделанный минимум на твердую “4” по этим параметрам.
Урок #4: «Шкура на кону».
У Нассима Талеба есть книга «Рискуя собственной шкурой». Основной посыл – мы выдаем лучший результат, когда на кону стоит что-то важное. Этот пункт коррелирует с Уроком 2. У каждого должна быть своя ставка, и ставка эта должна быть весомой. В прошлый раз я работал в Skyeng, имел стабильную зарплату. Знал, что если не получится – есть на что жить. Сейчас у меня нет фулл-тайм работы, есть личные проекты, но они нестабильны, поэтому ставки на новый консалт выше. Мотивация сделать что-то крутое в разы сильнее.
Урок #5: Запускать нужно даже сырой продукт.
В прошлый раз я пытался все продумать до идеала. Описал процессы, начал работать над сайтом (который так и не сделал). Я хотел, чтобы к запуску у нас было все. Но разработка консалтинга не отличается от разработки продуктов. Нужно говорить о своем продукте и привлекать клиентов еще до того, как он будет готов. Что мы и делаем сейчас. И уже сейчас у нас в воронке гораздо больше лидов, чем было у меня 2 года назад.
В ближайшее время расскажу подробнее об этом проекте.
NEXT G-Innovation – название моего предыдущего консалтингового проекта, которое, по сути, превратилось в мой личный бренд. В 2022 году, переехав в Армению, я решил диверсифицировать свои доходы и заняться консалтингом. Идея лежала на поверхности: мой опыт подсказывал, что есть большая потребность в R&D-консалтинге. Я долго прорабатывал концепцию, обдумывал идею, общался с потенциальными клиентами, купил билеты на несколько конференций. В итоге решил объединить весь свой предыдущий опыт под брендом NGI и попробовать продавать свои услуги.
Однако это не принесло желаемого успеха. Я потратил более 60 часов на создание презентации, еще больше - на проработку идеи и общение с людьми, вложился в дизайн логотипа, купил домен на 2 года, но так и не запустил ни одного проекта непосредственно через NGI. Ко мне обращались за частными консультациями, меня охотно звали на проектные позиции продакт-менеджера. Я все это сохранял и описывал как опыт NGI, но как консалтинговый проект он не взлетел. Люди покупали меня, мою экспертизу и знания, а не команду.
Сейчас мы с партнерами запускаем новый консалтинговый проект в очень близкой нише – AI-консалтинг. Но ощущения и ожидания от него совсем иные. После первого раза я знаю свои ошибки и усвоил ценные уроки:
Урок #1: Один в поле не воин.
В прошлый раз я пытался все взвалить на себя. Говорил команде: «Сейчас я все заведу, а дальше, как только нам предложат деньги, мы все подключимся и будем работать». Я боялся просить людей работать бесплатно, чтобы получить первый проект в копилку. В итоге все работы по выводу консалтинга как продукта на рынок легли на меня. Но без команды бизнес не построить, а команда – это не просто список людей. Команда – это процесс совместной работы.
Урок #2: Партнеры должны вкладываться в общее дело любым доступным способом.
Финансовые вложения, маркетинговая стратегия, разработка бренда, кейсы – в прошлый раз все лежало на мне. Ведя общий бизнес, нужно объединять ресурсы: деньги, экспертизу, информацию, нетворк. Чувствуешь себя намного спокойнее, когда понимаешь, что не рискуешь только своими деньгами и что тебе не нужно разбираться во всем. Когда в команде есть человек из маркетинга, специалист с инженерным бэкграундом и человек из продукта – жить становится намного проще.
Урок #3: Партнеры должны быть разноплановыми.
Когда команда из одной индустрии и одной специализации, у вас слишком узкое видение проблем. С разным бэкграундом проще привлекать клиентов. Если каждый опишет свои результаты – у вас будет больше кейсов. Специализация партнеров позволяет каждому заниматься тем, в чем он действительно хорош. При прочих равных, круто сделанный с продуктовой точки зрения консалтинг, но посредственный с маркетинговой, всегда будут покупать хуже, чем сбалансированный, сделанный минимум на твердую “4” по этим параметрам.
Урок #4: «Шкура на кону».
У Нассима Талеба есть книга «Рискуя собственной шкурой». Основной посыл – мы выдаем лучший результат, когда на кону стоит что-то важное. Этот пункт коррелирует с Уроком 2. У каждого должна быть своя ставка, и ставка эта должна быть весомой. В прошлый раз я работал в Skyeng, имел стабильную зарплату. Знал, что если не получится – есть на что жить. Сейчас у меня нет фулл-тайм работы, есть личные проекты, но они нестабильны, поэтому ставки на новый консалт выше. Мотивация сделать что-то крутое в разы сильнее.
Урок #5: Запускать нужно даже сырой продукт.
В прошлый раз я пытался все продумать до идеала. Описал процессы, начал работать над сайтом (который так и не сделал). Я хотел, чтобы к запуску у нас было все. Но разработка консалтинга не отличается от разработки продуктов. Нужно говорить о своем продукте и привлекать клиентов еще до того, как он будет готов. Что мы и делаем сейчас. И уже сейчас у нас в воронке гораздо больше лидов, чем было у меня 2 года назад.
В ближайшее время расскажу подробнее об этом проекте.
🔥9👍1
Я пошел по пути предпринимательства и почти выгорел. Помогает отпуск.
Этот год для меня — первый, когда я работаю не в найме. Такой образ жизни сильно отличается от того, к чему я привык. Соответственно, выстраивать свою жизнь, чтобы не выть от работы и жить в свое удовольствие, приходится иначе. Хотя базовые рабочие функции остаются теми же, добавляется больше ответственности за себя и других, а еще значительно больше неопределенности.
1. Американские горки с платежами
Первое, что кардинально отличается, — это финансовая стабильность. В найме ты всегда знаешь, что получишь Х. Если работал хорошо, к этому Х добавится квартальная премия. В проектной работе горизонт получения денег зачастую понятен только на месяц-два вперед, и то не всегда.
Некоторые платежи приходится ждать больше месяца, стартапы просят отсрочку. Даже если кажется, что в этом месяце ты получишь определенную сумму, всегда есть риск остаться без денег. Это напрягает, потому что есть финансовые обязательства, и планировать крупные покупки или хотелки становится сложнее.
2. Предсказуемость занятости
Проекты заканчиваются. Один длится месяц, другой — три. В идеале я стараюсь переводить заказчиков на этап поддержки, где я уже не работаю активно, но могу помочь с разработкой одной-двух функций или тестированием гипотез. Однако не все проекты этого требуют.
Это означает, что нужно постоянно думать о привлечении новых клиентов, что после работы в найме кажется максимально непривычной задачей.
3. Работа в стол
Часто работа не приносит результата. На этапе пресейла ты и заказчик присматриваетесь друг к другу. Тебе нужно быстро вникнуть в его задачи, а ему — решить, работать с тобой или нет. Для него это выбор подрядчика, а для тебя — полноценная работа.
Я не люблю поверхностные оценки. Если оценил задачу на $1 000, а затрат вышло на $3 000 — это убыток. Если даешь завышенную оценку, клиент может уйти. Поэтому приходится вникать в проект, проводить первичное исследование, изучать продукт заказчика и его конкурентов.
Но бывает, что заказчик откладывает проект или выбирает другого исполнителя. В итоге ты сделал работу в стол и не получил за это ни копейки. В найме мы стараемся минимизировать такую работу, а зарплату все равно получаем. В предпринимательстве все иначе.
4. Сложности с life-work balance
При найме график относительно предсказуем. В начале недели ты понимаешь, какие задачи перед тобой стоят. В проектной работе этого нет. Ты знаешь часть задач, но 50%+ остаются рандомными.
Планировать время становится труднее, а балансировать рабочий стресс с отдыхом — еще сложнее.
5. Ты не можешь полностью отключиться от работы
Это вытекает из всех предыдущих пунктов. Тебе всегда нужно быть готовым, что кто-то напишет или позвонит. Постоянно думаешь: что делать, когда вернешься, что спросить у команды, как распределить звонки, когда запросить оплату, не забыть выписать чек, когда оплатить налоги и зарплату бухгалтеру.
Работа преследует везде: даже в отпуске ты думаешь о том, что нужно сделать, когда вернешься. Мозг от этого устаёт.
От этой совокупности факторов морально устаешь быстрее. Последние недели я чувствовал, что выгораю, и понимал, что мне необходим отпуск.
В условиях плохой погоды гитара стала для меня отдушиной. Я старался завершить все дела, чтобы минимизировать нагрузку на эту неделю. Почти получилось: остались два звонка и одна лекция, которую я пообещал прочитать.
А дальше я планирую наслаждаться отдыхом в новой для себя стране — Доминикане. И заодно подготовлю посты для вас.
Этот год для меня — первый, когда я работаю не в найме. Такой образ жизни сильно отличается от того, к чему я привык. Соответственно, выстраивать свою жизнь, чтобы не выть от работы и жить в свое удовольствие, приходится иначе. Хотя базовые рабочие функции остаются теми же, добавляется больше ответственности за себя и других, а еще значительно больше неопределенности.
1. Американские горки с платежами
Первое, что кардинально отличается, — это финансовая стабильность. В найме ты всегда знаешь, что получишь Х. Если работал хорошо, к этому Х добавится квартальная премия. В проектной работе горизонт получения денег зачастую понятен только на месяц-два вперед, и то не всегда.
Некоторые платежи приходится ждать больше месяца, стартапы просят отсрочку. Даже если кажется, что в этом месяце ты получишь определенную сумму, всегда есть риск остаться без денег. Это напрягает, потому что есть финансовые обязательства, и планировать крупные покупки или хотелки становится сложнее.
2. Предсказуемость занятости
Проекты заканчиваются. Один длится месяц, другой — три. В идеале я стараюсь переводить заказчиков на этап поддержки, где я уже не работаю активно, но могу помочь с разработкой одной-двух функций или тестированием гипотез. Однако не все проекты этого требуют.
Это означает, что нужно постоянно думать о привлечении новых клиентов, что после работы в найме кажется максимально непривычной задачей.
3. Работа в стол
Часто работа не приносит результата. На этапе пресейла ты и заказчик присматриваетесь друг к другу. Тебе нужно быстро вникнуть в его задачи, а ему — решить, работать с тобой или нет. Для него это выбор подрядчика, а для тебя — полноценная работа.
Я не люблю поверхностные оценки. Если оценил задачу на $1 000, а затрат вышло на $3 000 — это убыток. Если даешь завышенную оценку, клиент может уйти. Поэтому приходится вникать в проект, проводить первичное исследование, изучать продукт заказчика и его конкурентов.
Но бывает, что заказчик откладывает проект или выбирает другого исполнителя. В итоге ты сделал работу в стол и не получил за это ни копейки. В найме мы стараемся минимизировать такую работу, а зарплату все равно получаем. В предпринимательстве все иначе.
4. Сложности с life-work balance
При найме график относительно предсказуем. В начале недели ты понимаешь, какие задачи перед тобой стоят. В проектной работе этого нет. Ты знаешь часть задач, но 50%+ остаются рандомными.
Планировать время становится труднее, а балансировать рабочий стресс с отдыхом — еще сложнее.
5. Ты не можешь полностью отключиться от работы
Это вытекает из всех предыдущих пунктов. Тебе всегда нужно быть готовым, что кто-то напишет или позвонит. Постоянно думаешь: что делать, когда вернешься, что спросить у команды, как распределить звонки, когда запросить оплату, не забыть выписать чек, когда оплатить налоги и зарплату бухгалтеру.
Работа преследует везде: даже в отпуске ты думаешь о том, что нужно сделать, когда вернешься. Мозг от этого устаёт.
От этой совокупности факторов морально устаешь быстрее. Последние недели я чувствовал, что выгораю, и понимал, что мне необходим отпуск.
В условиях плохой погоды гитара стала для меня отдушиной. Я старался завершить все дела, чтобы минимизировать нагрузку на эту неделю. Почти получилось: остались два звонка и одна лекция, которую я пообещал прочитать.
А дальше я планирую наслаждаться отдыхом в новой для себя стране — Доминикане. И заодно подготовлю посты для вас.
❤3👍3
Вернулся из отпуска, перезарядив батарейки
В прошлом посте я писал, что с нетерпением жду отдыха. Проведя неделю на берегу Карибского моря, могу сказать, что этот отпуск был одним из самых нужных. Переезд в США и переход к работе на самого себя оказались гораздо более требовательны к внутреннему ресурсу: силы тратятся быстрее, я стал реже уделять время себе, и мне стало сложнее использовать привычные техники для поддержания жизненного баланса.
Пока отдыхал, немного порефлексировал по поводу того, почему так устал, и как избежать такой усталости в будущем.
Во-первых, мне действительно нужен был отдых, чтобы снять с себя груз ответственности за множество проектов и избавиться от давления, которое я сам на себя оказываю. Можно считать, что я не работал: провел один созвон в понедельник и прочитал лекцию в пятницу без предварительной подготовки. Остальное время я делал все, что хотел: ложился спать до 10, вставал в 6, один раз поиграл в теннис, два раза — в пиклбол, каждый день плавал в море, сделал две силовые тренировки с железом (которых не делал со времен Армении), две HIIT-тренировки и, конечно, 24/7 был с моим любимым человеком. Это очень помогло снять накопившийся стресс и определить для себя приоритеты.
Во-вторых, проектов стало больше: если раньше я просто работал по найму, то сейчас у меня есть проекты, которые я веду сам, и проекты, в которых я с кем-то партнерюсь, плюс на меня легло много задач по консалтингу: создание презентаций, менеджмент создания сайтов, переговоры с первыми клиентами, налаживание процессов. Здесь я пришел к тому, что нужно просто лучше систематизировать задачи и вернуться к таск-трекингу, от которого я отошел где-то 2 месяца назад, потому что просто не успевал трекать задачи. Попробую другие подходы.
В-третьих, пора возвращаться к спорту и контролировать питание. Я не раз замечал, что чувствую себя хорошо и продуктивно, только если нахожусь в отличной физической форме. Однако из-за чрезмерной ответственности я часто переносил тренировки на более позднее время, потому что нужно было что-то доделать по работе, и в результате вечером тренироваться уже не хотелось. Тренироваться я не прекращал. Всегда была минимум одна тренировка в неделю, но для эмоционального баланса и контроля веса мне этого мало. Обычно до переезда моя неделя состояла минимум из двух тренировок в зале и трех на велосипеде. С таким количеством тренировок я мог практически не следить за калориями и не набирать вес. А в последние месяцы я все время откладывал тренировки, да и кататься на велосипеде в летней форме было некомфортно. В Ленсинге сильные ветра, а моя теплая велоформа застряла где-то по пути из Армении. Что я планирую делать? Теплая велоформа уже приехала, поэтому по выходным, если не будет снега, буду кататься. В будние дни забронирую время в календаре для тренировок. Сейчас как раз Black Friday, и мы купим велостанок для тренировок в непогоду. Ну и, конечно, никто не отменял ежедневную норму по шагам. В Доминикане по территории отеля мы нахаживали в среднем по 17 тысяч шагов в день, и хочется продолжать в том же духе. У нас есть тренажерный зал прямо под квартирой. Буду брать туда планшет и работать на беговой дорожке.
В-четвертых, хочется больше читать. Я черпаю много знаний из книг. Однако с приходом нестабильности в мою жизнь время на чтение пропало из моего графика. За ноябрь-декабрь планирую прочитать 3-4 книги. По вечерам я, слава богу, не работаю, так что можно этим заняться.
В общем, кто-то начинает новую жизнь с нового года, а я начинаю ее уже сейчас, возвращая старые привычки после отпуска. Нужно продолжить начатое на этой неделе, попутно запустить AI-агентство и сбросить набранные в Доминикане килограммы 😅 А следующий отпуск мы уже планируем на новогодние праздники!
В прошлом посте я писал, что с нетерпением жду отдыха. Проведя неделю на берегу Карибского моря, могу сказать, что этот отпуск был одним из самых нужных. Переезд в США и переход к работе на самого себя оказались гораздо более требовательны к внутреннему ресурсу: силы тратятся быстрее, я стал реже уделять время себе, и мне стало сложнее использовать привычные техники для поддержания жизненного баланса.
Пока отдыхал, немного порефлексировал по поводу того, почему так устал, и как избежать такой усталости в будущем.
Во-первых, мне действительно нужен был отдых, чтобы снять с себя груз ответственности за множество проектов и избавиться от давления, которое я сам на себя оказываю. Можно считать, что я не работал: провел один созвон в понедельник и прочитал лекцию в пятницу без предварительной подготовки. Остальное время я делал все, что хотел: ложился спать до 10, вставал в 6, один раз поиграл в теннис, два раза — в пиклбол, каждый день плавал в море, сделал две силовые тренировки с железом (которых не делал со времен Армении), две HIIT-тренировки и, конечно, 24/7 был с моим любимым человеком. Это очень помогло снять накопившийся стресс и определить для себя приоритеты.
Во-вторых, проектов стало больше: если раньше я просто работал по найму, то сейчас у меня есть проекты, которые я веду сам, и проекты, в которых я с кем-то партнерюсь, плюс на меня легло много задач по консалтингу: создание презентаций, менеджмент создания сайтов, переговоры с первыми клиентами, налаживание процессов. Здесь я пришел к тому, что нужно просто лучше систематизировать задачи и вернуться к таск-трекингу, от которого я отошел где-то 2 месяца назад, потому что просто не успевал трекать задачи. Попробую другие подходы.
В-третьих, пора возвращаться к спорту и контролировать питание. Я не раз замечал, что чувствую себя хорошо и продуктивно, только если нахожусь в отличной физической форме. Однако из-за чрезмерной ответственности я часто переносил тренировки на более позднее время, потому что нужно было что-то доделать по работе, и в результате вечером тренироваться уже не хотелось. Тренироваться я не прекращал. Всегда была минимум одна тренировка в неделю, но для эмоционального баланса и контроля веса мне этого мало. Обычно до переезда моя неделя состояла минимум из двух тренировок в зале и трех на велосипеде. С таким количеством тренировок я мог практически не следить за калориями и не набирать вес. А в последние месяцы я все время откладывал тренировки, да и кататься на велосипеде в летней форме было некомфортно. В Ленсинге сильные ветра, а моя теплая велоформа застряла где-то по пути из Армении. Что я планирую делать? Теплая велоформа уже приехала, поэтому по выходным, если не будет снега, буду кататься. В будние дни забронирую время в календаре для тренировок. Сейчас как раз Black Friday, и мы купим велостанок для тренировок в непогоду. Ну и, конечно, никто не отменял ежедневную норму по шагам. В Доминикане по территории отеля мы нахаживали в среднем по 17 тысяч шагов в день, и хочется продолжать в том же духе. У нас есть тренажерный зал прямо под квартирой. Буду брать туда планшет и работать на беговой дорожке.
В-четвертых, хочется больше читать. Я черпаю много знаний из книг. Однако с приходом нестабильности в мою жизнь время на чтение пропало из моего графика. За ноябрь-декабрь планирую прочитать 3-4 книги. По вечерам я, слава богу, не работаю, так что можно этим заняться.
В общем, кто-то начинает новую жизнь с нового года, а я начинаю ее уже сейчас, возвращая старые привычки после отпуска. Нужно продолжить начатое на этой неделе, попутно запустить AI-агентство и сбросить набранные в Доминикане килограммы 😅 А следующий отпуск мы уже планируем на новогодние праздники!
🔥7👍1
Цифровые двойники — тестируем продукт, с которым я работал последние 4 месяца!
Друзья, всем привет! Я как-то писал о том, что работаю с AI-продуктом, создающим цифровых двойников. Настало время приоткрыть завесу тайны. Сервис, о котором сейчас пойдет речь, называется Pollux AI. В ближайшее время я расскажу о нем еще более подробно, а пока опишу основную идею.
Представьте: вы — эксперт в какой-либо области (дизайнер, маркетолог или, может быть, продакт-менеджер, как я). Помимо основной работы или вместо нее вы работаете проектно. Кто-то приходит к вам через сарафанное радио, возможно, у вас есть свой канал с парой сотен или тысяч подписчиков, а может, вы запустили маркетинговую кампанию для поиска новых клиентов. И в этот момент вы сталкиваетесь с тем, что хотели бы не тратить свое время впустую на неперспективные проекты и вести разговор только с теми клиентами, которые предлагают интересные для вас проекты и могут за это наверняка заплатить. Pollux AI помогает вам сделать именно это, забирая на себя первичную коммуникацию. Сервис создает вашего цифрового двойника, обладающего вашими знаниями и компетенциями.
Мы с командой много работали над созданием MVP и уже готовимся к запуску. Но перед софт-лончем нужно провести несколько важных с точки зрения продукта тестов: у нас две задачи — протестировать «мозги» наших двойников и интерфейсы сервиса.
Если у вас есть желание принять участие в тестировании нового AI-продукта, напишите мне в личку - @vladkor97. Для участия в тестировании есть несколько простых требований:
Обязательно знание английского языка, так как продукт запускаем на глобальный рынок, и все интерфейсы на английском.
Нужно быть экспертом в любой области, где к вам могут обратиться частные клиенты.
От вас потребуется примерно час свободного времени на тесты.
Необходимо наличие оцифрованной информации о себе как об эксперте. Подойдет любая информация: портфолио, резюме, рекомендательные письма, тексты ваших выступлений, научные статьи — что угодно. Чем больше, тем более похожим на вас будет созданный цифровой двойник.
Как только завершим тесты, сделаю серию постов о том, как мы разрабатывали и запускали этот продукт.
Друзья, всем привет! Я как-то писал о том, что работаю с AI-продуктом, создающим цифровых двойников. Настало время приоткрыть завесу тайны. Сервис, о котором сейчас пойдет речь, называется Pollux AI. В ближайшее время я расскажу о нем еще более подробно, а пока опишу основную идею.
Представьте: вы — эксперт в какой-либо области (дизайнер, маркетолог или, может быть, продакт-менеджер, как я). Помимо основной работы или вместо нее вы работаете проектно. Кто-то приходит к вам через сарафанное радио, возможно, у вас есть свой канал с парой сотен или тысяч подписчиков, а может, вы запустили маркетинговую кампанию для поиска новых клиентов. И в этот момент вы сталкиваетесь с тем, что хотели бы не тратить свое время впустую на неперспективные проекты и вести разговор только с теми клиентами, которые предлагают интересные для вас проекты и могут за это наверняка заплатить. Pollux AI помогает вам сделать именно это, забирая на себя первичную коммуникацию. Сервис создает вашего цифрового двойника, обладающего вашими знаниями и компетенциями.
Мы с командой много работали над созданием MVP и уже готовимся к запуску. Но перед софт-лончем нужно провести несколько важных с точки зрения продукта тестов: у нас две задачи — протестировать «мозги» наших двойников и интерфейсы сервиса.
Если у вас есть желание принять участие в тестировании нового AI-продукта, напишите мне в личку - @vladkor97. Для участия в тестировании есть несколько простых требований:
Обязательно знание английского языка, так как продукт запускаем на глобальный рынок, и все интерфейсы на английском.
Нужно быть экспертом в любой области, где к вам могут обратиться частные клиенты.
От вас потребуется примерно час свободного времени на тесты.
Необходимо наличие оцифрованной информации о себе как об эксперте. Подойдет любая информация: портфолио, резюме, рекомендательные письма, тексты ваших выступлений, научные статьи — что угодно. Чем больше, тем более похожим на вас будет созданный цифровой двойник.
Как только завершим тесты, сделаю серию постов о том, как мы разрабатывали и запускали этот продукт.
❤2
Почему я считаю, что менеджеру необходимо управленческое образование, или почему “эффективные менеджеры” губят компании
Идея этого поста назревала давно, но оформить её получилось только сейчас, после очередных утекающих новостей о Skyeng и сокращении, по слухам, 65% штата. Раз уж эта информация стала публичной, можно построить пост вокруг неё.
Skyeng — лишь один из примеров того, как делать не надо. Я постоянно вижу в новостях, как в ту или иную компанию приходит новый менеджер и начинаются изменения: внедряют какие-то фреймворки, сокращают людей, убирают удалёнку, внедряют OKR и так далее. Не поймите меня неправильно: всё это — инструменты менеджмента, которые хороши в определённых сценариях, но большинство из них применяется необдуманно, без должного понимания их сути и в неподходящее время.
Почему это происходит? Главная причина — отсутствие у новых управленцев профильного образования. Сейчас модно критиковать систему образования, утверждать, что оно не нужно, ведь есть такой-то парень/девушка, который занимает в компании должность директора по чему-то там и хорошо зарабатывает. В итоге мы видим в менеджменте множество людей без профильного образования, а иногда и вовсе без какого-либо. Часто у руля департамента или компании оказываются бывшие психологи, инженеры, программисты, которые выросли до этих позиций. Но здесь кроется первая ловушка: занимаемая человеком позиция не всегда соответствует его компетенции.
Во время обучения в магистратуре мой научный руководитель, профессор Маршев Вадим Иванович, воспитавший множество действительно крутых менеджеров и основателей компаний, раз за разом, глядя на разных руководителей, говорил: «Они не понимают, что такое менеджмент». И чем больше я работаю, тем лучше понимаю, что он имел в виду. Отсутствие профильного образования приводит к узкой и ограниченной картине мира у управленца. Любая компания — это система, состоящая из функционалов, тесно связанных между собой: тронешь одно — посыплется другое. Один из главных функционалов любой организации — это HR. Именно люди создают ценность, производимую бизнесом. И мы видим, как “эффективные менеджеры” раз за разом бьют именно по HR, воспринимая его как Human Resources — “человеческие ресурсы”, а не “человеческий капитал”. Почему? Потому что так проще, так легче считать цифры, показать инвесторам рост, ФОТ сократить быстрее всего. Но бизнес — это не только цифры. Это отношения между людьми, это культура, это бизнес-процессы и многое другое. Человек без профильного управленческого образования воспринимает эти понятия слишком поверхностно, не видя организацию системно, как учат в школах менеджмента.
Следующая проблема — изолированность “эффективных менеджеров” от реального мира. Другой мой любимый преподаватель, Дмитрий Иванович Аксеновский, говорил: «Самые некомпетентные сотрудники в большинстве компаний — это топ-менеджеры». И снова, с опытом я начинаю понимать эту фразу. В МГУ и хороших книгах по менеджменту учат, что менеджер должен погружаться в деятельность компании и руководствоваться информацией от специалистов — тех, кто производит основную ценность бизнеса. В любой сфере это профильные специалисты, а в IT — программисты и продакт-менеджеры. Что делают “эффективные менеджеры”? Создают формы обратной связи, которые потом никто из них не читает и которые сотрудники не особо охотно заполняют. Что делали (и делают) настоящие менеджеры, например, Эндрю Гроув, Генри Форд, Пол Рид Смит? Они живут делом компании, общаются с сотрудниками лично, интересуются их мнением и погружаются в процессы.
Идея этого поста назревала давно, но оформить её получилось только сейчас, после очередных утекающих новостей о Skyeng и сокращении, по слухам, 65% штата. Раз уж эта информация стала публичной, можно построить пост вокруг неё.
Skyeng — лишь один из примеров того, как делать не надо. Я постоянно вижу в новостях, как в ту или иную компанию приходит новый менеджер и начинаются изменения: внедряют какие-то фреймворки, сокращают людей, убирают удалёнку, внедряют OKR и так далее. Не поймите меня неправильно: всё это — инструменты менеджмента, которые хороши в определённых сценариях, но большинство из них применяется необдуманно, без должного понимания их сути и в неподходящее время.
Почему это происходит? Главная причина — отсутствие у новых управленцев профильного образования. Сейчас модно критиковать систему образования, утверждать, что оно не нужно, ведь есть такой-то парень/девушка, который занимает в компании должность директора по чему-то там и хорошо зарабатывает. В итоге мы видим в менеджменте множество людей без профильного образования, а иногда и вовсе без какого-либо. Часто у руля департамента или компании оказываются бывшие психологи, инженеры, программисты, которые выросли до этих позиций. Но здесь кроется первая ловушка: занимаемая человеком позиция не всегда соответствует его компетенции.
Во время обучения в магистратуре мой научный руководитель, профессор Маршев Вадим Иванович, воспитавший множество действительно крутых менеджеров и основателей компаний, раз за разом, глядя на разных руководителей, говорил: «Они не понимают, что такое менеджмент». И чем больше я работаю, тем лучше понимаю, что он имел в виду. Отсутствие профильного образования приводит к узкой и ограниченной картине мира у управленца. Любая компания — это система, состоящая из функционалов, тесно связанных между собой: тронешь одно — посыплется другое. Один из главных функционалов любой организации — это HR. Именно люди создают ценность, производимую бизнесом. И мы видим, как “эффективные менеджеры” раз за разом бьют именно по HR, воспринимая его как Human Resources — “человеческие ресурсы”, а не “человеческий капитал”. Почему? Потому что так проще, так легче считать цифры, показать инвесторам рост, ФОТ сократить быстрее всего. Но бизнес — это не только цифры. Это отношения между людьми, это культура, это бизнес-процессы и многое другое. Человек без профильного управленческого образования воспринимает эти понятия слишком поверхностно, не видя организацию системно, как учат в школах менеджмента.
Следующая проблема — изолированность “эффективных менеджеров” от реального мира. Другой мой любимый преподаватель, Дмитрий Иванович Аксеновский, говорил: «Самые некомпетентные сотрудники в большинстве компаний — это топ-менеджеры». И снова, с опытом я начинаю понимать эту фразу. В МГУ и хороших книгах по менеджменту учат, что менеджер должен погружаться в деятельность компании и руководствоваться информацией от специалистов — тех, кто производит основную ценность бизнеса. В любой сфере это профильные специалисты, а в IT — программисты и продакт-менеджеры. Что делают “эффективные менеджеры”? Создают формы обратной связи, которые потом никто из них не читает и которые сотрудники не особо охотно заполняют. Что делали (и делают) настоящие менеджеры, например, Эндрю Гроув, Генри Форд, Пол Рид Смит? Они живут делом компании, общаются с сотрудниками лично, интересуются их мнением и погружаются в процессы.
🔥3
👆Начало поста выше
Какие результаты у настоящих менеджеров и “эффективных”? У настоящих — счастливые сотрудники, эффективный бизнес и штат, необходимый для его функционирования. У “эффективных” — бизнес, заточенный на цифрах, сотрудники, обвешанные метриками NPS, раздутый штат с дублированием функций. Пример — Skyeng. У нас была R&D-команда, занимающаяся AI. Но я видел, как другие команды пытались внедрить AI самостоятельно, работая над теми же идеями, что и мы, потому что “Head департамента поставил такую задачу, нам надо показывать рост”. Где сейчас все эти команды? За пределами Skyeng, их сократили. Если бы менеджмент интересовался тем, что происходит на уровне специалистов, не было бы дублирующих команд, излишнего найма и, как следствие, излишних сокращений.
Самое печальное, что это проблема не исключительно Skyeng, это болезнь, которая наблюдается повсеместно. В погоне за взрывным ростом и цифрами компании нанимают “эффективных менеджеров”, и получается то, что получается.
Я ничего не имею против инженеров, психологов, программистов, которые доросли до менеджерских ролей, это здорово. Но чтобы занимать эти роли, нужно самообразовываться, читать книги, проходить курсы, повышать квалификацию, пользоваться обратной связью и думать о людях. Этому учит классическое управленческое образование, и вот почему оно так важно.
Какие результаты у настоящих менеджеров и “эффективных”? У настоящих — счастливые сотрудники, эффективный бизнес и штат, необходимый для его функционирования. У “эффективных” — бизнес, заточенный на цифрах, сотрудники, обвешанные метриками NPS, раздутый штат с дублированием функций. Пример — Skyeng. У нас была R&D-команда, занимающаяся AI. Но я видел, как другие команды пытались внедрить AI самостоятельно, работая над теми же идеями, что и мы, потому что “Head департамента поставил такую задачу, нам надо показывать рост”. Где сейчас все эти команды? За пределами Skyeng, их сократили. Если бы менеджмент интересовался тем, что происходит на уровне специалистов, не было бы дублирующих команд, излишнего найма и, как следствие, излишних сокращений.
Самое печальное, что это проблема не исключительно Skyeng, это болезнь, которая наблюдается повсеместно. В погоне за взрывным ростом и цифрами компании нанимают “эффективных менеджеров”, и получается то, что получается.
Я ничего не имею против инженеров, психологов, программистов, которые доросли до менеджерских ролей, это здорово. Но чтобы занимать эти роли, нужно самообразовываться, читать книги, проходить курсы, повышать квалификацию, пользоваться обратной связью и думать о людях. Этому учит классическое управленческое образование, и вот почему оно так важно.
👍4🔥3
EAI - визитка.pdf
5.9 MB
🎉 У нас полномасштабный запуск! 🎉
Наконец-то дошло дело до запуска самого значимого, лично для меня, продукта — нашего AI-агентства. Знакомьтесь, EAI — https://e-ai.solutions/
Несмотря на то, что у меня были проекты в Skyeng, Pearson и на фрилансе с довольно большими бюджетами, запуск чего-то своего — куда более ценный и эмоционально насыщенный момент.
Это было не быстро, сложно и энергозатратно. Идея сделать свой консалтинг у меня была давно. Идея создать это агентство пришла нам чуть меньше полугода назад. Всё это время мы обсуждали концепцию, исследовали конкурентов, определяли пул проектов, с которыми будем работать, искали подрядчика на создание сайта и иллюстраций, разрабатывали дизайн, tone of voice, описывали свои кейсы — в общем, делали кучу всего, что сопряжено с запуском нового бизнеса. И, вроде кажется, что полгода — это долго, но для нас они пролетели незаметно.
🚀 Чем же мы занимаемся? Глобально — есть 4 направления:
- AI-аудит и составление стратегии: проводим аудит, определяем точки роста и составляем план внедрения ИИ с учётом специфики компании.
- Интеграция ИИ в бизнес-процессы: услуга для тех, кто знает, что ИИ им может быть потенциально выгоден, однако не хочет инвестировать огромные бюджеты в кастомную разработку. Мы помогаем интегрировать готовые решения и проверить концепт.
- Разработка кастомных AI-моделей: если бизнес нуждается в каких-то нестандартных инструментах на базе AI и готов в них инвестировать — мы разрабатываем AI либо с нуля, либо на базе open-source решений.
- Разработка AI MVP: это дополнительное направление, с которым работаем по запросу. Если какому-то стартапу хочется сделать AI-продукт — мы находим оптимальное решение по цене и эффективности и помогаем.
У нас уже есть пул клиентов, с которыми планируется работать, но агентство нужно развивать дальше, поэтому мы продолжаем поиск новых. Пока мы запустились — некоторое время будем работать по сниженым ставкам, где-то после Нового года ставки вырастут, так как будем расширять команду. Поэтому, если вы знаете кого-то, кто хочет как-то интегрировать AI в свой бизнес руками первоклассной команды — самое время отправить им нашу презентацию 😉 За успешную рекомендацию — с меня подарок :)
Наконец-то дошло дело до запуска самого значимого, лично для меня, продукта — нашего AI-агентства. Знакомьтесь, EAI — https://e-ai.solutions/
Несмотря на то, что у меня были проекты в Skyeng, Pearson и на фрилансе с довольно большими бюджетами, запуск чего-то своего — куда более ценный и эмоционально насыщенный момент.
Это было не быстро, сложно и энергозатратно. Идея сделать свой консалтинг у меня была давно. Идея создать это агентство пришла нам чуть меньше полугода назад. Всё это время мы обсуждали концепцию, исследовали конкурентов, определяли пул проектов, с которыми будем работать, искали подрядчика на создание сайта и иллюстраций, разрабатывали дизайн, tone of voice, описывали свои кейсы — в общем, делали кучу всего, что сопряжено с запуском нового бизнеса. И, вроде кажется, что полгода — это долго, но для нас они пролетели незаметно.
🚀 Чем же мы занимаемся? Глобально — есть 4 направления:
- AI-аудит и составление стратегии: проводим аудит, определяем точки роста и составляем план внедрения ИИ с учётом специфики компании.
- Интеграция ИИ в бизнес-процессы: услуга для тех, кто знает, что ИИ им может быть потенциально выгоден, однако не хочет инвестировать огромные бюджеты в кастомную разработку. Мы помогаем интегрировать готовые решения и проверить концепт.
- Разработка кастомных AI-моделей: если бизнес нуждается в каких-то нестандартных инструментах на базе AI и готов в них инвестировать — мы разрабатываем AI либо с нуля, либо на базе open-source решений.
- Разработка AI MVP: это дополнительное направление, с которым работаем по запросу. Если какому-то стартапу хочется сделать AI-продукт — мы находим оптимальное решение по цене и эффективности и помогаем.
У нас уже есть пул клиентов, с которыми планируется работать, но агентство нужно развивать дальше, поэтому мы продолжаем поиск новых. Пока мы запустились — некоторое время будем работать по сниженым ставкам, где-то после Нового года ставки вырастут, так как будем расширять команду. Поэтому, если вы знаете кого-то, кто хочет как-то интегрировать AI в свой бизнес руками первоклассной команды — самое время отправить им нашу презентацию 😉 За успешную рекомендацию — с меня подарок :)
👍5🔥3
Наконец-то появились новости, стоящие внимания!
Думаю, многие заметили, что в канале стало меньше новостного контента.
И на то две основные причины:
- во-первых, канал в целом не задумывался изначально как новостной, какое-то время я постил новости, но увидел, что подобный контент не вызывает много резонанса по статистике канала, поэтому прекратил;
- во-вторых, действительно стоящих новостей из мира AI не так много, релизы многих компаний носят чисто технический характер, интересный инженерам, но мало влияющий на пользовательский опыт.
И вот мы добрались до момента, когда в новостном фоне по AI снова происходит что-то интересное. Ньюзмейкеры, тут, как обычно - OpenAI и Google. Причем сценарий раз за разом повторяется: сначала OpenAI выпускают что-то крутое, но потом приходит Google, в который мало кто верит и представляет что-то не менее классное. И если у OpenAI сейчас идет марафон, в рамках которого они каждый день представляют что-то новое, то Google ограничились одной презентацией.
Итак, что действительно стоит внимания из последнего?
1. OpenAI наконец-то показали модельку для генерации видео Sora v2. Первая версия так в релиз и не пошла. Я посмотрел видео, которые она генерит и пару обзоров. Качество прикольное, хоть и есть некоторые артефакты. Однако что здесь меня беспокоит, так это то, на каких данных оно все училось. Посмотрите обзор Маркеса Браунли. Самое интересное - в конце. Когда он попросил модель сгенерировать видео техноблогера и она создала видео с чуваком, который сидит в студии поразительно похожей на студию Маркеса и с точно таким же цветком в горшке на столе, который присутствует во многих роликах Маркеса. Миа Муратти - экс-СТО OpenAI несколько месяцев назад на вопрос о том, использовались ли для обучения видео с YouTube - очень сильно замялась и сказала, что “не может гарантировать. что они не использовались”. И сейчас с почти полной уверенностью моно сказать, что видео все-таки использовались. А это снова нарушения вопросов авторства и права на контент. Лично для меня OpenAI все больше становится корпорацией зла, которая плюет на вопросы этики разработки ИИ.
2. Еще пара плюшек от Open AI. Помимо Sora, Open AI также представили новую подписку с безлимитным доступом к модели О1 (стоит 200 баксов в месяц), новый режим Canvas для работы с кодом и кучу всяких оптимизационных фишек. Полезно и прикольно, 200 баксов - явно цена скорее для B2B, чем для обычных пользователей
3. Самое интересное - Google презентовали Gemini 2.0 и еще кое-что. Модель Gemini Flash 2.0 уже доступна. Моделька почти по всем параметрам лучше, чем Gemini 1.5 Pro. Судя по бенчмаркам, отстает от большой модели только качеством перевода, и работой с очень длинным контекстом. Еще новые Gemini рвут другие модельки на арене LLM.
Как я это буду использовать? Для базовых задач - Gemini Flash 2.0, для исследовательских и продуктовых - пока Gemini 1.5 pro и очень жду Gemini 2.0 Pro. Однако помимо обновленной Gemini, был представлен Live режим с трансляцией токенов. И это не одно и то же, что и Gemini Live, о котором я писал ранее. Это круче! Если коротко: вы можете наводить камеру на окружающие вас объекты и общаться с ИИ о них, задержка минимальная и работает очень круто, а еще оно имеет доступ к интернету. Пример - я навел камеру на свою гитару, спросил, что это за гитара, модель мне ответила, пропрсил рассказать подробности - она подтянула их из интернета. Это - будущее персональных ассистентов, которые будут жить сначала в наших смартфонах, а потом - в AR-очках. Юзкейсы ограничены вашей фантазией. Попробовать можно тут (нужен VPN).
4. Буквально сейчас OpenAI показали аналогичный функционал для ChatGPT. Функционально вещь аналогичная, но с парой отличий: говорит на русском, но при этом не имеет доступа в интернет и имеет меньшее контекстное окно. Попробовать прямо сейчас нельзя, раскатка будет в ближайшие недели
Очень рекомендую попробовать все из описанного 🙂
Думаю, многие заметили, что в канале стало меньше новостного контента.
И на то две основные причины:
- во-первых, канал в целом не задумывался изначально как новостной, какое-то время я постил новости, но увидел, что подобный контент не вызывает много резонанса по статистике канала, поэтому прекратил;
- во-вторых, действительно стоящих новостей из мира AI не так много, релизы многих компаний носят чисто технический характер, интересный инженерам, но мало влияющий на пользовательский опыт.
И вот мы добрались до момента, когда в новостном фоне по AI снова происходит что-то интересное. Ньюзмейкеры, тут, как обычно - OpenAI и Google. Причем сценарий раз за разом повторяется: сначала OpenAI выпускают что-то крутое, но потом приходит Google, в который мало кто верит и представляет что-то не менее классное. И если у OpenAI сейчас идет марафон, в рамках которого они каждый день представляют что-то новое, то Google ограничились одной презентацией.
Итак, что действительно стоит внимания из последнего?
1. OpenAI наконец-то показали модельку для генерации видео Sora v2. Первая версия так в релиз и не пошла. Я посмотрел видео, которые она генерит и пару обзоров. Качество прикольное, хоть и есть некоторые артефакты. Однако что здесь меня беспокоит, так это то, на каких данных оно все училось. Посмотрите обзор Маркеса Браунли. Самое интересное - в конце. Когда он попросил модель сгенерировать видео техноблогера и она создала видео с чуваком, который сидит в студии поразительно похожей на студию Маркеса и с точно таким же цветком в горшке на столе, который присутствует во многих роликах Маркеса. Миа Муратти - экс-СТО OpenAI несколько месяцев назад на вопрос о том, использовались ли для обучения видео с YouTube - очень сильно замялась и сказала, что “не может гарантировать. что они не использовались”. И сейчас с почти полной уверенностью моно сказать, что видео все-таки использовались. А это снова нарушения вопросов авторства и права на контент. Лично для меня OpenAI все больше становится корпорацией зла, которая плюет на вопросы этики разработки ИИ.
2. Еще пара плюшек от Open AI. Помимо Sora, Open AI также представили новую подписку с безлимитным доступом к модели О1 (стоит 200 баксов в месяц), новый режим Canvas для работы с кодом и кучу всяких оптимизационных фишек. Полезно и прикольно, 200 баксов - явно цена скорее для B2B, чем для обычных пользователей
3. Самое интересное - Google презентовали Gemini 2.0 и еще кое-что. Модель Gemini Flash 2.0 уже доступна. Моделька почти по всем параметрам лучше, чем Gemini 1.5 Pro. Судя по бенчмаркам, отстает от большой модели только качеством перевода, и работой с очень длинным контекстом. Еще новые Gemini рвут другие модельки на арене LLM.
Как я это буду использовать? Для базовых задач - Gemini Flash 2.0, для исследовательских и продуктовых - пока Gemini 1.5 pro и очень жду Gemini 2.0 Pro. Однако помимо обновленной Gemini, был представлен Live режим с трансляцией токенов. И это не одно и то же, что и Gemini Live, о котором я писал ранее. Это круче! Если коротко: вы можете наводить камеру на окружающие вас объекты и общаться с ИИ о них, задержка минимальная и работает очень круто, а еще оно имеет доступ к интернету. Пример - я навел камеру на свою гитару, спросил, что это за гитара, модель мне ответила, пропрсил рассказать подробности - она подтянула их из интернета. Это - будущее персональных ассистентов, которые будут жить сначала в наших смартфонах, а потом - в AR-очках. Юзкейсы ограничены вашей фантазией. Попробовать можно тут (нужен VPN).
4. Буквально сейчас OpenAI показали аналогичный функционал для ChatGPT. Функционально вещь аналогичная, но с парой отличий: говорит на русском, но при этом не имеет доступа в интернет и имеет меньшее контекстное окно. Попробовать прямо сейчас нельзя, раскатка будет в ближайшие недели
Очень рекомендую попробовать все из описанного 🙂
YouTube
This Video is AI Generated! SORA Review
SORA generates videos. This is the first review.
Get up to 40% off on last minute gifts at https://ridge.com/MKBHD
The (real) birding video: https://youtu.be/FjUEHdWU2Vw?si=KncheffCaMT6hK5k
MKBHD Merch: http://shop.MKBHD.com
Tech I'm using right now:…
Get up to 40% off on last minute gifts at https://ridge.com/MKBHD
The (real) birding video: https://youtu.be/FjUEHdWU2Vw?si=KncheffCaMT6hK5k
MKBHD Merch: http://shop.MKBHD.com
Tech I'm using right now:…
🔥4
Книги от меня: что читать AI-продакт-менеджеру - подборка #1
В недавнем посте я затрагивал тему чтения. Сейчас, читая очередную книгу, подумал, что хочется поделиться полезной информацией и здесь. Ведь что бы ни говорили, книги — это огромный кладезь информации. Вот несколько книг, которые, на мой взгляд, должен прочесть каждый, кто хочет связать свою жизнь с AI-продакт-менеджментом.
Inspired, Марти Каган. Хотите одну-единственную книгу, которая заменит вам кучу курсов? Прочтите эту. Здесь есть всё о разработке продукта с нуля до единицы: как проводить исследования, как общаться с командой, основы по OKR. Единственное, с чем я не согласен с Каганом, — это отношение к удалённой работе. Но я развиваюсь как профессионал в другую эпоху, поэтому спор между поколениями здесь бесполезен. Эту книгу однозначно можно назвать «библией продакт-менеджмента».
Выживают только параноики, Энди Гроув. В мире, когда все вокруг считают себя «эффективными менеджерами», а потом мы видим сокращения штата сотрудников на 65% (кто знает, тот знает :)), важно понимать, каким должен быть настоящий эффективный менеджер. Во время обучения в магистратуре мой преподаватель, профессор Вадим Иванович Маршев, постоянно повторял, что «менеджеры не знают, что такое менеджмент». И эту фразу я начал лучше понимать, поработав в нескольких командах. Так вот, Энди Гроув — бывший топ-менеджер Intel, при котором компания пережила «золотую эпоху», гениальный управленец, который точно знает, что такое менеджмент. Его советы актуальны и по сей день. «Выживают только параноики» — лучшая книга по менеджменту, которую я когда-либо читал.
Drive: Что на самом деле нас мотивирует, Дэниел Пинк. Есть много чисто психологических книг про теорию мотивации. Кому-то (как мне) не нравится психология, кто-то же считает мотивацию ерундой. Но мотивация — тема комплексная. А Пинк отлично раскрывает, почему мы делаем те или иные вещи, объясняя всё понятным языком практики. Прочитайте — узнаете себя в различных ситуациях и поймёте, как мотивировать других.
Искусственный интеллект: Современный подход, Стюарт Рассел. Не самая увлекательная из этого списка, но теоретически важная книга для понимания, что такое ИИ и с чем его едят. В книге раскрываются исторические аспекты ИИ. Мыслями об алгоритмизации человек задавался ещё в глубокой древности. В книге вы узнаете, что общего между искусственным интеллектом и древними греками, что такое ИИ, какие были его разновидности и как всё дошло до современности. Книгу необязательно читать целиком, однако для углубления в предметную область я крайне рекомендую это сделать.
Как видно из названия поста — это первая подборка. Все книги в один пост не уместить, но начать предлагаю с этих!
#книги
В недавнем посте я затрагивал тему чтения. Сейчас, читая очередную книгу, подумал, что хочется поделиться полезной информацией и здесь. Ведь что бы ни говорили, книги — это огромный кладезь информации. Вот несколько книг, которые, на мой взгляд, должен прочесть каждый, кто хочет связать свою жизнь с AI-продакт-менеджментом.
Inspired, Марти Каган. Хотите одну-единственную книгу, которая заменит вам кучу курсов? Прочтите эту. Здесь есть всё о разработке продукта с нуля до единицы: как проводить исследования, как общаться с командой, основы по OKR. Единственное, с чем я не согласен с Каганом, — это отношение к удалённой работе. Но я развиваюсь как профессионал в другую эпоху, поэтому спор между поколениями здесь бесполезен. Эту книгу однозначно можно назвать «библией продакт-менеджмента».
Выживают только параноики, Энди Гроув. В мире, когда все вокруг считают себя «эффективными менеджерами», а потом мы видим сокращения штата сотрудников на 65% (кто знает, тот знает :)), важно понимать, каким должен быть настоящий эффективный менеджер. Во время обучения в магистратуре мой преподаватель, профессор Вадим Иванович Маршев, постоянно повторял, что «менеджеры не знают, что такое менеджмент». И эту фразу я начал лучше понимать, поработав в нескольких командах. Так вот, Энди Гроув — бывший топ-менеджер Intel, при котором компания пережила «золотую эпоху», гениальный управленец, который точно знает, что такое менеджмент. Его советы актуальны и по сей день. «Выживают только параноики» — лучшая книга по менеджменту, которую я когда-либо читал.
Drive: Что на самом деле нас мотивирует, Дэниел Пинк. Есть много чисто психологических книг про теорию мотивации. Кому-то (как мне) не нравится психология, кто-то же считает мотивацию ерундой. Но мотивация — тема комплексная. А Пинк отлично раскрывает, почему мы делаем те или иные вещи, объясняя всё понятным языком практики. Прочитайте — узнаете себя в различных ситуациях и поймёте, как мотивировать других.
Искусственный интеллект: Современный подход, Стюарт Рассел. Не самая увлекательная из этого списка, но теоретически важная книга для понимания, что такое ИИ и с чем его едят. В книге раскрываются исторические аспекты ИИ. Мыслями об алгоритмизации человек задавался ещё в глубокой древности. В книге вы узнаете, что общего между искусственным интеллектом и древними греками, что такое ИИ, какие были его разновидности и как всё дошло до современности. Книгу необязательно читать целиком, однако для углубления в предметную область я крайне рекомендую это сделать.
Как видно из названия поста — это первая подборка. Все книги в один пост не уместить, но начать предлагаю с этих!
#книги
👍6❤1🔥1
Почему большинство курсов по AI – отстой, а их продавцы – инфоцыгане
Идея этого поста назрела давно, но добрался до неё только сейчас. Как вы знаете, я всегда выступал «за» образование. Однако образование, на мой взгляд, должно быть ценным не в моменте, а на дистанции. То есть, если ты заплатил за какой-то курс, полученные знания не должны устареть раньше, чем ты сможешь их применить на практике. К сожалению, с курсами по AI я наблюдаю совершенно противоположную картину. И дело не в том, что ИИ – это быстро развивающаяся сфера, за которой сложно уследить. Те, кто так говорят, просто закладывают себе возможность заработать в будущем, чтобы вы пришли купить у них следующий курс.
Я работал в EdTech, неоднократно читал лекции на онлайн- и офлайн-курсах, в университетах, на корпоративных обучениях. Я самостоятельно проходил курсы от ведущих университетов и организаций, включая программу от Reforge, которая стоит несколько тысяч долларов. И, видя курсы по ИИ, я понимаю, что большинство из них - не про образование.
Видя образование с разных сторон, обучаясь сам и проработав в сфере образования больше 4 лет, могу точно сказать, что главная проблема большинства курсов – они построены так, чтобы прежде всего максимизировать прибыль. Как это происходит? Чаще всего используется намеренное устаревание преподаваемой информации (читайте: как сделать так, чтобы клиент совершил повторную покупку). Вместо того чтобы преподавать предмет системно и давать людям инструменты, которые помогут им самостоятельно разбираться в тематике, авторы курсов дают набор инструментов, который поможет решить какие-то задачи здесь и сейчас.
Да, можно сказать, что люди сами приходят с запросом «разобраться в ИИ». Однако, на мой взгляд, ценность таких знаний сомнительна. Потому что выйдет новый GPT, выйдет новый AI-продукт, и как вы будете тогда решать свои задачи? Старыми способами?
И это лишь одна сторона медали. Один из таких продуктов – курс по AI-продакт-менеджменту от GoPractice. Я писал о нём в LinkedIn – и есть куда более приятные по знаниям и ценам альтернативы.
Другой частый случай – паразитирование на неграмотности аудитории через харизматичных спикеров. Если вы видите онлайн-курс или онлайн-вебинары, где вам обещают, что «Вася из Яндекса, экс-руководитель Алина из Skyeng, Петя из топовой компании США расскажут вам про то, как использовать ИИ», – либо бегите, либо изначально изучите биографию этих спикеров. Зачастую люди, заявленные как спикеры, ничего общего с ИИ не имеют и используют его на уровне обывателя. Они либо такие же инфоцыгане, как и авторы курсов, которые зарабатывают на некомпетентности других, либо это действительно хорошие специалисты, которых позвали прочитать что-то на определённую тему. И если это второй случай, лучшее, что вы можете сделать, если приобрели такой курс, – это задавать им вопросы и попросить контакты. Главная ценность информации, которую они вам дадут, я вас уверяю, будет получена вами за пределами курса.
Чуть подробнее хочется остановиться на курсах, которые делают маркетологи. Я, в целом, не люблю маркетологов, потому что зачастую этих ребят уносит, и вместо продажи актуального продукта они продают то, что хочет услышать пользователь. Ещё во время работы в Skyeng постоянно приходилось взаимодействовать с маркетингом и пиарщиками, которые хотели крутые заголовки, не отражающие суть того, над чем мы работали на самом деле.
Как это проявляется с курсами по ИИ? Например, им не важно, может ли ИИ решать какую-то задачу на качественно хорошем уровне. Им важно, что он может решать её в принципе. Значит, можно продать курс. Какого рода это курсы? Курсы, где вас учат какой-либо задаче, требующей человеческой креативности. Зачастую в заголовке или рекламе будет что-то в стиле «Создайте Х с помощью ИИ». «ИИ-воронки продаж, ИИ-разработка продуктов, ИИ-создание рекламных креативов» – всё это полная чушь. Авторы курсов – индюки с завышенным самомнением, у которых главный навык – это зарабатывание денег. Полезно, да, но научит ли это вас чему-то? Только если воспринимать выброшенные деньги как урок.
Идея этого поста назрела давно, но добрался до неё только сейчас. Как вы знаете, я всегда выступал «за» образование. Однако образование, на мой взгляд, должно быть ценным не в моменте, а на дистанции. То есть, если ты заплатил за какой-то курс, полученные знания не должны устареть раньше, чем ты сможешь их применить на практике. К сожалению, с курсами по AI я наблюдаю совершенно противоположную картину. И дело не в том, что ИИ – это быстро развивающаяся сфера, за которой сложно уследить. Те, кто так говорят, просто закладывают себе возможность заработать в будущем, чтобы вы пришли купить у них следующий курс.
Я работал в EdTech, неоднократно читал лекции на онлайн- и офлайн-курсах, в университетах, на корпоративных обучениях. Я самостоятельно проходил курсы от ведущих университетов и организаций, включая программу от Reforge, которая стоит несколько тысяч долларов. И, видя курсы по ИИ, я понимаю, что большинство из них - не про образование.
Видя образование с разных сторон, обучаясь сам и проработав в сфере образования больше 4 лет, могу точно сказать, что главная проблема большинства курсов – они построены так, чтобы прежде всего максимизировать прибыль. Как это происходит? Чаще всего используется намеренное устаревание преподаваемой информации (читайте: как сделать так, чтобы клиент совершил повторную покупку). Вместо того чтобы преподавать предмет системно и давать людям инструменты, которые помогут им самостоятельно разбираться в тематике, авторы курсов дают набор инструментов, который поможет решить какие-то задачи здесь и сейчас.
Да, можно сказать, что люди сами приходят с запросом «разобраться в ИИ». Однако, на мой взгляд, ценность таких знаний сомнительна. Потому что выйдет новый GPT, выйдет новый AI-продукт, и как вы будете тогда решать свои задачи? Старыми способами?
И это лишь одна сторона медали. Один из таких продуктов – курс по AI-продакт-менеджменту от GoPractice. Я писал о нём в LinkedIn – и есть куда более приятные по знаниям и ценам альтернативы.
Другой частый случай – паразитирование на неграмотности аудитории через харизматичных спикеров. Если вы видите онлайн-курс или онлайн-вебинары, где вам обещают, что «Вася из Яндекса, экс-руководитель Алина из Skyeng, Петя из топовой компании США расскажут вам про то, как использовать ИИ», – либо бегите, либо изначально изучите биографию этих спикеров. Зачастую люди, заявленные как спикеры, ничего общего с ИИ не имеют и используют его на уровне обывателя. Они либо такие же инфоцыгане, как и авторы курсов, которые зарабатывают на некомпетентности других, либо это действительно хорошие специалисты, которых позвали прочитать что-то на определённую тему. И если это второй случай, лучшее, что вы можете сделать, если приобрели такой курс, – это задавать им вопросы и попросить контакты. Главная ценность информации, которую они вам дадут, я вас уверяю, будет получена вами за пределами курса.
Чуть подробнее хочется остановиться на курсах, которые делают маркетологи. Я, в целом, не люблю маркетологов, потому что зачастую этих ребят уносит, и вместо продажи актуального продукта они продают то, что хочет услышать пользователь. Ещё во время работы в Skyeng постоянно приходилось взаимодействовать с маркетингом и пиарщиками, которые хотели крутые заголовки, не отражающие суть того, над чем мы работали на самом деле.
Как это проявляется с курсами по ИИ? Например, им не важно, может ли ИИ решать какую-то задачу на качественно хорошем уровне. Им важно, что он может решать её в принципе. Значит, можно продать курс. Какого рода это курсы? Курсы, где вас учат какой-либо задаче, требующей человеческой креативности. Зачастую в заголовке или рекламе будет что-то в стиле «Создайте Х с помощью ИИ». «ИИ-воронки продаж, ИИ-разработка продуктов, ИИ-создание рекламных креативов» – всё это полная чушь. Авторы курсов – индюки с завышенным самомнением, у которых главный навык – это зарабатывание денег. Полезно, да, но научит ли это вас чему-то? Только если воспринимать выброшенные деньги как урок.
Linkedin
So, I've just finished Generative AI for Product Managers Mini Simulator by GoPractice, Inc. | Vlad Kornyshev
So, I've just finished Generative AI for Product Managers Mini Simulator by GoPractice, Inc.
And I must say that I'm quite disappointed with this course.
While the course offers a certificate from a recognized company (a plus for your LinkedIn profile)…
And I must say that I'm quite disappointed with this course.
While the course offers a certificate from a recognized company (a plus for your LinkedIn profile)…
🔥3❤1
Начало поста выше 👆
Найти действительно хороший курс по ИИ очень сложно. Поэтому это одна из сфер, где я бы очень рекомендовал заниматься самообразованием. Есть YouTube, есть курсы, сделанные в сотрудничестве с Google или OpenAI. Да, придётся пройти много таких, и это занимает время, но это намного лучше, чем выкинуть деньги на всё то, что я описывал выше.
Почему так много плохих курсов?
Есть несколько причин, почему рынок AI-образования переполнен некачественными продуктами:
Эффект Даннинга-Крюгера: Многие люди, поверхностно ознакомившись с ИИ, переоценивают свои знания и начинают учить других, создавая низкокачественный контент. Они не осознают глубины своей некомпетентности и искренне верят в то, что могут научить других.
Отсутствие единой методологии: В отличие от, например, программирования, где есть чёткие парадигмы и подходы, в ИИ пока нет устоявшейся системы обучения. Это способствует появлению разрозненных и не всегда качественных курсов. Каждый автор преподносит информацию по-своему, и зачастую этот подход не является оптимальным.
Ранее я писал, что планирую сделать свой курс, но с этим пока есть некоторые сложности: консалтинг занял приличную часть времени. Параллельно у меня учится группа ребят из 4 человек, с которыми я обкатываю сам курс и инструменты. Раз в неделю – две у нас проходят лекции-воркшопы. История в данный момент некоммерческая, и я не получаю с этого никакого профита. Главная моя цель – сделать хороший материал. Как только я сделаю продукт, за который был бы готов платить сам, – обязательно буду его продавать. Но нужно будет решить вопрос его маркетинга. Пока что каналу не удалось пробить даже 100 подписчиков, я упёрся в органический рост и нужно вкладываться в рекламу.
Найти действительно хороший курс по ИИ очень сложно. Поэтому это одна из сфер, где я бы очень рекомендовал заниматься самообразованием. Есть YouTube, есть курсы, сделанные в сотрудничестве с Google или OpenAI. Да, придётся пройти много таких, и это занимает время, но это намного лучше, чем выкинуть деньги на всё то, что я описывал выше.
Почему так много плохих курсов?
Есть несколько причин, почему рынок AI-образования переполнен некачественными продуктами:
Эффект Даннинга-Крюгера: Многие люди, поверхностно ознакомившись с ИИ, переоценивают свои знания и начинают учить других, создавая низкокачественный контент. Они не осознают глубины своей некомпетентности и искренне верят в то, что могут научить других.
Отсутствие единой методологии: В отличие от, например, программирования, где есть чёткие парадигмы и подходы, в ИИ пока нет устоявшейся системы обучения. Это способствует появлению разрозненных и не всегда качественных курсов. Каждый автор преподносит информацию по-своему, и зачастую этот подход не является оптимальным.
Ранее я писал, что планирую сделать свой курс, но с этим пока есть некоторые сложности: консалтинг занял приличную часть времени. Параллельно у меня учится группа ребят из 4 человек, с которыми я обкатываю сам курс и инструменты. Раз в неделю – две у нас проходят лекции-воркшопы. История в данный момент некоммерческая, и я не получаю с этого никакого профита. Главная моя цель – сделать хороший материал. Как только я сделаю продукт, за который был бы готов платить сам, – обязательно буду его продавать. Но нужно будет решить вопрос его маркетинга. Пока что каналу не удалось пробить даже 100 подписчиков, я упёрся в органический рост и нужно вкладываться в рекламу.
Linkedin
So, I've just finished Generative AI for Product Managers Mini Simulator by GoPractice, Inc. | Vlad Kornyshev
So, I've just finished Generative AI for Product Managers Mini Simulator by GoPractice, Inc.
And I must say that I'm quite disappointed with this course.
While the course offers a certificate from a recognized company (a plus for your LinkedIn profile)…
And I must say that I'm quite disappointed with this course.
While the course offers a certificate from a recognized company (a plus for your LinkedIn profile)…
🔥5