Вчера писал про исследование INSEAD — 515 стартапов, +90% выручки у тех, кто, внедряя ИИ, перестраивал процессы, а не «ускорял шаги».
Проверяю это на российском малом и среднем бизнесе. Ищу 10-15 собственников компаний или руководителей вертикалей 20-200 человек для 30-минутного интервью онлайн. Что уже внедрили, где получилось, где застряли. Если только планируете, но не знаете с чего начать, тоже интересно пообщаться. Ничего не продаю, собираю картину рынка для методологии.
Взамен: сводка от других участников (без имён) + методология в PDF.
Если это про вас — пишите в личку. Если знаете таких, буду благодарен за репост.
Проверяю это на российском малом и среднем бизнесе. Ищу 10-15 собственников компаний или руководителей вертикалей 20-200 человек для 30-минутного интервью онлайн. Что уже внедрили, где получилось, где застряли. Если только планируете, но не знаете с чего начать, тоже интересно пообщаться. Ничего не продаю, собираю картину рынка для методологии.
Взамен: сводка от других участников (без имён) + методология в PDF.
Если это про вас — пишите в личку. Если знаете таких, буду благодарен за репост.
Пока готовлюсь к митапу, искал примеры внедрения ИИ. А нашёл, что почти везде проблема не в технологии, а в том, как её внедряют.
Deloitte дважды за два сдала правительствам отчёты с фиктивными цитатами. UnitedHealth годами использовала алгоритм, который ошибался в 9 случаях из 10. Нью-Йорк запустил городской чатбот, который советовал арендодателям дискриминировать арендаторов, и мэрия отказалась его выключать.
Технология в каждом случае отработала на пять баллов. Подвело то, как ей делегировали задачу: не договорились, кто отвечает за результат, как его проверять, где без человека нельзя, как откатить, если пошло не так. Как этого избежать, разберу на митапе, в методологии для этого есть конкретные инструменты.
29 апреля в 18:00 мск — онлайн, бесплатно. Ссылку на трансляцию и запись выложу в группе.
Deloitte дважды за два сдала правительствам отчёты с фиктивными цитатами. UnitedHealth годами использовала алгоритм, который ошибался в 9 случаях из 10. Нью-Йорк запустил городской чатбот, который советовал арендодателям дискриминировать арендаторов, и мэрия отказалась его выключать.
Технология в каждом случае отработала на пять баллов. Подвело то, как ей делегировали задачу: не договорились, кто отвечает за результат, как его проверять, где без человека нельзя, как откатить, если пошло не так. Как этого избежать, разберу на митапе, в методологии для этого есть конкретные инструменты.
29 апреля в 18:00 мск — онлайн, бесплатно. Ссылку на трансляцию и запись выложу в группе.
Данные MIT Sloan, октябрь 2025. На картинке 947 профессий США и 10 лет занятости.
Сверху профессии, где найм растёт: директора по антикризисному управлению, клинические психологи, воспитатели, дизайнеры интерьеров. Внизу те, что сокращаются: архивные клерки, обходчики счётчиков, рентгенолаборанты, налоговые консультанты.
Разница в том, сколько в работе остаётся человеческого: эмпатии, суждения в неопределённости, физического присутствия, умения вести за собой. Авторы называют это EPOCH (Empathy, Presence, Opinion, Creativity, Hope). Три среза: занятость за 10 лет, найм 2025, прогноз BLS до 2034 показывают одну картину.
В любом процессе есть такие же блоки: один отдаётся ИИ целиком, второй лучше оставить человеку. И есть «зона усиления», где ИИ помогает и один сотрудник делает работу двоих. Рынок показывает: там людей сокращают, а не догружают задачами, где требуется человек.
Как разложить процесс по этим блокам — разберу 29 апреля, 18:00 мск, онлайн.
Сверху профессии, где найм растёт: директора по антикризисному управлению, клинические психологи, воспитатели, дизайнеры интерьеров. Внизу те, что сокращаются: архивные клерки, обходчики счётчиков, рентгенолаборанты, налоговые консультанты.
Разница в том, сколько в работе остаётся человеческого: эмпатии, суждения в неопределённости, физического присутствия, умения вести за собой. Авторы называют это EPOCH (Empathy, Presence, Opinion, Creativity, Hope). Три среза: занятость за 10 лет, найм 2025, прогноз BLS до 2034 показывают одну картину.
В любом процессе есть такие же блоки: один отдаётся ИИ целиком, второй лучше оставить человеку. И есть «зона усиления», где ИИ помогает и один сотрудник делает работу двоих. Рынок показывает: там людей сокращают, а не догружают задачами, где требуется человек.
Как разложить процесс по этим блокам — разберу 29 апреля, 18:00 мск, онлайн.
Экспертный промпт — гомеопатия для нейросети
Не про управление, но хочу поделиться.
Часто писал в промптах: «Отвечай как эксперт по...». Делал это бездумно, пока не задался вопросом: а это вообще что-то меняет?
В соцсетях нашёл только уверенных людей с «Пятью лучшими советами по работе с ChatGPT». Естественно, без единой ссылки на источник. Вздохнул, заварил чаю, пошёл копать исследования.
Вот что нашёл.
Роль не добавляет модели знаний — она переключает её «внимание». Команда Wharton вместе с Mollick проверили это: 75 000+ проб, шесть моделей, два независимых бенчмарка. У пяти из шести эффект от «ты — эксперт» практически нулевой. Независимое исследование PRISM добавило конкретику: экспертная роль снижает точность с 71,6% до 68,0% на задачах, где нужно вспомнить или воспроизвести факт. Модель начинает звучать как эксперт — вместо того, чтобы давать правильный ответ. (Wharton / Mollick, 2025; arXiv, 2026).
«Объясни как пятилетнему» работает ещё хуже. Любая «малознающая» роль стабильно снижает точность. И это несколько независимых, а не один эксперимент. (Mollick et al., 2025)
Есть задачи, где роль работает — там, где важен тон, стиль или формат ответа. Та же PRISM проверила роль «Safety Monitor»: модель стала отклонять вредоносные запросы на 17,7 процентного пункта чаще. Для творческого текста так же актуально. Для фактов и расчётов лучше не трогать.
И самая неожиданная находка. Лучше всего работает роль, которую модель придумала сама. Результат заметно лучше, чем от ручного «ты — эксперт по X». (ExpertPrompting, ICLR 2024).
Ещё эффективнее — попросить модель ответить сразу от лица нескольких разных экспертов, а потом объединить их выводы в один ответ. Правдивость, точность и полезность ответов заметно возрастают. (EMNLP 2024)
В сухом остатке: роли работают, но не так, как мы привыкли их использовать.
Роль — это контекст задачи, а не способ накачать модель знаниями. «Ты помогаешь руководителям анализировать бизнес-процессы» — полезно. «Ты — эксперт мирового уровня по процессному управлению» — лесть, которую модель проглатывает вежливо, но результат не меняет.
Описывай роль через задачу и аудиторию, а не через должность. Вместо «ты — эксперт» → «ты помогаешь директору по операциям с командой 50 человек, который впервые внедряет ИИ-делегирование». Уже другой разговор.
Для точных задач — факты, расчёты, анализ — роль вообще не добавляй. Просто задача с нужным контекстом. (На тему арифметических расчётов вообще надо быть осторожней, но это другая тема.)
И лучшее, что я вынес из этих исследований: пусть модель сама сформулирует роль. «Какой эксперт лучше всего подойдёт для ответа на этот вопрос? Опиши его и ответь от его имени.»
Кстати, до конца мая мини-курс «После промптов» висит в открытом доступе — за отзыв. Там ещё много такого, что позволяет делегировать задачи ИИшке, а не работать как с продвинутым поисковиком.
Не про управление, но хочу поделиться.
Часто писал в промптах: «Отвечай как эксперт по...». Делал это бездумно, пока не задался вопросом: а это вообще что-то меняет?
В соцсетях нашёл только уверенных людей с «Пятью лучшими советами по работе с ChatGPT». Естественно, без единой ссылки на источник. Вздохнул, заварил чаю, пошёл копать исследования.
Вот что нашёл.
Роль не добавляет модели знаний — она переключает её «внимание». Команда Wharton вместе с Mollick проверили это: 75 000+ проб, шесть моделей, два независимых бенчмарка. У пяти из шести эффект от «ты — эксперт» практически нулевой. Независимое исследование PRISM добавило конкретику: экспертная роль снижает точность с 71,6% до 68,0% на задачах, где нужно вспомнить или воспроизвести факт. Модель начинает звучать как эксперт — вместо того, чтобы давать правильный ответ. (Wharton / Mollick, 2025; arXiv, 2026).
«Объясни как пятилетнему» работает ещё хуже. Любая «малознающая» роль стабильно снижает точность. И это несколько независимых, а не один эксперимент. (Mollick et al., 2025)
Есть задачи, где роль работает — там, где важен тон, стиль или формат ответа. Та же PRISM проверила роль «Safety Monitor»: модель стала отклонять вредоносные запросы на 17,7 процентного пункта чаще. Для творческого текста так же актуально. Для фактов и расчётов лучше не трогать.
И самая неожиданная находка. Лучше всего работает роль, которую модель придумала сама. Результат заметно лучше, чем от ручного «ты — эксперт по X». (ExpertPrompting, ICLR 2024).
Ещё эффективнее — попросить модель ответить сразу от лица нескольких разных экспертов, а потом объединить их выводы в один ответ. Правдивость, точность и полезность ответов заметно возрастают. (EMNLP 2024)
В сухом остатке: роли работают, но не так, как мы привыкли их использовать.
Роль — это контекст задачи, а не способ накачать модель знаниями. «Ты помогаешь руководителям анализировать бизнес-процессы» — полезно. «Ты — эксперт мирового уровня по процессному управлению» — лесть, которую модель проглатывает вежливо, но результат не меняет.
Описывай роль через задачу и аудиторию, а не через должность. Вместо «ты — эксперт» → «ты помогаешь директору по операциям с командой 50 человек, который впервые внедряет ИИ-делегирование». Уже другой разговор.
Для точных задач — факты, расчёты, анализ — роль вообще не добавляй. Просто задача с нужным контекстом. (На тему арифметических расчётов вообще надо быть осторожней, но это другая тема.)
И лучшее, что я вынес из этих исследований: пусть модель сама сформулирует роль. «Какой эксперт лучше всего подойдёт для ответа на этот вопрос? Опиши его и ответь от его имени.»
Кстати, до конца мая мини-курс «После промптов» висит в открытом доступе — за отзыв. Там ещё много такого, что позволяет делегировать задачи ИИшке, а не работать как с продвинутым поисковиком.
This media is not supported in your browser
VIEW IN TELEGRAM
Ссылку на онлайн-встречу и запись выложу в группе.
Вчера провёл митап по методологии делегирования задач ИИ. Полтора часа, шесть этапов, много вопросов.
Разобрали всё по порядку: диагностика — как выбрать процесс и понять, готова ли команда его отдать; декомпозиция — разложить на блоки, решить, где справится ИИ, а где пока лучше оставить человека; проектирование — как оформить карточку делегирования и почему нужно начинать с критериев проверки результата. После экономическое обоснование: что считать, прежде чем запускать. Внедрение: как не облажаться в процессе, зачем нужен владелец результата и что такое уровни автономности. И мониторинг — как удержать процесс внедрения под контролем, чтобы тот не превратился в хаос.
RuTube, YouTube, Слайды, Конспект
#ИИ_в_управлении
Разобрали всё по порядку: диагностика — как выбрать процесс и понять, готова ли команда его отдать; декомпозиция — разложить на блоки, решить, где справится ИИ, а где пока лучше оставить человека; проектирование — как оформить карточку делегирования и почему нужно начинать с критериев проверки результата. После экономическое обоснование: что считать, прежде чем запускать. Внедрение: как не облажаться в процессе, зачем нужен владелец результата и что такое уровни автономности. И мониторинг — как удержать процесс внедрения под контролем, чтобы тот не превратился в хаос.
RuTube, YouTube, Слайды, Конспект
#ИИ_в_управлении
Кто владеет информацией, тот тормозит ИИ
Я не верю в полноценную AI-трансформацию в действующем бизнесе. По опыту её вероятность не более 10-15%.
На рынке я в основном слышу разговоры об AI в категориях повышения продуктивности. Точнее, девять из десяти пока никак не используют LLM в своей работе. А остальные рассуждают о том, что надо прикрутить AI к существующим процессам. Про ROI пока вообще мало кто думает.
Чтобы случилась полноценная AI-трансформация, нужно превратить LLM из инструмента в операционную систему. Из того, что компания использует, — в то, на чём она работает.
В идеале каждый процесс, каждое решение должны проходить через интеллектуальный слой, который постоянно учится и улучшается. То есть все процессы компании должны быть пересобраны и упакованы в замкнутые петли. Петля собирает информацию, скармливает её «операционной системе» на базе LLM и со временем улучшает процесс.
Во-первых, для построения таких петель вся информация организации должна быть читаема для AI. Каждое важное действие должно порождать артефакт, на котором AI-слой в центре компании может учиться и самоулучшаться. Здесь я вспоминаю одно из первых правил корпоративного мира — кто владеет информацией, тот обладает властью. Вы пробовали сделать общедоступными цели, планы и результаты? Я пробовал. Обычно это либо достигается ценой конфликтов, либо не достигается вовсе.
Во-вторых, AI-слой бьёт по среднему менеджменту. В большинстве компаний это «человеческий API». Через него информация движется вверх-вниз по оргструктуре. Обычно неэффективно. В парадигме AI-native компаний эту функцию выполняет интеллектуальный слой на базе LLM. Если ваша компания насыщена артефактами и читаема для AI, средний менеджмент должен стремиться к нулю.
И здесь мы попадаем в ловушку, которую не замечают технократы. (Кстати, я не был исключением, когда внедрял продуктовые подходы.) Внедрение любых новых подходов влияет на структуру власти внутри компании. А люди очень не любят отдавать власть и влияние. Даже несмотря на то, что это принесёт дополнительную прибыль компании, в которой они работают.
Я думаю, AI-native компании станут мета-переходом, выражаясь языком Валентина Турчина, а не логичным развитием существующего бизнеса. Те, кто их будет строить, либо банально не будут разбираться во всех сложностях оргструктуры нынешних бизнесов (и имеют в запасе лет пять, пока не обрастут легаси-процессами, которые лишь тешат ЧСВ определённых людей). Либо они сбегут из корпораций, чтобы построить «новый мир» — как лет 10-15 назад строили много бизнесов в парадигме продуктового и data-driven подходов. Когда люди уставали доказывать «динозаврам во власти», что дизайн — это не про картинки, что agile помогает бизнесу быстрее корректировать курс, что аналитику в онлайн-продажах можно и нужно считать на уровне кампаний, а не согласовывать по два месяца одну страницу на сайте.
Поэтому перестроятся единицы. Остальные продолжат прикручивать LLM к кривым процессам. И называть это AI-трансформацией.
#ИИ_в_управлении
Я не верю в полноценную AI-трансформацию в действующем бизнесе. По опыту её вероятность не более 10-15%.
На рынке я в основном слышу разговоры об AI в категориях повышения продуктивности. Точнее, девять из десяти пока никак не используют LLM в своей работе. А остальные рассуждают о том, что надо прикрутить AI к существующим процессам. Про ROI пока вообще мало кто думает.
Чтобы случилась полноценная AI-трансформация, нужно превратить LLM из инструмента в операционную систему. Из того, что компания использует, — в то, на чём она работает.
В идеале каждый процесс, каждое решение должны проходить через интеллектуальный слой, который постоянно учится и улучшается. То есть все процессы компании должны быть пересобраны и упакованы в замкнутые петли. Петля собирает информацию, скармливает её «операционной системе» на базе LLM и со временем улучшает процесс.
Во-первых, для построения таких петель вся информация организации должна быть читаема для AI. Каждое важное действие должно порождать артефакт, на котором AI-слой в центре компании может учиться и самоулучшаться. Здесь я вспоминаю одно из первых правил корпоративного мира — кто владеет информацией, тот обладает властью. Вы пробовали сделать общедоступными цели, планы и результаты? Я пробовал. Обычно это либо достигается ценой конфликтов, либо не достигается вовсе.
Во-вторых, AI-слой бьёт по среднему менеджменту. В большинстве компаний это «человеческий API». Через него информация движется вверх-вниз по оргструктуре. Обычно неэффективно. В парадигме AI-native компаний эту функцию выполняет интеллектуальный слой на базе LLM. Если ваша компания насыщена артефактами и читаема для AI, средний менеджмент должен стремиться к нулю.
И здесь мы попадаем в ловушку, которую не замечают технократы. (Кстати, я не был исключением, когда внедрял продуктовые подходы.) Внедрение любых новых подходов влияет на структуру власти внутри компании. А люди очень не любят отдавать власть и влияние. Даже несмотря на то, что это принесёт дополнительную прибыль компании, в которой они работают.
Я думаю, AI-native компании станут мета-переходом, выражаясь языком Валентина Турчина, а не логичным развитием существующего бизнеса. Те, кто их будет строить, либо банально не будут разбираться во всех сложностях оргструктуры нынешних бизнесов (и имеют в запасе лет пять, пока не обрастут легаси-процессами, которые лишь тешат ЧСВ определённых людей). Либо они сбегут из корпораций, чтобы построить «новый мир» — как лет 10-15 назад строили много бизнесов в парадигме продуктового и data-driven подходов. Когда люди уставали доказывать «динозаврам во власти», что дизайн — это не про картинки, что agile помогает бизнесу быстрее корректировать курс, что аналитику в онлайн-продажах можно и нужно считать на уровне кампаний, а не согласовывать по два месяца одну страницу на сайте.
Поэтому перестроятся единицы. Остальные продолжат прикручивать LLM к кривым процессам. И называть это AI-трансформацией.
#ИИ_в_управлении
Лучше хорошая фича на проде, чем отличная в бэклоге
Написал статью про проектный менеджмент — ту часть продуктовой работы, которая по моему опыту регулярно проседает у продакт-менеджеров (да и всех, кому выпадает счастье организовать что-то сложнее пары несвязанных задач).
Во многих продуктовых курсах хорошо рассказано про discovery: интервью, гипотезы, приоритизация, Jobs, мать его, To Be Done. Как выбрать правильную фичу — объяснят. А вот как её довезти до прода обычно умалчивают.
Написать подобный гайд собирался уже много лет, но всё как-то руки не доходили. Спасибо одному из менти. Когда в очередной раз зашёл разговор про delivery, терпение закончилось, и собрал весь опыт и знания в один документ. Разобрал восемь признаков, по которым видно заранее, что проект не доедет (или доедет ценой нервов и выгорания) и семь инструментов, которые реально помогают это исправить.
#менторство #метод #опыт #процессы
Написал статью про проектный менеджмент — ту часть продуктовой работы, которая по моему опыту регулярно проседает у продакт-менеджеров (да и всех, кому выпадает счастье организовать что-то сложнее пары несвязанных задач).
Во многих продуктовых курсах хорошо рассказано про discovery: интервью, гипотезы, приоритизация, Jobs, мать его, To Be Done. Как выбрать правильную фичу — объяснят. А вот как её довезти до прода обычно умалчивают.
Написать подобный гайд собирался уже много лет, но всё как-то руки не доходили. Спасибо одному из менти. Когда в очередной раз зашёл разговор про delivery, терпение закончилось, и собрал весь опыт и знания в один документ. Разобрал восемь признаков, по которым видно заранее, что проект не доедет (или доедет ценой нервов и выгорания) и семь инструментов, которые реально помогают это исправить.
#менторство #метод #опыт #процессы
Большой апельсин — налево, маленький — направо
— Давайте определим причину вашего невроза, — говорит психотерапевт пациенту. — Кем вы работаете?
— Я сортирую апельсины. Целый день по конвейеру двигаются апельсины, и я должен их сортировать. В одну корзину большие, в среднюю поменьше и в маленькую маленькие.
— Но в чём же причина нервничать на такой спокойной работе?
— Спокойной? Целый день я должен принимать решения!
В последнее время регулярно вспоминаю этот анекдот после нескольких часов работы с LLM. Когда сижу, смотрю на вывод агентов и решаю: принять, отклонить, уточнить, переформулировать. Иногда к вечеру мозг с трудом делает простейший выбор.
Парадоксально, но восемь часов с LLM, как правило, не становится «облегчённым» рабочим днём. Наоборот, это более тяжёлый день, чем те же восемь часов без постоянного использования ИИшки. Как всегда, мне стало интересно, какие исследования уже есть на этот счёт. Думал, что, может, это уже возраст, ан нет, оказывается, не я один задумался об этой проблеме.
В марте Harvard Business Review опубликовал исследование BCG — опросили полторы тысячи штатных работников в США. Те, кто плотно сидит над AI и правит его работу, тратят на 14% больше умственных усилий, чувствуют на 12% больше усталости и на 19% больше информационной перегрузки. У тех, кто узнал в себе «когнитивный перегрев»: на 33% выше усталость от принятия решений. На 39% выше частота крупных ошибок, влияющих на безопасность и важные решения. И что логично, на 39% выше намерениевыйти в окно уволиться.
Один из руководителей в исследовании описал своё состояние так: «У меня в голове было как будто дюжина открытых вкладок браузера, все боролись за внимание. Я ловил себя на том, что перечитываю одно и то же, перепроверяю каждую мелочь. И понял: я работаю больше над управлением инструментами, чем над самой задачей.
Сразу приходит на ум наше любимое выгорание. Но это не оно, это другой вид усталости, которого до широкого использования AI в повседневной работе просто не существовало. Выгорание — хронический процесс, эмоциональное измерение, разочарование в работе. Перегрев — острое состояние, когнитивное, мутный туман в голове к концу дня. Парадокс: AI снижает выгорание, когда замещает рутину (минус 15% в том же исследовании). И создаёт перегрев, когда требует постоянного контроля, выбора и принятия решений. Добро пожаловать в будни руководителей, мои любимые линейные сотрудники, считающие, что менеджеры занимаются просиживанием жопо-часов на встречах.
Если же говорить серьёзно, я ощущаю проблему, вижу, что она беспокоит не только меня (приведённое выше исследование — не единственное). Какого-то рабочего решения, как с этим справиться, у меня нет.
Пока решил ограничивать время работы с ИИшкой. Добавлять больше отдыха и смены деятельности. И чаще, даже в ущерб производительности, использовать для решения задач собственный мозг. Например, решая какую-то задачу, сначала набрасывать черновик решения, а потом уже давать ИИшке для критики и улучшения.
Кстати, не один я к этому пришёл. В прошлом году MIT надели ЭЭГ на 54 человека и заставили писать эссе. Те, кто сразу шёл к ChatGPT, через минуту после написания не могли даже процитировать собственный текст. Те, кто сначала писал сам, — легко это делали. Мозг, оказывается (привет, кэп), включается только когда первым работаешь ты.
А как вы ощущаете «перегрев» от постоянной работы с ИИшками и как с этим боретесь?
#метод
— Давайте определим причину вашего невроза, — говорит психотерапевт пациенту. — Кем вы работаете?
— Я сортирую апельсины. Целый день по конвейеру двигаются апельсины, и я должен их сортировать. В одну корзину большие, в среднюю поменьше и в маленькую маленькие.
— Но в чём же причина нервничать на такой спокойной работе?
— Спокойной? Целый день я должен принимать решения!
В последнее время регулярно вспоминаю этот анекдот после нескольких часов работы с LLM. Когда сижу, смотрю на вывод агентов и решаю: принять, отклонить, уточнить, переформулировать. Иногда к вечеру мозг с трудом делает простейший выбор.
Парадоксально, но восемь часов с LLM, как правило, не становится «облегчённым» рабочим днём. Наоборот, это более тяжёлый день, чем те же восемь часов без постоянного использования ИИшки. Как всегда, мне стало интересно, какие исследования уже есть на этот счёт. Думал, что, может, это уже возраст, ан нет, оказывается, не я один задумался об этой проблеме.
В марте Harvard Business Review опубликовал исследование BCG — опросили полторы тысячи штатных работников в США. Те, кто плотно сидит над AI и правит его работу, тратят на 14% больше умственных усилий, чувствуют на 12% больше усталости и на 19% больше информационной перегрузки. У тех, кто узнал в себе «когнитивный перегрев»: на 33% выше усталость от принятия решений. На 39% выше частота крупных ошибок, влияющих на безопасность и важные решения. И что логично, на 39% выше намерение
Один из руководителей в исследовании описал своё состояние так: «У меня в голове было как будто дюжина открытых вкладок браузера, все боролись за внимание. Я ловил себя на том, что перечитываю одно и то же, перепроверяю каждую мелочь. И понял: я работаю больше над управлением инструментами, чем над самой задачей.
Сразу приходит на ум наше любимое выгорание. Но это не оно, это другой вид усталости, которого до широкого использования AI в повседневной работе просто не существовало. Выгорание — хронический процесс, эмоциональное измерение, разочарование в работе. Перегрев — острое состояние, когнитивное, мутный туман в голове к концу дня. Парадокс: AI снижает выгорание, когда замещает рутину (минус 15% в том же исследовании). И создаёт перегрев, когда требует постоянного контроля, выбора и принятия решений. Добро пожаловать в будни руководителей, мои любимые линейные сотрудники, считающие, что менеджеры занимаются просиживанием жопо-часов на встречах.
Если же говорить серьёзно, я ощущаю проблему, вижу, что она беспокоит не только меня (приведённое выше исследование — не единственное). Какого-то рабочего решения, как с этим справиться, у меня нет.
Пока решил ограничивать время работы с ИИшкой. Добавлять больше отдыха и смены деятельности. И чаще, даже в ущерб производительности, использовать для решения задач собственный мозг. Например, решая какую-то задачу, сначала набрасывать черновик решения, а потом уже давать ИИшке для критики и улучшения.
Кстати, не один я к этому пришёл. В прошлом году MIT надели ЭЭГ на 54 человека и заставили писать эссе. Те, кто сразу шёл к ChatGPT, через минуту после написания не могли даже процитировать собственный текст. Те, кто сначала писал сам, — легко это делали. Мозг, оказывается (привет, кэп), включается только когда первым работаешь ты.
А как вы ощущаете «перегрев» от постоянной работы с ИИшками и как с этим боретесь?
#метод
Процесс или деньги — выбор, которого нет
Регулярно, когда я предлагаю систематизировать работу и выстроить процесс, слышу в ответ вопрос: «Что для тебя важнее — процесс или зарабатывать деньги?»
Сразу оговорюсь: есть стадии бизнеса, когда говорить про процессы в самом деле бессмысленно (а точнее — преждевременно). Стартап до десяти человек, цель одна — выжить и научиться стабильно зарабатывать. Какие уж тут процессы. Но как только появляется второй уровень управления, без процессов начинается бардак.
Когда-то давно я руководил операционным департаментом, который обеспечивал работу компании. Один из отделов занимался подготовкой промо-материалов, интерфейсов, иконок, звуков и много работал с аутсорс-специалистами. Это была геймдев-компания: мы делали свои игры, занимались паблишингом, плюс какое-то количество легаси — по факту в работе всегда два-три десятка игр совершенно разных жанров и сеттингов.
Когда передо мной встала задача создать из набора функций работающий департамент, в этом отделе (а также и во всех остальных) не было не то что процесса, но даже системы заведения задач. Не было стандарта, как эти задачи ставить. Не было даже единого места, где лежат файлы. Одним словом, не было ни-чи-го.
Менеджер, что работал с аутсорсом, — а это художники иконок, художники промо, звуковики, создатели эффектов и тому подобное (все те люди, которых невыгодно держать в штате, но без которых проект не запустить), — получал задачи как попало. Продюсеры, гейм-дизайнеры и проджекты кидали задачу в личку, по почте, кто-то просто ловил менеджера в коридоре и говорил, что надо сделать. Ставили задачи все по-разному: кто-то детально описывал, а чаще нет, кто-то прикладывал референсы, кто-то забывал. В дополнение, так как было это больше десяти лет назад и облачные хранилища ещё не распространились, многие материалы лежали на локальном сервере в офисе. Одним словом, классика!
Аутсорсеры же работали с нами по вечерам и ночью. Выглядело это так. Менеджер вечером из дома связывается со специалистом, тот хочет уточнить задачу, — и упирается: не хватает деталей. Не хватает референсов. Или он банально не может открыть ТЗ, потому что оно лежит на локальном сервере. В итоге, с учётом согласований, простейшие вещи могли делаться две-три недели, а то и месяц.
Я тогда изучал гемба-кайдзен и впервые осознал: компанию с её внутренними процессами можно рассматривать как продукт, который помогает сотрудникам достигать целей. В итоге разложил процесс на этапы, собрал обратную связь, зафиксировал проблемы (сейчас я бы взял диаграмму Исикавы для визуализации).
Что на выходе.
Проанализировал, описал и стандартизировал, как подаётся заявка и как по ней возвращается обратная связь.
Завёл все заявки в систему управления проектами. Понятно, что не все продюсеры и гейм-дизайнеры сразу согласились работать по этому процессу. Доказывать в какой-то момент надоело, поэтому я дал команду менеджеру: в первую очередь берёшь задачи, которые пришли через систему и описаны по стандарту. Так появились правила игры, по которым всем стало выгодно заводить задачи именно так. Мы не игнорировали старый способ постановки задачи, просто по нему в этом и других отделах тратили ресурс по остаточному принципу.
Вместе с менеджером составили брифы на основные типы материалов.
И последнее: ввёл правило, что все материалы доступны онлайн из любой точки — хоть из офиса, хоть из дома. Менеджер много общался с исполнителями по вечерам, ему это было критично.
Сразу всё, конечно, не заработало. Многие коллеги считали, что система только усложняет работу. Но через пару месяцев после запуска time to value сократился в два-три раза.
Так что выбор «процесс или деньги» — некорректный. Процесс — это и есть способ зарабатывать. Просто быстрее и с меньшими усилиями.
#метод #b2b #процессы
Регулярно, когда я предлагаю систематизировать работу и выстроить процесс, слышу в ответ вопрос: «Что для тебя важнее — процесс или зарабатывать деньги?»
Сразу оговорюсь: есть стадии бизнеса, когда говорить про процессы в самом деле бессмысленно (а точнее — преждевременно). Стартап до десяти человек, цель одна — выжить и научиться стабильно зарабатывать. Какие уж тут процессы. Но как только появляется второй уровень управления, без процессов начинается бардак.
Когда-то давно я руководил операционным департаментом, который обеспечивал работу компании. Один из отделов занимался подготовкой промо-материалов, интерфейсов, иконок, звуков и много работал с аутсорс-специалистами. Это была геймдев-компания: мы делали свои игры, занимались паблишингом, плюс какое-то количество легаси — по факту в работе всегда два-три десятка игр совершенно разных жанров и сеттингов.
Когда передо мной встала задача создать из набора функций работающий департамент, в этом отделе (а также и во всех остальных) не было не то что процесса, но даже системы заведения задач. Не было стандарта, как эти задачи ставить. Не было даже единого места, где лежат файлы. Одним словом, не было ни-чи-го.
Менеджер, что работал с аутсорсом, — а это художники иконок, художники промо, звуковики, создатели эффектов и тому подобное (все те люди, которых невыгодно держать в штате, но без которых проект не запустить), — получал задачи как попало. Продюсеры, гейм-дизайнеры и проджекты кидали задачу в личку, по почте, кто-то просто ловил менеджера в коридоре и говорил, что надо сделать. Ставили задачи все по-разному: кто-то детально описывал, а чаще нет, кто-то прикладывал референсы, кто-то забывал. В дополнение, так как было это больше десяти лет назад и облачные хранилища ещё не распространились, многие материалы лежали на локальном сервере в офисе. Одним словом, классика!
Аутсорсеры же работали с нами по вечерам и ночью. Выглядело это так. Менеджер вечером из дома связывается со специалистом, тот хочет уточнить задачу, — и упирается: не хватает деталей. Не хватает референсов. Или он банально не может открыть ТЗ, потому что оно лежит на локальном сервере. В итоге, с учётом согласований, простейшие вещи могли делаться две-три недели, а то и месяц.
Я тогда изучал гемба-кайдзен и впервые осознал: компанию с её внутренними процессами можно рассматривать как продукт, который помогает сотрудникам достигать целей. В итоге разложил процесс на этапы, собрал обратную связь, зафиксировал проблемы (сейчас я бы взял диаграмму Исикавы для визуализации).
Что на выходе.
Проанализировал, описал и стандартизировал, как подаётся заявка и как по ней возвращается обратная связь.
Завёл все заявки в систему управления проектами. Понятно, что не все продюсеры и гейм-дизайнеры сразу согласились работать по этому процессу. Доказывать в какой-то момент надоело, поэтому я дал команду менеджеру: в первую очередь берёшь задачи, которые пришли через систему и описаны по стандарту. Так появились правила игры, по которым всем стало выгодно заводить задачи именно так. Мы не игнорировали старый способ постановки задачи, просто по нему в этом и других отделах тратили ресурс по остаточному принципу.
Вместе с менеджером составили брифы на основные типы материалов.
И последнее: ввёл правило, что все материалы доступны онлайн из любой точки — хоть из офиса, хоть из дома. Менеджер много общался с исполнителями по вечерам, ему это было критично.
Сразу всё, конечно, не заработало. Многие коллеги считали, что система только усложняет работу. Но через пару месяцев после запуска time to value сократился в два-три раза.
Так что выбор «процесс или деньги» — некорректный. Процесс — это и есть способ зарабатывать. Просто быстрее и с меньшими усилиями.
#метод #b2b #процессы
Современное управление строится вокруг контроля проведённого времени. При этом кого из руководителей не спроси, все хотят от сотрудников результат. Что интересно, никто не замечает этого парадокса.
Сотрудник, отсидевший на работе 100% времени и выполнивший план на 50%, менее осуждаем, чем тот, что сделает 100%, но половину времени будет заниматься своими делами и (о боже!) будет отсутствовать в офисе. То есть не выполнить задачу выгоднее, чем просидеть на работе «меньше положенного».
Интеллектуальный труд в XXI веке оценивается не по способностям, не по знаниям, но по результату, который человек приносит организации. А по проведённому на работе времени. Не удивительно, что эффективность подобной системы управления оставляет желать лучшего.
#мыслинавыходных
Сотрудник, отсидевший на работе 100% времени и выполнивший план на 50%, менее осуждаем, чем тот, что сделает 100%, но половину времени будет заниматься своими делами и (о боже!) будет отсутствовать в офисе. То есть не выполнить задачу выгоднее, чем просидеть на работе «меньше положенного».
Интеллектуальный труд в XXI веке оценивается не по способностям, не по знаниям, но по результату, который человек приносит организации. А по проведённому на работе времени. Не удивительно, что эффективность подобной системы управления оставляет желать лучшего.
#мыслинавыходных
Завтра выступаю на форуме «Время цифры» с докладом «AI-делегирование как управленческая дисциплина».
Тема, в которой многие инженеры и стартаперы уверены, что разбираются, и в которой в 2025 году по данным MIT 95% компаний не видят эффекта от внедрения ИИ.
В докладе разбираю три публичных кейса, где можно было снизить вероятность рисков, используя методологию делегирования задач ИИ. Один закончился прецедентом в канадском суде, другой — убытком в $569 млн, третий — 1,3 млн просмотров твита про чатбота-матершинника.
Кому интересно прийти, напишите в личку, скину промокод.
Программа форума.
Тема, в которой многие инженеры и стартаперы уверены, что разбираются, и в которой в 2025 году по данным MIT 95% компаний не видят эффекта от внедрения ИИ.
В докладе разбираю три публичных кейса, где можно было снизить вероятность рисков, используя методологию делегирования задач ИИ. Один закончился прецедентом в канадском суде, другой — убытком в $569 млн, третий — 1,3 млн просмотров твита про чатбота-матершинника.
Кому интересно прийти, напишите в личку, скину промокод.
Программа форума.
ИИ телепортирует на вершину, а кайф остаётся внизу
Наткнулся у Тобиаса ван Шнайдера на мысль про ИИ, которая очень отзывается: выполнение задачи с ИИ как телепортироваться на вершину горы вместо того, чтобы на неё взобраться. Поначалу телепортация ощущается чудом, но довольно скоро становится рутиной.
Я когда-то занимался альпинизмом и помню, что кайф не в том, что стоишь на вершине. Обычно это несколько минут: сфотографировались, что-то съели (если осталось) и быстрее валишь вниз, пока погода не испортилась или не стемнело. Всё, ради чего ты туда полз, — это и есть восхождение. Карабканье по скалам, неудобные станции над пропастью, одышка, холод и ветер. Награда — не нахождение на вершине, а процесс её достижения.
Но что мы часто делаем в работе с ИИ? Отдаём ему процесс целиком. И вместе с процессом отдаём то единственное, ради чего вообще стоило браться за задачу. Гордость за сделанную работу. Ощущение, что это сделал ты сам. (Кстати, это то, что не понимают многие руководители в мотивации сотрудников.)
Я уже слышу, как люди говорят о том, что я называю «кризисом руководителя», и даже когда-то прорабатывал с психологом: вроде всё работает, задачи закрыты, цели достигнуты, а тебе кажется, что сам ничего не сделал. Только стратегию какую-то подготовил, план написал, задачи раздавал и статусы проверял. Знакомое чувство для любого, кто давно управляет.
Вывод простой: отдавать ИИ то, что делать не хочется самому. А то, что любишь, от чего горят глаза — не отдавай. Даже если машина сделает это быстрее.
Задача любого инструмента — помогать жить и работать лучше, а не забирать смысл работы и существования.
#метод
Наткнулся у Тобиаса ван Шнайдера на мысль про ИИ, которая очень отзывается: выполнение задачи с ИИ как телепортироваться на вершину горы вместо того, чтобы на неё взобраться. Поначалу телепортация ощущается чудом, но довольно скоро становится рутиной.
Я когда-то занимался альпинизмом и помню, что кайф не в том, что стоишь на вершине. Обычно это несколько минут: сфотографировались, что-то съели (если осталось) и быстрее валишь вниз, пока погода не испортилась или не стемнело. Всё, ради чего ты туда полз, — это и есть восхождение. Карабканье по скалам, неудобные станции над пропастью, одышка, холод и ветер. Награда — не нахождение на вершине, а процесс её достижения.
Но что мы часто делаем в работе с ИИ? Отдаём ему процесс целиком. И вместе с процессом отдаём то единственное, ради чего вообще стоило браться за задачу. Гордость за сделанную работу. Ощущение, что это сделал ты сам. (Кстати, это то, что не понимают многие руководители в мотивации сотрудников.)
Я уже слышу, как люди говорят о том, что я называю «кризисом руководителя», и даже когда-то прорабатывал с психологом: вроде всё работает, задачи закрыты, цели достигнуты, а тебе кажется, что сам ничего не сделал. Только стратегию какую-то подготовил, план написал, задачи раздавал и статусы проверял. Знакомое чувство для любого, кто давно управляет.
Вывод простой: отдавать ИИ то, что делать не хочется самому. А то, что любишь, от чего горят глаза — не отдавай. Даже если машина сделает это быстрее.
Задача любого инструмента — помогать жить и работать лучше, а не забирать смысл работы и существования.
#метод
Систематизировал и выложил на Habr свой опыт создания модели юнит-экономики с длинным циклом продаж. Очень мне не хватало такого материала, когда я создавал и руководил вертикалью МСБ в Kaiten.
Юнит-экономику в B2B с длинным циклом (сделки два и больше) нельзя считать по привычной B2C-формуле. CAC = расходы ÷ новые клиенты, исходит из того, что расход и клиент случились в одном месяце. В длинном цикле сделка живёт месяцами: регистрация в марте, демо в мае, оплата в сентябре. Привязывать её стоимость к одному месяцу не просто бессмысленно, но и ошибочно.
В статье показал, как считать корректно: по сделке через этапы, когортно, с учётом неуспешных.
#b2b #продажи #метод
Юнит-экономику в B2B с длинным циклом (сделки два и больше) нельзя считать по привычной B2C-формуле. CAC = расходы ÷ новые клиенты, исходит из того, что расход и клиент случились в одном месяце. В длинном цикле сделка живёт месяцами: регистрация в марте, демо в мае, оплата в сентябре. Привязывать её стоимость к одному месяцу не просто бессмысленно, но и ошибочно.
В статье показал, как считать корректно: по сделке через этапы, когортно, с учётом неуспешных.
#b2b #продажи #метод
Хватит врать себе в конкурентном анализе
У большинства команд есть такая таблица: мы vs конкуренты, часто маркетинг и продукт называют «конкурентный анализ». Галочки, плюсики по строкам, иногда раскраска полейфломастером разными цветами. Выглядит красиво и солидно. Откройте — и почти всегда «мы» в плюсах, «они» в минусах.
Это, говоря откровенно, не анализ. А способ услышать то, что команда, руководство и инвесторы хотят услышать.
Чинится в два шага, через создание gap-матрицы.
Шаг 1. Замените расплывчатые критерии на измеримые. Не «хороший сервис» и «удобный интерфейс» — это оценки на глаз. А то, что клиенту реально нужно сделать: «получить ответ за 10 минут», «настроить без разработчика». Сразу видно, кто закрывает задачу клиента, а кто просто хочет выглядеть красиво.
Шаг 2. Там, где отсутствуют факты, пишите «не знаю», не надо ставить «тройку» на глазок. «Не знаю» — честные данные, которые можно проверить. Оценка без проверки — выдумка, на которой через квартал построят стратегию.
Когда мы анализируем себя и конкурентов через результат, который бизнес даёт клиентам, нам проще найти ключевое противоречие, отстроить бизнес-модель и сделать правильное позиционирование.
Первый шаг сегодня: возьмите текущий конкурентный анализ. Замените один критерий на измеримый, одну оценку не глядя — на «не знаю». 10 минут — и он становится инструментом для принятия решений.
#метод #продукт
У большинства команд есть такая таблица: мы vs конкуренты, часто маркетинг и продукт называют «конкурентный анализ». Галочки, плюсики по строкам, иногда раскраска полей
Это, говоря откровенно, не анализ. А способ услышать то, что команда, руководство и инвесторы хотят услышать.
Чинится в два шага, через создание gap-матрицы.
Шаг 1. Замените расплывчатые критерии на измеримые. Не «хороший сервис» и «удобный интерфейс» — это оценки на глаз. А то, что клиенту реально нужно сделать: «получить ответ за 10 минут», «настроить без разработчика». Сразу видно, кто закрывает задачу клиента, а кто просто хочет выглядеть красиво.
Шаг 2. Там, где отсутствуют факты, пишите «не знаю», не надо ставить «тройку» на глазок. «Не знаю» — честные данные, которые можно проверить. Оценка без проверки — выдумка, на которой через квартал построят стратегию.
Когда мы анализируем себя и конкурентов через результат, который бизнес даёт клиентам, нам проще найти ключевое противоречие, отстроить бизнес-модель и сделать правильное позиционирование.
Первый шаг сегодня: возьмите текущий конкурентный анализ. Замените один критерий на измеримый, одну оценку не глядя — на «не знаю». 10 минут — и он становится инструментом для принятия решений.
#метод #продукт
Вы боретесь не с тем оттоком
Когда отток растёт, первым делом хватаются за удержание: скидки, бонусы, звонки «не уходите». Выглядит логично: раз клиент уходит, надо его удержать. Написал вчера на эту тему статью на Habr.
На практике, в массовом B2B-продукте, отток почти всегда рождается раньше. Клиент банально так и не дошёл до первого реального результата и не получил ценность, которую покупал. Скорее всего, он не разлюбил продукт, а не внедрил его в свои процессы.
Лечить это следует на входе. Клиент только что купил — он вам доверяет и лоялен как никогда. Помогите ему получить хоть какую-то ценность прямо сейчас, пока это доверие не остыло. Смотрите на частоту заходов и использование ключевых функций, а не только на факт оплаты. Доводите клиента до первого «aha-момента» в первые 30–60 дней (в зависимости от сегмента). Сопровождение стройте в три уровня по выручке клиента. При низком среднем чеке — автоматические рассылки. Среднем — шаблонные сценарии и точечные звонки. Тем, кто платит больше всех, — личное внимание и выделенные менеджеры.
Retention-программа, запущенная без этого, — это подорожник, который лечит симптом, а не причину.
#процессы #b2b
Когда отток растёт, первым делом хватаются за удержание: скидки, бонусы, звонки «не уходите». Выглядит логично: раз клиент уходит, надо его удержать. Написал вчера на эту тему статью на Habr.
На практике, в массовом B2B-продукте, отток почти всегда рождается раньше. Клиент банально так и не дошёл до первого реального результата и не получил ценность, которую покупал. Скорее всего, он не разлюбил продукт, а не внедрил его в свои процессы.
Лечить это следует на входе. Клиент только что купил — он вам доверяет и лоялен как никогда. Помогите ему получить хоть какую-то ценность прямо сейчас, пока это доверие не остыло. Смотрите на частоту заходов и использование ключевых функций, а не только на факт оплаты. Доводите клиента до первого «aha-момента» в первые 30–60 дней (в зависимости от сегмента). Сопровождение стройте в три уровня по выручке клиента. При низком среднем чеке — автоматические рассылки. Среднем — шаблонные сценарии и точечные звонки. Тем, кто платит больше всех, — личное внимание и выделенные менеджеры.
Retention-программа, запущенная без этого, — это подорожник, который лечит симптом, а не причину.
#процессы #b2b