3620
By Alexey Moiseenkov about startups, AI, ML and consumer product building. Opinions are my own. Only about tech.
В контраст такой позиции, ну практически. Я считаю лучшая работа в направлении «powerful AI» и вообще что это такое это вот
Так же советую подписаться на него (автора этой работы) в тви
Подкину вам почитать эссе СЕО Anthropic на выходные. Большое эссе. В основном про что нам даст AGI, он называет его powerful AI. Про разные области где наиболее эффект будет заметно (ничего в целом удивительного), ну и еще он крайне оптимистичен что такой AI (одна модель, много или комбо кучи всего возможно с новой архитектурой) появится в 2026 (видимо надо денег поднять еще).
Читать полностью…
Тем временем Нобелевка по физике (почему по ней - ума не приложу) присуждается соврменным основоположникам нейросетей в computer science - Хинтону и Хопфилду. Рекурентные сети и backpropogation. Немного удвилен, но видимо в хайп даже нобелевка уже вписывается.
Читать полностью…
До сих пор убедительно считаю, что продакт менеджеры в стартапе не нужны.
До сих пор считаю, что основатели должны выполнять роль руководителя продукта, так как владеют стратегией и бюджетом (если смогли поднять или заработать).
До сих пор считаю, что функция продакт менеджера появляется и становится ценной, когда компании нужны оптимизации в уже понятном направлении (готовый бизнес, рост продукта, есть PMF).
До сих пор считаю, что владельцем продукта может быть разработчик, дизайнер, тестировщик да кто угодно, лишь бы смог или смогла доказать что это надо делать и довести до результатов.
И при всем этом продолжаю слышать как воспевают оды профессии product manager.
И еще раз double down ставка от инвесторов. Лично мне кажется, что высок риск появления новой архитектуры которая сотрет их успех и сделает доступным качество как у ребят для каждого. Но время покажет. Пока изучаю вопрос.
Как вы думаете победит ли OpenAI или ждем нового витка компаний?
Есть полное ощущение чем больше люди смотрят всякие подкасты на YouTube про магию «подставить сюда название тренда» тем меньше они вообще хоть что-то понимают в рынке. Наверное в первую очередь потому что сами авторы видео умножать матрицы никогда не пробовали.
Например про AI агентов текущая тема. Я еще со временем универа очень аккуратно отношусь к науч попу и всяким простым объяснениям сложных вещей. Завести в голову абсолютно неправильную концепцию очень легко. А у вас как? Смотрите какие-то подкасты или интервью? Поделитесь вашим любимым каналом в комментах.
Наброшу из одного обсуждения про «ну мы то сделаем норм перформанс на бюджетах в фоторедактор»
В целом мое tldr, не делать ничего где:
- органика менее 50% прям идейно (органика это поиск, инвайты, wom)
- churn > 5% у платящей когорты в месяц (для подписок)
- LTV < 180 дней то есть твой пользователь отваливается менее чем через пол года
- в идеях - мы сильны в траффике перформанс и все (поверьте у меня был популярный фоторедактор)
Если у вас нет ответов на эти проблемы и вы считаете что мол вы умнее всего рынка, то сэкономьте время.
Есть всякие исключения:
- AAA игры
- казино
- различные приложения где все схема проверить виралку
Kong сделали исследование какие модели используют их клиенты в enterprise.
Читать полностью…
Обожаю термин «насмотренность». Туча людей продают себя и свои услуги, мол я видел как тысячи компаний допускают ошибки и вот это вот все.
Я все никак не могу понять как насмотренность консультанта превращается в опыт. Смотреть можно много на что, а вот сделать это совсем другое. Лично на себе знаю насколько сильно отличается позиция консультанта помощника от позиции фаундера/менеджера который делает это своей командой и несет ответственность, а не пустые слова.
А вы как думаете? Так ли нужна насмотренность (MBA)?
Из всей презентации Apple сегодня хотел бы выделить несколько для меня важных составляющих:
- формально презентация нового железа становится все больше презентацией нового software. Очень много фокуса именно на софте, постоянно упоминание ML/AI и разных оптимизаций
- большинство новых фичей - про здоровье. Apple делает все четко и идет в самую дорогую область (ваше время дороже всего, а соотв состояние здоровья) health tech. Слышим и про датасеты и исследования и новые классные фичи (которые может быть большей части людей и не так нужны, но рынок качают знатно)
- в остальном скучно, и мне кажется достаточно давно Apple это компания одного девайса и его друзей (iPhone и наушники с часами). И похоже ничего нового в ближайшее время ждать не стоит. Ожидаю больше релизов сервисных продуктов и новых вливаний в софт, особенно AI
Второй вопрос из AMA.
Он супер простой и считаю важным озвучить: Появился потенциальный покупатель стартапа, (M&A), попросил P&L, revenue composition и cap table но у него немного сомнительная репутация. Были успешные сделки и были «кидки». Как бы вы поступили?
В любой сделке нужно всегда доводить до результатов, обычно есть стадии покупки и каждую стадию нужно закрывать:
1/ Вы начали проявлять интерес/покупатель начал провлять интерес. Часто важно озвучить свои планы/формы сотрудничества и сделать это в письме. В таком письме должны быть не только корпдевы, но и стэйкхолдеры. Ибо корпдевы всегда заинтересованы в покупке компании (это их KPI делать сделки).
2/ Сокращайте таймлайн от первого интереса до LOI (Letter of Intent - формально письмо о намерении вас купить). Четко указывайте чего не хватает чтобы выписать LOI и когда оно будет. Ставьте вопрос ребром "вы нас покупаете тогда LOI/цена вопроса или мы уходим". Любая сделка предполагает жесткий прессинг и важно держать свою позицию и всегда получать ответ. Чем быстрее вы можете прийти к ультиматуму тем лучше. Конечно же предполагает что все другие вопросы решены и быстро.
3/ Любая большая корпорация кидала и много раз в M&A процессах. Поэтому всегда доводите до документов и оффера. Такой процесс даже если он не окончится удачно поможет вполне найти другого покупателя. И использовать первого как рычаг к переговорам.
TLDR: всегда доводите что считаете разумным до результатов в виде документов или денег на счету, если считаете что exit это вам надо - работайте, репутация и прочее в таком ключе на пострадают. А потраченное время это опыт и новые возможности.
Ну и еще OpenAI показали экспериментальную либу для оркестрации агентов и их сборки ну и так далее. Кто пробовал? Дайте знать как вам :)
Читать полностью…
Совет дня от Тоби Лютке (крайне уважаю СЕО Shopify за культуру которую он транслирует): периодически надо сносить все регулярные встречи, чтобы компания была более здоровой. Тогда для новых нужно заново будет придумать обоснование и причины. Это помогает больше сосредоточиться на работе.
Я пожалуй страдаю одним командным викли, который иногда отменяю. Но все эти регулярные 1на1 и прочее чисто проклятье как по мне.
По воскресеньям помимо тупого фарма в играх часто выбираю что-то почитать. Сегодня дотягиваю то, что забылось в ML. А самый лучший вариант на русском языке имхо вот
Читать полностью…
Иногда вступаю в разные диалоги в твиттере. В этот раз оказался с GP A16Z Martin Casado.
Он запостил крайне интересное мнение, которое мне очень близко и к которому я на уровне интуиции склоняюсь, но не могу объяснить почему так.
Держится все на следующей гипотезе. Существует два типа проблем, решаемых с помощью AI: проблемы с мягкими границами принятия решений (soft-decision boundary problems) и проблемы с жесткими границами принятия решений (hard-decision boundary problems). В проблемах с мягкими границами (всякие ассистенты, генерация изображений/эффектов итд) можно допускать небольшие ошибки без влияния на результат. Проблемы с жесткими границами (agents) - это те, где даже одна ошибка повлияет на успех результата. Агент принимает последовательность решений и выполняет действия для достижения результата. Один неверный шаг ведет к неудаче. Вот почему они "эмпирически" воспринимаются как ненадежные. И как соответствие к ним возникает много вопросов.
Решение же данной неувязки лежит в том, что решение проверяется (либо другим более умным агентом либо через верификацию фактом или поиском) и если не подошло, то делаем еще 100500 разных запросов по тому же шагу. И пока не попадем в цель. Что для меня в принципе противоречит идеи LLM как сжатому представлению данных с определенной вероятностной структурой.
TLDR: зачем пытаться устранить вероятности если они зашиты в саму суть технологии. Пока не понял. И кажется что для проблем с мягкой границей LLM прекрасный инструмент, а там где цена ошибки велика - не очень.
И снова за то, чтобы появились свои аналоги, наверное, да?
1. Прогресс неостановим
2. Работать все равно ничего не будет
(С)
Почти весь конец прошлой недели катался по Шотландии. Обычно у меня тут мало всякого лайфстайл контента, но иногда бывает (например из прошлой поездки в Корею). Добавлю чуть чуть фоток, в этот раз был в основной части Highlands, острове Skye, и паре замков горцев.
А пока я был в лесах и горах губернатор Калифорнии наложил вето на знаменитый SB1047 который мог сильно помешать работе AI компаний и созданию моделей в Калифорнии. Текст вето тут.
Ну что, а в это верим? Orion очки от Цукерберга.
У меня есть такое мнение, что новый девайс не должен быть ни в одном из существующих форм факторов готовых аксессуаров. Короче нейролинк наше все.
Одна из немногих выкладок коротко и по делу. Так как Эндрю достаточно давно выпал из реального продуктового мира. Но зато инвест инсайды у него в порядке.
В статье перечислены типичные неудачные пивоты стартапов. Конечно же добавим соц фичей, чатов, повернем в б2б (лол, сам в это поворачивал), будем делать для более широкой аудитории и прочее. Вообщем горячо рекомендую.
Между тем относитесь с пониманием, это не значит что такие пивоты невозможны, а это значит трижды подумайте что к чему чем начинать новый продукт со старой командой.
Субботнее. Чемпионат мира по игре geoguessr смотрят ~25k live. Прям интересно.
Кайф.
Ну можно сказать открыто сказали, что мол выложил в инсту получи обучение на своем контенте, так еще и монетизируют тебя через рекламу. Double value для компании, zero value for user. Надеюсь, меня хотя бы спросят, хочу ли я отдавать свой контент на обучение сеткам.
Читать полностью…
А вот и strawberry. Точнее o1 модельки от OpenAI. Конечно же как я и думал делал их Noam Brown который делал разные штуки с теорией игр и занимался разными покерными стратегиями и ботами. Очень уважаемый человек.
Внутри перед тем как ответит думает через chain of thoughts. Не по всем кстати бенчам обгоняют 4о.
Подробнее и тут
GenMoji - the new level of intelligence from Apple. Обзор попозже.
Читать полностью…
Тот самый холодный аутрич, только в твою сторону :) работает получается?
Читать полностью…