from:adam

Диагноз в книге сильный, но решение вызывает много вопросов. Рис не прячет провалы, у него целый каталог, и он честно оговаривается, что это лишь верхушка айсберга. Только все смерти там про компании, которые погибли без mission-lock, от захвата и коррупции. Это доказывает, что защиты им не хватало, но ничего не говорит о том, работает ли защита, когда она есть. Компаний, которые mission-lock как раз поставили и всё равно умерли из-за него — не подняли денег, не смогли перестроиться, застряли в отжившей миссии, — в книге не найти. Свою же защиту на прочность Рис не проверяет ни разу. С доказательствами превосходства примерно та же история: он обещает «overwhelming evidence» и кейсы, которые всё докажут, а на следующей странице пишет «however» и оговаривается, что миссийные компании выигрывают не всегда. Сами кейсы — Costco, Patagonia, Vanguard, Bosch, Zeiss, все до одного выжившие. Кто разорился из-за самой конструкции, в выборку не попал. Сама защита у Риса устроена умнее, чем кажется на первый взгляд: глава про governance называется «Конституционное управление», а структуру Patagonia он описывает как несколько ролей, которые держат друг друга в узде: попечители траста, протектор, борд, директора фонда. Проблема в том, что подбирали их всех по одному признаку, преданности миссии («члены семьи и давние советники с доказанной лояльностью»), так что контролируют друг друга по сути свои же. Настоящие сдержки и противовесы держатся на том, что у ветвей разные интересы и разный источник власти: парламент не выбирается президентом, а суд не подчиняется парламенту. У Риса же и страж миссии, и тот, кто должен его сторожить, растут из одного корня и смотрят в одну сторону. Если страж со временем поедет крышей или потихоньку сдрейфует, а протектор из той же обоймы этого не заметит, поправить его будет некому. «Миссия обладает высшей властью» звучит красиво, но толкует эту миссию всё тот же узкий круг людей, и реальная власть, конечно, у них. И ведь Рис это по сути признаёт сам: в эпилоге он пишет, что любой инструмент из книги обратим, а всеми этими структурами можно и «отмыть собственную коррупцию». То есть «Incorruptible» — обещание на обложке, от которого автор на последних страницах аккуратно отступает. На упрёк в негибкости Рис тоже отвечает: структура, мол, «не смирительная рубашка», формулировку цели можно править когда угодно, подстраивая её под меняющийся рынок. Но этим он и подрубает сук: если цель правится когда угодно, то какой же это замок и где обещанное «захватить невозможно». А кто проводит грань между «уточнить формулировку» и «сменить миссию», решают опять же те самые попечители. И берёт он только удобный случай — когда миссия по-прежнему верна, а меняется лишь то, как её произносят вслух. Неудобный обходит стороной: рынок разворачивается так, что сама миссия начинает компанию убивать, и спастись можно, только отказавшись от неё. Вот тут mission-lock и запирает намертво, ведь «пересматривать, но не бросать» прямо отрезает единственный ход, который спас бы бизнес. Чем жёстче заперта миссия, тем труднее развернуться, когда она устарела, — и этот размен Рис не проговаривает. По мне, самое ценное в книге — это диагноз, и он никуда не девается от всей критики выше. «Финансовая гравитация» удачно переводит разговор о том, почему хорошие компании портятся, с морали отдельных людей на устройство самой системы, и governance Рис теребит вовремя, ведь большинство фаундеров правда сваливают его на юристов и потом на этом горят. А дальше книга оверселлит. Доказательства: одни выжившие, стража стерегут свои же, замок плохо гнётся, когда мир вокруг меняется, да и весь рецепт заточен под тех, кому внешние деньги не очень-то и нужны — та же Patagonia это ход миллиардера, для которого рост прибыли уже не так экзестенциален, а $17,5 млн налога на всю конверсию просто мелочь. Значит ли это, что рецепт и фреймворк в книге нерабочий? Вряд ли, но и не серебрянная пуля, а, скорее, стредство, требующее осознанного размена.

Хороших людей гравитация согнёт всё равно — спасает только структура. Весь вопрос в том, какая. Рис выстраивает лестницу защит по прочности, и большинство того, за что хватаются основатели, стоит на нижней ступени. Нижняя ступень — суперголосующие акции (supervoting): у основателя, допустим, десять голосов на акцию, у публичных инвесторов один. Так сделали Пейдж и Брин при выходе Google на биржу в 2004-м. Работает, пока основатель на месте. Джефф Лоусон держал контроль над Twilio через суперголоса с оговоркой о деактивации (sunset) на семь лет. Через полгода после того, как условия сработали и голоса выровнялись, его вышибли активисты, владевшие меньше чем половиной процента компании. Суперголоса привязывают контроль к человеку, а человека можно уволить или дождаться, пока истечёт срок. Ступень выше — конституционное управление: право защищать миссию вшито прямо в устав. New York Times сто лет держит редакционную независимость через акции класса B: семья Окс-Сульцбергер владеет 20% капитала, но контролирует 70% мест в совете, и это выстояло через кризисы, когда другие газеты резали редакции. Alibaba пошла иначе — 17 давних сотрудников коллективно выдвигают большинство совета. Страж миссии (mission guardian) не обязан быть основателем. Самая прочная ступень — разделить деньги и власть. Обычно владение связывает в один узел две вещи: экономику (кому идёт прибыль) и контроль (кто принимает решения). Рис предлагает их развести: инвесторам оставить экономику, а власть запереть в отдельной сущности, заточенной под миссию. Эту сущность он называет Spiritual Holding Company (SHC). Это отдельная, автономная, бессрочная структура (траст, фонд или кооператив), которая переживает любого основателя и инвестора и при этом не мешает привлекать внешний капитал. В 2022-м все акции Patagonia перешли двум новым структурам. Purpose Trust получил все голосующие акции — это 2% капитала, но 100% контроля над компанией. Остальные 98% (неголосующие) ушли в Holdfast Collective, который с них финансирует борьбу с изменением климата. Контроль и деньги оказались в разных руках. Anthropic в 2023-м учредил Long-Term Benefit Trust — purpose trust по делавэрскому праву с «золотой акцией»: у траста реальная власть над советом, но ноль экономики, попечители не получают ни доли, ни прибыли. Его единственная работа — сохранять миссию, чтобы разработку ИИ не перекрутило, сколько бы триллионов ни стояло на кону. На бирже Копенгагена компании под управлением фондов — минимум половина капитализации, среди них Novo Nordisk, Carlsberg и морской гигант Maersk. В США миллионы людей держат деньги в кредитных союзах — кооперативных банках без внешних акционеров, которыми владеют сами клиенты. В Новой Зеландии кооперативы дают 20% ВВП. Сильные структуры вшивают миссию в саму компанию. Она переживает уход основателя — момент, на котором обычно всё и ломается.

Хот-дог с газировкой в Costco стоит $1.50 с восьмидесятых. Биг-Мак за то же время подорожал с $1.60 до примерно семи долларов. Когда операционный директор предложил поднять цену, Джеймс Синегал СЕО Costco ответил: «Поднимешь цену на хот-дог — убью. Разберись». Стандартный плейбук: поднимай, когда можешь. Но, похоже, Синегал знал соблазн лучше своих подчиненных: «Поднимаешь цену на кетчуп на три цента, никто не заметит. Три процента на всём — плюс пятьдесят процентов к прибыли до налогов. Это как героин: чуть-чуть, потом ещё чуть-чуть». В 2023-м Costco продала под двести миллионов комбо. Каждый доллар наценки — лишние $200 млн чистыми. Чтобы удержать $1.50, в 2008–2009-м они построили собственные заводы по хот-догам. Рис называет это «harder is easier»: трудный принципиальный выбор запускает magnetic powers, доверие и лояльность, которые дальше удешевляют всё остальное. Одной последовательности мало, наркоман тоже последователен. Тянет притягательность самой миссии: люди хотят быть частью такого мира. Отсюда фанатичные клиенты, дешёвый найм лучших, партнёры и инвесторы, которые покупаются на твою картину мира вместо того, чтобы гнуть тебя под свою. Cloudflare годами продавала шифрование как платную премиум-фичу, один из главных поводов проапгрейдиться. На встрече один из инженеров спросил: миссия у нас — лучший интернет? Шифрованный интернет лучше нешифрованного? Тогда почему за шифрование берём деньги? Мэттью Принс глава Cloudflare мог объяснить, почему так нельзя: шифрование стоит денег -> потеряем выручку. Вместо этого сказал разобраться. Команда месяцами снижала себестоимость шифрования, переписала компрессию на ассемблере, продавила сделку с центрами сертификации. Сегодня через Cloudflare идёт 20% веб-трафика. Бесплатная раздача самой дорогой фичи стала доказательством характера. Отказ от лёгких денег по сути работает как ров. Рис заявляет, что mission-locked компании системно обыгрывают обычных: доходность выше, живут дольше, при этом прибыльнее. При этом они не теряют привлекательности для инвесторов, а, скорее, наоборот. Но магнетизм миссии притягивает не только клиентов и таланты. Хищников тоже.

Когда успешную компанию перекручивают на короткие деньги, обычно винят конкретных людей: зашли оппортунисты снять кэш и выйти. По этой логике достаточно держать таких подальше от борда, и ты цел. Incorruptible строит объяснение комплекснее. Компании из разных индустрий, с разными миссиями и основателями сходятся к одинаковому финалу: бюрократия, короткий горизонт, выхолощенная культура, одинаковые пресс-релизы. Будь дело в отдельных жадных людях, разброс был бы шире. Одинаковость исходов выдаёт силу, которая работает поверх конкретных людей. Рис зовёт её финансовой гравитацией (financial gravity). Финансовая гравитация — давление, которое тянет людей и организации к финансовым ценностям ради успеха в будущих сделках. Растёт из неравенства ресурсов: кто-то держит капитал, кто-то твой заработок, кто-то оценку компании. Хозяина у неё нет, а чувствуют её все. Гравитация захватывает и тех, кого нанимают защищаться. Независимый директор, эдвайзер, твой юрист двигают «best practices», которые вычищают миссию, при том что у них фидуциарный долг перед твоей компанией. Двигает ими career equity: свою репутацию и будущие контракты они ценят выше миссии компании, которую сейчас обслуживают. Их интерес в системе, твоя компания для них один из проходящих клиентов. Они захвачены и часто сами этого не замечают. Большинство governance-экспертов считают, что если кто-то даёт за акцию на доллар больше рынка, борд обязан согласиться. Кто покупатель и зачем — юридически неважно. Когда Маск попятился из сделки по Twitter, фидуциарный долг заставил борд Twitter засудить его, чтобы дожать сделку, к которой у самого борда были вопросы. Кадрами это не чинится. Раз это системная сила, «наймём хороших и не пустим оппортунистов в борд» её не отменяет: хороших гравитация гнёт так же. Чинит структура, governance, который зашивает миссию в устав так, что перехватить контроль и перекрутить бизнес почти невозможно. От этого зависит, строишь ты продукт или каждый квартал отбиваешь его от секвестра.

У Эрика Риса (того самого автора Lean Startup) вышла новая книга — Incorruptible. Читаю, оч нравится и сильно резонирует, впечатлениями поделюсь отдельно, а пока разберу, что про неё написал Марти Каган. Всю карьеру Каган повторял: сильный продукт — вот что делает компанию сильной. Теперь поправка: продукт необходимое условие, но не достаточное, а иногда именно он компанию и губит. Звучит вывернуто, но логика простая: как только ты доказал, что умеешь делать хорошие продукты, компания становится лакомой добычей для опуртунистов. Приходят люди с другим интересом: быстро снять кэш и выйти. Заходят в борд, меняют основателя, вычищают миссионеров, за пару лет выжигают культуру, и то, что собиралось годами, схлопывается. Каган бывало умолял советы директоров не выкидывать лидеров из-за одного слитого квартала: просадки бывают у всех, смотрите на длинный горизонт, вы и себе роете яму. По факту, редко работало, и Каган отмечает это, как свой слабый скил. Убедить инвестора, который в продукте не шарит, почти никогда не получалось. Как правило, это не болячка хрупких стартапов, так же перемалывает и зрелые компании. Годами он считал это просто платой за живую экосистему. Неизбежное зло, забей, занимайся тем, что в твоей власти. Книга Риса заставила его в этом усомниться. Если Lean Startup была про то, как построить сильный продукт, то Incorruptible — про то, как построить компанию, которую у тебя не отнимут. И защита тут не продуктовая и не культурная, а скучная — корпоративное управление. Структуры, которые Рис зовёт mission-locked: миссию юридически зашивают в устав так, что перехватить контроль и перекрутить бизнес на короткие деньги технически невозможно. Каган же governance всю жизнь держал за тему для юристов, сам туда не лез, спихивал на аутсорс, но книга его натолкнула на осознание ошибки. И книгу читает почти как приговор юристам, бизнес-школам и консультантам, которые должны были компании защищать, а в итоге просрали все полимеры. И почему это вообще про продакта, а не только про основателя. От того, как устроено владение компанией, тихо зависит, дадут тебе делать нормальный продукт или ты каждый спринт/квартал/ревью будешь отбиваться от секвестра. Неочевидно, если ты привык мерить компанию продуктом, а не тем, кто ей рулит и на каких условиях. https://www.svpg.com/great-products-bad-companies/

В последнее время у меня стойкое ощущение, что работа в найме сломалась. Когда я только начинала карьеру в tech, вокруг меня было много идейных, заряженных людей, которым было в кайф работать. И не с 9 до 5, а по ночам и выходным: потому что было ощущение, что ты на космолете и в исследовательской лаборатории одновременно. Сейчас это, скорее, исключение. Большинство остается в найме, потому что нужен стабильный доход, и живет от отпуска до отпуска. “Сделать свой сайд-проект” уже не голубая мечта, а как будто необходимость, чтобы иметь план Б на случай увольнения. Но многие ребята уже в такой стадии выгорания, что какой там сайд-проект - найти бы силы на рутинные дела по дому. Основная работа высасывает столько энергии, что после рабочего дня хочется только полежать. У меня есть гипотеза, почему так случилось. И да, конечно, AI гонка сильно повлияла на нашу тревожность - но, мне кажется, что гораздо большую роль сыграли изменения в рабочей культуре. Работа в tech стала…просто работой. Мало кто идет в бухгалтеры или юристы с ожиданием, что на работе будет весело и интересно, что коллеги станут твоими друзьями, а компания будет переживать за твое самочувствие, да еще и платить сильно выше среднего. Но именно такая атмосфера была во многих технологических компаниях до 2020-х - и мы привыкли. Вынужденная эмиграция из страны единорогов и лозунгов “мы все одна семья” оказалась серьезным ударом по общему самочувствию. Но, что еще важнее, повлияла на наше восприятие будущего. Неожиданно оказалось, что продакты, дизайнеры и разработчики не защищены от того, к чему другие работяги уже привыкли: усреднения зарплат, транзакционной культуры, невыносимых и требовательных боссов. И это заставляет задаваться экзистенциальным вопросом: а почему я вообще выбрал эту карьеру? И хочу ли я в ней оставаться в следующие 10 лет? Прорыв в AI заставляет нас сейчас больше учиться - но мы всегда много учились, особенно в восточноевропейском сообществе. Всегда в нашей индустрии были молодые гении и геймченджеры, которые ставили под вопрос существующие фреймворки и опережали более опытных коллег. Скорость, эксперименты, отсутствие статуса кво были нормальными атрибутами работы в tech. Что реально изменилось, так это более острый фокус на эффективности и осознанном использовании капитала, повлекшие за собой кардинальную пересборку HR стратегии - и идентичности “сотрудника tech компании”. А это всегда грустно, сложно и болезненно. Мне интересно, если вы наблюдаете похожую картину в своем окружении? И в чем видите основные причины?

Один из лучших способов повесить молчание на митинге в корпе — спросить "Зачем вы это делаете?"

На WWDC Apple наконец показала работающую Siri AI — после провала 2024 года, когда анонсированная «новая Siri» так и не вышла. Бен Томпсон тут по горячим следам написал «The iPhone's Last Stand» о том, почему отставание Apple в Agentic AI не страшно. Читал как раз на выходных и кивал, а потом перечитал и понял, что кивал складному нарративу, а не аргументам. Это хороший и показательный пример, поэтому хочу разобрать. Весь рассказ Томпсона построен вокруг ядра в виде тезиса, что вопрос «может ли Apple делать AI» поставлен неверно. Apple играет на потребительском рынке, где хватит good enough Siri и её эксклюзивного козыря — доступа к личному контексту айфона: перепискам, почте, тому, что у тебя на экране. Агенты нужны, чтобы работать, а обычный человек работать не хочет — он хочет смотреть рилсы. Значит, отставание не важно. Дыра номер один — проблема аттрибуции источника преимущества. Томпсон описывает доступ к личному контексту, по сути, как Cornered Resource по Хелмеру — статичный замок, который либо есть, либо нет. Только Apple контекст не выторговала, она создает его через контроль платформы — юзеры заново создают его каждый день, пока пользуются айфоном. Это другие силы: издержки переключения (switching costs) плюс его же собственная Aggregation Theory, которую он почему-то не вспомнил. Грубо говоря, разница в следующем: захваченный ресурс лежит и работает сам, а эти барьеры держатся только пока пользователь в экосистеме и пока айфон знает о тебе больше, чем конкурент соберёт в облаке. Перепутав тип барьера, легко переоценить его прочность. Вторая дыра серьёзнее: сильный аргумент у Томпсона под носом, но он прошёл мимо. Counter-positioning — конкурент не может скопировать твою стратегию, не сломав собственный бизнес. Apple не может уйти в облачных агентов без каннибализации железной маржи и capex, которого избегает. Microsoft не может в контекст устройства, потому что мобайла у неё нет — поэтому её свежий Project Solara (недавний концепт, где устройства как порталы к агентам, живущим в облаке) сразу подаётся как продукт для компаний, а не для людей. Google даже с Android тянет всё в облако. Каждый заперт в своей модели. Вместо этого Томпсон опирается на тезис «ленивого потребителя» и пример Dropbox: вирусный рост среди обычных пользователей, а деньги в итоге нашлись только в продажах бизнесу. Но этот пример работает против него. Если агенты для обычных людей не монетизируются, у Apple нет рва, потому что нет рынка. Если монетизируются (реклама в агенте, комиссия с покупок), «достаточно хорошая» Siri становится мишенью для подрыва. Оба сценария безопасными быть не могут. Третья дырка главная. Если убрать риторику, вся стратегия Apple держится на одном фальсифицируемом прогнозе: разрозненность сервисов никогда не позволит облачному агенту узнать о тебе больше, чем айфон знает по умолчанию. Пока это так, преимущество живёт на устройстве, но появись слой, который соединит твои сервисы напрямую (почту, календарь, банк, такси и тд), — и точка сборки контекста уезжает с айфона. Остаются голые издержки переключения. А их пробивали: BlackBerry с её корпоративным рвом на почту казалась вечной ровно до айфона. Я бы на месте Apple, скорее всего, сделал ту же ставку, но это ставка, а Томпсон подаёт её как некий закон и аксиому. Урок, ради которого я это писал: анализ через мотивации компаний часто даёт складную историю. «Apple заинтересована сохранить центральность айфона» — и дальше любые её действия укладываются в красивую логику, но складность нарратива не доказывает, что стратегия верна. Это ровно то, что Румельт описывал в признаках плохой стратегии: подгонка под удобный вывод вместо честного диагноза. Стратегию от рационализации отличает одно — прогноз, который можно проверить и который может не сбыться. Томпсон такой прогноз почти сформулировал и спрятал в последнюю строчку, за шутку про то, что со второй попытки Siri наконец заработала. Наверное!

Как люди не прошли AI-тест на человечность Такое чувство, что AI разбудил в людях всё плохое, что раньше спало под слоем «у нас хорошая корпоративная культура». Особенно хорошо это видно по унижениям, которые полились на сотрудников. «Либо вы осваиваете AI, либо я вас уволю». Это говорят не только какие-нибудь промышленные князьки, это слова CEO очень радужных, очень добрых, очень человеко-центричных компаний. AI оказался очень полезным диагностическим инструментом. Сразу стало понятно, кто всегда был человеком, а кто просто хорошо притворялся. Кто хоть немного разбирается в бизнесе и умеет считать, а кто услышал слово «оптимизация» и побежал. Во-первых, есть разные специалисты. Кому-то важно освоить Claude Code, Cursor, n8n и прочий новый джентльменский набор человека, который хочет не быть съеденным рынком. Например, разработчикам, аналитикам, людям, которые руками работают с данными, системами, кодом, прототипами. А кому-то вполне достаточно обычного Claude и пары рабочих сценариев. Продакты, исследователи, бизнес-девелоперы не обязаны становиться полубэкэндерами. Если биздеву правда нужно что-то собрать через Claude Code, то быстрее посадить рядом инженера на час, чем смотреть, как бедный человек три дня героически мудохается с терминалом, чтобы доказать, что он достаточно «AI-native». Во-вторых, хотелось бы увидеть математику. Время хорошего продакта стоит дорого. И большая часть его работы — это не «покодить красивую штучку на Lovable», а управлять командой, роадмапом, бэклогом, конфликтами, ожиданиями, рисками и всей этой прекрасной человеческой жижей, из которой на самом деле состоит продуктовая работа. Окей, он использует AI для пользовательских инсайтов. Окей, быстро соберёт лендинг для проверки простой гипотезы. Но зачем ему тратить часы на сложную оркестрацию, промпт-инженерный театр и имитацию разработки, если это не его ключевой рычаг влияния на бизнес? Сколько это стоит компании? В-третьих, что это за идея — всех срочно оптимизировать? Чтобы что? У всех резко стратегия стала «сэкономить на людях»? Где рост? Где новые продукты? Где больше выручки, маржи, клиентов, рынков? У меня ощущение, что люди гораздо лучше умеют экономить, чем зарабатывать. Экономить проще — там не надо придумывать ценность, продавать, ошибаться, строить. Можно просто посмотреть на Excel и сказать: «а давайте вот этих уберём». Я не слышала историй, где кто-то с помощью AI что-то критично сэкономил и потом жил долго и счастливо. Обычно истории выглядят так: сначала «мы всё оптимизировали», потом через три месяца всё наебнулось, потом наняли консультантов, вернули людей, переплатили в три раза. В-четвёртых, вы людей нанимали зачем? За экспертизу, за judgment, за вкус, за опыт, за способность увидеть, где задача поставлена неправильно, за умение понять клиента не как строку в табличке, а как живого человека с противоречиями, страхами и идиотскими привычками. Вы правда думаете, что это можно заменить Claude? При том что у каждого такого продукта жирными буквами висит дисклеймер: AI может ошибаться, пожалуйста, проверяйте ответы. Это что у вас за бизнес такой, что вы готовы строить его с такой небрежностью? Я очень люблю AI и пользуюсь им каждый день. Я вижу, как он ускоряет работу, усиливает людей, вытаскивает из болота рутины и иногда даже делает маленькое чудо. Но между «AI усиливает хорошего специалиста» и «AI заменит всех, а кто не успел — тот слабое звено» лежит огромная пропасть. Удивительно, но истории про то, как кто-то «собрал всё через OpenAI/Claude и всех уволил», я чаще всего слышу от бизнес-тренеров и велнес-коучей. В этот самый момент я впервые начинаю болеть за AI. Потому что если он кого-то и заменит первым, то, надеюсь, именно этих товарищей.

Меня тут недавно спросила коллега на работе, почему в нашей зоне офиса постоянно бомбят на Ирак. Сначала не понял, о чём она, но потом осознал crux RAG'а — ты пытаешься найти в нём оружие массового поражения, а его там нет.

Meanwhile хвала Аллаху Антропики победили нехватку gpu (нет). Еще и половина чата пропала 🤬

Пока там форбс составляет список будущих уголовников, я решил потыкать новую дипсику. Стабильно врет мне, что поправил артефакты. Чую я, что это следы дистила на больших американских братьях, у которых есть среда исполнения под капотом и которые могут отчитываться об успешной работе, а дипсик просто научился этой повадке, что что-то сделал, если в него пихается документ.

Из предыдущего поста можно сделать неверный вывод: хорошая стратегия — это что-то высеченное в камне. Курс задан, сомнений быть не должно, бегим. Это тоже ошибка и не менее опасная. Стратегия может меняться и адаптироваться. Должна. Более того, если появляются серьёзные основания считать, что диагноз неверен или ядро собрано плохо, менять её нужно быстро. Agile возник не на пустом месте. За последние три года LLM снесли половину исходных допущений в продуктах, построенных вокруг генерации контента и текстовых интерфейсов. Рамки, сформулированные до релиза ChatGPT, часто просто не описывают рынок после него. Бояться такой пересборки — значит держаться не за реальность, а за документ или подпорки разума. Вопрос не в том, должна ли стратегия меняться. Вопрос в том, откуда берётся импульс к этим изменениям. Если стратегия ломается при первом столкновении с реальностью, это не повод гордиться гибкостью, а сигнал, что на этапе диагностики вы что-то пропустили или поняли недостаточно глубоко. Исправление здесь не в том, чтобы чаще пересматривать курс, а в том, чтобы вернуться к диагнозу и честно ответить на вопрос: где именно мы ошиблись. Недавно видел команду, которая больше года не трогала свой план. На вопрос «почему» отвечали: «у нас всё идёт по плану». По факту это была не стратегия, а окаменелость. Метрики уже полгода расходились с прогнозом, а это списывали на «флуктуации рынка». Что действительно должно постоянно меняться, так это гипотезы. На то они и гипотезы: предположения, которые требуют проверки. Какие сегменты реально готовы платить, через какие каналы продукт находит пользователя, какие механики действительно влияют на удержание. Если здесь долго нет правок, это уже симптом: команда не проверяет ставки, а просто исполняет когда-то принятое решение. Отсюда и главная задача продакта. Не написание PRD, не приоритизация и даже не сама стратегия. Главная задача — строить петли обратной связи. Делать их короче, быстрее и с большей пропускной способностью. Из пользователей, из рынка, из команды, из данных. Без этих петель любая стратегия начинает жить в вакууме и неизбежно расходится с реальностью. И сигналы из этих петель говорят о разном. Частые небольшие корректировки гипотез — признак здоровой работы стратегии. Повторяющаяся фундаментальная пересборка — красный флаг на диагноз. А полная тишина и отсутствие правок обычно означают, что петли обратной связи нет вообще и вы управляете вслепую. Разница между гибкой стратегией и плохой — не в частоте правок, а в том, что именно эти правки говорят о самой стратегии.

Последние полгода много консалчу разных продактов по стратегии. Базовые ошибки известны: слабый диагноз, отсутствие ядра стратегии — ключевого вызова и guiding policy, подмена стратегии списком метрик и OKR. Про это написано везде, от Румельта до Портера. Можно просто ткнуть пальцем в книжку и сказать: читай. Но есть одна тема, которая повторяется у 9 из 10 и вызывает самый сильный диссонанс — изменчивость стратегии. В индустрии культ гибкости уже стал религией: меняй, адаптируй, пивоть, переписывай. Из этого постепенно собирается опасная идея: стратегия — это что-то текучее, что должно меняться под каждый новый квартал или даже спринт, новую вводную, письмо от руководства или «стратсессию» в кальянной. А если документ давно не переписывали, значит он уже устарел. Это ошибка. Стратегия, которую приходится постоянно менять, — не гибкая, а просто плохая стратегия. Если ядро собрано правильно — диагноз, guiding policy и coherent actions, — оно не рассыпается при первом столкновении с реальностью. Если рассыпается, проблема не в недостатке гибкости. Проблема в том, что исходные предпосылки были неверны: вы не увидели что-то важное в диагнозе, неправильно локализовали узкое место или выбрали принцип преодоления, который не работает против реальной динамики рынка. Что в хорошей стратегии действительно должно меняться — так это гипотезы и ставки внутри guiding policy. Какие сегменты брать, в каком порядке, через какие каналы, с какими продуктовыми ставками. Это уже тактический слой, и он обязан итерироваться по мере появления данных. Но если у вас раз в квартал меняется сам диагноз, то это не стратегия. Это календарь хороших намерений.

Полтора года назад вышло нашумевшее эссе в блоге Anu Atluru Working Theorys «Taste Is Eating Silicon Valley». Главная мысль там была такая: в эпоху AI софт стал коммодитизированным, значит новым оружием основателей становится вкус, а Arc и Linear — флагманы этой новой эпохи. Это был, по сути, ответ сквозь изменившуюся эпоху на эссе 2011 года Марка Андриссена «Software was eating the world». Понятно, почему этот текст так резонировал: мне самому хочется жить в мире, где красиво сделанный продукт побеждает некрасивый, а деньги в итоге перетекают в UX. Однако реальность устроена иначе. Вкус — не moat. Эту рамку я уже разбирал в тексте про фундаментальные силы роста и защиты: если смотреть на moats через 7 Powers, сил 7, но по NFX долгосрочную защиту дают только четыре: scale economies, network effects, switching costs и brand. Вкус в этот набор не входит. Ближе всего он к Cornered Resources: уникальной способности конкретной команды делать красивый продукт. Это реальная сила, но она обычно подпитывает УТП только на старте, а потом размывается. Люди уходят, подходы перенимаются, эстетика превращается в отраслевой стандарт. То же самое происходит и с Process Power: процессы копируются. Даже такие уникальные системы, как у Toyota или Pixar, в итоге научились воспроизводить. Process Power это скорее способ защищать уже созданное доминирование. Лендинги Linear срисовали все, UI Arc повторили в других браузерах. По сути, Atluru смешала value added и moat — то есть конкуренцию через дифференциацию по Портеру и барьер для входа. Полтора года спустя у нас уже есть неплохой тест этой гипотезы. Arc в мае 2025 ушёл в режим поддержки, а Josh Miller сам написал про «novelty tax». The Browser Company купил Atlassian за $610M. Claude, канонический tastemaker по версии самой Atluru, держит только 2–4% потребительского рынка. При этом среди компаний, которые впервые выбирают AI-решение, Claude выигрывает около 70% прямых сравнений. Это важное различие: в B2B покупатель делает более рациональный выбор, считает окупаемость, и вкус там конвертируется через качество продукта и зарождающийся Brand Power. В потребительском сегменте, где решает то, что уже под рукой, и каналы дистрибуции, этого уже недостаточно. Доля ChatGPT на рынке упала с 87% до 68% (правда, справедливости ради, не за счет собственного падения, а за счет роста рынка). Его начали отъедать две мощные дистрибуционные машины, и обе опираются на вполне классические силы из тех же 7 Powers. Gemini через Android, Chrome и дефолт в Workspace, то есть через Cornered Resources в виде эксклюзивных каналов. Meta AI через WhatsApp и Instagram, то есть через эксплуатацию их network effects. Суммарно это даёт доступ почти к миллиарду пользователей. Andrew Chen в последний год пишет примерно о том же, но с обратной стороны. В «Revenge of the GPT Wrappers»: если AI-модели коммодитизировались, в игру возвращаются классические moats, только цикл сжат до 2–3 лет. В «Growth Maze vs Idea Maze»: в поздней фазе S-кривой лучшая идея без канала проигрывает средней идее с каналом. В «End of the 1 billion active user»: эпоха лёгкого потребительского роста закончилась — мобильная реклама подорожала, виральность ослабла, SEO и PR хуже переносятся в мобильный мир. Плюс экономика: потребительский AI зажат между ARPU в $2–5 и инференсом в $20–50. Без встроенной дистрибуции массовый рынок не собрать. Chen добавляет то, что Atluru пропустила: в AI-эпоху дистрибуция стала не проще, а сложнее и дороже. Чем легче навайбкодить продукт за выходные, тем жёстче конкуренция за каналы, которые нельзя скопировать так же быстро. Рабочая формула для меня сейчас такая: taste is table stakes, distribution is the moat. Вкус — это не защита, а уже гигиенический минимум. Пол, а не потолок. Без него тебя выбросят с рынка быстрее, чем раньше, но потолок по-прежнему строится из долгосрочных рвов: network effects, scale economies, switching costs и brand. AI не отменил эти правила, а просто ускорил таймер и резко поднял цену дистрибуции.

In one of my previous posts, I discussed congestion in the job market caused by the surge of AI tools that scrape job descriptions and auto-apply to jobs. Since that post, another problem has emerged: progress in the capabilities of coding agents has caused a sharp rise in vibe-coded pull requests in open source repositories on GitHub. This problem can also be framed as a matching market congestion problem. I became familiar with the problem while working in a services marketplace and solving matching-market-related problems there. That gave me direct practical experience with the typical issues. In this post, I want to share that experience and knowledge. I explore the services marketplace, a dating platform, job search, and open source contribution through the lens of matching market design and identify a common pattern: lowering search and application costs leads to more applications, resulting in less effective matching due to reviewer overload. I argue that just automating application screening and review with AI doesn't fully resolve the problem. In some cases, it makes it even worse by creating a self-reinforcing feedback loop: more applications → more automated filtering → even more applications. AI automation tools lack private information about applicant fit and intent. As an alternative, I propose to redesign incentives so applicants bear more of the cost of low-value submissions and use their private knowledge to apply more carefully. The proposed solution is a reputation-credit-based system for GitHub-like platforms: non-transferable reputation credits are earned through valuable contributions and debited through low-quality pull requests and issues. Read more → I also submitted it to Hacker News: https://news.ycombinator.com/item?id=47823902 If you have critical comments, I would be happy to answer them there.

На этом фоне Muse Spark от Meta выглядит почти контрпримером ко всей конструкции. Это первая модель новой лаборатории Meta Superintelligence Labs: мультимодальная, с рассуждением, не SOTA, но вполне конкурентоспособная. И именно поэтому позиция Meta здесь особенно интересна. У Meta нет облачного и корпоративного бизнеса. Вообще. Microsoft выбирает между Azure и Copilot. Amazon делит мощности между AWS и собственными сервисами. Anthropic и OpenAI балансируют между потребительским и корпоративным рынком. А Meta выбирать не нужно: все мощности можно направлять на потребителей, без внутреннего конфликта за ресурсы. Плюс у неё уже есть встроенная рекламная модель монетизации. У OpenAI ситуация обратная. ChatGPT с сотнями миллионов пользователей парадоксальным образом начинает превращаться в обузу: вычисления, которые съедает потребительский трафик, можно было бы отдать корпоративным клиентам, платящим на порядок больше. У ChatGPT в теории могла бы быть рекламная модель — OpenAI прогнозирует $102 млрд рекламной выручки к 2030 году, — но пока её нет. Значит, потребительская база остаётся чистыми альтернативными издержками. И соблазн перекидывать ресурсы в агентские задачи для корпоративного сегмента будет только расти. Отсюда вывод Томпсона: Meta должна открыть Muse — так же, как когда-то открыла Llama. Сильная открытая модель бьёт сразу по Anthropic и OpenAI: снижает их способность диктовать цены, усиливает конкуренцию за мощности и расчищает потребительский рынок для Meta, у которой нет конфликта интересов. Aggregation Theory не умерла — но её зона применимости сузилась. На потребительском рынке она по-прежнему работает: дистрибуция и транзакционные издержки в ИИ близки к нулю, и лучший продукт продолжает собирать больше всего пользователей. А вот на корпоративном рынке эта теория никогда толком и не действовала. Там Anthropic и OpenAI будут подниматься вверх по стеку и конкурировать уже не друг с другом, а напрямую с софтверными вендорами. Это, кстати, ещё один аргумент против широкого релиза передовых моделей: зачем усиливать чужие продукты, если можно самому занять их место. В итоге главный спор сводится к простому вопросу: что важнее — владение спросом или владение предложением? OpenAI говорила инвесторам, что её преимущество перед Anthropic — именно в предложении: компания раньше и агрессивнее вложилась в мощности. Томпсон ставит на спрос. Логика у него такая: дистрибуция и транзакционные издержки в ИИ по-прежнему близки к нулю, то есть базовые условия для агрегаторов сохраняются. Лучший продукт собирает пользователей, пользователи приносят деньги, деньги позволяют покупать мощности — в том числе у тех, у кого они уже есть. Сделка Anthropic по TPU — хорошая иллюстрация: это не Anthropic догоняет Google по вычислениям, а Anthropic буквально выкупает предложение у Google, потому что спрос на Claude позволяет платить больше за те же чипы. Да, мощности стали дороже, но если у тебя достаточно сильный входящий поток выручки, это не ломает модель, а лишь повышает цену лидерства. Тут я бы добавил оговорку. Томпсон прав, что спрос в итоге важнее предложения, но это двусторонний рынок, и он всегда про баланс. Спрос, который нельзя утолить, не накапливается — он уходит к конкурентам. Когда Uber не может подать машину, ты вызываешь Lyft. Если Anthropic раз за разом не может обслужить клиента на нужном уровне, этот клиент пойдёт в OpenAI. Владеть спросом можно только до тех пор, пока у тебя хватает саплая его удержать. Дефицит мощностей реален, но, по Томпсону, он временный. Когда ИИ станет «достаточно хорошим» для большинства задач, себестоимость запроса снова начнёт стремиться к нулю. Просто этот момент сейчас кажется дальше, чем когда-либо.

Очередной разбор свежей статьи Бена Томпсона «Mythos, Muse, and the Opportunity Cost of Compute». Как автор Aggregation Theory, Томпсон объяснял доминирование Google, Facebook, Amazon и Uber в 2010-х одним базовым принципом: когда обслуживание ещё одного пользователя стоит почти ноль, выигрывает тот, кто собирает максимальный спрос. Нулевая себестоимость дополнительного показа рекламы, поискового запроса или поездки в приложении была фундаментом всего интернет-бизнеса. В январе 2025 года Даг О'Лафлин из Fabricated Knowledge заявил, что ИИ эту модель сломал. Каждый запрос к нейросети стоит денег: вычисления, электричество, амортизация GPU. Бесплатно раздавать сервис миллиардам пользователей больше нельзя. Значит, эпоха агрегаторов закончилась. Томпсон с этим не согласен. Да, чипы дорогие, но электричество занимает небольшую долю в их стоимости, а сами чипы скорее постоянные косты, как завод: ты платишь за них вне зависимости от того, сколько запросов обработал. Если у тебя уже стоят GPU, ты не решаешь, обрабатывать ли ещё один запрос. Они всё равно должны быть загружены. Вопрос только в том, чем именно. И вот это «чем» — ключевая мысль всей статьи. Проблема не в себестоимости одного запроса. Проблема в том, что мощности, отданные под одну задачу, уже нельзя использовать для другой. То есть ключевой фактор — не себестоимость запроса, а альтернативные издержки. Именно они и определяют стратегию игроков. Почему вообще возник дефицит мощностей? Из-за агентов. Ризонинг модели тратят больше токенов, чем обычные, а агенты ещё на порядок больше, потому что работают непрерывно без человека в петле. Это и есть двигатель взрывного роста Anthropic, OpenAI Codex и разворота OpenAI в сторону корпоративных клиентов. Хороший пример того, как работают альтернативные издержки, — Microsoft. В прошлом квартале компания не дотянула до ожиданий по росту Azure, но не потому, что не было спроса. Он был. Просто Microsoft сознательно перераспределила часть GPU в пользу собственных продуктов: M365 Copilot, GitHub Copilot и внутренних исследований. CFO прямо сказала на инвест коле: если бы все GPU ушли внешним клиентам Azure, рост был бы выше 40%, но свои продукты приносят больше маржи на единицу вычислений. Дальше Томпсон применяет эту логику к двум моделям, анонсированным на прошлой неделе. Первая — Mythos от Anthropic. Компания ограничила к ней доступ. Формально — из соображений безопасности: модель якобы нашла тысячи критических уязвимостей в каждой крупной ОС и браузере. Томпсон относится к такой подаче скептически, называет это маркетингом через «катастрофу» и сравнивает с мальчиком, который кричал «волк». Но тут же оговаривается: в той притче волк в итоге действительно пришёл. Если эта модель ещё не представляет серьёзной угрозы, то следующая, вероятно, уже будет. Но за этим стоит и экономика. Anthropic и без того не хватает мощностей для текущих моделей: в сети уже месяц идёт волна жалоб на деградацию качества клода. Дать Mythos подписчикам по фиксированной цене — значит отобрать ресурсы у корпоративных клиентов, которые платят за каждый запрос. Есть и вторая причина: защита от копирования. Anthropic публично обвинила китайские лабы в дистилляции Claude. Чем сложнее доступ к лучшей модели, тем сложнее конкурентам её воспроизвести — и тем ниже конкуренция за те же вычислительные мощности.

У OpenAI ситуация обратная. ChatGPT с сотнями миллионов пользователей парадоксальным образом начинает превращаться в обузу: вычисления, которые съедает потребительский трафик, можно было бы отдать корпоративным клиентам, платящим на порядок больше. У ChatGPT в теории могла бы быть рекламная модель — OpenAI прогнозирует $102 млрд рекламной выручки к 2030 году, — но пока её нет. Значит, потребительская база остаётся чистыми альтернативными издержками. И соблазн перекидывать ресурсы в агентские задачи для корпоративного сегмента будет только расти. Отсюда вывод Томпсона: Meta должна открыть Muse — так же, как когда-то открыла Llama. Сильная открытая модель бьёт сразу по Anthropic и OpenAI: снижает их способность диктовать цены, усиливает конкуренцию за мощности и расчищает потребительский рынок для Meta, у которой нет конфликта интересов. Финал статьи особенно сильный. Aggregation Theory не умерла — но её зона применимости сузилась. На потребительском рынке она по-прежнему работает: дистрибуция и транзакционные издержки в ИИ близки к нулю, и лучший продукт продолжает собирать больше всего пользователей. А вот на корпоративном рынке эта теория никогда толком и не действовала. Там Anthropic и OpenAI будут подниматься вверх по стеку и конкурировать уже не друг с другом, а напрямую с софтверными вендорами. Это, кстати, ещё один аргумент против широкого релиза передовых моделей: зачем усиливать чужие продукты, если можно самому занять их место. В итоге главный спор сводится к простому вопросу: что важнее — владение спросом или владение предложением? OpenAI говорила инвесторам, что её преимущество перед Anthropic — именно в предложении: компания раньше и агрессивнее вложилась в мощности. Томпсон ставит на спрос. Логика у него такая: дистрибуция и транзакционные издержки в ИИ по-прежнему близки к нулю, то есть базовые условия для агрегаторов сохраняются. Лучший продукт собирает пользователей, пользователи приносят деньги, деньги позволяют покупать мощности — в том числе у тех, у кого они уже есть. Сделка Anthropic по TPU — хорошая иллюстрация: это не Anthropic догоняет Google по вычислениям, а Anthropic буквально выкупает предложение у Google, потому что спрос на Claude позволяет платить больше за те же чипы. Да, мощности стали дороже, но если у тебя достаточно сильный входящий поток выручки, это не ломает модель, а лишь повышает цену лидерства. Дефицит мощностей реален, но, по Томпсону, он временный. Когда ИИ станет «достаточно хорошим» для большинства задач, себестоимость запроса снова начнёт стремиться к нулю. Просто этот момент сейчас кажется дальше, чем когда-либо.

Очередной разбор свежей статьи Бена Томпсона «Mythos, Muse, and the Opportunity Cost of Compute». Как автор Aggregation Theory, Томпсон объяснял доминирование Google, Facebook, Amazon и Uber в 2010-х одним базовым принципом: когда обслуживание ещё одного пользователя стоит почти ноль, выигрывает тот, кто собирает максимальный спрос. Нулевая себестоимость дополнительного показа рекламы, поискового запроса или поездки в приложении была фундаментом всего интернет-бизнеса. В январе 2025 года Даг О'Лафлин из Fabricated Knowledge заявил, что ИИ эту модель сломал. Каждый запрос к нейросети стоит денег: вычисления, электричество, амортизация GPU. Бесплатно раздавать сервис миллиардам пользователей больше нельзя. Значит, эпоха агрегаторов закончилась. Томпсон с этим не согласен. Да, чипы дорогие, но электричество занимает небольшую долю в их стоимости, а сами чипы скорее постоянные косты, как завод: ты платишь за них вне зависимости от того, сколько запросов обработал. Если у тебя уже стоят GPU, ты не решаешь, обрабатывать ли ещё один запрос. Они всё равно должны быть загружены. Вопрос только в том, чем именно. И вот это «чем» — ключевая мысль всей статьи. Проблема не в себестоимости одного запроса. Проблема в том, что мощности, отданные под одну задачу, уже нельзя использовать для другой. То есть ключевой фактор — не себестоимость запроса, а альтернативные издержки. Именно они и определяют стратегию игроков. Почему вообще возник дефицит мощностей? Из-за агентов. Ризонинг-модели тратят больше токенов, чем обычные, а агенты ещё на порядок больше, потому что работают непрерывно без человека в петле. Это и есть двигатель взрывного роста Anthropic, OpenAI Codex и разворота OpenAI в сторону корпоративных клиентов. Хороший пример того, как работают альтернативные издержки, — Microsoft. В прошлом квартале компания не дотянула до ожиданий по росту Azure, но не потому, что не было спроса. Он был. Просто Microsoft сознательно перераспределила часть GPU в пользу собственных продуктов: M365 Copilot, GitHub Copilot и внутренних исследований. CFO прямо сказала на инвест колле: если бы все GPU ушли внешним клиентам Azure, рост был бы выше 40%, но свои продукты приносят больше маржи на единицу вычислений. Дальше Томпсон применяет эту логику к двум моделям, анонсированным на прошлой неделе. Первая — Mythos от Anthropic. Компания ограничила к ней доступ. Формально — из соображений безопасности: модель якобы нашла тысячи критических уязвимостей в каждой крупной ОС и браузере. Томпсон относится к такой подаче скептически, называет это маркетингом через «катастрофу» и сравнивает с мальчиком, который кричал «волк». Но тут же оговаривается: в той притче волк в итоге действительно пришёл. Если эта модель ещё не представляет серьёзной угрозы, то следующая, вероятно, уже будет. Но за этим стоит и экономика. Anthropic и без того не хватает мощностей для текущих моделей: в сети уже месяц идёт волна жалоб на деградацию качества клода. Дать Mythos подписчикам по фиксированной цене — значит отобрать ресурсы у корпоративных клиентов, которые платят за каждый запрос. Есть и вторая причина: защита от копирования. Anthropic публично обвинила китайские лабы в дистилляции Claude. Чем сложнее доступ к лучшей модели, тем сложнее конкурентам её воспроизвести — и тем ниже конкуренция за те же вычислительные мощности. На этом фоне Muse Spark от Meta выглядит почти контрпримером ко всей конструкции. Это первая модель новой лаборатории Meta Superintelligence Labs: мультимодальная, с рассуждением, не SOTA, но вполне конкурентоспособная. И именно поэтому позиция Meta здесь особенно интересна. У Meta нет облачного и корпоративного бизнеса. Вообще. Microsoft выбирает между Azure и Copilot. Amazon делит мощности между AWS и собственными сервисами. Anthropic и OpenAI балансируют между потребительским и корпоративным рынком. А Meta выбирать не нужно: все мощности можно направлять на потребителей, без внутреннего конфликта за ресурсы. Плюс у неё уже есть встроенная рекламная модель монетизации.