Anastasia.ai – Tech Entrepreneur in🇨🇭

Open in Telegram

Предприниматель в Швейцарии. Пишу про AI product management, предпринимательство в самой инновационной стране Европы, саморазвитие и женскую карьеру в тех сфере. Делюсь мыслями, книгами и своим путём. 📍Цюрих Контакт: @nastjarc

Germany3 100 Business27 699

2 793

Subscribers

No data24 hours

-107 days

-1830 days

No data

Post views

No data24 hours

No data48 hours

No data

Engagement rate

No data

Posts per day

Ads index

beta

Data loading in progress...

Similar Channels

No data

Any problems? Please refresh the page or contact our support manager.

Tags Cloud

No data

Any problems? Please refresh the page or contact our support manager.

Incoming and Outgoing Mentions

---

Attracting Subscribers

October '25

in 0 channels

September '25

+35

in 0 channels

Get PRO

August '25

+38

in 0 channels

Get PRO

July '25

+468

in 2 channels

Get PRO

June '25

+21

in 0 channels

Get PRO

May '25

+60

in 2 channels

Get PRO

April '25

+593

in 6 channels

Get PRO

March '25

+27

in 0 channels

Get PRO

February '25

+348

in 7 channels

Get PRO

January '25

+70

in 0 channels

Get PRO

December '24

+155

in 3 channels

Get PRO

November '24

+310

in 5 channels

Get PRO

October '24

+41

in 0 channels

Get PRO

September '24

+91

in 2 channels

Get PRO

August '24

+529

in 1 channels

Get PRO

July '24

+560

in 5 channels

Date	Subscriber Growth	Mentions	Channels
06 October	+1
05 October	0
04 October	0
03 October	0
02 October	+2
01 October	0

Channel Posts

Про AI, который хочет быть ближе Пока в Y-комбинаторе каждый второй стартап строит либо какого-то агента, либо очередной «Cursor для X», новый типаж AI продуктов стремительно набирает юзеров: AI компаньоны. Мы часто думаем в первую очередь особенно о продуктивности, ну либо о развлечениях как главных ключевых факторов, которые двигают тех инновации. Но незаметно ещё совсем другой фактор все больше и больше влияет на развитие AI продуктов, и это эмоциональная потребность. ⚡️Нынешние поколения считаются самыми одинокими в истории. По данным Forbes, 73 % представителей Gen Z жалуются, что испытывают одиночество «иногда или всегда». Не смотря на постоянную связь через соцсети, люди всё реже чувствуют настоящую близость и поддержку. И сейчас мы с вами живем в уникальное время - где мы в прямом смысле переизобретаем как мы создаем связи друг с другом. Вы помните фильмы как „Her“ («Она») или сцены из „Blade Runner“? Может смотрели эпизоды из «Черного Зеркала», где умерших людей в каком-то смысле «возвращали» с помощью ИИ? Помните когда это считалось фантастикой? Ну что, добро пожаловать в будущее! Тема вызывает много дискуссий и мнения не редко расходятся. Но смотря на цифры и метрики видно однозначно: пользователи хотят этот продукт. У компаньонов как Character AI ~20 миллионов активных пользователей и каждый из них в среднем проводит примерно 1.5 часа в день активно общаясь со своим AI компаньоном. И фидбэк часто, что как раз AI компаньоны поддерживали пользователей в самые одинокие моменты. ARK Investment опубликовал анализ, где сравнивают рост популярности соцсетей, онлайн игр и AI компаньонов – и AI компаньоны показывают экспоненциальный рост! За первые 6 лет эти платформы привлекали пользователей на ~150% быстрее, чем соцсети и онлайн-игры в свои первые годы! И если глянуть на анализ a16z, венчурного фонда с активами в $45 миллиардов, также видим, что ~22% из топ 50 GenAI web продуктов (по количеству уникальных юзеров в месяц) как раз в категории компаньонов. Короче: тренд понятен! 📌 При этом не все так сладко. Куча рисков: юридические, этические и даже социальные. Как сбалансировать user retention vs. user well-being? Как избегать «социальную атрофию» (то есть, деградацию социальных скиллов)? И конечно как компаниям минимизировать юридическую ответственность? Мать подростка подала в суд на Character AI после трагической смерти своего 16-летнего сына. По её словам, сын вел длительные беседы с чат-ботом, созданным с помощью Character AI, который не только поддерживал депрессивного подростка, но якобы подтолкнул его к самоубийству. Многие забывают, что юридическая ответственность один из самых критических аспектов в ИИ продуктах - как и например в случае с автономным вождением. Также техническая сторона вовсе не тривиальная. Там стоит задача создать эмоционально насыщенный и вовлекающий AI – но в рамках закона. Этот вопрос мы ещё в глубину рассмотрим в отдельном посте. Короче тема AI компаньона на мой взгляд очень интересная! Вы уже пробовали AI компаньонов? Есть у вас фавориты? @ainastia #genaiproducts

2	+1 Делают ли GenAI-тулы людей… тупее? 🧠 >> часть 2 (часть 1 тут) Всё ли так печально? Неужели нам нужно перестать пользоваться GenAI тулами, чтобы не тупеть? Нет, конечно! Во-первых, ради справедливости нужно подчеркнуть, что довольно сложно измерить критическое мышление. Разнообразие результатов лишь косвенный показатель, причём не самый точный. Юзеры, например, вполне могли критически оценить результаты тула, такого как например ChatGPT, и принять решение, что менять нечего — но это останется незаметным. При этом стоит подчеркнуть, что пиковый период для развития критического мышления – это молодость и годы учёбы в университете, так как мы тут сталкиваемся с разными точками зрения, исследуем и самостоятельно решаем проблемы. И что мы видим? В отчете OpenAI этого года про распространение ChatGPT среди студентов 18-24 лет пишут, что группа юзеров этого возраста – одна из самых активных, и что ~30% запросов связаны с обучением. При этом тут, конечно, важно как именно используется тул. Гендиректор OpenAI, Сэм Альтман отметил, что пока представители старших поколений используют ChatGPT в основном как замену поисковой системы, зумеры и миллениалы используют его больше как «жизненного коуча». Но есть ещё и истории из рубрики „wtf“: гречанка разорвала свой 12-летний брак после того, как выпила кофе и попросила ChatGPT расшифровать кофейную гущу, в рамках недавнего вирусного тренда. Языковая модель заявила, что её муж фантазирует о женщине, чьё имя начинается на букву «E», и предупредила, что эта женщина якобы хочет разрушить их семью. Сначала муж подумал, что это шутка — пока ему официально не вручили документы от адвоката его жены. Сейчас его юрист пытается оспорить дело, утверждая, что ИИ-интерпретация кофейной гущи не имеет юридической силы. 🤡 (what a time to be alive…) 📌 Финальные мысли: Сегодня люди боятся потерять работу из-за ИИ, но при этом не редко легко готовы отказаться от одного из своих главных преимуществ перед ним — критического мышления. Это тонкая грань между эволюцией и деградацией. Стоит проклинать технологический прогресс? Нет конечно! Такие исследования как статья от MS & Carnegie Mellon очень важны, так как они помогают нам понять, как можно улучшить продукты на основе ИИ: Как создавать продукты, которые способствуют развитию человеческого творчества, критического мышления, многомерного решения проблем а также эмпатии — но при этом облегчая нам жизнь. Сейчас очень интересное время из точки зрения AI продуктов. Мы выходим за рамки простого использования данных для разных фичей. Если раньше ИИ-функциональность была скорее «за кадром», то теперь пользователи напрямую и осознанно взаимодействуют с ИИ-компонентами продуктов. Мы пока не до конца понимаем, как всё это будет развиваться и какое психологическое или когнитивное воздействие окажут конкретные формы взаимодействия с ИИ в будущем. Но будем следить! При этом уже есть первые улики, как можно строить AI-продукты так, чтобы снижать риск потери критического мышления. Про это скоро! #aiproducts @ainastia	1 261
3	+1 Делают ли GenAI-тулы людей… тупее? 🧠 >> часть 1 Если вы себе этот вопрос пока не задавали (а зря), Microsoft и топовый американский университет Carnegie Mellon уже успели выпустить статью, исследуя этот вопрос. И что вам сказать — вишенка, как оказалось, не самая сладкая. То, что некоторые когнитивные задачи стали менее важными благодаря GenAI-тулам — это факт. Поиск и обработка информации, написание кода — задачи, которые раньше могли занимать уйму времени, теперь решаются за пару промптов. И поэтому соответственно когнитивная нагрузка, связанная с ними, резко упала, так как люди её отдали на аутсорс. (Фильм кстати смотрели? Мне прям зашел, очень интересные импульсы дал!) Статья от Microsoft утверждает, что 72% участников исследования сообщили о снижении усилий на критическое мышление. Это значит, что они фактически занимаются когнитивным аутсорсом. Опа! Давайте вкратце подсмотрим что такое критическое мышление. Согласно Стэнфордской энциклопедии философии, критическое мышление — это способность мыслить рационально и понимать логические связи между идеями, включая в себя анализ, оценку и рассуждение. Мы, люди, в этом особенно хороши (не все, конечно, но тем не менее.)) Почему? Потому что умеем понимать контекст, комбинировать знания и опыт, и думать о последствиях своих решений в будущем. А вот у ИИ с этим пока сложновато. Что мы сейчас видим на практике? Мы видим как результаты работы постепенно сливаются в одну большую серую массу. Этот процесс называется „mechanised convergence“. Пользователи GenAI-тулов создают менее разнообразные результаты по одной и той же задаче, чем те, кто ими не пользуется — и это отражает отсутствие личной, критической оценки. И в свою очередь может интерпретироваться как деградация критического мышления. Всё ли так печально? Неужели нам нужно перестать пользоваться GenAI тулами, чтобы не тупеть? Нет, конечно! 👇 Продолжение в следующий части. #aiproducts @ainastia	1 364
4	+2 Как связан рынок ИИ с Трампом, пошлинами и торговой войной с Китаем - часть 2. ▶️ [первую часть читайте тут] Чем пошлины грозят AI индустрии: Пока Microsoft, Amazon и Google тратят миллиарды на AI, Трамп подкладывает им свинку: Новые пошлины — 145% на Китай, 32% на Тайвань, 25% на Южную Корею. А это как раз те страны, откуда везут чипы, серверы, и прочее железо для дата-центров. Видимо, достаточно людей жаловались, и Трамп поставил все доп пошлины на 90-дневную паузу - для всех, кроме Китая. 🥸 Тарифы Трампа, задуманные как "защита Америки", по факту могут стать шикарным подарком для Китая. Пока США пугают инвесторов, рушат рынки и отталкивают союзников, Китай осматривается вокруг. В ЕС уже звучит: "А давайте может позвоним Китаю". Huawei активно предлагает своё телеком-оборудование на продажу, а в придачу — AI-модели, которые раздают бесплатно. Но не всё так радужно: вместе с китайскими девайсами может прийти и "бонус" — встроенная слежка и цензура. И например ЕС это прекрасно понимает. Китай тоже не остался в долгу перед Америкой — пошлины на американские товары подняли до 125%. Бизнес в США затаился: инвесторы осторожничают, компании тормозят планы, а ходит страх рецессии. Экспорт США в Китай ($150 млрд) может почти исчезнуть, а китайский экспорт в США ($440 млрд) — упасть на 75% за 18 месяцев. Для США это грозит рецессией уже летом, а для Китая — серьёзным ударом по экономике, где экспорт дал половину роста ВВП в 2024. В условиях кризиса недвижимости и долгов, Пекин не может себе позволить ещё один удар. Но затронет это не только их — мир может столкнуться с ростом цен, нестабильностью и новыми вызовами для технологий, AI и бизнеса. ⚡️ Прогнозы, если такие пошлины вступят в силу: — AI-инфра → дороже — Облако → дороже — Цены AI-сервисов для клиентов → выше — Развитие AI в США → замедлится А я напомню: крупнейшие и мощнейшие дата-центры мира находятся именно в США — здесь сконцентрированы мощности Google, Amazon, Microsoft, Meta и Nvidia. Но даже Microsoft уже пересматривает планы по строительству новых дата-центров. Пока новости меняются чуть ли не каждый день. Короче, полный хаос, а рынок такое не любит. Что будет через полгода — непонятно. Да и через шесть дней — тоже. И напоследок — важный факт: Поговорка «Нет ничего более постоянного, чем временное» отлично работает с пошлинами. Пошлины, которые Трамп ввёл в свой первый срок, до сих пор в силе (Байден даже усилил некоторые). А пошлина в 25% на траки VW, введённая в 1964 году в разгар «куриной войны» (тут уже сами погуглите)), действует до сих пор — в 2025 году. Так что, если решение принято — скорее всего, как поётся в немецкой песне: „Gekommen, um zu bleiben“ — «Пришли, чтобы остаться». #анализ #AIрынок @ainastia	3 698
5	+3 Как связан рынок ИИ с Трампом, пошлинами и торговой войной с Китаем - часть 1. Если вы в последние дни хоть краем уха следили за экономикой и листали новости, вы точно слышали что-то про «Трампа, пошлины» и что рынок рухнул. Сегодня поговорим о том, как эта история связана с рынком ИИ и чего стоит ожидать. 📌 TL;DR: 2 апреля Трамп объявил о новом пакете пошлин — как части стратегии по изменению мировых торговых правил. После протестов со стороны BigTech пошлины на техпродукты, такие как смартфоны и чипы, временно отложили. Но Трамп подчеркнул, что это лишь пауза — исключений не будет. Что это значит для ИИ: — Серверы и AI-сервисы могут подорожать — Нехватка серверов для обучения моделей никуда не денется — Рынок станет ещё более волатильным, особенно акции техкомпаний 📥📥📥 Давайте копнем поглубже и начнем с базы: что такое пошлины и как они работают? Пошлины — это допналоги, которые государство взимает с импортных товаров. Кто платит? Сначала импортёры ещё в порту платят денежку государству, а потом перекладывают расходы уже на потребителя - не особо всё-таки хочется уменьшать свои маржи. В теории пошлины защищают локальных производителей: импорт становится дороже, и люди чаще покупают местные товары. Логично, звучит даже неплохо. Но на практике всё часто наоборот: из-за снижения конкуренции растут и цены на местные товары. Пошлины подталкивают инфляцию, душат бизнес и могут усугубить экономический кризис — сокращая торговлю и увеличивая издержки. Что произошло на рынке: Фондовый рынок США упал на 9% всего за два дня после первых новостей о пошлинах и ответных мерах. Apple, Microsoft, Amazon, Alphabet, Meta, Nvidia и Tesla — та самая «Великолепная семёрка» — потеряли более $1 трлн на Уолл-стрит всего за день. Особенно больно это потенциально бьёт по Apple, учитывая её огромную зависимость от производства в Китае. Айфон так может подорожать в 2–3 раза. Если пошлины такие вредные, зачем Трамп за них топит? Вопрос по делу. Большинство экономистов уже трубят тревогу как перед Армагеддоном. Ларри Саммерс, бывший министр финансов, назвал пошлинную политику «худшей экономической ошибкой со времён Второй мировой». Тогда, увы, нахрена это всё? Если вкратце, цель Трампа: — вернуть рабочие места в промышленности, — сократить зависимость от Китая, особенно в сфере чипов и полупроводников. Пошлины — это попытка остановить рост Китая и его (цитата) «нечестные торговые трюки»: демпинг, кража технологий, принудительные трансферы. Китай за 20 лет стал главным экспортером мира, и США решили – хватит. Пошлины должны защитить американские заводы, сократить зависимость от Китая и вернуть контроль над мировой торговлей. Отсрочка пошлин на тех продукты, как подчеркивает Трамп, всего лишь отсрочка. Трамп требует развивать промышленность, включая робототехнику и физический ИИ. А вот тут США пока отстают по всем направлениям: энергия, ресурсы, экспертиза, строительство заводов, само производство. Короче, план — to bring it home, но сказать, что это непросто — ничего не сказать. Фабрики – это до хрена времени и до хрена денег. Завод Apple в Китае в 2010 стоил $1,5 млрд. Сейчас — в два-три раза дороже. А автоматизация ещё и добавляет затрат. А теперь вернёмся к ИИ… Продолжение в следующем посте… ▶️ #анализ #AIрынок @ainastia	2 974
6	🎵 Wind of Change - как меняется рынок технарей Благодаря ИИ, строить IT-продукты, особенно прототипы, становится всё дешевле и быстрее. (Короткий обзор на несколько подобных помощников я делала тут.) Соответственно, такие изменения влияют и на рынок труда технарей. Уже сейчас видно по данным, например, из LinkedIn, что особенно быстро растёт спрос не на тех, кто только пишет код, а на тех, кто ещё и дополнительно знает, что изначально стоит строить. Всё больше инженерных ролей превращаются в продуктовые — либо напрямую ищут AI-продактов с техническим бэкграундом, либо technical IC’s с продуктовыми навыками. Ну и в целом рынок на данный момент больше всего ищет именно таких специалистов. Давайте посмотрим, как пример, на рынок США: если отфильтровать среди вакансий в сфере данных высокооплачиваемые (з/п > $200K) и проанализировать требования, то мы видим, что продуктовые навыки встречаются особенно часто. Просто “переобуться” (как я сейчас часто вижу попытки на LinkedIn) не получится. Обычным продактам требуются знания и опыт в ИИ — которых у них часто нет, и никакой двухнедельный bootcamp вам не даст тот фундамент, который реально нужен. (Sry to burst your bubble.🫧 ) А инженеры без продуктовых знаний не в состоянии понимать, что реально стоит строить, чтобы была отдача для компании. Как я зашла в AI PM? Я с 2017 года работаю именно в этой общей сфере между AI и продуктом, получила степень магистра и в Computer Science, и в Industrial Engineering & Management в топовом техническом университете в Германии, 5+ лет работала как Data Scientist / ML Eng, участвовала в проектах, таких как, например, 8-месячный оффлайн курс „Design Thinking“ в Стэнфорде или „Digital Shapers“ конкурс от McKinsey, где получила приз „Best Data Scientist“. Теперь уже 1.5+ года веду свою консалтинговую фирму в Швейцарии, где помогаю компаниям и стартапам запускать и проходить AI-трансформацию и строить Data Products, которые реально приносят отдачу. Существует ли только один путь в AI PM? Конечно, нет. Я — максимальный верю в то, что человек всему может научиться самостоятельно и без степени, особенно в наше время, когда есть YouTube и море всяких образовательных платформ. Но тут необходимо следующее: развивать глубокие знания в AI, фундаментальные знания инфраструктуры, баз данных и т.д., обзорные знания в продукте (как в бизнесе, так и в user-centric design и прочем), базовый software engineering, а также hands-on experience писать код. Если хочется с чего-то начать, то вот тут я писала про список книг, которые рекомендовала бы начинающим AI-продактам. В целом растущий спрос на AI технарей с продуктовыми знаниями меня не удивляет, так как слишком долго AI проекты продвигались без отдачи для бизнеса. Ну, а мы будем дальше следить за трендами рынка! До скорого! #aipm #jobs #markettrends @ainastia	2 595
7	+6 Про Париж, Гугл, Gemma 3 и подарки Всем привет! Я вчера вернулась в Цюрих из Парижа, где была на invite-only ивенте Гугла в честь релиза Gemma 3 — семьи open-source моделей Гугла, которые можно файнтюнить для своих AI-продуктов. График был плотный: с 10 утра до половины пятого вечера было куча мини-докладов и демонстраций. Выступали в основном ML-инженеры, рисерч сайнтисты и продакт менеджеры Гугла, которые часами хвалили новую модель. Очень интересно было услышать новые фишки и достижения, но мне немного не хватало критической дискуссии. Я, конечно, всё понимаю: это ивент в честь запуска, маркетинг и так далее, — но для меня такое часто слегка ощущается как пародия на американский телевизионный магазин QVC, где мне пытаются продать хай-тек мясорубку. При этом Gemma 3 нечего стесняться: теперь она поддерживает мультимодальность (до этого Gemma была чисто языковой моделью), длина контекста увеличилась с 8K до 128K (ну, не хило), а также теперь поддерживает 140+ языков. Кроме того, для работы 27B модели в bf16 понадобится всего одна GPU. В целом, очень круто, и мне уже не терпится самой поиграть и протестировать! Кроме ребят из Гугла выступали ещё Head of Transformers и Principal Research Scientist из Hugging Face 🤗, фаундеры Ollama и очень прикольный Dev Advocate из Nvidia. Кто не знает Ollama: Ollama позволяет запускать большие языковые модели прямо на вашем устройстве — без облака, без лишних рисков для приватности и с доступом даже офлайн. Это быстрее, безопаснее и не зависит от серверов. С Nvidia, кстати, был связан подарок. Нам подарили Jetson Orin Nano Developer Kit стоимостью около $850. NVIDIA Jetson Orin Nano Developer Kit – это мощная и компактная платформа для создания AI-устройств. В основе – модуль Jetson Orin Nano с графическим процессором NVIDIA Ampere, который оснащён 1024 CUDA-ядер и 32 тензорными ядрами. Он обеспечивает до 67 TOPS (триллионов операций в секунду), что позволяет запускать большие нейросети и AI-приложения. Идеально для пет-проектов с робототехникой, автономных дронов и edge-компьютинга! Тут Гугл, конечно, немного просчитался: сначала обещали, что всем подарят по одному девайсу (зал не мог нахлопаться). К концу уже сказали: «Сорян, на самом деле на всех не хватает, поэтому, пожалуйста, заполните фидбэк-форму и идите к выходу за вашим подарком — first come, first serve.» Конечно, все тупо пролистали фидбэк, не читая вопросы, и помчались за Джетсоном, как за буханкой хлеба в 90-е. Давка, взволнованные люди, которые пытаются втиснуться, проходящие коллеги из Гугла, которые по-французски вздыхали: «Я же говорила, что так будет!» — всё, как мы любим (нет). Что сказать? В итоге мне достался Джетсон ( \=D/ ), и я спокойно пошла ужинать в узбекский ресторан! Кому интересно также попадать на такие мероприятия: следите онлайн на сайтах и в LinkedIn за компаниями, которые вас интересуют, и подпишитесь на релевантные рассылки. На Gemma Dev Day надо было подавать заявку с информацией о себе, а Гугл сам уже решал, кого хочет пригласить на ивент. В ближайшее время напишу пост про конференции и ивенты, на которые я собираюсь в этом году, а также про те, которые проходят в Европе с фокусом на AI & Data Products. До скорой встречи! #aievents @ainastia	1 797
8	Про Швейцарию и AI 🇨🇭🦾 - часть 2 В Цюрихе давно уже есть офисы БигТеха такие как Гугл, Мета, Nvidia и прочие - но не давно присоединились ещё Anthropic, OpenAI и TikTok. Стоит конечно ещё упомянуть сильные рисерч лабы в академии связанные с ETH, университетом в Цюрихе, который стабильно в топ-10 мировых универов. Ну и стартапов тут в последние время не мало, таких как например Yokoy (raised $ 107M), Cradle ($ 100M) или Lakera ($ 30M). Что также стоит не забывать: Швейцария – это не ЕС! (Кто не в курсе, напоминаю: Шенген != ЕС) Fun fact: в истории Швейцарии никогда не было выше явки на голосовании, как на том, где спрашивали хотят ли Швейцарцы в ЕС или нет. 78% сказали: Нет! Когда речь о ЕС, AI и регуляциях, хочется сразу слегка грустно вздохнуть. Ну печально же, когда регуляции настолько зажимают рисерч и прогресс, что многие стартапы либо сразу уезжают строить свою палатку в Штатах, либо у продукта сильно ограничивают набор фичей. Посмотрите только на iPhone - нам тут уже какой год не понятно, что меняется - в том числе потому что многие AI фичи недоступны в Европе. Регулирование в Европе, не только в сфере AI, давно вызывает вопросы. Не буду тут разводить тираду (это могло бы затянуться), но избыточное регулирование со стороны неизбранных представителей было одной из главных причин, почему я хотела переехать из Германии в Швейцарию. Недавно появившийся EU AI Act ставит жёсткие барьеры для стартапов и затрудняет инновации. Особенно это бьёт по малым и средним компаниям, которым трудно конкурировать с крупными корпорациями, которым на много легче вкладывать ресурсы в комплаенс. В Швейцарии всё иначе: 12 февраля 2025 года Федеральный совет решил не внедрять аналог EU AI Act. Швейцария остаётся гибкой (or so they say) – законы соответствуют европейским стандартам, но без бюрократического перегиба. Швейцария пытается по поводу регуляции и рыбку съесть и … на лицо сесть, как сказал некий великий русский философ.) Такой «прогрессивный баланс» позволяет (в теории) и регулировать AI, и поддерживать инновации. Оптимизация multivariate целевой функции в реальности – совсем не редкость. На практике же, а особенно в политике – это неимоверно сложно! Но по крайней мере Швейцария, в отличии от таких стран как Германия или Норвегия, не в режиме харакири и понимает, что инновации и экономика – это стратегический приоритет. Пока в Европе обсуждают регулирование, гонка инвестиций в AI только набирает обороты, и огромные деньги вкладывают в инфру из-за растущего спроса на компьют. Goldman Sachs прогнозирует, что нейросети крупных игроков таких как OpenAI, Meta и Anthropic увеличат потребность в компьюте на 160% к 2026 году – и мир просто не готов к такому скачку. Учитывая этот факт, США делают ставку на масштаб – $500 млрд на проект Stargate, который сосредоточен на создании инфраструктуры для AI, включая дата-центры, который Трамп назвал «крупнейшим AI-проектом в истории». Ну и Франция заявила что тоже хочет участвовать в гонке: Макрон анонсировал €109 млрд на развитие дата-центров. Этот проект должен укрепить независимую позицию Европы в AI сфере, учитывая что крупнейшие мощности в Европе по-прежнему принадлежат американским корпорациям (например Microsoft). При этом половина из этих €109 млрд поступит из ОАЭ. 🥸 Хотя есть скепсис насчёт финансовой окупаемости проектов, сами масштабы подчёркивают, насколько инфраструктура важна в AI-противостоянии между США, Китаем и Европой. Короче: наблюдаем дальше! Я, конечно, сильно надеюсь, что власть не прогнется под давлением ЕС и будет продолжать свой путь! Швейцарское правительство ясно дало понять, что регулирование AI станет одним из ключевых приоритетов в 2025 году. Остаётся надеяться, что им удастся найти баланс между поддержкой инноваций и бизнеса, защитой данных и управлением рисками. Есть тут у нас ещё люди в Швейцарии? ▶️Первая часть поста тут. До скорого! @ainastia	3 961
9	Про Швейцарию и AI 🇨🇭🦾 Доброе утро, друзья! Выводим канал от зимней спячки и возобновляем наши обсуждения AI продуктов, трансформации и предпринимательства. После заслуженного отпуска, я уже больше месяца как вернулась в рабочий режим – продвигаю стартапы, проекты и веду воркшопы. Недавно только вернулась из Вены, где вела для одной фирмы целый день воркшоп с фокусом на персонализацию и recommender systems для CPO и нескольких релевантных отделах. Всё прошло очень успешно, но про проекты я вам в ближайшее время ещё расскажу. Сегодня я хочу немного поговорить о Швейцарии - страна, в которой я уже больше 3 лет живу и работаю. Многие ассоциируют Швейцарию с горами, шоколадом, или как минимум с банками и деньгами. Ну – В целом всё так и есть!) Но добавьте ещё Tech & AI, особенно если речь о Цюрихе. 👇 Продолжение в следующем посте! @ainastia	2 639
10	+1 Про AI тулы для предпринимателей и ПМ-ов - part 1 ⚙️ Последние недели были очень плотные, и сейчас, как немцы говорят, «Эндшпурт» (то есть «финишный рывок») перед рождественскими каникулами и моим первым полноценным отпуском за год. Но до этого хочу поделиться первой частью списка полезных AI tools для продакт-менеджеров и предпринимателей. Сегодня строить первые прототипы продукта, работать над дизайном, а также ускорять индивидуальные процессы легче, чем когда-либо. И в этом большая заслуга ИИ, который для вас может кодить, деплоить, писать критичные доки и брать на себя функции дизайнера. Посмотрим, что у нас тут в сундучке: ⚡️Replit Это платформа для прототипирования и разработки продуктов, которая позволяет быстро создавать и тестировать идеи через текст/промпт – даже с вашего телефона! Пример: „Я хочу создать финансового чат-бота, которому можно задавать вопросы о конкретных акциях и получать ответы на основе финансовых данных. Я хочу, чтобы ответы содержали графики с информацией, такой как цена акций и другие ключевые данные. Используйте данные из Yahoo Finance.“ Компания Replit была основана в 2009 году иорданским американцем Амджадом Масадом в Калифорнии, который начал стартап со студенческого проекта. В апреле 2023 года компания оценивалась в $1,16 миллиарда, и у неё было более 22 миллионов пользователей. Я пробовала разные подходы, и у платформы были значительные трудности с выполнением более сложных запросов с технической точки зрения. Что радует – при этом юзеру всегда предлагались альтернативы, например, более простая архитектура или ограничение фичей. Есть «free tier», но для более сложных продуктов вам быстро понадобится «Replit Core» за $25 в месяц. В целом, это супер платформа для маленьких проектов и прототипов. Для более масштабных проектов Replit не подходит – слишком много ограничений ресурсов (CPU, память и storage), недостаточно гибкости/контроля в деталях и дорогой deployment. Если вам требуется 24/7 deployment, особенно рекомендую внимательно просчитать вашы затраты – и вы всё поймёте! ⚡️ ChatPRD Тул на хайпе, но я честно говоря не считаю этот хайп обоснованным. ChatPRD особенно для продакт менеджеров и пишет для вас PRD. В PRD или «product requirement document» чётко формируются идея и требования к продукту («что?» и «почему?»), чтобы обеспечить согласованность всей команды и стейкхолдеров. ChatPRD помогает не только создавать этот документ, но и позволяет коллаборацию, а ещё помогает развивать продакт-роудмап и даёт фидбэк по продакт-идее. Всё это ChatPRD делает для вас по стоимости от $8 в месяц. Тут у вас теперь должен возникнуть вопрос: а зачем платить ещё за один продукт, если уже оплачивается, допустим, ChatGPT Premium – чем они вообще отличаются и стоит ли оно этого? Если вы уже платите за премиум-версию LLM, то, по моему мнению, нет. ChatPRD – это чисто wrapper вокруг OpenAI APIs, и преимущества или дополнительные фичи для меня тут не оправдывают дополнительную оплату. Если у вашей фирмы есть определённые PRD-темплейты и компания готова оплатить лицензию, то, конечно, почему бы не пользоваться. Но для меня cost-value ratio ChatPRD под вопросом, и вы точно сможете справиться без этого тула. Если вам интересно ознакомиться немного ближе как эти тулы работают, я прикрепила вам короткие видосы. Хочу ещё подчеркнуть, что тулы не панацея и людей не заменяют полностью, а ускоряют процессы и эффективность труда. Это может быть релевантно, например, для стартапов, особенно на ранних стадиях, когда бюджет не позволяет нанимать, либо просто пока не нужен полноценный специалист. Я поддерживаю эффективность, и эти тулы в состоянии ускорить процессы, особенно если вы в них разбираетесь. Stay tuned for the next part. Также поделитесь, что вы пробовали, чем вы пользуетесь и что, по вашему мнению, пока недотягивает до ваших ожиданий. #aipm #aitools @ainastia	1 122
11	Про нетерпеливость 🔥 Во многих компаниях руководство резко загорелось продвигать AI с момента запуска ChatGPT и стало требовать как можно быстрее создавать AI-продукты. Желательно ещё вчера, ведь «все делают GenAI, и мы тоже хотим!» Однако тушить такой энтузиазм особенно сложно, когда приходится объяснять, что, увы, всё не так уж просто. И что, к сожалению, попытки перескочить важные этапы на пути к цели ни к чему хорошему не приведут. Я уже писала в одном из предыдущих постов, что процесс внедрения AI в любой компании должен начинаться с оценки data/AI maturity. Это уровень прогресса компании в использовании данных, развитии соответствующих юзкейсов и их интеграции в процессы организации. Каждой компании нужно индивидуально решать, до какого уровня стоит развиваться. Нет универсального решения, подходящего для всех! После того как вы поняли, на каком уровне зрелости находится ваша компания и до какого уровня стоит развиваться, следующий шаг — работа над data architecture. Архитектура данных должна отражать текущие и будущие потребности, которые позволят реализовать юзкейсы и вписаться в долгосрочную стратегию компании. Здесь для начала нужно понять сам бизнес и его потребности для развития. Затем эти требования необходимо отобразить в технические requirements. Это включает, например, методы сбора, хранения и обработки данных, а также аспекты безопасности. Как всегда, нет единственного правильного решения — придется взвешивать cost-benefit каждой компоненты и функциональности. Например, вы хотите real-time везде? А реально везде оно вам нужно смотря на то что это обойдется вам дороже? Ценность для бизнеса оправдывает цену? ❗️При решениях, не впадайте в shiny-objects-syndrome. Это когда чисто смотришь только на самые хайповые технологии - ведь круто же и state-of-the-art! С высокой вероятностью вы примете слишком дорогие решения, которые не соответствуют ценности для компании, а в data community хайп уже сменился на что-то другое. Никогда не ведитесь на хайп! Все хотят AI, но компании часто слишком рано ныряют в этот пруд. Прежде чем вкладывать огромные ресурсы в AI, необходимо заложить надёжный фундамент. Это включает и не самые «sexy» темы, как data governance: обеспечение качественных данных, плавную интеграцию различных источников и понимание, какие данные где вообще находятся. Многие компании столкнулись с неудачами, начав проекты без этой основы. Ещё на практике часто слишком рано нанимают Data Scientists для создания модных AI-решений. При этом данные разбросаны по всей инфраструктуре, нет стандартов, и их работа сводится к data engineering, используя большое количество «изоленты», чтобы хоть как-то реализовать юзкейсы на старых системах. В итоге ни ROI от юзкейса не оправдывает ожиданий, ни Data Scientist не удовлетворён своей работой. ▶️ Итог: попытка перескочить все этапы и якобы ускорить процесс создания AI-продуктов обеспечит вам прямое попадание в список провальных проектов с данными. Не ведитесь на этот путь. Всем успехов! #datapm #aitransformation @ainastia	1 448
12	+2 Я завершила свой сезон конференций на этот год. Чуть больше недели назад я была на Product Management Festival в Цюрихе. Уже второй раз подряд посещаю эту конференцию — и не только потому, что мне до неё всего пару минут пешком (ну роскошь же?!). На самом деле это одна из моих любимых конференций, так как здесь отличный микс технологий и продакт-менеджмента, а также топовые эксперты на уровне лидов, VP и C-level из FAANG и других компаний. Особенно радует, что всё больше фаундеров приезжают и выступают. Что я для себя вынесла и с кем успела пообщаться? Конечно, многое, но хочу поделиться несколькими мыслями. Я посетила панельную дискуссию, которую модерировал VP продакта LinkedIn, Jonathan Rochelle, а среди участников был, например, директор по продакт-менеджменту WhatsApp (честно говоря, это точно не мой любимый продукт, но сейчас не об этом). Тема дискуссии — какое влияние AI окажет на продакт- и инженерные организации внутри компаний. Ребята обсуждали, что по мере использования огромного количества GenAI-тулов граница между ролями продакта и дизайнера становится всё более размытой. В какой-то момент участники попросили зал похлопать: ▶️ Кто считает, что дизайнеры захватят продакт? (Громкие аплодисменты.) ▶️ Кто думает, что продакты захватят дизайн? (Уже тише.) ▶️ А кто считает, что инженеры захватят продакт? Тут в том числе я похлопала! 😁 Кстати, директор WhatsApp поддержал последний взгляд и сказал, что это вообще его любимая ситуация. В целом, как всегда в сфере данных, правильно сказать: “It depends”. Большинство инженеров не интересуются бизнес-темами или не разбираются в них. Однако в сфере Data/AI-продакта, а также на позициях CPO, CTO и других, в идеале нужны люди, которые говорят как на техническом, так и на бизнес-языке. Приведу пример от Скотт Мензис, CTO Santander. Santander — это европейский банк с главным офисом в Мадриде. Скотт рассказал, что, начиная оценивать технологическую организацию на позиции руководителя, он всегда начинает с анализа количества коммитов, качества кода, тестов и документации. Это отличный пример уникального сочетания технической и бизнес-экспертизы. Без этого приходится полностью полагаться на мнение инженеров внутри компании. А во многих legacy-компаниях вы услышите противоположные утверждения, что определённые подходы “у них не работают”, и встретите частичное сопротивление новым идеям. Здесь нужен человек, который способен видеть сквозь такой туман. Ещё я пообщалась с Томасом Грешем, CTO & CIO Axpo, главной энергокомпании Швейцарии. Томас успешно модернизировал фирму, и после его доклада я спросила, что он думает о CTO без технического бэкграунда. Учитывая, что сам он физик, окончивший ETH Zurich, у него, конечно, может быть предвзятость. Но он отметил, что крайне редко видел успешные примеры. Такое возможно только при условии, что у CTO есть сильная команда инженеров, к мнению которой он действительно прислушивается. В следующем году снова планирую посещать конференции и опять сама выступать. А на какие тех- или продакт-конференции вы собираетесь в следующим году в Европе, США или ОАЭ? Очень интересно узнать! #conference #саморазвитие @ainastia	1 405
13	+2 О нетворкиге и как Я советуюсь с другими экспертами. Не важно, какой вы эксперт и какой у вас опыт – всегда будут ситуации, с которыми вы сталкиваетесь впервые, когда вы не уверены, какой именно шаг правильный, и нуждаетесь в совете в критические моменты. Раньше это было совсем непросто – нужно было либо иметь прямой доступ к лидерам в своей компании, либо иметь ментора с релевантным опытом, либо активно заниматься нетворкингом, например, на LinkedIn, чтобы, если повезет, эксперт согласился встретиться на виртуальный кофе и обсудить ваш запрос. Чем круче эксперт, тем сложнее конечно заманить на кофе. Как хорошо что эксперты открыли для себя side hustle – давать людям возможность бронировать 1:1 созвоны (конечно – за деньги, да). Я не раз пользовалась таким способом. Например, через платформу Intro, я общалась уже 3 раза по часу с Sol Rashidi, автором киниги „Your AI survival guide“. (Уже писала про эту книгу тут.) Созвоны я структурировала так, что первые 30 минут обсуждала конкретный проект, а во второй половине часа получала советы по карьерному росту в целом. С Vin Vashishta я также общалась час по вопросам стратегии личного бренда как специалиста в области Data/AI. Вин написал интересную книгу «From Data to Profit» и, как и я, прошел путь от инженера в сфере данных и AI до консультанта, помогающего компаниям внедрять ИИ с выгодой. Еще я общалась с Ben Rogojan, также известным как Seattle Data Guy. (Если вам интересен контент по Data Architecture & Engineering или вы хотите перейти в Data/AI консалтинг – у него отличный контент!) В конце каждого первого созвона я, конечно, предлагаю законнектиться на LinkedIn – и еще никто не отказывал. Дорого ли это? Точно не дешево. Час с Vin Vashishta например стоил $700 и бронировала я созвон напрямую через его сайт. На платформе Intro вы можете найти всяких экспертов и увидите, что стоимости сильно могут отличаться – у кого-то $150 за пол часа, а Justin Welsh, который на LinkedIn лидирует с постами про „соло-предпринимательство“, с вас лишь ~1.5 тысячи баксов потребует – за 30 минут! 😅 Преимущество Intro: там реально мощные и опытные эксперты – партнеры из a16z (Andreeson Horrowitz, венчунрный фонд, который распределяется $ 42 миллиардов), продакт эксперты разных компаний как FAANG, Tik-Tok и тд, и крутые предприниматели с очень успешными экситами. Ваша задача – взвесить стоимость и ценность для себя и, возможно, найти другого подходящего эксперта. Я точно могу порекомендовать этот способ черпать знания и опыт мировых экспертов, а также быстрее познакомиться и законнектиться с ними – особенно, если вы предприниматель! #саморазвитие @ainastia	2 570
14	+3 Почему имхо Ex-McKinsey ничего не забыли на С-level в тех компаниях Я нередко вижу, как бывшие сотрудники, зачастую партнеры, из MBB (McKinsey, Bain, BCG) продолжают свою карьеру на C-level позициях в компаниях, которые они ранее сами и консультировали. Когда это касается технологических компаний и таких позиций, как CEO, COO, а тем более CTO, я невольно жмурюсь. Недавно CEO одной из компаний, в которой я занимаюсь AI-трансформацией, решил назначить на должность CTO будущего Ex-McK — у которого при этом нет технического бэкграунда. Для меня это чаще всего тревожный сигнал. Недавно Марк Цукерберг заявил в подкасте “Acquired”, что компания не может называться технологической, если у её руководства нет технических навыков. Цукерберг сказал: «If your CEO and board of directors isn’t technical and you only have one dude as, let’s say, Head of Engineering, who is technical — if that’s your team, then you’re not a tech company!» Я полностью согласна с этим — при этом, конечно, не обязательно, чтобы все были технарями. Но C-level определяет долгосрочное направление компании, принимает важные решения и формирует её культуру. Какую систему принятия решений и культуру приносят бывшие сотрудники McKinsey и других консалтинговых компаний? В классических стратегических консалтинговых фирмах существует культура окончательного решения (final decision making) — ложное ощущение выбора единственно правильного решения, зачастую просто того, у кого более высокий титул, а потом чисто поездка по маршруту. Как мыслят инженеры и специалисты по данным? Мы формулируем гипотезу, задаём baseline, а затем постоянно переоцениваем и оптимизируем, меняем направление при получении новой значимой информации и не боимся изменить курс (evolutionary decision making). Ещё зачастую McKinsey и другие консалтинговые компании сосредоточены на оптимизации стоимости для акционеров (shareholder value). Инновациями там, особенно в зрелых компаниях, даже и не пахнет. Вы, возможно, знали, что Сундар Пичаи, CEO Google и Alphabet, до прихода в Google на должность продукт-менеджера, работал в McKinsey. Не буду утверждать, что именно это причина того, где сейчас находится Google по сравнению с другими компаниями из Big Tech, но фокус на оптимизации shareholder value и бюрократия создают большие препятствия для талантов, которые безусловно есть в компании в огромном количестве. Инновации всегда являются риском, но компании не могут позволить себе их не продвигать — это утопия в долгосрочной перспективе, особенно в наше время. Так почему же Ex-McKinsey и других бывших сотрудников консалтинговых компаний так часто берут на эти должности? Помимо того, что у партнеров, в особенности, действительно нереальный нетворк, я, к сожалению, нередко слышу, что для руководства от legacy компаний легче контролировать этих людей, чем, скажем, Ex-FAANG. По сути нечего добавить. 🥸 Какой у вас опыт по этому поводу и как вы смотрите на этот вопрос? #моемнение #техлидершип @ainastia	2 353
15	Всем привет, возвращаюсь к рутине! Две недели назад я была в Париже на конференции dotAI. Париж за последние годы стал важным хабом в области AI. Сильные университеты, крупные технологические компании, а также государственные инвестиции в сфере AI и предпринимательства укрепили позиции Парижа и создали динамичную экосистему стартапов, где можно встретить такие имена, как MistralAI, Hugging Face и многие другие. Следить за всеми новостями в сфере AI стало как никогда сложно — отвлёкся на минуту, и уже не в курсе событий! О том, как я слежу за прогрессом, я ещё расскажу, но качественные конференции точно отличный способ держать руку на пульсе. Что я увидела на dotAI и что было релевантно с продуктовой точки зрения? ▶️ OpenAI провели live demo своего нового Realtime API, который добавит вашим продуктам мультимодальные функции с очень низкой задержкой — это значит, что общаться голосом и запрашивать, например, изображения можно будет намного быстрее. Почему? Раньше разработчикам приходилось комбинировать несколько моделей для создания приложений на основе языка — транскрибировать аудиоданные, выполнять текстовое распознавание, а затем генерировать ответ с помощью синтеза речи. Этот процесс был медленным и часто приводил к неестественным взаимодействиям, так как зачастую терялись эмоции, акценты или интонации. Теперь разработчикам больше не нужно соединять несколько моделей для создания естественных разговорных взаимодействий — достаточно одного вызова API! Realtime API использует как текстовые токены, так и аудиотокены. Наверняка кто-то уже хочет спросить: ну и сколько это стоит? Как мы знаем, стоимость LLM API зависит от количества входных и выходных токенов. Токены — это слова или части слов, и в среднем 100 токенов соответствуют ~75 словам на английском языке. Входные текстовые токены оцениваются у Realtime API в $5 за 1M, а выходные — в $20 за 1M токенов. Аудиовход стоит $100 за 1M токенов, а вывод — $200 за 1M токенов. Это эквивалентно примерно $0.06 за минуту аудиовхода и $0.24 за минуту аудиовыхода. Realtime API позволяет создавать новое поколение продуктов, которые изначально построены в мультимодальном формате. Короче: круто! ▶️ О чём ещё говорили на конференции? В целом, неудивительно, что большой акцент был сделан на LLM. Потенциал мощности моделей уже давно ясен, но остаётся множество аспектов, которые только начинают раскрываться для широкой аудитории. Например, как контролировать output LLM, что чрезвычайно важно для обеспечения точности, надёжности и полезности сгенерированного контента. Доклад делала CEO и Co-Founder TitanML, стартапа, который в конце прошлого года привлёк 2.8 миллиона долларов на pre-seed и стремится оптимизировать и упростить процесс развёртывания LLM. Ещё один важный аспект для AI-продуктов будущего — это AI on Edge, то есть on-device, что обеспечивает ещё более низкую задержку, а также улучшает конфиденциальность данных. Исследователь из MistralAI представил две новые модели Ministral 3B и 8B а также подробно рассказал о технических деталях. Именно этим меня и привлекла конференция — аудитория в основном из технарей и доклады обходятся без bullshit bingo. Было ещё много других докладов, конференция длилась два дня. Но ещё раз я скорее всего не поехала бы снова оффлайн участвовать. Доклады качественные, но есть также онлайн-билет, а организация, особенно довольно агрессивный сотрудники Security, были так себе. Точно есть другие оффлайн-конференции, которые я могу порекомендовать больше! #conference #dataproduct @ainastia	1 454
16	Всем привет! Наконец-то возвращаюсь к вам с кучей новых постов. Пропала я, потому что за кулисами продвигалось много интересного, и надеюсь, что уже на следующей неделе смогу поделиться с вами первой крупной новостью, связанной с фирмой CTS Eventim, в которой я веду масштабный проект! Так что ждите снова регулярные посты! Сегодня я вылетаю из Цюриха в Берлин, чтобы пойти на конференцию. У Data & AI продакт-менеджера жизнь, конечно, не сладкая) — помимо различных обязанностей, нужно всегда держать руку на пульсе SOTA Data & AI продвижений а также best practices из сферы продакта и общаться с разными специалистами и максимально обмениваться опытом. Поэтому я в течение следующих 1,5 месяцев посещу 4 конференции, на которые буду брать вас тоже с собой и делиться своими инсайтами с точки зрения Data & AI products. На какие конференции я поеду? ▶️ Women+ in Data & AI — Берлин, 27.09. — Конференция, где все спикеры — женщины, но конфа, конечно, открыта для всех. Тут будут доклады на темы «GenAI in production», «Where the AI revolution meets healthcare» и «Designing Personalized User Experiences with AI». Среди спикеров будут ML инженеры из Гугла, Рисерч Сайнтисты из DeepL и предприниматели. А вечером после докладов будет Techno Night — это же Берлин! ▶️ AI+X Summit — Цюрих, 3.–4.10. — Это самая большая AI-конференция в Швейцарии и флагманский ивент ETH AI центра. ETH в Цюрихе входит в топ-10 университетов мира в области IT. Темы треков включают «Open Source LLM», «Systems for cost-efficient AI» и «AI in Finance», а выступать будут лидеры в AI из NVIDIA, Meta, DeepMind, ETH и TUM. ▶️ dotAI — Париж, 16.–17.10. — Париж давно уже является хабом для AI-исследований и продуктов, здесь были основаны такие компании, как Mistral AI и HuggingFace. Чем меня привлекла эта конференция? Тут будут выступать топовые специалисты из тех самых Mistral AI, HuggingFace и OpenAI и обсуждать такие темы, как «LLM reasoning and agentic capabilities over time», «Multimodal Language Models» и «Building with OpenAI — what’s ahead?». ▶️ Product Management Festival + Tech Leadership Summit — Цюрих, 6.–7.11. — Это ведущая конференция для продакт-менеджеров, которую создал бывший руководитель из Google, и поэтому там тоже будет много специалистов из BigTech. В этом году впервые одновременно будут проходить две программы — PMF с фокусом на продакт-менеджмент и TLS с фокусом на инженерное руководство. Темы докладов включают «How to compete with OpenAI and Google?», «Elevating data units into business drivers» и «How to align/adapt companies in the AI era?». Конечно, это будут тоже отличные возможности для расширения нетворка и знакомства с топовыми специалистами. В общем, я в предвкушении! Если вдруг каким-то чудом кто-то из вас будет на одном из этих ивентов, буду очень рада встретиться на кофе и пообщаться! До скорого! #саморазвитие #conference #personal @ainastia	931
17	Всем привет из отпуска! 🔆 Отпуск у меня часто, как и у многих предпринимателей, полурабочий — но передышка всё равно была нужна. ⚡️На этой неделе я уже вернусь к вам с новыми постами, так что не теряйте! Будем обсуждать AI-продукты с технической и с бизнес-стороны, новые книги и актуальные примеры внедрения ИИ в различные компании и сферы. А пока ловите мем, на который я наткнулась. Примерная ситуация: Data scientist: "Что думаете по поводу XGBoost 2?" Leadership: "Никогда не слышал о такой LLM-ке" 🥸😭🥸 Подчеркиваю: Далеко не каждая проблема решается GenAI! Сталкивались ли вы с похожей ситуацией? Делитесь в комментариях! @ainastia	1 455
18	▶️ Продолжение Начнем с Сollaborative opportunity discovery - что это такое? Это процесс, с которого каждая data инициатива обязательно должна начинаться. В нем дата-специалисты совместно с C-level лидерами и обычными сотрудниками находят те юз-кейсы, где данные и AI могут решить значительную бизнес-проблему или предоставить компании возможность для роста. В прошлом главная проблема была в том, что дата-сайентисты часто брались за проекты, которые на самом деле не особо нужны бизнесу. Не редко это происходило из-за shiny-object синдрома, который вспыхивает когда релизелась новая SOTA (state-of-the-art) модель и хочется с ней поэкспериментировать, независимо от того, подходит ли модель для решения важных бизнес-проблем или нет. Типа, выходит новая крутая модель, и все такие: "Ооо, давайте ее попробуем!" (Кто из ML-инженеров такое никогда не испытывал, тот пусть первый бросит в меня камень! 🥸). Раньше opportunity discovery было (и до сих пор часто является) обязанностью только data команды. Но это неправильный подход, потому что эти команды чаще всего близки только к data science workflow, а для бизнеса и клиентов они часто как чужие. Особенно опасно, если специалисты этого не осознают – это происходит когда дата-специалисты собрали такое огромное количество данных, что сами начинают чувствовать себя экспертами в бизнесе. Частый результат – это так называемые инсайты от Капитана Очевидности, которые не имеют никакой бизнес-ценности, но добыча которых требовала большого количество времени. Общая картина получалась такой: ещё в 2020 году MIT Sloan Management Review и BCG сообщали, что, хоть 60% компаний и внедрили какую-то форму AI, только 10% достигли значительной финансовой отдачи. Как правильно проводить opportunity discovery? Opportunity discovery состоит из двух частей: Top-down и Bottom-up. 📌 Top-down opportunity discovery – это коллаборация между data specialists и C-level лидерами. Data команды определяют, какие бизнес процессы, связанные с каждой целью, предоставленной C-level, они могли бы оптимизировать, чтобы принести компании ценность. Потом необходимо найти экспертов по этим процессам и выявить болевые точки и потребности. 📌 Bottom-up opportunity discovery – это коллаборация между спецами по данным и обычными работниками. Для технических команд часто является стандартом просто выполнять то, что напрямую от них требует компания. Но сейчас планка должна быть выше - достижение бизнес-результатов, через фундаментальное понимание нужд компании и проактивное предложение как это осуществить технически. Этот процесс сосредоточен на оценке текущего состояния бизнеса и выявлении короткосрочных возможностей для компании. По сравнению с Top-Down opportunities, bottom-up – это более постепенные улучшения существующих продуктов и они проще в реализации, чем то, что обычно получается из Top-Down discovery. Мы будем, конечно, продолжать эту серию. Но чтобы не зацикливаться на одной и той же теме и время от времени «переключаться», в следующем посте я хочу открыть новую рубрику: 🔥 разбор AI-продуктов с обеих сторон - технической (какие модели и технологии используются) и бизнесовой (как это монетизируется, кто целевая аудитория и т.д.). Думаю, будет очень интересно пообсуждать это вместе! До скорого! #datapm #aipm @ainastia	2 075
19	Почему в прошлом 87% Data Science проектов не доходило до продакшена и как обеспечить ROI? Всем привет! В прошлом посте мы уточнили, что data-инициативы должны строиться в соответствии с уровнем data maturity в компании. Также я уже упомянула важность и сложности быстрого и значительного ROI проектов, связанных с данными и ИИ (тут и тут). C-level лидеры последние 5+ лет активно инвестировали огромные деньги в развитие инфраструктуры данных и команд в сфере машинного обучения. При этом есть множество доказательств, что return получили не все проекты. Сегодня хочу поделиться с вами интересными мыслями о том, почему так много Data Science проектов проваливаются и как это исправить. Что нужно сделать или изменить, чтобы избежать замкнутого круга неуспешных data проектов? Есть технические, а есть бизнесовые требования. Сегодня я хочу начать серию постов, которая раскроет бизнесовые компоненты и необходимые условия для успешных data проектов, которые генерируют отдачу. Самые важные компоненты: ️⃣Динамическая техническая стратегия ️⃣Continuous transformation через innovation mix, ️⃣Внедрение data-driven culture & literacy ️⃣Сollaborative opportunity discovery Wait what? – Давайте по порядку! ▶️ Продолжение в следующим посте. #datapm @ainastia	1 495
20	+1 С чего начать, если планируете внедрять ИИ в компании, и почему ключевой аспект здесь - Data/AI maturity? 📊 Давайте для начала решим вопрос: почему для компаний почти всех индустрий тема данных и ИИ сейчас так важны? Технология прогрессирует всё быстрее и быстрее. Технологические трансформации приходят волнами, и несмотря на то, что в данный момент между каждой волной проходит 3-5 лет, это расстояние в будущем будет сильно сокращаться. Каждая волна предоставляет компаниям возможность выстроить конкурентное преимущество или рискнуть возможно невозвратно отстать от конкурентов. CEO Databricks, Али Годси, предсказал, что в долгосрочной перспективе (~10 лет) во всех индустриях лидеры с конкурентным преимуществом будут ориентированы на данные и AI. Считается, что Data/AI-driven компании способны увеличить доход на 15-25%. [Как мы обсудим в одном из будущих постов, сами по себе данные и ИИ не являются гарантией успеха - есть определенные условия, от наличия которых зависит, принесет ли ваш проект на основе данных и ИИ прибыль или будет провалом!] Зная, зачем нужна AI-трансформация, появляется следующий вопрос – с чего начать этот процесс? Первые шаги к AI-трансформации всегда должны быть следующими: 1️⃣оценка Data/AI maturity (где компания сейчас?) и 2️⃣формирование стратегических целей C-level лидеров (до куда компания хочет дойти?). Каждый бизнес, продукт или проект проходят через разные стадии Data/AI зрелости. Это значит, что в начинающих уровнях данные собираются ещё не системно и без особой отдачи - но со временем через вклад инженеров инфраструктура и сбор данных становятся более «зрелыми» и обеспечивают более подвинутые ML модели. Большинство legacy компаний в данный момент находятся на уровне 1 или уровне 2 (AI interest & experimentation), как подчеркивает статистика от Accenture на скриншоте. Кроме этого legacy компании часто сильно переоценивают количество и качество своих данных, а также возможности своей инфраструктуры. Большинство компаний сегодня вообще не в состоянии продвинуться дальше уровня 3 (AI частично в проде). [Как взяться за инфраструктуру и какие аспекты важны, чтобы обеспечить эффективные продукты на основе данных и ИИ, я буду освещать в отдельном посте.] Суть модели Data/AI maturity заключается в оценке текущих способностей компании в области данных/ИИ и обозначении потенциального дальнейшего пути в процессе ИИ-трансформации. При этом важно понимать, что далеко не каждая компания обязана проходить все стадии Data/AI зрелости. Фундаментально важно, чтобы руководство компании формулировало vision и конкретные бизнес-цели чтобы потом в коллаборации с техническими стратегами обеспечить связь между технологической цепью и бизнес-value. Этот элемент как раз часто не присутствует в многих компаниях и приводит к разочаровывающим результатам. Целевая Data/AI maturity всегда должна быть оправдана отдачей! В ближайшем посте я поделюсь с вами оценкой, которая поможет вам оценить зрелость данных/ИИ в вашей компании - stay tuned! Если компания решила продвигаться по оси Data/AI maturity и инвестировать в развитие ИИ на основе стратегических решений, инвесторы и руководство фирмы будут ожидать быстрых и постепенных результатов от инициативы. Это значит, что правление компании, которая условно в первом квартале проинвестировало в Data/AI проекты, требует быть в состоянии показывать отдачу уже во втором или третьем квартале. Таковы правила игры в нынешних реалиях. Как обеспечить это и почему в прошлом около 87% Data Science проектов в компаниях были провалом, мы обсудим также скоро! #datapm #aipm #strategy @ainastia	1 789

View all posts