🌐Как ИИ меняет бизнес🌐

🚑 Цифровая клиника: как безопасно внедрять ИИ в медицине? На этой неделе участвую в онлайн-дискуссии с экспертами о том, как ИИ уже меняет медицинский бизнес — и где проходят границы между технологиями, этикой и правом. Что планируем обсудить: 🔹Как ИИ упрощает операционные процессы и снижает нагрузку на врачей 🔹 Где проходит грань: врач vs искусственный интеллект 🔹 Юридические риски и требования при внедрении ИИ в клинике 🔹 Что можно внедрять уже сейчас, а где стоит быть осторожнее 🕰 11:00 (по мск) 📅 25 декабря Если вы работаете в медицине, управляете клиникой или просто интересуетесь ИИ в здравоохранении — подключайтесь. Буду раскачивать тему 😉 👉 Регистрируйтесь по этой ссылке (это бесплатно)

🤝Взаимная поддержка между предпринимателями очень важна! Но это понимает весьма и весьма малое число людей...особенно в ИТ индустрии.. Истории таких брендов, как Apple, Google, Nvidia, Amazon говорят нам о важности подобной, взаимной предпринимательской поддержки Решил поделиться видео, где Дженсен Хуанг (CEO Nvidia) рассказывает об одном из таких случаев в своей жизни 👀

📊США меняют правила игры: Белый дом блокирует законы штатов в сфере ИИ - почему это важно для бизнеса? Президент США подписал исполнительный указ, который ограничивает штатам право вводить собственные правила по искусственному интеллекту и запускает федеральную стратегию единого регулирования ИИ. Власти объясняют это как попытку устранить «фрагментированное регулирование», которое мешает масштабированию и инновациям в отрасли. ⚙️ Что ключевого: 1) Создается AI Litigation Task Force - специальная группа для оспаривания законов штатов, которые мешают национальной политике ИИ. 2) Федеральное правительство сможет ограничивать доступ к федеральным фондам (например, BEAD-гранты) для штатов с «обременительными» ИИ-законами. 3) Намечается разработка единого национального стандарта регулирования ИИ, который заменит десятки разных правил по всей стране. The White House 📌 Почему это важно для бизнеса: 🔹 Крупные компании давно жалуются на сложность соблюдения множества разных требований в 50 штатах - это затрудняет масштабирование продуктов. 🔹 Единое федеральное регулирование может ускорить внедрение ИИ-решений, снизить операционные риски и повысить инвестиционную привлекательность рынка. 🔹 Но это также вызывает споры: критики считают, что централизация снизит защиту потребителей и права штатов вводить свои механизмы безопасности. 😊 Итог: Трамп и Белый дом делают ставку на единообразие и ускорение инноваций в ИИ, для чего? Ответ понятен: чтобы обойти Китай в этой "атомной гонке" 21 века 🙈

🤕Является ли идея «всё будет бесплатно» — крупнейшей технологической утопией? Недавно смотрел интервью с одним из топовых мировых инвесторов (один из тех, чьё имя есть в данном названии Andreessen Horowitz ). Он говорил о том, что технологии ведут нас в мир, где стоимость сервиса будет близка к нулю...Дешёвые продукты, услуги, информация, минимальная стоимость труда, и все мы якобы перейдём в состояние вечной изобилия. Еще более недавно наткнулся на статью , где автор рассуждает о будущем ИИ и автоматизации как раз в том ключе, о котором говорил инвестор...НО выступает с критикой! ✅ Что в этой идее звучит соблазнительно? 🔹 Представление, что автоматизация способна устранить большинство затрат на производство и распространение - от услуг до материальных товаров. 🔹Надежда, что искусственный интеллект и роботы сделают «всё»: от медицины до творчества, что снизит стоимость входа в различные сферы до нуля. 🔹Обещание «пост-дефицитного общества» (аналог post‑scarcity) - где ресурсы, продукты и услуги доступны всем почти бесплатно. 🙄 Автор статьи считает, что это утопия, а не неизбежность 🧯 Как автор статьи справедливо отмечает — никто не может объяснить реалистично, КАК это будет работать на практике. Ни одна из концепций «всё будет бесплатно» не даёт чёткого плана, как распределять ресурсы, оплачивать труд и поддерживать экономику при нулевой стоимости для потребителя. 🧯Даже если AI заменит огромное число профессий - это означает, что множество людей останутся без дохода. И тогда «дешевые» вещи для них всё равно недоступны. 🧯Существуют проблемы «слоёв общества»: те, кто владеет AI-инфраструктурой, могут получать всё, остальным - лишь обещания. Это - рецепт социального неравенства, а не утопии. Зависимость от технологий, автоматизация, роботизация - порождают новые риски: технические сбои, монополизация, потеря человеческого контроля, дегуманизация труда, снижение автономии. Моё мнение: ИИ может значительно улучшить текущие экономические процессы, увеличив производительность, и став тем самым пинком для политиков в сторону социально-ориентированной политики (с безусловным базовым доходом, модернизацией институциональной экономки, изменением научной и образовательной политики). Но для достижения нового уровня развития общества нам нужны изменения в образовании и работа с людьми. А как считаете вы? Верите ли, что технологии действительно могут довести до «пост-дефицита», или всё это - хайп и фантазии? Пишите в комментариях ⬇️ не стесняйтесь и не ленитесь)

🏆 Ну что, Google вырвались вперед в гонке ИИ (возможно, ненадолго, НО это показатель общего настроя компании...они хотят возглавить эту революцию). Прикрепил отрывок интервью с Сундаром Пичаи (ген диром Google), где он размышляет про AGI... И также сводит технологическое развитие ИИ к возрастающему влиянию на экономику... Кто уже воспользовался Gemini 3? Поделитесь в комментариях, чувствуется ли разница с другими моделями?

🛰 США запускают Genesis Mission — ИИ-«Манхэттен-проект» для науки и технологий Пока мы спорим о промптах и выборах моделей, в США президент подписывает указ о запуске Genesis Mission - национальной программы, которая по амбициям сравнивается с Манхэттенским проектом (надеюсь помните о чем это), но уже в области ИИ. ❓Что такое Genesis Mission в двух словах: 🔹Под руководством Минэнерго США создаётся единая платформа American Science and Security Platform - суперкомпьютеры + облачные ИИ-ресурсы + доступ к огромным федеральным научным датасетам. 🔹На этой базе будут обучать фундаментальные модели и запускать ИИ-агенты, которые формулируют гипотезы, проектируют эксперименты и автоматизируют научные исследования. 🔹Фокус - не абстрактный «AI for everything», а конкретные национальные вызовы: аддитивное производство, биотех, критические материалы, ядерная и термоядерная энергия, квант, полупроводники и микроэлектроника. ❓ Почему это важно для бизнеса, а не только для учёных 🔹 Государство фактически объявляет: ИИ становится базовой инфраструктурой, как энергетика или транспорт. 🔹 В указе заложены механизмы партнёрств с бизнесом и университетами, общие стандарты по данным, IP и безопасности - это каркас для будущих рынков вокруг Genesis Mission. 🔹 Появится спрос на продукты и команды, которые умеют: работать с научными датасетами, строить прикладные агенты поверх foundation-моделей, интегрироваться в крупные исследовательские и производственные контуры. Коротко: США не просто «запускают ещё одну AI-инициативу», а собирают супермашину для ускорения науки и R&D. Вопрос к нам с вами: ИИ гонка между США и Китаем продолжается. На кого ставите?)

💥Илья Суцкевер дал интервью, которое взорвало твиттер. Ниже описал две мысли, которые лично меня зацепили Недавно посмотрел новое интервью Ильи Суцкевера - одного из создателей OpenAI и ChatGPT (кстати, он родом из Нижнего Новгорода, но сегодня это уже не так важно). Важно другое: его слова снова задали тон мировому обсуждению искусственного интеллекта. 1️⃣ "AI is going to be diffused through the economy" Этот тезис идеально резонирует с тем, о чём я пишу здесь уже несколько лет. ИИ не «приходит». ИИ растворяется внутри экономики - слой за слоем. ➤ Бизнесы, которые не внедряют ИИ, уже не просто проигрывают - они перестают развиваться и теряют конкурентное преимущество. ➤ Влиянию ИИ подвергнется 90% индустрий: медицина, юриспруденция, финтех, образование, логистика, недвижимость — всё. Честно, я не вижу ни одной серьёзной причины, почему этот процесс может остановиться. Если вы видите - напишите в комментариях и попробуйте доказать, что я не прав. 2️⃣ Эра масштабирования закончилась. Началась эра исследований. Этот момент и стал причиной того, что интервью так ярко «выстрелило» 🚀🚀 Суцкевер - один из пионеров идеи «больше compute → лучше модель». Но сегодня он говорит:

Даже если увеличить вычислительные мощности в 100 раз - это уже не даст нам чего-то принципиально нового

Это очень сильное заявление... Он считает, что мы подошли к потолку классического scaling-подхода. Поэтому теперь фокус смещается в новые архитектуры, новые принципы обучения, новые способы работы с данными и знаниями. То есть — назад к настоящей науке. К поиску новых горизонтов. И мне это близко. Да, исследования — это риск. Да, они могут годами не окупаться. Но именно так рождаются настоящие прорывы. А теперь вишенка на кексе (или ватрушке;)… Появились голоса, что «Илья вышел из ИИ-гонки». Что он больше не верит в масштабирование, а значит — «отстаёт». 🙂Но это ли не классика? Иногда человек просто видит следующий виток раньше остальных. Как думаете вы? Ждать ли нового прорыва в ИИ уже в следующем году - или мы вступаем в эру медленных, фундаментальных открытий? Пишите в комментариях ⬇️

Недавно Илон Маск репостнул к себе такое видео ⬆️ В целом, долгосрочные цели компании Tesla понятны 😄

🔥Gemini 3: Google выкатывает «цифрового PhD» для бизнеса Google запустил Gemini 3 - свою самую «умную» на сегодня модель с упором не на болтовню, а на глубокое рассуждение и агентные сценарии. Модель лучше понимает контекст, нюансы запросов и уже встроена в Google Поиск, приложение Gemini, Vertex AI и новый агентный IDE-слой Antigravity. Что это меняет для бизнеса? 🔹 Глубокий анализ вместо «болталки». В режиме Deep Think модель сначала «думает», разбирая задачу на шаги, и только потом отвечает - на сложных экзаменах уровня Humanity’s Last Exam и GPQA она показывает результаты уровня PhD. 🔹 Агентный ИИ вместо просто чата. Через Antigravity Gemini 3 может ставить задачи, редактировать файлы, ходить в терминал и браузер, а затем приносить вам готовый план на согласование. 🔹Generative UI. В ответ на запрос вы можете получить не текст, а сразу рабочий виджет: калькулятор, симулятор, мини-дашборд - то есть ИИ не только «советует», но и собирает инструмент под задачу. Если коротко: Gemini 3 - шаг к миру, где ИИ сам предлагает, что и как оптимизировать в вашем бизнесе, а не просто отвечает на вопросы. Вопрос к вам: вы уже думаете, какие процессы в компании можно отдать таким «агентам», или всё ещё смотрите на ИИ только как на улучшенный чат? Пишите в комментариях, как вы используете ИИ в своем бизнесе ⬇️

ИИ в медицине - это уже не будущее, а очень приземлённая рутина: кто-то до сих пор заполняет документы вручную, а кто-то уже передал эту работу модели 🤖 На следующей неделе буду как раз про это рассказывать. 📅 27–28 ноября, 10:00–16:00 мск Онлайн, XI Всероссийская конференция по медицинскому бизнесу “Медплатформа” Я выступаю с темой: «Как с помощью ИИ автоматизировать заполнение медицинской документации?» Организаторы собрали сильную программу из трёх блоков: 1️⃣ Управление клиникой • эффективность собственника и KPI • стратегии развития клиник • налоговые изменения и проверки медучреждений • тренды дизайна клиник 2️⃣ Коммуникации внутри и вовне • маркетинг: от привычных инструментов до ИИ-геомаркетинга • ИИ-тренировки администраторов • адаптация и мотивация персонала • сайты клиник: контент + юридическая часть 3️⃣ Технологии и сервис • автоматизация заполнения меддокументации • автоматизация процессов в ДМС • ИИ в найме сотрудников • построение единой цифровой экосистемы клиники Если вам интересны ИИ и медицина, особенно практический вопрос «как ИИ реально может изменить работу клиник в ближайшие годы» — обязательно регистрируйтесь, участие бесплатное ✅ 🔗 Ссылка на регистрацию

🤖 Как продавать B2B-ИИ за рубежом, если ты не из Кремниевой долины? Недавно смотрел лекцию от руководителя отдела продаж в AWS Марии Китайгора. Лекция была посвящена продажам SaaS в США. Я адаптировал её под AI-продукты)) Делюсь конспектом: 1. Две стратегии продаж: Product-led vs Sales-led 👉 Product-led - когда годовой чек с клиента < ~$15k Тут продукт «продаёт себя сам» через маркетинг: -SMM + контент -SEO -сообщества -лидеры мнений -бесплатные тесты / фримиум -Sales-команда не обязательна, главное - грамотно выстроенные воронки. 👉 Sales-led - когда годовой чек > ~$15k Тут уже: -длинный цикл сделки -несколько стейкхолдеров в компании -нужно считать юнит-экономику сейлзов И именно здесь личные продажи окупаются. 2. Базовый GTM (go to market) для B2B AI-продукта Мария предложила простую, но очень рабочую схему (я её чуть адаптировал): 2.1. Research + Playbook Чётко формулируем: -какую боль закрывает ваш ИИ-продукт -как сейчас компании решают эту проблему -какие результаты вы можете дать (время, деньги, ошибки и т.д.) 2.2. ICP (Ideal Customer Profile) Определяем: -кто наш идеальный клиент (страна, размер компании, отрасль) -кто ЛПР/инициатор (роль: CEO, Head of Ops, CMO, Chief Medical Officer и т.д.) 2.3.Фокус на микросегмент Берём одну группу клиентов и 2–3 конкретные компании/человека, которые реально могут купить. 2.4.Discovery -делаем первую рассылку с playbook -выходим на созвон / встречу -уточняем реальную боль, бюджет, процессы 2.5. Итерация -Обновляем ICP и Playbook после каждого контакта, пока: -либо не начнут покупать -либо не поймём, что сегмент мёртвый Мы сейчас строим продажи нашего AI-сервиса примерно по этой логике: шишки набиваем, гипотезы убиваем, но именно так и формируется рабочий GTM 😅 Сохраняйте этот конспект себе и используйте ☑️ __ Больше инсайтов по B2B продажам здесь

😁Неинстаграмабл истории Я давно хотел поделиться чем-то не глянцевым. Жизнь - это не только яркие победы и красивые фото (в Дубае) Три недели меня почти не было — и вот почему. Мы подали заявку в Plug and Play - один из топ-10 акселераторов мира. Нас отобрали в финал, пригласили на интервью, мы его прошли… но в сам акселератор нас не взяли. Причина: «вы слишком самостоятельны, мы вряд ли сможем дать вам то, что вы уже делаете». Параллельно мы прошли в онлайн-программу Delta (Сан-Франциско), где среди эдвайзеров - Сэм Альтман (OpenAI). Из 1500+ заявок со всего мира отобрали 800 участников, до финала дошло 400, и лишь 20 стали победителями. Мы - не вошли в топ-20. Да, и здесь концовка не инстаграмабл 😅. Но знаете что? Я доволен. За эти три недели мы: — получили новый международный нетворк (США, Португалия, Индия, Германия); — выросли в 10 раз по охватам и активности в соцсетях; — получили фидбек на ArnaAI (наш ИИ-агент для автоматического заполнения меддокументов); — и массу инсайтов от людей из Кремниевой долины. А ещё — ценные ИТ бонусы для проекта. Так что вывод простой: дерзайте. пробуйте. падайте. поднимайтесь. Мир открыт тем, кто делает. 🌍

😎 OpenAI делает ставку на будущее без страховки от государства Сам Альтман недавно в одном из своих постов прояснил: OpenAI не ищет государственных гарантий и не хочет быть «too big to fail». Компания делает глобальную ставку на будущее ИИ-экономики — $1,4 трлн инвестиций в вычислительные мощности на ближайшие 8 лет. Идея проста: ИИ станет основой для новой индустриальной революции, и нехватка вычислений - бОльший риск, чем их избыток. На какую выручку и статьи дохода рассчитывает OpenAI - можно прочитать в нашей статье, сделанной на основе поста Сэма Альтмана. __ Какие мысли у вас? Верите, что дядюшка Сэм не вздрогнет, если OpenAI "поплохеет"?) Напишите в комментариях ⬇️

😁 Неинстаграмабл история Я давно хотел поделиться чем-то не глянцевым. Жизнь - это не только яркие победы и красивые фото. Три недели меня почти не было здесь - и вот почему. Мы подали заявку в Plug and Play - в один из топ-10 акселераторов мира. Нас отобрали в финал, пригласили на интервью, мы его прошли… но в сам акселератор нас не взяли. Причина: «вы слишком самостоятельны, мы вряд ли сможем дать вам то, что вы уже делаете». Параллельно мы прошли в онлайн-программу Delta (Сан-Франциско), где среди эдвайзеров — Сэм Альтман (OpenAI). Из 1500+ заявок со всего мира отобрали 800 участников, до финала дошло 400, и лишь 20 стали победителями. Мы — не вошли в топ-20. Да, и здесь не инстаграмабл развязка 😅 Но знаете что? Я доволен. За эти три недели я: 1️⃣ получил новый международный нетворк (США, Португалия, Индия, Германия); 2️⃣ вырос в 10 раз по охватам и активности в соцсетях; 3️⃣ получил фидбек на ArnaAI (наш ИИ-агент для автоматического заполнения меддокументов); 4️⃣ и массу инсайтов от людей из Кремниевой долины. А ещё — ценные ИТ бонусы для проекта. Так что вывод простой: дерзайте. пробуйте. падайте. поднимайтесь. Мир открыт тем, кто делает 🌍

😎 OpenAI делает ставку на будущее без страховки от государства Сам Альтман недавно в одном из своих постов прояснил: OpenAI не ищет государственных гарантий и не хочет быть «too big to fail». Компания делает глобальную ставку на будущее ИИ-экономики — $1,4 трлн инвестиций в вычислительные мощности на ближайшие 8 лет. Идея проста: ИИ станет основой для новой индустриальной революции, и нехватка вычислений - бОльший риск, чем их избыток. На какую выручку и статьи дохода рассчитывает OpenAI в близжайшем будущем - можно прочитать в нашей новой статье, сделанной на основе поста Сэма Альтмана. __ Какие мысли у вас? Верите, что дядюшка Сэм не вздрогнет, если OpenAI "поплохеет"?) Напишите в комментариях ⬇️

⚫️ Куда качнулся маятник в сообществе ИИ-инженеров? Всё очевиднее становится раскол по поводу «идеологического будущего ИИ». Те, кто ещё вчера ставил на то, что именно OpenAI первыми дойдут до самосовершенствующегося интеллекта, сегодня пересматривают взгляды - и часть лидеров уходит строить альтернативные траектории. Свежий пример: запуск стартапа Periodic Labs - «ИИ-учёный + автономные лаборатории» - с раундом $300 млн во главе с a16z и участием NVentures (NVIDIA), Accel, Felicis, DST, а также Бeзоса, Шмидта, Дина и Элада Гила И это не просто очередной «лабораторный» проект. Его сооснователь Уильям Федус - один из людей, стоявших у зарождения ChatGPT и руководивший пост-тренингом в OpenAI, прежде чем уйти и запустить новую компанию Ниже - полный перевод поста Уильяма Федуса об анонсе Periodic Labs (X):

Сегодня мы вместе с @ekindogus рады представить @periodiclabs. Наша цель - создать ИИ-учёного. Наука работает так: выдвигаем гипотезы о том, как может быть устроен мир, проводим эксперименты и учимся на их результатах. Интеллект необходим, но недостаточен. Новое знание рождается тогда, когда идеи оказываются согласованными с реальностью. Поэтому в Periodic мы создаём ИИ-учёных и автономные лаборатории, в которых они будут работать. До сих пор прогресс «научного ИИ» шёл от моделей, обученных на интернете. Но, как бы он ни был огромен, интернет конечен (оценки — ~10 трлн текстовых токенов, где одно английское слово — 1–2 токена). В последние годы лучшие фронтир-модели полностью его выжали. Исследователи пытаются использовать эти данные лучше, но любой учёный знает: перечитывать учебник полезно лишь до момента - дальше нужно проверять идею на практике. Автономные лаборатории - центр нашей стратегии. Они дают колоссальные объёмы высококачественных данных (каждый эксперимент - гигабайты!), которых нет больше нигде. Они генерируют ценные негативные результаты, которые редко публикуются. Но самое главное - они дают нашим ИИ-учёным инструменты для действий. Мы начинаем с физических наук. Технологический прогресс ограничен нашей способностью конструировать физический мир. Стартуем здесь, потому что эксперименты имеют высокую связку «сигнал/шум» и (относительно) быстры, физические симуляции эффективно моделируют многие системы, а в более широком смысле физика - проверяемая среда. ИИ быстрее всего прогрессирует там, где есть данные и верифицируемые результаты - например, в математике и коде. Здесь природа - это RL-окружение. Одна из наших целей - открыть сверхпроводники при более высоких температурах, чем сегодня. Существенный прогресс поможет создать транспорт нового поколения и энергосети с минимальными потерями. Но это лишь пример, если мы автоматизируем дизайн материалов, у нас появится шанс ускорить закон Мура, космические миссии и ядерный синтез. Мы также работаем над внедрением вместе с индустрией. Например, помогаем производителю полупроводников, который сталкивается с проблемами тепловыделения на чипах. Мы обучаем кастомных агентов для их инженеров и исследователей, чтобы быстрее осмыслять экспериментальные данные и ускорять итерации. Наша основательская команда создавала ChatGPT, DeepMind GNoME, OpenAI Operator (ныне Agent), механизм внимания в нейросетях, MatterGen; запускала автономные физические лаборатории и внесла вклад в важнейшие открытия в материаловедении за последнее десятилетие. Мы объединились, чтобы масштабировать и заново переосмыслить науку. Мы счастливы, что нас поддерживают инвесторы, разделяющие видение, включая @a16z, которые возглавили наш раунд $300 млн, а также @Felicis, DST Global, NVentures (венчурное подразделение NVIDIA), @Accel и такие частные инвесторы, как @JeffBezos, @eladgil, @ericschmidt, @JeffDean. Их поддержка поможет нам расширить команду, масштабировать лаборатории и создать первое поколение ИИ-учёных

Посмотрим, что будет дальше 😎

🦉Мировая игра на повышение compute Сегодня расскажу о недавно нашумевшей статье Паскуаля Рестрепо (сотрудника одного из ТОПовых американских ВУЗов). Статья называется "We Won’t be Missed: Work and Growth in the AGI World" (перев. "По нам никто не будет скучать: работа и рост в мире AGI"). ❓О чём работа (и почему это важно бизнесу) 🔹“Узкие места” vs “вспомогательная работа” Рестрепо делит все задачи на критичные для роста (bottlenecks) и второстепенные. В долгом горизонте AGI автоматизирует все узкие места, поэтому темп роста выпуска начинает определяться темпом наращивания вычислительных мощностей (compute) 😉Самое время вспомнить мою статью о том, сколько крупные международные компании тратят на вычислительные мощности для ИИ 🔹Линейная экономика вычислений После автоматизации узких мест производство становится по сути «аддитивным»: выпуск складывается из работы compute и людей, а долгосрочный рост равен росту compute 🔹Зарплаты якорятся к стоимости вычислений В AGI-мире цена человеческого труда определяется тем, сколько compute нужно, чтобы «воспроизвести» такие же результаты; доля труда в ВВП убывает к нулю (но зарплаты остаются положительными). Это радикально меняет распределение доходов 🔹AGI в науке это не сингулярность, но даёт устойчивую экспоненту Если AGI берёт на себя “узкие места” в R&D, темп технологического прогресса тоже определяется ростом compute - возможен устойчивый экспоненциальный рост даже при стагнирующем населении, но без «бесконечного взрыва» 🔹Ключевой допуск: compute становится избыточным ресурсом Автор опирается на исторический тренд расширения вычислительных мощностей и предполагает их длительный рост на порядки 🚀 Что это значит для стратегий компаний? 👉 Ставка на “узкие места” процессов Карта вашего бизнеса должна явно показывать узкие места: где именно задерживается выпуск/выручка. Если задача “узкая”, ищите способ подсадить туда ИИ-агентов и «купить рост» за счёт compute, а не FTE 👉 Пересборка CAPEX: “мощности как новый основной капитал” Дата-центры, GPU, ускорители, доступ к облачному compute - это ваш «новый станок». Финмодель должна считать ROI на единицу compute (руб. валовой прибыли / час GPU) и эластичность выпуска по compute 👉 Ценообразование и P&L: “зарплата как производная от стоимости вычислений” Приоритизируйте те функции, где стоимость автоматизации (в часах compute) уже ниже ставки сотрудников за эквивалентный результат. Это даёт мгновенную маржинальную дельту. 📘 Вывод AGI переводит вопрос «как расти?» из плоскости найма в плоскость масштабирования вычислений. Там, где рост ограничен узкими задачами, выигрывает тот, у кого дешевле и стабильнее доступ к compute - и кто умеет превращать его в выпуск быстрее конкурентов

🦉Мировая игра на повышение compute Сегодня расскажу о недавно нашумевшей статье Паскуаля Рестрепо (сотрудника одного из ТОПовых американских ВУЗов). Статья называется "We Won’t be Missed: Work and Growth in the AGI World" (перев. "По нам никто не будет скучать: работа и рост в мире AGI"). ❓О чём работа (и почему это важно бизнесу) 🔹“Узкие места” vs “вспомогательная работа” Рестрепо делит все задачи на критичные для роста (bottlenecks) и второстепенные. В долгом горизонте AGI автоматизирует все узкие места, поэтому темп роста выпуска начинает определяться темпом наращивания вычислительных мощностей (compute) 😉Самое время вспомнить мою статью о том, сколько крупные международные компании тратят на вычислительные мощности для ИИ 🔹Линейная экономика вычислений После автоматизации узких мест производство становится по сути «аддитивным»: выпуск складывается из работы compute и людей, а долгосрочный рост равен росту compute 🔹Зарплаты якорятся к стоимости вычислений В AGI-мире цена человеческого труда определяется тем, сколько compute нужно, чтобы «воспроизвести» такие же результаты; доля труда в ВВП убывает к нулю (но зарплаты остаются положительными). Это радикально меняет распределение доходов 🔹AGI в науке это не сингулярность, но даёт устойчивую экспоненту Если AGI берёт на себя “узкие места” в R&D, темп технологического прогресса тоже определяется ростом compute - возможен устойчивый экспоненциальный рост даже при стагнирующем населении, но без «бесконечного взрыва» 🔹Ключевой допуск: compute становится избыточным ресурсом Автор опирается на исторический тренд расширения вычислительных мощностей и предполагает их длительный рост на порядки 🚀 Что это значит для стратегий компаний? 👉 Ставка на “узкие места” процессов Карта вашего бизнеса должна явно показывать узкие места: где именно задерживается выпуск/выручка. Если задача “узкая”, ищите способ подсадить туда ИИ-агентов и «купить рост» за счёт compute, а не FTE 👉 Пересборка CAPEX: “мощности как новый основной капитал” Дата-центры, GPU, ускорители, доступ к облачному compute - это ваш «новый станок». Финмодель должна считать ROI на единицу compute (руб. валовой прибыли / час GPU) и эластичность выпуска по compute 👉 Ценообразование и P&L: “зарплата как производная от стоимости вычислений” Приоритизируйте те функции, где стоимость автоматизации (в часах compute) уже ниже ставки сотрудников за эквивалентный результат. Это даёт мгновенную маржинальную дельту. 📘 Вывод AGI переводит вопрос «как расти?» из плоскости найма в плоскость масштабирования вычислений. Там, где рост ограничен узкими задачами, выигрывает тот, у кого дешевле и стабильнее доступ к compute - и кто умеет превращать его в выпуск быстрее конкурентов

💶 «Двигает» ли ИИ экономику? Недавно OpenAI представили GDPval, новую метрику, которая измеряет не абстрактные тесты, а способность моделей искусственного интеллекта выполнять реальные, оплачиваемые задачи из профессий, которые формируют ВВП ❗️Почему это важно бизнесу? 🔹 Фокус на работе, а не на игрушечных бенчмарках В GDPval собрали 1 320 задач по 44 профессиям в 9 крупнейших по доле в ВВП отраслях США - от юристов и бухгалтеров до инженеров и менеджеров проектов. Это презентации, отчёты, сметы, юридические документы, таблицы - те самые артефакты, за которые платят деньги 🔹 Оценка как в жизни Готовые работы от моделей вслепую сравнивают с человеческими эксперты соответствующих профессий (в среднем 14+ лет опыта). Результат - ранжирование «лучше / на уровне / хуже». Это максимально близко к реальной «приёмке» 🔹 Экономический смысл, а не только точность В фокусе - производительность и качество по профессиям, которые дают львиную долю зарплат и выручки в отраслях, отобранных по вкладу в ВВП (отрасли с >5% ВВП). Это позволяет делать прогнозы не про «IQ модели», а про прибавку к марже и обороту ⁉️ Что это значит на практике? 1️⃣ ROI-сценарии становятся прозрачнее Если модель стабильно выдаёт артефакты уровня middle-специалиста в конкретной профессии, это прямой вход в калькуляцию: стоимость inference vs. ставка сотрудника, скорость цикла, SLA по качеству важно: В сопутствующих обзорах отмечают прирост качества и кратный выигрыш в скорости/стоимости на ряде задач - сигнал к пересборке unit-экономики в бэк-офисе и консалтинге 2️⃣ Стратегия - «переупаковка процессов», а не замена людей GDPval фиксирует прогресс на «одношаговых» задачах: подготовить черновик, свести данные, наметить план. Это идеальное поле для «человек + ИИ»: человек ставит цель и даёт обратную связь, модель делает тяжёлую рутину. Следующая версия обещает больше интерактивности - ещё один плюс в пользу конвейеров «черновик→ревью→итерация» 3️⃣ Управление рисками - через дизайн задач Раз задачи привязаны к профессиям и артефактам, их можно обернуть в контролируемые пайплайны: чек-листы, шаблоны, валидаторы, аудит следов (who/what/when). Это снижает операционные риски и упрощает комплаенс. Самое время напомнить про мою статью о том, как бизнесу угнаться за обновлениями ИИ 🚀 Как применить эту информацию в вашей компании уже сейчас? 👉 Возьмите 5–10 типовых результатов из одной функции (например, финансы или юрподдержка), превратите их в «GDPval-подобные» задачи с примером входных данных и эталонным выходом 👉Проведите A/B: «человек-соло» vs «человек + ИИ-черновик» с тайм-трекером и рубрикой оценки качества (градации «лучше/на уровне/хуже»). Считайте стоимость, скорость, долю доработок. 👉Сформируйте «каталог задач» с метками: автоматизируемые, ассистируемые, нецелесообразно - и привяжите к P&L (экономия OPEX, сокращение TTM). ___ Хочется отметить, что в целом, я рад сдвигу ИИ от решения умных головолоком к экономике производительности. Для руководителей компаний это инструмент, чтобы связать ИИ-инициативы с P&L: видеть, какие именно профессии и какие типы работ уже сегодня дают измеримый эффект и где пора перестраивать процессы под «человек + ИИ»