Про концертные туры – уточнений пост
Вчера так хотелось написать про то, какая Мадонна молодец, что допустила несколько логических неточностей. Исправляюсь )
А что если, как мне абсолютно справедливо напомнили в комментариях, у всех музыкантов настолько же интенсивные туры? Значит ли это, что все они энергичны и трудолюбивы?
Существуют ли поп- или рок-звезды уровня Мадонны с низким уровнем энергии? Или известные своей ленью? Если они существуют, означает ли это, что они, например, талантливее и этим компенсируют недостаток трудолюбия?
И продакт во мне стал думать о том, какой метрикой можно измерить "трудозатратность" концертного тура.
Мое предложение – использовать комбинацию из трёх метрик:
а) Продолжительность в днях
б) Отношение дней с концертами к общей продолжительности
в) Отношение суммарного времени в дороге к общей продолжительности.
Возможно, для простоты время на концерте или в дороге можно сложить. И тогда метрика будет выглядеть как "1 – отношение времени отдыха к общей продолжительности".
Вчера так хотелось написать про то, какая Мадонна молодец, что допустила несколько логических неточностей. Исправляюсь )
А что если, как мне абсолютно справедливо напомнили в комментариях, у всех музыкантов настолько же интенсивные туры? Значит ли это, что все они энергичны и трудолюбивы?
Существуют ли поп- или рок-звезды уровня Мадонны с низким уровнем энергии? Или известные своей ленью? Если они существуют, означает ли это, что они, например, талантливее и этим компенсируют недостаток трудолюбия?
И продакт во мне стал думать о том, какой метрикой можно измерить "трудозатратность" концертного тура.
Мое предложение – использовать комбинацию из трёх метрик:
а) Продолжительность в днях
б) Отношение дней с концертами к общей продолжительности
в) Отношение суммарного времени в дороге к общей продолжительности.
Возможно, для простоты время на концерте или в дороге можно сложить. И тогда метрика будет выглядеть как "1 – отношение времени отдыха к общей продолжительности".
❤2👍1👏1
Founder mode (ч. 2)
Продолжаю исследовать, почему вокруг этой темы столько разговоров (параллельно помогая этим кругам на воде расходиться ещё дальше).
Спасибо моей подруге Ларе за наводку на подкаст All-In. Раньше его не слушала, а он явно очень полезен для общей эрудиции в вопросах технологии и бизнеса.
Авторы этого подкаста, по крайней мере те, чье мнение я успела услышать, не в восторге от концепции founder mode.
Чамат Палихапития, например, считает, что manager mode vs founder mode – это ложная дихотомия. И вводит другое понятие – first principles management. Буквальный перевод – менеджмент "от основ", т.е. основанный на независимом мышлении и логике без оглядки на авторитеты.
Вот его твит. Рекомендую.
Продолжаю исследовать, почему вокруг этой темы столько разговоров (параллельно помогая этим кругам на воде расходиться ещё дальше).
Спасибо моей подруге Ларе за наводку на подкаст All-In. Раньше его не слушала, а он явно очень полезен для общей эрудиции в вопросах технологии и бизнеса.
Авторы этого подкаста, по крайней мере те, чье мнение я успела услышать, не в восторге от концепции founder mode.
Чамат Палихапития, например, считает, что manager mode vs founder mode – это ложная дихотомия. И вводит другое понятие – first principles management. Буквальный перевод – менеджмент "от основ", т.е. основанный на независимом мышлении и логике без оглядки на авторитеты.
Вот его твит. Рекомендую.
❤4
Почему я перестала писать каждый день? Потому что готовилась к Дню инвестора HeadHunter, который прошел 3 октября.
Чувствовала большую гордость, когда рассказывала про продуктовую экосистему, которую мы строим для всех профессионалов в широком смысле – сотрудников, HR, предпринимателей.
В эту экосистему, конечно, входит всем известный hh.ru, а также социальная сеть для профессионалов Сетка, сервисы для развития карьеры и целая линейка HR-tech продуктов.
Основное мое чувство уже несколько дней – безмерная благодарность всем коллегам, которые создают такие продукты и проводят такие мероприятия.
Чувствовала большую гордость, когда рассказывала про продуктовую экосистему, которую мы строим для всех профессионалов в широком смысле – сотрудников, HR, предпринимателей.
В эту экосистему, конечно, входит всем известный hh.ru, а также социальная сеть для профессионалов Сетка, сервисы для развития карьеры и целая линейка HR-tech продуктов.
Основное мое чувство уже несколько дней – безмерная благодарность всем коллегам, которые создают такие продукты и проводят такие мероприятия.
❤16🔥10👍1
#economics
Так как я работаю в HeadHunter, то много думаю про рынок труда.
А образование у меня экономическое. И тут мне вспомнилось, что существует такая ветвь экономики – labor economics. Я к ней никогда не имела отношения и даже не знала, какие проблемы она решает. Стало интересно разобраться.
Чтобы не мелочиться, разбираться я стала сразу с помощью курса Дарона Аджемоглу и Дэвида Аутора для PhD студентов MIT. Аджемоглу, кстати, в этом году Нобелевскую премию получил, правда по другой теме.
Сижу сейчас в не-Сапсане до Питера, читаю эти лекции и чувствую себя примерно как мастер спорта по лёгкой атлетике, который все бросил, лет 20 никакой атлетикой не занимался вообще, а потом вдруг решил с ходу пробежать марафон. В принципе разобраться можно, модели узнаваемые, но идёт тяжело.
Итак, один из вопросов, который ставит labor economics, звучит так: какой оптимальный уровень инвестиций в человеческий капитал? Другими словами, сколько ресурсов человек будет тратить на свое образование или образование ребенка?
В одной из самых простых моделей ответ довольно очевиден: родители будут инвестировать в образование детей, если дисконтированная разница между оплатой труда квалифицированных и неквалифицированных работников перекрывает стоимость обучения. Чем выше процентные ставки, тем более дешёвым должно быть образование, чтобы оставаться экономически выгодным.
Выводы становятся более интересными в ситуации, когда родители не могут взять кредит на образование ребенка. В этом случае:
1) Ценовой порог, после которого инвестиции в образование становятся экономически невыгодными, снижается. Как следствие, меньше родителей инвестируют в образование детей.
2) Рост дохода домохозяйства способствует инвестициям в образование. В ситуации с доступными кредитами такой зависимости нет.
И честное слово, чтобы добраться до этих выводов, которые местами выглядят очевидными, пришлось пробраться через 13 страниц плотного местами математического текста.
Так как я работаю в HeadHunter, то много думаю про рынок труда.
А образование у меня экономическое. И тут мне вспомнилось, что существует такая ветвь экономики – labor economics. Я к ней никогда не имела отношения и даже не знала, какие проблемы она решает. Стало интересно разобраться.
Чтобы не мелочиться, разбираться я стала сразу с помощью курса Дарона Аджемоглу и Дэвида Аутора для PhD студентов MIT. Аджемоглу, кстати, в этом году Нобелевскую премию получил, правда по другой теме.
Сижу сейчас в не-Сапсане до Питера, читаю эти лекции и чувствую себя примерно как мастер спорта по лёгкой атлетике, который все бросил, лет 20 никакой атлетикой не занимался вообще, а потом вдруг решил с ходу пробежать марафон. В принципе разобраться можно, модели узнаваемые, но идёт тяжело.
Итак, один из вопросов, который ставит labor economics, звучит так: какой оптимальный уровень инвестиций в человеческий капитал? Другими словами, сколько ресурсов человек будет тратить на свое образование или образование ребенка?
В одной из самых простых моделей ответ довольно очевиден: родители будут инвестировать в образование детей, если дисконтированная разница между оплатой труда квалифицированных и неквалифицированных работников перекрывает стоимость обучения. Чем выше процентные ставки, тем более дешёвым должно быть образование, чтобы оставаться экономически выгодным.
Выводы становятся более интересными в ситуации, когда родители не могут взять кредит на образование ребенка. В этом случае:
1) Ценовой порог, после которого инвестиции в образование становятся экономически невыгодными, снижается. Как следствие, меньше родителей инвестируют в образование детей.
2) Рост дохода домохозяйства способствует инвестициям в образование. В ситуации с доступными кредитами такой зависимости нет.
И честное слово, чтобы добраться до этих выводов, которые местами выглядят очевидными, пришлось пробраться через 13 страниц плотного местами математического текста.
🤔7👍4
🔥8👍1
#economics
Продолжаю серию "Экономика по выходным". И не просто экономика, а labor economics.
Неделю назад я писала о том, что эта область экономической науки в том числе занимается тем, что определяет оптимальный уровень инвестиций в человеческий капитал.
Сегодня рассмотрим более частный вопрос: как обучение влияет на уровень дохода?
Первый подход, который приходит в голову: рассчитать разницу между средним доходом квалифицированных и неквалифицированных работников.
И этот подход мог бы сработать, если бы люди для прохождения обучения выбирались случайным образом. Получился бы честный A/B тест.
Но в реальности каждый человек решает, стоит ли ему учиться, в зависимости от ожидаемого роста дохода для этого конкретного человека. А люди все разные.
Если предположить, что
а) люди различаются по способностям
б) чем выше уровень способностей человека, тем выше его доход, даже если человек не получает образование
в) чем выше уровень способностей, тем больший прирост дохода даёт образование,
то окажется, что решение получать образование примут все люди с уровнем способностей выше какого-то порогового значения.
Если бы эти квалифицированные работники не получили образование, то они бы все равно зарабатывали больше, чем группа неквалифицированных работников.
Простое сравнение "в лоб" среднего дохода квалифицированных и неквалифицированных работников привело бы к тому, что мы переоценили бы влияние образования на доход. Это хороший пример selection bias.
Картинка в начале поста объясняет все эти зависимости лучше, чем тысяча слов и формул.
Продолжаю серию "Экономика по выходным". И не просто экономика, а labor economics.
Неделю назад я писала о том, что эта область экономической науки в том числе занимается тем, что определяет оптимальный уровень инвестиций в человеческий капитал.
Сегодня рассмотрим более частный вопрос: как обучение влияет на уровень дохода?
Первый подход, который приходит в голову: рассчитать разницу между средним доходом квалифицированных и неквалифицированных работников.
И этот подход мог бы сработать, если бы люди для прохождения обучения выбирались случайным образом. Получился бы честный A/B тест.
Но в реальности каждый человек решает, стоит ли ему учиться, в зависимости от ожидаемого роста дохода для этого конкретного человека. А люди все разные.
Если предположить, что
а) люди различаются по способностям
б) чем выше уровень способностей человека, тем выше его доход, даже если человек не получает образование
в) чем выше уровень способностей, тем больший прирост дохода даёт образование,
то окажется, что решение получать образование примут все люди с уровнем способностей выше какого-то порогового значения.
Если бы эти квалифицированные работники не получили образование, то они бы все равно зарабатывали больше, чем группа неквалифицированных работников.
Простое сравнение "в лоб" среднего дохода квалифицированных и неквалифицированных работников привело бы к тому, что мы переоценили бы влияние образования на доход. Это хороший пример selection bias.
Картинка в начале поста объясняет все эти зависимости лучше, чем тысяча слов и формул.
❤6
Писала почти три месяца назад про стартап wordware.ai. Они только что подняли seed round на 30 млн долларов и собираются создать "операционную систему для разработки сервисов на базе AI".
Основная проблема, которую стартап решает, звучит примерно так. Прототипировать с помощью no-code инструментов легко, но такие решения потом сложно интегрировать в код на проде. А если все сразу программировать по-взрослому, каждая итерация занимает много времени. Проблема понятная, и если Wordware действительно сможет ее решить, то стартап ждёт большое будущее.
Основная проблема, которую стартап решает, звучит примерно так. Прототипировать с помощью no-code инструментов легко, но такие решения потом сложно интегрировать в код на проде. А если все сразу программировать по-взрослому, каждая итерация занимает много времени. Проблема понятная, и если Wordware действительно сможет ее решить, то стартап ждёт большое будущее.
❤4
#productmanagement
Как отличить disruptive innovations от всех остальных?
Меня часто спрашивают. На самом деле не спрашивают, а могли бы. Часто слышу в околопродуктовой среде разговоры про disruptive innovation, "подрывные инновации" в переводе на русский. И очень часто термин этот употребляется неправильно, когда "дизраптом" называют любую серьезную конкурентную угрозу. На самом деле disruptive innovation – это не любые значимые инновации и тем более конкурентная угроза, а вполне конкретная рыночная ситуация: появление на рынке нового продукта, который хуже существующего по основному для рынка критерию качества, зато в каком-то смысле доступнее. Варианты доступности могут быть самые разные, например:
– дешевле
– проще для неспециалистов
– меньше по габаритам, так что может использоваться где угодно, а не в каких-то специальных местах.
Обычно при появлении на рынке такого продукта сам рынок расширяется, потому что пользователи нового продукта раньше не пользовались никаким, так как он им был недоступен.
Другой тип инноваций – sustaining innovation (переводят обычно как "поддерживающие"). По сути они делают существующие продукты ещё лучше. И если у одной компании появляется технология, которая делает ее продукты существенно лучше по "традиционному" критерию качества, это может подорвать бизнес ее конкурентов, но такая инновация не называется disruptive innovation.
По сути disruptive innovations "подрывают" рынок, а не просто бизнес отдельных его участников.
Проиллюстрирую на примере GenAI, так как тема эта горячая.
GenAI как семейство технологий приводит к появлению как sustaining, так и disruptive innovations, смотря о каком рынке идёт речь.
– Когда в начале поисковой выдачи Яндекса появляется короткий ответ от Нейро, это инновация типа sustaining: поиск стал лучше (можно сразу найти ответ на свой вопрос, не переходя даже по пяти первым ссылкам), при этом аудитория пользователей не изменилась, продукт не стал доступнее
– Когда появляется возможность по текстовому описанию сгенерировать иллюстрацию, это инновация типа disruptive для рынка иллюстраций. Раньше их могли рисовать только специально обученные люди, которых надо было для этой задачи найти, а теперь кто угодно справится с созданием иллюстрации за несколько минут, хотя она и может оказаться похуже. Так что иллюстраций станет больше, а каждый блогер может стать сам себе иллюстратором.
P.S. При этом верю, что хорошим иллюстраторам бояться нечего, потому что они как раз привносят в иллюстрации свой личный уникальный стиль и мировоззрение, а на это спрос есть всегда.
P.P.S. Теория disruptive innovations прекрасно изложена ее автором Клейтоном Кристенсеном в книге "Дилемма инноватора".
Как отличить disruptive innovations от всех остальных?
– дешевле
– проще для неспециалистов
– меньше по габаритам, так что может использоваться где угодно, а не в каких-то специальных местах.
Обычно при появлении на рынке такого продукта сам рынок расширяется, потому что пользователи нового продукта раньше не пользовались никаким, так как он им был недоступен.
Другой тип инноваций – sustaining innovation (переводят обычно как "поддерживающие"). По сути они делают существующие продукты ещё лучше. И если у одной компании появляется технология, которая делает ее продукты существенно лучше по "традиционному" критерию качества, это может подорвать бизнес ее конкурентов, но такая инновация не называется disruptive innovation.
По сути disruptive innovations "подрывают" рынок, а не просто бизнес отдельных его участников.
Проиллюстрирую на примере GenAI, так как тема эта горячая.
GenAI как семейство технологий приводит к появлению как sustaining, так и disruptive innovations, смотря о каком рынке идёт речь.
– Когда в начале поисковой выдачи Яндекса появляется короткий ответ от Нейро, это инновация типа sustaining: поиск стал лучше (можно сразу найти ответ на свой вопрос, не переходя даже по пяти первым ссылкам), при этом аудитория пользователей не изменилась, продукт не стал доступнее
– Когда появляется возможность по текстовому описанию сгенерировать иллюстрацию, это инновация типа disruptive для рынка иллюстраций. Раньше их могли рисовать только специально обученные люди, которых надо было для этой задачи найти, а теперь кто угодно справится с созданием иллюстрации за несколько минут, хотя она и может оказаться похуже. Так что иллюстраций станет больше, а каждый блогер может стать сам себе иллюстратором.
P.S. При этом верю, что хорошим иллюстраторам бояться нечего, потому что они как раз привносят в иллюстрации свой личный уникальный стиль и мировоззрение, а на это спрос есть всегда.
P.P.S. Теория disruptive innovations прекрасно изложена ее автором Клейтоном Кристенсеном в книге "Дилемма инноватора".
👍6🔥1
Пару месяцев назад я рассказывала на конференции Epic Growth про тренды в вакансиях менеджеров продукта. Делюсь двумя графиками, которые мне самой запомнились. Согласитесь, они похожи по форме. На графике слева – вакансии, в которых упоминается блокчейн (и вся большая область, основанная на этой технологии), в 2016-2018 гг. На графике справа – вакансии, в которых упоминается GenAI (и вся большая область вокруг него), в 2022-2024 гг. Кажется, что оба графика стремятся куда-то в небеса. Куда пойдет правый график, мы увидим только в следующем году. А вот продолжение графика слева покажу завтра.
👍4❤2
Итак, обещанный левый график из вчерашнего поста за более длительный период. Из этого графика явно видно, что не всё, что сначала выглядит как экспоненциальный рост, действительно в таком виде и продолжается. В случае с областью "вокруг блокчейна" количество вакансий в большой степени зависит от курса основных криптовалют, поэтому вангую, что в 2025 году их снова станет больше. Более того, интересно будет посмотреть на этот график лет через 10-20. Возможно, временные колебания будут казаться незаметными, а тренд на рост станет очевидным. Но пока нет никаких гарантий, что мы увидим именно такое развитие событий.
Конечно, то, что в одной области экспоненциальный рост пока не случился, не означает, что так произойдет со всеми многообещающими технологиями. Так что с интересом наблюдаем, как будет развиваться в 2025 году сфера GenAI. Пока кажется, что это более фундаментальный тренд, потому что у GenAI очень понятное применение – делать людей производительнее во всех областях.
Конечно, то, что в одной области экспоненциальный рост пока не случился, не означает, что так произойдет со всеми многообещающими технологиями. Так что с интересом наблюдаем, как будет развиваться в 2025 году сфера GenAI. Пока кажется, что это более фундаментальный тренд, потому что у GenAI очень понятное применение – делать людей производительнее во всех областях.
👍2
На этой неделе я, как и многие, потестировала DeepSeek. Начала с локально установленной distilled версии. Первый вопрос, который я задала, был про качество математического образования во Франции. Спорили недавно о нем с друзьями, поэтому было интересно.
Тут ловлю себя на проявлении confirmation bias. Ответ модели мне понравился, потому что он в целом подтверждал мою точку зрения, что всегда приятно. Но на самом деле там есть к чему придраться и некоторые аргументы натянуты.
А вот дальше я попросила решить одну олимпиадную задачку по математике для младших классов средней школы. И тут DeepSeek писал минут 15. Мне в какой-то момент было интересно, он сам остановится или надо будет как-то его искусственно прерывать. Если скопировать его ответ в Word, получается где-то 13 страниц. Он попробовал всевозможные подходы и, надо отметить, честно признавал, что ни один из них не работает. Но подходы все были при этом довольно похожими, и после нескольких попыток умный человек мог бы догадаться, что так эту крепость не взять. В конечном итоге DeepSeek сдался и пришел к выводу, что у задачи нет решения. При этом в целом не написал ерунды. Его цепочка размышлений была похожа на цепочку размышлений не очень способного, но старательного, энергичного и продуктивного школьника.
После некоторого ожидания мне удалось зарегистрироваться на chat.deepseek.com. Если не ошибаюсь, там ответы генерирует уже полная версия модели. Но она с задачей тоже не справилась.
Не справился и Gemini как в бесплатной, так и в платной версиях. Но при этом Gemini свой неправильный ответ пытался выдать за правильный. Одна из моделей Gemini выдала запутанный, наукообразный и при этом совсем неправильный ответ.
В общем, ничего удивительного. Компилируют модели хорошо, а именно "думают" пока не очень.
При этом размышления на уровне старательного школьника меня тоже впечатлили. В случае с DeepSeek выглядело так, как будто я общаюсь с собеседником, который по крайней мере очень хорошо понимает вопрос и недостатки своих вариантов решения.
Отдельно хочется отметить, что мне было сложно придумать вопрос, для ответа на который нужно было бы именно подумать. Не вспомнить, не проанализировать несколько точек зрения, не сделать обобщающий вывод, не применить последовательно пусть даже очень сложные инструкции, а подумать. Олимпиадная задачка оказалась первым и пока единственным примером, который пришел в голову.
Тут ловлю себя на проявлении confirmation bias. Ответ модели мне понравился, потому что он в целом подтверждал мою точку зрения, что всегда приятно. Но на самом деле там есть к чему придраться и некоторые аргументы натянуты.
А вот дальше я попросила решить одну олимпиадную задачку по математике для младших классов средней школы. И тут DeepSeek писал минут 15. Мне в какой-то момент было интересно, он сам остановится или надо будет как-то его искусственно прерывать. Если скопировать его ответ в Word, получается где-то 13 страниц. Он попробовал всевозможные подходы и, надо отметить, честно признавал, что ни один из них не работает. Но подходы все были при этом довольно похожими, и после нескольких попыток умный человек мог бы догадаться, что так эту крепость не взять. В конечном итоге DeepSeek сдался и пришел к выводу, что у задачи нет решения. При этом в целом не написал ерунды. Его цепочка размышлений была похожа на цепочку размышлений не очень способного, но старательного, энергичного и продуктивного школьника.
После некоторого ожидания мне удалось зарегистрироваться на chat.deepseek.com. Если не ошибаюсь, там ответы генерирует уже полная версия модели. Но она с задачей тоже не справилась.
Не справился и Gemini как в бесплатной, так и в платной версиях. Но при этом Gemini свой неправильный ответ пытался выдать за правильный. Одна из моделей Gemini выдала запутанный, наукообразный и при этом совсем неправильный ответ.
В общем, ничего удивительного. Компилируют модели хорошо, а именно "думают" пока не очень.
При этом размышления на уровне старательного школьника меня тоже впечатлили. В случае с DeepSeek выглядело так, как будто я общаюсь с собеседником, который по крайней мере очень хорошо понимает вопрос и недостатки своих вариантов решения.
Отдельно хочется отметить, что мне было сложно придумать вопрос, для ответа на который нужно было бы именно подумать. Не вспомнить, не проанализировать несколько точек зрения, не сделать обобщающий вывод, не применить последовательно пусть даже очень сложные инструкции, а подумать. Олимпиадная задачка оказалась первым и пока единственным примером, который пришел в голову.
🔥13👍9❤3
Request for Startups (ноябрь 2024)
Периодически Y Combinator публикует список Request for Startups: это перспективные с точки зрения партнёров фонда идеи для стартапов. В ноябре 2024 в список попало направление, которое мне, конечно, профессионально интересно: One Million Jobs 2.0.
Идея в следующем: так как AI-агенты будут выполнять практически всю работу, а люди освободятся, нужны компании, которые смогут создать миллионы рабочих мест, причем не из "благотворительных" соображений, чтобы всех потенциальных безработных пристроить, а потому что это экономически оправданно.
Сама задача тут необычная. Другие идеи в списке request for startups обычно строятся вокруг решения какой-то проблемы ("создать вакцину от коронавируса") или использования перспективной технологии ("AI для специализированного B2B SAAS"). А идея One Million Jobs, на первый взгляд, отталкивается не от проблемы, а от того, что скоро будет избыток одного из видов ресурса.
Но если задуматься, это направление всё-таки решает проблемы, причем сразу две:
– проблему заработка для людей, которые потеряют доход, если их работу будет выполнять AI
– проблему избытка свободного времени у этих же людей.
Просто эти две проблемы можно решать через создание рабочих мест, а можно как-то по-другому.
Тут встаёт вопрос о том, удовлетворит ли большинство людей получение безусловного дохода и большое разнообразие дешёвых развлечений. Кажется, что многим будет не хватать в такой жизни смысла. И тогда они его придумают: например, ударятся в религию или захотят что-нибудь завоевать. Возможно, и правда будет спокойнее, если миллиарды людей просто продолжат работать.
С большой вероятностью, мы сейчас даже не можем вообразить эти самые профессии будущего. В 19 веке невозможно было представить всю IT-отрасль. И хотя тогда появились, например, первые планёры, невозможно было представить, что лет через 150 в авиации будет работать около 12 млн человек (для сравнения это население Бельгии или Туниса).
Очень интересно, как будут разворачиваться события. И кажется, что всё случится быстро и ждать 150 лет, чтобы это увидеть, не придётся.
Периодически Y Combinator публикует список Request for Startups: это перспективные с точки зрения партнёров фонда идеи для стартапов. В ноябре 2024 в список попало направление, которое мне, конечно, профессионально интересно: One Million Jobs 2.0.
Идея в следующем: так как AI-агенты будут выполнять практически всю работу, а люди освободятся, нужны компании, которые смогут создать миллионы рабочих мест, причем не из "благотворительных" соображений, чтобы всех потенциальных безработных пристроить, а потому что это экономически оправданно.
Сама задача тут необычная. Другие идеи в списке request for startups обычно строятся вокруг решения какой-то проблемы ("создать вакцину от коронавируса") или использования перспективной технологии ("AI для специализированного B2B SAAS"). А идея One Million Jobs, на первый взгляд, отталкивается не от проблемы, а от того, что скоро будет избыток одного из видов ресурса.
Но если задуматься, это направление всё-таки решает проблемы, причем сразу две:
– проблему заработка для людей, которые потеряют доход, если их работу будет выполнять AI
– проблему избытка свободного времени у этих же людей.
Просто эти две проблемы можно решать через создание рабочих мест, а можно как-то по-другому.
Тут встаёт вопрос о том, удовлетворит ли большинство людей получение безусловного дохода и большое разнообразие дешёвых развлечений. Кажется, что многим будет не хватать в такой жизни смысла. И тогда они его придумают: например, ударятся в религию или захотят что-нибудь завоевать. Возможно, и правда будет спокойнее, если миллиарды людей просто продолжат работать.
С большой вероятностью, мы сейчас даже не можем вообразить эти самые профессии будущего. В 19 веке невозможно было представить всю IT-отрасль. И хотя тогда появились, например, первые планёры, невозможно было представить, что лет через 150 в авиации будет работать около 12 млн человек (для сравнения это население Бельгии или Туниса).
Очень интересно, как будут разворачиваться события. И кажется, что всё случится быстро и ждать 150 лет, чтобы это увидеть, не придётся.
🔥8❤6
Request for Startups (весна 2025)
Продолжаю тему Request for Startups от Y Combinator. Кстати, в связи со стремительным развитием AI фонд опубликовал новый список перспективных идей всего через три месяца после предыдущего, хотя раньше делал это раз в год. Для тех, кто работает в сфере HR Tech или просто много думает о глобальных трендах, стандартным является термин the future of work – будущее работы. Но в своем списке Request for Startups Y Combinator сосредоточился на более узкой нише – the future of software engineering, то есть будущем разработки.
Видение одного из партнёров Y Combinator, сооснователя и CTO Optimizely Пита Кумена такое:
– люди практически не будут писать код
– зато они будут управлять большими командами специализированных AI-агентов, которые будут и собственно писать код, и выполнять разные сопутствующие функции – тестирование, деплой и др.
Понятно, что будущее может выглядеть и как-то по-другому, но если предположить, что реализуется именно такой вариант, то получается, что у людей, которые управляют этими AI-агентами, должны быть навыки продакт менеджеров, системных аналитиков и архитекторов.
Кажется, что у такого сценария развития событий важные последствия не только для карьер в ИТ, но и для конкуренции между технологическими компаниями.
Lead time, то есть время, необходимое для реализации идей, вероятно, сократится. Цена ошибки на этапе исследований рынка и анализа требований станет ниже. Вероятно, устойчивыми конкурентными преимуществами останутся сетевые эффекты, накопленные данные и построенные на их основе модели, а вот конкуренция на уровне "у кого реализована какая фича" станет менее значимой, потому что любую фичу, если за ней не стоит сложная ML-модель, можно будет легко повторить.
Продолжаю тему Request for Startups от Y Combinator. Кстати, в связи со стремительным развитием AI фонд опубликовал новый список перспективных идей всего через три месяца после предыдущего, хотя раньше делал это раз в год. Для тех, кто работает в сфере HR Tech или просто много думает о глобальных трендах, стандартным является термин the future of work – будущее работы. Но в своем списке Request for Startups Y Combinator сосредоточился на более узкой нише – the future of software engineering, то есть будущем разработки.
Видение одного из партнёров Y Combinator, сооснователя и CTO Optimizely Пита Кумена такое:
– люди практически не будут писать код
– зато они будут управлять большими командами специализированных AI-агентов, которые будут и собственно писать код, и выполнять разные сопутствующие функции – тестирование, деплой и др.
Понятно, что будущее может выглядеть и как-то по-другому, но если предположить, что реализуется именно такой вариант, то получается, что у людей, которые управляют этими AI-агентами, должны быть навыки продакт менеджеров, системных аналитиков и архитекторов.
Кажется, что у такого сценария развития событий важные последствия не только для карьер в ИТ, но и для конкуренции между технологическими компаниями.
Lead time, то есть время, необходимое для реализации идей, вероятно, сократится. Цена ошибки на этапе исследований рынка и анализа требований станет ниже. Вероятно, устойчивыми конкурентными преимуществами останутся сетевые эффекты, накопленные данные и построенные на их основе модели, а вот конкуренция на уровне "у кого реализована какая фича" станет менее значимой, потому что любую фичу, если за ней не стоит сложная ML-модель, можно будет легко повторить.
👍5🔥2
Code agents: впечатления новичка
Меня пугает, что я не поспеваю за развитием событий в мире AI. Чтобы как-то исправить ситуацию, на выходных прошла курс по фреймворку Smolagents от Hugging Face. Это всего лишь один из множества фреймворков, и не самый популярный, но даёт хорошее представление о теме code agents. Курс скорее рекомендую (желательно ещё прочитать вот этот пост и readme из репозитория).
После изучения этой темы основные мысли такие:
– даже с использованием подобных фреймворков создание AI agents – дело не элементарное, требует навыков программирования, да ещё и соблюдения дополнительных синтаксических правил
– результат работы такого агента, с одной стороны, пугающе точный, с другой – местами все равно непредсказуемый
– работает всё на основе очень сложных промптов – только первый занимает 180 строк. Пользователю Smolagents писать их самому не нужно, но мне как-то некомфортно при мысли, что в основе лежит такая запутанная неэлегантная инструкция. Понятно, что ее тестировали, но ощущение ненадежности остаётся.
Как сами авторы фреймворка отмечают, если вам нужно получить точный ответ на заранее известный тип вопроса (например, измерить расстояние между точками A и B), использовать code agent не нужно. Не будет выигрыша ни в простоте реализации, ни в точности ответа.
Для решения такой задачи можно просто написать обычную программу. И сделать ее доступной для пользователей через API или графический интерфейс. В этот момент становится особенно понятно, что роль графических интерфейсов не только в том, чтобы сделать пользователям удобно, но ещё и в том, чтобы получать от них заранее предопределённые вводные.
А вот если нужно иметь возможность отвечать на заранее неизвестные вопросы по какой-то теме или темам, как, например, в службе поддержки пользователей, то тут AI-агент становится полезен. Он сам в каком-то смысле "решит" (LLM сгенерирует решение), какие расчеты надо сделать и команды выполнить, и вполне успешно их выполнит.
В общем, банальный вывод: use cases для AI agents точно есть, и их много, но для большого количества задач старые добрые программы (даже неважно, кто их написал – человек или LLM) будут работать лучше.
Меня пугает, что я не поспеваю за развитием событий в мире AI. Чтобы как-то исправить ситуацию, на выходных прошла курс по фреймворку Smolagents от Hugging Face. Это всего лишь один из множества фреймворков, и не самый популярный, но даёт хорошее представление о теме code agents. Курс скорее рекомендую (желательно ещё прочитать вот этот пост и readme из репозитория).
После изучения этой темы основные мысли такие:
– даже с использованием подобных фреймворков создание AI agents – дело не элементарное, требует навыков программирования, да ещё и соблюдения дополнительных синтаксических правил
– результат работы такого агента, с одной стороны, пугающе точный, с другой – местами все равно непредсказуемый
– работает всё на основе очень сложных промптов – только первый занимает 180 строк. Пользователю Smolagents писать их самому не нужно, но мне как-то некомфортно при мысли, что в основе лежит такая запутанная неэлегантная инструкция. Понятно, что ее тестировали, но ощущение ненадежности остаётся.
Как сами авторы фреймворка отмечают, если вам нужно получить точный ответ на заранее известный тип вопроса (например, измерить расстояние между точками A и B), использовать code agent не нужно. Не будет выигрыша ни в простоте реализации, ни в точности ответа.
Для решения такой задачи можно просто написать обычную программу. И сделать ее доступной для пользователей через API или графический интерфейс. В этот момент становится особенно понятно, что роль графических интерфейсов не только в том, чтобы сделать пользователям удобно, но ещё и в том, чтобы получать от них заранее предопределённые вводные.
А вот если нужно иметь возможность отвечать на заранее неизвестные вопросы по какой-то теме или темам, как, например, в службе поддержки пользователей, то тут AI-агент становится полезен. Он сам в каком-то смысле "решит" (LLM сгенерирует решение), какие расчеты надо сделать и команды выполнить, и вполне успешно их выполнит.
В общем, банальный вывод: use cases для AI agents точно есть, и их много, но для большого количества задач старые добрые программы (даже неважно, кто их написал – человек или LLM) будут работать лучше.
👍7❤6
Хороший пример того, что иногда, чтобы выиграть, достаточно просто прийти (sometimes it is enough to show up в оригинале).
Выиграла вчера вот такую маску от ИТМО на лекции Станислава Батурина "Неочевидные ограничения моделирования, или Вспоминаем численные методы" на SouthHub. Речь шла про дифференциальные уравнения, описывающие процесс нагревания. Но чтобы получить приз, достаточно было помнить, чему равен интеграл 1/x, и в целом пытаться следить за происходящим. А основная мысль лекции, как я ее поняла, такая: если не знать важных свойств системы, численное моделирование может привести к ошибке, которую вы даже не заметите.
#southhub
Выиграла вчера вот такую маску от ИТМО на лекции Станислава Батурина "Неочевидные ограничения моделирования, или Вспоминаем численные методы" на SouthHub. Речь шла про дифференциальные уравнения, описывающие процесс нагревания. Но чтобы получить приз, достаточно было помнить, чему равен интеграл 1/x, и в целом пытаться следить за происходящим. А основная мысль лекции, как я ее поняла, такая: если не знать важных свойств системы, численное моделирование может привести к ошибке, которую вы даже не заметите.
#southhub
❤12👍3🔥3
10 000 часов -> 500 часов
Вокруг много разговоров о том, как инструменты GenAI снизят барьеры для входа в разработку, дизайн и другие профессии, которым традиционно надо было долго учиться. И каждый человек сможет быть сам себе продактом, разработчиком, дизайнером, реализовывать свои идеи и на этом зарабатывать. Но мне казалось, что это всё будет ещё нескоро и с какими-то далёкими творческими людьми будущего.
И тут прилетела первая ласточка из очень близкого круга.
Моя подруга и одноклассница с успешной корпоративной карьерой, напрямую не связанной с дизайном, открыла свой магазин digital prints на Etsy (может понадобиться VPN). Выглядит очень профессионально. Нарисовано все с помощью Midjourney. Без Midjourney непрофессионал, кажется, вообще бы не мог ничего подобного создать. Или смог бы, потратив хотя бы 5000 часов и став профессионалом по дороге.
Но тут важно понимать, что открытие такого онлайн-магазина с несколькими десятками принтов все равно требует целеустремленности и усилий. Надо все придумать, перебрать массу вариантов, тщательно отредактировать картинки, сгенерированные Midjourney, в конце концов оформить сам магазин. 10 000 часов тратить уже не надо, но часов 500 придется.
Так что без идей и упорства никуда. Но если эти два качества есть, то возможности поделиться с миром своим дизайном, музыкой, видео, apps появляются уже сейчас.
Вокруг много разговоров о том, как инструменты GenAI снизят барьеры для входа в разработку, дизайн и другие профессии, которым традиционно надо было долго учиться. И каждый человек сможет быть сам себе продактом, разработчиком, дизайнером, реализовывать свои идеи и на этом зарабатывать. Но мне казалось, что это всё будет ещё нескоро и с какими-то далёкими творческими людьми будущего.
И тут прилетела первая ласточка из очень близкого круга.
Моя подруга и одноклассница с успешной корпоративной карьерой, напрямую не связанной с дизайном, открыла свой магазин digital prints на Etsy (может понадобиться VPN). Выглядит очень профессионально. Нарисовано все с помощью Midjourney. Без Midjourney непрофессионал, кажется, вообще бы не мог ничего подобного создать. Или смог бы, потратив хотя бы 5000 часов и став профессионалом по дороге.
Но тут важно понимать, что открытие такого онлайн-магазина с несколькими десятками принтов все равно требует целеустремленности и усилий. Надо все придумать, перебрать массу вариантов, тщательно отредактировать картинки, сгенерированные Midjourney, в конце концов оформить сам магазин. 10 000 часов тратить уже не надо, но часов 500 придется.
Так что без идей и упорства никуда. Но если эти два качества есть, то возможности поделиться с миром своим дизайном, музыкой, видео, apps появляются уже сейчас.
Etsy
FadingMomentsPrints - Etsy
Shop Art Prints, Home Decor and Objects for Calm Spaces by FadingMomentsPrints located in Stockholm, Sweden.
👍14❤5💩1