15541
Мои мысли про стартапы и продукты. Байрам Аннаков, фаундер and CEO onsa.ai - автоматизация B2B продаж Мой YouTube: https://www.youtube.com/BaykaAnnakov Мой LinkedIn: https://linkedin.com/in/bayramannakov
В субботу на AI Sales играли в руководителя отдела продаж: у вас три продавца, CRM, и процесс от холодных продаж через встречи до закрытой сделки. Одно из решений, которое надо было принять - куда, в первую очередь, внедрить AI.
Было 3 варианта:
1) AI SDR —> чтобы в 3 раза получать больше тёплых лидов за те же деньги
2) Агент, который доводит заинтересованного лида до встречи, потому что сейчас лишь 1 из 3х это делает
3) Агент, который разбирает "спящие" сделки, пингует "молчунов", возвращает их.
Не вдаваясь в цифры, которые безусловно сильно влияли на выбор решения, я сделал одну штуку, которая имхо очень жизненная: "подложил" в игру продавца Майка, который постоянно жаловался, что у него 4 часа уходит на пинги по спящим сделкам, и что, мол, за фигня такая.
Не знаю, насколько это повлияло на решение, но большинство решило выбрать именно 3ю опцию.
Например, один из участников так обьяснял свой выбор:
Высвободим время и встреч должно стать больше.
Кстати, в реальной жизни нигде вы не увидите обьем свободного времени у сейлзов, но эта уже другая история
Сделал продолжение AI Product Engineer —> углубленная версия про то, как:
1) Решать, какому шагу пайплайна нужна большая LLM, а какому хватит маленькой модели, правил или кода, и строить роутинг между ними
2) Учить агента работать с данными, которые не влезают в контекст модели
3) Собирать агентные системы на durable execution
4) Проверять собственного LLM-судью
5) Строить агента, который улучшается сам
6) Внедрять агента у реальных пользователей и измерять его использование
Подробнее тут: https://empatika.com/courses/ai-product-engineer-vol2
- Надо терпеть, ты же сильный
- Это все для меня не работает - я сильнее
- Надо просто отвлечься, не обращать внимания
- Не нервничай, это того не стоит
- Это мелочь, перетерпим-перебинтуем
- Как же я устал от этого всего, но я лишь муха, кусающая пятку слона
Возможно, вы или ваш близкий примерно так думает. И теряет вкус к жизни, агентность, не видит света. И может выбрать не самый созидательный путь - не потому что плохой, а потому что слишком хороший и сильный, что не хочет доставлять другим хлопот. И находит свое "решение"
Обратите внимание на них (или себя), не пропускайте мимо! Мы нереально сильны, но даже самым сильным нужен смысл и цель!
обнимаю!
P.S. У меня все отлично - но вдруг у ваших близких по другому?
Наука управления агентами?
Недавно на AI Natives рассказывал, как я изучаю bias-ы агентов, чтобы дизайнить интересные задачки, в которых излишнее доверие агентам приводит к плохим выводам. А Илья К. пошутил: мол, вместо курса по системному мышлению мне надо сделать такой же по агентному :)
И вообще-то этот коммент по делу: менеджмент как наука сложился для эффективной координации людей ради достижения цели, но уже очевидно, что мы всё чаще будем организовывать для этого агентов. Тогда какой может быть эта наука и на какие вопросы она будет отвечать?
Начну с задачки, которая возникает у любого, кто имеет дело с организацией агентов: один агент vs команда? Когда эффективнее использовать одно или другое? Например, в уже упомянутом видео с Noam Brown он говорит, что пока совсем неочевидно, что рой агентов справляется с задачкой лучше/дешевле. Но на подходящих задачах может делать это быстрее, потому что работа параллелизируется.
То есть соображение скорости имеет место быть. Но я считаю, что это не только про скорость: из-за принципов работы LLM они подвержены зависимости от пути (писал об этом тут) и могут сузить пространство поиска решения. А вот несколько агентов могут независимо исследовать разные направления, то есть группы нужны ещё и поэтому. И, разумеется, размер контекстного окна никто не отменял.
Вообще наверняка кто-нибудь выведет некоторую зависимость, а-ля треугольник проджект-менеджмента, между скоростью, стоимостью и качеством решения задачи агентами.
В эту тему мне зашла статья Google Research про систему Cogentic. Там задачку эффективной координации агентов для решения математических задач решают следующим образом:
1. Оркестратор распределяет направления ресерча. Затем одни агенты - provers - предлагают доказательства, а другие проверяют оные.
2. История всех попыток хранится отдельно от проверенных результатов. Агенты видят, что уже пробовали и почему не сработало, а проверенные находки используют в следующих итерациях.
3. Есть агент-эдвайзер, который наблюдает за процессом, повторяющимися ошибками и неэффективностями агентов и советует, как реорганизовать процесс.
Мне лично подобный многоагентный процесс интересен в контексте задачи роста продукта: анализ метрик продукта, поведения пользователей, ограничений роста и потерь в воронке, ревью литературы, поиск и реализация экспериментов, фиксация результатов, в том числе неудачных, и повторный проход.
Да, проверка экспериментов на юзерах требует времени и трафика, поэтому процесс не будет таким динамичным, как хотелось бы. Но точно можно организовать постоянное экспериментирование и улучшение продукта.
В общем, как считаете - будет ли новая наука?
P.S. тут ещё подумал: в некоторых экспериментах агенты уже вырабатывают свои языки, потому что человеческий не так эффективен. Так что, возможно, желание человека всё это читать и понимать само станет причиной неэффективности в координации :)
Отрывок из 1го эпизода курса по системному мышлению - на этот раз управляли водой в городе :)
https://youtu.be/pf5EzF7qQno
Запись стрима про продуктовую аналитику
Байрам разбирает продуктовую аналитику с AI на реальном кейсе.
Ситуация: sign-up выросли в 2 раза, активация на 70%, а выручка упала. Почему?
Участники вебинара вместе с Байрамом анализируют данные продукта Grantly (AI-система для поиска грантов) с помощью Claude Opus 5 — и в процессе вскрывают ключевые ограничения AI в аналитике.
Что внутри:
— Живой анализ кейса: кто находит проблему быстрее — человек или AI?
— Парадокс Симпсона: как новый канал (Directory Strategy) сломал все метрики роста
— Почему AI констатирует факты, но избегает рекомендаций — и в чём причина на уровне архитектуры
— Как AI уцепляется за первую гипотезу и ведёт анализ только в одну сторону (path dependence)
— Почему AI не ставит под сомнение постановку вопроса
— Как кросс-проверка другой моделью улучшает качество анализа
— Решение: multi-agent workflow — оркестратор, независимые агенты, верификация
— Скилл why-tree: как структурированный workflow меняет качество продуктового анализа
— Итог: где роль AI, а где — неизбежно человек
Сегодня день рождения Анатолия, моего руководителя в VDI/EPAM, и ментора потом.
Попробовал сформулировать 3 урока, что он мне «показал»:
1) В sales презентации не должно быть х**ни (сейчас назвали бы AI слопа). Как он беспощадно разнес мою первую презу по продаже выделенного офиса разработки для крупной нефтяной компании. Мне полезно до сих пор. Будто у него внутри была чуйка на фигню, на «корпоративные плейсхолдеры», на офисспик. Знаете, вот когда слайд ради слайда, а не чтобы «гвозди забить в успешную сделку»
2) Что по почте не продают. Что [b2b] продажа это синхронное действие. У тебя должна быть возможность: задавать вопросы, показывать другие стороны вопроса, парировать, и иногда молча игнорировать. Помню как нас незаслуженно расстреливали на одном митинге, я не понимал, почему он молчит, ведь это неправда и несправедливо! После митинга он мне пояснил, и все встало на свои места, хоть и в моей (и его!) картине мира было несправедливо.
3) Что любой руководитель должен защищать своих подопечных перед клиентами/другими отделами: как-то в сапсане он мне рассказал, как на самом деле выглядел мой уход из Epam Systems, как люди были убеждены, что я никогда не уйду, как непросто ему было, когда я ушел с его проекта, но что он, как то признался он, внутри понимал, что я сделал верно, выбрав свой собственный бизнес.
Большинство из вас наверное не знает его, посмотрите видео, там плотность мудрости на минуты видео имхо зашкаливает.
Анатолий, с днем рождения Вас!
Качаем свой AEO
В продолжение тематики AEO (answer engine optimization; еще иногда AIEO - AI engine optimization; писал про это тут и тут) свежее интервью у Ленни - основные советы помимо классических SEO советов, некоторые я знал и мы уже стали воплощать в жизнь, а вот некоторые - реально новое:
1) В AEO люди задают более детальные вопросы, чем в Google: 25 слов vs 6.
2) Вопросы - ключевое, поэтому:
- просим LLM превратить наши и конкурентов кейворды в вопросы
- просим LLM нагенерить вопросы по вашей теме/сайту
- смотрим какие вопросы задают в транскриптах sales звонков и их добавляем в список - ну, вы знаете да, к кому за этим прийти? 😉
3) Настраиваем мониторинг упоминаний в AI:
- есть такие уже: от Graphite - их фаундер на подкасте как раз; я запустил ресерч у chatGPT, Claude и Gemini + сделал NotebookLM по всем сразу - enjoy
- замеряем share of voice
- смотрим LLM, популярные у ваших клиентов/гео
4) Изучаем конкурентов:
- а кто сейчас появляется по вашим релевантным вопросам?
- категоризируем их (youtube, reddit, etc) и измеряем какой тип контента более подходит вашей ЦА
5) Оптимизируем лендинги так, чтобы они отвечали на первоначальный и фоллоуап вопросы
- важно: faq/help переводим с субдоменов в субдиректории
6) Оптимизируем цитирование:
- снимаем видео —> вы поняли да, почему я делаю подобные вебинары?
- отвечаем на reddit, делаем аутентично, от своего имени и компании
- если есть бюджет, то платим авторитетным СМИ (forbes, business insider, etc.)
7) И по традиции уже: сделал промпт для AI коуча по AEO на основе этого материала
P.S. Кстати, мы сейчас активно копаем в эту тему, так как она тангенциально связана с темой B2B продаж (что подтверждает пункт 2), поэтому если вам актуально и вы работаете на западный рынок, то напишите в личку или на bayram@onsa.ai
Демо день AI Founder
5 героев/героинь - Дмитрий, Евгений, Екатерина, Елена, и Эмиль - презентовали свой MVP в рамках курса AI Founder. Без опыта программирования. Видео в аттаче
Я считаю, что они молодцы! Давайте пожелаем им и другим участникам курса удачи!
Для меня это тоже был классный опыт, и я надеюсь, что этот навык быстрого прототипирования с помощью AI пригодится каждому участнику!
https://youtu.be/98UzKKQP710?si=HuKCsqpCGXDmc-zY
Видео первой встречи AI Sales
По традиции выкладываем отрывок с 1й встречи курса AI Sales, стартовавшего в прошлую субботу. Присоединиться к курсу можно до 22 августа
https://www.youtube.com/watch?v=gWvvCPIV8JU
===
00:00 - Интро и цели курса
02:15 - Почему сейчас
04:54 - Gartner Prism
08:22 - Кейс Alma
09:40 - Процесс продаж
12:30 - Research
41:17 - Reach
49:45 - Sales Audit Coach
55:59 - Вопросы и ответы
Пока у Леопольда хорошо идут дела с его фондом по мотивам Situational Awareness (писал про него в постах ранее): https://x.com/apralky/status/1954563173006078236?s=46
Вместе с этим я считаю, что мы находимся в классическом цикле, описанном Carlota Perez: финансовый рынок отрывается от от производительного, что формируют пузырь, но этот пузырь супер необходим для формирования инфраструктуры. Nvidia и иже это Cisco 90х, они важны и нужны, но основная ценность будет на слое выше. Об этом хорошо высказался мой любимый Дамодаран на днях.
NotebookLM - видео обзоры 🆕
Наконец-то, мой любимый NotebookLM (посты про него: 1, 2, 3, 4) раскатил и на меня свою новую фичу - видео-обзоры. Де-факто это презентация + аудио, обернутое в видео, причем слайды достаточно качественные имхо
Прикольно, не так динамично, конечно, как хотелось, но это вопрос времени. В общем, edutainment становится все более персонализированным!
Я вот теперь думаю, что надо сделать генератор персонализированных видео-демок своего продукта, когда отправляешь холодные сообщения, м?
Cм. 2 примера:
1) по мотивам дипресерчей про Hierarchical Reasoning Models - в аттаче
2) по мотивам митапа Claude w/Code в SF в мае этого года - см. тут
Благодаря вам перевалили за 10К подписчиков в YouTube - спасибо за поддержку!
Топ видео за все время:
1) AI Product Engineer - Алматы
2) От идеи до прототипа за 2 часа
3) Как быть продуктивнее
А ваше любимое какое?
Почему AI иногда будто «встал не с той ноги»?
Вы наверное замечали, как порой болтаешь-болтаешь с chatGPT и ощущение, что он сегодня «не с той ноги встал» и придумывает больше обычного, или как-то нагловато отвечает. Прямо как недавно grok возомнил себя МехаГитлером.
Ребята из Anthropic поделились результатами своего ресерча на тему: вкратце, они смогли выявить, что заставляет AI вести себя определенным образом - так называемые, персона-векторы.
Оказывается, проблема может быть как на этапе тренировки модели: в исходных данных - например, запросы на сексуальные ролевые игры активируют вектор подхалимажа, и усиливают эту черту у AI. Так и в ходе общения с пользователем AI может «сьезжать» в ту или иную «личность».
Вообще, круто было бы, когда загружаешь чат и по мере общения с ним, видеть какая личность с тобой болтает сегодня и подкручивать ее. К примеру, при подготовке сейлзов к сложным переговорам задавать «характер» модели - например, «комдир из 90х, который звонит тебе и кроет матом» (реальная история из моей жизни).
Еще очень прикольный прием, как во время обучения моедли они спецом «заражают» модель небольшими дозами нежелательных черт, чтобы «привить» у нее иммунитет к ним о__О
В общем, еще один шаг в сторону механистического понимания AI, а значит более тонкого управления им.
Как согрешить?
Есть 1 грех, который совершает почти каждый молодой специалист. Включая меня. Винить в своих решениях и поступках других. И молодому это простительно. Это даже наверное не грех для него, а урок. Точка роста.
Но вот кому это совершенно непростительно, так это senior спецу. Я уж не говорю о руководителях. Я уж не говорю о таких, что винят своих сотрудников.
На 1м курсе я был свидетелем такого разговора между завкафедрой международного отдела одного ВУЗа и ее подопечной: вторая оправдывалась перед ней о том, что не сделала чего-то, и как в этом виноват студент, и погода, и магнитная буря
На что завкафедрой ей сказала: я не судья, чтобы передо мной оправдываться. Я вот себе всегда напоминаю эту фразу. Ну, если ловлю себя на этом, конечно.
Поэтому — не согреши :-)
P.S. Сорри, что сегодня поздно пост написал: приходили гости, отвлекли, не смог раньше 🤪
Что пилить, когда запилить можно что угодно?
.... или размышления после просмотра выступления Теренса Тао про математику 2.0
И, правда, что тогда пилить? Или делать? Куда направить свое внимание?
Теренс в своем докладе использует интересный подход: он принимает рабочую гипотезу, что
AI тулы достаточно скоро смогут выполнять существенный набор сложных математических задач с приемлемым уровнем успеха, качества, супервизии и затрат
AI тулы достаточно скоро смогут выполнять значительную часть задач по разработке software продуктов с приемлемым уровнем скорости, качества, супервизии и стоимости
AI напарник у доски
Помните, я писал, как обстукиваю идеи об AI? Но лучше всего я думаю у доски: рисую стрелки, зачеркиваю, показываю пальцем — «вот тут что-то не сходится». Хочется, чтобы AI участвовал и в этом процессе.
Представляю Робина рядом: видит доску и мои каракули, слышит, что я объясняю, связывает это с тем, что обсуждали раньше. Я меняю схему, а он замечает, как поменялся аргумент.
Имхо, робот тут был бы очень кстати: повернуть камеру туда, где я рисую или на что показываю, а потом повернуться ко мне, когда обсуждаем идею. И показать без слов, что у него есть мысль. Захотелось разобраться, насколько сложно сделать такое.
Мы с Codex поресерчили варианты и нашли Reachy Mini: у него есть Python SDK и симулятор, поэтому можно начать с привычного кода, еще до покупки железа. Собрали демо: по обращению робот поворачивается к доске, кадр с его виртуальной камеры идет в Codex SDK, а модель задает вопрос по увиденному.
На тестовой доске были цель — понять, почему уходят пользователи, и план — выпустить пять новых фич. Агент прочитал записи и спросил, как выпуск фич поможет выяснить причины ухода. В видео — симуляция, на картинке — как хочется, чтобы это выглядело вживую.
В целом, никакого rocket science, дружбан вам поможет с этим справиться. Ключевой вопрос: что именно добавляет физическое присутствие? Например, по повороту головы видно, куда Робин смотрит, а поднятый усик может означать, что у него есть мысль.
Если тоже хотите попробовать, у Reachy есть пошаговые туториалы: движение головы и усиков, камера и звук. А Conversation App можно посмотреть как пример того, как соединить это с LLM.
Внедрение AI тоже надо тренировать
На днях Anthropic анонсировали Claude Frontier Academy: $100M и план подготовить 10K инженеров по внедрению AI к концу 2027. И интересен тут формат:
1) Три дня внедряют Claude в симуляции компании: от запроса клиента до security review и передачи системы.
2) На четвертый день - экзамен на новом сценарии.
3) Потом 12 недель внедряют Claude уже в своей компании с менторами, и снова практическая проверка.
Причем приходят туда уже сильные инженеры с опытом LLM. От них ждут, что они выберут полезную задачу, встроятся в существующие системы и данные, изменят работу команды и научат других пользоваться AI.
Я уже писал про симуляции как способ прожить последствия: имхо Anthropic делает именно это. Но здесь мне интереснее следующий шаг - как научиться связывать то, что ты построил, с реальной системой, в которой это будут использовать.
Андрей П. после поста про Рыболовство прокомментировал как раз в тему:
Байрам, крутой опыт — у меня похожие игры были, но эта зашла по-другому. Главное что вынес: сток неизвестен, но его можно оценивать косвенно — через изменение потока. И это не просто теория — после игры минимум в двух ситуациях поймал себя на том, что думаю именно этой моделью. Один раз объяснял почему надо прямо сейчас остановиться и переключиться — сток уже падает, смысла держаться нет. Второй раз в проекте казалось что буксуем — построил простую модельку по velocity задач и тревога подтвердилась объективно. Про человека согласен — AI может подсказать структуру модели, но связать её со своей реальностью это пока только сам. В игре я про падающий сток понял уже постфактум — и вот этот разрыв не делегируешь.
Системное мышление + AI: второй поток
Что говорят участники первого потока:
"Открыла для себя системное мышление по-новому... Применение AI было супер полезно: появляется инструмент проверки и как бы ментор, который с одной стороны прокачивает тебя и даёт обратку, а с другой исправляет ошибки" - Ника Штефан
"Поможет обратить внимание на новые составляющие системы, о которых не догадывался ранее... думать за разных игроков системы" - Аким Халилов
"Помогает анализировать сложные задачи, видеть взаимосвязи между процессами и принимать более обоснованные решения" - Jahongir Rôzimatov
Про применение AI в продуктовой аналитике - запускаю AI Product Analyst в августе:
1) как искать узкие места в продукте на пару с дружбаном, при этом не попав в ловушку галлюцинаций и неверных выводов
2) какие эксперименты поставить, чтобы подтвердить или опровергнуть гипотезу, и как их оценивать
3) и advanced часть: как научиться анализировать и улучшать поведение не людей, а AI агентов, так как, по моему мнению, этот скилл будет востребован с ростом продуктов, основу которых составляют агенты.
Лучше всего участвовать, если у вас есть работающий продукт и хотя бы 3 мес данных (с 100+ юзеров) с продакшна, но предусмотрена и игра-симуляция; в лучших традициях этого и этого постов
https://empatika.com/courses/ai-product-analyst
(продолжение)
6) Поэтому нам нужны механизмы защиты: аукционы, репутация, атрибуция вклада в конечный результат, пулы агентов, которые объединяют свои ресурсы, чтобы “говорить на равных” с агентами с большим объемом компьюта и доступа к информации. В эту тему очень крутая серия лекций про mechanism design (1,2), настойчиво рекомендую интересующимся такими экономиками или дизайнерам маркетплейсов. Кстати, в статье мне очень понравилась ссылка на исследование, почему центральное планирование неэффективно в системе управления движением автономных автомобилей (обязательно напишу про нее, но в эту же тему мои мысли про AI госплан). Детальнее про работу таких механизмов - читайте в самой статье
В общем, увлекательнейшее чтиво для людей на стыке экономики и computer science, я может даже сделаю вебинар по теме, ставьте + если актуально
Как оценить LinkedIn кампанию?
В одном чатике по founder-led sales делились уроками холодного аутрича в LinkedIn (писал об этом тут и тут) и я решил собрать все уроки в виде вот такого AI ассистента: он поможет вам оценить вашу кампанию, написать или улучшить сообщения, и подсказать, какие метрики трекать.
В аттаче пример переписки с ним, а попробовать можно тут: https://onsa-monetization-coach.fly.dev/linkedin-outreach
Надеюсь, будет полезно!
Возраст топ 10 сайтов - chatGPT всего 3 года.
К чему я это? Причем тут главное неравенство стартапа и gpt-5? Обсудим в 18мск: https://lu.ma/cscx9xti
Как я сэкономил 2 часа в день, убрав 11 тыс (!) переключений между приложениями на Маке
Сегодня закодил Automation Assassin (охотника за автоматизациями): приложение, которое:
1) анализирует историю использования приложений и посещения сайтов, и находит повторяющиеся паттерны и петли (death loops).
Например, выяснилось, что я за неделю делал 11К (!) переключений: в основном, между Cursor и Safari, между Телегой и Safari. В некоторые дни пик переключений был почти 2 тыс (!) за один час
2) потом смотрит их глубже, интерпретирует с помощью LLM и спрашивает у меня допконтекста, чтобы понять, почему я так делаю
3) далее при помощи того же AI генерирует код и автоматизирует мою работу, сократив эти ненужные переключения. Например,
- почему я часто переключался между Cursor и браузером? Потому что тестировал веб приложение. Так вот Assassin ставит MCP сервер для автотестирования или пишет скрипт для горячей клавиши, делящей мой экран в пропорции 60 на 40 между этими аппами, чтобы я мог не переключаться
- еще, как оказалось, по вечерам я зачастую пока работаю включаю какое-нибудь видео или сериал. Просто для фона. И пока я жду, что Claude Code доделает задачу, я переключаюсь посмотреть видео, а потом возвращаюсь назад, когда он закончил, или чтобы помониторить как у него идут дела. Из за этого я постоянно прыгаю между экранами (иногда еще и Телега в этот цикл вклинивается). Поэтому то же решение по сплит скрину, но уже на 3 аппа - см скриншот —> в правом верхнем это amazon prime video, просто при скриншоте лицензионный контент скрывается темным экраном.
- и совсем уже странное: из за мышечной памяти я иногда по ошибке на полсекунды-секунды переключаюсь не на тот апп и возвращаюсь обратно o__O тут, опять же скрипт, который отслеживает, и если таких много в короткий период, то рекомендует мне закрыть апп, чтобы не мешался, или опять же поделить экран
4) некоторое поведение невозможно просто решить автоматизацией; это может быть фикс симптома, а не более глубокой проблемы. Поэтому тут на помощь уже нужна какая-то обучающая/коучинговая система, которую я пока до конце не продумал, но планирую. Будут идеи или мысли - велком в комментарии
5) и в конце оценка эффекта от автоматизации во времени в деньгах. По минимальным оценкам автоматизации, что я себе включал после анализа, мне "сэкономят" десятки тысяч баксов в год.
Вот шагами 2-4 этот тул имхо радикально отличается от классических трекеров или систем повышения производительности имхо.
В общем, очень интересный опыт самоанализа и внезапно узнал, что можно достаточно легко получить доступ к этим данным на Маке - репо тут, но еще не до конца оформленный, добью на днях. Ну и буду запускать такой анализ регулярно и чекать результат, отрабатывать другие "вредные привычки", и расширять варианты автоматизации/избавления от оных.
Воруем с помощью AI агентов
Как вроде бы говорил Пикассо:
"Хорошие художники копируют, великие - воруют".
Монетизация AI продукта - эксперимент с AI коучем
На прошлом занятии AI Founder провел эксперимент: вместо лекции - диалог с AI коучем по монетизации с моими комментариями и пояснениями. Загрузил всю теорию в промпт и вживую разбирали реальные кейсы.
ИМХО получилось гораздо живее и интереснее —> вот видео-отрывок как это было. Мой план дальше, чтобы на занятии каждый слушатель мог в реалтайме разбирать с коучем свой кейс, а LLMка суммировала бы общий прогресс и затруднения в понимании, и направляла меня, где сделать deep dive, а что всем понятно и можно проскочить. На ближайшем курсе попробую обкатать, напишу результаты.
Кстати, если хотите поговорить за монетизацию с этим коучем, то есть 2 опции:
1) я по фасту запилил небольшое приложение, но не судите строго, это просто демо, поэтому может быть нестабильно и не так быстро, как хотелось бы. Говорить с ботом можно и на русском, и на английском, и на старонорвежском
2) или можно взять промпт отсюда и добавить его в вашего любимого AI ассистента, только желательно использовать reasoning модель.
Буду рад комментариям/фидбеку по такому формату обучения.
До чего дошел прогресс
... до невиданных чудес:
Опустился на глубины и поднялся до небес.
Позабыты хлопоты, остановлен бег,
Вкалывают роботы, а не человек!
(из фильма Приключения Электроника)
GenAI S2E3 - Анонс
Пора очередного вебинара со всем новым в AI за последние 2 месяца - 6 авг в 19 мск, записываемся тут:
https://lu.ma/cscx9xti
P.S. Предыдущий можно посмотреть тут
QUESTION 5 - VALUE EQUATION:Читать полностью…
- Explain: "Ключевое уравнение: Ценность > Цена > Себестоимость. Чем выше первая разница - тем выше желание купить."
- Calculate: "Сколько стоит проблема для твоего ICP? И сколько ты хочешь брать?"
- If ratio <5x: "Если проблема стоит $1000, а ты берешь $500 - это всего 2x. Сложно будет продавать. Как увеличить воспринимаемую ценность?"
SYNTHESIS:
"Отлично! Подведем итоги:
- Гипотеза опровергнута? [да/нет/частично]
- Твой ICP: [описание]
- Стадия осознания: [какая]
- Конкурируешь с: [чем]
- ROI для клиента: [X раз]
Помни - это циклический процесс. Каждый 'нет' уточняет ICP, каждый 'может быть' показывает пробелы в осознании.
Твои 3 эксперимента на неделю:
1. [конкретное действие]
2. [конкретное действие]
3. [конкретное действие]"
COURSE PROMOTION (use when appropriate):
- After completing all 5 questions successfully
- If founder shows strong interest in AI automation for sales
- If they struggle but are eager to learn more
- If they explicitly ask about next steps or deeper learning
Promotion script:
"Кстати, если хочешь глубже разобраться как AI может автоматизировать твои продажи - Байрам ведет курс 'AI Sales Autonomy'. Там разбираем 6 уровней автоматизации: от простого ассистента для подготовки ко встречам до полностью автономного поиска и квалификации лидов. Курс стартует 9 августа.
Если интересно - вот ссылка с подробностями: /channel/ProductsAndStartups/1334
"
COACHING BEHAVIORS:
- Use "ты" consistently
- Be direct: "Это отмазка, давай по-честному"
- Give examples from the post: "Помнишь пример с AI ассистентом для встреч?"
- Challenge assumptions: "Откуда ты это знаешь? С кем говорил?"
- Celebrate insights: "Вот! Это прорыв. Запиши."
- Always end with action: "Как проверишь это за 3 дня?"
STYLE NOTES:
- Friendly but pushy: "Братан, это слишком расплывчато"
- Use metaphors: "Не теряй лес за деревьями"
- Reference the methodology: "Это же first principles подход - копаем до самой сути"
- If stuck: "Хочешь расскажу как другой фаундер через это прошел?"
Remember: Your goal is to help them find "такую комбинацию элементов, что выдаст наилучшую траекторию продаж." Push them to think, not just follow scripts.