10691
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
OpenAI Deep Research
Я выше писал про Gemini Deep Research, вот и ответ OpenAI с таким же названием o__O
Попробовал на той же задаче с конкурентным анализом + на задаче поиска subscription бизнесов, о которой также писал недавно - мои впечатления:
1) В Google мне понравилось, что перед стартом он показывает план ресерча и позволяет тебе скорректировать. OpenAI же этого не делает, но уточняет детали: а ля бизнесы в какой локации искать или по какому аспекту сравнивать конкурентов.
2) Я понимаю все про загрузку и тп, но у Google все работало гораздо быстрее и без ограничений а-ля "ваш ресерч поставлен в очередь"
3) Результат OpenAI мне очень понравился, вышло сильно глубже и качественнее, чем Gemini. Думаю, что это потому что он реально "прочитывает" страницы. Google наверняка берет из своего индекса. Правда, при экспорте в CSV он почему-то потерял 2/3 результатов по задаче с поиском бизнесов, ну это проблема уже не DeepResearch. Конечно, экспорт у Gemini сразу в Google Docs сильно удобнее
4) Gemini быстрее решал такие же задачи раза в 3-4, но, опять же, возможно из за пункта про "прочитывание".
В общем, это хорошо, но не вау имхо. Все это в той или иной степени уже было у конкурентов или open source; даже в o3-mini + web search можно было получить схожие результаты
Сизифово счастье
Камю как-то сказал, что Сизифа следует представлять счастливым. Вы наверное помните про Сизифа, который катит в гору тяжелый камень, который, едва достигнув вершины, скатывался вниз. Мне предпринимательство порой представляется таким же.
И я заметил, что многие вокруг считают Сизифа несчастливым или сумасшедшим: близкие и не очень люди. Пытаются помочь, перенаправить, убедить делать другое, пожалеть.
Хотя, может, как завещал Камю, нам просто следует считать Сизифа фаундера счастливым?!
Неожиданно о дешевом искусственном интеллекте
Неожиданный кейс: допустим, вы автоматизируете LinkedIn-рассылку, а у человека в имени указана англоязычная версия (например, "Heng (Henry)"), произношение ("Burcu (Bur-ju)") или даже эмодзи (да, некоторые реально используют эмодзи в имени на LinkedIn).
Дешёвые модели могут легко исправить это с помощью простого промпта:
Given the prospect's first name from LinkedIn profile, return the most appropriate name to use in a message. If the name is not clear, return the first name only. Return only the name, no other text. First name: {name}
3 года. От идеи до запуска прошло 3 чОртовых года. 2 войны, переезд и куча других приключений.
WIP is a community-driven recruitment platform that minimizes hiring time and errors using the unique blend of Web3-tech, behavioral and monetary incentives for companies & talents.
С промокодом EDU20 скидка $80 на оплату stake.
Приколы LLM программирования
Меня иногда так бесит писать всякие if <api result> is None и тп подобные обороты, чтобы защищаться от неверных или неполных ответов всяких апишек. Сегодня поймал себя на таком: вместо того, чтобы вновь писать генерить все эти проверки и потом безопасно проверять значение ответа на какое-то условие (например, индекс цитирования больше определенного значения) я просто отправляю это в R1 и прошу ее просто сразу дать ответ про индекс. Код становится таким чистым и простым.
Даже не знаю, к добру это или нет, но мне понравилось :)
response = client.chat.completions.create(Читать полностью…
model=DEEPSEEK_R1_MODEL,
messages=[{"role": "user", "content": f"Is researcher's Google Scholar h-1 index over 10 or not? Respond with 'Yes' or 'No'. Researcher's Google Scholar profile: {researcher_profile}"}],
max_tokens=10,
)
Видео-отзыв одного из участников - Айбека - про его опыт прохождения школы фаундера
1) Value vs Price vs Cost
2) Jobs to be done
3) Не бояться запускаться
4) Сначала продавать
5) Не придумывать, а учиться у пользователей, что им нужно
Если вы тоже на этапе запуска или уже есть первый traction, то присоединяйтесь к 3му потоку
Приятно, когда автор твоей любимой рассылки про AI, упоминает тебя в очередном выпуске рассылки
https://open.substack.com/pub/thezvi/p/on-deepseeks-r1?r=1p7cww&utm_medium=ios
Я думаю, что вы уже в курсе про chatGPT таски. Вот 3, что я себе сконфигурировал - а вы?
1) про философию
Share 1 important idea from philosophy daily
provide detailed description of the idea, of its author, their life, and why they came up with the idea
Share 1 important idea how to grow a b2b service like onsa.ai daily
provide detailed description of the idea, examples, and suggestions how to implement it for my business onsa.ai
Remind me my workout plan for todayЧитать полностью…
<your workout plan goes here>
Понравился UX нового аппа Apple Intelligence на маке - Image Playground
Накидал картинок, получил комбинацию из них: Bayram + Summer + Superhero
“B2B Craiglist”
Многие из вас наверняка видели фото в аттаче.
Я вот подумал, а есть ли какой-то аналогичный сервис или продукт, из которого вырастают b2b продукты? По идее это должен быть какой-то general purpose продукт, которым все умеют пользоваться, и вначале он гуд, когда таких бизнесов или представителей таких профессий не так уж много. Но по мере роста и становления возникает потребность и ресурсы в специализированном софте.
Мне в голову пришли только Excel & Word. Почему? Это имхо такие минимальные стандартные продукты, которыми умеют пользоваться все, которые супергибкие, чтобы реализовать разные сценарии, когда еще нет спецсофта, или он не оч распространен, а работу делать надо.
М?
Печально видеть столько ошибок и отсутствие банального фактчекинга и такой нарратив, но это уже на совести журналистов.
С 2022г я не имею отношения и не работаю на компании App in the Air, Life in the Air, Бортовым Системам и тп, о чем говорил во многих открытых источниках не раз :-)
Внезапно напомнили про мой старый материал: перечитал, понравилось, ушел думать :)
https://gopractice.ru/skills/product_manager_skills_for_everyone/
Понравилось у Nathan Labenz в сегодняшнем подкасте:
Не тратьте глды впустую ставя на то, что каким-то магическим образом AI не станет доминировать профессию программистаЧитать полностью…
иногда, когда смотрю на UI некоторых b2b продуктов, то вспоминаю этот мем
Читать полностью…
Гибкие Продукты
Я уже писал, что по моим ощущениям происходит огромный сдвиг в разработке продуктов: от детерминированного описания и поддержки юз-кейсов мы переходим к гибким llm-managed продуктам, которые «налету» могут поддержать юзкейс или edge case, который мы не закладывали или о котором даже знать не знали.
Например, недавно был шокирован тем, как модель решила, что зарплата человека не указана в linkedin, но он работает на определенной позиции в Швейцарии, а зарплаты этих людей публикуются в специальном реестре, поэтому она сходит туда и получит примерную вилку зп. Разумеется, я ни о чем таком ее не просил в явном виде.
И это все меня приводит к нескольким мыслям:
1) традиционно продакт менеджер продумывает юзкейсы, принимает решения, какие из них поддерживать, а какие можно проигнорировать, так как это усложнит продукт и/или он о них даже не знает. О тех, что не знает, он учится на фидбеке от юзеров, и вновь принимает решение, что войдет в продукт, а что - нет.
2) теперь же выходит, что мы как продакты скорее будем описывать бизнес-область продукта, очерчивать доступные инструменты модели, критерии принятия решения, поднимаясь по уровням абстракции. Мы скорее CEO, чем линейный менеджер или исполнитель. Как это правильно делать - нам еще предстоит понять и научиться
3) продукты будут более гибкими, поэтому имхо их будет становиться меньше, а поддерживаемых юзкейсов - больше. Причем именно длинный хвост юзкейсов. Ведь классически происходило так, что есть «широкие» продукты, удовлетворяющие основные юзкейсы широких масс людей, и «узкие» - сфокусированные на edge case-ах, но для аудитории, готовой за это достаточно платить. Теперь же, с этими «финтами ушами», когда налету поддерживается юзкейс, «широкие» продукты смогут относительно «дешево» прорастать вглубь.
4) Дистрибуция будет играть еще более важную роль. Я опасаюсь, что мест на рынке будет все меньше, а «power law» продуктов будет еще более выраженным.
М?
o3-mini
Мне выкатили o3-mini —> удивительно, но оно хуже на вот таком таске:
1) у нас есть транскрипт разговора, где выявлены спикеры (диаризация), но мы не знаем кто есть кто
2) у нас отдельно есть список людей, что были на звонке, но не все они обязательно говорили
3) надо заматчить спикеров с участниками звонка
o1 на этой задаче выдал более верный результат. Погоняю на других тасках, когда появится в API
А вот и свежий список идей стартапов от YC и Conviction:
1) YC - из интересного: AI App Store, AI Personal Staff, Browser & Computer Automation, ну и, разумеется, Vertical Agents. что прикольно, что на этот раз они по каждому блоку сняли небольшой ролик. Вот, например, про App Store
2) Conviction - очень зашла мысль про "Just Go Live", даже обсужали ее во внутреннем чатике, 3D генерация, и идея про выкуп бизнесов и замену людей AI тулами, о которой писал ранее.
В общем, выбирайте понравившееся и just go live :)
Pete на днях читал в Гарвардской школе бизнеса лекцию про фаундер продажи.
Вот презентация: https://docs.google.com/presentation/d/1XE1yuEAqdiLPntkLnSKnSNXNOvNUidZuP3QGx_-ejMs/edit#slide=id.g2022411f57_0_19
Первые продажи
Еще один видео-отрывок из школы фаундера - про первые продажи:
00:00 - интро
00:45 - первые пользователи App in the Air
04:47 - главное про запуск
06:10 - первые пользователи RuBeacon
10:24 - первые пользователи onsa.ai
11:50 - первые продажи вручную
12:35 - барьеры в процессе продаж
13:01 - "делай то, что не масштабируется"
16:22 - основы продаж
17:30 - главное уравнение стартапа
29:42 - чем управляем полностью, а на что можем влиять
31:54 - ваша цена = их затраты + доп затраты
37:18 - продукт vs ценность
40:34 - цена = 30-50% * ценности
45:50 - динамика ценности vs стоимости
Присоединяйтесь к 3му потоку, если отзовётся содержание. Стартуем 8 февраля
Тестим ChatGPT Operator
Вы наверное помните хакатон, как мы делали computer use агента для тестирования. Решил протестировать вышедший сегодня chatGPT Operator на задачке генерации мемо на нашем сайте - ну он практически молодец! в конце запутался с табами, но тем не менее
zero shot, ничему не учил, сайт наш, то есть навряд ли был в тренинге у них или еще чего такого
молодцы OpenAI! С нетерпением жду API
P.S. Пишите в комментах, если хотите, чтобы попробовал другой таск
Не перестаю восхищаться этим подходом с o1 - планирует, а 4o/mini - выполняет план. На днях еще попробую и DeepSeek R1 для этого, но взгляните на план по поиску subscription ecommerce бизнесов для одного из клиентов:
-------------------------------------------------------------------------------Читать полностью…
PLAN:
-------------------------------------------------------------------------------
1) Use "seed" companies to discover similar businesses
• Since we already have examples (<redacted: list of customer's customers>), we will use them as “seed” companies.
• For each seed company, examine their domain and use find_similar_companies_exa(domain, num_results) to find companies that match or resemble their business model.
2) Gather a broad list of potential subscription-based companies
• Perform robust Google queries (search_google) with keywords such as:
- “subscription-based ecommerce companies”
- “direct-to-consumer subscriptions physical products”
- “DTC subscription box companies”
• Similarly, use search_exa(query, num_results) to find more companies that mention “subscription box,” “subscription service,” and other related terms.
3) Capture company details to confirm they meet the criteria
• From search results, collect potential company LinkedIn URLs.
• For each LinkedIn URL, use get_company_info(company_linkedin_url) to retrieve company size, industry, headquarters, and other metadata.
4) Filter companies based on the project’s criteria
a) Must have a subscription-based revenue model
• Verify by checking company descriptions or known business type (e.g., listing or press mentions of subscriptions, repeated purchases, etc.).
b) Must sell physical products
• Confirm via company website or LinkedIn descriptions indicating product shipments, physical goods, etc.
c) Must be direct-to-consumer (DTC)
• Confirm from descriptions, press news, or LinkedIn.
d) Must have 50+ employees
• Based on data from get_company_info to confirm current LinkedIn-reported headcount is ≥50.
5) Expand from each valid lead
• For every validated company that meets the criteria, again use find_similar_companies_exa with its domain to discover more similar businesses.
• Continue until you reach or exceed a pool of 500 potential companies.
6) Final verification
• Re-check any questionable records for headcount or DTC/subscription business model to ensure they meet the 50+ employee threshold and that they truly offer a subscription for physical goods.
7) Write the results to a CSV
• Once you have a final list of valid companies, call write_to_csv(companies) to save them, providing relevant fields such as:
- Company name
- Domain/website
- LinkedIn URL
- Employee count
- Validated subscription-based indicator
8) Print the information and confirm completion
• After writing to CSV, print or display the final list of companies (or a summary) for review.
• Finally, call instructions_complete() once all steps are done and the CSV is saved.
Школа Фаундеров - 3й сезон
Продолжаем школу фаундера и открываем набор на 3й поток. В аттаче детальное описание программы и отзывы с прошлых потоков, а от себя лишь скажу, что для меня это очень важный и личный проект: способ поделиться своим опытом и знаниями, чтобы помочь вам сделать первый шаг к тому, чтобы слезть с пороховой бочки. Но первый шаг - это боязно, непонятно, неизвестно, и поэтому хорошо, когда рядом есть люди, которые "been there, done that".
В этом потоке мы добавили еще один формат: в дополнение к общим встречам и зумбарам появился формат практических встреч-семинаров, где мы будем разбирать конкретные кейсы или других участников школы (например, сформировать стратегию набора первых 100 пользователей или 10 клиентов), или составленных мною по мотивам прожитых ситуаций. Уверен, что это поможет закрепить материалы и знания.
Как проходят групповые встречи можно подсмотреть в этом видео-отрывке с 1й встречи про стартап-мышление
Старт - 8 февраля
Продолжительность школы - 3 месяца
Количество мест - 20
Стоимость - $500 в мес или сразу со скидкой - $1300
В общем, прочитайте программу, посмотрите видео, подумайте, и примите решение, нужно ли это вам сейчас.
Хорошего воскресенья!
P.S. Российские карты, к сожалению, не принимаем. Возможна оплата криптой - напишите мне в личку и сделаем.
Senior vs Junior
Развиртуализировались с одним из подписчиков - Иваном - на днях. И мне очень понравилась его мысль:
Senior разработчик не бросается делать то, что его просит «заказчик». Он сначала задает достаточно вопросов, потому что видел много ситуаций и кейсов, и не хочет допустить двойного трактования. Этими вопросами он как бы помогает заказчику лучше сформулировать, а что именно надо делать, направляя и подправляя «выбранный курс». Так вот AI агент, вероятно, тоже не должен бросаться исполнять задачу юзера, а сначала задать правильные вопросы.
Мне кажется, что это очень важное и интересное замечание/паттерн взаимодействия юзера и AI агента.
М?
Ортогональный взгляд на эффект AI на рынок труда: ВЭФ считает, что в итоге текущие тренды, в том числе AI, создадут больше новых рабочих мест, чем уберут старых.
Для меня очень неожиданный список быстрорастущих позиций (см. Картинку), я скорее не соглашусь с экспертами из WEF, но прсмотрим-с. Ждать осталось 5 лет :-)
Экономика reasoning моделей
Когда OpenAI анонсировали o1 модель, то стало понятно, что механизм ее работы заметно меняет экономику LLM провайдеров: если ранее они много тратили на претрейнинг модели, а потом использовали эту модель миллиарды раз, то по классике наслаждались эффектом масштаба (постоянные издержки, размазанные на кучу запросов).
С o1 же все не совсем так: ведь при подготовке ответа модель генерирует много вариантов ответов, «усредняет» их каким-то правилом —> каждый запрос генерирует кучу переменных издержек.
Но я рискну предположить, что это временная ситуация: нагенерив миллиарды «chain of thought” размышлений, они заново запустят пре-трейнинг и опять переведут это в постоянные издержки.
А вы как считаете?
Отец как-то рассказывал:
С появлением персонального компьютера я понял, что теперь могу домой забирать «станок», на котором работаю. Это перевернуло мое понимание, бустануло производительность, открыло возможность писать собственные программы, и в итоге помогло справиться с вызовами конца 80-начала 90х
Мне запомнилась более всего вот эта фраза: «брать домой станок». Для нас кажется это таким естественным, но тогда это реально большой прорыв.
Что generative AI привносит в программирование? Станок станет почти не нужен? Ваши версии?
Системномыслящие в Пало Альто
В четверг 9го января с 18 до 20 увидимся тут: https://lu.ma/hu52mdv6
Поговорим про стартапы через призму системного мышления, а потом зайдем в паб поблизости :)
Буду рад увидеться!