10690
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
Классное задание для предпринимателей с использованием Chatgpt и им подобными. Понравилось про make a working app & 3 famous figures to criticize :-))
Читать полностью…
Размышлял вчера про применение AI в городах (и просто как сделать город немного умнее), нагенерил такие кейсы - буду рад за еще идеи 🙂
1) умные мусорные корзины - фиксируют, когда заполняются, и сообщают службам, чтобы вовремя их убрали
2) аппы для слабовидищях - распознаем обьекты перед нами, номера автобусов и троллейбусов и тп, озвучиваем им, помогаем перемещаться в городе
3) роботы для автосортировки мусора
4) юзаем камеры на дорогах/в автомобилях, чтобы замечать повреждения дорог и вовремя их ремонтировать
5) расставляем машины скорой помощи, чтобы быть ближе к местам вызова
6) детектим свободные парковочные места
7) раннее предупреждение землетрясений
Выложил видео встречи сюда: https://www.youtube.com/watch?v=lZMUAZsQMhc (кстати, можно подписаться на плейлист Empatika Open, я в нем собираю все видео)
Также сгенерировал саммари встречи с помощью ассистента, которого написал для наших внутренних встречи, он использует whisper модель, о которой мы говорили в чатике, чтобы транскрибировать встречу и для 10мин отрезков генерирует краткое саммари в 100 слов —> см. в комментариях к посту
и там же выкладываю экспорт чатика встречи, так как там были полезные мысли и ссылки
Я как-то уже упоминал книгу "Algorithms to live by" и фб тут принес мой старый пост про алгоритм приоритезации задач, который, как оказалось, я до сих пор использую. Сначала выдержка из книги:
" The ultimate solution for wide range of scheduling problems is as follows: each time a new piece of work comes in, divide its importance by the amount of time it will take to complete. If that figure is higher than for the task you're currently doing, switch to the new one; otherwise stick with the current task. This algorithm is the closest thing that scheduling theory has to a skeleton key or Swiss Army knife, the optimal strategy not just for one flavor of problem but for many."
Вкратце, основная идея: (почти) оптимальная приоритезация задач достигается простой эвристикой деления важности задачи на время для ее выполнения и, если она выше, чем та задача, которой вы сейчас занимаетесь, то надо переключиться на поступившую задачу. В продакт-менеджменте мы обычно делим не важность, а эффект на ключевую метрику, но, в целом, идея сохраняется
Конечно, точно оценить влияние и время часто достаточно сложно; для этого у нас была еще эвристика: влияние можно попробовать оценить из внутренних данных, рыночных данных и эксперимента (см. про pretotyping выше), а в части времени - если по ощущениям команды задача займет недели/месяцы, то точно надо потратить время на придумывание претотайпинга.
Мой брат Батыр недавно напомнил мне про полезный совет нашего Папы: "Если не хочешь делать какую-то работу, то заряди цену в 3 раза выше обычного" :) этот совет действительно мне помог несколько раз: к примеру, так мы в Empatika взялись за модель рыболовной отрасли РФ для федерального агентства много лет назад
Запросы на консалтинг и такие side job-ы возникают часто - как к ним относиться? Я немного доработал этот совет отца: любая выполненная работа должна создавать какой-то long term актив, право на который ты имеешь (или на его часть). Не стоит просто так продавать свое знание или умение, его надо вкладывать. Пара примеров:
1) Можно быть эдвайзером за fix, а можно быть за опцион
2) Можно быть консультантом за fee, а можно быть консультантом за fee по задачам, которые ты никогда не делал :) активом в этом случае становится новое знание и опыт
3) Можно быть супероплачиваемым игроком в футбольном клубе, а можно стать совладельцем и получать proceeds от всего мерча и роста стоимости клуба, как это сделал Messi
4) Можно быть рекламным лицом, а можно получать revenue share с каждой проданной пары кроссовок - как это сделал Jordan (посмотрите фильм, кстати)
Думаю, что вы поняли идею :)
P.S. Можно еще взять fee и вложить в акции или иной актив - тоже вариант, вопрос лишь веры в upside 😉
На днях обсуждали со знакомым, как получаем удовольствие от того, что вновь вернулись к программированию после многих лет руководства/инвестирования, и я стал размышлять: а почему? почему нам так нравится это?
на своем примере пришел к нескольким выводам:
1) нетерпеливость - иногда хочется просто сделать или поправить, чтобы работало так, как ты хочешь - и сделать самому, не ломая приоритеты и не переключая команду, быстро и выгодно
2) ощущение контроля - я могу напрямую изменить (не повлиять, а сразу изменить) то, что хочу
3) скорость обратной связи - ты очень быстро получаешь обратную связь от своих действий, и это приносит удовольствие, как и в любой другой деятельности
А у вас был такой опыт? какие у вас ощущения?
P.S. Я не говорю, что это scalable; наоборот, я искренне считаю, что один в поле не воин, но этот пост немного про другое
На днях мне задали вопрос: как выбрать между 1) разрабатывать то, что хотят пользователи или 2) то, что им нужно
Тут важен контекст: это про образовательный продукт. Люди хотят поступить в универ или получить сразу диплом/сертификат, а нужно учиться и сдавать зачёты.
Мое мнение, что, если ты монетизируешь напрямую, то надо делать то, что хотят пользователи; если же через третьи компании/лица - то то, что им нужно.
Я согласен, что это разделение между что хочется и что нужно может быть искусственным, но интересно ваше мнение на сей счет?
Рассуждали с другом о том, какие скиллы важны для продакта. Мой топ:
1) Видеть лес за деревьями: на одном интервью я попросил кандидата открыть сайт конкурента компании, в которой он тогда работал, и проанализировать его. За 15 мин анализа кандидат так и не прошел ключевой юзкейс, отвлекаясь на то, какие люди изображены на баннерах на главной странице и какие способы логина должны быть. «Видеть лес» для меня это фокусироваться на общей картине, видеть продукт и ключевой юзкейс end to end, ствол, а не листья. Системное мышление.
2) Хорошее понимание технологий, на которых делают продукт; идеально - умение программировать на них. Я был очень плохим пиэмом, когда менеджил продукт, в технологиях которого ничего не смыслил. Не забуду вопрос одного СЕО стартапа своему техлиду: «а что такое фронтэнд?».
3) понимание основ бизнеса/индустрии, для которой делается продукт. В конце концов продукт - это бизнес + технология
А вы как считаете?
«Не ошибается лишь тот, кто ничего не делает… или никому это не показывает»
Капитан :-))
к сожалению, придется перенести эту встречу 🙁 я сообщу новую дату и время в течение недели
Читать полностью…
Мне так зашёл этот курс, что я решил провести встречу по теме: 14го мая в 16мск. Поговорим о том, как истории влияют на экономику, и порассуждаем о происходящем сейчас в более широком контексте, в том числе о влиянии AI и Crypto на экономику и общество. А в начале встречи сделаю Q&A, вопросы можно задавать тут
Bayram is inviting you to a scheduled Zoom meeting.
Topic: EDU - Narrative Economics
Time: May 14, 2023 06:00 AM Pacific Time (US and Canada)
Join Zoom Meeting
https://us02web.zoom.us/j/88018670670?pwd=dVVFcnM0QUV6UHIrTUNNVGkzT0J4dz09
Meeting ID: 880 1867 0670
Passcode: 581001
Гостевой пост от Никиты Рвачева (предприниматель, выпускник МГТУ им. Баумана, прошел обучение в программе Stanford, MIT. В настоящее время активно изучает мир AI и делится своим опытом в блоге.) Подписывайтесь на его блог
Привет! Меня зовут Никита Рвачев, и сегодня я хочу поделиться с вами 10 полезными промптами на английском языке, которые помогут предпринимателям в различных сферах деятельности. ChatGPT - это мощный инструмент, который может быть использован для улучшения навыков предпринимателя, особенно когда речь идет о создании стартапов, проведении исследований рынка или улучшении взаимодействия с пользователями и инвесторами.
"Write an SQL query to analyze sales by month and year."
"Provide a list of customer development interview questions."
"Create a personalized email template for reaching out to investors."
"How can I identify the target audience for my product?"
"What are some examples of successful monetization strategies for different types of businesses?"
"Write an email template for attracting new business partners."
"What are effective marketing strategies for a product with a limited budget?"
"Suggest a list of KPIs to track for an early-stage startup."
"What are the key elements to include in a pitch deck for investors?"
"How to conduct a competitive analysis for my industry?"
Два Бонуса:
- Я настоятельно рекомендую пользоваться GPT на английском языке. Во-первых, он значительно лучше выдает результат на английском и испанском, так как больше обучающая выборка, во-вторых, во всех языках кроме испанского на одинаковый объем текста тратится в 4 раза больше токенов, а значит у вас лимит в 4 раза больше. Вы всегда можете перевести на русский на последнем шаге.
- Огромное количество крутых промптов есть в репозитарии https://github.com/dair-ai/Prompt-Engineering-Guide (у проекта 26k звезд, а это ого-го).
Подписывайтесь на блог Никиты: http://t.me/rvnikita_blog
Олег намутил новый курс для AI продактов - с удовольствием рекомендую!
Читать полностью…
Думаю, что вы уже подметили, что количество постов в моем канале обратно пропорционально моей занятости и уровню фокуса.
В субботу в 16мск сделаю Zoom, на котором отвечу на ваши вопросы из этого опроса, а также расскажу и покажу, как сделать своего chatgpt бота, натренированного на ваших данных: почте, гуглодоках, пдфах, вордоках, гит репозиториях, пауэрпоинтах и тд и тп. Для этого понадобится базовое понимание Python, умения копипастить, и комп :-)
Bayram is inviting you to a scheduled Zoom meeting.
Topic: EDU
Time: Apr 15, 2023 06:00 AM Pacific Time (US and Canada)
Join Zoom Meeting
https://us02web.zoom.us/j/86525342797?pwd=NTFzUk8yMmhaZWNBK0l1bTFaTWRzUT09
Meeting ID: 865 2534 2797
Passcode: 772099
Мы в чате недавно обсуждали, что было бы круто создать бота, натренированного на определенных книгах, интервью, чатах и тп. Я сейчас работаю над этим, уже смог натренировать chatgpt на документах, исходном коде, и даже почте. А пока хотел рассказать про прикольный сервис, при помощи которого вы можете початиться с книгой: например, “Искусством войны” Сунь Цзы или “Капиталом” Маркса. Очень прикольно - в комментариях пара картинок
Читать полностью…
Мы как-то обсуждали ментора, натренированного на YC. Вот оно: https://ycmentor.com/
Мне понравилось, что есть ссылки на релевантные видео, статьи и твиты. Хороший такой поиск по базе данных YC. Не очень понравилось, что нет нормального форматирования ответа, но, думаю, это вопрос времени
Я уже писал, насколько хакатоны помогают тренировать MVP мышление, о котором рассказывал на прошлой встрече EDU.
Немного мыслей по свежим следам моего первого web3 хакатона: помимо MVP это еще и отличный способ массово «протестить» продуктовую гипотезу. Эдакий customer discovery за уикенд: не только судьи и экосистема оценивает вашу идею, но и вы получаете огромный поток фидбека после хакатона. Вчера к нам подошла девушка, которая активно торгует на eBay, и ее «я ничего не понимаю в этих ваших web3, но я много лет продаю на eBay и в последние годы еле-еле выхожу в 0. Децентрализованный eBay (это то, что мы запилили на хаке) - это то, что реально нужно нам.» - отличная иллюстрация этой мысли
В посте про управление временем я писал, как мы пришли к no meetings day, чтобы «укрупнять время» и не отбирать чужое. Забавно было прочитать это письмо Джобса сотрудникам Next
P.S. Про менеджера vs контрибьютера еще поговорим :-)
спасибо большое всем, кто откликнулся - мы провели первую серию тестов: спасибо Макс, Александр, Александр, и Александр, Любовь, Рик, и Сурен!
те, кто не попал в первую группу, не расстраивайтесь - у нас будут еще серии тестов
В следующую субботу 17го июня в 16.00мск:
Bayram is inviting you to a scheduled Zoom meeting.
Topic: EDU
Time: Jun 17, 2023 06:00 AM Pacific Time (US and Canada)
Join Zoom Meeting
https://us02web.zoom.us/j/89058704821?pwd=b3ZjaURybG1ZZGdYZzdFeW1IVTRGQT09
Meeting ID: 890 5870 4821
Passcode: 474517
В последнее время в разговорах часто упоминаю статью Joel Spolsky про то, почему гиганты опенсорсят или поддерживают такие проекты. Идея проста, если взглянуть с позиции экономиста: когда снижается цена товара А, то растет спрос не только на товар А, но и на комплементарный ему (часто покупаемый вместе) товар Б.
Из свежих примеров: поддерживая опенсорс (явно или «случайно») LLM модели растет спрос на computing (см. цену на акции Nvidia и недавнее интервью Сэма Альтмана), а оттого выигрывают провайдеры cloud решений - AWS, GCP, Azure и тп.
То же можно сказать и об обучаюших курсах по Generative AI: например, недавно релизнутый гуглом набор курсов.
В ту же тему хочу поделиться интересной картинкой о том, как ценность перетекает от производителей чипов к разработчикам девайсов/провайдерам инфраструктуры и, далее к провайдерам сервисов
Коллеги, как я уже упоминал, мы проверяем ряд продуктовых гипотез в web3 и начинаем закрытый UX тест нашего первого MVP.
Если вы хотите принять участие, то заполните вот эту формочку. Если вы вообще не знаете ничего про web3/crypto, но хотите нам помочь, то тоже заполняйте анкету, так как мы бы хотели протестить продукт с разными сегментами пользователей: от advanced пользователей до новичков.
Заполнение формы займет не более 30 секунд. Я не могу обещать, что мы сможем со всеми провести тестирование, так как… читайте выше закон про UX тест :-)
Давайте обсудим потенциал AI для того, чтобы сменить статус-кво Big Tech. Безусловно, AI сдвигает PPF, о котором я уже писал, но позволит ли это маленьким игрокам переписать верхушку бигтеха?
По-моему, ключевые ресурсы для успеха AI это:
1) Computing ресурсы - нужно оченьмногокомпутеров, чтобы тренировать модели
2) Данные - нужно много и этого, особенно с возможностью быстрого доступа к ним. Парсить сайт при запросе как делают плагины openai слишком долго
Я считаю, что эти ресурсы в достаточном обьеме доступны лишь большим дядькам, и поэтому основная доля экономического эффекта от внедрения AI придется именно на бигтех.
Возможно, что эти потребность в computing ресурсах заметно снизится, благодаря научному прорыву в понимании того, почему так хорошо работают трансформеры —> в таком случае один аспект этой логики рассыпается.
А вы как считаете?
В команде часто бывают споры о «статистической значимости» фидбеков юзера по UX. Есть один закон, который на протяжении нескольких лет помогает их разрешить и доказал себя на нашей практике: нужно всего 5 юзеров, чтобы поймать 80% всех UX проблем продукта. Достаточно подробно он описан в этой статье от знаменитого Якоба Нильсена
Не тратим время на споры, а тратим его на прогресс. Удачи!
Offtop:
Подумал про забавную метрику, которую можно считать благодаря LLM: коэффициент новизны. Слушаем автора подкаста, к примеру, и параллельно LLM, натренированная на прошлых выпусках этого автора, предсказывает его слова и сравнивает с реальностью. В итоге получаем коэффициент.
Осмелюсь высказать гипотезу: что слишком высокий коэффициент новизны = плохой подкаст, как и слишком низкий, поэтому, вероятно, есть оптимальный. М?
Очень практичный и, при этом, академичный разбор кейса Silicon Valley Bank от автора курса про финансовый кризис - профессора Yale Andrew Metrick. Рекомендую в контексте происходящего в банковской сфере не только сша:
https://youtu.be/E9V50YSNIbI
Встречайте «Симулятор управления ML/AI-проектами»
Долгое время основные вызовы в применении ML-технологий лежали в инженерной и научной плоскостях.
Развитие технологий привело к тому, что сейчас эти вызовы стремительно смещаются в плоскость продуктовую.
Все чаще вопрос оказывается не в том, как что-то реализовать, а в том, где есть возможности для применения ML-технологий: создадут ли они ценность, принесет ли это выгоду бизнесу, как организовать разработку и довести проект до успешного внедрения.
Все это создает спрос на специалистов, которые способны увидеть возможности для применения машинного обучения и реализовать ML-проект. Уже сейчас зарплата, например, ML/AI-продакта превышает доход обычного продакт-менеджера на 20–40%.
Как стать таким специалистом?
Эту задачу и призван решить наш новый «Симулятор управления ML/AI-проектами».
Почему мы создали симулятор
Представления большинства нетехнических специалистов про ML находятся в одной из двух крайностей:
🪄 Одни видят ML/AI как магию, которая позволяет сделать все, что угодно. Надо лишь поставить задачу разработчикам;
⚙️ Другие же считают, что ML — это что-то очень сложное, глубоко техническое и недоступное.
Такая ситуация возникает по той причине, что человеку со стороны бизнеса достаточно сложно разобраться в ML.
Но на самом деле, если десять лет назад глубокое понимание математики и программирования было необходимым знанием для погружения в ML-индустрию, то на текущем этапе развития алгоритмы и модели стали уже общедоступными.
На этом фоне ключевая ценность работы с ML смещается в способность увидеть возможность для применения машинного обучения, а потом адаптировать существующие алгоритмы и технологии для конкретной прикладной задачи.
Но научиться управлять ML-проектами можно только на практике. А для того чтобы менеджеру доверили такой проект, нужен опыт. Замкнутый круг.
«Симулятор управления ML/AI-проектами» нацелен на то, чтобы разорвать этот круг и дать необходимые навыки и опыт для работы менеджеров ML-проектов.
Чему учит симулятор
🔦 Видеть, где машинное обучение может принести пользу бизнесу;
🤖 Создавать продукты на основе технологий машинного обучения;
🏗 Строить процесс создания и внедрения ML-решений, предотвращать типичные ошибки и проблемы заранее;
💵 Организовать работу над ML-проектами так, чтобы они приносили пользу бизнесу.
Как устроено обучение в симуляторе
Как и в других симуляторах GoPractice, вы погружаетесь в интерактивную историю, в которой вам предстоит помочь компании выбраться из кризиса и стать лидером рынка.
Вы будете учиться, принимать решения, ошибаться, анализировать ошибки, находить новые пути, тестировать и внедрять ML-модели и в конце концов достигать успеха.
Обучение в симуляторе построено вокруг работы над тремя проектами, каждый из которых научит вас решать распространенную ML-задачу:
👓 Задача на основе компьютерного зрения (computer vision);
📊 Прогнозирование продаж;
💡 Создание рекомендательной системы.
Этот симулятор — многолетний практический опыт создания ML-решений, упакованный в двухмесячную интерактивную образовательную программу.
Узнать подробнее о том, зачем продакт-менеджерам, предпринимателям и другим специалистам изучать ML, а также прочитать отзывы наших первых студентов вы можете в нашем блоге по ссылке.
Стоимость и специальное предложение
Стоимость обучения в симуляторе составит 65 900 рублей.
А для тех, кто начнет учиться до 15 мая, цена будет ниже — 59 900 рублей.
Обучение в симуляторе проходит онлайн и в своем темпе. При этом вы всегда можете задать вопрос авторам и получить от них всю необходимую поддержку.
Начать обучение можно прямо сейчас.
Ноутбуки, которые можно запускать на Google Colab:
1) OpenAI кейс: https://colab.research.google.com/drive/17LYc_egWZXzyVSLrLQ4WpF25YIOp9xRW?usp=share_link
2) Локальная Alpaca кейс: https://colab.research.google.com/drive/1W-RzrAcCryNORotQITFr2esHulj2-cl-?usp=share_link
Подтвердите плиз, что получилось открыть.
И, как обычно, буду благодарен за донейты в любой фонд, близкий вашему сердцу, на любую сумму - твори добро 🙂
P.S. Запись процессится, скоро выложу апдейтом в этот пост
Новый отличный курс от Shiller-а (уже упоминал его другой курс) - “Narrative Economics”. Про то, как истории влияют на экономику
https://www.coursera.org/learn/narrative-economics
P.S. Не забывайте, что необязательно платить за курс, если вам не нужен сертификат, но книжку Шиллера купите, если курс понравился ;-)
О масштабировании
Некоторые из вас знают, что я поклонник работы Santa Fe Institute. У директора института Geoffrey West есть отличная книга “Scale”, в которой он рассказывает про то, как растут разные системы, и проводит параллель между разными системами (города, человеческий организм, экосистемы), формулируя универсальные законы роста. Я уже писал, что стартапы это про масштабируемость, поэтому заимствуя одну идею из книги Веста, давайте поразмышляем о том, как масштабируются доходы и расходы в стартапе.
Глобально, существуют лишь 3 разновидности, остальное - комбинация (см. картинку в комментариях):
1) линейный - рост параметра А ведет к линейному росту параметра Б. Двукратный рост количества сотрудников ведет к двукратному росту расходов на зарплату.
2) сублинейный - рост параметра А ведет к меньшему росту параметра Б. Двукратный рост затрат на рекламы приводит к менее чем двукратному росту платных инсталлов
3) надлинейный (overlinear) - рост параметра А ведет к бОльшему росту параметра Б. Двукратное увеличение доли мощностей ведет к более чем двукратному росту доли рынка (за счет доминирования на рынке).
Для любого предпринимателя важно как можно раньше понять характер масштабирования расходов и доходов, ключевых метрик своего бизнеса, и направлять усилия на то, чтобы метрики доходов масштабизировались надлинейно, а затрат - сублинейно. К примеру, до определенного момента у нас надлинейно росли затраты на API по отслеживанию статуса рейсов, и при резком росте пользователей мы в месяц получили чек в $100K+. После серии переговоров с поставщиком API, мне удалось добиться контракта по фиксированной цене (flat rate), независимо от количества запросов. Это дало возможность поменять ценообразование наших услуг: поскольку основной компонент переменных затрат стал постоянным, то в действие вступил классический эффект масштаба --> размазывая затраты на бОльшее количество пользователей мы существенно снижали удельную стоимость, и смогли уронить цены, сделав подписку более доступной, давая trial с околонулевыми затратами. Де факто, надлинейный характер мы превратили в сублинейный.
То есть, задача предпринимателя заключается не только в приеме бизнес-модели as-is, но и в целенаправленном изменении этой модели, характера масштабируемости ее параметров.
P.S. Важно: большинство этих показателей меняет характер (нелинейны): например, в авиации есть так называемая S кривая зависимости доли рынка (доля проданных кресел авиалинии А от общего обьема проданных кресел) от доли capacity (доля доступных кресел авиалинии А от общего обьема доступных кресел): сначала эта зависимость сублинейна, а потом надлинейна
P.P.S. Горячо рекомендую книгу