676
Sergey @Yudovskiy, CEO at ElectroNeek.com Li: https://www.linkedin.com/in/yudovskiy FB: https://www.facebook.com/yudovskiy IG: https://www.instagram.com/yudovskiy.sergey/
Куда подаваться стартапу кроме Y Combinator
В конце июля YC закончил принимать заявки на осенний батч. Я дважды проходил YC и до сих пор считаю его одним из лучших мест для early-stage стартапа. Но мне кажется странной стратегия «YC или ничего».
Сейчас вокруг ранних стартапов появилась довольно конкурентная инфраструктура. Некоторые программы дают больше денег, некоторые работают с гораздо меньшими группами, а некоторые готовы брать человека еще до того, как у него появилась компания. И в конкретной ситуации условия могут оказаться интереснее YC.
Собрал несколько программ (не только в США), на которые я бы точно посмотрел.
1. Techstars
$20k за 5% + $200k по uncapped MFN SAFE. Десятки городских и отраслевых программ по всему миру: если вы не в Кремниевой долине и не готовы туда переезжать, это первый кандидат.
2. 500 Global
$112.5k за 6%. Есть в 80+ странах, сильный акцент на международных фаундеров и рынки за пределами США.
3. AngelPad
$120k за 7%. Крошечные когорты (около 15 команд), жесткий отбор для технических фаундеров, которые хотят продукт, а не нетворкинг-вечеринки.
4. Alchemist Accelerator
$25k за 5% плюс follow-on финансирование. Заточен под B2B/enterprise — то, что YC исторически интересует меньше.
5. Berkeley SkyDeck
$200k, 6-месячная программа. Доступ к экосистеме UC Berkeley (таланты, исследования, менторы). Строже и академичнее, чем YC, но многие выпускники называют это плюсом.
6. Seedcamp
€100–200k за 7–7.5%. Один из немногих, кто по факту работает как ранний VC, а не просто трехмесячный лагерь: глубже сеть в Европе, чем у большинства американских программ.
7. Antler
$100–250k на pre-seed. Уникален тем, что берет людей без команды и без идеи. Помогает найти кофаундера и слепить компанию с нуля.
8. Plug and Play Tech Center
$25k–500k, гибкие условия. Корпоративные пилоты и партнерства как главная ценность, а не только чек.
9. Boost VC
До $500k за 15%. Дороже по доле, но и чек можно получить кратно больше стандартного.
Я бы вообще выбирал акселератор примерно так же, как инвестора. Если вам нужны первые enterprise-клиенты, смотрите на доступ к клиентам. Если нужен кофаундер, то смотрите на плотность сильных технических людей. Если уже есть хороший продукт, то, возможно, важнее капитал и следующий раунд. Если строите AI — доступ к compute, моделям и людям из индустрии иногда окажется ценнее дополнительных $100–200K.
YC остается очень сильным вариантом. Но сегодня фаундеру уже точно не стоит строить весь фандрейзинг вокруг одной заявки. Я бы подавался одновременно в 5–10 подходящих программ, а уже после офферов решал, чья система даст компании максимальный буст.
Как мы внедрили AI в американскую клинику за 60 дней без нормального API
В здравоохранении внедрение нового софта легко растягивается на полгода-год. Нужно дождаться EHR-вендора (это компания-разработчик электронных медицинских карт), договориться об API, подключить IT-команду, настроить интеграцию, провести тесты, а потом выяснить, что нужные данные API все равно не отдает.
В Adentris менее чем за 2 месяца мы запустили платформу в сети клиник, перевели под постоянную AI-проверку документы 100+ пациентов и подключили больше 20 сотрудников и руководителей.
Было
Sobrius — сеть клиник по лечению зависимостей в Вирджинии. У нее две программы лечения, и для каждой есть свои требования.
Команда compliance вручную проверяла карты и искала пустые поля и записи, которые не были связаны с планом лечения. Причем проблема могла быть совсем маленькой, например, не хватало подписи. Но обнаруживали ее уже, когда пациента выписали.
Автоматизировать это через API было нельзя. Медицинская система не отдавала как раз самые важные данные: пустые поля, отсутствующие подписи и незаполненные части форм. То есть формально интеграция была возможна, а практически — бесполезна.
Что мы сделали
Сначала мы не трогали медицинскую систему. Вместо этого с командой Sobrius перевели требования регуляторов и внутренние стандарты клиники в 85 конкретных проверок: от правильности приема пациента и сроков составления плана лечения до ежедневных записей и документов при выписке.
Это важный урок для любого предпринимателя: автоматизировать нужно не хаос, а уже описанный процесс, иначе AI просто начнет быстрее воспроизводить беспорядок.
После этого мы проверили логику на реальных обезличенных картах. И только когда поняли, какие именно данные нужны, занялись доступом к ним.
Поскольку API их не показывал, мы сделали AI Web Agent. Он работает через интерфейс EHR так же, как человек: открывает карту, переходит между экранами, читает поля без участия вендора и отдельного IT-проекта со стороны клиники.
Важная деталь: система не применяет к пациенту неподходящие правила и не заваливает команду ложными предупреждениями. Если в одной анкете не заполнили пять разделов, сотрудник получает одну задачу по анкете, а не пять одинаковых алертов.
Стало
Сейчас Adentris нонстопом проверяет документы 100+ активных пациентов, а платформа стала рабочей средой для 20+ сотрудников Sobrius. Запустили за 8 недель вместо обычных 6–12 месяцев.
Ошибки теперь находят во время лечения, когда команда еще может открыть документ и исправить его.
Ручная проверка карт, которая раньше могла занимать 30–50 часов в неделю, по расчетной модели должна сократиться до нескольких часов. А доля документов, принятых с первого раза, может вырасти с 72–78% до 88–94%. Это пока целевые показатели, фактические результаты будем измерять по мере работы.
Два универсальных вывода из этого кейса:
1) Не стоит строить продукт вокруг идеальной интеграции, которая когда-нибудь появится. Иногда сильное решение начинается с обхода чужих ограничений.
2) Правильная последовательность часто важнее скорости. Сначала мы описали правила, затем проверили их на реальных данных и только потом начали интеграцию. Именно поэтому уложились в 60 дней.
Как думаете, должен ли хороший AI-продукт подстраиваться под текущий процесс клиента или заставлять клиента менять сам процесс?
До IPO SpaceX продавала мечту. После IPO от нее требуют Excel
Чуть больше месяца назад SpaceX провела крупнейшее IPO в истории. В первые дни акции взлетели выше $200 при цене размещения $135, а компанию на короткое время оценили дороже Amazon и Microsoft.
Теперь акции стабильно падают, и сейчас они уже ниже цены размещения. Инвесторы, которые еще недавно боялись не успеть купить билет на Марс, резко начали интересоваться расходами, прибылью и всеми этими цифрами.
В этом и главная проблема IPO SpaceX. До биржи компания жила в мире больших историй: Марс, Starship, глобальный интернет Starlink и превращение человечества в межпланетный вид. А после IPO приходят люди с калькуляторами. Они спрашивают, сколько это все стоит, когда окупится и почему очередной запуск снова перенесли.
Starship — лучший пример. SpaceX работает по принципу «запустили, взорвали, исправили». Для инженеров взрыв — это просто данные, а для рынка — минус десятки миллиардов капитализации.
Плюс на бирже всего 4% акций. При таком малом флоате и огромном интересе к Маску цена летает быстрее ракеты.
Я пока не считаю, что рынок разочаровался в SpaceX. Он просто впервые пытается понять реальную стоимость компании, которую раньше оценивали, в основном, по обещаниям.
Пока компания была частной, она могла думать на десятилетия вперед. Публичный рынок так не умеет, он живет кварталами. Поэтому многие основатели тянут до последнего с выходом на биржу. Им важны не только деньги, а свобода принимать сложные решения, которые сначала выглядят плохо, а через годы оказываются гениальными.
Вообще, мой текущий взгляд такой: если хочется сейчас зайти в историю Илона, то Tesla выглядит заметно привлекательнее. Со всеми роботами Optimus, автономными машинами, энергетикой и масштабом производства даже при текущей цене она кажется недооцененной. Там уже есть реальные объемы и понятный путь.
А от SpaceX, при всех рассказах о светлом будущем, лучше пока подождать пару отчетов. Купить акции заметно ниже IPO и держать до тех пор, пока компания не начнет добывать какую-нибудь супер-руду на астероиде или не построит первый город на Марсе.
Маску теперь придется одновременно строить ракеты и объяснять аналитикам, почему расходы выросли на 17%. И второе может оказаться даже сложнее. Но кто сказал, что будет легко?
Самая большая проблема AI-врачей оказалась не в качестве ответов
В штате Юта стартап Doctronic запустил пилот: AI самостоятельно решает, можно ли продлить пациенту рецепт на препарат для хронического заболевания.
Сначала медицинский совет Юты потребовал остановить программу. Но потом пилот все-таки продолжили под строгим контролем и с обязательной проверкой настоящим врачом на текущем этапе, потому что у системы есть очевидные ограничения.
Во-первых, AI полностью доверяет тому, что говорит пациент. Если человек неправильно описал симптомы, забыл упомянуть важную деталь или просто неверно оценил свое состояние, ИИ принимает решение на основе этих данных. Врач в такой ситуации оценивает еще и внешний вид пациента, поведение, сопоставляет сказанное с клинической картиной. Иногда человек говорит: «Со мной все нормально», а опытный врач уже видит, что это не так.
Вторая проблема — проверка побочных эффектов и совместимости препаратов. AI не всегда понимает, когда рецепт можно просто продлить, а когда лечение уже нужно пересмотреть. Поэтому пилот продолжают, но каждое решение пока контролирует врач.
Однако, несмотря на минусы, а, лучше сказать, недоработки системы, для меня главный вывод здесь очень оптимистичный.
Еще несколько лет назад мы спорили, сможет ли AI вообще выполнять работу врача. Сегодня мы обсуждаем, где заканчиваются стандартные случаи и начинаются те самые corner cases, где без клинического опыта человека пока не обойтись.
Мне кажется, постепенно мы придем к модели, в которой на AI будет бОльшая часть типовых задач, а специалисты будут подключаться только в проблемных случаях. Это не означает, что врачей не станет. Но вполне возможно, что одному врачу будет достаточно контролировать работу AI сразу с тысячами пациентов.
📹 Начал разбирать ваши заявки в YC. Как и обещал, самые интересные выкладываю сюда. Сегодня 3 проекта:
• AI Successors / Даниэль Корнев @danielkornev
Проект из очень близкой мне области. Во многом перекликается с тем, чем мы занимались в ElectroNeek: агенты, автоматизация, интерфейсы. Интересно посмотреть, куда сейчас движется рынок после эпохи классического RPA (robotic process automation).
• Q Logistics / Руслан Ким @ssmadr
Понравилось название. Это AI-проект для торговли с Китаем. Сильная заявка, но при этом нужно много доработки.
• Symptomatica / Алексей Михайлов @almi_dev
Медицинский стартап, поэтому здесь особенно много разбираем вопросы безопасности, регуляторики и специфики healthcare. Думаю, этот разбор будет полезен всем, кто строит AI-продукты для медицины.
Важно❗️Решил продлить прием заявок до 19 июля, поэтому присылайте, если давно думали подаваться в YC или уже заполняете анкету. Посмотрю, дам рекомендации, а самые интересные разборы также выложу в канал.
Форма заявки тут, а пост с подробностями — тут. Просьба присылать документ с самой заявкой на английском языке.
Если уже отправили заявку, но еще не получили разбор, не переживайте. Постепенно отсматриваю все анкеты и записываю видео.
Свежие критерии от YC, чтобы понять — твоя идея топ или фигня
У стартап-идеи должно быть несколько качеств, чтобы был смысл продолжать работать над ней.
Самое очевидное — заинтересованность (pull, «тяга») клиентов.
Но в AI-эру есть и другие качества, на которые стоит обратить внимание:
№1. Идея находится на грани возможностей современных LLM.
Например, твой продукт едва работает на современных передовых моделях, но должен стать лучше по мере их развития. Тебе надо досконально понимать эти узкие места, мешающие производительности твоего продукта. И если конкретное узкое место не устраняется так, как ты надеялся, твоё уникальное решение этой проблемы может стать фундаментом для стартапа.
Это вариант известной цитаты Пола Грэма о том, что нужно жить будущим, а затем создавать то, чего не хватает.
№2. «Вертикальность».
В конечном итоге идея должна продавать конкретный результат — например, страховые или медицинские услуги. Не просто софт.
В эпоху AI стоимость создания софта стремится к нулю. Реальная бизнес-ценность в доверии клиентов, лицензиях, разрешениях регулирующих органов и ответственности за результат для потребителя.
Если ты хочешь выйти на страховой рынок, не делай софт для страховщиков, а стань им сам.
Пример — Corgi Insurance (YC S24), AI-страховщик. Они не стали довольствоваться ролью технологически продвинутого брокера или даже управляющего агента, так как это означало владение лишь частью решения. Вместо этого они поставили перед собой амбициозную цель — владеть всем, и в итоге купили страховую компанию во время акселерации в YC, чтобы это осуществить.
Из такой позиции Corgi могут делать любые виды страхования в любой отрасли с гораздо меньшим штатом сотрудников, чем традиционные страховщики. Они могут предлагать гораздо лучшие цены, гораздо более быстрое обслуживание, а также влиять на экономику всей сделки.
И это подводит к третьему качеству хорошей идеи.
№3. Она должна быть самой амбициозной версией самой себя.
Это может показаться нелогичным, но стоимость реализации невероятно амбициозной идеи стартапа и стоимость реализации скромной — примерно одинаковы. Оба варианта предъявляют чрезвычайно высокие требования к твоему времени.
Поэтому стремись к такой версии стартапа, которая, если сработает, изменит отрасль экономики. Именно это защитит тебя от конкурентов, привлечёт лучших специалистов и создаст такое конкурентное преимущество, ради которого есть смысл заморачиваться.
Возможно, надо идти в наиболее регулируемые отрасли (юриспруденция, здравоохранение, финансы) или противостоять очень крупным игрокам рынка, древним SaaS-корпорациям с капитализацией в $10+ млрд. Или же создавать сложные технологии — такие, как робототехника для работ в космосе.
Из видео «Выбери одну идею и углубись в неё» от Джона Сюй, YC General Partner.
@y_everyday — рефлексируем об акселератор, создавший 100+ стартапов-единорогов
Почему просто запретить ChatGPT сотрудникам почти невозможно
В прошлом посте писал, как медицинские данные могут пройти путь от клиники в США до офшорной биллинговой команды, а потом оказаться в публичном AI-сервисе. Что с этим делать?
Самый очевидный ответ — запретить ChatGPT и попросить подрядчика подписать еще один документ. Но все это само по себе ничего не гарантирует. Я бы сформулировал это так: контракт ≠ контроль.
Контракт не проверяет каждый компьютер в Индии или на Филиппинах. Политика безопасности не запрещает человеку сделать копипаст. Фраза «мы HIPAA compliant» вообще ничего не говорит о том, использовал ли кто-то ChatGPT Free, Claude, Gemini, Perplexity, Google Translate или браузерный плагин, чтобы успеть закрыть задачи до конца рабочего дня.
Именно поэтому это не проблема отдельных сотрудников, а проблема управляемости. Сотруднику не нужно быть мошенником. Достаточно быть уставшим, работать по KPI, получать невысокую зарплату и не иметь такого же удобного корпоративного инструмента, как ChatGPT.
Мне кажется, это одна из главных ошибок компаний сейчас. Они продолжают считать AI очередной программой, которую можно внедрить приказом сверху, но AI распространяется по-другому. Это больше похоже на мессенджеры лет десять назад. Компании пытались заставить сотрудников пользоваться корпоративными системами, а те все равно пересылали рабочие документы через WhatsApp и Telegram, потому что так было быстрее и удобнее. С AI происходит то же самое, только цена ошибки выше.
Можете ли вы доказать, что ваши данные не оказываются в публичных AI-сервисах? Большинство компаний неожиданно понимают, что доказать это они не могут.
Что делать на практике
1) Перестать принимать фразу «мы HIPAA compliant» как ответ. Нужны доказательства: где обрабатываются данные, кто имеет к ним доступ, есть ли субподрядчики, какие AI-инструменты разрешены, заблокированы ли публичные сервисы, ведутся ли логи, можно ли проверить копирование данных.
2) Дать сотрудникам нормальный корпоративный AI-инструмент. Запрет без альтернативы не работает. Люди все равно будут использовать то, что помогает им быстрее закрывать задачи.
3) Выносить чувствительные процессы в управляемую среду: корпоративные лицензии, запрет обучения на пользовательских данных, контроль доступа, журналы действий, ограничения на копирование и реальный аудит.
Использовать ИИ нужно там, где компания действительно контролирует данные, а не делает вид, что все решается одной политикой безопасности.
Еще больше деталей — в нашей англоязычной статье в твиттере. Читайте, делитесь мнениями :)
Провели всю прошлую неделю в Южной Вирджинии с кофаундером Дмитрием Карповым. Запускали пилоты и обучали команды нескольких behavioral health-провайдеров.
Это был один из первых таких выездов, и, честно говоря, я вообще не ожидал, насколько он мне понравится. Можно сидеть в Остине, бесконечно смотреть записи демо, читать тикеты и обсуждать продукт на созвонах. Но когда приезжаешь в клинику и видишь, как врач впервые открывает инструмент, начинаешь замечать вещи, которые не увидеть удаленно.
Иногда у человека загораются глаза: «Так вот как это можно было делать автоматически?». А иногда ничего не происходит, и это, пожалуй, еще полезнее. Сразу понимаешь, где люди теряются и что нужно менять в продукте.
В Sobrius Health мы разворачиваем Adentris прямо поверх существующих систем клиники без долгих интеграций. Платформа в реальном времени проверяет медицинскую документацию и показывает, где запись не соответствует требованиям, где можно потерять одобрение страховой компании, а где уже сейчас есть риск не пройти аудит. Наша задача здесь очень простая: помочь врачам увидеть проблему сразу, а не тогда, когда страховая уже отказала в оплате.
На фото — та самая небольшая клиника. Скорее всего, большинство AI-стартапов в healthcare никогда сюда не доедут, хотя именно здесь часто находятся самые тяжелые проблемы. Тут нет больших IT-команд, огромных бюджетов и армии консультантов. И поэтому такие места оказываются лучшей проверкой продукта. Если он работает здесь, то, скорее всего, будет работать везде.
В канале стало много новых людей. Значит, пора познакомиться 🙂
Меня зовут Сергей Юдовский. Последние 18 лет я строю технологические компании. Сейчас живу в Техасе, работаю между Остином и Сан-Франциско и занимаюсь тем, что мне всегда было интересно больше всего: внедряю технологии в отрасли, которые обычно меняются очень медленно, и ищу новые рынки.
За эти годы я запускал и развивал бизнесы в телекоме, enterprise-софте, автоматизации и healthcare.
Одним из самых известных проектов стал ElectroNeek. Когда мы начинали, рынок автоматизации бизнеса уже был занят крупными игроками с сотнями миллионов долларов инвестиций. Но нам удалось построить компанию, привлечь десятки миллионов долларов финансирования, попасть в Y Combinator, Forbes и Inc. 5000, а также вырасти в глобальную платформу, которую использовали партнеры и клиенты по всему миру.
Отдельно горжусь партнерской моделью, которую мы построили и которая помогла значительно вырасти ElectroNeek. Мы сделали ставку не только на прямые продажи, но и на экосистему интеграторов, MSP-партнеров, реселлеров и технологических альянсов. Именно такие модели мне всегда были особенно интересны.
Сейчас мой основной фокус — Adentris. Это AI-компания в сфере американского здравоохранения. Мы автоматизируем процессы для медицинских организаций и пытаемся решить одну из самых дорогих проблем healthcare: огромное количество ручной работы, административного хаоса, ошибок в документации, кодинге и биллинге.
За свою карьеру я дважды проходил в Y Combinator. Сначала с ElectroNeek (W20), а затем с Adentris (P25). Поэтому в канале часто появляются наблюдения про американский рынок, венчурную индустрию, стартапы, AI и то, как все это выглядит изнутри. Беру истории из ежедневной работы с клиентами, инвесторами, фаундерами и компаниями.
Почему появился этот канал? Потому что мне всегда казалось, что про бизнес часто рассказывают слишком теоретически. В реальности компании редко проигрывают из-за конкурентов. AI меняет индустрии совсем не там, где все ожидают. Самые большие деньги часто лежат в самых скучных рынках, а многие вещи, которые красиво выглядят в презентациях, почти не работают в жизни. Вот про это я здесь и пишу.
Недавно делал подборку самых интересных постов. Читайте, сохраняйте :)
Если коротко, то это канал про технологии, предпринимательство и здравый смысл в эпоху AI. Рад видеть новых людей!
Напишите в комментариях, чем занимаетесь. Всегда интересно понимать, кто читает этот канал ⬇️
Claude Fable 5 и конец доступного frontier AI
9 июня Anthropic представила Claude Fable 5, первую общедоступную модель класса Mythos. По бенчмаркам она значительно превосходит предыдущие версии: лучше работает с кодом, длинным контекстом, агентными сценариями, компьютерным зрением и научными задачами. Примеры реального применения уже впечатляют - от миграции многомиллионных кодовых баз до автономных исследований - и всё за считанные часы.
Отдельная версия Claude Mythos 5 имеет полностью снятые safeguards в области кибербезопасности. Она доступна только ограниченному кругу через программу Project Glasswing - крупным корпорациям и государственным структурам. Причина очевидна. Модель демонстрирует слишком высокую эффективность в поиске уязвимостей, включая zero-day в критической инфраструктуре.
Теперь о главном.
С 23 июня Fable 5 выводят из стандартных подписок Pro и Max. Дальше доступ только через usage-кредиты по полным API-расценкам ($10 за миллион входных токенов и $50 за выходных). Аналогичные изменения уже с 15 июня коснулись Agent SDK и сторонних инструментов.
Anthropic начинает разделять пользователей на два уровня: тех, кто готов платить тысячи долларов в месяц за полную производительность, и всех остальных. Многие разработчики и исследователи уже отмечали скрытую деградацию качества предыдущих моделей для обычных аккаунтов в сложных исследовательских задачах. Теперь это перестаёт быть неофициальной практикой и становится открытой политикой.
Кстати, Дэвид Сакс в твиттере прямо указывает, что Anthropic активно использует нарративы об «опасностях ИИ», жёсткие safeguards и ограничения, чтобы занять ведущую роль в регуляторной повестке. В долгосрочной перспективе такая стратегия может только усилить вмешательство государства в развитие технологий, чтобы все эти "опасности" ограничнить.
На этом фоне OpenAI выглядит внезапно выгодно и даже очень позитивно - по рынку активно ходят слухи о предстоящем значительном снижении цен на токены. Когда один игрок закручивает гайки и создаёт барьеры, другой позиционирует себя как более открытый и доступный. Как роли поменялись-то.
В итоге frontier-модели всё сильнее превращаются в инструмент для крупных корпораций, инвесторов и государства. Обычным разработчикам и независимым исследователям остаётся всё меньше реальных возможностей работать на переднем крае.
Добро пожаловать в новый дивный мир!
Почему Майами так и не стал новым Сан-Франциско
В 2020–2022 годах все говорили, что Сан-Франциско умер. Инвесторы и фаундеры переезжали в Майами, твиттер был забит фотографиями с крипто-конференций, а многим казалось, что Кремниевая долина скоро переедет во Флориду.
Прошло несколько лет, и Майами действительно вырос: там появились фонды, стартапы, деньги, сильные предприниматели. Но заменить Сан-Франциско он так и не смог, потому что копировать тех, кто уже выиграл — это проигрыш.
Кстати, это касается и стартапов. Очень часто фаундеры смотрят на успешную компанию и начинают «списывать» ее сегодняшний контент, процессы и позиционирование, хотя нужно смотреть на то, что она делала десять лет назад. Многие пытаются скопировать результат, не создав причины его появления.
Вернемся к городам. Сан-Франциско может позволить себе дороговизну и бесконечные мероприятия. Но все это появилось уже после того, как там сформировалась критическая масса компаний, венчурных фондов.
Есть еще одна проблема: любая экосистема держится не на количестве участников, а на количестве создателей. Сначала приходят люди, которые строят компании, а потом приходит намного больше людей, которые хотят быть рядом с успехом. И если вторых становится слишком много, экосистема начинает буксовать.
Плюс в Майами много продавцов воздуха, которые умеют выглядеть успешными, но ничего не создают. Они быстро разрушают доверие, а доверие — это фундамент любой стартап-среды.
Так что деньги, которые есть в Майами, сами по себе эту проблему не решают. Настоящий актив Кремниевой долины заключается в десятилетиями накопленной концентрации людей, которые строят компании мирового уровня. На такие вещи уходят годы. И, мне кажется, это хороший урок для любого предпринимателя: не копируйте то, как лидеры выглядят сегодня. Пытайтесь понять, что привело их к успеху много лет назад.
Эту машинку не остановить, конечно.
https://www.anthropic.com/news/claude-opus-4-8
Несколько дней назад у нас в Остине была стрельба. Трое подозреваемых разъезжали по городу на угнанных машинах и стреляли в людей, дома, пожарные части. Почти сутки их искали 200 полицейских и вертолеты. Всему городу приходили оповещения, как на скрине.
В итоге их нашли не в Остине, а в соседнем небольшом городе Манор сразу, как они туда въехали. Там работала система камер и анализа видео.
Дело в том, что в США очень чувствительно относятся к приватности, особенно в крупных либеральных городах вроде того же Остина. Здесь как раз в прошлом году отключили камеры Flock после кампании против дезинформации. При этом все хотят меньше преступности, быструю реакцию полиции и т.д.
А еще многие не замечают, насколько все эти технологии, с которыми борются, уже встроены в повседневную жизнь. Те же самые уведомления на телефонах основаны на геолокации.
Мне кажется, это некая мода — защищаться от технологий в пользу конфиденциальности, особенно если дело касается меньшинств. Часто из-за борьбы за «все хорошее» действительно нужные технологии не используют на полную, и в итоге страдают все. Начинается конфликт между безопасностью и приватностью, но заканчивается он почти всегда одинаково. Например, как в случае этой стрельбы: люди вспоминают, что камеры иногда полезны.
Видели, что Сэм Альтман предложил каждому стартапу из текущего бэтча Y Combinator токены OpenAI на $2M в обмен на долю?
Идея очень сильная, потому что для платформы токены стоят дешево, а взамен она получает часть капитала (представьте, если какие-то из стартапов еще и стрельнут после этого), лояльность фаундеров и огромный объем новых юзкейсов. Мне кажется, эту модель скоро начнут копировать почти все крупные AI-платформы. И не зря.
Для стартапов это тоже выглядит очень привлекательно, особенно когда расходы на работу обученного ИИ (inference costs) могут сжигать десятки тысяч долларов в месяц.
Но здесь есть и обратная сторона. Платформа имеет доступ к данным и обновлениям стартапов, поэтому потенциально может потом встроить их юзкейсы себе в продукт🙂 Такая вот палка о двух концах.
Согласились бы на подобное партнерство?
Следующая триллионная компания будет сервисной и вот почему
Об этом написал Жюльен Бек из Sequoia. Раньше я бы сам с этим поспорил, потому что последние лет 15 нам продавали одну и ту же идею: «сервис — плохо, продукт — хорошо, сервис не масштабируется». Логично, но не в мире AI.
Проблема классического SaaS сегодня в том, что софт стало слишком легко копировать и лояльность к software сама по себе теперь очень низкая. Но если продавать не софт, а результат через сервис, начинается другой разговор.
Пример. У вас AI-сервис для sales outreach. Клиент не купит просто платформу, потому что таких сотни. А вот когда он услышит «мы приводим вам людей и отвечаем за результат», ему уже недостаточно будет найти похожий софт. Он будет вынужден искать такую же экспертизу и операционку, а еще поверить, что результат будет таким же.
Поэтому AI убивает часть SaaS-защит, но одновременно делает сервисы снова великим бизнесом. В век агентов сервисные компании становятся более маржинальными и масштабируемыми, оставаясь максимально близко к результату клиента. По сути, появляется новая категория service-as-software с сильным «рвом». Софт можно потестить за вечер, а результат сервиса проверяется временем. Нельзя за 15 минут понять, реально ли эта компания делает хорошие outbound-продажи. Для этого нужно запускаться, интегрироваться, тратить время команды.
Я сейчас все чаще думаю, что многие ИИ-стартапы ошибочно идут в чистый продукт. Так учили VC последние годы, но AI меняет экономику. На схеме выше хорошо видно, какие рынки искусственный интеллект съест в первую очередь. Особенно интересно разделение между copilot и autopilot territory. Большинство стартапов пока делают copilot, то есть помогают человеку работать быстрее. Но самые большие деньги, скорее всего, будут в autopilot, когда система вообще забирает процесс на себя.
Обозначу, что я не считаю, что софт умер, так как инфраструктура, developer tools остаются огромным рынком. Но на application layer, мне кажется, победят те, кто продает не интерфейс, а результат.
Сейчас я бы все чаще смотрел куда-то в сторону автоматизации под ключ, узкоспециализированных решений для конкретных отраслей, потому что именно там появляется удержание клиентов, высокая маржа, защита от конкурентов и реальная ценность для бизнеса.
Как думаете, через 5 лет останется хоть один чистый SaaS без сервисной прослойки или все уйдет в outcome-based модель?
Где болит американская медицина: читать по medtech-стартапам YC
Я посмотрел 33 медицинских стартапа из последних двух батчей Y Combinator. Обычно такие подборки воспринимают как список интересных компаний, но они гораздо полезнее как рентген отрасли.
Венчурные инвесторы редко вкладываются в случайные проблемы. Если десятки сильных команд одновременно начинают решать похожие задачи, значит, именно там рынок испытывает максимальную боль. Вот что бросилось в глаза⬇️
1. AI почти перестал лечить людей. Несколько лет назад большинство AI-стартапов в медицине обещали диагностировать болезни лучше врача, а сейчас из 33 компаний большая часть вообще не занимается диагностикой. Они автоматизируют то, что происходит вокруг докторов: оформление документов, FDA-регуляторику (FDA — это госструктура, которая отвечает за безопасность лекарств и продуктов), лабораторные процессы, управление клиниками.
Стартап Plena автоматизирует всю админку. Panacea подготавливает FDA-документы руками бывших FDA-консультантов + AI. Инвесторы сделали вывод, что врачей ИИ пока заменить сложно, а административную машину вполне реально.
2. AI как операционная система. Еще год назад почти все AI-продукты выглядели одинаково:
«Мы сделали AI-ассистента для...». Риторика изменилась. Стартап Voquill называет себя AI Operating System для лабораторий. Infera — ИИ-компилятором для лабораторного оборудования: описал эксперимент словами → получил валидированный протокол на приборы.
То есть стартапы теперь хотят стать слоем, через который проходит вся работа организации.
3. Почти никто больше не заменяет существующие системы. Раньше фаундеры говорили отключить старую систему и переходить на их. Сейчас все чаще слышу: «Мы работаем поверх того, что у вас уже есть». Каждый второй стартап интегрируется с EHR, страховыми порталами, лабораторными системами вместо того, чтобы пытаться их заменить. Побеждает в итоге тот, кто лучше всего уживается с несовершенной системой.
Если самые сильные команды массово идут не в диагностику, а в административные процессы, это временный тренд или признак того, что главный рынок AI в медицине мы раньше искали не там?
У большинства фаундеров партнерства выглядят примерно одинаково
Проводят несколько созвонов, пару совместных вебинаров, создают список компаний, с которыми «что-то можно сделать», и папку с подписанными соглашениями. Через полгода выясняется, что ни один партнер не привел ни одной сделки.
Так вот: к партнерствам часто относятся как к побочному проекту. Когда появится время, когда наймем BD, когда разберемся с продажами... Зря.
Прямые продажи и реклама дорожают, а партнерский канал наоборот со временем может становиться сильнее и дешевле. Первые партнеры приводят клиентов, кейсы помогают находить следующих, а сам канал начинает накапливать эффект, но только если строить его как нормальную систему, а не коллекцию логотипов на слайде.
В ElectroNeek мы прошли этот путь с нуля и довели партнерскую выручку до $5 млн. Один из главных выводов для меня был в том, что небольшой компании не нужна огромная enterprise-программа на полгода. Нужна минимальная рабочая версия, которую можно быстро запустить и проверить на реальных сделках.
Мой кофаундер Алекс Астафьев взял наш опыт работы с партнерами в ElectroNeek и превратил его в курс на платформе Maven. Он предложил мне стать соавтором, и я сразу же согласился.
Курс пройдет с 17 августа по 5 сентября. За пять онлайн-занятий:
🔵разберем, какие из семи типов партнерств подходят именно вашему продукту и стадии
🔵соберем профиль идеального партнера
🔵сформулируем нормальный ответ на вопрос: «Почему с нами вообще стоит работать?»
В итоге у каждого будет готовая минимальная партнерская программа, последовательность сообщений для первых контактов и план на 90 дней с воронкой и KPI.
Курс здесь: https://maven.com/syudovskiy/partnership-revenue-for-founders-and-smb-owners-your-channel-engine-from-zero
Будем ждать вас!
❗️Напоминаю, что сегодня закрываю форму для разбора заявок в YC.
В YC дедлайн 27 июля. Пока еще есть время детально проработать анкету и исправить ошибки.
Самые интересные заявки опубликовал в этом посте. Можете смотреть и брать что-то для себя. А саму форму можете заполнить по ссылке. Заявка должна быть на английском языке. Всем удачи!
Принципы, по которым я строю команды🤝
Захотелось поделиться тем, как мы подбираем людей в компании и почему многие работают с нами годами. Если честно, у нас нет какой-то идеальной корпоративной культуры. Есть несколько принципов, которые постепенно сформировались на практике.
1. Строим команду из двух типов людей.
Первые — сильные исполнители. Когда им ставишь задачу, можно быть уверенным, что ее сделают качественно. Вторые — люди с высокой инициативностью (high agency). Они постоянно предлагают идеи и сами создают себе работу. Таких обычно 20–30%. Именно они двигают компанию. Большинство пытается нанять только второй тип людей, но это ошибка, так как компаниям нужны оба.
2. Полная меритократия.
Прошлые должности и громкие компании в резюме ничего не гарантируют. Можно прийти после Гугла, рассказывать, каким ты был Senior Staff Engineer, но в нашей компании все начинается заново. Если результат есть, то быстро получишь доверие, влияние и новые возможности. Если результата нет, то прощаемся.
3. Нам не нужны люди, которые со всем соглашаются.
Команда не состоит исключительно из единомышленников. Внутри компании мы постоянно спорим и не обходим острые углы. Хорошие решения редко рождаются там, где все одинаково думают. Это плохой сигнал, если на встречах из раза в раз никто не возражает СЕО.
4. Я не верю в полную делегацию.
Нанять сильного руководителя в свою слабую область — хорошее решение, но перестать разбираться в ней — ошибка. Нужно понимать достаточно, чтобы задавать правильные вопросы, а иначе остается только доверять и молиться.
5. Сохранение дистанции.
Это касается и топ-менеджеров. Когда рабочие отношения полностью превращаются в дружеские, принимать сложные решения становится тяжелее. При этом большая дистанция тоже не работает. Можно сформулировать это так: достаточно близко, чтобы было доверие. Достаточно далеко, чтобы бизнес всегда оставался бизнесом.
6. Сильным специалистам не нужны новые вызовы извне, как это принято считать.
Они быстро начинают сами фонтанировать идеями, и здесь появляется другая проблема для CEO. Часть инициатив нужно вообще отклонять, а другую часть нужно перенаправлять в канву стратегии компании так, чтобы топы не обижались и продолжали приходить с идеями. Это сложно.
7. Уважение можно только заработать.
У нас никто не получает кредит доверия по дефолту. Возвращаемся к пункту 2. Уважение получают люди, которые регулярно показывают сильный результат.
Какие еще принципы есть в вашем списке?
Практически все из упомянутого в посте выше наблюдаю сейчас вживую на рынке США, особенно тезис про вертикальность. Чем глубже работаешь с конкретной индустрией, тем сильнее понимаешь, что AI — далеко не самое сложное. Намного сложнее разобраться в процессах, регуляторике и экономике клиента, и именно это потом становится настоящим конкурентным преимуществом.
Вообще автор канала «Y Combinator на каждый день» очень хорошо разбирает мысли и материалы YC, которые легко пропустить, если не следить за ними регулярно. Рекомендую тем, кто строит стартап или просто интересуется жизнью Кремниевой долины.
P.S. А еще напоминаю, что до 10 июля у меня открыта форма для разборов ваших анкет на осенний батч YC. Подробности и ссылка на анкету в этом посте. С удовольствием помогу сделать качественную заявку!
Последнее время в Кремниевой долине все говорят про high agency. И, честно говоря, я не очень согласен с тем, как эту идею недавно описал New York Times.
High agency — модный сейчас термин про людей, которые не принимают ограничения как данность и почти всегда ищут способ добиться результата.
Кажется, мы все неправильно представляем главную угрозу AI
Когда говорят об утечках данных, большинство представляет такую картину: хакер взломал сервер, украл базу и выложил ее в интернет. Но, я думаю, следующая большая проблема AI будет выглядеть совсем иначе и вообще без хакеров.
Возьмем обычную американскую клинику. Она хранит медкарты пациентов, а затем передает их биллинговой компании, чтобы та подготовила документы для страховой. Биллинговая компания редко делает эту работу своими силами. Чтобы снизить расходы, она делегирует обработку документов командам в Индии, Пакистане, на Филиппинах и в других странах. Именно эти сотрудники каждый день открывают тысячи медицинских карт. Чтобы быстрее найти ошибки или подготовить апелляцию для страховой, они открывают ChatGPT или Claude, копируют туда историю болезни и через несколько секунд получают готовый результат.
В течение последних нескольких месяцев мы в Adentris общались примерно с 30 сотрудниками таких компаний. Почти все признались, что используют публичные AI-сервисы в ежедневной работе.
Получается так, что медицинские данные сначала покидают клинику, затем покидают страну, а после этого еще и попадают в публичные AI-системы. И происходит это не из-за атаки хакеров, а потому, что человеку нужно быстрее закончить свою работу.
Отсюда, как мне кажется, и начнется следующая большая волна изменений, потому что выбор «использовать AI или нет» сотрудники давно сделали сами. Вопрос теперь совсем другой:
Как компании вообще могут контролировать, куда в действительности попадают их данные?
Эта проблема касается далеко не только медицины. Во второй части расскажу, почему запретить сотрудникам пользоваться ChatGPT практически невозможно и что делают компании, которые уже столкнулись с этой проблемой.
Если интересно продолжение, дайте знать реакцией🔥
Готовимся к осеннему батчу YC
До дедлайна подачи на осенний батч Y Combinator осталось чуть больше месяца (27 июля). И, я думаю, многие из вас сейчас думают, подаваться или нет. Моя рекомендация — подаваться, даже если кажется, что компания недостаточно большая или продукт неидеален.
При этом я бы не откладывал анкету на последние 2–3 дня. Тут полезно сесть и продумать несколько вариантов ответов. Конкурс огромный, заявки смотрят поточно, поэтому качество формулировок имеет большое значение. Некоторые ответы нужно уместить в одну строку.
Именно поэтому YC-фаундеры часто разбирают заявки будущих участников. Я с удовольствием присоединяюсь к этой традиции: разберу вашу анкету, дам комментарии и помогу доработать ответы.
❗️Если вы планируете участвовать в отборе YC, заполните эту форму. Обратите внимание, что в последнем вопросе нужно приложить ссылку на заполненный в свободной форме файл. В него впишите ответы так, как вы бы ответили в реальной анкете YC. Моя форма будет открыта до 10 июля.
Разборы пришлю в личном формате, но если попадется особенно интересный кейс, сделаю видео и выложу его сюда. Поэтому не вписывайте суперсекретные данные компании.
И если знаете фаундеров, которые сейчас тоже готовятся к подаче в YC, пересылайте им этот пост!
Не долго музыка играла…
США наложили запрет на предоставление доступа к последним моделям Антропика для не американцев и компания закрыла доступ вообще для всех пока не разберется как соответствовать требованиям.
Теперь ограничения не только по финансам проложены.
https://x.com/anthropicai/status/2065597531644743999?s=46
Нашел еще одно подтверждение мысли, что в медтехе пока плохо используют AI во внутренних процессах, и это огромное поле возможностей.
Со стороны кажется, что если компания стоит десятки миллиардов долларов, то внутри уже все должно работать на автомате. Но в этой статье CEO крупнейших медтех-компаний (Stryker, Insulet, Hologic, Olympus) рассказывают о том, что они делают с ИИ, и там есть интересный сигнал для всех, кто строит AI-бизнес. Даже у лидеров рынка внедрение AI внутри компании идет гораздо медленнее, чем в продуктах для клиентов.
Например, Stryker уже встраивает AI в хирургию и навигацию во время операций, и врачи могут точнее планировать и выполнять вмешательства. При этом CEO компании честно признается, когда речь заходит об ИИ во внутренних системах: «Мы немного отстаем от того, где хотели бы быть». И это говорит корпорация с капитализацией больше $100 млрд.
Компании готовы добавлять AI в диагностику, визуализацию и клинические инструменты, потому что именно там находится конкурентное преимущество. А вот с внутренней трансформацией все еще разбираются. Хотя, когда начинаешь разговаривать с клиниками и операторами рынка, выясняется, что помощь нужна именно в этом: поддержка, работа с документами, внутренние знания, переводы, админка. Это то, что многие стартапы считают слишком скучным.
Основатели стартапов любят идти туда, где технология выглядит максимально эффектно, а крупные компании готовы платить за автоматизацию здесь и сейчас. И судя по тому, что даже гиганты все еще в процессе внутренней AI-трансформации, этот рынок далек от насыщения.
Так что не старайтесь строить огромные платформы для всего и всех и не усложняйте. Обращайте внимание на простые процессы, которые пронизывают компании. Намного больше вероятность, что заработаете на этом.
Небольшие итоги весны
Собрал ТОП постов по вашему отклику за последние месяцы. Получился довольно точный срез того, что сейчас всех волнует: применение AI в разных сферах, автоматизация, сложности найма и куда вообще все это катится🙂 Если что-то пропустили, вот хороший повод наверстать:
Навык, который решает половину сделок в США
Как заставить рекрутеров обращаться к вам «Мой Лорд»
Конкуренции не существует
Совет для тех, кто хочет строить бизнес
Вы нанимаете разработчика, а это может быть шпион из Северной Кореи
Все говорят «делайте AI», но почти никто не говорит, где лежат деньги
Google начинает убивать рынок колл-центров
Стартапы делают правый разворот. Деньги — туда же
Недавно выкатили новую штуку в Adentris. Взяли наш AI-движок, который раньше искал ошибки и compliance-проблемы в медицинской документации, и натянули его на медицинский кодинг: прямо перед тем, как клеймы уходят в биллинг страховым.
Если коротко — система теперь в реальном времени проверяет, где клиника теряет деньги и где у нее потенциальные риски аудита.
Прогнали на реальном батче реального клиента. 10 клеймов. Нашлось за секунды
→ $1,290 потерянной выручки
→ $1,450 потенциальных аудит-рисков, о которых клиника вообще не знала
Это в целом большая проблема американской медицины, которая теряет примерно $125 млрд в год на ошибках в биллинге и кодинге. При этом примерно в 80% медицинских клеймов есть ошибки в той или иной форме.
Причем проблема касается не огромных госпиталей, а, в основном, специализированных практик по типу ASC-центров (амбулаторные хирургические центры) или pain management (клиники по лечению хронической боли). Потому что почти все большие AI-компании строили решения для таких же гигантов в медицине. Маленькие и средние практики десятилетиями жили буквально на Excel, ручной разработке и «надеемся, что billing-комнда все сделала правильно».
По сути, мы сейчас делаем систему проверки медицинского кодинга в реальном времени (где недокодили, где пропустили доп. услуг, где неправильный modifier) и сразу показываем, каким текстом в медицинской записи это подтверждается.
Все говорят «делайте AI», но почти никто не говорит, где именно лежат деньги
Я недавно видел очередной пост в духе «ТОП-10 индустрий и их боли для AI-автоматизации». Там healthcare, страхование, логистика, рекрутинг. Короче, база. И почти все идут в самые очевидные проблемы: AI для поддержки, AI для продаж, AI для повышения производительности.
Однако деньги часто лежат намного глубже и там, где скучно. Мы это хорошо увидели в здравоохранении. Когда люди слышат «AI в медицине», обычно представляют диагностику, ИИ-врачей или анализ снимков. В реальности медицина теряет кучу денег из-за проверок страхового покрытия и бесконечной сверки данных между системами.
Так что, мне кажется, многие AI-стартапы сильно ошибаются, когда начинают с вопроса: «Что можно автоматизировать?». Автоматизировать можно почти все. Лучше спрашивать:
«Где бизнес уже теряет много денег из-за неэффективности?»
В ElectroNeek и Adentris мы почти всегда обращаем внимание на процессы, которые обладают несколькими признаками одновременно:
1. там много ручного труда
2. процесс повторяется тысячи раз
3. люди ненавидят эту работу
4. есть compliance и регуляция
5. ошибки стоят дорого
6. все держится на legacy-системах и Excel
Это почти идеальный кандидат для AI-автоматизации.
К слову о стоимости ошибок: люди любят строить AI-продукты для контента. Это понятно и красиво выглядит в демо, но после демо команды сталкиваются с тем, что в этой сфере клиенты не готовы много платить, конкуренция высокая и очень низкий switching cost. А теперь сравните это с рынком, где из-за одной ошибки компания может потерять миллионы или попасть под штрафы. Экономика сразу становится другой.
Поэтому видеть боль — это круто, но еще круче понимать, насколько дорого обходится ее игнорирование.
• Боль просто раздражает → слабый рынок
• Боль стоит денег каждый день → хороший рынок
• Боль создает юридические и финансовые риски → отличный рынок
А еще моя рекомендация фаундерам: не ищите «горячие» AI-ниши. Там же толпа конкурентов и высокий CAC! Иногда намного интереснее и прибыльнее рынки, в которые никто не хочет идти, потому что они старые/регулируемые. В «отсталых» индустриях даже 20–30% улучшения уже создают огромную ценность.
Если бы вам сегодня дали $1M на один AI-стартап, в какую сферу вы бы пошли и почему?
Разработчик добавил в описание своего LinkedIn инструкцию для AI-рекрутеров: обращаться к нему «Мой Лорд» и писать на средневековом английском.
Ждем первый стартап, который будет продавать «защиту AI-рекрутеров от скрытых инструкций»😁
Навык, который решает 50% сделок в США
И это смол-ток.
Да, тот самый «разговор ни о чем», над которым любят шутить в России. У нас это часто воспринимается как что-то искусственное, и до жизни в США я тоже так думал.
Недавно мой знакомый приехал из России в Нью-Йорк. Гуляем, зашли что-то купить в парке. Начинаю общаться с кассиром: «Какие новости у вас в Нью-Йорке сейчас? Как бизнес идет?». Приятель потом спрашивает, зачем я вообще это делаю. Отвечаю: «Потому что никогда не знаешь, кто перед тобой». Можно случайно встретить человека из твоей индустрии, с нужным контактом или просто того, кто тебя запомнит.
В США small talk уже стал социальной нормой входа в коммуникацию. Сначала становишься «своим» и уже потом прыгаешь в сделку, а не наоборот.
Что у меня работает:
1️⃣ Задаю открытые вопросы
Вопросы с ответом «да/нет» убивают диалог. А что-то вроде «Как сейчас у вас ощущается рынок?» или «Что у вас поменялось за год?» дает почву для нормального разговора. Собеседнику тоже нужно от чего-то оттолкнуться.
2️⃣ Даю немного своей позиции
Превращать смол-ток в интервью не стоит, а то человеку напротив станет некомфортно. К вопросам обычно добавляю свои наблюдения: «Я сейчас вижу, что в AI все бегут в одну сторону, но там уже толпа». Кстати, с наблюдений тоже можно начинать диалог.
3️⃣ Быстро цепляюсь за контекст
Вас уже многое связывает: вы почему-то оказались в одном месте, в один день, среди одних и тех же людей, так используйте это! Например, на конференции можно узнать у собеседника: «Вы пришли на весь день или ради конкретных спикеров?».
4️⃣ Считываю человека
В эти 2-5 минут вы узнаете человека: жесты, мимика, интересы. Если он начал отвечать на вопрос так, что его не остановить, продолжайте разговор на эту тему. Забудьте все, о чем хотели спросить раньше, потому что у вас появился шанс услышать уникальную или, как минимум, забавную историю.
5️⃣ Беру инициативу и управляю разговором
Человек отражает ваше поведение. Вы общаетесь для галочки — он тоже. У вас горят глаза — у собеседника тоже. Ну, а если видите, что человек не хочет говорить, не заставляйте только потому, что вам хочется. Пожелайте хорошего дня и вежливо завершите диалог. Эмоциональный интеллект никто не отменял.
Почему в России это не работает (или кажется, что не работает)
Потому что есть искаженное восприятие, что это либо пустой разговор о погоде, либо диалог в формате «How are you? / I'm fine, and you?». Выше уже объяснил, что это не так.
А еще все и так используют смол-токи, просто не называют это так. Вы же не подходили в университете к будущим друзьям со словами «давай дружить». Сначала вы спрашивали, откуда человек или как ему новый препод.
Поэтому неправильно считать small talk американской странностью. Это базовый навык, который помогает выстраивать отношения. А если вы хотите строить компании, игнорировать его просто дорого.
И да, не надо стесняться смол-токов даже в России. Вам просто кажется, что так не принято. На самом деле, люди нормально реагируют, просто кто-то должен начать разговор первым.
Пишите в комментариях, если еще что-то забыл⬇️