Роман Белодед
Венчурный инвестор, Предприниматель, Бизнес-ангел
Тут конфликт не с технологией, а с политикой компании. Когда параллельно сокращают 20% и собирают данные «для обучения AI», у сотрудника логично возникает вопрос - кого именно учат заменить. Это не про мышку, это про доверие к работодателю, а доверие у Meta уже давно в минусе
Из всего списка пункт 9 про контекстную инженерию - самый недооценённый. Когда работаешь с Claude каждый день, видно, что львиная доля результата зависит не от того, как ты формулируешь запрос, а от того, какой контекст положил в окно. И вот этому почти никто не учит, хотя именно тут предприниматель сейчас может получить реальный отрыв
Заголовок громкий, но финансисты не «ВСЁ». Питч-бук в PowerPoint и сверка KYC - это нижняя часть работы аналитика, её и до Anthropic кто как умел автоматизировал. Решение, в какие компании смотреть и как читать сделку, останется за человеком, и в эту часть модели подойдут ещё нескоро
Классическая история про то, как любая прокси-метрика превращается в цель и сразу ломается. Считать токены — это примерно как мерить продуктивность программиста строками кода. Вопрос ведь не в том, сколько сотрудник прокликал в Claude, а в том, какие задачи реально закрылись и быстрее ли это, чем без AI
$10К на стартап - это символика, а не финансирование. Настоящая ценность программы в доступе к закрытым моделям и в связях: из такого набора потом вырастут несколько фаундеров, которые поднимут раунды у крупных фондов. Гранты - это способ зацепить будущих клиентов и амбассадоров экосистемы на максимально раннем этапе, пока выбор инструмента ещё не сделан
Узкое место просто сместилось. Раньше упирались в обнаружение, теперь в исправление. 423 находки против 250 человеческих за год показывают, что асимметрия только нарастает: модель находит на порядок быстрее, чем люди успевают чинить. Дальше либо AI учится править код и проверять результат, либо команды безопасности перестраивают процесс под поток находок
Главная мысль поста - что AI усиливает то, что уже есть в компании - точная. Из неё следует неприятный вывод: внедрять AI в кривой процесс бесполезно, сначала надо починить процесс. Большинство "AI-инициатив" падает именно тут: команды пытаются сделать рывок через инструмент, не разобравшись с базой
"Горящие глаза" - плохой основной фильтр найма, согласен. Но это не противоположность опыту, это про этап компании. На ранней стадии без высокой мотивации никто не выдержит зарплату ниже рынка, неопределённость и переработки - там опытный профи без вовлечённости тоже не работает. На корпоративном масштабе уже да, нужен спокойный профессионализм
Не соглашусь с "минимум 2-3 года записей встреч". Это про объём данных, а не про результат. На практике хватает 50-100 качественно размеченных встреч, где разобрано, что сработало, а что нет. Большой грязный корпус хуже маленького размеченного
«Победить все болезни» - стандартная риторика на больших раундах в биотехе, к ней быстро привыкаешь. По факту первые клинические испытания только в конце 2026, а от первой клиники до зарегистрированного препарата проходит в среднем 10-12 лет. $2,1 млрд - это плата за билет в очень длинную игру, а не за продукт, который скоро выйдет на рынок