Мир сегодня с "Юрий Подоляка"

Труха⚡️Україна

View

Николаевский Ванёк

View

Мир сегодня с "Юрий Подоляка"

View

Труха⚡️Україна

View

Николаевский Ванёк

View

EDU

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

TGlist rating

TypePublic

Verification

Not verified

Trust

Not trusted

LocationРосія

LanguageOther

Channel creation dateApr 29, 2017

Added to TGlist

Feb 08, 2025

I own this channel

History of changes

Linked chat

EDU Chat

484

Statistic of Telegram Channel EDU

More details

Subscribers

9 674

24 hours

100.1%Week

340.4%Month

910.9%

Citation index

0

Mentions0Shares on channels0Mentions on channels0

Average views per post

1 085

12 hours1 0850%24 hours1 0850%48 hours1 493

18.8%

Engagement rate (ER)

2.49%

Reposts7Comments0Reactions20

Engagement rate by reach (ERR)

11.22%

24 hours

0.01%Week0%Month

0.5%

Average views per ad post

1 554

1 hour97963%1 – 4 hours26416.99%4 - 24 hours00%

More details

Connect our bot to the channel to find out the gender distribution of this channel's audience.

Total posts in 24 hours

1

Dynamic

Latest posts in group "EDU"

All posts

22.04.202521:01

О доверии

Кажется, это была 2 или 3я поездка в штаты и моя первая поездка в ЛА. Я должен был встретиться с вероятным покупателем App in the Air. Тогда сделка не срослась, но случилось сильно лучше - я приобрел Друга на долгие годы!

Я стою на пирсе на Манхеттен Бич, жду будущего Друга, а рядом фоткаются 2 девушки. Они просят меня их сфотографировать, но я с чемоданом, и я «не могу» далеко отойти от него. Одна девушка спрашивает у второй - «что это с ним?». А та ей поясняет мои опасения. Ни мне, ни первой из них не была понятна фундаментальная разница в доверии к «неизвестным другим» между США и Россией.

Вообще, есть минимум 3 типа доверия:
- межличностное: к известным другим
- обобщенное: к неизвестным другим
- институциональное: вера в институты.

Культура, в которой мы «становимся» как личности, и индивидуальный опыт сильно определяют наш уровень доверия каждого типа. Доверие снижает трансакционные издержки взаимодействия людей и бизнесов друг с другом.

Когда вы выбираете ко-фаундеров или инвесторов: оцените не только свой уровень доверия в этих плоскостях, так и уровень своих партнеров. Не потому что кто-то хороший или плохой - нет. Потому что тогда вы понимаете, с кем и чем вам придется работать, и будет меньше сюрпризов. Какова история «становления» этого человека? Как он относится к знакомым, незнакомым, и институтам?

Очень простое упражнение, которое я советую другим: провести день вместе и составить term sheet вашего партнерства. Прописать условия до важных, но «неудобных» деталей. Я обещаю вам, что этот день и этот процесс расставят все точки над i.

По моему, эти 3 категории доверия взаимовлияют друг на друга: при высоком уровне доверия к институтам, мы можем снизить уровень требований для доверия к «неизвестным другим» и легче идти на контакт. Например, оставить свой чемодан и сфотографировать девушек, потому что верю, что «полиция отработает». Вот это и есть разница между моей культурой и культурой той девушки на пирсе.

А Друга я все таки классного приобрел!

21.04.202504:28

Friendly Reminder - сегодня в 17мск говорим о ключевых апдейтах GenAI в этом году

в veo2 сгенерировал даже видео по такому случаю - почти получилось то, что хотел :)

06.04.202502:48

10 инстинктов Рослинга

Иногда возвращаюсь к этой методичке величайшего Ханса Рослинга про наши ошибки суждения.

Вы наверное его помните: такой «чокнутый» профессор, который всему миру показал наши заблуждения про «развивающиеся» страны. Эта методичка учит, как тренировать свой процесс размышления не делать ошибки обобщения, экстраполяции, суждения в изоляции, неучета медленных изменений и тп.

Даже зная эту методичку, ваш покорный слуга все равно грешит ими. Поэтому не будьте как я, почитайте его.

Найдите время сегодня, пересмотрите, и примерьте к любому тексту. Хотя бы к этому посту! :-)

И расскажите в комментариях, что у вас получится

25.03.202518:20

Асимметрия VC и фаундера - Размышления пост

Вы наверняка знаете про асимметрию в размере риска у VC и фаундера:
1) VC использует портфельный подход и параллельно «тестирует» сотни идей, чтобы из нее выстрелило несколько. Назовем это - вширь.
2) Фаундер же вкладывается в одну идею, принимает гораздо больше рисков, и в случае неудачи теряет годы своей жизни. Назовём это вглубь.

Разговорились тут со знакомым о том: а как и фаундеру применить портфельный подход? Может ли в этом помочь AI, снижающий стоимость создания продукта и тестирования оного рынком? Можно ли применить «биологическую эволюцию» и копировать, рекомбинировать, и отбирать лучшие варианты, чтобы не уходить слишком вглубь? Можно ли обмениваться с фаундерами других продуктов долями, эдакое товарищество? Или может есть еще варианты?

Хочется порассуждать как выравнивать эту асимметрию, поэтому велком в комменты

24.03.202523:57

Похожая мысль понравилась из интервью фаундера Harvey:

2 критерия для выбора индустрии для автоматизации при помощи LLM
1) результат деятельности - текстовый? Тут понятно + я думаю, что это было актуально 2 года назад, но сейчас смело можно добавить аудио и картинки, через год-два наверное и видео
2) сколько стоит токен? Типа в корпоративной юриспруденции это очень дорого, например SPA (соглашение о покупке акций) может быть меньше 100 страниц текста, а стоить минимум сотни тысяч долларов

Reposted from:

nonamevc

24.03.202520:17

на этой неделе, в четверг сделаем стрим про linkedin вместе с @ProductsAndStartups и @thefutureofwork

это не про то, как писать посты на 200 лайков, или как выстраивать автоматические цепочки аутбаунда.
скорее попробуем сделать реверс-инжиниринг главного продукта и самой компании

подойдет больше для тех, кто строит продукты поверх linkedin или интересуется социальными продуктами

затронем такие темы:

1/ почему linkedin оказался устойчив к демографическим циклам и до сих пор остается единственной рабочей площадкой. кто и когда может прийти на смену?

2/ linkedin и b2b SaaS продукты, построенный поверх соцсети. почти у каждого сейлза — это основной инструмент. но что мешает linkedin самому превратиться в полноценный crm? и почему до сих пор нет? как внутри компании принимаются продуктовые решения, кому давать api, а кому — нет?

3/ контент и linkedin — как он стал главным каналом для b2b бренда и лидгена? и что происходит с приходом генеративного контента?

4/ карьера как продукт
как linkedin формирует представление о карьере? как влияет на поколение профессионалов? как люди используют linkedin для сигнализации статуса: где работают, что пишут, какие сертификаты выкладывают. как это встроено в продуктовые механики?

5/ неудавшиеся эксперименты linkedin
linkedin stories, linkedin events, marketplace — что они пробовали, что не взлетело, и что это говорит о продуктовых гипотезах команды?

приходите — формат свободный, без презентаций, больше из темы продуктовой философии.

время: 27 марта, 17:00 CET
добавить в календарь

24.03.202520:17

fyi - у нас будет стрим с Даней и Женей про LinkedIn, присоединяйтесь

24.03.202510:52

Pull vs Push

Одна из черт, которые отличают новых и матёрых фаундеров, по моим наблюдениям, легко описывается pull vs push.

На старте практически никому нет дела до твоего продукта. Матерый фаундер это знает. Поэтому он каждый день начинает с вопроса: кто еще должен узнать о моем продукте и как эффективнее всего это сделать? Он понимает, что это numbers game и надо просто планомерно этим заниматься.

Новоиспеченный же - ждет, что за него задачу дистрибуции решит акселератор, инвестор, партнер, консультант, директор по продажам. Веря в истории, что чуваки за 30 дней лонча заработали 10М, и с ним будет именно так же. И, за исключением выбросов, эта стратегия ни к чему не приводит. А потом мы делаем пивот.

22.03.202510:49

Как выбрать между жестким алгоритмом и LLM?

Продолжая этот пост про (не)детерминированность я попробовал набросать правила для принятия решения о том, когда юзать конкретный алгоритм, а когда лучше отдать решение LLM - получилось следующее:

1. Для начала надо определиться с тем, что я подразумеваю под каждым понятием:
- детерминированные системы - основаны на жетских правилах, производят один и тот же результат для одних и тех же входных данных. Стабильны, но "жёсткие".
- вероятностые (недетерминированные) системы - учатся на данных, делают статистические "выводы", непостоянные в выходных данных при тех же входных.

2. Критерии для выбора:
- Степень открытости проблемы - насколько хорошо мы можем описать проблему, треюущую одной из 2х систем для ее решения? Насколько неоднозначна проблема?
- Достаточность данных - есть ли достаточно данных (количество и качество) для построения системы, обучающейся на данных?
- Толерантность к ошибке - можем ли мы позволить себе неопределенность в результатах? Можем ли мы застраховать эту неопределенность?
- Стабильность проблемы или окружения, для которой решается проблема
- Нужна ли нам "обьясняемость" решения - то есть, чтобы мы могли обьяснить, как именно мы превратили входные данные в выходной результат?
- Ограничения по времени и иным ресурсам - обычно детерминированные системы требуют значительном еньше ресурсов
- "Оппортунистическое" поведение - действует ли против нас адаптивная система, которая постоянно меняет входные данные, чтобы "сломать" нас?
- Нужно ли для решения проблемы "общее знание" (common sense) или решение ограничено малым количеством возможных ответов?

Список неполный - буду рад за фидбек как по текущим критериям (важный или неважный, может нужно докрутить), так и по нехватающим.

P.S. Об этом, кстати, будем говорить на курсе, стартующем в следующие выходные

19.03.202503:55

Мои впечатления про новые тулы от OpenAI
1) попытка подсадить новых AI Agent разработчиков на себя, так называемый vendor lock-in
2) дорого
3) но очень легко и просто

Детали в презентации, по которой делал доклад по теме; записи нет, но я скоро проведу онлайн по этой и предыдущим темам

AgADxG0AAk7j0Eo

429 kB

17.03.202502:38

AI компании

Помните этот слайд из моей прошлогодней лекции? у Дваркеша вышло интересное эссе с рассуждениями о том, как будет выглядеть AI компания.

И, хотя мне кажется, что он все равно размышляет в терминах квадранта "automation" (turn capital to compute to talent) мне особо нравится несколько поинтов:
1) Про снижение трансакционных издержек и челлендж фундаментальных принципов, на которых основана теория фирмы, или проблема принципала-агента, или экспоненциальный рост затрат на коммуникацию
2) фреймворк, в котором он написал статью (copy, merge, scale, distill, evolve) напомнил мне лекции из Singularity University, когда мы говорили о преимуществах digital над analog (нулевые затраты на чтение, запись, передачу; возможность рекомбинировать и предрасположенность к алгоритмизации/оптимизации, моделированию и симуляции)

P.S. Присоединяйтесь порассуждать и об этом в экспериментальном курсе про ai product engineer

12.03.202508:09

Некоторые спрашивали про этот доклад - записи нет, но выкладываю презентацию

Понимаю, что без видео не особо понятно о чем дека, но ниже краткое описание

Highlights of the presentation include:
1) The current state of AI across multiple modalities: text, voice, video, robotics, and more.
2) Insightful frameworks like "Feel → Think → Act" illustrating how AI perceives, processes, and interacts with its environment, from online to offline contexts.
3) Case studies demonstrating AI performance at or above human expert levels in tasks such as image recognition and speech transcription.
4) An exploration of future trends, including physical scaling of AI capabilities and advancements from algorithmic progress and the removal of bottlenecks (unhobbling).
5) Economic perspectives on AI, including discussions on technological revolutions, value distribution, and the transition from traditional economies to AI-driven autonomous enterprises.
6) Insights into enterprise software and its evolving needs for unification, adaptation, and control in an AI-driven landscape.

11.03.202504:37

Feel —> Think —> Act

Делал на днях очередной доклад про прогресс genai и предложил такой фреймворк для того, чтобы следить за ключевыми изменениями:
1) Feel - как при помощи AI компьютеры все лучше видят и слышат (а далее, я думаю, и другие органы чувств)
2) Think - как компьютеры учатся думать (фреймворк fast & slow thinking Каннемана)
3) Act - как компьютеры учатся действовать онлайн (computer/browser use) и оффлайн (роботы)

Мне кажется, удобная система чтобы собирать ключевые события/прорывы - м?

04.03.202523:12

А вот и обьяснение про эту ситуацию (отказ от Salesforce и не только) от фаундера и CEO Klarna.

Вкратце:
1) они хотели унифицировать данные в одном месте: разбросанность данных по разным SaaS значительно усложняла получение полезных инсайтов при помощи AI и повышения производительности. Data = knowledge
2) они построили свой стек (neo4j!)
3) и случайно на одном из звонков он проговорился, запись утекла в прессу.

Key to our explorations became the conclusion that the utilization of SaaS to store all forms of knowledge of what Klarna is, why it exists (docs), what it tries to accomplish (slides, tickets, kanban boards), how it is doing (sheets, analytics), who is it dealing with (CRM, supplier management), who works here (ERP, HR) and what it has learnt was fragmented over these SaaS—most of them having their own ideas and concepts and creating an unnavigable web of knowledge that required a tremendous amount of Klarna specific expertise to operate and utilize.

We also recognized that enterprise software has a standard set of features that are vital for it to operate—features such as audit, versioning, access and edit management, and similar universal needs. We need them as well, but that fragmentation again adds friction, admin overhead, and more.

So, we decided to start consolidating; to put things together, connect our knowledge, and remove the silos. The side consequence of this was the liquidation of SaaS—not all of them, but a lot of them. And not for the license fees, even though those savings have been nice, but for the unification and standardisation of our knowledge and data.

So no, we did not replace SaaS with an LLM, and storing CRM data in an LLM would have its limitations. But we developed an internal tech stack, using Neo4j and other things, to start bringing data=knowledge together.

Ultimately, we found this very interesting, but more importantly starting seeing serious productivity gains. We allowed our internal AI to use this knowledge, and we realised with the help of @cursor_ai we could quickly deploy new interfaces and interactions with it.

04.03.202506:21

OpenAI тестирует чувствительность к цене и новые фичи

P.S. Meeting bot o__O

All posts

Nothing found 😢

More details

Records

22.04.202523:59

9.7KSubscribers

25.09.202423:59

0Citation index

14.02.202523:59

8.5KAverage views per post

14.02.202523:59

8.5KAverage views per ad post

07.03.202509:18

9.25%ER

14.02.202523:59

89.16%ERR

Growth

More details

Subscribers

Citation index

Avg views per post

Avg views per ad post

ERR

More details

EDU