Мысли вслух

Посмотрел свежее интервью Митчелла Грина из Lead Edge Capital. Понравилась его формулировка: мы вполне можем быть в AI пузыре, он когда-нибудь лопнет, и при этом AI всё равно окажется больше интернета. Одно другого совершенно не исключает. Но занимает меня сейчас другое. Где в итоге останется экономическая ценность? Сегодня кажется, что ответ очевиден и это в железе. На фондовом рынке уже видна ротация от software к hardware. Nvidia стала главным символом AI бума, рядом растут производители памяти и сетевого оборудования, а также энергетическая инфраструктура. Хотя тут есть любопытный парадокс дешёвых токенов. Сами модели стремительно дешевеют: open source догоняет frontier-модели, Китай тоже. Тот же Kimi выпускает модели, которые по ряду задач приближаются к Claude, но стоят в разы дешевле. Корпорации уже активно считают экономику токенов - Uber, Spotify, Airbnb и другие могут запускать inference на открытых моделях через Fireworks, Baseten и аналогичные платформы существенно дешевле. Для огромного количества корпоративных задач прошлогодняя модель уже хватает с головой. То есть интеллект постепенно превращается в обычный товар. Казалось бы, для AI-инфраструктуры это медвежий сценарий: токены дешевеют, значит и денег на вычисления уйдёт меньше. Я думаю, будет ровно наоборот. Это парадокс Джевонса: рост эффективности ресурса часто не уменьшает его потребление, а увеличивает. Если inference подешевеет в 10 раз, компании не станут тратить в 10 раз меньше. Они запустят в 100 раз больше агентов. То, что сегодня экономически оправдано только для Fortune 500, станет доступно компании из 50 человек. А крупная корпорация вместо нескольких AI-use cases сможет постоянно держать тысячи агентов в продажах, разработке, finance, procurement, legal, customer service и R&D. Цена токена падает, а количество токенов растёт ещё быстрее. Поэтому среди моих фаворитов на этот год Nvidia, Micron и Broadcom. Для меня это три слоя одной ставки на экспоненциальный рост вычислений: ускорители, память и сетевая часть с заказными чипами. Но есть и риск. Исторически каждый раз, когда казалось, что вся ценность теперь навсегда осталась у производителей чипов, сами чипы со временем тоже коммодитизировались. Так что совсем не факт, что Nvidia будет забирать непропорциональную часть экономики AI следующие 20 лет. Но вот что произойдёт выше, на уровне приложений, понятно ещё меньше. Появятся ли огромные специализированные AI компании в медицине, legal, finance и enterprise software? или Claude, OpenAI, Gemini и open-source модели постепенно съедят большую часть этих приложений сами? По-моему, это сегодня и есть главный инвестиционный вопрос. Тут я честно не знаю. Мы пытаемся угадать победителей игры, которая началась пару лет назад и спокойно может тянуться ещё лет тридцать. Так что я допускаю и пузырь в оценках, и коммодитизацию моделей, и даже коммодитизацию чипов когда-нибудь, а вот коммодитизацию самого спроса на вычисления представить пока гораздо сложнее. Чем дешевле становится интеллект, тем больше железа потребуется миру, чтобы его производить. @maxvotek | linkedin | substack

В Дании нашли правильный ответ на ChatGPT в школах Никакой детектор уже не покажет, писал ученик сам или ему помог ChatGPT. Поэтому там пошли другим путём и поменяли сам способ проверки знаний. Теперь старшеклассники должны устно защищать письменные работы, выполненные дома. Параллельно школам рекомендуют чаще проводить письменные задания в классе, контролировать экраны на экзаменах и ограничивать доступ к внешним ресурсам. Я учился в медицинском институте, и большая часть зачётов, коллоквиумов и экзаменов сдавалась лично одному или нескольким преподавателям. На многих предметах причинно-следственные связи разбирали в диалоге прямо в аудитории. Каждый прогул занятия - устная отработка и сдача лично преподавателю. Многие предметы до сих пор процитирую, даже если меня разбудить ночью. Качество и глубина аргументации, суждения и причинно-следственные связи всегда были ключевыми добродетелями в медицинском образовании. Но за последние пару десятилетий их подменили виртуальными лекциями, формальными тестами, рефератами и прочими форматами, где погружения в тему почти не происходит, а в лучшем случае студент читает работу перед сдачей. Вот когда после письменной работы тебя десять минут спрашивают, почему ты сделал именно такой вывод, откуда взял аргумент и что произойдёт, если изменить исходные условия, довольно быстро становится понятно, понимаешь ты предмет или нет. Это и есть проверка judgement, которую ни один тест не заменит. Забавно, что чем умнее становится AI, тем больше ценности снова приобретает самый традиционный формат образования - разговор учителя с учеником. @maxvotek | linkedin | substack

Все обсуждают, как ИИ ускоряет разработку лекарств, а Китай тем временем сделал ставку менее заметную, но, возможно, более важную - он начал ускорять самого регулятора. Исторически конкурентным преимуществом фармы были деньги, учёные и доступ к данным. Теперь к этому добавился ещё один фактор - скорость принятия регуляторных решений. В мае 2026 года китайский регулятор NMPA запустил программу AI + Drug Regulation. К 2030 году они хотят использовать ИИ и специализированных агентов практически на всех этапах работы, от проверки регистрационных досье до постмаркетингового надзора. Требования к безопасности при этом не снижают, убирают бюрократическое трение. Та же философия видна и в существующих процессах. Для инновационных препаратов уже действует ускоренный 30-дневный канал рассмотрения, а IND-заявки работают по принципу implicit approval: если в течение 60 дней регулятор не выдвинул возражений, испытания можно начинать. В результате путь от подачи документов до первых испытаний на людях сократился примерно до 87 дней. Ещё десять лет назад это занимало больше 500. Неудивительно, что Китай становится одним из мировых центров AI-биотеха. По последним оценкам, китайские компании подают около 70% мировых патентных заявок в области AI-driven drug discovery, а их доля в глобальных лицензионных сделках выросла с 8% в 2021 году примерно до 32%. Западные регуляторы тоже умеют работать быстро, но обычно в экстренных ситуациях. Во время пандемии COVID-19, когда появилась реальная необходимость, FDA и EMA перестроили процессы буквально за несколько месяцев. FDA запустила механизм Emergency Use Authorization, EMA - rolling review, при котором данные анализировались по мере поступления, а не только после полного пакета исследований. Сроки одобрения сократились в несколько раз, и требования к безопасности при этом никто не отменял. Тогда же регуляторы фактически легитимизировали виртуальные клинические испытания: удалённые визиты, электронное согласие пациентов и дистанционный мониторинг стали частью нормальной практики. Мы в Customertimes как раз разрабатывали для одного из клиентов платформу для таких виртуальных исследований. На ней тестировали основные вакцины, которые дошли до рынка в рекордные сроки. Хороший пример того, как изменения в регулировании за пару месяцев открывают дорогу новым продуктам и целому классу цифровых решений. Самое интересное, что сейчас США снова начинают ускоряться. В июне американские регуляторы объявили о планах сократить сроки ранних этапов исследований на 6–12 месяцев. То есть соревнуются уже не только биотех-компании, но и сами регуляторные системы. Мне кажется, это и есть главный тренд: AI добрался до государственных институтов и выигрывать будут страны, которые быстрее перестроят под него свои регуляторные процессы, а не просто компании с лучшими моделями для поиска молекул. Так что скорость государства оказывается таким же ресурсом, как вычислительные мощности, данные и таланты. @maxvotek | linkedin | substack

Илон Маск снова взбудоражил IT сообщество. Говорит, что через несколько лет исходный код станет тем же, чем сегодня является ассемблер - нишевым инструментом для единиц. А следующий шаг вообще отказаться от исходников и генерировать оптимальные бинарники напрямую с помощью ИИ. Меня эта идея неожиданно вернула в школьные годы. Я тогда только начинал программировать. Ассемблер по советским и переводным книгам казался чем-то запредельным для моего ADHD, но при этом невероятно завораживал. Работать почти напрямую с железом и выжимать максимум производительности выглядело настоящей магией. Учебные задачи на Turbo Pascal и Turbo C у меня обычно получались. Правда, компиляторы постоянно находили какие-то ошибки, которые я часами не мог понять, так что самые простые программы в итоге чаще писал на BASIC, а позже на Visual Basic. Там хотя бы можно было быстро увидеть результат и не потерять весь день на поиске пропущенной точки с запятой. Примерно это сейчас и происходит с AI. О синтаксисе думаешь всё меньше, о результате всё больше. Вполне возможно, что через десять лет нынешний код будет выглядеть так же архаично, как сегодня выглядит ассемблер для большинства разработчиков. Разница только в одном, и она существенная. Компилятор детерминирован: один и тот же код всегда превращается в один и тот же результат. LLM пока так не умеет. Поэтому идея сразу генерировать бинарники звучит красиво, но для медицины, авиации, финансов и прочей критичной инфраструктуры вопрос воспроизводимости и проверки никуда не денется. Сама мысль Маска мне при этом нравится. Она заставляет задуматься, где окажется следующий уровень абстракции, даже если завтра исходный код никуда не исчезнет. После этого обсуждения у меня неожиданно проснулось желание снова поиграться с низким уровнем. Вместо очередного AI-агента хочется собрать что-то максимально быстрое и минималистичное. Пока обдумываю идею собственной минималистичной OS для телефона, с глубокой интеграцией в self-hosted экосистему, IoT-устройства и локальных AI-агентов. Не знаю, вырастет ли из этого что-то большее, но как хобби-проект звучит очень интересно. Забавно то, что разговор про будущее без кода закончился у меня желанием залезть на самый низкий уровень, какой смогу. @maxvotek | linkedin | substack

Как «не доверяй, но проверяй» сломалось на первом шаге Coldcard построил репутацию на принципе Don't Trust, Verify. Открытый код, воспроизводимая прошивка, возможность проверить всё самостоятельно. Проблема оказалась в самом первом действии - это в создании сид-фразы. У Coldcard было три варианта: довериться аппаратному генератору случайных чисел, добавить к нему броски игральных костей или собрать сид полностью на костях. Последний способ позволял вообще не доверять железу, но почти все выбирали дефолт: нажимали кнопку и полагались на устройство. В 2021 году в прошивку попала ошибка, отключившая аппаратный генератор случайности. Вместо него устройство использовало слабый программный генератор MicroPython. Никаких предупреждений не появлялось. Пользователь получал обычные 24 слова - они проходили контрольную сумму, восстанавливали кошелёк и могли годами храниться на металлической пластине. Но безопасность сида определяется не словами, а энтропией - размером пространства, из которого их выбрали. На части устройств оно сократилось примерно до 40 бит, на других до 72. Для человека это всё ещё огромные числа, но для хорошо организованного перебора уже достижимые. По оценке Galaxy Research, с уязвимых адресов вывели около 1 367 BTC - это почти $90 млн. Тут я пошёл проверять свою Coldcard. Да, моя версия оказалась ровно из уязвимых. Кости для честной энтропии я в своё время, конечно, поленился использовать и нажал кнопку, как все. Повезло дважды: денег на кошельке было мало, и их не увели. Отдельная история - это роль AI. Coinkite сама предположила, что атакующий мог найти ошибку AI-анализом открытого кода. При этом собственный AI-аудит компании несколькими неделями ранее ничего не нашёл. Защитнику нужно найти все ошибки, атакующему хватает одной. Много лет главным страхом криптографии считались квантовые компьютеры. Но здесь никто не ломал Bitcoin и не перебирал полноценные 256-битные ключи. Взломали слабую генерацию, созданную обычной ошибкой в коде и, вполне возможно, найденную и масштабированную с помощью AI. Воспроизводимая сборка доказала, что прошивка соответствует исходному коду. Но не то, что сам код безопасен. @maxvotek | linkedin | substack

Недавно писал, что если AI окончательно доломает экономику IT-компаний, то пойду смотреть в сторону скучных офлайн-бизнесов, где AI может добавить масштаба. У моего приятеля компания по обслуживанию недвижимости в Palm Coast - городе, похожем на Бока-Ратон, только севернее и заметно доступнее. Одна из самых неожиданных проблем домов во Флориде, вовсе не ураганы и не кондиционеры, а трава. Газон здесь нужно поливать постоянно. Иначе он высыхает, дом теряет привлекательность для арендаторов, а иногда прилетает штраф от города. Бывает, газон поражает грибок или вирус, и тогда покрытие приходится менять целиком. Один только полив городской водой летом легко обходится в $300–400 в месяц. Решение вроде бы напрашивается - это пробурить скважину. Но это насосы, фильтры, электричество, обслуживание, а в некоторых районах вода настолько богата железом, что портит и газон, и саму систему полива. При этом на весь город одна компания, которая занимается скважинами. Дальше покос травы. Самый дешёвый подрядчик нередко повреждает забор, полив или растения, и вся экономия исчезает за один ремонт. Поэтому многие годами работают с одной семейной бригадой - отцом и сыном, которым действительно доверяют. Недвижимость вообще состоит из сотен таких компромиссов, о которых не пишут в рекламных буклетах. Ни один из них не решается «одним приложением». Недавно посмотрел несколько AI-компаний в этой сфере: 1. Avoca, которая автоматизирует звонки для сервисных компаний, уже оценивается больше чем в миллиард долларов. 2. Rilla анализирует разговоры техников с клиентами прямо в полях и вышла на десятки миллионов долларов регулярной выручки. Все хотят строить чисто цифровые компании. Но чем дешевле становится интеллект, тем большим дефицитом становятся люди, которые качественно делают физическую работу. AI не заменит отца с сыном, которые аккуратно косят газон. Зато он сделает так, чтобы они не теряли заявки, быстрее доезжали до клиентов и зарабатывали больше. Мне кажется, на стыке AI, бетона, травы, сантехники и кондиционеров появится огромное количество новых миллиардных компаний. @maxvotek | linkedin | substack

AI убирает одну работу и тут же создаёт другую Сегодня обсуждали с коллегами любопытный парадокс. AI резко снизил порог входа во множество задач. Люди начали делать то, за что раньше даже не брались: разбирать финансы, копаться в своём здоровье, собирать мобильные приложения, автоматизировать процессы, работать с данными и документами. Раньше для этого надо было долго учиться, читать инструкции и набивать руку, а теперь можно быстро получить объяснение, пример, прототип и даже какое-то рабочее решение. Вот только доступность задачи ничего не говорит о глубине её решения. Современный AI часто напоминает университетского профессора, который прекрасно знает теорию, убедительно объясняет материал и щёлкает учебные примеры. Как только знания надо применить в реальной среде: с ограничениями, архитектурой, производительностью, исключениями и контекстом - начинаются проблемы. Модель легко напишет огромный объём текста, обработает массив данных самым неэффективным способом и предложит архитектуру, которая выглядит убедительно, но плохо живёт на практике. Скажем, большой набор данных разумнее один раз превратить в реляционную базу и дальше получать ответы короткими запросами на SQL или Python. Вместо этого ИИ раз за разом прогоняет через контекст тысячи строк, сжигая время и токены. Забавно, что длинные рассуждения и многократная обработка данных - ровно то, на чём зарабатывают поставщики LLM. Но интереснее другое следствие. AI породил огромный объём прототипов, полуготовых решений и новых инициатив, и люди начали встраивать их в бизнес-процессы, не всегда понимая архитектуру, программирование, безопасность и экономику продукта. Всё это теперь нужно проверять, исправлять, интегрировать, защищать и доводить до промышленного уровня. Дальше начинается цепная реакция. Юристы с помощью AI находят в договорах больше несоответствий, и другая сторона получает документ ещё сложнее, на проверку которого уходит ещё больше времени. Предприниматели быстрее собирают прототипы, но потом им нужны разработчики, архитекторы и консультанты, чтобы превратить это в надёжную систему. Компании видят новые возможности и тут же упираются в новые вопросы: где будет реальная экономия, как изменятся процессы, какие появятся риски и кто на самом деле получит прирост производительности. Пока что я вижу, что новой работы ИИ создаёт не меньше, чем убирает и её будет много. @maxvotek | linkedin | substack

Память становится новой нефтью AI Все обсуждают новые модели, агентов и дата-центры, а на рынке тем временем разворачивается история поинтереснее. Nomura выпустила прогноз, в котором говорится, что рынок DRAM-памяти может вырасти примерно с $80 млрд в 2022 году до более чем $2 трлн к 2030. Даже если они промахнутся в несколько раз, вывод не меняется. В эпоху AI самым дефицитным ресурсом становятся уже не вычисления сами по себе, а память. Каждый агент постоянно держит контекст, гоняет длинные цепочки рассуждений, лезет в огромные базы знаний и обслуживает миллионы запросов разом. Всё это требует колоссальных объёмов быстрой памяти, особенно HBM, которая работает в связке с современными AI-ускорителями. Ещё недавно DRAM считалась обычным циклическим товаром. Цена росла и падала вместе со спросом на компьютеры и смартфоны. AI полностью меняет эту экономику. Память из недорогого компонента сервера превращается в один из самых дорогих и прибыльных кусков всей инфраструктуры. Для меня это ещё одно подтверждение закономерности, которую видно в каждой технологической волне. Победители часто оказываются неожиданными. В золотую лихорадку больше всех заработали на лопатах и кирках. В облачную революцию огромную стоимость забрали производители GPU. В AI одними из главных бенефициаров могут стать те, кто делает память, упаковку чипов, скоростные соединения и вообще всё железо под вычисления. Поэтому сегодня я бы смотрел не только на OpenAI, Anthropic или Cursor. Самые интересные компании следующего десятилетия могут сидеть гораздо глубже в стеке там, где собирают физический фундамент всей AI-экономики. Потому что масштабировать интеллект получается ровно настолько, насколько есть куда складывать его память. @maxvotek | linkedin | substack

За годы я усвоил простую вещь: для владельца бизнеса и его инвесторов один из главных вопросов это готова ли компания к проверке в любой момент.  А готова она редко. Особенно когда команда подрядчиков разбросана по миру: с каждым отдельный договор, с кем-то вообще на честном слове. Потом начинается проверка: инвестор, аудит, банк, due diligence перед сделкой и оказывается, что ты не можешь подтвердить, кто у тебя оформлен и на каких условиях. Я к этому отношусь так же серьёзно, как к самому продукту, поэтому недавно разговаривал с ребятами из 4dev.com Это B2B-платформа для оформления, документирования и администрирования работы с международной командой исполнителей в 150+ странах. У них вместо сотен договоров под каждого подрядчика в каждой из 150+ стран - один договор и права на результат закрепляются в момент подключения исполнителя, по вашему выбору, а не разбираются задним числом на релизе.  Каждый исполнитель проходит верификацию при подключении, так что понятно, кто в команде и что он оформлен как надо. Вся документация, история изменений и необходимые данные находятся в порядке и доступны в любой момент для аудитора, банка или потенциального инвестора. С такой системой вы никогда не столкнетесь с авральным сбором документов в ночь перед проверкой, а подключение нового сотрудника или подрядчика вместо недель переписки, согласований и обмена договорами сводится практически к одному клику. Если у вас распределённая команда и тема близкая, записаться на короткое демо можно тут. Ребята подсветят, где вы теряете время, деньги и права на собственный продукт. @maxvotek | linkedin | substack

Самая прибыльная, но скучная стратегия на рынке Разбирал с Клодом доходность опционов, сравнивал разные типы стратегий и инструментов, и наткнулся на любопытную статью. Есть стратегии, которые не пытаются угадать, куда пойдёт рынок. Они просто собирают маленькие регулярные платежи, как арендодатель собирает ренту. Ученые называют это carry. Четыре профессора финансов (Койен, Московиц, Педерсен, Вругт) измерили сразу все такие стратегии - в облигациях, валютах, сырье и опционах. Десятилетия данных и один вопрос: где эта рента платит больше всего. Чтобы сравнить честно, они смотрели не на голую доходность. Важнее было другое - это доходность на единицу риска, сколько зарабатываешь на каждую «единицу нервов». Представьте два ларька: оба приносят по $100 в день, но у одного выручка ровная, а у второго то густо, то пусто. Первый объективно лучше, за те же деньги меньше трясёт. Вот это и есть коэффициент Шарпа. Результат на картинке. Продажа страховки от падения акций (пут-опционов) заняла первое место среди всех классов активов - почти вдвое лучше, чем портфель из всех carry стратегий вместе взятых. Объясняется это просто. Страх продаётся дорого. Инвесторы раз за разом переплачивают за защиту от обвала, как за зонтик, когда дождь уже начался. Продавец страховки собирает эту переплату месяц за месяцем. Но за это ты платишь тем, что в редкий плохой месяц удар принимаешь на себя. У этого есть цена входа. Продавать страховку стоит только на акции, которыми ты и так готов владеть. Размер позиции такой, чтобы пережить любой обвал и выходить, когда паника вздувает цену защиты до потолка. В общем и целом, Клод открывает новые хобби и помогает найти ларёк, который наука признала самым доходным на улице. @maxvotek | linkedin | substack

Почему Баффетт купил Google на $31 миллиард, пока рынок в панике продаёт На этой неделе акции Google упали на 7% за два дня. Компания впервые за 22 года с момента выхода на биржу компания потратила за квартал больше, чем заработала. Минус $5.9 миллиарда, хотя ещё полгода назад Google приносил по $25 миллиардов в квартал. Деньги ушли в стройку, дата-центры, чипы, инфраструктура для ИИ - $45 миллиардов за один квартал, и это не предел: годовой план подняли до $200 миллиардов. Рынок испугался, что это никогда не окупится и на этом фоне неожиданно появляется Уоррен Баффетт. На CNBC он рассказал, что Berkshire вложила в Google $31 миллиард, и это была его личная идея, не молодого преемника. Часть акций он покупал в июне, когда Google выпускал их для финансирования всё той же стройки. Многие боялись этой допэмиссии, а он спокойно на ней докупался. Забавно, что всю жизнь Баффетт учил покупать компании с живым денежным потоком. Тут денежный поток ушёл в минус, и он всё равно покупает. Свою логику он объяснил так: «Уолл-стрит спрашивает только про следующий квартал. Это смешно. Никто не считает реальную доходность вложений компании». Если ты строишь завод, в год стройки кошелёк пустеет, но беднее ты от этого не становишься. Только будет ли завод приносить деньги потом. У Google ответ уже есть и он виден: облачный бизнес вырос на 82%, а заказов подписано на $514 миллиардов. Значит, строят под готовых клиентов, а не под мечту. Баффетт при этом честно сказал, что Google нравится ему меньше, чем ещё четыре-пять бизнесов Berkshire. Никакой влюблённости, чистый расчёт. Пока рынок распродаёт из страха, Баффетт покупает завод, который ещё достраивается. @maxvotek | linkedin | substack

Мой друг Сергей сдаёт свой дом на красивом острове Самуи. Если ищете хорошее жильё на острове на длительный срок - вот подробности от него самого. https://t.me/sergiobulaev/1593

Недавно дал интервью Business Insider про то, что на самом деле происходит с AI-увольнениями. Расскажу здесь основное. В Customertimes мы консультируем компании из Fortune 500 по внедрению AI и каждую неделю разговариваем с их финансовыми директорами, CIO и CEO. Так вот, почти никто из них не говорит, что заменяет людей на AI. За закрытыми дверями разговор устроен совсем не так, поэтому публичная истерия вокруг AI-увольнений выглядит странно. Что я вижу на самом деле, так это компании, которые объясняют через AI ту реструктуризацию, что была запланирована и без него. Процесс перестал иметь смысл, компанию реорганизовали, а решение упаковали в разговоры про искусственный интеллект. В самой реорганизации ради эффективности ничего необычного нет, бизнес занимался этим всегда. Проблема в том, что многие нечестны с сотрудниками и акционерами насчёт настоящей причины. С деньгами история такая же. Считается, что компания режет штат, кладёт сэкономленное в карман и выписывает руководству бонус побольше. А за кулисами эти же компании получают гигантские счета от AI-провайдеров. Финансовые директора регулярно признаются мне, что недооценили стоимость токенов, и многие сожгли свои AI-бюджеты куда быстрее, чем планировали. Некоторые называют это token maxxing, когда годовой бюджет на AI улетает за пару месяцев, а обещанного прироста продуктивности так и не случилось. Плюс они платят за то, чтобы их знания остались внутри компании, и содержат отдельную внутреннюю инфраструктуру, чтобы собственные процессы не утекали в публичные модели. Дёшево это не стоит. Так что экономия часто вообще не доходит до бонусов руководству, её съедают инфраструктура, лицензии и счета за токены. Я считаю, что компаниям стоило бы публиковать простую отчётность о том, куда реально ушла экономия от AI: в премии сотрудникам, в снижение цен для клиентов или в реинвестиции. Когда компания объявляет увольнения, показывает рекордную прибыль и ничего не объясняет, образуется информационный вакуум, а его всегда кто-нибудь заполняет. Помолчишь подольше и теорию заговора про тебя напишут за тебя. Ещё одно, что стоит сказать. AI прекрасно справляется с повторяемыми задачами, но он не берёт на себя ответственность. Презентацию CEO можно автоматизировать AI-аватаром, а вот ответственность за управление компанией автоматизировать не выйдет. @maxvotek | linkedin | substack

прочитал на hackernews о дизрапции вендоров оборудования для боулингов Инженер из Америки купил заброшенный боулинг на восемь дорожек. В его городке семьям было некуда пойти вечером — и он решил это исправить. Здание со всем оборудованием обошлось в 105 тысяч долларов. Боулинг был заброшен не просто так: крыша текла, проводка искрила, а машинам, которые ставят кегли, — семьдесят лет. Система подсчёта очков — та, на экран которой мы смотрим во время игры, — была установлена в 8-м году и стоила шестизначную сумму. Заменить её на новую — от 80 до 120 тысяч долларов. Столько же, сколько весь боулинг целиком, со зданием и землёй. Чувак задумался. Что эта дорогущая система реально делает? Она камерами распознаёт кегли и считает скорость шара. Но семидесятилетней машиной она управляет через одно-единственное реле. Один электрический щелчок: «поставь кегли». Всё остальное — чистая механика прошлого века. Запчасти при этом — 4000 долларов на пару дорожек. Чувак по профессии следит за серверами крупных компаний, придумал оригинальное решение. Копеечные микроконтроллеры, датчики на инфракрасных лучах, обычные реле, одна Raspberry Pi на весь зал. Собрал работающий аналог — 200 долларов на пару дорожек. В пятьсот раз дешевле. Ремонт теперь занимает пять минут: достал запасную плату из ящика, воткнул, играем дальше. Интерфейсы легко меняются. Захотел неоновое оформление «как в Троне» на тематический вечер — сделал сам. Все данные — его, всё оборудование — его. Проект он назвал OpenLaneLink и собирается выложить в открытый доступ — чтобы маленькие боулинги не тратили деньги на железо, которое морально устарело ещё до их открытия. Цена такого оборудования — это не цена технологий внутри. Это цена того, что покупатель не знает, как оно устроено. Как только кто-то разобрался — оказалось, что вместо 100 тысяч достаточно двухсот долларов и пары выходных. Точно так же как цена работы интеграторов и консультантов - знать код, который они когда то создали. Новому подрядчику было очень трудно разобраться в нём. Это приводило к зависимости. Теперь благодаря инструментам вроде claude code и codex - изучить что то старое всё легче и легче. Рынок меняется. Сергей Булаев AI 🤖 - об AI и не только

Падение Accenture - не самая интересная часть этой истории. Интереснее то, что рынок начал переоценивать саму модель IT-консалтинга. После снижения прогноза акции Accenture резко упали, а вместе с ними просели Cognizant, EPAM, Capgemini, Wipro и другие крупные игроки. Все обсуждают слабый квартал, но за этим, по-моему, стоит куда более фундаментальная штука. Последние двадцать лет экономика консалтинга была устроена предельно просто: продаём часы умных людей. Чем больше консультантов и чем сложнее проект, тем выше выручка, и все метрики: загрузка, headcount, utilization - выстроены вокруг этой идеи. AI ломает ровно её. Архитектуру, документацию, разработку, тестирование и часть внедрения сегодня можно сделать в разы быстрее, и клиенты прекрасно это видят. Как только себестоимость проекта падает, они начинают требовать фиксированную цену или оплату за результат вместо time & materials. Но самое сложное для крупных компаний вовсе не внедрить Claude, Cursor или ChatGPT - это сегодня умеют почти все. Гораздо труднее перестроить систему мотивации, которая десятилетиями поощряла продавать больше часов и нанимать больше людей. Переход к AI окажется для многих не технологической задачей, а организационной. При этом рынок, по-моему, пока недооценивает ещё один актив. Люди были главным капиталом консалтинга и останутся ими. Просто ценность теперь у тех, кто умеет дирижировать агентами, и у своего слоя знаний, на котором эти агенты работают. Не база документов и не RAG, а проверенная система отраслевой экспертизы, лучших практик, конфигураций, шаблонов и накопленного опыта, на которой работают тысячи агентов. С понятной моделью монетизации и достаточно уникальная, чтобы её нельзя было заменить очередной новой моделью Anthropic, OpenAI или Cursor. Вот здесь и будет формироваться новая стоимость бизнеса. Через несколько лет инвесторы станут смотреть не только на количество сотрудников и EBITDA, но и на то, сколько уникального контекста принадлежит компании, насколько глубоко он встроен в работу агентов и способен ли приносить деньги независимо от того, какая LLM окажется лидером рынка. Возможно, этот интеллектуальный слой станет для консалтинга тем же, чем данные когда-то стали для Google, а рекомендательные алгоритмы для Netflix. @maxvotek | linkedin | substack

Прилетел на несколько дней в Сан-Паулу вместе с сыном, и город оказался одним из самых приятных сюрпризов за последние годы. Сан-Паулу - техностолица Бразилии: топ‑универы, море инженеров и один из сильнейших финтех‑рынков Латинской Америки, куда программисты целенаправленно переезжают ради карьерного роста. Чем больше путешествую, тем чаще ловлю себя на готовых ожиданиях от мегаполисов в развивающихся экономиках: хаос, грязь, тяжёлый трафик, постоянное напряжение в воздухе. Сан-Паулу оказался совсем другим. Местные, конечно, предупреждают: лишний раз телефон на улице не доставай, с безопасностью тут свои особенности. Но при этом удивительно, насколько расслабленно ведут себя люди. Кафе полны посетителей с ноутбуками, многие спокойно идут по улице, уткнувшись в экран. Города, который живёт в постоянном страхе, тут не чувствуешь. Ещё сильнее удивила чистота. Для города, где живёт больше 12 миллионов человек, улицы выглядят очень ухоженными. Отдельная история - это еда. Огромные итальянская, японская и арабская диаспоры сделали своё дело, и хороших ресторанов здесь невероятное количество почти на любой вкус. Цены при этом приятно удивляют: после США ужин в приличном месте кажется почти символическим. Погода сейчас идеальная. Бразильская зима больше похожа на европейскую весну около +20 °C, гулять можно весь день, без жары и духоты. Несколько фактов, которые меня удивили: • Это крупнейший город Южного полушария - в агломерации живёт больше 22 миллионов человек. Больше, чем население многих стран. • Здесь делают около 12% ВВП Бразилии. Финансовая столица Латинской Америки со штаб-квартирами крупнейших банков региона. • Запрет на наружную рекламу действует с 2007 года и считается одним из самых необычных городских законов в мире. Ни билбордов, ни огромных баннеров. • Одна из крупнейших в мире систем вертолётного транспорта. Сотни площадок на крышах, и состоятельные жители летают на работу, чтобы не стоять в пробках. • Крупнейшая японская диаспора за пределами Японии. Район Либердади больше похож на Токио, чем на Бразилию. • Итальянское влияние не меньше: говорят, в городе ежедневно выпекают сотни тысяч пицц, и многие считают Сан-Паулу одной из мировых столиц пиццы. Есть ещё деталь, которая меня зацепила: в городе почти нет наружной рекламы, её просто запретили. Казалось бы, мелочь, а без бесконечных билбордов город выглядит заметно спокойнее. Пока что Сан-Паулу неожиданно выходит у меня в топ городов, где я был. Иногда самые сильные впечатления оставляют именно те места, от которых меньше всего ждёшь. @maxvotek | linkedin | substack

Я много писал о жизни во Флориде и по-прежнему считаю Бока-Ратон одним из лучших мест для жизни. Но у неё есть своя цена, и называется она сезоном ураганов. Когда живёшь здесь несколько лет, начинаешь принимать решения совсем иначе. 1. При покупке дома первым делом смотришь, есть ли генератор. 2. При выборе машины невольно прикидываешь, увезёт ли она всю семью, собак, вещи и запас топлива, если придётся срочно эвакуироваться. Кстати, огромное количество больших внедорожников тут вовсе не от американской любви к здоровым машинам. Во время эвакуации в такую можно загрузить детей, животных, документы и чемоданы и уехать за сотни километров. Проблема в том, что из Южной Флориды на север ведёт всего несколько скоростных коридоров - I-95, Florida's Turnpike и I-75, причём последняя сначала уходит на запад через Alligator Alley к Нейплсу и только потом поворачивает наверх. Когда объявляют эвакуацию, миллионы людей одновременно пытаются покинуть штат, и дорога, которая обычно занимает несколько часов, легко растягивается на восемнадцать-двадцать. Билеты на коммерческие рейсы при этом исчезают за считанные часы или начинают стоить тысячи долларов. На этом и построили новую бизнес-модель. Стартап PriorityEvac продаёт что-то среднее между страховкой и подпиской: за $1 250 в год вам заранее резервируют место на эвакуационном рейсе. Если Национальный центр по ураганам объявляет определённый уровень угрозы, вас с семьёй вывозят частным самолётом ещё до того, как встанут дороги и переполнятся аэропорты. Звучит странно ровно до того момента, пока не сравнишь стоимость такого членства с ценой большого генератора, переплатой за внедорожник или одной экстренной эвакуацией семьи. Тогда идея перестаёт выглядеть безумной. Меня в последнее время всё сильнее увлекают именно такие модели. Как хобби я вместе с Claude пишу софт для торговли опционами, и чем глубже погружаюсь, тем яснее вижу, что опцион - это тоже разновидность страхового полиса: кто-то платит за защиту от плохого сценария, а кто-то берёт этот риск на себя и получает за это премию. PriorityEvac делает ровно то же самое. Компания оценивает вероятность события, заранее резервирует ресурсы и продаёт людям спокойствие. Мне очень нравится, что для такого бизнеса не нужно производить ни самолёты, ни генераторы, ни машины - достаточно правильно посчитать риск, взять его на себя и продать клиенту защиту от неопределённости. Похоже, таких бизнесов дальше будет только больше. @maxvotek | linkedin | substack