Стартап Саммари

Кто постоянно пропадает на звонках/встречках и некогда зафиксировать важное? Попробуйте granola.ai В отличие от других продуктов, которые делают автоматические заметки со встреч, Гранола ЭйАй комбинирует их с короткими заметками пользователя и достраивает их. Новый подход. Пишут о вау-эффекте, потому что качество заметок заметно выше по сравнению с полностью автоматизированными «заметчиками». Не реклама. Просто случайно узнал о продукте из англоязычной рассылки от GoPractice, решил поделиться. Если кто уже затестил, поделитесь впечатлениями. Вижу препятствие если использовать его как индивидуальный юзер в корпоративной среде. Ведь какая-то чувствительная информация, сказанная на встречах, будет утекать в эту компанию, а это ответственность уже. Если конечно компания заключила договор и оно будет использоваться на уровне компании, тогда все ок. Как например, с Zoom, Miro, Slack и прочими — корпорации юзают эти продукты и туда уходит чувствительная инфа.

Как-то прочитал пост у Гоши Левина про результативность и продуктивность. Он там пишет про технику Pomodoro, когда работаешь 30-минутными интервалами. Но под помидор 🍅 подходит только глубокая и сфокусированная работа над задачами, которые важно сделать, чтобы продвинуться в работе. Встречки в зуме и переписки в тредах не подходят. Ну если только это не сфокусированная работа над такой важно задачей, просто совместно с коллегами в зуме. Цель дня — 6 помидоров, то есть всего 3 часа глубокой работы. Попробовал всю прошлую неделю и скажу, что это нифига не легко. Всего 3 часа в день надо сделать! Не так-то просто. Заметил, что всякие встречи и переписки в тредах отжирают кучу времени. В пятницу поставил рекорд в 9 помидоров, но это просто встречек с тредами мало было 🙃 Кстати, физический помодоро-таймер, который в том посте — попросил в подарок, подарили, прикольная штука. Всегда под рукой.

Затестил тут Vibe Coding — когда говоришь ИИ что хочешь разработать и он сам разрабатывает. Попробовал несколько идей простых приложений на разных продуктах. #1 Replit — прям на высоком уровне. И бэк и фронт делает, доработки хорошо делает, дебажит код хорошо. Очень проработанный продукт. Восхитился, что аж купил подписку, экспериментирую теперь. 🔥 #2 Google Firebase Studio — пока чуть похуже чем Replit, но зато разные стеки есть, бесшовная интеграция с гугловой инфраструктурой, с Gemini и тд. #3 Lovable — с этим пока посложнее получается. Есть ощущение, что пока только фронт хорошо собирает, а с бэкендом пока не так всё хорошо. Иногда получаются ошибки и дебаггинг не с первого раза, а то и вообще не получается ничего, и приходится с нуля все начинать. #4 Bolt (который bolt.new) — по ощущениям то же самое, что и Lovable, но частенько не получается с первого раза рабочее приложение получить, а дебажит плоховастенько. Прикольно, что всем четырём можно скормить не только текст, но и скрин прототипа, а Replit ещё можно попросить сходить по ссылкам и дёрнуть там либо текст, либо скрин. Короче, прогресс не остановить. Демократизация разработки уже здесь. Теперь можно МВП собрать самому, если не разработчик. А если разработчик, то кратно быстрее. 👍

Из свежего выпуска рассылки Lenny’s Newsletter: В некоторых компаниях, например, Palantir, Intercom, Dropbox, Plaid, N26 и других (гляньте скрин), немалая доля продактов в дальнейшем становятся фаундерами своих компаний. Например, в Palantir, аж 30% продактов запускают свои стартапы. Как думаете, с чем это может быть связано? Эти компании изначально нанимают продактов-предпринимателей? Или они этих продактов прокачивают внутри, что те становятся предпринимателями? Или это какая-то статистическая ошибка, которой нельзя верить? Или что-то другое?

Фундаментальная ошибка атрибуции Мы (люди) склонны объяснять поведение других людей особенностями их характера, а своё — внешними обстоятельствами. Возможно, это происходит потому, что мы не можем заглянуть другим людям в голову и узнать, почему они ведут себя тем или иным образом. Представьте, что ваш коллега на зум-звонке ведёт себя агрессивно и раздражённо, а вы думаете: “наверное, у него сложный характер”. А этот коллега в это время думает о том как его сегодня кто-то толкнул в общественном транспорте, а потом кто-то накричал на улице. То есть, фундаментальная ошибка атрибуции — это склонность человека объяснять поведение и поступки других людей их личностными особенностями, а не внешними обстоятельствами. Замечал кто за собой такое?

Понравился фреймворк из этой статьи — для описания потребностей и проблем. Пригодится продакт-мейкерам — то есть тем, кто "делает" продукты. Помогает "развёрнуто, но кратко" ответить на частый вопрос: «Какую проблему решает продукт?»

Понятная статья про North Star Metric от GoPractice: https://gopractice.ru/product/the-north-star-metric-guide/ Просто и понятно объясняется для чего нужна, как выбрать и почему. Приведены примеры удачных и неудачных NSM. С объяснением почему. Есть чек-лист, какой должна быть метрика NSM: 1. Можно с достаточной точностью измерить. 2. Отражает ценность, которую пользователи получают от взаимодействия с продуктом. 3. Понятный практический смысл. 4. Устойчива к манипуляциям. 5. Чувствительна к продуктовым изменениям. Статья хорошо помогает понять не только как выбрать именно NSM, но получить ответ на вопрос про другие метрики: «Как понять, что выбранная метрика качественная?». Будет полезно продактам и стартаперам сохранить себе в закладки и использовать в работе.

Интересная статья от GitHub по поводу их GitHub Copilot: https://github.blog/2023-06-27-the-economic-impact-of-the-ai-powered-developer-lifecycle-and-lessons-from-github-copilot/ Интересные цифры: 1. Продукт запустили год назад и у него почти миллион пользователей и его юзают в 20к организаций. 2. Прислушиваемость к его рекомендациям 30%. То есть поти треть рекомендаций копайлота принимаются разработчиками. 3. Дуолинго вообще говорит, что скорость разработки на 25% выросла. Так то это много! Остальные выводы и инсайты в статье.

Просто интересная цифра - Американцы платят всякие комиссии и проценты по кредитным картам и эта сумма набегает аж на $164B.

Знаете такой продукт Loom? Это «записывалка» экрана со всякими прикольными фичами вокруг этого. Основной юзкейс - это асинхронное общение команды через видео. Так вот их купил Atlassian за $975M. 🚀

Новинка видеорынка: Elevenlabs открыли доступ к нейросети для дубляжа видеороликов. Попробовал — результат понравился. На вход предоставил видео на 7 минут: The Biggest Mistakes First-Time Founders Make - Michael Seibel А на выходе получил его же, но с качественной озвучкой на русском, да ещё и голосом говорящего. Правда видео на выходе обрезается на минуте, но оно понятно — это демо. Крутая штука, скоро можно будет смотреть любые лекции на любом языке. Я уже слышал о таких нейросетках, но потестить самому выпало впервые. Меня прям восхитило. Потестить можно тут: https://elevenlabs.io/dubbing Посмотрел сколько стоит подписка — от 5 бакосв в месяц. Максимальный тариф 22 бакса. Круть.

Интересная идея от Monzo — за день до автоматического списания денег с пользователя, слать ему коммуникацию, если вдруг не хватает денег на счёте/карте. Например: «Похоже у вас недостаточно денег, чтобы завтра оплатить подписку. Пополните счёт, чтобы оплата прошла и сервис не приостановился.»

Читаю исследование "2023 State of SaaS" от Productiv и узнал интересные детали о том, сколько компании тратят на SaaS на сотрудника: В среднем компании тратят по $9,643 на сотрудника: • Малый и средний бизнес (SMB) тратит больше всех — по $11,196 на человека. • Компании среднего рынка (Mid-market) — $10,045. • А крупные корпорации (Enterprise) меньше всех — всего $7,492. Возможно, в крупных компаниях расходы меньше из-за объемных скидок и тарифов на SaaS, которые зависят от использования (usage-based). Уточнение: в эти расходы не входят IaaS, PaaS и разная инфраструктура, вроде GCP или AWS. По размеру компании разделяются так: • SMB: менее 500 сотрудников • Mid-market: от 500 до 2000 • Enterprise: более 2000.

Интересное 5-минутное видео на ProductSence — почему команды, работающие над одним продуктом приносят больше ценности чем команды, работающие над несколькими. То есть — одна команда + один продукт = наилучшая производительность 🚀 И — одна команда + 2+ продуктов = распыление и неэффективность 🤯 👉 Видео Согласны с этим мнением? Если нет, то почему?

Хорошая статья на Financial Times о моделях-трансформерах, лежащих в основе генеративного ИИ, и о 8 исследователях Google, которые стали пионерами в этой области, а потом все ушли из Гула. Ещё это хороший пример преимуществ совместной работы в офисе.

?

1. Рассмотрим возможность использования 2.35 миллиарда пользователей из вашего другого стартапа.

Вот наше руководство по запуску самого быстрорастущего приложения за все времена.

Threads разрабатывали 6 месяцев командой меньше 20 человек. И через неделю после запуска у приложения уже было 100 миллионов пользователей. На сегодняшний день это самое быстрорастущее приложение за все времена. Наверное в компании есть руководство по запуску таких продуктов.

ИИ и автоматизация работы Перед нами — эра ещё большей автоматизации, и это означает не только новые возможности, но и новые рабочие места. Существует распространенное заблуждение, будто количество работы ограничено (фиксировано), и если мы отдаём некоторые задачи машинам, то количество работы для людей уменьшается. Да нифига! Если становится выгоднее использовать машину, например, для создания пары обуви, то обувь станет дешевле –> больше людей смогут её купить –> у них останется больше денег на другие вещи –> значит возникнут новые потребности и желания –> а это это способствует появлению новых рабочих мест. Эффективность повышается не только в определенных областях, она распространяется на всю глобальную экономику, создавая новое благосостояние и рабочие места. Никто не может точно предсказать, какие новые профессии появятся в будущем, но у нас есть модель, которая демонстрирует, что новые рабочие места всегда появлялись и объясняет, почему так происходит. Многим трудно в это поверить, но автоматизация идет уже 200 лет, и новые "работы" всегда возникали. Наше время — не исключение.