Думаю, все видели заруб между Cloudflare и Perplexity. Cloudflare уличил последних в том, что они игнорят robots.txt и делают вид, что это не боты краулят, а "агенты по пользовательскому запросу". А Cloudflare строит AI-лабиринты и изобретает pay-per-crawl механики. И весь интернет такой: "ура, Cloudflare защищает честных создателей контента от злых корпораций!".
Но если разобраться, картина другая.
С одной стороны есть AI-сервисы, которые решают задачи пользователей. С другой стороны "хранители контента", которые теряют рекламные доходы. Почему? Потому что юзер больше не листает их сайт в поисках ответа между баннерами с казино и курсами по SMM.
AI приходит, парсит контент, выдает ответ. Юзеру хорошо: получил решение за 5 секунд вместо 5 минут. Сайту плохо: потерял показ рекламы.
И тут появляется Cloudflare со своим решением. Только это не про защиту авторских прав или борьбу за справедливость. Это чистый спрос и предложение. Контент-холдеры готовы платить за защиту своих рекламных моделей, и Cloudflare им эту защиту продает.
Забавный парадокс: те же самые сайты, которые сейчас воюют с AI-краулерами, последние 20 лет оптимизировались под поисковые боты Google. SEO-шная помойка, где контент пишется не для людей, а для алгоритмов. А теперь, когда алгоритмы научились обходиться без их посредничества, они кричат о несправедливости.
Это как если бы производители свечей начали блокировать электричество, потому что люди перестали покупать свечи.
Рынок сам решит. Если контент действительно ценный и уникальный, найдутся модели монетизации без впаривания пользователю 15 попапов на странице. А если вся ценность была в том, чтобы быть прослойкой между юзером и информацией... ну, такова эволюция и прогресс, сори.
Но если разобраться, картина другая.
С одной стороны есть AI-сервисы, которые решают задачи пользователей. С другой стороны "хранители контента", которые теряют рекламные доходы. Почему? Потому что юзер больше не листает их сайт в поисках ответа между баннерами с казино и курсами по SMM.
AI приходит, парсит контент, выдает ответ. Юзеру хорошо: получил решение за 5 секунд вместо 5 минут. Сайту плохо: потерял показ рекламы.
И тут появляется Cloudflare со своим решением. Только это не про защиту авторских прав или борьбу за справедливость. Это чистый спрос и предложение. Контент-холдеры готовы платить за защиту своих рекламных моделей, и Cloudflare им эту защиту продает.
Забавный парадокс: те же самые сайты, которые сейчас воюют с AI-краулерами, последние 20 лет оптимизировались под поисковые боты Google. SEO-шная помойка, где контент пишется не для людей, а для алгоритмов. А теперь, когда алгоритмы научились обходиться без их посредничества, они кричат о несправедливости.
Это как если бы производители свечей начали блокировать электричество, потому что люди перестали покупать свечи.
Рынок сам решит. Если контент действительно ценный и уникальный, найдутся модели монетизации без впаривания пользователю 15 попапов на странице. А если вся ценность была в том, чтобы быть прослойкой между юзером и информацией... ну, такова эволюция и прогресс, сори.
4❤47💯29👍14🔥2
Антропики предлагают поучаствовать в превью их AI браузинга. Пока, как понял, это простой экстеншн для Chrome.
P. S. Comet все еще почти бесполезный. За последнее время было всего 2 кейса, где он пригодился: про один не могу говорить, а второй это из закладок инсты вытащить места и никидать в подборки в яндекс картах. Все!
P. S. Comet все еще почти бесполезный. За последнее время было всего 2 кейса, где он пригодился: про один не могу говорить, а второй это из закладок инсты вытащить места и никидать в подборки в яндекс картах. Все!
👍19
У Марти новая записка про архетипы продуктовых лидеров. Статья основана на подкасте с Shreyas Doshi, где тот выделил три типа продуктовых лидеров, а Марти добавил свои инсайты.
Shreyas описывает три архетипа:
Craftsperson - это про продукт. Они лучше всех понимают, что нужно пользователям и как должен работать продукт. Хорошо выстраивают продуктовую стратегию и учат других PM'ов. Предпочитают проводить время с командой разработки и пользователями. В карьере их ценят за способности, и они умеют создавать фичи, которые кардинально улучшают продукт. Слабое место - не умеют работать в больших компаниях с бюрократией и политикой. Им сложно справляться с согласованиями и процедурами крупных организаций.
Operator - про масштаб. Их сила - умение координировать действия. Они превосходно скейлят команды, обеспечивают согласованность между подразделениями и убирают препятствия для работы. Любят общаться с коллегами и топ-менеджментом компании. В карьере их продвигают за потенциал, и они часто притягивают к себе талантливых продактов.
Visionary - это про будущее. Их суперспособность - видеть то, что не видят другие. Они отлично понимают общую картину и изобретают новое. Любят общаться с другими визионерами и пользователями. В начале карьеры ими может быть сложно управлять, и они часто создают собственные компании. Слабые места - проблемы с людьми и неумение масштабировать команды без посторонней помощи.
Но главный вывод от самого Кагана: умение делать продукты (product craft) - это не один из вариантов, а основа основ. Базовые навыки, которые должны быть у любого продуктового лидера.
Марти считает, что если компании живут или умирают благодаря продуктам, а команды ориентируются на то, что важно для продуктового лидера, то лидер обязан быть экспертом в создании продуктов. Без этого ничего остального не работает.
С визионерами проблем обычно нет - большинство сильных craft персон также хороши в вижне. Проблема возникает только когда есть два визионера - фаундер и продуктовый лидер. Такие ситуации редко длятся долго.
А вот с операторами все сложнее. Марти выделяет два принципиально разных типа операторов.
Хорошие операторы - это золотой стандарт. Они понимают, что правильное мышление находится в самом центре продуктового мастерства, и именно это нужно развивать на масштабе. Поэтому они увеличивают команды через коучинг и развитие людей. Они умеют направлять большие организации к важным целям и раскрывают лучшие качества продуктовых людей.
Плохие операторы пытаются масштабировать через процессы, используя их как масштабируемую замену мышления. У них хорошие намерения, но результат плачевный. Часто их нанимают из больших известных компаний, которые хороши в угождении стейкхолдерам, но слабы в продукте. И это последнее, что нужно привносить в компанию.
Джобс, кстати, в Lost Interview говорил именно об опасности таких process people. Они могут довести продукты и организации до деградации.
Рекомендации от Кагана по найму просты:
- Во-первых, обязательно нужен кто-то с реальными product craft навыками.
- Если это growth-stage компания или больше, то дополнительно нужны навыки масштабирования craft через сильный коучинг и организационный элайнмент.
- Если фаундер хорош в vision и хочет продолжать в этой роли, то продуктовый лидер должен помогать воплощать это видение в реальность. Если фаундер не силен в vision или его нет, то большинство продуктовых лидеров с сильным craft могут обеспечить необходимое видение.
Формула успешного продуктового лидерства: strong craft + coaching.
Shreyas описывает три архетипа:
Craftsperson - это про продукт. Они лучше всех понимают, что нужно пользователям и как должен работать продукт. Хорошо выстраивают продуктовую стратегию и учат других PM'ов. Предпочитают проводить время с командой разработки и пользователями. В карьере их ценят за способности, и они умеют создавать фичи, которые кардинально улучшают продукт. Слабое место - не умеют работать в больших компаниях с бюрократией и политикой. Им сложно справляться с согласованиями и процедурами крупных организаций.
Operator - про масштаб. Их сила - умение координировать действия. Они превосходно скейлят команды, обеспечивают согласованность между подразделениями и убирают препятствия для работы. Любят общаться с коллегами и топ-менеджментом компании. В карьере их продвигают за потенциал, и они часто притягивают к себе талантливых продактов.
Visionary - это про будущее. Их суперспособность - видеть то, что не видят другие. Они отлично понимают общую картину и изобретают новое. Любят общаться с другими визионерами и пользователями. В начале карьеры ими может быть сложно управлять, и они часто создают собственные компании. Слабые места - проблемы с людьми и неумение масштабировать команды без посторонней помощи.
Но главный вывод от самого Кагана: умение делать продукты (product craft) - это не один из вариантов, а основа основ. Базовые навыки, которые должны быть у любого продуктового лидера.
Марти считает, что если компании живут или умирают благодаря продуктам, а команды ориентируются на то, что важно для продуктового лидера, то лидер обязан быть экспертом в создании продуктов. Без этого ничего остального не работает.
С визионерами проблем обычно нет - большинство сильных craft персон также хороши в вижне. Проблема возникает только когда есть два визионера - фаундер и продуктовый лидер. Такие ситуации редко длятся долго.
А вот с операторами все сложнее. Марти выделяет два принципиально разных типа операторов.
Хорошие операторы - это золотой стандарт. Они понимают, что правильное мышление находится в самом центре продуктового мастерства, и именно это нужно развивать на масштабе. Поэтому они увеличивают команды через коучинг и развитие людей. Они умеют направлять большие организации к важным целям и раскрывают лучшие качества продуктовых людей.
Плохие операторы пытаются масштабировать через процессы, используя их как масштабируемую замену мышления. У них хорошие намерения, но результат плачевный. Часто их нанимают из больших известных компаний, которые хороши в угождении стейкхолдерам, но слабы в продукте. И это последнее, что нужно привносить в компанию.
Джобс, кстати, в Lost Interview говорил именно об опасности таких process people. Они могут довести продукты и организации до деградации.
Рекомендации от Кагана по найму просты:
- Во-первых, обязательно нужен кто-то с реальными product craft навыками.
- Если это growth-stage компания или больше, то дополнительно нужны навыки масштабирования craft через сильный коучинг и организационный элайнмент.
- Если фаундер хорош в vision и хочет продолжать в этой роли, то продуктовый лидер должен помогать воплощать это видение в реальность. Если фаундер не силен в vision или его нет, то большинство продуктовых лидеров с сильным craft могут обеспечить необходимое видение.
Формула успешного продуктового лидерства: strong craft + coaching.
Silicon Valley Product Group
Product Leadership Archetypes - Silicon Valley Product Group
Explore the three archetypes of product leadership - craftsperson, operator, and visionary - and which one is right for your organization.
3❤39🔥4👍2
Forwarded from partially unsupervised
Так как пена релиза GPT 5 улеглась, а потом начались и обратные разговоры, что AI hit the wall, можно поиграть в визионера и поговорить о светлом будущем. Думаю, что партия умеренного оптимизма побеждает в своих прогнозах.
Для начала разметим спектр отношений к AI:
- с одной стороны неолуддиты и скептики, утверждающие про пузырь, стохастических попугаев, умный автокомплит, не умеющие считать r в strawberry и все такое;
- с другой стороны адепты AGI к 2027 и прочие свидетели сверхинтеллекта на видеокартах, туда же паникеры из секты, призывающей бомбить датацентры, пока этот мифический AGI не пойдет максимизировать скрепки и пожирать всех человеков.
Как типичный центрист(слизняк без мнения), считаю, что обе крайности заблуждаются. Окей, судя по последним инкрементальным релизам от всех крупных вендоров, LLM перешли к этапу мелких улучшений. Давайте для модели представим, что фундаментальных улучшений больше не будет, а все талантливые ресерчеры наконец-то уйдут из корпораций пасти гусей. И что?
1. То, как агенты сейчас применяются в software, уже сильно повысило продуктивность. Не только в кодогенерации, но и в смежном: тут и UX-прототипы, и анализ логов, и дебаггинг. Там еще много сырого, и проникновение невысоко за пределами пузыря, но по вайбам - это повышение продуктивности на десятки процентов.
2. Аналогично агенты должны будут проникнуть и во все остальные white collar индустрии. То, что я видел одним глазом за пределами чисто софтверного мира, скорее подтверждает. Для этого надо будет написать очень много софта, устроить миллионы демок, сотни тыщ пилотных проектов и десятки тысяч интеграций, неизбежны миллиарды откатов и тыщи увольнений.
3. Хотя опенсорс модели все еще отстают от sota решений, они уже в целом юзабельные. Anecdotal: на внутреннем бенчмарке я вполне вижу 80% качества за 20% денег опенроутеру (вместо 100% антропику), старик Парето бы порадовался. Даже если вдруг у топ вендоров случится картельный сговор, госрегуляции и железный занавес, на существующих open weights технологиях можно делать полезное.
4. Если волшебное улучшение foundation моделей закончится, нам, простым работягам, будет еще лучше - надо делать умный domain-specific scaffolding и закидывать тест-тайм компьютом, желательно не совсем брутфорсом.
Иными словами: 🐂 bullish на тему вертикальных стартапов в сложных индустриях, интеграторов и инфраструктуры, 🐻 bearish на тему обещаний AGI за $7T, неолуддитов и API врапперов по подписке.
Для начала разметим спектр отношений к AI:
- с одной стороны неолуддиты и скептики, утверждающие про пузырь, стохастических попугаев, умный автокомплит, не умеющие считать r в strawberry и все такое;
- с другой стороны адепты AGI к 2027 и прочие свидетели сверхинтеллекта на видеокартах, туда же паникеры из секты, призывающей бомбить датацентры, пока этот мифический AGI не пойдет максимизировать скрепки и пожирать всех человеков.
Как типичный центрист
1. То, как агенты сейчас применяются в software, уже сильно повысило продуктивность. Не только в кодогенерации, но и в смежном: тут и UX-прототипы, и анализ логов, и дебаггинг. Там еще много сырого, и проникновение невысоко за пределами пузыря, но по вайбам - это повышение продуктивности на десятки процентов.
2. Аналогично агенты должны будут проникнуть и во все остальные white collar индустрии. То, что я видел одним глазом за пределами чисто софтверного мира, скорее подтверждает. Для этого надо будет написать очень много софта, устроить миллионы демок, сотни тыщ пилотных проектов и десятки тысяч интеграций, неизбежны миллиарды откатов и тыщи увольнений.
3. Хотя опенсорс модели все еще отстают от sota решений, они уже в целом юзабельные. Anecdotal: на внутреннем бенчмарке я вполне вижу 80% качества за 20% денег опенроутеру (вместо 100% антропику), старик Парето бы порадовался. Даже если вдруг у топ вендоров случится картельный сговор, госрегуляции и железный занавес, на существующих open weights технологиях можно делать полезное.
4. Если волшебное улучшение foundation моделей закончится, нам, простым работягам, будет еще лучше - надо делать умный domain-specific scaffolding и закидывать тест-тайм компьютом, желательно не совсем брутфорсом.
Иными словами: 🐂 bullish на тему вертикальных стартапов в сложных индустриях, интеграторов и инфраструктуры, 🐻 bearish на тему обещаний AGI за $7T, неолуддитов и API врапперов по подписке.
🔥10❤4
Forwarded from Dealer.AI
Alarm мы уперлись в потолок или как жить дальше в GenAI?
Продолжаем старую тему про развитие текущей парадигмы GenAI. Глянем на это через призму "как ChatGPT стал великим",на самом деле не только он :
1. Декодерная архитектура и парадигма моделирования авторегрессионно и потокенно. Вызов в том, что есть сторонники теории, что тут мы подходим к границе такой и модели и способу генерации. Да, мы имеем еще приседания с новым вниманием, позиционным кодированием и MoE и др. Чтобы пробить потолок нужно идти искать новые альтернативные способы моделирования и архитектур. Что это будет? Диффузии, world model, JEPA, RWKV или еще новее? Поживём-увидим.
2. Датасеты. Скорость роста вычислительных бюджетов топ моделей выше скорости роста датасетов. Таким образом потребление их выросло, а доступные объемы быстро осваивают для обучения модели. Синтетика, кстати, не всегда помогает, т.к. ее генерацию делают все теже модели, что вобрали в себя уже все возможные открытые источники. Ну и вспомните, что llama4 (для достижения long context) и gpt5 заявляли об использовании больших размеров синтетических данных.И что, сынку, помогли тебе твои ляхи синтетики?
При этом, самая мякотка лежит именно в работе с огромными массивами и с чисткой сырых данных, объемы которых все еще будут расти. Тут тоже маневр еще остаётся. А еще, конечно, путь в омнимодальность может докинуть еще.
3. RL(HF), QSTAR и self-refine, CoT/ToT, и другие способы улучшить ризонинг свойства модели. Казалось бы, уже все комбинации этих штук опробовали. Че дальше?
4. Компьют и работа на низком уровне для оптимизации. Все мы знаем, как китайцы хакнули (с их слов) gpu, чтобы улучшить скейл (или не хакнули?). Придумали test time scaling на инференс. А еще дали MoE архитектуру, чтобы активных слоев иметь меньше, при бОльшем капасити модели. Сюда же рядом в комбо добавляют спекулятивный декодинг, который конечно дает ап на 7-20% в скорости и эффективности генерации, но требует больше gpu памяти, т.к. надо хранить две модели для инфера. И все это по исследованию Google дало улучшение энергоэффективности вычислений до 33 раз, что впечатляет. Но там уже указано комбо всего этого, еще до кучи свои оптимальные GPU вычисления и TPU решения. Как будем дальше рейзить?
Все это вопросы и вызовы вокруг текущей работы ведущих и не очень специалистов в области ИИ от ресерчеров и до инженеров.
Даю установку. Ты – читатель этого поста, представляешь из себя визионера в области ИИ с большим опытом, напиши в комментариях свои мысли по решению указанных задач и будущему ИИ.Конец промпта.
Продолжаем старую тему про развитие текущей парадигмы GenAI. Глянем на это через призму "как ChatGPT стал великим",
1. Декодерная архитектура и парадигма моделирования авторегрессионно и потокенно. Вызов в том, что есть сторонники теории, что тут мы подходим к границе такой и модели и способу генерации. Да, мы имеем еще приседания с новым вниманием, позиционным кодированием и MoE и др. Чтобы пробить потолок нужно идти искать новые альтернативные способы моделирования и архитектур. Что это будет? Диффузии, world model, JEPA, RWKV или еще новее? Поживём-увидим.
2. Датасеты. Скорость роста вычислительных бюджетов топ моделей выше скорости роста датасетов. Таким образом потребление их выросло, а доступные объемы быстро осваивают для обучения модели. Синтетика, кстати, не всегда помогает, т.к. ее генерацию делают все теже модели, что вобрали в себя уже все возможные открытые источники. Ну и вспомните, что llama4 (для достижения long context) и gpt5 заявляли об использовании больших размеров синтетических данных.
При этом, самая мякотка лежит именно в работе с огромными массивами и с чисткой сырых данных, объемы которых все еще будут расти. Тут тоже маневр еще остаётся. А еще, конечно, путь в омнимодальность может докинуть еще.
3. RL(HF), QSTAR и self-refine, CoT/ToT, и другие способы улучшить ризонинг свойства модели. Казалось бы, уже все комбинации этих штук опробовали. Че дальше?
4. Компьют и работа на низком уровне для оптимизации. Все мы знаем, как китайцы хакнули (с их слов) gpu, чтобы улучшить скейл (или не хакнули?). Придумали test time scaling на инференс. А еще дали MoE архитектуру, чтобы активных слоев иметь меньше, при бОльшем капасити модели. Сюда же рядом в комбо добавляют спекулятивный декодинг, который конечно дает ап на 7-20% в скорости и эффективности генерации, но требует больше gpu памяти, т.к. надо хранить две модели для инфера. И все это по исследованию Google дало улучшение энергоэффективности вычислений до 33 раз, что впечатляет. Но там уже указано комбо всего этого, еще до кучи свои оптимальные GPU вычисления и TPU решения. Как будем дальше рейзить?
Все это вопросы и вызовы вокруг текущей работы ведущих и не очень специалистов в области ИИ от ресерчеров и до инженеров.
Даю установку. Ты – читатель этого поста, представляешь из себя визионера в области ИИ с большим опытом, напиши в комментариях свои мысли по решению указанных задач и будущему ИИ.
❤15😁8
Мой стандартный флоу на работе: прилетает встреча без адженды, просишь ответным письмом рассказать что за встреча и зачем я там нужен, не отвечают, отклоняешь перед самой встречей, никто потом не приходит и не просит все таки придти, ничего плохого не происходит
1😁113👍22❤7💯5😎3
Forwarded from CX: Стратегическая логика (Михаил Руденко)
Предприниматели, которые мыслят "типа рационально" (т.е. Деньгами) – лукавят. Когда кто-то вам говорит, что он хочет прибыль X млн. в год, то знайте, что его цель – не деньги. Он её представлет не цифрами, он её представляет геликами, яхтами, квартирами в дубае, запущенными заводами или созданными параходами. Картинками в голове, образами.
В нашей глубинной структуре (так мы называем сумму всего пережитого человеком опыта) нет цифр. Там есть символические конструкции, в которых цифры участвуют только как символы, в которые запечатлелись наши переживания: 20 миллионов – это как Гелик. 100 миллионов – это как однушка в Митино. И так далее.
Мы сначала представляем себе желаемое состояние, потом оцениваем его по текущему курсу, а потом – типа рационально – ставим цели.
Кто ставит цели деньгами – просто стестняется своих желаний.
В нашей глубинной структуре (так мы называем сумму всего пережитого человеком опыта) нет цифр. Там есть символические конструкции, в которых цифры участвуют только как символы, в которые запечатлелись наши переживания: 20 миллионов – это как Гелик. 100 миллионов – это как однушка в Митино. И так далее.
Мы сначала представляем себе желаемое состояние, потом оцениваем его по текущему курсу, а потом – типа рационально – ставим цели.
Кто ставит цели деньгами – просто стестняется своих желаний.
👍23❤6💯1
Forwarded from nonamevc
Cloudflare занимает интересное положение в AI мире. защищает 20% интернета, поэтому у них есть leverage заблокировать краулеров по умолчанию и диктовать свои условия с pay per crawl.
у Бена Томасона вышло интервью с основателем Мэттью Принсом.
tldr
1/ Принс родился в Юте. мама по вечерам ходила на курсы по cs в university of utah, часто брала его с собой. это было уже после золотых времен (1960-70е), но наследство важное. там учились основатели Pixar (Эд Кэтмулл), Adobe (Джон Уорнок), Netscape (Джим Кларк).
2/ в университете стало скучно на CS парах, решил изучать английскую литературу и стать юристом. работал в dot-com: сперва помогал делать ipo (летом 1999 провели 6 ipo за лето), потом стал юристом по банкротствам.
3/ занялся юриспруденцией в интернете, написал работу про can-spam act 2003. это был первый серьезный закон против спама, принципиально новая правовая территория. познакомился с Полом Грэмом, у которого еще не было YC. грэм устраивал mit anti-spam conference, пригласил принса с докладом “как сажать спамеров в тюрьму.” из этого родился project honey pot, система отслеживания воровства email-адресов. сайд-проект, где за несколько лет подписалось 100k+ пользователей, которые сами репортили плохие адреса.
4/ основал компанию Unspam. сначала делали одноразовые email-адреса (как apple сейчас). потом превратилось в “do not call для email” - работали с правительствами штатов Мичиган и Юта. создали хеширующую технологию: сравнивали списки маркетологов и государственные списки, при этом ни одна сторона не знала, что у другой.
5/ отец управлял ресторанами включая единственный hooters в Юте. и когда сыну было в районе 30 позвонил: “пора вести семейный бизнес.” принс не мог представить ничего хуже, чем управлять hooters и сказал отцу, что перед этим надо научиться бухгалтерии и поучиться я в бизнес-школе. за месяц подал в 8 бизнес-школ, 7 отклонили, гарвард взял.
5/ в гарварде его CTO ли холлоуэй думал об уходе (его переманивали Google и Facebook). Принс встретился с однокурсницей Мишель Затлин и они решили, что можно сделать
файрвол и поместить в облако?
6/ вдохновился курсом у Кристенсена в Гарварде. применили disruption theory: “предоставим сервис бесплатно, урезанный, но лучше всего остального. потом двигаемся upmarket.” классический подход - начать с underserved market, которым раньше никто не занимался.
все CDN типа Akamai продавали дорогие enterprise решения крупным корпорациям. а мелкие сайты, блоггеры, стартапы оставались без защиты от DDOS и проблем с производительностью. cloudflare сделал базовую защиту бесплатной для всех, постепенно добавляя фичи до уровня enterprise решений.
делал PLG до того, как стало мейнстримом.
7/ считал конкурентом facebook, не другие cdn. логика: без Cloudflare владельцы сайтов сдались бы из-за сложности безопасности, все перешли на платформы.
8/ строили регистратора доменов (“ужасный бизнес”), VPN, платформу разработчиков для себя, потому что никто другой не справлялся с их масштабом. потом гармонично стали продавать на рынок.
9/ сейчас переход от search engines к answer engines. google 25 лет был великим патроном интернета - индексировал контент, направлял трафик, помогал монетизировать через рекламу. была сделка: “мы берем копию вашего контента, взамен посылаем трафик.”
теперь ai chatbots не дают 10 синих ссылок, а сразу ответ. лучше для пользователей, катастрофа для контент-мейкеров. вся бизнес-модель рушится.
принс видит 3 сценария:
- журналисты и исследователи “умрут от голода”
- ai элита станут новыми медичи - сэм альтман купит свой associated press, будет 5 мощных семей контролирующих весь контент
- новая бизнес-модель с revenue sharing
10/ обвиняет perplexity: если не могут получить контент автора, запрашивают у trade desk заголовок и описание статьи, потом выдумывают содержание и публикуют от имени журналиста. “это не copyright, это прямое мошенничество.” и вообще кроулят вэб, чтобы собирать свой индекс, не уважая robots.txt
11/ предлагает $1 с пользователя AI в год в пул для криэйтеров. $10 млрд заменили бы всю рекламную выручку открытого интернета.
у Бена Томасона вышло интервью с основателем Мэттью Принсом.
tldr
1/ Принс родился в Юте. мама по вечерам ходила на курсы по cs в university of utah, часто брала его с собой. это было уже после золотых времен (1960-70е), но наследство важное. там учились основатели Pixar (Эд Кэтмулл), Adobe (Джон Уорнок), Netscape (Джим Кларк).
2/ в университете стало скучно на CS парах, решил изучать английскую литературу и стать юристом. работал в dot-com: сперва помогал делать ipo (летом 1999 провели 6 ipo за лето), потом стал юристом по банкротствам.
3/ занялся юриспруденцией в интернете, написал работу про can-spam act 2003. это был первый серьезный закон против спама, принципиально новая правовая территория. познакомился с Полом Грэмом, у которого еще не было YC. грэм устраивал mit anti-spam conference, пригласил принса с докладом “как сажать спамеров в тюрьму.” из этого родился project honey pot, система отслеживания воровства email-адресов. сайд-проект, где за несколько лет подписалось 100k+ пользователей, которые сами репортили плохие адреса.
4/ основал компанию Unspam. сначала делали одноразовые email-адреса (как apple сейчас). потом превратилось в “do not call для email” - работали с правительствами штатов Мичиган и Юта. создали хеширующую технологию: сравнивали списки маркетологов и государственные списки, при этом ни одна сторона не знала, что у другой.
5/ отец управлял ресторанами включая единственный hooters в Юте. и когда сыну было в районе 30 позвонил: “пора вести семейный бизнес.” принс не мог представить ничего хуже, чем управлять hooters и сказал отцу, что перед этим надо научиться бухгалтерии и поучиться я в бизнес-школе. за месяц подал в 8 бизнес-школ, 7 отклонили, гарвард взял.
5/ в гарварде его CTO ли холлоуэй думал об уходе (его переманивали Google и Facebook). Принс встретился с однокурсницей Мишель Затлин и они решили, что можно сделать
файрвол и поместить в облако?
6/ вдохновился курсом у Кристенсена в Гарварде. применили disruption theory: “предоставим сервис бесплатно, урезанный, но лучше всего остального. потом двигаемся upmarket.” классический подход - начать с underserved market, которым раньше никто не занимался.
все CDN типа Akamai продавали дорогие enterprise решения крупным корпорациям. а мелкие сайты, блоггеры, стартапы оставались без защиты от DDOS и проблем с производительностью. cloudflare сделал базовую защиту бесплатной для всех, постепенно добавляя фичи до уровня enterprise решений.
делал PLG до того, как стало мейнстримом.
7/ считал конкурентом facebook, не другие cdn. логика: без Cloudflare владельцы сайтов сдались бы из-за сложности безопасности, все перешли на платформы.
8/ строили регистратора доменов (“ужасный бизнес”), VPN, платформу разработчиков для себя, потому что никто другой не справлялся с их масштабом. потом гармонично стали продавать на рынок.
9/ сейчас переход от search engines к answer engines. google 25 лет был великим патроном интернета - индексировал контент, направлял трафик, помогал монетизировать через рекламу. была сделка: “мы берем копию вашего контента, взамен посылаем трафик.”
теперь ai chatbots не дают 10 синих ссылок, а сразу ответ. лучше для пользователей, катастрофа для контент-мейкеров. вся бизнес-модель рушится.
принс видит 3 сценария:
- журналисты и исследователи “умрут от голода”
- ai элита станут новыми медичи - сэм альтман купит свой associated press, будет 5 мощных семей контролирующих весь контент
- новая бизнес-модель с revenue sharing
10/ обвиняет perplexity: если не могут получить контент автора, запрашивают у trade desk заголовок и описание статьи, потом выдумывают содержание и публикуют от имени журналиста. “это не copyright, это прямое мошенничество.” и вообще кроулят вэб, чтобы собирать свой индекс, не уважая robots.txt
11/ предлагает $1 с пользователя AI в год в пул для криэйтеров. $10 млрд заменили бы всю рекламную выручку открытого интернета.
Stratechery by Ben Thompson
An Interview with Cloudflare Founder and CEO Matthew Prince About Internet History and Pay-per-crawl
An interview with Cloudflare founder and CEO Matthew Prince about founding Cloudflare from the bottoms up, and why now is the time to leverage the power that followed to enact pay-per-crawl.
👍28❤5🔥2
Forwarded from nonamevc
пост выше был подспорьем для того, чтобы показать стимулы и принципы компании и ее основателя.
вопрос важный. но имхо для билдеров нет времени растекаться в этических чажбах, если ты не заскрапишь, это сделает другой. мое мнение вообще радикальное, если бы сайты просто за $ давали бы доступ к своей elastic search, то всем участникам жилось бы лучше. проблема даже может быть не в праве на контент, а в том, что боты часто создают dos-подобный трафик и это становится заметно на облачном биллинге. а скрапинг нельзя победить, его можно только сделать экономически невыгодным.
думаю, что изначально cloudflare пытался создать маркетплейс где ai краулеры платят за контент который скрапят.
но, почти никто этого не хочет. если продаешь товары или услуги, то хочешь чтобы ai скрапил и давал трафик. чекаут (пока) происходит на твоей стороне.
другой вопрос, с медиа - если контент это продукт, то AI выступает заменителем.
но чтобы маркетплейс сработал, нужен контент который AI краулеры хотят настолько сильно что готовы платить. они хотят две категории: абсолютно все (количество) + лучший уникальный контент.
но лучший контент не будет в маркетплейсе. самые ценные игроки идут самостоятельно (reddit лицензирует напрямую google; nyt напрямую с amazon; wp с open ai).
да и тренд уже шел до LLM: премиум контент уходит за пейволлы (ньюслеттеры), те авторы блогов на wordpress, которых cloudflare защищал 15 лет назад истощились.
cloudflare сейчас делает ограничения на AI скрапинг опциональным (opt out). но получается такой маркетплейс шрёдингера - не может работать пока все не подключатся, но если все подключились, но по мере подключения других участников, стимул отключиться вырастает. индивидуальный оптимум - остаться открытым, получить трафик от больших AI.
вопрос важный. но имхо для билдеров нет времени растекаться в этических чажбах, если ты не заскрапишь, это сделает другой. мое мнение вообще радикальное, если бы сайты просто за $ давали бы доступ к своей elastic search, то всем участникам жилось бы лучше. проблема даже может быть не в праве на контент, а в том, что боты часто создают dos-подобный трафик и это становится заметно на облачном биллинге. а скрапинг нельзя победить, его можно только сделать экономически невыгодным.
думаю, что изначально cloudflare пытался создать маркетплейс где ai краулеры платят за контент который скрапят.
но, почти никто этого не хочет. если продаешь товары или услуги, то хочешь чтобы ai скрапил и давал трафик. чекаут (пока) происходит на твоей стороне.
другой вопрос, с медиа - если контент это продукт, то AI выступает заменителем.
но чтобы маркетплейс сработал, нужен контент который AI краулеры хотят настолько сильно что готовы платить. они хотят две категории: абсолютно все (количество) + лучший уникальный контент.
но лучший контент не будет в маркетплейсе. самые ценные игроки идут самостоятельно (reddit лицензирует напрямую google; nyt напрямую с amazon; wp с open ai).
да и тренд уже шел до LLM: премиум контент уходит за пейволлы (ньюслеттеры), те авторы блогов на wordpress, которых cloudflare защищал 15 лет назад истощились.
cloudflare сейчас делает ограничения на AI скрапинг опциональным (opt out). но получается такой маркетплейс шрёдингера - не может работать пока все не подключатся, но если все подключились, но по мере подключения других участников, стимул отключиться вырастает. индивидуальный оптимум - остаться открытым, получить трафик от больших AI.
❤6🔥2👍1
Аня написала классную инструкцию, как делать продукты с LLM, но на самом деле она применима почти к любому продукту вокруг AI/ML. Это по сути практическое применение принципов, описанных в Stage-Gate.
Telegram
Аня Подображных [Будни продакта]
Однажды мы жестко продолбались и запомнили, как делать не надо :))
Дело было давно — слово GPT только набирало обороты. Мы разработали прототип нашего первого ассистента и решили потестить его на сотрудниках, перед тем как катить на пользователей. Собрали…
Дело было давно — слово GPT только набирало обороты. Мы разработали прототип нашего первого ассистента и решили потестить его на сотрудниках, перед тем как катить на пользователей. Собрали…
❤12😁6
Абсолютно великая, на мой взгляд, реклама Claude от Anthropic. Давно такого кайфа не испытывал. Что-то в духе старого Apple
https://youtu.be/FDNkDBNR7AM?si=c_KB0zjr61uY7zj1
https://youtu.be/FDNkDBNR7AM?si=c_KB0zjr61uY7zj1
YouTube
Keep thinking with Claude
There's never been a better time to be a problem solver.
Claude is the AI collaborator that helps you think deeper—whether you're coding, creating, or reimagining what’s possible.
Keep thinking.
https://claude.com
Claude is the AI collaborator that helps you think deeper—whether you're coding, creating, or reimagining what’s possible.
Keep thinking.
https://claude.com
🔥44😁2
Записки C3PO
Меня размотал ИИ https://poke.com
В общем, он мне предложил подписку за 50 баксов, но я поторговался и смог сбить до 5. Но есть нюанс…
😁74🔥8❤1
Я часто угорал в комментах силоошной в духе «вот когда согласует квантовую механику и теорию гравитации, тогда и поговорим».
Тут оказывается Дойтч и Сама согласились, что это хороший бенч для AGI
https://x.com/slow_developer/status/1971323826332930336?s=46
Тут оказывается Дойтч и Сама согласились, что это хороший бенч для AGI
https://x.com/slow_developer/status/1971323826332930336?s=46
X (formerly Twitter)
Haider. (@slow_developer) on X
Sam Altman proposed a future AGI test:
if a model like "GPT-8" solved quantum gravity and could explain the reasoning behind its discovery
would that qualify as AGI?
David Deutsch agreed that it would qualify as AGI, making it a potential benchmark
if a model like "GPT-8" solved quantum gravity and could explain the reasoning behind its discovery
would that qualify as AGI?
David Deutsch agreed that it would qualify as AGI, making it a potential benchmark
😁30🔥2
Играюсь сегодня с Sora 2. Получается, конечно, адская дичь пока. Фокс ту, фокс ту, факел, факел.
😁32
Наткнулся тут на статью в HBR про важность софт скилов. Срезонировало, ибо по сути такой подход при найме и развитии использовал всегда: базовый фундамент > специализированные навыки.
В статье авторы анализируют данные по 70 миллионам карьерных переходов в США и приходят к выводу, что для долгосрочного успеха и адаптивности важнее не узкоспециализированные, а фундаментальные навыки. К ним относятся умение работать в команде, математическое мышление, адаптивность, коммуникация и навыки решения проблем.
Основные тезисы:
- Фундамент определяет потолок: сотрудники с сильной базой быстрее осваивают новые сложные навыки, со временем получают более высокую зарплату и легче продвигаются на продвинутые роли. Это как в драфте NBA: команды часто выбирают не самых результативных игроков, а тех, у кого есть потенциал, основанный на скорости, ловкости и понимании игры.
- Узкие навыки быстро устаревают: "период полураспада" технических навыков сократился с 10 лет в 80-х до примерно 4 лет сегодня, и продолжает падать. Вспомните Adobe Flash или Hadoop - когда-то востребованные технологии, которые быстро потеряли актуальность. Люди, которые смогли переключиться на новые технологии, сделали это благодаря своей способности к обучению и решению корневых проблем, а не заученным фреймворкам.
- Социальные навыки - это клей: в современной рабочей среде, состоящей из кросс-функциональных и удаленных команд, особенно важны социальные навыки: коммуникация, эмпатия, умение разрешать конфликты. Исследования показывают, что с 1980 года количество ролей, требующих высокого уровня социального взаимодействия, постоянно растет, и именно такие роли получают самые высокие премии к зарплате. Google, к примеру, в своем исследовании Project Oxygen выяснил, что лучшие менеджеры - это в первую очередь хорошие коучи и коммуникаторы.
Это отлично ложится на мой опыт. Например, превратить хорошего Software Engineer в Machine Learning Engineer часто проще, чем ML Researcher'а. У SWE уже есть мощнейший фундамент: системное мышление, навыки декомпозиции, решения проблем, опыт работы в команде и с продакшн левел кодом. Ему нужно лишь развить специфичные для ML скилы и знания. У исследователя может быть глубокое знание математики и моделей, но ему может не хватать инженерной культуры, что для роли MLE критично.
И этот же подход применим не только к найму, но и к собственному развитию. Вместо того чтобы гоняться за очередным хайповым, но узким навыком, который может устареть через пару лет, а сейчас и того раньше, гораздо выгоднее вкладываться в свой «фундамент»: умение решать проблемы, критическое, открытое и системное мышление, коммуникацию и способность быстро учиться. Именно это делает вас адаптивным и ценным специалистом в долгосрочной перспективе, готовым к любым изменениям на рынке.
В статье авторы анализируют данные по 70 миллионам карьерных переходов в США и приходят к выводу, что для долгосрочного успеха и адаптивности важнее не узкоспециализированные, а фундаментальные навыки. К ним относятся умение работать в команде, математическое мышление, адаптивность, коммуникация и навыки решения проблем.
Основные тезисы:
- Фундамент определяет потолок: сотрудники с сильной базой быстрее осваивают новые сложные навыки, со временем получают более высокую зарплату и легче продвигаются на продвинутые роли. Это как в драфте NBA: команды часто выбирают не самых результативных игроков, а тех, у кого есть потенциал, основанный на скорости, ловкости и понимании игры.
- Узкие навыки быстро устаревают: "период полураспада" технических навыков сократился с 10 лет в 80-х до примерно 4 лет сегодня, и продолжает падать. Вспомните Adobe Flash или Hadoop - когда-то востребованные технологии, которые быстро потеряли актуальность. Люди, которые смогли переключиться на новые технологии, сделали это благодаря своей способности к обучению и решению корневых проблем, а не заученным фреймворкам.
- Социальные навыки - это клей: в современной рабочей среде, состоящей из кросс-функциональных и удаленных команд, особенно важны социальные навыки: коммуникация, эмпатия, умение разрешать конфликты. Исследования показывают, что с 1980 года количество ролей, требующих высокого уровня социального взаимодействия, постоянно растет, и именно такие роли получают самые высокие премии к зарплате. Google, к примеру, в своем исследовании Project Oxygen выяснил, что лучшие менеджеры - это в первую очередь хорошие коучи и коммуникаторы.
Это отлично ложится на мой опыт. Например, превратить хорошего Software Engineer в Machine Learning Engineer часто проще, чем ML Researcher'а. У SWE уже есть мощнейший фундамент: системное мышление, навыки декомпозиции, решения проблем, опыт работы в команде и с продакшн левел кодом. Ему нужно лишь развить специфичные для ML скилы и знания. У исследователя может быть глубокое знание математики и моделей, но ему может не хватать инженерной культуры, что для роли MLE критично.
И этот же подход применим не только к найму, но и к собственному развитию. Вместо того чтобы гоняться за очередным хайповым, но узким навыком, который может устареть через пару лет, а сейчас и того раньше, гораздо выгоднее вкладываться в свой «фундамент»: умение решать проблемы, критическое, открытое и системное мышление, коммуникацию и способность быстро учиться. Именно это делает вас адаптивным и ценным специалистом в долгосрочной перспективе, готовым к любым изменениям на рынке.
Harvard Business Review
Soft Skills Matter Now More Than Ever, According to New Research
An analysis of over 1,000 occupations and hundreds of skills—capturing 70 million job transitions—examined the importance of foundational skills (like reading comprehension, basic math, and the ability to work well in teams) to career progression. Those who…
👍36❤10🔥7💯2
This media is not supported in your browser
VIEW IN TELEGRAM
Слили запись сегодняшнего митинга по стратегии
😁56
Forwarded from Радиорубка Лихачёва
Ходит денежка по кругу. Триллионный план инвестиций в AI-индустрии
Все инвестируют друг в друга, накачивая капитализацию. Что-то напоминает, да?
Bloomberg опубликовал материал про денежные потоки в AI-экосистеме. И, главное, визуализировал, как эта схема выглядит — получился мем про план эвакуации при пожаре: просто круг со стрелочками и паника «А-а-а-а-а!».
Вот как работает накачка:
— OpenAI за $500 миллиардов закупает GPU у Nvidia
— Nvidia инвестирует обратно в OpenAI до $100 миллиардов
— OpenAI заключает облачный контракт с Oracle на $300 миллиардов
— Oracle покупает чипы у Nvidia на десятки миллиардов
— OpenAI договаривается с AMD о GPU мощностью на 6 ГВт, а AMD получает опцион на покупку 160 миллионов акций OpenAI
— Microsoft инвестирует в OpenAI, OpenAI арендует мощности у Microsoft
— А ещё есть правительство США, которое получает 10% в Intel и 15% в экспорте Nvidia в Китай, Nebius Воложа, Mistral, xAI…
И так по кругу. Каждая сделка увеличивает капитализацию всех участников, создавая иллюзию бешеного роста рынка.
Прикол в том, что уже ОЧЕНЬ сильно напоминает классические схемы манипуляции рынком. Когда компании инвестируют друг в друга не столько ради реальной выгоды, сколько ради накачки оценок перед инвесторами.
Основной посыл — никогда ещё столько денег не тратилось на технологии без доказанной способности приносить прибыль.
Все инвестируют друг в друга, накачивая капитализацию. Что-то напоминает, да?
Bloomberg опубликовал материал про денежные потоки в AI-экосистеме. И, главное, визуализировал, как эта схема выглядит — получился мем про план эвакуации при пожаре: просто круг со стрелочками и паника «А-а-а-а-а!».
Вот как работает накачка:
— OpenAI за $500 миллиардов закупает GPU у Nvidia
— Nvidia инвестирует обратно в OpenAI до $100 миллиардов
— OpenAI заключает облачный контракт с Oracle на $300 миллиардов
— Oracle покупает чипы у Nvidia на десятки миллиардов
— OpenAI договаривается с AMD о GPU мощностью на 6 ГВт, а AMD получает опцион на покупку 160 миллионов акций OpenAI
— Microsoft инвестирует в OpenAI, OpenAI арендует мощности у Microsoft
— А ещё есть правительство США, которое получает 10% в Intel и 15% в экспорте Nvidia в Китай, Nebius Воложа, Mistral, xAI…
И так по кругу. Каждая сделка увеличивает капитализацию всех участников, создавая иллюзию бешеного роста рынка.
Прикол в том, что уже ОЧЕНЬ сильно напоминает классические схемы манипуляции рынком. Когда компании инвестируют друг в друга не столько ради реальной выгоды, сколько ради накачки оценок перед инвесторами.
Основной посыл — никогда ещё столько денег не тратилось на технологии без доказанной способности приносить прибыль.
Альтман «способен обрушить мировую экономику на десятилетие или привести нас всех в землю обетованную», — написала Стейси Расгон, аналитик Bernstein Research, в заметке для инвесторов на этой неделе. «Прямо сейчас мы не знаем, что за карты у него в руке».
🔥12🤯4👍3❤2