Бизнес-архитектор: Финансы, Путешествия и Роботы

В проверке контрагентов есть вечная проблема: информационный шум. Система часто выдает одинаковый «ахтунг!» и на пустую сплетню в СМИ, и на реальный судебный иск. Когда всё вокруг красное, глаз замыливается. Риск-менеджер либо перестраховывается и блокирует нормальные сделки, либо просто перестает верить уведомлениям. В Тендерботе в блоке юррисков мы решаем это через модуль Risk Memory и расчет понятного индекса Как это работает? (взгляните на картинку) Мы не просто суммируем «плохие новости»...

Многие смотрят на льготы ИТ-компаний как на сложную бюрократию. Но давайте посчитаем «выхлоп» на конкретных цифрах нашего ФОТ. 💰 Кейс в цифрах У нас годовой ФОТ (начисления) составляет 35 млн рублей. • В 2025 году: благодаря ИТ-льготе (ставка страховых взносов 7,6% вместо обычных 30%), мы сэкономили около 6 млн руб. • В 2026 году: правила игры и границы налоговых баз меняются. Мы пересчитали прогноз: экономия составит около 4,5 рублей. Что такое 4,5 млн рублей экономии? Кажется, что «выгода падает». Но посмотрите на это иначе: 4,5 млн в год — это ~375 000 рублей в месяц. Этих денег хватает, чтобы полностью закрыть расходы на топового специалиста с зарплатой 300 000 руб...

Я вижу заметный сдвиг: платформы одновременно удешевляют доступ к мозгам нейросетей и встраивают чат прямо в момент покупки. Это уже не спор «чья модель умнее». Это битва за маржу, риск-контур и за то, кто в итоге будет владеть клиентом. OpenAI раскатывает ChatGPT Go. В США это всего $8/мес за GPT-5.2 Instant с огромными лимитами. Плюс — они начинают осторожно тестировать рекламу. Важно: ответы нейросети не будут зависеть от рекламных блоков, а данные не продадут брендам. Но факт остается фактом: ChatGPT становится массовым и доступным инструментом для каждого...

В X5 Tech классно описали то, что многие на практике чувствуют, но редко формулируют: генерация по одному промпту похожа на оркестр без нот. Каждый запуск разный, а бренду нужна повторяемость. Что у них сработало: они превратили генеративный ИИ из лотереи в управляемый пайплайн. Скорость производства визуала выросла почти вдвое, часть команд отказалась от фотостоков или сильно сократила их использование, а 40-45% визуального контента «Пятёрочки» и «Чижика» делается с участием ИИ. 📌 Ключевой управленческий вывод Стиль - это не «вкусовщина», а контракт: структура, палитра, фактура, допуски...

Мозг сразу выдал аналогию: это как попытка переставить экран или процессор в айфоне. Только вместо айфона — человек, а донор — хрюшка. Проблема ровно та же, что и с неродной деталью: система защиты видит «чужое» и начинает это дело выносить. Только тут не iOS, а иммунитет. По сути, сейчас ученые пытаются взломать системную защиту организма, чтобы неродные компоненты все-таки работали вместе. Пока результаты приземленные — говорят о 2-3 месяцах жизни органа. Это стадия прототипа. Следующим шагом логично видится выращивание уже полностью человеческих органов, как развитие этой же технологии...

Где ИИ уже управляет деньгами (и как именно) Продолжим. После разговоров про «ИИ-CEO» всегда возникает логичный вопрос: где ИИ уже реально управляет деньгами, а не презентациями? Ответ короткий: в финансах ИИ допустили к деньгам раньше, чем в любом другом контуре. И именно там лучше всего видно, что работает, а что ломается. 📌 Где ИИ уже торгует и принимает финансовые решения 1) Кванты и хедж-фонды (институциональный уровень) В крупных фондах и управляющих компаниях машинные модели давно: • генерируют торговые сигналы; • оптимизируют портфель; • исполняют сделки; • держат риск в рамках лимитов...

Тема «ИИ-руководителя» звучит всё громче. Агентные системы, автономные решения, «цифровые CEO». Но если убрать презентационный шум и посмотреть на практику - картина гораздо строже. Если коротко: ИИ уже управляет. Но не бизнесом целиком, а отдельными управленческими контурами. 📌 Что ИИ уже делает уверенно ИИ хорошо работает там, где: • есть формализуемая цель; • есть данные; • есть цена ошибки. Поэтому сегодня ИИ реально управляет: • запасами и логистикой; • динамическим ценообразованием; •...

Прочитал на Хабре заметку про spec-driven development и поймал себя на мысли: это не про «как лучше промптить». Это про управляемость. Когда ИИ пишет код быстро, размытые требования превращаются в огромные MR и бесконечные правки. Симптом знакомый: «написали много, а что именно хотели - так и не ясно». Мой рабочий рецепт на 7 шагов (и он одинаково годится и для Python-сервисов, и для агентных штук): 1. 🎯 Зафиксируйте контракт фичи Одна страница: проблема, границы, что НЕ делаем, критерии приемки (проверяемые), 2-3 примера вход-выход...

Набившая оскомину аксиома: «меньше бюрократии - быстрее решения». В целом не врут. Знаете, когда в компании появляется первая формальная процедура? Не когда «повзрослели». А когда случилась чувствительная потеря денег: недозаработали или налетели на лишние расходы. Почему так бывает? Один подумал, что другой сделает «как обычно». Третий в это время сделал по-своему. Итог - спор, откат, деньги, срок. Процедуры часто написаны «пролитой кровью и потерянными деньгами». Это не про любовь к регламентам, это про 🛡️ риск-контур...

» Я люблю смотреть на это глазами собственника: сколько стоит ваш информационный шум. Часто проблема не в людях, а в настройках системы. В статье, которая мне понравилась, рабочий день сводят к трем ручкам: • λ (лямбда): сколько прерываний в час • Δ (дельта): сколько минут уходит, чтобы снова «въехать» в задачу • θ (тета): сколько непрерывного времени нужно, чтобы это была настоящая работа ⏱️ Автор берет цифры из исследований: в среднем около 7,5 уведомлений в час (почта + мессенджеры), а возврат в концентрацию после прерывания может занимать 10-16 минут...

” Самый важный сдвиг ближайших лет не в том, что LLM стали умнее. А в том, что ИИ начал получать руки, датчики и право нажимать кнопки. То есть он может не только отвечать на входные данные человека, а сам обогащать знания через эксперимент. 📌 Два поля, где это уже происходит 1. Self-driving labs: автономные лаборатории, где ИИ сам выбирает следующий опыт, запускает оборудование, снимает измерения и обновляет гипотезу. Это не “автоматизация лаборатории”, а замкнутый цикл: планирование - действие - измерение - обучение...

? Я все чаще ловлю себя на мысли: начинающие фаундеры ходят по кругу с вопросом “какие слабые стороны вы видите?”. Вопрос нормальный, но он редко про победу. Победу дает сила - то, что рынок оплачивает и что инвестор считывает за полминуты. Сила часто перекрывает слабости: можно быть средним в упаковке, если у вас железный канал продаж или уникальные данные. А вот “мы решаем проблему” - это база. Как на татами: все умеют бороться. Есть любопытная подсказка из исследований про людей. По данным Gallup, когда человек использует сильные стороны каждый день, он в 6 раз более вовлечен...