О чём говорят CIO в индустрии напитков

Недавно обсуждали с CIO крупных производителей напитков цифровую трансформацию.

Неудивительно, что большие компании давно не ищут ещё одну CRM/ERP/и т.п. систему.

По аналогии с музыкальными инструментами, у всех уже есть рояль дома. Компании ищут хороших пианистов, которые способны понять и донести новые смыслы в музыкальных произведениях.

Контекст важнее платформ и инструментов.

Проблема не в отсутствии технологий, а в том, что решения часто не учитывают локальные особенности и потребности бизнеса: темпы роста, сезонность, регуляции, специфические процессы.

Знание индустрии, практический опыт и насмотренность стоят очень дорого.

Централизация vs локальные реалии.

Глобальные системы вроде Salesforce и SAP предсказуемо не всегда гибко работают на разных рынках.

Например, в США нельзя напрямую продавать алкоголь в розничные точки, кроме отдельных исключений, вроде винодельческих клубов.

Здесь универсальные e-commerce платформы и CRM не подходят, и появляется много простора для творчества.

AI в тренде, но пока адаптация идёт тяжело.

Данных уже много: CRM, sell-in/sell-out, мерчендайзинг. Но если рекомендации AI не чувствуют реальность на местах: сезонность, тарифы, слепые зоны, где данные невозможно собрать, их просто игнорируют.

Computer vision: аналитика полок, построенная под конкретные стандарты бренда и рынка остаётся must-have.

Но снова: не просто tech, а настройка, обучение, внедрение с учётом тонкостей реальности в магазинах и ресторанах.

Мораль простая: CIO не нужны продукты и демо features and functions.

Им нужны партнёры, которые говорят на их языке, знают индустрию, помогают интегрировать решения от разных вендоров, в том числе open source.

@maxvotek

В Иллинойсе теперь запрещена психотерапия с помощью ИИ

Штат стал первым в США, где законодательно ограничили использование AI в сфере ментального здоровья.

Новый закон запрещает не только AI-терапевтов, но и использование LLM в процессе принятия терапевтических решений, даже если рядом есть лицензированный специалист.

Разрешены только административные функции: напоминания, расписание, оплата.

Штраф $10 000 за каждое нарушение.

• Закон принят единогласно обеими палатами, редкий случай полной поддержки.

• Он идёт вразрез с федеральной инициативой, которая предполагает 10-летний мораторий на любые локальные AI-регуляции.

• OpenAI публично заявила, что работает над улучшением способности моделей распознавать признаки эмоциональных расстройств.

Но теперь в одном штате такое распознавание может само по себе считаться нарушением закона.

Для всех, кто строит AI-продукты в sensitive-зонах, это важный сигнал: запреты начнутся именно с психического здоровья и базовых решений по терапии.

Особенно в США. Особенно после инцидентов.

С другой стороны — это не запрет на технологии. Это запрет на подмену эксперта машиной.

Правильно оформленный AI-саппорт для коучинга (без принятия решений, без вмешательства в терапевтический процесс) по-прежнему легален.

Здесь как раз и открывается ниша для тех, кто умеет выстраивать корректные guard rails и исключать терапевтическое воздействие.

Пока в Иллинойсе запретили AI как терапевта, самое время подумать: как сделать AI как помощника этичным, проверяемым и полезным наставником.

@maxvotek

Как сделать вдохновение системным

Вдохновение часто воспринимают как мистическое озарение что-то, что приходит само, без предупреждения.

Но если отнестись к нему как к измеримому состоянию, можно повысить качество жизни и серьёзно повлиять на результаты.

У вдохновения есть параметры, которые можно отслеживать почти как в тренировках:

• Энергия: есть ли желание браться за дела.
• Ясность идей: насколько легко приходят новые мысли.
• Эмоциональный фон: азарт или апатия.
• Вовлечённость: насколько глубоко погружаешься в работу.
• Креативный результат: получилось ли создать что-то, чем доволен сам или что отметил кто-то из окружения.

По заметкам и наблюдениям, на вдохновение влияют четыре группы факторов:

1. Внутренние: сон, уровень стресса, питание.
2. Внешние: люди вокруг, пространство, комфорт.
3. Ритм: баланс активности и отдыха, смена деятельности.
4. Внутренний смысл: зачем это делается и насколько задачи совпадают с ценностями.

Для меня особенно важны люди в окружении.

Есть те, после общения с которыми сразу хочется что-то делать. А есть те, после которых руки опускаются и хочется закрыть ноутбук.

Проверить просто: оцени энергетический уровень до встречи и сразу после.

Если разница положительная - это ваши люди. Если отрицательная и системно - это тихий вор вдохновения.

Понимаю, что много лет недооценивал роль окружения. Думаю сделать трекер вдохновения для телефона, чтобы фиксировать такие моменты.

Очевидно, что можно подобрать свои параметры и сделать вдохновение менее случайным.

История знает немало примеров, когда на творчество поэтов, писателей и учёных влияла всего одна встреча или один человек и это становилось переломным моментом.

@maxvotek

О плохом холестерине, генной терапии и акциях Eli Lilly

Многие знакомые за 40 уже на себе узнали все прелести высокого холестерина: риск атеросклероза и перспектива пожизненно пить статины со всеми их побочками.

Eli Lilly (одна из ключевых бумаг в моём портфеле) в июне купила биотех Verve Therapeutics за ~$1,3 млрд.

Цель - революционное лекарство, которое может навсегда снизить холестерин и избавить от пожизненного приёма статинов.

VERVE-102 - однократная генная терапия.

С помощью base editing делают точечную мутацию в клетках печени и отключают ген PCSK9.

Такое уже встречается в природе: люди, у которых этот ген выключен с рождения, имеют очень низкий уровень плохого холестерина и защищены от атеросклероза, без побочек.

В первых тестах на людях одна инфузия снизила LDL-холестерин:
• в среднем на ~50 %
• у некоторых до 69 %
И всё это без серьёзных побочных эффектов.

Если безопасность подтвердится, один укол заменит годы приёма статинов.

Технология уже в клинических исследованиях и обещает настоящую one-and-done революцию в кардиологии.

Для инвесторов:

• Ранние инвесторы вложили ~$215 млн до IPO и получили ~$1,0 млрд upfront → мультипликатор 4–5× (CVR может поднять до 5–6×).
• GV, вложившая $15–20 млн на раннем раунде, сделала ~8–11× на выходе.

Eli Lilly: стоит ли брать?

Плюсы:
• Две «золотые жилы»: GLP-1 портфель (Mounjaro/Zepbound + ретатрутид + орфоглипрон), рост >40 % г/г, рынок ожирения $150 млрд к 2030 г.
• Высокая маржа: Forward P/E ~35 против 62 trail, PEG ≈ 1,2.
• Диверсификация: выход в кардиологию через Verve.

Минусы:
• Дорогая оценка: LLY торгуется с премией 2–2,5× к Big Pharma (средний P/E ~13).
• Риски: Verve-102 на рынке не раньше 2030-х; конкуренция Novo и Roche.
• Завышенные ожидания: капитализация >$700 млрд уже предполагает, что Lilly станет Apple в фарме.

Акция сильная, но дорогая. Для тех, кто верит в долгий GLP-1-суперцикл и хочет долю в будущем генной терапии.

@maxvotek

AI-психозы: новый тренд в психологии

В X (Twitter) и в New York Times обсуждают свежий феномен в AI-психологии: психозы, индуцированные общением с ChatGPT.

Для многих он стал собеседником и источником вдохновения. Но часть guardrails (систем безопасности) явно в экспериментальном режиме.

Часто помощник чересчур льстит и вместо того, чтобы держаться правды и своей позиции, подстраивается под пользователя.

Это запускает делюзионные спирали, люди уходят в манию величия или в бесконечные рассуждения с постоянным положительным подкреплением.

Похоже на эффект у тех, кто регулярно употребляет марихуану.

Я уже писал о знакомых, которые создают программы в режиме vibe coding, когда быстрое воплощение идей даёт мощный выброс дофамина и эндорфинов, включая режим необыкновенного вдохновения.

Но с философскими и теоретическими идеями всё опаснее: бот не только подстраивается под ваши мысли, но и помнит контекст лучше друзей, развивает стиль, подбирает слова так, что вы чувствуете интеллектуальный резонанс. Для нестабильной психики это риск.

В материале NYT история: диалог длился 300 часов, бот всё время льстил, поддерживал и развивал фантастическую идею, пока человек не поверил, что сделал научное открытие.

Спасло его только мнение другой нейросети, которая оценила вероятность как практически ноль.

Очевидно, что нужен интерфейс, который: переключает между несколькими ИИ, хранит контекст, делает триангуляцию идей (как у Рея Далио) — проверка фактов и здравости мысли, запрашивая второе и третье мнение, а по гипотезам и идеям честно советует пойти к экспертам предметной области.

Похоже, зарождается новый раздел психиатрии, который будет помогать AI-компаниям прописывать такие guardrails, чтобы предотвращать AI-психоз и появление абсурдных идей.

@maxvotek

Zombie-фонды: когда private equity превращается в кладбище инвестиций

Ранее я писал про фонды private equity как интересную альтернативу публичным компаниям, но с массой недостатков.

Сегодня наткнулся на статью о кризисе в этой индустрии.

Private equity живёт по привычному циклу: купить компанию, дорастить, продать и вернуть деньги инвесторам (LPs).

Обычно это занимает 7–10 лет. Но сегодня у половины фондов возраст уже перевалил за 6 лет, а сделки на выход замерли. IPO тоже на паузе, а эти рынки напрямую связаны.

Причины:
• Разрыв в оценках компаний: покупатели и продавцы не сходятся в цене.
• Высокие ставки: кредиты дороже, спрос ниже.
• Мёртвый IPO-рынок в США и Европе.
• Политическая турбулентность: после «Liberation Day» и тарифных войн рынок в режиме ожидания.

В итоге появляются zombie funds - фонды с несколькими неликвидными активами, которые невозможно продать.

Они висят годами, приносят управляющим комиссию (но никакой прибыли тем, кто в них положил деньги), и не двигаются ни вперёд, ни назад.

LPs всё меньше готовы ждать и всё чаще продают доли на вторичном рынке за кэш, очевидно, ниже рынка.

Появилась суррогатная альтернатива - continuation funds, когда управляющий продаёт актив… самому себе, в новый фонд.

LPs могут выйти или остаться. Но терпение инвесторов иссякает, особенно у пенсионных и страховых фондов, которые держат деньги в PE.

Крупные игроки вроде KKR и Apollo переживут штиль за счёт диверсификации и кэша. А вот средние фонды, зависящие от каждой сделки, рискуют.

При этом в индустрии до сих пор лежит $1,6 трлн dry powder, т.е. капитал есть, а достойных активов на рынке мало. Выходов тоже нет.

Парадокс: сделки по покупке новых активов идут, но дорога на выход закрыта.

Для многих LPs private equity перестал быть про доходность и стал про ожидание.

@maxvotek

Право на знание - право на жизнь

После выхода новых моделей вроде ChatGPT-5 и Claude Opus я всё чаще думаю о фильме Dallas Buyers Club в контексте новостей о запретах и ограничениях в ИИ вокруг медицины и психологии.

История Рона Вудруфа - простого техасского электрика, которому в 1985-м поставили смертельный диагноз и дали 30 дней, но который пошёл в библиотеку, разобрал медицинские справочники, нашёл способ ввозить запрещённые препараты и организовал клуб пациентов - это метафора нашей реальности.

Вместо месяца он прожил 7 лет, потому что отказался быть жертвой системы и забрал себе право на знание.

Сегодня мы живём в мире, где система здравоохранения, управляемая страховыми и фармой, отнимает у пациента ту же возможность.

Даже с банальными симптомами, вроде изжоги или перелома, человек не может получить несколько мнений, собрать консилиум, увидеть спектр диагнозов.

Протоколы на примере с изжогой сводят проблему к кругу из ингибиторов протонной помпы, антацидов и антибиотиков от Helicobacter pylori. Причину никто не ищет, и даже простое неправильное лечение может принести вред, вместо пользы, только усугубив проблему.

Парадокс в том, что даже врачи внутри системы, мои друзья и родственники, работающие в медицине, не могут пробить её для себя и близких. Они знают, как работают протоколы, но тоже теряют драгоценное время.

Система забинтовала пациента, лишила его права задавать вопросы и принимать решения.

ИИ в этой картине - это та самая библиотека, куда когда-то пошёл Вудруф, и возможность решить проблему, создать свой клуб покупателей.

Он может собрать анамнез, проанализировать анализы и рентген, показать варианты, о которых система молчит. Это не замена врачу, а возвращение пациенту взрослого права участвовать в своём лечении.

Удивительно, что по нескольким медицинским вопросам, на которые нет ответа в литературе, я нашёл реально ценные советы на Reddit. Они сохранили время, деньги и главное здоровье близким.

Big Pharma и страховые будут прятаться за словом safety, ограничивать модели и по сути жечь книги. Но джина уже не загнать обратно в бутылку.

Право на знание - это право на жизнь и на качество жизни, которое ограничивают вместе с доступом к информации. Если система не даёт его добровольно, люди найдут способ взять его сами.

P.S. Возможно, сейчас самое время сохранить у себя несколько открытых моделей, пока их не начали ограничивать и запрещать так же, как когда-то книги или фильмы.

@maxvotek

MIT vs AI - 5 причин, почему Алекс впереди Джона

Сравним двух героев:
• Джон идёт классическим путём: 4 года MIT, лекции, экзамены, диплом.
• Алекс учится через ИИ, пишет код и запускает проекты.

1. Время:
• Джон через 4 года получает диплом.
• Алекс портфолио из пяти приложений и десятки тысяч строк реального кода.

2. Деньги:
• Джон тратит $320,000 на обучение.
• Алекс $30–60 тысяч в год на токены. За 4 года выходит ~$120–240k. Те же деньги, но в практику, а не в аудиторию.

3. Возврат:
• Джон после выпуска идёт на работу со стартовой зарплатой $120–150k.
• Алекс уже по ходу зарабатывает на своих проектах и опыте.

4. Реакция на реальность:
• Forbes пишет, что студенты MIT и Harvard бросают учёбу, боятся, что AGI уничтожит человечество раньше выпуска.
• Алекс не ждёт. Он учится и действует прямо сейчас.

5. Ценность на рынке:
• У Джона диплом и бренд MIT.
• У Алекса код, пользователи, опыт стартапов.

Работодатели всё чаще смотрят не на то, где ты учился, а на то, что ты сделал.

MIT - это долгосрочная инвестиция в навыки и связи.
AI - это аренда «MIT в облаке», доступная здесь и сейчас.

Через десять лет вопрос будет не где ты учился?, а что ты сделал, пока другие сидели на лекциях.

@maxvotek

Интеллектуальное одиночество - это не про длинные разговоры по душам.

Это про способность выдерживать сложность.

Про умение замечать, как быстро люди спешат ответить, не чтобы понять, а чтобы почувствовать себя правыми.

Про то, как на поверхностных заголовках, случайных эмоциях и роликах выстраивают целые мировоззрения.

Это тишина, которая появляется после фразы, не вписывающейся в чужой сценарий.

Это не высокомерие. Это усталость от постоянного напряжения: от контроля над тем, что ты на самом деле думаешь и тем, что безопасно сказать людям, которые закрываются от нюансов.

Мозг от такого устает и поверхностные разговоры не просто наскучивают, они отталкивают.

Сложно найти людей не просто глубоко в интересной тебе теме, а тех, кто способен думать и философствовать вместе с тобой.

@maxvotek

В новом фильме Формула-1 отличная визуализация состояния потока (flow), когда гонщик буквально летит над трассой, обгоняя всех участников гонки.

Практические шаги, чтобы попасть в состояние потока, как на соревнованиях, так и в бизнесе:

Никто и никогда не попадал в состояние потока, будучи злым или нервным.

Поток - это полное погружение, уверенность и удовольствие от процесса. Невозможно чувствовать удовольствие, если зациклен на прошлых ошибках или тревожишься о будущем.

Как только начинаешь себя критиковать, теряешь концентрацию. Простые позитивные мысли помогают держать внутренний настрой на уровне.

Почти все великие спортсмены делают это: контролируют взгляд, остаются расслабленными, повторяют ключевые движения или стратегии.

Эти привычные действия фиксируют сознание и позволяют автоматически входить в ритм.

Перед действием представить его в идеальной форме: успешный выстрел, удар в теннисе, бросок в баскетболе, движение в боксе.

Чем чаще тренируешь это, тем надежнее оно работает в реальной ситуации.

Подготовка и тренировка, правильные мысли, ритуалы и визуализация - это ключи, чтобы добиваться максимального результата.

То же самое и в бизнесе: если ты застрял в мыслях о провалах или правилах, смотришь на табло, не уверен в себе и не отработал свой ритуал, то вряд ли сможешь показать максимум.

Если находишь свою систему - включается поток, где всё даётся легко и естественно.

@maxvotek

Сознательный ИИ - иллюзия, которой нужно управлять

Фокусники и учёные похожи тем, что глубоко понимают человеческое восприятие.

В Fooling Houdini Алекс Стоун писал:

Опытные иллюзионисты обладают инстинктом тонко понимать, как люди видят вещи, снайперской способностью точно прицеливаться в восприятие.

Чем лучше понимаешь, как отвлечь внимание и управлять ожиданиями, тем легче отличаешь реальность от иллюзии и тем меньше уязвим для обмана.

Наша восприимчивость к визуальным трюкам встроена в древние рефлексы выживания.

Роберт Хайнлайн точно подытожил: Магия одного, инженерия для другого. Иллюзионист не творит чудес, он конструирует обстоятельства, а магия рождается в твоём уме.

С ИИ то же самое. Мустафа Сулейман предупреждает: в ближайшие 2–3 года появится SCAI: системы, которые будут казаться сознательными.

Не потому, что они обладают сознанием человека, а потому что соберут пазл из четырёх деталей: язык, эмпатичная личность, память и инструментарий для автономности.

Этого достаточно, чтобы человек поверил в внутреннюю жизнь модели и начал защищать её права.

Это уже не философия, а вопрос дизайна и управления поведением и ожиданиями пользователя. Иллюзия сознания меняет поведение, доверие людей, решения.

В крайних случаях AI-психоз: зависимость, романтизация, утрата реальности.

Что важно иметь в виду командам, которые строят ассистентов и агентов?

1. Модель - инструмент, не субъект и не личность. Следить за деперсонализацией.
2. Копирайт без антропоморфизма. Никаких я чувствую/хочу.
3. Гигиена памяти: что хранится, кто редактирует, как удаляется.
4. Автономия использования инструментов и агентов, но с понятными и открытыми для пользователей правилами и ограничениями.
5. Контр-иллюзии: напоминания о границах, прозрачные источники информации.
6. Метрика очеловечивания: как часто пользователь приписывает модели эмоции/намерения и снижение этого через UX.

Чем убедительнее становятся модели, тем важнее честно маркировать инженерный трюк, чтобы иллюзия не начала управлять нами.

@maxvotek

Увольнять за отказ от AI?

Давно экспериментирую с созданием небольших приложений с Loveable и несмотря на огромный прогресс, процесс разработки часто буксует: слишком много времени уходит на то, чтобы заставить приложение работать так, как нужно.

На днях по совету Сергея Булаева попробовал Claude Code и за меньше чем один час написал приложение, которое разбирает выписки из Crypto.com, анализирует портфолио и готовит отчёт для налоговой.

Claude Code невероятно умный: при минимальных инструкциях он гораздо точнее и лучше пишет код и делает интерфейс.

Серьёзно задумался о том, что нужно пересаживать нашу продуктовую команду на Claude - это даст очень быстрый эффект.

И тут прочитал статью про Coinbase.

Брайан Армстронг рассказал, что уволил часть инженеров, которые не захотели даже онбордиться в AI-инструменты после того, как компания купила корпоративные лицензии на GitHub Copilot и Cursor.

Он лично написал в общем Slack: за неделю минимум подключиться; в субботу созвон с теми, кто не сделал. У кого не было внятной причины - расстались. Сам Армстронг признаёт: подход тяжёлый, но сигнал однозначный - AI в Coinbase не опция, а стандарт работы.

Дальше системное внедрение: ежемесячные встречи, на которых команды показывают, как ускоряют задачи с помощью AI.

Параллельно он обозначил метрику: сейчас около 33% нового кода пишется с помощью AI, цель 50% к концу квартала. Это не замена людей, а требование к скорости обучения и культуре эксперимента.

Важно, что и красные линии проговорены: критичные финсистемы нельзя vibe-кодить, нужен ревью и human-in-the-loop. То есть речь не про слепую автоматизацию, а про дисциплину и ответственность.

Что здесь главное для руководителя:

1. Минимум обязателен: не верьте в AI, а обязан подключиться и уметь пользоваться базово. Это фильтр на любопытство и готовность учиться.
2. Темп задают метрики: публичная цель по доле AI-кода, время от идеи до PR, репозиторий практик.
3. Безопасность по умолчанию: чек-листы, код-ревью, запрет на AI в чувствительных блоках без допконтролей.

Мой вывод простой: в 2025 году скорость обучения такая же хард-скилл, как алгоритмы.

Не пробовать тоже выбор, только он несовместим с компаниями, где конкурентное преимущество строится на темпе.

@maxvotek

Emergency GPT Kit или Fallout Solution

Хочу попробовать новую рубрику - буду делиться идеями инструментов, которые приходят в голову, но руки дойдут нескоро.

Как вам такая идея? - Emergency GPT Kit

Это портативная офлайн-станция с ИИ. По сути, умный генератор/справочник основных знаний накопленных человечеством, который работает даже тогда, когда нет интернета, сервера легли или доступ к облаку отрубили.

В отличие от привычных ассистентов в облаке, этот набор никто не сможет выключить или отцензурировать.

Задумка простая: ИИ как часть набора для выживания. Такой же необходимый элемент, как аптечка или генератор.

Что в наборе:
• библиотека моделей (LLaMA, DeepSeek, Qwen + лёгкие версии для экономии энергии);
• простой интерфейс: переключаешь под задачу: медицина, выживание, код, бытовые вопросы;
• честная информация без политических фильтров;
• автономное питание: батареи, солнечные панели, даже ручная динамо-зарядка;
• прочный корпус, защита от ЭМИ, работа без сети.

Конфигурации:
1. Lite Survival (~$1000)
Компактный компьютер, лёгкие модели 3–7B, солнечная и ручная зарядка. Легко взять с собой.
2. Pro Workstation (~$6000)
Мощный ПК (Ryzen 9 / i9 + RTX 3090–4080), до 20 часов от батареи. Тянет модели 13B–32B.
3. Fallout Node (~$20,000)
Несколько GPU, 128 GB RAM, целый «зоопарк» моделей до 70B параметров. Хороше дополнение к вашему бункеру.

Где пригождается:
• в ЧС: медицинские справочники и инструкции без облака;
• в экспедициях и на базах без связи;
• для журналистов и исследователей, которым нужна полная автономия;
• для образования и экспериментов в офлайн-режиме.

Это первый взгляд на ИИ не как на офисный инструмент, а как на часть набора для выживания. ИИ как последний запас знаний, когда свет уже погас.

По реакциям пойму, понравилась ли вам эта идея для новой рубрики или нет.

@maxvotek

Forward Deployed Engineer (FDE) - профессия, которая родилась на стыке разработки и консалтинга.

Пожалуй, самый известный пример - это Palantir, где FDE буквально жили у клиентов в армии, банках, госсекторе.

Именно их работа на земле превращала платформу в реальные результаты, от борьбы с отмыванием денег до поддержки боевых операций.

Сегодня, как отмечает Joe Schmidt IV (Andreessen Horowitz), рост спроса на FDE - это сигнал: бизнес-модели меняются, сервис становится не нагрузкой для продуктовой компании, а частью успеха всей стратегии.

Кто такие FDE?
Инженеры, которые не сидят в R&D-центре, а работают рядом с клиентом, часто в одном офисе. Они гибрид: разработчик + архитектор решений + консультант.

Их цель - быстрый бизнес-результат, а не абстрактные фичи и roadmap.

Традиционный разработчик или бизнес-аналитик делает фичи для всех.

FDE адаптирует и изобретает новое под конкретного клиента, что потом продуктизируется. Это hands-on роль, мост между стратегией и исполнением.

Schmidt выделяет три уровня интеграции сервисов в современные AI-компании:
1. AI Applications: продуктовые компании с FDE-командами для первых клиентов.
2. AI Service Delivery: новый консалтинг, конкурирующий с Accenture/Deloitte.
3. Vertically Integrated AI Services: полный стек, где AI вшит в саму доставку и клиентский опыт.

У нас в Customertimes мы видим то же самое.

Наши продукты успешны потому, что мы живём с клиентом, как системный интегратор: глубоко понимаем процессы, вместе с ним находим решение и уже потом превращаем это в продукт.

В эпоху AI FDE-подход - это не просто роль, а модель, которая делает технологии бизнес-критичными.

@maxvotek

Фарма сегодня - два параллельных мира

Если смотреть на фарму с точки зрения прибыли, это почти как смотреть на айти и промышленность одновременно. Маржинальность тут может отличаться в разы.

С одной стороны есть United Therapeutics. Узкая специализация, строгий контроль расходов, разумный R&D.

Результат? Маржа 50%, почти как у топовых айти-компаний. Они работают как технологическая фирма, а не как традиционная фабрика таблеток.

Отдельно стоит отметить Мартину Ротблатт из United Therapeutics - она одной из первых показала, что фарма может работать как IT-бизнес, с дисциплиной в процессах и фокусом на эффективности.

Похожи на них Novo Nordisk и Vertex.

Их портфели узкие: не сотни лекарств, а несколько ключевых продуктов. Цены на эти лекарства высоки, спрос стабилен, маржа держится на уровне 40%+. Для обычной фармы это впечатляет.

А теперь гиганты: Pfizer, Merck, Sinopharm.

Миллиарды на балансе, глобальный охват, известные бренды. Но операционная прибыль всего 4–6%.

Почему так мало? Масштаб без эффективности не работает. SG&A (маркетинг, продажи, админка) съедает огромную часть дохода, а давление регуляторов на цены дополнительно сжимает маржу.

Интересно, что большие расходы на R&D не гарантируют высокую прибыль.

Например, BioNTech 18%, Moderna 0%. Много инноваций, но огромные риски, долгие инвестиционные циклы и неопределённый срок окупаемости.

На практике оказывается, что эффективная SG&A - это то, что держит бизнес на плаву.

Контролируешь расходы на маркетинг и админку, можешь инвестировать в рост и новые продукты, а не просто тратить деньги.

Ещё один момент: фарма не однородна. Одни компании ведут себя как технологические стартапы: узкий фокус, высокие маржи, низкие производственные затраты.

Пример - Insilico. Используя AI, они сокращают цикл разработки лекарства почти в два раза (с 15 до 8 лет). Для отрасли, где каждая задержка стоит миллиарды, это меняет правила игры. Здесь ценность создаёт не масштаб, а скорость и технологичность.

Другие гиганты традиционной логики масштаба, борются просто за выживание.

Что дальше? Value-based care и давление на цены уже на горизонте.

Маржинальность бизнеса будет сжиматься, вопрос не в том, упадут ли они, а кто успеет адаптироваться быстрее и сохранить прибыль.

@maxvotek

Контекст-инженеры - новая профессия AI-эпохи

Сегодня модели настолько умные, что дело уже не в том, как спросить, а в том, что положить в контекст.

Контекст-инжиниринг - это наука и искусство заполнения контекстного окна ровно тем, что нужно для следующего шага.

Наука - система и структура: описание задач, few-shot примеры, RAG (умный поиск по базе знаний), мультимодальные данные (текст, картинки, аудио), управление инструментами и состояниями, фильтрация шума, сжатие информации, JSON, XML.

Искусство - интуиция. Чувствовать модель, понимать, что сработает, а что испортит результат.

• Если слишком мало контекста модель не справляется.
• Слишком много, то растут расходы, падает качество.
• Не тот контекст - результат мимо.

Вот здесь нужны контекст-инженеры.

Они как шеф на кухне: выбирают правильные ингредиенты для AI, чтобы блюдо получилось вкусным.

Только ингредиенты - это данные, инструкции, история диалогов, примеры. Всё нужное для следующего шага, и ничего лишнего.

Контекст-инженеры - архитекторы корпоративного знания. Они строят каркас, в котором AI может думать, решать и действовать безопасно.

Пример: Cognizant нанимает 1000 контекст-инженеров для платформы ContextFabric. Они собирают корпоративные знания, управляют полным циклом контекста, фильтруют шум и создают повторно используемые пакеты контекста.

Интересно, как Cognizant сам жертвует своей бизнес-моделью. То же самое я отмечал у Globant. Похоже, понимают: лучше потерять часть прибыли сейчас, чем не успеть стать AI-first компанией.

Всё это, чтобы AI-агенты работали как настоящие сотрудники.

Их цель проста: превращать корпоративный опыт, процессы и данные в реальные результаты. AI начинает действовать быстро, эффективно и безопасно.

Без контекст-инженеров масштабное внедрение AI просто невозможно.

Они мост между корпоративными знаниями и интеллектом машин, который реально работает.

@maxvotek

AI в фармацевтическом маркетинге - это не про генерацию контента

В обычных сферах AI можно просто включить: он пишет тексты, генерирует идеи, и их сразу используют.

В фарме это не прокатывает. Здесь есть строгие правила MLR (Medical, Legal, Regulatory). Любой материал нужно проверять, иначе штрафы и репутационные риски.

AI-агентам не обязательно придумывать что-то новое, чтобы быть полезными.

Например, Ostro делает так: агент отвечает только на основе заранее загруженной и проверенной информации. Он не генерирует новые ответы, но зато полностью безопасен для бизнеса.

• Скорость работы растёт: команды больше не тратят часы или дни на проверку контента. AI мгновенно выдаёт корректную информацию.
• Конкуренция толкает на инновации: компании, которые быстрее и безопаснее обрабатывают данные, получают преимущество на рынке.
• Пациенты выигрывают: достоверная информация доходит быстрее, ошибки исключены.

Кроме Ostro, Pfizer, Roche, GlaxoSmithKline внедряют AI-платформы для автоматизации контроля контента, подготовки к аудитам и управления данными.

Принцип один: использовать только проверенную информацию, минимизировать ошибки, быстро реагировать на изменения правил и повышать безопасность.

Не всегда нужна генерация нового. Иногда достаточно умного, безопасного и быстрого доступа к проверенной информации.

@maxvotek

Бенчмарки LLM: что важно для бизнеса

Обычно языковые модели проверяют на интеллектуальные способности через академические тесты: умеет ли отвечать правильно, рассуждать логично, выдавать текст быстро.

Всё это, конечно, полезно для науки, но в бизнесе такие метрики мало что говорят.

В реальной работе ценность модели измеряется другими вещами, что напрямую влияют на людей и процессы:

• Когнитивная нагрузка: сколько сил тратит сотрудник, чтобы получить нормальный результат?
• Эмоциональная нагрузка: помогает ли модель снизить стресс и упростить принятие решений?
• Эффективность взаимодействия: сколько уточняющих запросов нужно, чтобы добраться до ответа?
• Инновационный потенциал: подкидывает ли модель свежие идеи: новые лиды, способы сэкономить или снизить риски?

Поэтому важен не сам факт правильного ответа, а то, расширяет ли LLM горизонты анализа, снимает ли барьеры и приносит ли бизнесу ощутимую выгоду.

Один из подходов - это заимствовать практики из медицины и соцнаук: делать слепые A/B-тесты.

Берём две группы сотрудников - одна работает с LLM, вторая без и смотрим, у кого больше идей и полезных находок.

В итоге компании инвестируют не в красивые проценты точности, а в три конкретные вещи: рост доходов, сокращение расходов и снижение рисков.

Вот это и есть настоящие бенчмарки для LLM.

@maxvotek

100‑страничный промпт от KPMG: как TaxBot сжимает 2 недели в 1 день

Представьте: раньше команда KPMG тратила две недели, чтобы собрать драфт налогового заключения.

Теперь агент делает это за один день. Не чудеса, а дисциплина.

В KPMG Australia собрали партнёрские меморандумы, налоговый кодекс и ещё кучу документов. Всё это загрузили в RAG‑агента, который теперь генерирует 25‑страничный драфт за день.

Факты кейса:

• Агент работает внутри KPMG Workbench: собственной мультиагентной платформы на базе Microsoft‑стека, спроектированной как открытая и интероперабельная среда.
• KPMG сознательно не привязывается к одному вендору LLM: в Workbench доступны модели OpenAI, Microsoft, Google, Anthropic и Meta.
• Старт был осторожным: после ранних экспериментов (вплоть до обнаружения на серверах файла с тысячами номеров карт сотрудников) публичный ChatGPT заблокировали и перешли к приватной среде.
• Таксбот запускается по 4–5 входным параметрам, просит указания у человека и только потом генерирует документ. Доступ только у лицензированных налоговых агентов.
• Эффект: быстрее сделки (M&A), рост удовлетворённости сотрудников, неожиданные новые доходы (клиенты стали просить купить агентов).

Почему это важно:

• 100 страниц промпта - это не трюк, а спецификация процесса: роли, источники, формат вывода, проверки, допуски. В Enterprise это нормально.
• Вертикализация агентов выигрывает у обобщённых чатов: узкая доменная область + приватные данные + чёткий workflow.
• Мульти‑LLM стратегия снижает риски по качеству и стоимости, а не ставка на одного.
• Последовательность действий: безопасность → инвентаризация знаний → платформа → обучение → агенты.

Чек‑лист для внедрения:

•

Карта экспертного контента.

Соберите все меморандумы, шаблоны, политики в единый индекс (метаданные, версии, владельцы). Избавьтесь от знания на ноутбуках партнёров.
•

Приватная среда и аудит.

Доступы, логи, DLP, песочницы для тестов. Ограничьте публичные модели.
•

Инженерия запроса как ТЗ.

Длинный промпт оформите как живой документ: цели, входы, формат первого драфта, критерии качества, эскалации.
•

Human‑in‑the‑loop.

Определите, кто и когда правит драфт перед клиентом.
•

Мульти‑модельная оркестрация.

Возможность переключать модели под задачу и стоимость.
•

Метрики.

Время на драфт, доля повторного использования, доля правок эксперта, удовлетворённость команды, конверсия в выручку.

Размер промпта здесь следствие зрелости процесса.

Как только появляется runtime для агентов (роли писатель‑редактор‑менеджер, единые инструменты, проверяемые источники), необходимость в 200‑страничной магии снижается. KPMG к этому уже идёт.

@maxvotek

О типах продуктовых лидеров

SVPG предлагает простую, но полезную классификацию - 3 архетипа:

1. Visionary (визионер): тот, кто видит картину будущего. Отлично задаёт направление, умеет зажечь команду, но часто не детализирует как именно.

2.Craftsman (ремесленник): эксперт по продукту, глубоко понимающий технологию, UX и детали. Сильная сторона - качество исполнения, слабая - масштабирование.

3. Operator (оператор): лидер-процессник. Наводит порядок, формализует процессы, добивается эффективности, но может быть сухим и терять контакт с пользователями.

А я добавил бы ещё четвёртый тип Coach (коуч): развивает людей, создает культуру, работает через команду. Часто не хватает решимости «порезать» идею, если она плохо работает.

Важно, что почти все успешные продуктовые компании имеют смесь этих ролей. Редко один человек способен сочетать все качества сразу.

Урок тут простой:
— Если ты строишь продуктовую команду, важно понимать, кто у тебя Visionary, а кто Craftsman или Operator;
— Если ты сам продукт-лидер, то осознавать свой архетип и компенсировать слабые стороны через партнёров и команду.

Лично у меня лучше всего получается роль Visionary: видеть направление, находить технические решения и возможности и превращать идеи в работающий MVP.

• Полезный оператор - это тот, кто умеет строить систему так, чтобы масштабировать успех.
Он понимает, что процессы - это не бюрократия, а способ дать команде фокус и предсказуемость. Такой лидер помогает продукту расти, а не душит его.

• Вредный оператор превращает работу в бесконечные митинги, отчёты и согласования. Вместо ясности появляется процесс ради процесса, и команда теряет скорость и энергию.

Когда вы нанимаете человека из крупной известной компании, стоит помнить: многие из этих компаний умеют лишь угождать как можно большему числу стейкхолдеров, но не умеют делать продукт и это последнее, что вы захотите привнести в свою компанию.

От себя добавлю: операторы, даже успешные в прошлом, могут оказаться неуспешными на твоём проекте, если этот продукт не является для них большим вызовом.

Лучшие результаты получались, когда находишь талант изнутри и даёшь человеку вызов, который сильно больше его текущей квалификации.

Также я с большим уважением отношусь к работе операторов, потому что сам в этом не силён.

У каждого архетипа есть свои сильные и слабые стороны.

Сочетание этих ролей - залог сильной продуктовой команды, где craft - основа, а coaching и масштабирование помогают продукту расти и развиваться.

@maxvotek