Как CHAT GPT сделает тебя миллионером: разбор с Александром Горным

Добрый день. Меня зовут Николай Хлебинский. Вы находитесь на канале Экtion Plan. Сегодня обсуждаем искусственный интеллект. У меня в гостях сегодня Александр Горный, основатель клуба Share AI. Александр, привет. — Привет. Большое спасибо за приглашение. — Тебе спасибо, что пришёл. — Наша финмодель стоит 2 млн долларов примерно. Мы с тобой неплохо поработали эти 2 часа. Надо будет пойти кому-то это продать. — Ян GPT- вполне достойные модели, — как зарабатывать на искусственном интеллекте. Открываем эту финмодель и понимаем, насколько же мы не разбирались в том, что собираемся запустить. Чанд пяти - это шестьдесят шешестой год развития искусственного интеллекта. На самом деле — проблема же всегда была не в том, чтобы запрограммировать. Проблема была в том, что люди заплатили за это. — Искусственный интеллект сейчас возьмёт и всех заменит. В первую очередь, конечно же, юристов бухгалтеров. — Очень много работы делаем не потому, что мы эксперты, а мы делаем, потому что мы тупые исполнители. Я очень скептично отношусь к таким, знаешь, сделал за 5 минут и оно начало работать. — Дойдёт до того, что как в этом в фильме Электроник советском вкалывают роботы, а не человек.

— Расскажи, пожалуйста, что это за клуб у тебя такой, кто в этом клубе состоит и чем вы в клубе занимаетесь, подозреваю, что чем-то связанным с искусственным интеллектом. Смотри, мм, пару лет назад, а, вот оказалось, что мир очень сильно меняется. То есть вот внезапно выяснилось, что всё, что мы делали до того, оно перестаёт быть релевантным. Мы там начинаем программировать по-другому, мы начинаем писать тексты по-другому, мы начинаем обращаться к юристам по-другому. Ну вот вообще всё по-другому. И вот мы в клубе - это те предприниматели, которые чувствуем, что какая-то фигня происходит, и надо к этой фигне как-то либо присоседиться, либо подстроиться, либо возглавить, ну, что-то с ней сделать. И не очень понимаем, как именно, а, и вот ищем, аэ, способ, возможность, направления, что с этим сделать, и вместе оно веселее. — Ну, ты прямо описал сейчас вот идеологию этого YouTubeканала. У меня мысли точно такие же. Я считаю, что эта технологическая волна изменит то, как мы живём, работаем, отдыхаем, путешествуем и вообще всё делаем так, как это изменило когда-то электричество, там паровой двигатель, автомобили, персональные компьютеры и прочие технологические волны. — Вот я думаю, что автомобили меньше изменили, чем изменить искускуственный интеллект. Возможно, потому что я недавно видел исследование, в котором показывают, что скорость внедрения искусственного интеллекта во все сферы жизни значительно выше, чем на предыдущих теологических волнах. То есть она распространяется быстрее, чем электричество, быстрее, чем автомобили, быстрее, чем интернет. Ээ, чуть ли не вот самый такой высокий темп. И с фильмами я, честно говоря, тоже жду, потому что, э, чем нас поразил LLM в лице чат GPT в первую очередь, это прохождением тестатюринга. То есть машина может общаться с нами так, что мы с высокой вероятностью не узнаем, что это машина. Особенно, если мы попросим её длинные тире и кавычки ёлочками не писать, чтобы она по стилю не палилась, да? И вот эти надо быть просто поглупее, — да? И фразу в конце там: "Хочешь, я соберу тебе из этого какой-то следующий шаг, вот это вот всё, если убрать, то понять, разговаривает с тобой, переписывается". Вот голосом пока что ещё нет, а вот в переписке уже невозможно. Иногда, иногда и голосом так неплохо. — Ну, голосом ещё хуже пока что. Короче, я жду интерактивные развлечения. Я жду, когда в игровых мирах появятся персонажи, с которыми я могу поговорить, у которых заданы какие-то системные промты, вот в рамках которых они ведут коммуникацию. Вот я жду, что фильмы будут генерироваться под тебя, что ты в каких-то VR-очках там этих Apple Vision смотришь по сторонам внутри сцены, что происходит, и можешь влиять на происходящее, являешься каким-то вот участником этого и развиваешь сценарий. Я этого жду. Пока что кажется, что это дорого. Пипец, как дорого. Ну вот, э-э, к нам в клуб как раз, а, приходил Андрей Цццнка, это бывший гендиректор Ливер КБА. Он сейчас делает стартап, который, а, помогает создавать кино, как раз, а, на основе лмок. — Он ничего не говорил про персонализацию, что вот я сам буду доставать пистолеты, выбирать, в кого попасть, но он говорил, что сейчас грубо, вот голливудский фильм стоит очень грубо миллион долларов за минуту, — да, — и поэтому фильмов мало. Ну, потому что как бы фильм - это 100 млн долларов условно. А с лэмками и с этими диффузионными сетями можно дойти до 1. 000 долларов за минуту при том же самом качестве. И это там типа двадцать седьмой год, а не какой-нибуь тридцать пятый. И, соответственно, каждый дурак может снять голливудский фильм голливудского качества. Это пока ещё не персонализация, но это уже там в тыся раз больше фильмов, чем мы привыкли. — Да, да, так и есть. Вспомним, как

выглядели первые версии Chat GPT. Там это был какой-то базовый такой инструмент, который делал примитивные очень задачи. — Блин, мне очень нравится, как мы задача GPT называем примитивными. Пусть даже двадцать второго года. Как быстро время идёт. — Я не сказал, что чат GPT примитивный, я сказал, что решались задачи довольно базовые, то есть сценарии использования были довольно-таки примитивные. Так-то большие языковые модели, которые имитировали поведение человека, то, что мы сейчас называем искусственный интеллект, они в целом, ну, тоже не особенно новость. Там случились некоторые прорывы, но, допустим, Морфеус существовал довольно-таки давно, и попытки сделать это так или иначе вот итеративно улучшаясь, они происходили. Скажу так, CH GPT - это шестьдесятшестой год развития искусственного интеллекта, на самом деле. Ну, я не так хорошо считаю в уме, но далеко не первый, да, — вот шестьдесят шестой, то есть фундаментально это всё ещё нейронная сеть. технологии ээ второй половины прошлого века, которые становятся, безусловно, эффективнее, становятся быстрее за счёт в основном удешевления вычислительных мощностей. То есть нам раньше то, что мы сегодня носим в кармане, несопоставимо помощности занимало бы вот всё вот это пространство и не могло бы посчитать так быстро. Отсюда рождаются фундаментальные подходы новые, новые какие-то программные идеи, штуки, логики и так далее, но вот оно всё идёт по мере удешевления вычислений. — Ну, если в теорию уходить, то ещё в количество данных. То есть, кроме того, что у нас компьютер в кармане мощнее, чем всё, что угодно в шестьдесятом году, мы ещё и каждую секунду фотографируем больше, чем всё, что угодно в шестьдесятом году. А есть на чём учиться. — Ну, и оцифровываем, наверное, данные. При этом я видел тоже исследование ещё одно недавно, в котором говорилось, что большие языковые модели практически все возможные данные, которые можно было потребить, уже потребили. То есть они близки к порогу. Данные-то они потребили, но ещё в двадцать четвёртом году были статьи о том, как можно улучшать а модели без новых данных. То есть они сами друг с другом разговаривают и на этих разговорах учатся. Ну как шахматные программы современные, они же не на человеческих партиях учатся. Человеческие партии - это там уже минус минус-минус уровень. Они сами с собой играют и становятся всё умнее и умнее, играя сами с собой. То же самое в статьях уже для языковых моделей было в прошлом году. И я не знаю, применяется ли на практике для обучения новых моделей, но статьи, подходы уже

есть. — Кстати говоря, ээ есть вот такой вот сайт, ээ, называется LM Арена. — LM Арена. И у них есть лидерборд, который показывает эффективность ээ моделей. Недавно вышел Gemini 3 Pro. буквально вот пара недель с момента записи вот этого подкаста назад и что-то там произошло, потому что много говорится о том, что технологический порок эффективности этих систем близок. LM Арена - это сайт, на котором голосуют люди за эффективность моделей. А есть ещё Humanity Last Exam, последний экзамен человечества, где модельки как раз тестируют на 25сях вопросов, которые собрали учёные со всего мира для того, чтобы посмотреть, насколько эффективно они будут искать э на эти вопросы ответы. И вот здесь вот я что-то пока не понял вот этого апдейта, потому что предыдущие все апдейты, они шли вот так вот, то есть чуть-чуть расслабить, данные утекли, Google обучился. Я думаю, это твой очень простой ответ. — Чуть-чуть прыгала эффективность, но вот это прирост драматический. — Я думаю, что просто дады утекли. Это самое простое объяснение. — Вопрос-то все открытые, они не как бы не спрятаны. — А, ну точно, ну, значит, не утекли. научился на них. — Там, э, нечему утекать, но есть методология тестирования, которая довольно-таки такая хитрая. Просто забить ответы эти это не то, — э, ради чего этот тест делается. Короче, что-то такое Google сделал интересное, что Сэм Альтман, фаoer Open, который разрабатывает чат GPT, сообщил команде, что их ожидают финансовые трудности в связи с выходом Gemini 3 Pro. Что-то там скакнуло серьёзно очень. Я пока сам не увидел такого вот. Что — мне кажется, как всё проще. Ну то есть сейчас а модели именно у всех достаточно хороши. То есть и Джемини, там Антропия, Грок, это очень хорошие модели. И глаз человеческий, ну, может, способен их отличить, но они просто прекрасные. И конкуренция гораздо больше доступом к человеку, доступом к маркетинговым каналам, доступом там к мощностям, к продажам, вот к этому всему. И Google, который как бы не проспал революцию, в неё мощно включился, и это действительно проблема. А то, что у него нам на арене на полпроцента что-то лучше, мне кажется, это не в этом беда для Open. Ая. — Согласен. Если кто-то запаривается по поводу того, что круче Deeps Gemini, chge GPT, Perplexity Cl-, не надо этого делать. Может быть, в какой-то момент времени какая-то из моделей, вот как здесь видно на LM-арене, в текстовых запросах кто-то круче один, в написании кода, в программировании кто-то круче другой, в текстах, в картинке, в распознавании кто-то круче третий. — Что-то у нас везде круче Google получается, правда? Ну, на сегодняшний день вот когда мы опять же вот в поиске здесь грок и перплексити, и тоже мы часто слышим, что если тебе нужен depressch, сейчас я, по крайне мере, слышу, иди в Perplexity, там результат будет лучше. Но повторюсь, различия вот эти, они, во-первых, минимальные, во-вторых, они постоянно дорабатываются. И вот эта вот борьба за какие-то проценты после запятой с постоянной сменой лидера, она идёт регулярно и не прекращаясь. То есть ваш любимый инструмент, которому вам проще, как-то привычнее, интереснее использовать. Даже если он сейчас где-то на 1% отстаёт, пройдёт какое-то время, он догонит, перегонит и так далее. — Я ещё хочу заметить, что вот на этой арене же сравниваются не наши инструменты, а модели. Мы видим в продукте, ну, продукт именно, который кроме модели ещё там куча надстроек. И эти надстроек для пользовательского опыта важнее, чем полпроцента моделей. То есть то, что там Джеми не обгоняет. Аэ GPT 5. 1 на полпроцента совершенно не значит, что Google ДМЕ обгоняет чат GPT

в реальном использовании. Интересно вот что. Ээ Россия - одна из немногих стран, где соблюдён такой цифровой суверенитет. Одна из немногих стран мира наряду с Китаем и, наверное, ещё парочкой стран. У нас своя поисковая система, у нас свои маркетплейсы и цифровые площадки, даже несколько, у нас свой мессенджер национальный, ну там был Telegram, который относился, да, к России. Сейчас уже он международный, но всё равно сделали макс. Кто-то его ругает, кто-то его хвалит. Сейчас не об этом. Суть в том, что есть у нас своя социальная сеть. Это так-то сайт номер три по трафику в мире ВКонтакте. Все остальные страны локальных решений не имеют. Кроме вот Китая, да, все используют решения глобальные, э, американские. И вот что удивительно, что нет у наших цифровых крепостей какой-то значимой модели, которая бы боролась бы вот с этими всеми. — Не, ну Яндекс, GPT гигач вполне достойные модели. Они, ну, хуже, чем эти, но они решают задачи. И 2 года назад они были плохими. Сейчас они уже достойные. Через 2 года они будут неотличимы. Может быть, уже сейчас неотличимы. Может быть, я отстал от жизни. — Я, кстати говоря, давно не тестировал ни Яндекс GPT, ни гигачат зайти. Ну, то есть вот я недавно пытался, уже не помню, зачем мне нужно было над ним посмеяться на гигачатом, а с ну пяти попыток не получилось, вполне нормально ответил. — Короче, нужное количество букв Р в слове стробери пишет. Да, — я мне никогда не нужно количество букв Р в слове стробери. — Да, я помню. Но вот я спросил какие-то нормальные, я спросил последние запросы, которые я задавал в чат GPT, ну реальные. И Гигачат дал похожие ответы. Ну ими можно пользоваться. — Интересно, как бы сдали Humanity's Last Exam вот эти вот вопросы на тесты модели и гигачата Яндек GPT. Прямо стало интересно. — А гигачат вот буквально на днях у них была конференция и они пренадовали бичмарки. Да, я не помню, был ли там, но там было много бенчмарков и вполне нормально смотрелось среди всех где-то лидируют, где-то не лидируют. Ну как-то очень хорошо. — Не, ну на своей конференции, конечно, все покажут бенчмарки нужные вот интересно независимые исследования. Ну ладно, со временем появится. Со временем появятся. Давай вернёмся ближе к земле.

Мне тоже интересно очень, как и вашему сообществу, как зарабатывать на искусственном интеллекте. Я считаю, что это голубой океан, что там пока никто не понимает толком, как заработать. Появляются первые какие-то инструменты. У нас в Америке я вижу тренд, что внедрение технологий искусственного интеллекта в бизнес - это вот такой вот тренд. Люди молодые, у которых эти технологии на кончиках пальцев, которые вот наблюдают за тем, как они рождаются, имеют много свободного времени и не имеют каких-то, ну, короче, открытый разум имеют, они зарабатывают вполне себе там 10-20- 30. 000 долларов на создании быстрых решений. Есть уже вот такие вот агрегаторы типа Tulify, значит, в которых 27. 481 инструмент какой-то. AI и рассортированный по ээ категориям, связанным с вот с блогом, книжки, имейлы, voice generation, музыка, аудиi legal, finance, business, короче, десятки тысяч уже приложений. Вот. Так что, если кому-то не хватает вдруг идей, чем можно вдохновиться, какой сервис взять, ээ можно вот сюда вот сходить. Здесь тоже есть вот эти вот все рейтинги. Прямо заходим топ AI тулы по выручке. Ну, понятно, здесь чат GPL там, да, но можно что-то найти вот и начать размышлять над

тем, что же здесь такое происходит. — Я очень скептично отношусь к вот таким, знаешь, сделал за 5 минут и оно начало работать. — Я тоже. — А тогда даже спорить не будем. — Здесь предмета для спора нет. Я знаю, что есть люди, которые верят в вайбкодинг. Ээ, то, что, э, можно сделать что-то такое серьёзное. Навайпкодить мы можем какой-то прототип. Навайпкодить мы можем первую версию, которая будет скорее таким proof of concept и может быть первые продажи нам поможет сгенерировать. То есть мы как какое-то подтверждение от рынка получим, что у рынка есть интерес за такое платить. Продакшн решение высоконагруженное. сделать на вайб-коде, особенно не профессионалу, не получится. — Тут я бы поспорил как раз мне, ну, vibнг это же такое очень широкое ругательство, — но по факту программировать стало проще. И прототип стало сделать проще, и готовое решение стало сделать проще. Вот. Ну, оно реально помогает. Проблема же всегда была не в том, чтобы запрограммировать. Проблема была в том, что люди заплатили за это. Проблема всегда была в маркетинге. А, и вот тут проблема, ну, создан какой-то ещё один там, не знаю, расшифровщик ЮтуЮба. Классная штука. Наверняка в Тулифае их 150 есть, и три из них зарабатывают. Я могу сделать четвёртый, который будет не хуже. Но вот как сделать так, чтобы люди его скачивали, за него платили? Вот тут сложность, тут никакой в веб-кодин не поможет. — Ну, вообще-то это называется работа предпринимателя. Работа предпринимателя заключается в том, чтобы видеть разрывы между спросом и предложением, видеть неэффективности рынка, уметь на этой неэффективности построить устойчивую бизнес-модель, сконфигурировать так, чтобы делать вот производить э ценность, которая рынку нужна, эффективнее, чем это делается сейчас. — И вот ни одного слова про вапкой ты не сказал. И никак вайпкодинг этому не поможет. — ээ сократит time to market. Ты знаешь, у нас вот тоже была сейчас сессия мастермайнда, которой я лидирую. И ээ мы в одном из разборов кейсов дошли до очень интересной вещи. Значит, в чём веб-кодинг помогает? Предприниматель, когда его захватывает какая-то идея, он попадает в ловушку. Он окрыляется, начинает творить, взгляд замыливается. Он считает, что та проблема, которую он решает, скорее всего, его собственная проблема, это проблема всех вокруг. И он оттягивает процесс продажи, он оттягивает процесс вывода на рынок. Если он получает негативную обратную связь, он идёт, улучшает продукт, улучшает процесс, что-то там такое допиливает. Это может длиться очень долго, но находится в позиции, если бы вы поняли, насколько прекрасен мой продукт, хотя бы процентов на 10 от того, как это понимаю я, вы бы мне все свои деньги тут же отдали, но вы все дураки и не лечите. Так вот, к чему приводит вайп-кодинг. Значит, кодинг, мы тут вот договорились до того, что ты садишься делать какую-то первую версию. И в целом ты можешь сделать мини-апку в Телеграме, ты можешь

сделать Telegramбота, ты можешь сделать мобильную версию сайта, ты можешь сделать даже мобильное приложение, которое будет представлять из себя функциональный прототип, очень похожий на боевое решение. И ты сделаешь это быстро, а дальше надо будет пойти и кому-то это продать. И вот здесь вот этот цикл ээ очарования и разочарования, он сокращается. То есть мы меньше времени и денег просто сжигаем, — не? Это кла. Вот меньше денег, времени сжигаем. 100%. — То есть это нам стоит там 100-200 долларов в токенах, а не год-полтора и какие-то миллионы на разработку и на продажи, и на маркетинг. — Я прямо не согласен, что полтора года 100 долларов, но согласен, что сильно сокращается. — Нене, 100 долларов - это за выходные в токенах сжигаем. — Ну не, ну всё-таки в токенах нельзя, за выходные нельзя сделать то, что делается полтора года. Но всё-таки — я видел годами ребят пилящих что-то, которым инженеры говорят: "Сейчас вот 2 недели и будет релиз. Вот сейчас". И вот они такие: "Ну хорошо, ладно, сейчас". Потом оказыва: "Слушай, там такая вот штука". Значит, надо добавить перламутровые пуговицы и крылья. Мы не учли, что там столько-то гигабайт оперативной памяти на таком устройстве, а надо вот столько. Поэтому надо переписать с одного языка на другой. Поэтому 3 месяца. Вот через 3 месяца вот всё. И это длится годами, десятками миллионов, закопанными туда. Ну да ладно. Значит, нам для того, чтобы в бизнес пройти, просто у тебя есть IT-стартап свой, у меня есть IT-стартап, есть целое сообщество людей, ээ, которые запускают проекты. И я уверен, что нас смотрит очень много людей, которые хочет

запустить свой проект. Как бы ты действовал, если бы у тебя стояла задача построить финансовую модель для стартапа? — Ну, знаешь, я бы зашёл в чат GPT, а, и написал несколько слов о том. Значит, — давай попробуем. Вот есть такой, давай тупенький промт сделаем. Вот сделаем такой тупенький промт. Вот как бы для моего простого мобильного приложения. Я хорошо понимаю, как оно устроено внутри. Вот я попробовал, значит, в сколько тут? восемь строчек, девять строчек. — Восемь, всё-таки восемь строчек изложить э-э как оно, э, работает и просто попросил по этому поводу сделать мне эксельник. Давай посмотрим, что получится. — Он тебе подготовил по этому промту файлик? — Да, он мне файлик. Пайлик вышел очень отстойненький, — да, инвесторы — инвесторы вообще не оценят, — но я должен сказать, что, ну, наверное, лучшую половину всех файликов, что я видел, попадёт. Как бы формулы протянутые, от руки ничего не вбито. В общем, можно смотреть. Всё не очень красиво, но можно смотреть. Поэтому давай попробуем его второй раз спросим. Вот я примерно то же самое пишу, что в прошлый раз. написал ему, что столбцы - это месяцы, а строчки - это статьи расходов, а не то, как он придумал. — Значит, — первое, что бросается в глаза, — да? Значит, э лет - это какая-то фантастика, прости меня, Господи. Давайте, это будет 3 года. И расходы на маркетинг. Он что-то как-то сам фантазировал. А давайте мы им будем управлять. — Угу. — И посмотрим, что получилось со второй попыточки. Вот у нас новая Excelмоделька. Давайте её посмотрим. Всё как-то уже стало более-менее привычно. — Угу. А можешь наверх перемотать, чтобы были видны названия столбцов? — Название столбцов просто месяц. — А это месяцы. Окей. — Да, это просто месяца. — Вот тут он что-то зачем-то эти параметры модели вынес на тот же лист что и основную модель. Просто — мне так удобнее, кстати. Мне так больше нрави вкусовщина. Ну вот моя же модель, моя вкусовщина должна победить. — Вот я е попрошу это поправить. — А в целомто всё уже как бы хорошо. выглядит как бы не ээ лаконично, но по структуре вопросов уже гораздо меньше. У тебя там были допущения такие довольно-таки небольшие. То есть ты, по-моему, там сказал в запросе, что стоимость привлечения клиента равна сумме годовой подписки, — да, — и что у тебя будет продлеваться 20% людей на следующий год. И вот как бы с этого будешь ты зарабатывать уже в плюс выходить, — да? — Вот и всё. А здесь уже появились, значит, комиссии стора. — Не, комиссию им тоже сказал. — А ты комиссию стора ему сказал тоже? Да. О'кей. — Вот налог на прибыль - это его. — А зарплаты? — Зарплаты я ему сказал, что они есть. Он сам придумал, какие они. — Да, будут зарплаты. Вот. Налог на прибыль, кстати говоря, тоже интересно, что он поставил ноль. А здесь прибыли нет? Да. Не, — нет, 20% поставил. Всё это — Нет, он здесь поставил убыток. Ну, от убытка налога нет. А в принципе 20% у неё налог на прибыль и где-то она там начинается в конце. — 20% налога на прибыль. Ну вот мобильные приложения немножко не так работают обычно с налогами на прибыль. Но что интересно, давай ещё вот в самый низ тоже ээ упомянем просто для тех, кто будет такое упражнение делать. Вот самая последняя строка, ээ, накопленная чистая прибыль или убыток. По-английски это будет называться cumulative profit/ls. Э, вот, э, давай пойдём направо. — Ну, плохой бизнес нарисовал там, он, ну, как бы нарисовал довольно плохой бизнес. Не снимайте своими приложениями. — Во-первых, да, здесь нарисовано, что бизнес плохой. Но в чём идея? В какой-то момент ээ бизнес должен начать зарабатывать, и вот эта циферка на последней строке пойдёт вниз, она начнёт уменьшаться. Так вот, в тот момент, когда она начнёт уменьшаться, вот это пиковое значение отрицательное, локальный минимум по этой штуке, это и будет объём инвестиций, который надо в бизнес привлечь по этой модели. — Ну, даже по этой модели надо накинуть 20% на всякий случай. — Не, это дальше начинаются нюансы. Но смысл в том, что вот так мы рассчитываем, сколько денег бизнесу нужно привлечь. Понятно, что там будут какие-то коэффициенты. Понятно, что мы выстраиваем там, мы итеративно работаем с этими моделями, говорим: "Давай-ка нам оптимистичные сценарий, пессимистичные сценарии, мы там как-то всё это делаем". Вот. Но мы уже знаем, сколько денег надо. Задачка посложнее понять, э, сколько такой бизнес будет стоить и по какой оценке эти деньги привлекать. Ээ это всегда предмет для переговоров. Там нет никакого стандарта, как это сделать правильно. Но мы можем предложить чат GPT вот эту модель отдать. Можем, кстати, прямо сейчас попробовать это сделать там следующие итерации, если у тебя ещё есть итерации какие-то по улучшению этой штуки, а потом давай отдадим, попросим оценить этот бизнес и подискутируем. — Я бы ещё немножко улучшил. — Давай улучшим ещё. — Вот я бы, значит, всё то же самое, что раньше пишу. Угу. — Добавил, что предположение на отдельном листе, потому что мне так нравится. Дописал ему, что пусть балдом выделят то, что важно, потому что читать невозможно. Это постоянный серый шрифт. Вот добавил расходы другое. Потому что как бы всегда бывает другое, — да? — Угу. — Вот посмотрим, что получилось. Вот уже даже графически приятнее смотреть. Уже появилось выделение, — да, выгля — вот уже какие-то появились промежуточные строчки там итого. Как-то всё более-менее понятно. Итого операционные расходы. Как-то вот уже хорошо. Вот что у нас. Ой, и чистая прибыль. Ну, до нуля не дошла, но уже приближается к нулю. В этот раз он предположение сделал более благоприятные для нас. — Соответственно, вот там вот внизу где-то на второй год, я так понимаю, да, ээ здесь показано, что накопленный убыток — не это не накопленный, это чисто в этот раз он потерял накопленный, — да, в этот раз он кумулятину убрал, — да. Вот. Ну, к плюсику мы приближаемся, но можно выделить и сумму посчитать вот этого всего счастья и сказать здесь, да, по этой строке, сколько там надо денег этому бизнесу. — 492. 000, — да, этому бизнесу нужно полмиллиона долларов. Ээ, вот такая вот интересная штука. — И, ну, потратили мы на это, ну, сколько

ну, 15 минут, на самом деле. — То, что делает искусственный интеллект, ээ, он повторяющиеся задачи рутинные помогает делать быстрее и эффективнее для эксперта. И вот, кстати, я скажу, что вот эта модель, она, ну, прямо по меркам вот того, что я реально вижу в живых стартапах, что российских, что американских, она вполне топовая. Она сделана хорошо, выглядит красиво, в ней, э, всё аа на формулах, а не на вбитых каких-то фантазиях автора. А как бы её, ну, с ней можно работать. Это реально модель, а не фигня какая-то. Ну, прямо жирный плюсик. — Согласен, что выглядит это, ну, адекватно, вот так вот скажем. И здесь есть что пообсуждать, что поулучшать, но это всегда есть. Но что важно сказать? Вот что, ээ, есть просто, не знаю, как это назвать, мркобесие, что ли такое вот мифы о том, что искусственный интеллект сейчас возьмёт и всех заменит. В первую очередь, конечно же, юристов, бухгалтеров, потом водителей автомобилей, ну а следом пойдут и все остальные люди станут ненужны. Так вот, ээ я категорически с этим не согласен. сейчас, на сегодняшний день, и я не вижу, чтобы это как-то изменилось кардинально в ближайшем будущем, такого рода технологии усиливают и ускоряют экспертов. То есть ты, как человек, который видел сотни бизнес-моделей, который хорошо в них разбирается, можешь быстро очень вот такого рода задачи решать. Слушай, ну я вот сейчас дам промпт какой-нибудь, и любой зритель аа нашего подкаста его скачает, а и с первой попытки сделает модель, ну, пусть хуже, чем эту, потому что это как бы с четвёртой попытки вышло, но она будет всё равно лучше, чем 80% тех моделей, которые бродят по рынку с первой попытки любой человек, просто потому что скачает промот. И это значит, что там 80% помогаторов, которые как-то там эти писали модели, кого-то чему-то учили, что-то делали, они все стали не нужны, — ребят. Ээ как только это видео соберёт 1. 000 лайков или 1. 000 комментариев, в зависимости от того, что раньше произойдёт, выложу в Telegram-канал Промт, который вы сможете использовать для создания, э, лучших бизнес-моделей. Ссылочка на Telegram-канал в описании под видео. Ещё есть такой момент, когда мы выстраиваем финансовую модель какую-то. Вот то, что здесь у тебя во вкладке названо вводим assumptions, допущение. И значение этих допущений ты тоже очень быстро, как эксперт, сформулировал и закрыл, что 3% мы закладываем на это. Ты упомянул, что нужно обязательно будет другое, потому что ты это уже проживал, ты это знаешь. Поэтому я говорю о том, что — ту тут согласен.

— Эксперт никуда не денется, без него не получится. — Эксперт, да. Но вот мы же а очень много работы делаем. Не потому, что мы эксперты, а мы делаем потому, что мы тупые исполнители. Когда там, ну вот, не знаю, сколько в мире программистов, какие-то десятки миллионов, сколько реально экспертных задач они делают, очень мало. В основном они делают задачи: перенести кнопку слева направо, покрасть её в красный цвет. Когда она нажмётся, прозвучит сигнал тревоги. Это не экспертный уровень, это то, что может делать машинка. Реально вот, э, экспертных задач гораздо меньше. Я помню, у меня была, а, я прочёл мысль Лебедева давно, там лет 15 назад, — где-то руководстве, — да, там про единица смысла, что вот дизайнер, он про дизайнер писал, но оно ко всем относится, он целый день какой-то фигнёй страдает, — а там один раз за день или два раза за день реально что-то придумает, вот что-то вот существенное. Это единица смысла. Если две единицы смысла за день он сделал, то он просто герой и вообще. А многие за месяц ни одной единицы смысла не сделают. При том, что месяц трудились усердно. Вот единица смысла пусть даже останутся за нами, но мы их делаем единицы за месяца. А так-то

— согласен. Более того, недавно вычитал, есть такой закон прайса. Закон прайса звучит так: квадратный корень от количества людей в компании отвечает за 50% ценности. Ну или вот того, что ты сказал, единиц смысла, производимых компанией. 50% членов команды производят убыток — и ценности генерируют меньше, чем проблем, которые они создают. — Ну то есть если взять корень из населения земли 8 млрд, это счёт обостанется какие-то сотни тысяч что-то производит, а остальные 8 млрд. Ну, там логика такая, что с точки зрения это всё-таки применяется к бизнесу, а не к людям. Вот как всей популяции не могу сказать. Хотя опять же, ну с я вот только что был в Китае, там такое перенаселение, что приходится придумывать людям реально работу. То есть чтобы им государство хоть за что-то платило, чтобы они хоть что-то делали, потому что столько людей, что вообще непонятно. Там есть человек, у которого обязанность, его работа. Когда автобус отъезжает от остановки, он в этом автобусе в окно высовывает руку с флажком, чтобы водителям показать, что, ну, вот сейчас будет, короче, вместо поворотника используется дополнительный поворотник. Просто потому, что этому человеку больше, ну, вообще нечего делать. Иначе ему надо как-то обеспечить какой-то доход, чтобы ему за что-то платили. Вот примерно так. А в законе прайса логика такая применительная к бизнесу, что у нас, значит, если у нас работает 100 человек, квадратный корень 10. 10 человек генерируют 50% профита, 50 человек бестолковые. Если у нас работает 10. 000 человек, то у нас 100 человек уже генерирует, а 5. 000 генерирует убыток. Вот настолько там нелинейное масштабирование, которое вызывает проблемы. Это, конечно, очень интересно. Думаем мы, что искусственный интеллект будет нас заметь? Нет, он будет повышать по факту просто эффективность и стараться вот с этим законом прайса бороться. Интересно, удастся ли ему что-то такое сделать? — Мне кажется, это всё равно другое слово для будет заменять. Ну то есть если он уволит те 5. 000, которые ничего не

делают, но он их уволит. — Вообще вот недавно видел интервью Илоны Маска свежая. Он такую фразу бросил, что из-за развития вот этих технологий работать будет не надо в нашем понимании сегодняшнем. Это станет необязательным. Ему говорят: "Как это в смысле необязательно? " Он говорит: "Ну вот если вы захотите поработать, вы сможете, если вам это будет нужно". Но в целом это не требуется. Как это? Что это означает? Он говорит: "Ну вот смотрите, вы овощи любите кушать свежие? " Он говорит: "Ну да, люблю". Ну вы можете их выращивать у себя в огороде. Если вам это нравится, то как бы вы этим можете заняться. Но в целом, чтобы покушать свежие овощи, это не требуется. Вы это будете использовать, эту деятельность в качестве хобби. С работой с остальной будет вот что-то примерно такое же. Они делают роботов, они делают искусственный интеллект, они делают эти нейролинки и управления. Вот дойдёт до того, что как в этом в фильме Электроник советском, да, вкалывают роботы, а не человек. — Знаешь, я вот сейчас подумал, что по меркам какого-нибудь там X века это же вот уже случилось. Ну, в принципе, любой из нас и почти любой из слушателей может как-то устроить свою жизнь, чтобы не работать. Он не будет ездить каждый день на Мальдивы с такой жизнью, но он не умрёт с голоду. у него будет телевизор, мобильный телефон, там какую-то там пенсию себе устроить как-то можно. Всегда можно. Ну не всегда, но очень часто. А это уже — уже сегодня это невозможно. — Да ладно. Ну — такая задача, связанная с пассивным доходом. — Ну то ты как-то устраиваешься безработным, получаешь какую-то там от этой безработицы. — Не, ну по меркам XIX века можно покупать за 4 руб. вот эти лапшу китайскую и какую-то высококалорийную сосиску. И по меркам X века ты будешь кушать сильно лучше, чем средний представитель человечества XIX века. Гораздо там калорий будет больше, получаться. — Именно. И работаешь там месяц в году как-то. Вот я уверен, что это можно устроить. Причём я уверен, что вот там лично ты можешь устроить себе вообще другой уровень жизни, перестав работать на какие-то накопления, то то, что у тебя было. Вот вообще же тебе работать не обязательно. — Обязательно ли мне работать? Я, честно говоря, как-то с другой стороны я не могу сидеть без дела. — О. Вот тут уже — я такой человек, что я даже в выходной, вот сегодня воскресенье, я вчера работал в субботу целый день, мы с тобой записываем этот подкаст в воскресенье. Я на работе, я с утра работал, — как бы овощи полил, грязл. Если я в выходной день сижу и ничего не делаю, я начинаю испытывать тревогу и какую-то вину, что я у меня там столько задач висит, такой огромный бэклок из незавершённых каких-то дел, возможностей и перспектив. И то, что я просто так это время просиживаю, я начинаю негативные эмоции испытывать и возвращаюсь к работе. — Ну это же не какая-то внешняя обязаловка. Это, — да, просто ты такой устроен. Вот ты хочешь работать, ты работаешь. — Выжить, я думаю, что можно. То есть общество не даст как бы э социум не даст умереть человеку. Вот так. Уровень жизни будет очень низкий относительно текущего социума. Относительно социума XIX века он будет очень высокий. Это факт. — Да. Да. — Факт. Там, где люди, ну, как-то перебивались после войны, особенно голодали. Сейчас такого, конечно уже, нет в России. Вот я тут смотрю по сторис товарищ некоторых, кто вот сейчас в Африку поехал, что там происходит. — Не, ну — там не получится.

— Ну как будущее наступает неравномерно. — Давай, знаешь, что сделаем? Вот посчитали сейчас мы с помощью чат GPT, что конкретно вот под эту бизнес-модель надо полмиллиона долларов. А давай этот файлик назад в чат GPT закинем и попросим ээ оценку бизнеса провести. сказать, по какой оценке в соответствии с этой финансовой моделью я могу привлечь полмиллиона долларов? Ну — давай — и давай ещё знаешь как сделаем? Давай скажем, э посчитай оценку тремя разными способами. Вот просто так вот тремя разными способами без детализации. Базово когда мы оцениваем компанию для привлечения инвестиций, у нас есть несколько таких основных фундаментальных подходов. Первый называется метод затратный. Ээ, нам надо посчитать, сколько будет стоить сделать что-то аналогичное с учётом стоимости денег, с учётом риска того, что мы не получим результат. Второй метод, который здесь вот промелькнул уже, называется DCF, discounted cashflow. Это метод дисконтирования денежных потоков, который основывается на том, что, грубо говоря, 1. 000 руб. сегодня имеет большую ценность, чем 1. 000 руб. через год. То есть это 1. 000 руб. купит больше хлеба там или чего-то другого. Поэтому у денег во времени появляется стоимость. Аналитик оценивает будущие денежные потоки, а затем считает то, что называется NPV. Net present value текущая приведённая стоимость. То есть он разматывает будущие денежные потоки в настоящее время с учётом того, что называется, коэффициента дисконтирования будущих денежных потоков. Короче, это всё не обязательно знать. Финансисты это знают, чат GPT это тоже посчитает. И есть, конечно же, метод третий comparables, который называется оценка рынка. какие мультипликаторы используются, каким показателями для того, чтобы проанализировать сделки с похожими бизнесами в недавнем прошлом, с максимально близкими по природе, чтобы такие же оценки здесь применить. — Ну, честно говоря, на ранних стадиях чаще всего применяется метод 3П. Это пол, палец, потолок. — Я называю это метод экспертных оценок. Он же называется метод поводить вилами по воде и сказать, что он думает. Значит, первый как раз, значит, полу пальцпотолок использовал. Метод, сколько мы готовы отдать, 15-25%, значит, стоим мы 2-2,5 млн. Окей. — Второй comparables, взял мультипликаторы какие-то и в общем то же самое примерно получил — пол-3 млн, — да? И третий, значит, целевая доходность инвестора. Ну, по сути, DCF глобально. И что получил? Да, то же самое получил. В общем, — 3 млн. — В общем, наша финмодель стоит 2 млн долларов примерно. Мы с тобой неплохо поработали эти 2 часа. — Да, кстати говоря, если вы думаете, что

это не происходит вот так вот в жизни, то оно в жизни примерно так и происходит. Компании технологические оцениваются примерно так. Стартапы перспективные оцениваются примерно так. Эта оценка - это всего лишь вера инвестора в то, что в будущем он сможет вот такие вот цифры заработать. И будущего этого никто не видит. 2-3 года назад мир сошёл с ума инвестиционный, и народ заливал деньги в бизнесы, связанные с доставкой еды. — Не, уже больше уже. — Ну двадцать первый год, двадцать второй год, вот там, ну вот 3че года назад, 245, — вот там вот это было. По всему миру компании получали оценки в десятки, в сотни миллионов. долларов и евро на презентации. Модели были примерно такого уровня. Я думаю, что местами даже хуже. Все эти бизнесы практически обанкротились. Много кто потерял деньги. Бизнес-модель не состоялась. Ну, она вот не оправдала ожидания, но в какой-то момент в неё верили все, весь мир, и деньги туда текли рекой. И это далеко не первый раз. Почитайте, кто не знает, что такое пузырьд. comткомов, что происходило там. Там был совсем ужас. И вроде бы мы все научились, и такого больше не будет повторяться. Но это происходит снова и снова. Как только находится перспективная бизнес-модель. Инвесторы несут туда свои деньги, ожидая какую-то

экстремальную доходность. Скажу, что Retail Rocket в 2012 году получил инвестиции посивные по оценке 3 млн долларов. — А что-то было уже тогда? Ну чисто проектной бумаге был или уже существовал? — Нет, нет. Мы пилили проект, наверное, месяцев 6-8 на тот момент у нас была первая версия. Мы сделали три или четыре пилотные внедрения, показали результаты прироста продаж от инструмента на интернет-магазинах. Это сервис для маркетинга на интернет-магазинах, который помогает продажи повышать. Показали достоверный прирост продаж, закрыли первые сделки. Что-то там около 100. 000 руб. выручки было. Но мы работали в найме и тратили примерно половину дохода. Вот я и мой партнёр, примерно половину нашего дохода на каких-то первых сотрудников, на сервера, там, на что-то такое. И для нас это было довольно тяжело. И нам для масштабирования нужны были деньги. Вот тогда мы пошли деньги привлекать. Конечно, курс доллара был совсем другой. Тогда доллар стоил что-то 27, наверное, рублей. И эти 3 млн- это был, получается, там сколько? 75 тире 100 млн руб. оценка, да, вот на сегодняшний день рублёвая выручка имеет другую привлекательность, другие оценки, но по факту мы в те же самые 3 млн и получили деньги фактически. Причём, значит, ээ у меня была финансовая модель очень-очень такая продуманная. Она была посчитаная прямо в Экселе, может быть, где-то она у меня даже есть прямо по DCФу. И то, почему я пошёл вот с теми инвесторами в раунд, которые в нас проинвестировали, это публичная информация. Раунд был 400 что ли, ты000 долларов или 450. 000 долларов. Сумасшедшие по тем временам нам дали для нас 12 млн руб. на развитие. Сейчас смешно немножечко вспоминать об этом. Вот так мы построили глобальную компанию на 12 млн руб. Ну, у нас потом ещё раунды были, конечно, но они уже были под глобальную экспансию, под покупку других компаний. Там уже всё совсем по-другому завертелось. Так вот, почему я выбрал инвесторов, с которыми мы пошли в раунд. Значит, потому что это были единственные, кто э-э прислал мне в тот же день, что я отправил модель, прислал мне в ответ сообщение. Э, мы нашли ошибку, пожалуйста, посмотри, подсветили. Где-то в восьмиэкранном экселе жёлтеньким одна ячейка. Я смотрю туда, реально ошибка. Вижу ошибку. Исправляю ошибку. Оценка падает в три раза. Вот. А оценка, ну, строится она вот как бы вы выручку в будущих годах где-то там что-то протянули, перетянули. Вот как бы и оценка. Естественно, я перетянул, говорю: "Всё, ошибку исправил, как бы проверяйте". Вот. Они посмеялись, мы посмеялись, как бы там как-то ещё поторговались. Но суть была в том, что для меня это был очень важный сигнал, что люди действительно посмотрели, люди почеленджили, люди попроверяли. Вот. И это те, кто действительно заинтересован. Для меня это был вот сигнал, что я должен идти с этими людьми в сделку. — Мне должен рассказать свою смешную историю про финмодель. Мы, когда мы делали, а, не для инвесторов, для себя нарисовали финмодель. Мы в неё верили, значит, вот так оно всё должно быть. Правильную, хорошую, в Экселе, то есть вот ошибок в неё не было. Ну или я их не знаю. А где-то через год или полтора после запуска реального бизнеса, после того, как всё запустилось, после того, как вот мы уже что-то почувствовали, какую-то кровь на руках, а, открываем эту финмодель и понимаем, насколько же мы не разбирались в том, что собираемся запустить, насколько жизнь по-другому устроена. Ну, то есть вот не то, что ошибки какие-то, вот просто базовое понимание рынка вообще ничего общего. — Ну, здесь, ребят, ээ общий подход он должен быть такой. Значит, если мы вписываемся в какой-то бизнес, а, во-первых, мы обязаны сами для себя сделать бизнес-модель. То, что инвестор её попросит, это очевидно. Инвестор рискует рублём. Но ещё раз повторю, мы в свой бизнес инвестируем жизнь свою, время своё. Это дороже сильно, чем деньги. У нас как бы этого времени всё

не будет. Денег мы ещё с вами заработаем. Что делает инвестор, когда получает бизнес-модель в финансовый, вернее, план по бизнесу, в котором он не очень сильно понимает? Этот инвестор привлекает экспертов. Он находит тех, кто такой бизнес уже делал, кто имеет успешный опыт прошлой реализации задач, которые этот бизнес предполагает реализовывать. И говорит: "Слушай, посмотри, пожалуйста, что ты думаешь? У нас с друзьями, я люблю, в общем, кальян покурить с друзьями. И у нас с друзьями как-то возникла идея. Мы так часто собираемся в какой-то кольяшке, что не открыть ли нам собственную кольяшку. Вот такая вот была у нас идея. Ну, — я пробовал на я пошёл, значит, обратился в крупнейшую сеть кальянных с запросом на покупку франшизы. У нас там просто образовался ещё человек, который тоже из бизнеса вышел. Кирилл, привет, если смотришь это видео, и говорит: "Мне что-то нечего делать. Мне прикольно было бы этим операционно поуправлять, как бизнесом". Мы обратились вот в крупнейшую сеть, э, франшизную, да, не будем уж называть, рекламировать, получили от них предложение, получили от них шаблон бизнес-модели, который выдаёт любая франшиза. Я смотрю туда, но я не очень понимаю. Вот в хорике, в этом, в таком ресторанно кальянном бизнесе, я никогда этим не занимался. Я этишник. Что я делаю? Во все заведения, в которые я хожу часто, я иду и знакомлюсь с владельцами и говорю: "Ребята, разворачиваем ноутбук, говорю: "Как вам? " Они говорят: "Слушай, вот это похоже, а вот так не бывает. Вот здесь слишком оптимистично, а вот здесь вот ты забыл добавить расходы на договорённости с это с пожарными и с какими-то там ещё с ведомствами". Я говорю: "Что за договорённость? " То они говорят: "Ну, как к тебе приходят люди и говорят: "Тебе надо установить там сирену, там тревожную кнопку, там пожарную сигнализацию и платить абонентскую плату". Приходит какое-то вот юрлицо такое, которое оказывает эти услуги. И вот как бы надо это сделать. Вот говорит: "У тебя не заложено, заложи там здесь, здесь, здесь подкрути здесь". Ну, короче, это называется почеленджить бизнес-модель об экспертов. И это ваш следующий шаг. То есть вы берёте промт, который мы выложим, генерируете финансовый план под свою бизнес-модель. А даже, если вас для вас это бизнес новый, ваша задача найти экспертов, об которых обстучать эту бизнес-модель. Можно сделать из чат GPT. Это, кстати, тоже хорошее упражнение. Сказать ему: "Слушай, давай-ка насколько это адекватно? Скажи мне, что улучшить, что там неправильно, где я могу быть, это где я могу ошибаться. Ну и с экспертами тоже". Какой опыт в итоге? Что случилось с Кальянной? Последний момент. Мы уже подобрали помещением, там всё уже были на взводе. В последний момент вот этот парень Кирилл, привет ещё раз, если ты смотришь, который хотел операционно этим управлять, сказал: "Слушайте, что-то я передумал, не хочу я этим заниматься". Вот и всё. И мы разбежались, ээ немножечко так расстроились, сказали: "Как это так? Ты закомитился там всё, что это там? Где твоё слово пацана? " Это был 2019 год. Через полгода, в начале пандемии, мы хаи говорили: "Кирилл, Кирилл, спасибо, что ты свалил, когда все рестораны и всё вообще на свете закрылось. Там всем было финансово очень тяжело, и мы были очень рады, что мы в этот бизнес не вошли. — Зато как раз в эти годы можно было инвестировать в быструю доставку продуктов. — Ну, к кальянам это особенно не относится. Хотя, мне кажется, кальян и кетеринг тоже появился. — Да, я заказывал кальян. Привозили как раз. — На всякий случай тоже осуждаем. Курение вредит вашему здоровью. Пожалуйста, не

делайте этого. Есть ли у тебя какой-то ещё, Александр, вот такая мысль про искусственный интеллект, который ты считаешь нужным, обязательно поделиться зрителями с нашими? — Если вы до сих пор дослушали и всё ещё не верите в искусственный интеллект, ээ, поверьте в искусственный интеллект. Это правда очень важно. Это правда изменит вот вообще всё. М, ну очень большие изменения будут. Не, я не говорю, что, кстати, хорошие, но просто очень большие. — Нам совершенно точно предстоят вызовы. Вот у нас был выпуск один, ээ, недавно с руководителем, э, агентства по продаже недвижимости, и он рассказывал, как они используют искусственный интеллект для процесса найма сотрудников. И у нас уже есть первые этические вызовы. Машина начинает принимать решение, кого нанимать, кого не нанимать. Она выделяет для себя какие-то факторы самостоятельно. Пока что это носит характер рекомендательный. Пока что там сидит эксперт. Пока что это никак не влияет на конкретного человека, которого наняли или не наняли. Но мы приближаемся вот к этому этическому эксперименту с тележкой, где лежит один человек, там несколько, да, это несколько лет назад университет американский проводил исследование как раз для Cell Driving Cars, то есть для автомобилей с на автопилоте, э, где людей просили объяснить, как они в каком-то бинарном случае поступят. Допустим, э, едет автомобиль, ээ, на автопилоте, на дорогу выбегает, э, ребёнок, ээ, и автомобиль понимает, что он не успевает остановиться гарантированно, но при этом есть возможность свернуть. Если он свернёт, машина ударится в стену или там выскочит с обрыва и в машине, допустим, беременная женщина, которая тоже гарантированно умрёт. И машина должна принять решение, что делать в этой ситуации, кого из них убить. Понятно, что это как бы ужасный случай, который вряд ли когда-то произойдёт, но теоретически он возможен, и программе надо как-то принять решение, что делать. И вот там был такой длинный длинный тест, где людям предлагалось сказать: "Как вы думаете, кого надо убить? " Грубо говоря, звучит ужасно, но это был тест этический, потому что дальше начинало таваться. Допустим, ребёнок выбежал на дорогу, а в машине преступник. Дальше, значит, в машине преступник там и врач. А на дорогу вышел священник. Вот. И вот такие вот разные комбинации. И реально там было показано, как люди ползуночки смещали, в чью сторону система ценностей как бы машине предполагает действовать. Пока что этого ещё не происходит вот у нас на повседневности, но этические вызовы нам предстоят. Что интересно, — ну, насчёт не происходит в повседневности, но вот в Хитхантере а резюме поднимаются вверх и вниз по какому-то алгоритму. И, ну, не вопрос не жизни, смерти, но вопрос найма вполне себе решается этим алгоритмом рекомендаций, который считает, что мне, как нанимателю, надо показать вот это резюме, а не вот то резюме. Все агрегаторы чего угодно: объявлений, резюме, товаров, давно уже ранжируют товарные предложения. Причём все эти предложения ранжируются индивидуально для конкретного человека. Там у нас сейчас вот ты сейчас прозвучало, что резюме - это товарное предложение. Вот. Ну, это, я так говорю, это мой слнгное предложение, потому что первый продукт Ril Rocket - это рекомендательная система. Мы занимались тем 10 лет, что максимизировали продажи через сортировку выдачи товарных предложений индивидуальный для каждого пользователя, чтобы с максимальной вероятностью то, что ему подойдёт, ему в первую очередь показать. Оно уже давно работает так везде, но повторюсь, что там всё-таки используются алгоритмы довольно-таки детерминированные. Что значит детерминированный? Это значит, что если мы отдадим на вход какой-то запрос, то на выходе мы получим предсказуемый ответ. — Я не уверен. Ну то есть может быть в хантре же какой-то машинarning есть. Почему бы нет? Machine learning тоже работает так же. Machine learning в алгоритмах ранжирования работает на настройку некоторых коэффициентов, подкручивая конкретные параметры. Э они для человека могут быть эфимерны, но всё равно юнит-тест будет пройден. А вот оно, зараза, уже не такое. Оно недетерминированное, и оно может на один и тот же вопрос отдавать разные ответы в одной итерации коммуникации. И более того, сейчас это звучит так. Эта машина определит, нанимать, не нанимать лучше, чем 80% HR, которые в целом не так уж и хороши — в решении этих задач. И может быть даже это правда. Другое дело, что стремительность наращивания объёма задачи, э, она, ну, для меня немного так настораживающе выглядит, скажу вот так вот слова немного убрал, — да, потому что вот всё, что мы видим в сериале Чёрное зеркало, оно вот очень близко приближается, когда там какие-то есть сценарии о том, что ты подумал о том, чтобы совершить преступление, да, а тебя уже за это наказывают под, ну, такой как это удар превентивного возмездия, да, на основе предсказания, которое сделала машина. Но это мы уже совсем такие сценарии рисуем. Я всего лишь хочу сказать, что нас, нас это людей ждут определённого рода вызовы, которые нам предстоит как-то адресовать для того, чтобы не только ценность, которую вот мы в этих подкастах показываем, максимизировать от этих технологий, но и чтобы, э, минуса какого-то не создать или как минимум его э снизить, снизить вероятность его наступления. Друзья, пожалуйста, ставьте лайки, нажимайте на колокольчик и обязательно подпишитесь на этот канал. Большая часть зрителей смотрит это видео не подписавшись. Вы можете думать, что вы подписаны, если у вас ролики появляются в рекомендациях на главной страничке, но они там появляются далеко не все. Если хотите видеть их больше, обязательно нажмите на подписку и увидимся с вами в следующем видео. Пока-пока. — Спасибо.