Телеграм канал «Дизраптор»

Наткнулся на очень крутой японский кейс:

В Токио есть магазин #FFFFFFT, где продаются только белые футболки. Без другой одежды или обуви, без других цветов, без дизайнерских элементов. Исключительно белые футболки. Но разные - от разных производителей (в основном довольно нишевых), из различной ткани, с разной плотностью, кроем, посадкой, формой ворота и т.д.

Стоят белые футболочки недешево - от 50 до 150 баксов, иногда даже больше. Но магазин очень популярный и даже культовый. От клиентов нет отбоя, много постоянных покупателей. Основатель даже открыл "сестринский" магазин #000T, где всё то же самое, но футболки чёрные.

В чём секрет? Понятно, что японцы - это "маньяки деталей", которые вполне способны ловить эстетический оргазм от небольших нюансов выкройки (да и сам магазин внутри выглядит очень стильно и даже медитативно). Также очевидно, что этот концепт радикально противопоставляет себя масс-маркету, который многих задолбал. И вообще, идея "магазин только с белыми футболками" звучит очень необычно и хорошо вирусится сама по себе.

Но я бы хотел отметить вот какой чисто продуктовый момент:

По сути, это магазин-лаборатория. Он сознательно обнуляет всё лишнее (брендинг, дизайн, цвет), чтобы настоящие различия продукта стали заметными. И за счёт этого переключает мозг покупателя с быстрого на более глубокое потребление. По сути, переводит с вайб-режима на режим глубины (про это я подробно писал вот тут).

Механизм такой:
1. Отсекаем лишний шум и фиксируем ключевую переменную (цвет = белый).
2. Варьируем остальные параметры.
3. За счёт чистоты сравнения кристаллизуем отличия.
4. Эти отличия становятся ценностью, которую можно монетизировать.

Напоминает научные исследования, где создаётся модель (= упрощённая версия реальности), а дальше исследователь крутит ползунки, фиксирует изменения и сдвиги и делать выводы.

А в ритейле это даёт вот какой эффект:
- Сначала новый покупатель ничего не понимает.
- Потом начинает трогать/ мерить и начинает различать.
- В итоге - уходит с новой глубиной понимания и уровнем вкуса, и больше не хочет обратно снисходить до обычного шоппинга.

И естественно, становится лояльным клиентом, приходит за новыми покупками, платит высокий ценник и даже друзей приводит.

Этот приём (назову его "Выпячивание ценности через очищение ассортимента") можно использовать не только для футболок, но для многих других продуктов.

Дизраптор

IT-эксперты: "Если закон о суверенном ИИ примут, то в России будут заблокированы ChatGPT, Claude и Gemini".

Российские юзеры ИИ такие:

Идеи стали бесплатными, и это меняет для стартапов вообще всё

Послушал подкаст Форбса с создателем сервиса «Самокаты» в Яндекс Go Леонидом Ясиновским. Там много всего про предпринимательство и создание продуктов, но лично у меня глаз (точнее, ухо) зацепился вот за какую мысль:

Многие стартаперы и начинающие предприниматели думают, что главное - это идея. Это и раньше был опасный тезис, ведь между идеей и работающим продуктом - целая пропасть. Но сейчас особенно, потому что идеи теперь не просто дешёвые... они бесплатные.

Реально, можете открыть любую ИИшку и написать "Придумай 10 рабочих бизнес-моделей на рынке городского транспорта" (например). Для верности можно дать пару доп условий и насыпать контекста. ИИ легко выдаст список, и некоторые идеи будут вполне рабочими.

И вот что получается:
- Потребность рынка в стартапах и продуктах растёт органически.
- Людей, которые хотят запускать стартапы и продукты, меньше не стало. Скорее их стало больше, т.к. снизился порог входа (по крайней мере, им так кажется 🤔).
- А генерация идей в расчёте на человека выросла в разы, почти до бесконечности.

Это значит, что реализация (тот самый execution) из бутылочного горлышка превращается в супер-узкое иголочное ушко с гораздо более жёсткой конкуренцией, чем раньше. Раньше execution - это 90% успеха. Сейчас - 99,99999%.

Следовательно, особо важной становится способность найти инфраструктуру для реализации. В подкасте упоминается, что именно с этой целью Яндекс создавал свой акселератор для наукоёмких технологических стартапов. Они создали полноценную среду, где команды получают доступ:
- К execution-инфраструктуре. Например, облачным ресурсам.
- К экспертизе. Через поддержку менторов — экспертов в области машинного обучения, физического ИИ, генеративных технологий и других направлений.

Как итог, можно использовать корпоративные ресурсы, чтобы хакнуть стадию реализации и быстрее проскочить главное бутылочное горлышко.

Леонид сказал хорошую фразу: "В корпорации ты качаешься на качелях со слоном". То есть, даже если кажется, что корпорация - это слон (большой, неповоротливый, может раздавить и всё такое), то при грамотном подходе его увесистость становится ускорителем и наоборот помогает.

Такие дела. А подкаст послушайте, полезно.

Немного киберпанка вам в утреннюю ленту:

В конце февраля Бургер Кинг стал встраивать ИИ-ассистента Patty прямо в гарнитуры своих сотрудников. Пока как тест, в некоторых точках.

Основная (по крайней мере, заявленная) цель - помогать сотрудникам. ИИшка анализирует разговоры с клиентами и подсказывает по рецептам, инвентарю и другим операционным моментам.

Но не только. Ещё Patty перманентно отслеживает определённые слова: "спасибо", "пожалуйста", "добро пожаловать", "заходите к нам ещё" и прочие маркеры дружелюбного сервиса. Возможно, система работает более тонко и анализирует более сложные и комплексные паттерны (например, структуру фраз, интонации, скрытый сарказм/токсичность, голос и т.д. - и всё это вместе). Подробностями они не делятся, но мне сложно представить, что корпорация массово внедряет ИИшку только чтобы считать, сколько раз кассир сказал "спасибо" 🤔

Во всей этой истории есть два очень важных момента. Один - чисто управленческий, другой - чуть более широкий. Итак:

Момент первый. Если когда компании массово внедрят ИИ-компаньонов (или правильно сказать "ИИ-надсмотрщиков?") для отслеживания сотрудников 24/7, то изменится весь подход к менеджменту: компании перейдут от управления результатами к управлению процессами.

Раньше достоверно (именно достоверно, это важно) можно было отследить только результаты: показатели, метрики. И уже исходя из этого попробовать влиять на процесс. Продал на $1000 за день и среднее время заказа 3 минуты? Молодец. Если так в среднем по больнице - процесс хороший. Если нет, нужно либо его менять (через гипотезы и их проверку), либо работать с конкретными неперформерами (обучать/ мотивировать/ увольнять).

А вот теперь можно видеть не "что получилось", а "как это происходило". Отслеживать разговоры (и конкретные слова), разбирать последовательности действий, смотреть каждое микро-решение. Собирать эту инфу и раньше можно было, но что с ней делать? А сейчас ИИ может и собирать данные, и сразу же анализировать их. Моментально выдавая выводы и предлагая оптимизацию.

Следующий шаг - это уже управление поведением. Когда ИИ-надсмотрщик не только следит и анализирует, но и выдаёт плетей вмешивается, когда требуется: "скажи спасибо клиенту", "уточни заказ", "ты забыл положить мороженое" и т.д.

Момент второй. Сам Бургер Кинг заявляет, что ИИ-ассистент в гарнитуре - это ни в коем случае не слежка за персоналом 24/7. Могу представить, что СЕЙЧАС такой цели действительно нет. Но инфраструктура, которая позволит эту слежку 24/7 легко развернуть - появилась. А дальше на неё можно много чего интересного нанизать. Получается, странные люди, которые глубоко в настройках отключали микрофоны и заклеивали камеры на ноутах, не такие уж и странные?

Дизраптор

Стартап Nebius Аркадия Воложа опять растёт. Почему? И вообще, что именно он делает?

Вчера оценка Nebius почти пробила $30 млрд, а личное состояние Воложа превысило $4 млрд. Скачок случился на фоне размещения облигаций и большого долгосрочного контракта с экстремистской Meta. А ранее Nebius заключил стратегическое партнёрство с Nvidia и получал инвестиции от других глобальных бигтехов.

Но почему новое детище Воложа так хайпит? И что конкретно делает этот Nebius? Чтобы нормально разобраться, нам нужно чуть погрузиться в инфраструктуру для ИИ.

Итак, ИИ - это не просто чатботик, LLM и чип. Это ещё дофига всего:

1. Не просто чипы, а много-много чипов, собранные в огромные дата-центры (их ещё называют AI-factories).

2. Сети InfiniBand. ИИшка работает не на одном чипе, и даже не на десяти. А на тысячах и десятках тысяч GPU. Причём одновременно. Следовательно, они должны быть связаны очень-очень быстрой сетью. Эта сеть называется InfiniBand.

3. Инференс. У LLM есть обучение (training), а есть момент, когда уже обученная модель работает на результат, генерит что-то, выдаёт ответ и т.д. Это и есть инференс (inference). Миллионы пользователей делают миллиарды запросов. Если ИИшки будут обрабатывать всё это в лоб, то будет дорого и не эффективно. Поэтому в ход идут inference-системы. Они объединяют много похожих запросов в один (= batching), работают с промежуточными результатами из кэша, распределяют запросы между моделями (простые - в дешёвую модель, посложнее - в дорогую) и делают ещё много разных оптимизаций.

4. Управление вычислениями (Kubernetes, Slurm). Это "мозги" всей системы. Штуки, которые решают, кому, когда и сколько GPU/памяти выдать. Это такой "диспетчер датацентра".

5. И ещё куча всего, что я тут задолбаюсь перечислять. Но что тоже важно, чтобы этот наш эйай стабильно и уверенно генерил нам слопы с танцующими толстыми котиками.

Так вот, Nebius собирают ВСЁ ЭТО в один готовый продукт в формате "вся инфра под ключ + облако + UX". Но есть важный момент. Всё это (пункты 1-5) может быть и у других облачных провайдеров (AWS / Google / Azure, ...), но все они - универсалы. А Nebius заточен именно под ИИ-нагрузки. У него AI-native архитектура - а значит, он лучше делает inference (за инференс у Nebius отвечает собственная система Token Factory, быстрее даёт доступ к GPU (это дефицитный ресурс), эффективнее их загружает и т.д.

Клиенты у Nebius разные:
- Лабы, которые делают свою модель. Им нужно много GPU, быстрые сети, хранение и инструменты для обучения.
- Компании, уже обучившие модель и желающие быстро выкатить на ней продукт. Таким нужен хороший inference и что-то ещё. Например инфраструктура для ИИ-агентов (для этого Nebius купил агентский стартап Tavily).
- Гиганты вроде той же компании Цука, у которых вся инфра есть, но вдруг нужно будет резко-резко масштабироваться и добавить мощностей... Тогда Nebius их быстро подгонит и выступит в роли "гиперскейлера".

А для Nvidia компании вроде Nebius важны, потому что дают "более рыночный" (в смысле, менее зависимый от геополитики и всяких чип-санкций) и хорошо масштабируемый источник спроса на их GPU.

Всё это Волож и команда пересобрали из зарубежных активов Яндекса - дата-центров в Финляндии, инженеров, собственного ИИ-стека и разных побочных продуктов вроде Toloka. Toloka - это сервис, где раньше Яндекс краудсорсил разные задачки, а сейчас там ищут разметчиков данных для ИИ.

Как к персоналии к Воложу можно относиться по-разному, но предприниматель и визионер он очень крутой. Есть разные (в том числе оригинальные) версии, почему его Nebius так легко получает миллиарды от западного бигтеха. Но ИМХО настоящая причина в том, что это просто отличный технологический проект, который полезен и нужен Хуангу, Цукербергу и прочим большим техно-дядям здесь и сейчас, и станет ещё более нужен в будущем.

Дизраптор

Открыта регистрация на главную конференцию этой весны по технологиям ИИ и анализу данных — Data Fusion* 2026! 💙

Шестая ежегодная конференция Data Fusion пройдет 8–9 апреля в Москве в инновационном кластере «Ломоносов».

60+ актуальных сессий, докладов, примеров, дискуссий по теме анализа данных/ науки о данных/ машинного обучения. Среди тем – ИИ-агенты, «обучение с подкреплением», компьютерное зрение, обработка естественного языка, открытый исходный код, воплощенный ИИ и робототехника, рекомендательные системы, применение ИИ в кибербезопасности, ИИ+ естественные науки, AgentOps и многое другое! Всю программу ищите на сайте.

Конференция объединит лидеров команд по машинному обучению, специалистов по обработке данных, молодых ученых, инженеров, аналитиков и руководителей, принимающих решения о внедрении технологий в бизнес и государственные сервисы.

Среди спикеров конференции: Суржко Денис (ВТБ), Оселедец Иван (AIRI), Райгородский Андрей (МФТИ), Бурнаев Евгений (Сколтех,AIRI), Саркисов Тигран (Х5), Крайнов Александр (Яндекс), Зима Андрей (Ростелеком) и другие эксперты из науки и индустрии.

Все мы любим конференции не только ради знаний, но и, конечно, ради живого общения и новых знакомств, а это важная часть Data Fusion!

➡ Не пропустите, регистрируйтесь.

*Интеграция данных
Информация о рекламодателе

Открыта регистрация на главную конференцию этой весны по технологиям ИИ и анализу данных — Data Fusion* 2026! 💙

Шестая ежегодная конференция Data Fusion пройдет 8–9 апреля в Москве в инновационном кластере «Ломоносов».

60+ актуальных сессий, докладов, примеров, дискуссий по теме анализа данных/ науки о данных/ машинного обучения. Среди тем – ИИ-агенты, «обучение с подкреплением», компьютерное зрение, обработка естественного языка, открытый исходный код, воплощенный ИИ и робототехника, рекомендательные системы, применение ИИ в кибербезопасности, ИИ+ естественные науки, AgentOps и многое другое! Всю программу ищите на сайте.

Конференция объединит лидеров команд по машинному обучению, специалистов по обработке данных, молодых ученых, инженеров, аналитиков и руководителей, принимающих решения о внедрении технологий в бизнес и государственные сервисы.

Среди спикеров конференции: Суржко Денис (ВТБ), Оселедец Иван (AIRI), Райгородский Андрей (МФТИ), Бурнаев Евгений (Сколтех,AIRI), Саркисов Тигран (Х5), Крайнов Александр (Яндекс), Зима Андрей (Ростелеком) и другие эксперты из науки и индустрии.

Все мы любим конференции не только ради знаний, но и, конечно, ради живого общения и новых знакомств, а это важная часть Data Fusion!

➡ Не пропустите, регистрируйтесь.

*Интеграция данных
Информация о рекламодателе