EDU

Будущее консалтинга, или Отчет, в который можно "войти" Сегодня разговаривал с консультантами о том, как меняется аутпут их работы: классическая история - поработали-поработали, написали отчет, презентовали. Но дальше он пылится в рамках отдела, заказавшего исследование... Потому было интересно поразгонять, а как повысить усваиваемость и применение выводов и рекомендаций - мои 4 мысли: 1) Интерактивный прототип, а не презентация - вместо того, чтобы результаты исследования подавать в виде отчета/презентации, можно делать прототипы, в которых заказчик мог бы "взаимодействовать" с результатами в режиме "а что если?" или, к примеру, поговорить с персоной, которую выявили в результате исследования, или проследить логическую цепочку от входных данных через рассуждения к выводам. 2) Плагин/набор скиллов - который помог бы не только заказчику исследования применить его результаты (например, маркетинг), НО и другим подразделениям (например, разработка продукта). Вот как я рассказывал на стриме по team os с onsa copy, например. Иногда терминология одной команды делает невозможным не только применение, но даже и восприятие результатов другой командой - вот преодолеть эти барьеры, сделать результаты прикладными, помочь перевести смысл в действие - идея в этом 3) Видео - видео с помощью скилла, что я шерил ранее, или полностью сгенерированное в условном seedance, чтобы показать образ будущего, вызвать эмоции, помочь примерить на себя. Например, как тут по мотивам AI 2027 4) Игра или симуляция - как продолжение (1) и (3), как я недавно делал с Рыболовством, и как завещал Шварц в The Art of the Long View. А после звонка задумался: если условная Консалтинг Ко вот так изменит свои деливераблс, то это все еще консалтинг или уже продуктовая компания? o__O

Как я теперь копаю проблемы на пару с дружбаном? Почему у нас не растёт выручка? Задай это команде — и каждый ответит из своего угла. Sales скажет: продукт долго запускается. Те, кто запускает: Sales подписывает контракт, когда половины данных ещё нет. Маркетинг кивнёт на воронку. Все правы по-своему — и никто не видит систему целиком. Я годами вытаскивал это руками: сажаешь людей в комнату, формулируешь проблему как нежелательное явление и спрашиваешь «почему?» — пока не спустишься к корневой проблеме. По сути это два старых инструмента в одном: 5 почему Тойоты и дерево текущей действительности Голдратта. На днях завернул это в skill для Claude Code, прогнал на реальных проблемах — и прямо впечатлился инсайтами! Что зацепило: 1) Он думает шире меня. Разбирали, почему один процесс работает хуже бенчмарка — агент нашёл обоснование, которого я в голове не держал, и заодно переформулировал саму мою постановку проблемы. Потому что идёт вширь десятком линз сразу и параллельно ищет в интернете, и в ваших данных, а не крутит одну привычную нитку. 2) Каждое «почему» помечено: факт или гипотеза? Это видно в данных — или агент просто предположил? Люди ведь часто говорят «ну, наверное, из-за этого» — а тут отдельные скептики берут каждый лист и докапываются: «у нас мало сайнапов» — а ты посмотрел сколько? Окей, X в неделю — а почему ты решил, что это мало? Что не подтвердилось — выкидывается или помечается как "предположение". 3) Даже когда данных нет — он говорит, каких именно не хватает. Один клиент попросил оценить ROI всего их процесса, часть которого выполняют наши AI агенты; данных по их части у меня, понятно, нет. Вместо «извини, не посчитаю» я прогнал через дерево и получил точную постановку: вот ровно эти цифры дадут ответ. Она ушла собирать их у маркетолога. Дерево превратило «я не знаю» в «вот что нужно узнать, чтобы ответить на вопрос». Под капотом рой агентов копает «почему-почему-почему» вглубь по каждой линзе, склеивает похожие ветки, скептики проверяют листы дерева — и десятки причин сходятся к нескольким корням и одному узкому месту. На выходе — дерево с визуализацией. Внимание: очень много токенов! Я юзаю workflows фичу Claude Code и такой анализ быстро может обойтись в копеечку — поэтому сделал 2 варианта поиска Standard/Deep. Deep — это ~50 агентов и 3-4M токенов, поэтому лучше пробовать на проблемах, того стоящих. Скилл в любом случае предупредит и предложит выбрать глубину поиска. Как уже сказал выше, заюзал его на 5 реальных проблемах и ОЧЕНЬ доволен инсайтами, НО может у меня bias, поэтому попробуйте и дайте знать, помогло вам или зря потратили токены. https://github.com/BayramAnnakov/systems-thinking-skills/tree/main/skills/why-tree

На днях из подкаста узнал занимательный факт, в который я сначала не поверил и полез проверять: последние пару веков доля труда (labor share) в доходе экономики держится около 60%. Через промышленную революцию, конвейер, компьютеры — стабильно ~60% уходит людям в виде зарплат. Так вот, у Дваркеша Имас (Deepmind, упоминал его работу тут) и Траммелл (Epoch) задаются вопросом: сломает ли AI эту константу? И если да, то как именно? TLDR: через цену. Логика следующая: 1) машинная экономика бесконечно плодит сама себя — один робот превращается в много роботов, а значит полезность каждого следующего стремится к нулю (по экономике второе мороженое не такое классное как первое, но все же классное); 2) спрос на человеческое (балет, «живой» бариста, ручная работа) — фиксирован; 3) поэтому доля человека в общем пироге может схлопываться даже при полной занятости. Один робот в следующем году превращается в много роботов, а число балерин — то же самое Так за что тогда платят человеку? Их ответ — сектор "отношений" (relational sector), где ценность в том, что человек участвовал в создании этого товара/услуги. Имас провел забавный эксперимент: продавал один и тот же арт-принт с надписью «сделан человеком» vs «сделан AI». За человеческий ожидаемо платят заметно больше, НО премия схлопывается, как только тираж растёт до 500 (связь с «тем самым автором» теряется). У AI-версии разницы нет вообще: AI уже воспринимается как commodity. Вот и у меня под окном есть робо-кофейня и почему-то никогда в нее не вижу очередь, в отличие от другой - человеческой - рядом. К чему я это? Relational sector — это про «сделано человеком», про происхождение. И это makes sense, но мне кажется, это хрупкая, нишевая премия (суши от Jiro плохо масштабируются). Куда устойчивее, по-моему, другая: премия не за «сделано человеком», а за «человек подписался под результатом». За принятие ответственности. Как раз это мы недавно обсуждали на стриме про AGI Economics: в новой экономике организации платят не за работу (работу делает агент, harness её верифицирует) — а за то, что кто-то берёт на себя риск. По сути, бизнес становится страховщиком собственного результата. Как сформулировал один из AI нейтивов: Раньше мы продавали работу. Теперь работа стоит ноль — её сделает любой. Продавать будем то, что не каждый может: закоммититься под исход. Это и есть страхование. Но за ответственность готовы платить не везде - скорее там, где она обусловлена регуляторно или договором: 1) аудитор подписывает финансовую отчётность, а инженер ставит штамп на проекте — расчёты давно делает софт, но отвечать по закону должен лицензированный человек, и платят именно за эту подпись; 2) в штате Utah AI продлевает рецепты на хронические препараты — врачи соглашались с его решениями в ~91% случаев, к качеству вопросов почти нет. Но подписать рецепт по правилам всё равно должен лицензированный человек, а медсовет (11 из 14 врачей) и вовсе потребовал пилот приостановить. Человек тут не из-за точности AI — а чтобы было кому отвечать. Собственно, вопрос, на который я считаю нам всем надо ответить: за какую ошибку клиента засудят / уволят / оштрафуют (ответственность) или какой тип ЧЕЛОВЕЧЕСКОЙ деятельности для клиента значим и за него он будет готов платить премию? Ушёл думать...

Как построить свою TeamOS? Выкладываю запись пятничного стрима про TeamOS - enjoy! Стартовый репозиторий тут + материалы от Гаяра (спасибо ему!) - в комментарии к посту. Ну а если надумаете сделать свой - welcome.

Пытались "похоронить" океан с 13ю системномыслящими на прошлой неделе. Не особо получилось — и это оказалось интереснее, чем если бы получилось. Рассказываю. На курсе по системному мышлению мы играли в Рыболовство (Fish Banks) — классику системного мышления. Вы — рыболовные компании на одном океане, цель до неприличия простая: налови побольше рыбы, заработай побольше кэша. Подвох не в правилах, а в структуре: рыба "общая", решения приватные и в условиях конкуренции, у каждого решения инерция 3 года. И каждая команда, преследуя свои рациональные цели, разрушает общий ресурс, от которого зависит как их личное благососотояние, так и оное других. Обычно к 6-7 раунду все вылавливают рыбу в ноль и банкротятся — трагедия общих ресурсов, в реальности так вымирали целые рыбацкие города. Ну я, как водится, зарядил симуляцию, и сел ждать коллапса, потирая руки... А они выжили. Все три команды, в плюсе, океан живой o__O. Скриншоты в аттаче И только на дебрифе дошло, почему: спасло их не то, что они нашли верную стратегию, а потому что осторожничали. Докупать корабли было выгодно всю игру — а они брали по одному за раунд и, что интересно, в командных обсуждениях сами притормаживали особо агрессивных. Один участник честно сказал: «действовал из позиции страха, вслепую». Или другой - "я говорил всем накупать кораблей, маржа же положительная, но мне каждый раз "не-не-не, подожди" - и приходили к компромиссу". И именно эта осторожность их спасла - но это скорее была удача, чем безопасность. Стоило одной команде вдавить педаль газа в пол - и полетели бы все. Но этот пост не совсем про трагедию общих ресурсов, он про AI в обучении. Помните, на вебинаре про AGI Economics я говорил: джуны теряют ту рутину, что тренировала интуицию, и единственный способ это воспроизвести —компрессированные симуляции? Что все курсы придётся переделать в этот режим? Вот это ровно оно и есть. Раньше я проводил эту игру в оффлайне: и это было супер интересно и динамично, команды ходили друг другу на переговоры, пытаясь убедить перестать агрессивно вылавливать рыбу "а то все умрем", и тп. Но онлайн этот опыт не получалось воссоздать. Но сейчас дружбан так быстро все кодит, что мы с ним за пару часов создали мультиплеер симуляцию, что я использовал в обучении. Мало того, участники игры использовали AI: одна команда построила модель игры (как она ее понимала), другой участник - попросил perplexity сформулировать стратегию игры. В начале игры даже у меня спросили: а AI можно использовать? Я сначала начал говорить, что нет, но потом быстро переобулся и сказал что-то в стиле "конечно, так будет ближе к реальности"... Кстати, может это "охладило" пыл команд и помогло им выжить?! Самая эффективная форма обучения - прожить на опыте через игру/симуляцию - всегда была немасштабируема: узкое место было не в идее, а в производстве — собрать интерактивную симуляцию это недели. Теперь — вечер. Но важно заметить: легко стало для модели, которую ты сам понимаешь и можешь чётко описать. Описать систему правильно — вот новый дефицит. И это пока, по крайней мере, человеческая работа. Что еще круто в таком режиме: после игры можно "перепрожить" ее на дебрифе, переиграть с другими параметрами на пару с дружбаном, поиграть против дружбана - чего в оффлайн версии не особо сделаешь Классно, что благодаря технологии мы можем дешево дать каждому ошибаться по-настоящему, прожить ситуацию. Дальше я хочу вставить более динамичные иллюстрации (может даже видео), и добавить AI игроков, чтобы добавить динамики и разнообразия сценариев для игроков. Выложил урезанную версию игры + спецификацию на многопользовательскую версию: https://github.com/BayramAnnakov/fishbanks-sandbox

Завтра поговорим про TeamOS, а пока - отзывы участников 1й когорты AI Native Product Team о том, что они создали в рамках курса Виталий, Александр, Виктория, и другие первопроходцы - спасибо вам за фидбек и энергию! https://youtu.be/nSNhYNk1_Xs

Сегодня день рождения Анатолия, моего руководителя в VDI/EPAM, и ментора потом. К сожалению, его больше нет с нами, но его мудрость продолжает мне помогать Попробовал сформулировать 3 урока, что он мне «показал»: 1) В sales презентации не должно быть х**ни (сейчас назвали бы AI слопа). Как он беспощадно разнес мою первую презу по продаже выделенного офиса разработки для крупной нефтяной компании. Мне полезно до сих пор. Будто у него внутри была чуйка на фигню, на «корпоративные плейсхолдеры», на офисспик. Знаете, вот когда слайд ради слайда, а не чтобы «гвозди забить в успешную сделку» 2) Что по почте не продают. Что [b2b] продажа это синхронное действие. У тебя должна быть возможность: задавать вопросы, показывать другие стороны вопроса, парировать, и иногда молча игнорировать. Помню как нас незаслуженно расстреливали на одном митинге, я не понимал, почему он молчит, ведь это неправда и несправедливо! После митинга он мне пояснил, и все встало на свои места, хоть и в моей (и его!) картине мира было несправедливо. 3) Что любой руководитель должен защищать своих подопечных перед клиентами/другими отделами: как-то в сапсане он мне рассказал, как на самом деле выглядел мой уход из Epam Systems, как люди были убеждены, что я никогда не уйду, как непросто ему было, когда я ушел с его проекта, но что он, как то признался он, внутри понимал, что я сделал верно, выбрав свой собственный бизнес. Большинство из вас наверное не знает его, посмотрите видео, там плотность мудрости на минуты видео имхо зашкаливает. Анатолий, с днем рождения Вас!

в пятницу 12го июня поговорим про TeamOS и поделимся уроками внедрения AI в командах: https://luma.com/klz3i3qa

Ловим ошибки в эксельках Волею судеб тут погрузился в то, какие ошибки обычно делают люди в excel-ях, прочитал пару интересных исследований - например, вот это. Любопытная цифра, кстати: в 9 из 10 "серьезных" эксельках есть ошибки o__O Оформил в скилл: если вы часто работаете с большими табличками, он поможет подсветить парочку неприятных и не всегда заметных ошибок. Например: 1) формула суммирования пропустила какую-то ячейку 2) число написано текстом (и поэтому неверно учитывается) 3) более высокоуровневые - бюджет не может быть отрицательным Обычно, в больших компаниях на это есть специальные чеклисты, но применять их надо очень внимательно, и это, признаться, достаточно муторная работа. Надеюсь, будет полезно! P.S. Разумеется, скилл надо расширить вашими собственными правилами; это скорее generic заготовочка

Отрывок из 1й встречи нового потока AI Personal OS - надеюсь, будет полезно: https://www.youtube.com/watch?v=Not4KkuwL_U