Миша Карпов — AI, продукты и рост ⛳

делюсь нашей полезной папочкой, которую собрали с ребятами кто стоят компании и фонды 🗂🤑 фаундеры, инвесторы и продакты со сделками и реальными цифрами AI в продукте и маркетинге руками: • Миша Карпов - ProductCamp, ex-CPO Skyeng • Наташа Дудина - ex-CMO Fitmost, маркетинг и AI • Даша Лукина - основатель Freckle.Careers • Никита Рвачев - лаборатория Fortune 100 Венчур изнутри, от тех, кто сам пишет чеки: • Роман Белодед - управляющий партнёр YellowRocks • Денис Ефремов - R136 Ventures, #прораунды • Миша Перегудов - Whizz $25m, s16vc ($150m, 5 единорогов) Как растят бизнес до масштаба: • Денис Сметнёв - со-основатель Skyeng и uForce 👉 Добавляйте себе 😎

💵👀 PLG, $60млрд Cursor (ниже будет пост про PLG, но вообще основной запрос — ищу знакомых кто делает классные PLG-кейсы, мб знаете кого?) Slack шел к $100M ARR 2,5года, а например Cursor пробежал этот путь уже за 12мес (и сегодня их SpaceX прикупили за $60млрд) — решил для себя поразбирать кейсы их продвижения, и там не про "массовую закупку рекламы в фб", а про "новые AI-форматы" для PLG-роста сейчас считается что в PLG-подходе есть 2 волны: 1) первая: Miro, Intercom, ... 2) вторая: Lovable, Cursor, Windsurf, ... сейчас активно декомпозирую эти кейсы "AI-PLG" роста второй волны, планирую накидать про это ряд постов — и сейчас ищу — может кто-то из ваших знакомых был в этих компаниях (или компаниях поменьше, но тоже угорал вокруг PLG?) — буду благодарен контактам в личку @michailkarpov 🙏 а пока — просто поделюсь крутецким и очень классными видео с 8-летней девочкой Фэй, один из твитов которой кратно забустил продажи Cursor (она за 45 минут создала полноценный сайт с чат-ботом по вселенной Гарри Поттера. только Cursor и Claude, ни строчки кода рукам) https://x.com/rickyrobinett/status/1825581674870055189

#AlmostFridayHumor

⚡️🔑 unlocked рынки NVIDIA пушит local-first AI — DGX Spark, DGX Station, нарратив про "ownable intelligence" DGX Spark — коробка размером с Mac mini, $4–5k модели локально, данные никуда не уходят, счётчика токенов нет честно: это не "локальный ChatGPT" (frontier туда не влезет) 🤷‍♂️ но DeepSeek заселить уже можно — а для многих рабочих задач разрыв с топовым Claude сейчас почти незаметен тут два тренда идут навстречу: цена на local compute квартал к кварталу падает — стоимость токенов у Claude и OpenAI квартал к кварталу растёт ☠️ когда кривые пересекутся — unit-экономика целого класса продуктов перепишется это уже приоткрывает области, которые раньше были закрыты: 1) агенты 24/7 — per-token экономика при постоянной работе агента быстро становится болью. фиксированное железо меняет расчёт 2) privacy-first — медицина, юридика, финансы — проблема была не в том что AI тупой, а в том что данные нельзя отправлять наружу 3) персональный soft — AI который знает твои файлы, стиль, контекст. работает как часть компьютера, не SaaS с подпиской думаю на этом сдвиге вырастет пачка новых юникорнов 🦄 — и игра будет не про "засунуть последнюю модель", а про качественный harness вокруг более простых моделей чтобы в конкретной категории задач они были не хуже дорогого frontier ___ как раз про это — мой курс Agentic Mindset: как строить продукты на агентах, считать их экономику и понимать что происходит под капотом заглядывайте: aiproductclub.co 🛠

🫣👹 "god-mode" или AI-психоз? на днях Garry Tan (CEO Ycombinator) отметил что наблюдает у трети знакомых CEO формы "AI cyber psychosis" сам Гэрри спит по 4 часа, шипит в прод 37,000 строк кода в день (спорных по качеству) по пяти проектам, параллельно управляя YC во многом это объясняется тем что CEO далеко от "последней мили" — чтобы не видеть где агент ломается поиграл с прототипом — сделал вывод что всё автоматизируется, но он не тот человек, кто потом ловит баги и встречает галлюцинирование библиотек и сейчас это текущие реалии — пока весь рынок ещё разбирается как работать с AI-системами и как грамотно встраивать их в свои процессы дистанция от исполнения рождает оптимизм, который у людей "ближе к земле" часто не выживает что сейчас реально работает — это не CEO с 20 агентами на дашборде в 4 утра (хоть такое бывает и у меня тоже 😆), а инженер с чётким спеком, хорошей моделью и дисциплиной проверить что всё дошло до деплоя и внедрения как говорят, "boring and unsexy" (но работает): 1) определить "что такое готово" до запуска агента, не после — и записать заранее 2) измерять outcome, не активность: строки кода и токены — это vanity metrics, фичи и revenue — нет 3) строить feedback loop с людьми которые скажут вам правду — AI-самообман реален, модель говорит вам что всё хорошо потому что она так устроена ___ про то как агенты устроены под капотом и где они реально ломаются — мой курс Agentic Mindset — чтобы не быть ни CEO в "god mode", ни человеком который потом это разгребает 😉 P.S (для тех кто посмотрел 30-сек видос к посту): на курсе будет Hermes в обучающих целях (на нем удобно посмотреть концепты ai agents: память, скиллы, ...), продакшен-ready агентов мы собирать там не будем 😅 // если видео не грузится — маякните плиз в комментах, подумаю куда их лучше заливать

🛠️💀 как умирают умные агенты вокруг AI-агентов много хайпа, но с конкретными бизнес-кейсами часто беда решил делиться своими прикладными кейсами (выше писал что мы брали 3 бизнеса на AI-трансформацию) кейс: 💎 B2B-компания, запрос от Sales Director: 1) снять рутину с него: контроль CRM, зависшие сделки, подсказка менеджеру на ком фокусироваться и как зайти в клиента (это рисуется блок-схемой и регламентами, значит автоматизация + "AI мозги" агента) 2) "второе я" для самого директора: взгляд на базу клиентов под другим углом, гипотезы, спор с решением (тут блок-схемой не нарисуешь, это ближе к агентской истории) отдельная задача это data layer — агентам сложно ходить в кучу разных источников (битрикс, метабэйз, омнидеск, внутренняя вики), правильнее структурировать данные в отдельном слое данных и оттуда уже отдавать ии-агентам, будет меньше потенциальных ошибок ☠️ но убивают раскатку агентов обычно не технические нюансы, а другое это, конечно же, встройка "в людей" директору агент полезен сразу, а для sales-менеджера это ещё одна штука, которая что-то от него хочет 🤷‍♂️ — если нет времени в графике, не вшито в kpi, не появилось в его каналах общения — он просто не будет пользоваться, и самый умный агент тихо умрёт поэтому настоящая работа очень часто не в "умных моделях и тулах" — а в том, чтобы быстрая ценность появилась у сейлза, а не только у директора ну и, конечно, во всей обвязке контроля такой раскатки — используемость инструмента, в каких кейсах его юзают "на местах" и почему где-то не юзают — шаг за шагом с живым человеком под ручку _______ сегодня как раз стартовал мой курс Agentic Mindset — на нем в первом воркшопе разбирам как собирать такой кейс запрыгивайте если интересно и хочется разобраться "от и до" как собираются такие агенты и понимать что у них под капотом 🛠

🎮👾квиз-тайм! запилил со своей командой агентов небольшой (но веселый) квиз на проверку своего AI-уровня 😎 не судите строго — попробуйте, думаю сколько-то интересных-полезных штук он подскажет вам по мере прохождения — всем классного дня 🙌 https://aiproductclub.co/quiz

👽🧠 агенты в правительстве кейс который меня недавно удивил (и порадовал) — министр иностранных дел Сингапура Vivian Balakrishnan собрал себе AI-второй мозг не для демо, а для ежедневной работы дипломата: — отвечает на вопросы по накопленным материалам — ресёрчит темы — даёт daily updates — помогает готовить речи — сжимает большие объёмы информации — поднимает старые заметки, статьи, выступления и разговоры это уже не чатик для промптов, а персональный knowledge layer поверх всей рабочей жизни как он собрал: 1) voice notes → транскрибация (локально на whisper.cpp) 2) речи / статьи / письма / веб-клипы → knowledge graph (на SQLite) 3) Obsidian → wiki-память 4) Ollama → локальный поиск по смыслу 5) Claude → агент поверх всего контекста и всё это счастье крутится на Raspberry Pi 5 🔥 главная разница с обычным RAG: RAG — это умный поиск по документам а тут система не просто ищет куски текста, а превращает материалы в память: вытаскивает факты → связывает их → собирает wiki-страницы → подмешивает нужный контекст агенту перед ответом то есть агент отвечает не из "папки с файлами", а из накопленной памяти для дипломата это ещё и privacy-by-architecture: голос и embeddings обрабатываются локально Balakrishnan написал про свой агент — "I don’t dare switch it off" и кажется, это лучший критерий полезного AI-продукта — не "вау, прикольно", а "я уже не хочу работать без него" через несколько лет странным будет не министр с личным AI-мозгом странным будет специалист, который каждый день открывает пустой чат и называет это работой с ИИ через год "я умею пользоваться ChatGPT" будет звучать примерно как "я умею пользоваться Google" нормой станет другое: уметь собирать агентов, связывать их с контекстом, инструментами и задачами 👉 если вы давно откладывали "разобраться с агентами" — это как раз тот самый момент, когда откладывать уже дорого, тк разрыв в навыках продолжает расти про это как раз мой практический курс "Agentic Mindset" — как перейти от "чатиков" к настоящей работе с агентами набор ограничен по формату, потому что хочется нормально разбирать кейсы и доводить до применения — открываю доступ 28 мая, остались 8 мест по цене раннего доступа

🧐⁉️ как можно стоить $2 млрд, если ты просто приложение для диктовки? недавно я подвернул себе руку и поставил по рекомендации Wispr Flow — и угорел с него) ну, вернее, он просто максимально нативно встроился в мою жизнь, так что теперь я тоже его фанат главный killer use case для меня — общение с AI говоришь мысль вслух → Wispr убирает мусор → делает нормальный текст → и сразу вставляет в ChatGPT / Claude / Cursor / куда угодно (и это работает заметно лучше чем их встроенные распозновалки) фишка Wispr что он фактически подстраивается под стиль автора — как пишешь (с точками или без, с больших ли букв, и прочее), учит слова и термины интересно конечно и то, как они себя позиционируют чтобы поднимать такие оценки 😅 позиционируют WIspr не как тулзу для заметок, а как слой между человеком и любым софтом а когда ты контролируешь поток ввода, то над этим уже можно надстраивать и всю свою экосистему — Voice OS не просто "напечатай текст", а "сформулируй, отредактируй, отправь, создай задачу, запусти агента, обнови CRM" (и всё это силами Wispr) забавно, что они начинали почти как sci-fi hardware для silent speech — где ты как будто беззвучно проговариваешь слова а PMF нашли в более скучном продукте: "просто дай мне нормально говорить текст в любом приложении" сейчас они уже подняли $81 млн, а Bloomberg писал, что обсуждается новый раунд примерно на $260 млн при оценке около $2 млрд безумно для "диктовки" — но не так безумно, если инвесторы ставят на voice layer + agents + actions ______ хотите прокачаться в AI? заглядывайте на мои воркшопы/курс база: "Быстрый старт в AI" (от Lovable до n8n и Cursor) — чтобы чётко разобраться с автоматизациями и вайбкодингом next level: "Agentic Mindset" (вот-вот стартуем) — как устроены AI-агенты под капотом, как их использовать в работе продакта, запускать автономные задачи и собирать собственный agent stack

🔥👻 не кладбище идей, а фабрика экспериментов с вами снова рубрика "успеть за 60 секунд" 😎 — рассказываю, что руками потрогать, чтобы понимать, куда развиваются AI-подходы сегодня — управление командой агентов на примере Conductor Гарри Тан, CEO Y Combinator, описал свой workflow фаундера — и у него больше нет todo-листа ❌ когда появляется идея, он не пишет её в Notion, Jira или свой туду-лист он нажимает "+" в Conductor — и создаёт отдельный workspace по сути, маленькую песочницу-вселенную, где AI-агент (копируя ваш прошлый код, но не ломая уже написаннный продакшен код) сразу начинает проверять идею: — сделать onboarding — улучшить UI — написать тесты — починить баг — попробовать другую архитектуру раньше backlog был кладбищем идей: — надо записать, потом вспомнить, найти время, открыть проект, не сломать код… теперь backlog может быть фабрикой экспериментов а фаундер становится не исполнителем задач, а техлидом AI-команды запустил 10 агентов → посмотрел diff → оставил лучшее → мусор удалил todo-листы были нужны в мире, где задачи ждали человека в мире AI-агентов задача может начать работать сама вот это и есть часть Agentic mindset на курсе про agentic mindset разбираем весь этот переход: от vibe coding к AI-командам — через Conductor, Claude Code, MCP, synthetic users и agent pipelines не "поиграться с чатиком", а научиться ставить работу своей маленькой AI-команде — заглядывайте пока открыт ранний доступ 🙌