Tomoru | Канал основателя

Дивный новый мир В Каннах прошел показ первого полностью сгенерированного 95-минутного фильма 👀 15 дней работы и бюджет 500k USD, из них 400к - это стоимость токенов для ИИ. Те же работы с традиционными подходами оценили в 50 млн USD. И, очевидно, месяцы съемок и продакшена. Понадобилось 16 181 видеогенерация, чтобы из них выбрать 253 финальных эпизода. Средний промпт ~3 000 слов описывал стиль, свет, камеру, физику, тени и прочее. На youtube-канале этой студии выложен 22-минутный эпизод: https://youtu.be/digHr6k38x0?si=PAJYF3YWKXZWKGGb

ТОП-100 самых дорогих частных компаний Подглядел у Горного. В мире сейчас больше 1 700 частных «единорогов» с общей оценкой $7,3 трлн. Из них на 100 самых дорогих компаний приходится $3,7 трлн (больше половины). Топ-3 OpenAI ($500 млрд), SpaceX ($400 млрд), Anthropic ($350 млрд). 1/3 стоимости от ТОП-100 на троих. ИИ-компании становятся заметнее. 16 из топ-100 связаны с ИИ. На них приходится $1,4 трлн (38%). 19 компаний из списка были основаны в 2020 году или позже. Safe Superintelligence ($32 млрд) и Thinking Machines Lab ($10 млрд) - появились только в прошлом году. Обе про ИИ. Рост ускоряется. ИИ гонка тоже.

Рецепт пельменей в резюме Сохраню это здесь. Буду отправлять в ответ на вопрос, зачем мы делаем Tomoru.Team) И чем он лучше «классических решений» 😁 Сегодня наткнулся на забавный кейс. Человек решил испытать алгоритмы подбора - в резюме написал рецепт пельменей, но так, чтобы были ключевые слова и другие предполагаемые триггеры, на которые обычно реагируют винтажные системы отбора. В итоге отобрали. И даже на живой собес сходил. Сначала я подумал, что так не может быть - слишком абсурдно. Но на всякий случай закинул скрин в GPT. И попросил найти первоисточник - нашел)

Нейминг с 1 марта 🙈 В англоязычном интерфейсе Яндекс.Переводчик клиента автоматически перевел. Соответствуем закону, получается.

Позиционирование и оффер - они как анекдот Если тебе приходится его объяснять - это плохой анекдот. Тоже самое с ними. Позиционирование должно захватывать. А оффер - взрывать. Если собеседник не понял «чем это лучше всего, что есть» - нужно дотачивать. Иначе прорыв сделать заметно сложнее. Вчера родилось в процессе работы над маркетингом. Люблю метафоры)

Обзор венчурного рынка от KamaFlow

Обзор венчурного рынка от KamaFlow Первая мысль, когда попадается в руки подобный документ: «Кайф! Оттуда явно можно вытащить полезное для нас. Плюс повод для поста в канал». Метрики, цифры, графики. В общем, ожидаешь фактуру. И тут правда — тема для поста родилась. Коротко обзор в цифрах: ⭐️ 14 страниц ⭐️ 14 фоток тех, кто его делал ⭐️ 7 абстрактных картинок ⭐️ 0 графиков ⭐️ 0 конкретных цифр в динамике И тонна мыслей в стиле «Ожидаем большой эффект», «рынок все чаще смещается», «ситуация усложняется» без ответа «насколько большой?», «насколько чаще?», «насколько сильно?». Тот, кто делал это руками, явно подкачал. Для себя я все-таки взял полезное — появился повод посмотреть на свои материалы (инвест деки и тд), а нет ли у нас самих таких же «водянистых доков». Может и вам будет полезно. Ниже исходный документ.

Полная версия исследования «ИИ в России 2025»

Искусственный интеллект в России по версии «Яков и партнеры» & Яндекс. Ребята опросили технических директоров 150 крупнейших компаний, 150 вендоров, 3,5 тыс жителей России. Как итог — документ с исследованием на 120 листах об ИИ. Исследование с жестким креном в топ-корп, но определенные выводы для себя достать можно большинству. Полную версию приложу ниже. А для меня в нем есть несколько важных наблюдений из категории генеративного и разговорного ИИ (наши тематики). ⭐️ 80% крупных компаний запустили хотя бы один пилот с использованием генеративного ИИ. Далеко не все они пока успешны. ⭐️ Жесткий крен запусков в функции «Маркетинг и продажи» и «Клиентский сервис». До 63% компаний уже что-то внедрили в них. А в «продвинутых» отраслях — доходит до 95%. ⭐️ «HR-функция и рекрутинг» находятся далеко позади — замыкают ТОП-5 направлений. Даже на уровне «продвинутых» — только 25% хоть как-то к этому подступились в HR. ⭐️ В 8 из 16 исследованных отраслей ровно 0 компаний запустили пилот в «HR и рекрутинге». Пам пам! ⭐️ Всего 1,7% от ИТ-бюджетов в среднем сегодня направляется на внедрении ИИ. Что это значит для нас? ⭐️ Внедрение ИИ вызревает. Рынок активно растет. Это больше не про попробовать, а про ближайший must have. Сначала у крупных, дальше у средних и небольших компаний. Переход происходит прямо сейчас. А подрядчиков способных сделать хорошо работающее решение — не много. Есть место для новых классных ребят. ⭐️ 1,7% бюджета — это ни что. Очевидно, в итоге ИИ будет доминировать в структуре ИТ-расходов компаний. Это тот самый рынок, который находится на старте своего ралли роста. ⭐️ «HR/рекрутинг» — функция, которая меньше всего освоена, но он уже не ноль. То есть, это сегмент внутри растущего рынка, который должен расти еще большими темпами. Получилось такое жизнеутверждающее исследование для Tomoru & Tomoru.Team. Классика говорит: один из главных факторов успеха стартапа — правильно выбранный рынок. Достаточно большой, растущий. Судя по этому исследованию, рынок Tomoru & Tomoru.Team ровно такой. И это прекрасно 😁

Подсмотрел STEM-подход у Сторонского На выходных попалось интервью с Николаем Сторонским (основатель Revolut). Прозвучала мысль — они нанимают людей со STEM education. Не знал, что это. Пошел разбираться. А за одно - делюсь. STEM — способ решать практические задачи через микс подходов: науки, технологий, инженерии и математики. Без теоритизирования. Вроде, понятно, но лучше на кейсах — дальше пошел в GPT с задачей показать на бизнес-кейсах. А за одно приложить это к Tomoru.Team. Дальше цитирую ChatGPT: ⭐️ Бизнес-задача Tomoru.Team: Нанимать людей точнее, быстрее и дешевле job-бордов — без деградации качества команды. Это не HR-задача, а инженерная задача по работе с людьми как системой. ⭐️ S — Science. Проверяем гипотезы на данных: что реально влияет на успех найма, удержание и провал. Не “чуйка HR”, а эксперимент и причинно-следственные связи. ⭐️ T — Technology. Цифровые профили с контекстом и культурным фитом, AI-скауты, автосбор сигналов, ML/LLM как интерфейс принятия решений. Технология масштабирует наблюдение за рынком труда. ⭐️ E — Engineering. Проектируем систему целиком: Вход → Scout → Match → Feedback → Recalibration → Выход. На выходе — люди с предсказуемым результатом, а не поток резюме. ⭐️ M — Mathematics. Считаем всё: вероятность найма, стоимость, скорость, корреляции между профилем и успешным наймом, юнит-экономику найма. Математика нужна не для отчётов, а для автоматизации решений. ⭐️ Итог. Tomoru.Team — это уже работающий STEM-подход к найму, а не очередной "HR-сервис": Научный анализ → Технологии → Инженерная система → Математическая оптимизация. Оказывается, Tomoru.Team уже по STEM. И это прекрасно 🙂