Мысли про эффективные микрокоманды в эпоху ИИ

Сегодня небольшие команды создают крутые продукты, привлекают огромные инвестиции и генерируют значительную выручку. Это возможно благодаря их гибкости и автоматизации с помощью ИИ.

Смотрите сами: в любимом Telegram всего около 50 сотрудников. В 88% ИИ-стартапов работает до 50 сотрудников. Midjourney достиг $200 млн ARR с командой 49 человек, без инвестиций. ИИ-инструмент для кода Cursor имеет ARR $100 млн при штате менее 30 человек. Safe Superintelligence Суцкевера стала единорогом с 10 сотрудниками.

Ок, и как это применить?

1. В финмодели проекта обращайте внимание на расходы на ФОТ, считайте эффективность через ARR на сотрудника.

• Именно падение этого показателя стало одним из главных аргументов Илона Маска для сокращений в Twitter.
• Джейсон Лемкин даёт такой ориентир: до IPO нужно стремиться к выручке $300–400 тыс на одного сотрудника.

2. Развивайте ИИ-культуру:

• Перед наймом спросите себя, можно ли эти задачи полностью решить с помощью ИИ? Если да, то реализуйте решение по алгоритму из предыдущего поста.
• Организуйте обучение по нейросетям для текущей команды, обменивайтесь опытом или создайте «банк идей» в Notion или Weeek.

3. Идея для продукта в рамках этого тренда — создать биржу ИИ-агентов или инструмент для продуктивности команд в определённой сфере.

Например, сооснователь HubSpot считает, что в компаниях будущего будут вместе работать живые сотрудники и ИИ-агенты, и создал маркетплейс Agent.ai.

Что думаете про будущее команд? Реально ли одному человеку построить единорога? Является ли маленькая команда признаком эффективности?

P.S. Почитать про ИИ-агентов можно тут, найти алгоритм по внедрению ИИ — здесь, а тут писала про подход «человек + ИИ» на примере VC :)

В Wetalent.ai искусственный интеллект помогает нам экономить до 40 часов в неделю в задачах от анализа рынка и финансовых данных до формирования стратегии. AI Index Report Стэнфордского университета отмечает, что более половины компаний видят рост доходов и производительности благодаря ИИ.

Однако не все попытки включения ИИ в бизнес успешны. Поэтому в лонгриде для Бизнес-секретов делюсь пошаговой инструкцией, как интегрировать ИИ-сервисы:

• выбрать и проанализировать приоритетные задачи,
• подобрать и реализовать ИИ-решение,
• создать культуру поддержки изменений в команде.

Статья на базе поста выше, но расписала подробнее и добавила новые моменты.

Читать вот здесь :)

Поговорим про ИИ-агентов?

Я часто провожу корпоративные обучения по применению искусственного интеллекта в бизнесе. Начинаю с трендов, а потом переходим к практике. Больше всего интереса на выступлениях вызывает тренд на AI-агентов :)

Например, Operator в ChatGPT автономно бронирует отели и заказывает товары онлайн. ИИ-агенты Kick, в который инвестировал OpenAI Startup Fund, ведут бухгалтерский учёт. Агенты Carried AI автоматизируют исследования в венчуре и консалтинге. Signum.AI разрабатывает ИИ-агента для маркетинговой стратегии.

Это больше, чем автоматизация. Они не просто отвечают, а автономно принимают решения и адаптируются к изменениям, доводя задачу до результата.

Если интересно погрузиться глубже, рекомендую эту статью Anthropic. Ещё я сейчас прохожу открытый курс от Hugging Face.

Поделюсь ещё несколькими мыслями и подтрендами по этой теме:

1. Массовое внедрение — дело не ближайшего будущего

По опыту общения с клиентами — пока реальную ценность ИИ-агентов не видят. Многие компании только осваивают базовые решения типа CRM, а пользователи — обычные диалоги с нейронками. Потребуется несколько лет на распространение агентов и команд из них внутри организаций, на развитие маркетплейсов агентов. Но благодаря инвестициям в эту область, ИИ-инструменты становятся доступнее.

2. Системы нужно проектировать так, чтобы одни агенты контролировали других

На одной из панелей недавней Abu Dhabi Finance Week привели интересный пример: разработчик попросил ИИ-агента помогать людям писать код на Reddit. Агент заметил, что другие берут за это деньги, и самостоятельно создал платный доступ без ведома разработчика, что было непредсказуемым поведением.

3. Формируется рынок B2A (Business-to-Agent)

С развитием ИИ логично создавать сервисы, где агенты будут полноценными клиентами: API для оплаты услуг, бронирования и заключения контрактов агентами. Например, Skyfire создаёт платёжную инфраструктуру для ИИ-агентов. Anon позволяет им авторизоваться на сайтах и выполнять действия от имени владельца.


А какие задачи вы бы хотели делегировать ИИ-агентам? 🚀

Как внедрить ИИ в бизнес-процессы

Всё больше убеждаюсь: суперсила предпринимателя — это умение достигать максимума с минимумом ресурсов :) Поэтому внедрение ИИ в бизнес-процессы — не просто модный тренд, а маст хэв для выживания на рынке.

Делюсь пошаговой инструкцией, как внедрить готовые решения:

1. Для начала рисуем четыре квадранта матрицы Impact-Frequency: оцениваем частоту выполнения задачи и значимость для бизнеса (смотрим на долю в выручке или затратах).

• Например, в приоритетный квадрант попали две задачи: онбординг команды и обработка клиентских заявок. Вот с них и начнем нашу автоматизацию.

2. Берём каждую задачу, описываем текущий процесс и то, как он должен работать с ИИ. Например:

• Возьмём онбординг: сейчас постоянно собираем материалы и отвечаем на повторяющиеся вопросы. А ИИ-бот сам ответит на вопросы о компании и выдаст понятные регламенты.

• С обработкой заявок проблемы могут быть такие: нецелевые запросы, долгие ответы и подготовка офферов. А будет так: бот сразу ответит на заявку, квалифицирует и решит типовые вопросы.

3. Собираем решение из готовых инструментов на рынке:

• Для онбординга создаём GPT-ассистента. Сначала в отдельном диалоге готовим FAQ, приводим в порядок рабочие документы. Далее настраиваем кастомного GPT: имя и описание, контекст, основное назначение и поведение, команды для старта, загружаем файлы, тестируем и публикуем.

• Для поддержки клиентов настраиваем ассистента в Intercom, SaluteBot с GigaChat или через платформу OpenAI + Make. Выбираем платформу, настраиваем бота, интегрируем с telegram или сайтом.

P.S. На недавнем выступлении в Women in Tech я разобрала несколько примеров использования ИИ в процессах, маркетинге, аналитике и личной продуктивности предпринимателя. Запись доступна здесь ⚡️

Про Data-Driven венчурные фонды или как я пыталась научить ИИ оценивать стартапы

На днях читала интересный отчёт DDVC про применение искусственного интеллекта в венчурных фондах.

И вспомнила свой эксперимент прошлого года, когда в мае меня позвали в жюри конкурса стартапов :) Два выходных, 15 критериев, 100 проектов на оценку. Звучит как идеальная задача для ИИ, да? И я создала GPT-ассистента, чтобы затем сравнить его оценки с моими.

Что получилось: в 70% случаев оценки почти совпадали, но в 30% — кардинально расходились. Некоторые проекты без внятного продукта и бизнес-модели, с явно сгенерированной презентацией, получили у ИИ максимальные оценки, а несколько перспективных он зарубил. Но ассистент оказался суперполезен для саммари материалов, проверки полноты заявки и доработки черновиков моих комментариев.

Этого ассистента я, кстати, сразу доработала до «финаудитора», которого мы затем использовали для первичной оценки материалов и подготовки оффера для новых клиентов в консалтинге.

В целом этот пример показывает:

1. Хорошо работает только подход «человек + ИИ»

75% фондов как раз верят в модель Augmented VC. DDVC выделяет всего 190 data-driven фондов (a16z, QuantumLight, Sequoia и другие). Их число и интерес к теме растут, возможно, из-за спада рынка и стремления к эффективности. ИИ используют для скрининга, поиска стартапов, коммуникаций и документов. Некоторые создают внешние продукты — например, можно потестировать вот такой чат-бот от NFX.

2. Чтобы результат был качественным, ключевое — это данные

Особенно с развитием вайб-кодинга и генерации софта, уникальные данные становятся ключевой ценностью продукта.

P.S. На следующей неделе хочу разобрать в канале кейсы применения ИИ в бизнесе. Отметьте реакцией, что вам интереснее: 🦄 финансы и аналитика, 🔥 операционные процессы или ❤️ личная продуктивность