🚀 Андрей Артищев

↗️Можно ли быстро расти без инвестиций — версия 2025-го года Агентство Smart Ranking недавно выпустило свой ежегодный рейтинг Smart500. Они составляют список 500 самых быстрорастущих технологических компаний в России. Топ-10 на картинке. А мне уже второй год интересно, кто в этом рейтинге без инвестиций. Мое прошлогоднее мини-исследование поверх их исследования можно почитать здесь. Но есть важный момент. В прошлый раз Smart Ranking смотрел рост за год (с 2022-го по 2023-й), а сейчас за два года (с 2022-го по 2024-й). Я подсчитывал по-старому. Взял топ-150 и отобрал из них только малый бизнес (с выручкой до 1 млрд рублей). А потом посмотрел, нет ли признаков инвестиций (новости, миноритарии и так далее), не является ли компания «дочкой» крупного бизнеса и нет ли у основателей других бизнесов с большой выручкой. В общем, чисто стартап на свои. ❗️Итого: ➖66 из топ-150 относятся к малому бизнесу ➖28 из 66 — не привлекали инвестиции То есть 42% малых компаний смогли пробиться в топ-150 рейтинга без привлечения инвестиций. В прошлом году было 54%. Но повторюсь, что изменился подсчет изначального рейтинга. В топ-10 оказалось всего две малых компании без инвестиций. В прошлом году в топ-10 было четыре таких компании. Да и вообще малых компаний в топ-10 в этом году всего четыре, а в прошлом было семь. В общем, сложилось ощущение, что сейчас в верхушку рейтинга без дополнительного буста (инвестиции, ресурсы крупной компании, которой продали долю, и так далее) стало пробиться сложнее, чем в прошлом году. Но все равно возможно, что радует. Надеюсь, и вас тоже! А в комментариях интересно послушать ваше мнение, в чем причины. Это просто из-за изменений в подсчетах или реально ситуация поменялась и маленьким компаниям стало сложнее? P.S. Я понимаю, что мой метод не на 100% точный. Например, инвесторы могут не отображаться в ЕГРЮЛ. Но хотелось понять хотя бы примерное соотношение. @TheEdinorogBlog — тот самый канал про стартапы🦄

Codex — это божий дар Я использовал Cursor, Claude Code и ChatGPT время от времени для разных личных проектов и для обучения. Большую часть времени они начинают хорошо и создают многообещающие основы, но в итоге всегда сталкиваешься с багом, где они застревают. И сколько бы раз они ни говорили тебе: «Я вижу проблему!», «На этот раз точно заработает», — ты получаешь тот же баг с лишними 200 строками кода. Мне надоело ходить по кругу, рвать на себе волосы из-за этих багов, и я уже собирался отказаться от программирования с помощью ИИ. Потом я попробовал Codex — и, боже мой, это небо и земля. Ты всё ещё можешь застрять на баге на короткое время, но Codex действительно проходит по твоему коду и логически прорабатывает всё, чтобы найти проблему. Он не исправляет всё мгновенно каждый раз, но стабильно способен устранять проблемы после нескольких попыток. И он не пытается добавить 300 строк отладочного кода или console.log’ов в твой проект, или тайком переписать код, чтобы «сделать вид, что он работает», как это любит Claude. Видеть, как Codex проходит по моему проекту, рефакторит и идеально упрощает его, ничего не ломая, было по-настоящему захватывающе. Я искренне удивлён, насколько хорош Codex. Моя вера в программирование с помощью ИИ восстановлена.

Тим Кук сделал своё. Айфоны стали «как всегда» — скучновато, зато Apple первой в мире пробила триллион и закрепилась в элите. А ещё именно при Куке мир спокойно платит за телефон с четырьмя нулями — с iPhone X планка $999 стала нормой. Теперь про преемника. Джон Тернус. 50 лет. Главный по железу. В Apple с 2001, вице-президент с 2013. Вёл iPad, последние iPhone и AirPods, тащил переход Mac на Apple silicon. Внутри у него сильная поддержка, и именно его Гурман называет фаворитом на кресло CEO. Сегодня компания — про маркетинг и продажи. Касса — идеально. Веселья — мало. Сможет ли Тернус сделать и весело, и прибыльно — вот реальная интрига. И что? Если рулить будет инженер, логика простая: меньше косметики, больше технологий. On-device ИИ, новый класс устройств вокруг «кремния» и дома, где всё работает само. Если получится — Apple снова задаст правила рынка, а не просто цвет коробки.

Витрина Yandex Cloud Marketplace пополнилась сразу двумя конструкторами AI-агентов: 🟣Langflow 🟣Flowise 👉 Рассказываем о них в карточках. Все ML и AI-инструменты доступны на витрине. У вас свой AI-продукт или агент? Заполните форму, и мы поможем разместить его на витрине.

$440 000 за отчёт из ChatGPT В этой истории прекрасно всё. Австралийское правительство недавно заказало у консалтингового гиганта Deloitte аудит IT-системы, которая выписывает штрафы получателям пособий. В результате заказчик получил отчёт, написанный ChatGPT. И не просто написанный, а с несуществующими академическими ссылками, выдуманными цитатами и судьёй по имени «Справедливость Дэвис» (на самом деле её зовут Дженнифер Дэвис). Deloitte официально признали, что использовали GPT-4o якобы для устранения пробелов в документации — иначе говоря, чтобы дописать текст. Теперь фирма возвращает гонорар в $440 000. Сенатор Австралии гениально подвела выводы этой истории: «У Deloitte проблемы с человеческим интеллектом. Возможно, им стоит просто оформить подписку на ChatGPT.» Самое ироничное, что отчёт должен был проверить, не перегибает ли государство с автоматизацией. В итоге именно автоматизация подвела дорогих консультантов. В общем, прежде чем разбираться с искусственным интеллектом, нам всё-таки стоит разобраться с человеческим.

Обзор Кодекса GPT-5 Кодекс GPT-5 от OpenAI только что прибыл. Это не просто версия предыдущего Кодекса, разработчики и аналитики рассматривают его как новый LLM для кодирования. Обученный специально для сложных, реальных задач разработки программного обеспечения, GPT-5-Codex был создан, чтобы быть «агентным» партнером по кодированию. Эта модель быстро привлекла внимание своей способностью динамически адаптировать время «мышления» и глубоко интегрироваться в рабочие процессы разработчиков. Как GPT-5-Codex работает на практике и как он сравнивается с конкурентами? Я изучу ориентиры и реальные результаты. https://medium.com/@leucopsis/gpt-5-codex-review-60a9868d68dd

LiXiang попал в "ловушку первопроходца" У моего любимого (не скрываю этого) LiXiang жестоко упали продажи в Китае. На 12% год к году, и почти на 40% (!), если сравнивать те же кварталы в 2025 и 2024. Понятное дело, что это нууу... не совсем то, чего ожидали инвесторы. И теперь они интересуются, есть ли у компании какой-то антикризисный план Б? Или в утрамбованной почве кладбища китайского автопрома скоро появится ещё одна некогда перспективная могилка? Но для меня самое интересное в этой истории другое. Лисян сейчас в такой ситуации не потому что их машины плохие, а наоборот, потому что они была очень-очень хороши. В общем, есть такое понятие "pioneer trap" (ловушка первопроходца). Работает так: Дерзкий стартап придумывает какой-то классный новый продукт. Этот продукт становится хитом и покоряет покупателей. Гиганты рынка это видят, и массово ломятся в этот сегмент. Там повышается конкуренция, и происходит коммодитизация: это когда вместо уникальности продукта на первый план выходят маркетинговые бюджеты и ценовая политика. У гигантов, понятное дело, серьёзнее масштабы и тупо больше денег, из-за чего сам стартап-пионер теряет конкурентоспособность и идёт нахер. Очень похоже, что компания LiXiang попала именно в такой замес. 2-3 года назад они популяризировали сегмент EREV - extended-range EV, тот самый последовательный гибрид, где электромотор с генератором. Но не только это. Они ещё идеально попали в боль рынка со своим 3-рядным семейным EREV-внедорожником (это модель L9, их самый продаваемый флагман). Но BYD, Changan, Geely и другие китайские автогиганты (а ещё Huawei) это быстро смекнули, тоже начали клепать 3-рядные EREV, сбили цены и буквально высушили маржу на этом куске рынка. Интересно, что Лисян будет делать. Скорее всего, попробует экстренно усилить чистый электро, но там конкуренция тоже бешеная. Ещё вариант - объединиться с кем-то из других сильных игроков, вроде NIO или XPeng. Ну и совсем на крайняк - продаться кому-то из гигантов. "Ловушка первопроходца" - это очень сложная ситуация, из которой непросто выбраться. MySpace, HTC или какой-нибудь GoPro не дадут соврать. Дизраптор

Хочу себе такие купить https://youtu.be/AY-rEld21nA?si=SeAmb3e5lWQ_JOXH

Для кого Для тех, кто считает, что неправильно распоряжается своим временем, хочет избавиться от чувства вечной занятости и получать удовольствие от жизни. https://alpinabook.ru/catalog/book-4000-nedel/

Сегодня на хакатоне Финам, прошел со своей командой в финал

Продуктовая стратегия Лаборатории машинного обучения 1️⃣Решаем только те задачи, которые приносят реальный профит компании. У коммерческой компании, в отличие от исследовательского института, есть акционеры. И эти акционеры ждут возврата инвестиций — в том числе на твою зарплату — в кратном размере. Если ROI нет, ресурсы уходят в другие направления, а в сложные времена — просто сокращаются. Поэтому команда должна решать не те задачи, которые “интересные” или “хочет компания”, а те, которые максимизируют матожидание измеримого результата. И уметь отбиваться от идей, которые точно не дадут эффекта — это тоже часть профессионализма. 2️⃣Находим и продаём бизнесу задачи, а потом быстро внедряем их в прод. Если менеджеры не знают, как монетизировать данные — ничего страшного, это нормально. Нужно идти к ним самим: изучать процессы, искать, где ML реально может помочь. Дальше — быстрый пилот, простая метрика, и объяснение результата в понятных терминах, чаще всего — через финансовый эффект. После этого важно не терять момент и как можно скорее внедриться в прод. Если инфраструктура не готова — поддерживать процесс на своей стороне, пока не появится возможность перенести. Иногда внедрение приходится буквально продавить — но если есть измеримый эффект, у бизнеса просто не останется аргументов. 3️⃣Масштабируем решения и переиспользуем накопленную экспертизу. Каждый бизнес-сегмент уникален, но типовые задачи везде примерно одни и те же. Большинство монетизируемых кейсов — это просто классификация: бинарная или многоклассовая. Решил задачу для одной бизнес-линии — почти наверняка сможешь применить решение в другой. Сделал PD-модель — построишь и склонность, и отток. Научился классифицировать тексты трансформером — сможешь классифицировать и транзакции. Главное — не начинать каждый проект с нуля, а превращать опыт в масштабируемую экспертизу. 4️⃣Используем новые подходы для работы с моделями и данными. Когда ML уже встроен в ключевые процессы, ценность приносит не “ещё одна модель”, а новые подходы:новые источники данных, более продвинутые методы, автоматизация пайплайнов. С таким подходом рост идёт за счёт эффективности — быстрее, дешевле, надёжнее. В итоге 95% моделей, которые мы разрабатывали, были внедрены в бизнес-процессы. Почти все задачи — сгенерированы внутри команды и “проданы” бизнесу, что отображало нашу функцию лидера, а не сервиса. Иногда приходилось ждать по два года, иногда — буквально заставлять внедрять. Нейронные сети в кредитном скоринге мы вывели в прод первыми в России, потом перенесли на другие бизнес-линии, а позже автоматизировали их разработку в сервисе ANNA. Из этого опыта вырос центр компетенций по NLP. 🤔 Каждый пункт стратегии — это ответ на три простых вопроса: что мы делаем, чего не делаем сейчас, как и куда двигаемся дальше.