Бизнес-модели *

В России прокат самокатов (кикшеринг) долгое время вызывал споры. Они стали популярными, но их неуправляемость и повсеместное использование беспокоили людей. Кикшеринговые компании вкладывали в развитие этого сегмента большие деньги, а рынок рос на десятки процентов за считанные месяцы. Похожая ситуация была с прокатом велосипедов в Китае в 2015-2018 годах, только куда масштабнее. О кикшеринговом пузыре Поднебесной — в нашем материале.

Желтые такси крутятся по городу, люди берут машины в каршеринге, коммунальщики вывозят мусор на новых грузовиках. Что объединяет всю эту технику? 

Она не куплена, а взята в лизинг.

В 2002 году я работал в банке, когда к нам пришел клиент с интересной схемой. Он брал у нас кредиты под 42% годовых, покупал на них BMW и сдавал в лизинг по астрономическим ставкам. Мы смотрели на его бизнес и думали — надо попробовать самим. 

Сейчас нашему лизинговому бизнесу 20 лет. Баланс скоро достигнет миллиарда, а работает в компании всего пять человек. Это бизнес, в который можно войти почти без денег, но выйти из него очень сложно. Расскажу, почему.

Серия: Чем болен средний бизнес? Статья 5.LLM + ДРАКОН: доступный инструмент процессного управления для МСБ

Классические BPM-проекты дороги, сложны и часто проваливаются в МСБ. Вы получаете схемы, которые никто не понимает, и зависимость от консультантов, а хаос остается.

В этой статье мы разбираем прагматичный подход, доступный уже сегодня:

LLM как аналитик: Используем нейросети для быстрого анализа «цифровых следов» процесса (почта, CRM, логи) и выявления узких мест.

ДРАКОН как интерфейс: Превращаем выводы LLM в наглядные и понятные схемы, которые может прочитать любой сотрудник, а не только IT‑специалист.

Человек как архитектор: Показываем, как на основе этих данных принимать управленческие решения и моделировать улучшения.

Внутри - пошаговый разбор смоделированного кейса по оптимизации процесса согласования счетов, расчет ROI и дорожная карта внедрения. Никакой магии, только методология и здравый смысл.

[Искусственный интеллект*] [Управление процессами*] [Визуализация данных*] [МСБ*]

Управление корпоративной архитектурой – это та тема, в который на данный момент больше всего «тумана», несмотря на присутствие стандартов и лучших практик (TOGAF, BIZBOK и другие фреймворки).

О корпоративной архитектуре написано уже сотни тысяч страниц в различных документах, но проблема в том, что архитектурой называют все что угодно, и разных определений, что же такое архитектура предприятия есть великое множество. И хотя в целом все определения говорят про объекты, структуру, целевое состояние и путь к нему, на практике про это часто забывают.

В данной статье я постараюсь дать свой взгляд на бизнес-архитектуру, как часть корпоративной архитектуры. И да, это не умозрительные выводы, а результат опыта работы и консалтинговых проектов в нескольких организациях различного масштаба.

В больших проектах, которые объединяют множество компонентов, нередко возникают проблемы унификации подходов и понимания связей между всеми сервисами. В результате долгое время у ИТ-команд существовал запрос на новую модель описания структуры данных и семантики приложения. Она появилась благодаря адаптации онтологии под нужны ИТ. 

Меня зовут Алексей Гуляев. Я архитектор решений в команде VK Tech. В этой статье я расскажу об онтологии в ИТ, вариантах ее использования и нашем кейсе применения онтологического подхода для решения внутренней задачи.

Я хочу поделиться пятью историями, которые меня многому научили. Это истории компаний из самых разных отраслей — от банков до хлебозавода. Но у них есть общее: они выстояли не потому, что были самыми сильными или богатыми, а потому что остались людьми.

От экономики знаний к экономике трансформаций: краткий разбор

Что изменилось?

- Экономика знаний дала сбой: образование, интернет и ИИ сделали знания доступными каждому.

- Продукты больше не защищают бизнес: их легко скопировать.

- Дешёвые прототипы убрали «магическую ценность идеи».

OpenAI впервые раскрыла реальную статистику использования ChatGPT: 73% запросов не связаны с работой

Компания OpenAI опубликовала первое масштабное исследование поведения пользователей ChatGPT, проанализировав 1,5 миллиона реальных диалогов за период с мая 2024 по июнь 2025 года. Результаты оказались неожиданными и развенчали многие мифы об использовании ИИ.

Ключевые выводы:

700 млн пользователей в неделю - каждый десятый взрослый житель планеты

73% запросов личные, только 27% связаны с работой (год назад было 50/50)

Женщины обогнали мужчин - 52% vs 48% пользователей

Программирование - всего 4,2% от всех запросов (а не основное применение, как многие думали)

Три главные категории: практические советы (29%), поиск информации (24%), создание текстов (24%)

Неожиданные факты:
→ В развивающихся странах ChatGPT растет в 4 раза быстрее, чем в богатых
→ 10% всех обращений - это обучение и репетиторство
→ Больше половины "письменных" задач - редактирование существующих текстов, а не создание нового контента

Исследование показало, что ChatGPT превратился из нишевого инструмента для программистов в массовый помощник для повседневных задач - от рецептов до домашних заданий.

10 новых российских продуктов для управления отделами продаж с поддержкой искусственного интеллекта, организации хранения файлов в Телеграм, управления задачами и событиями в календаре через голосового телеграм-помощника и многого другого. Битва за «Продукт недели» началась!

Product Radar — здесь каждую неделю публикуются лучшие онлайн-сервисы и железки от русскоязычных команд.

Наши родители не могли о таком и мечтать! 

Тебе исполняется 18 лет, получаешь права и уже можешь получить свою собственную машину на час или два, съездить погулять с друзьями или в ресторан с девушкой. 

Заплатив за это всего 10-15 ₽ за минуту. Но…

Так было, пока не упала маржинальность бизнеса на аренде авто. Выросла ключевая ставка, а цены на новые машины подскочили в 2 раза. 

Сегодня вместе с машиной ты можешь получить штраф от 20 000 ₽ до нескольких миллионов рублей.

В карьере каждого специалиста наступает момент, когда он размышляет, стоит ли ему уйти в свой бизнес или всё же лучше остаться в найме. Один из самых простых и очевидных способов начать своё дело – это открыть агентство.

В этой статье я расскажу, о чём важно знать, прежде чем начать этот бизнес, какие сложности вас ждут и почему вы не сможете управлять командой из 20-30 человек без продвинутой аналитики.

Меня зовут Павел Крамин. Я много лет занимаюсь коммерческой разработкой для маркетинга и продаж на российском рынке.

В статье разберём, как производителю или импортёру автоматизировать работу с дилерской сетью. Текст будет полезен владельцам продукта, менеджерам проектов и продуктовым аналитикам. Мы не будем углубляться в технические детали, а посмотрим на задачу глазами бизнеса.

Чем только компании не занимаются под видом цифровой трансформации. Разбираем, что это такое и из каких элементов состоит этот процесс.

Первым делом следует определить термин "трансформация". Так вот, четкого определения нет! В генетике, лингвистике, электронике, бизнесе и праве термин определяет разные процессы, но есть одна общая составляющая, которую и возьмем за основу.

Текст немного сумбурный, но хочется поделиться своей историей издательства ПРОСТОРОБОТ (ныне СИМПЛРОБОТ) с теми, кто решит пойти по моим стопам. А именно попытается завоевать, казалось бы, пустующую нишу на рынке настольных игр. Как оказалось, не совсем пустую и с очень специфичной аудиторией.

Что делать, когда у тебя есть €20,000 гранта на маркетинг, новый сложный SaaS-продукт (конструктор Mini Apps), и ноль данных о том, как привлекать клиентов? Мы решили использовать этот бюджет не на погоню за ROI, а на полноценный R&D в Telegram Ads. В этой статье — подробный лог нашего эксперимента. Мы разберем, почему воронка через сайт с треском провалилась (€69 за регистрацию), как мы научились отличать «хороших» подписчиков от «плохих» на глаз, и почему самый дорогой на входе бот может оказаться самым перспективным.

Российский рынок интернет-рекламы в мясорубке.

В 2014 умерло SEO, в 2022 из России ушли Meta* с Google и унесли с собой примерно половину всех рекламных бюджетов. Сейчас подписчик в Telegram стоит 200-400 ₽ (раньше стоил до 50 ₽), лиды в Яндекс.Директе стали космически дорогими, а у блогеров кризис после запрета на рекламу в Instagram*.

Андрей Одокиенко — дизайнер с шестилетним опытом, работавший в Pinkman, Cloud.ru и Райффайзенбанке. В найме он дорос до дизайн-менеджера, получал 350 000₽ «на руки» и вёл проекты уровня банка и облачного сервиса.

7 месяцев назад Андрей ушёл из найма. Теперь он зарабатывает на собственных продуктах, развивает авторский телеграм-канал и ищет идею для нового стартапа или полноценного бизнеса. При этом его доход уже приближается к зарплате в найме, а свободы и драйва — больше.

В этой статье — прямая история от Андрея: как он готовился к выходу, на чём зарабатывает сейчас и какие ошибки и инсайты получил.

Короткий гуглинг по теме показывает, что все рекомендации по внедрению ИИ в бизнесе сводятся к общим фразам. «Выделите одно приоритетное направление», «найдите рутинные операции», «проанализируйте доступные данные». Спасибо, кэп. А делать-то что?

Каждый руководитель в сфере технологий знает это ощущение. Заходишь в зал для совещаний, где собраны недовольные руководители отделов, и у всех — истории о системах, которые не взаимодействуют друг с другом, о данных, застрявших в изолированных хранилищах, и о процессах, требующих ручного вмешательства на каждом этапе. Обещания цифровой трансформации кажутся всё более недостижимыми, когда организация функционирует скорее как набор изолированных островков, чем как связанное целое.

Эта проблема уже не просто вопрос технологий. Это ключевая бизнес-задача, которая обходится организациям в миллионы потерянной производительности, упущенных возможностей и конкурентных потерь. Исследования McKinsey показывают, что 90 процентов компаний сейчас реализуют проекты цифровой трансформации, но большинство сталкиваются с фундаментальной проблемой — обеспечить эффективное взаимодействие своих систем.

Жестокая ирония заключается в том, что отдельные приложения стали мощнее и сложнее, а само предприятие в целом стало более фрагментированным. Каждая новая система обещает решение конкретной задачи, но в итоге все они вместе создают сеть сложности, которая может задушить операционную эффективность.

Однако выход есть. Платформы оркестрации перестают быть просто удобными инструментами для управления процессами и становятся основным приложением, от которого зависит, будет ли предприятие процветать или выживать.

Почему ChatGPT врет вам в лицо (и как OpenAI наконец объяснила, откуда берутся галлюцинации ИИ)

Статья по горячим следам сенсационного исследования OpenAI от 4 сентября 2025

Ваша модель только что выдала вам три разных неверных даты рождения одного человека. В десятом туре подсчета букв в слове "DEEPSEEK" она называет цифры от 2 до 7, хотя правильный ответ - 1. Знакомо?

Раньше мы думали: «Ну, технологии, что поделать, дообучат - и все наладится». Оказалось - нет. Галлюцинации - это не баг, а математическая неизбежность, заложенная в сам процесс обучения.

4 сентября OpenAI опубликовала революционное исследование "Why Language Models Hallucinate", которое переворачивает представление о главной головной боли современного ИИ. Впервые математически доказано: модели врут не из-за плохих данных или недоработок архитектуры. Они врут, потому что мы сами их этому учим.

В своей статье я разбираю это исследование без воды и объясняю простыми словами:

✅ Почему формула «ошибки генерации ≥ 2 × ошибки классификации» объясняет все галлюцинации
✅ Что такое singleton rate и почему 20% редких фактов = минимум 20% вранья
✅ Как система оценки превратила ИИ в вечных студентов на экзамене, где лучше соврать, чем признаться в незнании
✅ 4 конкретных способа от OpenAI, как сделать модели честными уже сегодня

Самое шокирующее: проблема решается не улучшением технологий, а изменением того, как мы спрашиваем и оцениваем ответы.

Компании, которые первыми внедрят принципы честности в свои ИИ-системы, получат главное конкурентное преимущество эпохи ИИ - доверие пользователей.

Готовы перестать быть жертвой красивой лжи и начать строить по-настоящему надежные ИИ-системы?