Excel на 150 вкладок, рассылка 150 файлов руками и проценты по памяти: как я искал, где кинодистрибьютор теряет деньги

Мне кажется, это как раз самая интересная часть кейса.

Заказчик попросил измерить отдачу, и технически вполне можно было качественно решить именно эту задачу. Получился бы хороший, правильный и бесполезный дашборд.

Вообще одна из самых дорогих разновидностей автоматизации - хорошо автоматизировать то, что не стоило делать первым.

Поэтому до вопроса “как это измерить?” полезно задать два других: на что это вообще влияет и что мы готовы изменить, когда получим цифру.

Иначе измерение очень легко станет продуктом само по себе.

Хайп вокруг ИИ: реальное состояние дел и будущее

Тут, по-моему, смешаны две совершенно разные экономики.

То, что OpenAI умеет с хорошей маржой продавать токены, отлично доказывает лишь экономику OpenAI, но почти ничего не говорит об экономике компании, которая эти токены покупает.

Для нее вопрос начинается после счета за API: сколько процесса действительно исчезло, сколько осталось ручной проверки, сколько добавилось интеграции, контроля, обработки ошибок и поддержки, и что в итоге произошло с P&L.

Продавцы промышленных роботов тоже давно умеют зарабатывать деньги, но из этого почему-то не следует, что каждый склад выгодно роботизировать.

Основной вопрос ИИ сейчас не том, сколько он может сделать, а сколько из этого компания действительно сможет превратить в деньги.

Рынок труда перестал быть рынком кадрового голода. Но легче почему-то от этого не стало…

Вот эти 700/300/3, по-моему, гораздо интереснее среднего индекса.

Мы продолжаем говорить о “рынке труда” так, будто это один рынок, который целиком повернулся то к работодателю, то к соискателю. А внутри одновременно может быть избыток людей, которых компании не знают куда девать, и дефицит людей, без которых физически останавливается операция.

Причем во втором случае зарплата тоже не обязательно решает проблему. Если нужных людей физически мало, компании начинают конкурировать уже не за цену труда, а за сам ресурс.

Забавно то, победит не обязательно тот, кто научился эффективнее выжимать людей, а тот, у кого они вообще останутся.

Британские роботы выходят из теплицы в бизнес: они сами ищут и собирают урожай

Здесь сравнивать надо не цену робота с зарплатой рабочего.

Робот конкурирует со стоимостью гарантированно выполненной операции.

У человека кроме зарплаты есть стоимость поиска, текучка, обучения, жилья и транспорта для сезонных работников, болезни, простои, а тк же риск, что нужного количества людей в нужный момент вообще не окажется.

Пока человек дешевый и доступный, специализированная автоматизация действительно часто проигрывает. Но как только он становится дефицитным, робот начинает продавать не столько экономию фонда оплаты труда, сколько предсказуемость.

И вот тогда экономика внезапно поворачивается другой стороной.

Гендиректор Grindr: производительность инженеров выросла в 3,5 раза за счёт ИИ

Никак одной цифрой.

В этом и проблема: строки кода плохи не потому, что мы пока не нашли правильный KPI. Любой локальный показатель после превращения в цель начинает оптимизироваться отдельно от результата.

Хотите считать фичи - получите больше фич. Скорость релизов - больше релизов. Инциденты - меньше рискованных изменений.

ИИ просто довел старую проблему до абсурда: сказали считать код - получите очень много кода.

А производительность имеет смысл только на уровне системы: что получил бизнес и сколько в итоге стоили разработка, поддержка, ошибки, легаси и т.д. и т.п.