Самое важное в IT за неделю: Как не провалить дорогостоящий пилотный проект

Здравствуйте! Меня зовут Дмитрий Роденко. Я основатель сообщества SaaS Founders. Помогаю фаундерам IT-компаний находить новых крупных клиентов с помощью лиды генерации в LinkedIn. Сегодня мы поговорим о том, как не провалить дорогостоящий пилотный проект, почему Customer Success должен стать целью №1 в эпоху AI, зависит ли успех на рынке от того, где вы находитесь, почему качество стало редкостью и как 700 индийских программистов притворялись искусственным интеллектом под именем Наташа. Первая новость от Джейсона Лемкина о том, как максимально увеличить шансы на успех при проведении большого платного пилота. Он говорит о том, что нужно понять, что клиент считает успехом. То есть просто спросить, что для вас будет означать успех в конце пилота. И получить четкие ответы, связанные с их бизнес проблемами. Автор предлагает выделить 2-3 простых показателя для измерения успеха. Сколько времени сэкономили, насколько меньше стало ошибок, сколько людей пользуются программой. То, что можно легко посчитать. Точно договоритесь, что входит в пилот, какие команды будут тестировать, какие функции использовать, сколько времени это не займет, чтобы потом не было споров о дополнительной работе. Составьте простой план с понятными шагами, промежуточными проверками прогресса и датами, когда будете смотреть результаты и решать, что делать дальше. Объясните клиенту, что успешный пилот приведет к покупке полной версии для всей компании, показав конкретную выгоду в цифрах. В конце повторите все договоренности, цели, показатели успеха, план действий, чтобы все понимали одинаково и не было недоразумений. Смотрите, комментарий от меня. Основная задача пилота, платного или бесплатного, это выстроить доверие между поставщиком и клиентом. Поэтому доверие строится на чем? На прозрачности и полезности. То есть люди понимают, что они делают, как они делают и зачем они это делают. Какой полезный результат это дает. Соответственно, если вы запускаете пилот без четкого и понятной схемы, то есть какие выгоды клиент получит и потом по итогу пилота не показываете результаты этих выгод, то у вас есть большие риски, что клиент просто не поймет и не будет продолжать. Поэтому здесь идеальная ситуация состоит в том, чтобы вы помогли клиенту достичь бизнес цели. Многие решения выполняют некие процессы, то есть говорят, давайте эти процессы вы делать будете не руками, а будем делать их автоматически с помощью искусственного интеллекта, автоматизации, неважно. Соответственно, клиент должен оплачивать потом использование данного программного решения для того, чтобы автоматизировать определенные процессы. Соответственно, можно в начале пилота сказать, смотрите, мы автоматизируем один процесс, мы берем условно, трекаем время, сколько тратят его сотрудники на выполнение аналогичной функции, а теперь смотрите, как изменилось все время по итогу пилота. Это очень важно, потому что без этого продать что-то будет сложно. Идеальная история, это когда вы клиенту не просто говорите о том, что вы улучшили показатели, какие-то показатели, которые кажутся полезными. В идеале, надо улучшить те показатели, которые для клиента являются ценными. Условно говоря, если вы сэкономили время сотрудника, это здорово, потому что вы можете сказать, что теперь сотрудник может заниматься другим более важным процессом, либо этот сотрудник вообще не нужен. Либо можно занять другой работой более важной, либо вообще не пользоваться его услугами. То есть тут есть как бы чистая экономия. И это хорошо. Но, с другой стороны, выглядит это неплохо, но фаундерам LPR не всегда это можно продать как бонус. То есть они такие, ну окей, все равно нужно нужного влечения. Ну то есть, условно говоря, да, мы сэкономим на нескольких рабочих местах, но нагрузка на существующих возрастет и требования к существующим возрастет, поэтому придется повысить им зарплату в итоге. Тут должна быть четкая пропорциональность и четкая выгода. Идеально это вообще давать им те результаты, которые они хотят. Условно говоря, не просто некий процесс, а условно некий результат. Если решение помогает готовить отчетность, то результатом работы решения является не отчетность подготовленная, а отчетность сданная. То есть, вы ввели данные, она обработала, или вообще, скажем так, само сдало, и вы получили от внешнего источника подтверждение, что да, все выполнено и так далее. Бухгалтера будут счастливы от этого, потому что, окей, нам не нужно было вносить данные самостоятельно, нам не нужно было их проверять, там как бы решение выполнено. То есть, соответственно, ориентируйтесь не на промежуточные показатели, которые могут быть полезны, а на окончательные результаты, скажем так, тех бизнес-процессов, которые клиенту важны, за которые клиент платит. Следующая новость также от Джейсона. Джейсон говорит о том, что внедрение и время достижения ценностей должны стать целью номер один для успеха клиента. Такая часть перекликается с тем, о чем мы говорили в первой новости. Проблема в том, что отдел Customer Success за последние годы превратился в замаскированный отдел продаж, который перестал помогать клиентам и только пытается продать больше, но AI может это исправить. Он говорит, что быстрое получение пользы от продукта увеличивает удержание клиентов. Чем быстрее клиент видит результат, тем больше вероятность, что он останется. Приводит пример компании Motiv, которая выросла с 1 миллиона до 60 миллионов долларов оборота за полгода. Это ежемесячный оборот. Проблема в том, что большинство клиентов уходят в первые 90 дней после покупки. Если анбординг провален, клиенты разочаровываются и их почти невозможно вернуть обратно. Поэтому важно сразу показать ценность вашего решения. Хороший анбординг создает защитников вашего решения внутри компании клиента, которые будут продвигать ваш продукт, покупать дополнительные функции и рекомендовать новых клиентов. AI здесь может помочь в анбординге, который масштабируется, который позволяет обслуживать больше клиентов без увеличения команды и освобождая менеджеров для стратегических задач. И здесь есть интересная зона роста, потому что многие компании все еще плохо справляются с анбордингом. До 20% клиентов не запускают продукт сразу после покупки, что приводит к потерям и недовольству. Я скажу больше, еще большее количество людей перестает пользоваться им в течение определенного периода, недели, двух, трех. Вы это сможете увидеть по своей внутренней статистике, если вы занимаетесь продуктом. И вам нужно, по сути, мотивировать их использовать продукт и делать это регулярно. Следующая новость от Crunchbase, от портала Crunchbase. «Имеет ли ваше местоположение значение для успеха? Как построить бизнес за пределами целевого рынка?» Автор считает, что... Автор, Арель Ренуа, считает, что местоположение больше не является главным фактором для успеха бизнеса. Сегодня это одна из деталей о нерешающем моменте. Она считает, что появился новый тип предпринимателей, которые строят бизнес за пределами бизнес-центров, используют мировые таланты и запускают продукты на рынках, где никогда не были, потому что это умно, а не модно. Бизнес-хабы вроде Нью-Йорка, Сан-Франциско или Лондона все еще дают преимущество в виде репутации, доступа к деньгам и опытным людям, но это стоит дорого, а с AI и цифровыми инструментами большие офисы становятся менее нужными. Она говорит, что глобальное мышление — это стратегия выживания. То есть компании с клиентами в разных странах более устойчивы к кризисам, экономическим спадам и изменениям правил. А разнообразные рынки заставляют думать по-новому и лучше адаптироваться. Лучшие таланты теперь могут найти везде, можно найти везде благодаря удаленной работе и цифровым платформам. Поэтому не нужно ограничивать себя одним местом. Интернет помог бизнесу преодолевать границы, и теперь предпринимателям нужно перестать их создавать обратно. Комментарий от меня. Смотрите, с одной стороны, это безусловно так, потому что Местоположение на данный момент, благодаря достаточно хорошему развитию телекоммуникаций, не является проблемой. Если вы можете согласовать часовые пояса и вы друг к другу подходите по ценности и по биоритмам, это не есть проблема. Например, у нас в компании Большинство, конечно, находятся в Восточной Европе, так или иначе, но есть люди, которые работают в Западной Европе, в других странах и так далее. То есть здесь важно, чтобы все работали в одном ритме и это здорово. Значит, это первый момент. Второй момент. Есть такой интересный аспект, что люди из небольших городов очень часто обладают необходимой квалификацией, но локально у себя на работу найти не могут. И это дает очень большой резерв роста для многих компаний, потому что вы можете нанимать удаленно людей, которые сидят в небольших городах, локально они не могут найти хорошую работу на свою квалификацию, и локальные цены, в принципе, меньше. меньше, чем условно цены в мегаполисах. Это связано с дороговизной жизнью и так далее. То есть определенные плюсы есть. Безусловно, я согласен с тем, что компания, которая работает не на одном рынке, географическом или даже вертикальном, с разными вертикалями, они диверсифицируют свои риски. Это логично. Посмотрите ситуацию сейчас, например. На рынке США и Западной Европы спрос на разработку упал, в то же время вырос в странах Персидского залива, например. Вырос в странах, условно назовем их Middle Eastern North Asia, то что называется. Точечно он есть в Сингапуре, Австралии, Новой Зеландии, Канаде, Японии, Вьетнаме и так далее. Мы видим, что если компания работала только на западном рынке, ей сейчас сложно развиваться. Но если у нее есть представительство в GCC, в Gulf Council Countries, то есть в странах Персидского залива, то там идет очень серьезный рост. Там мало разработчиков, там, скажем так, простые задачи решают индусы и пакистанцы, которые там локальные находятся. Но что-то более сложное, какие-то интеграции, какие-то разработка систем, их внедрение, это все не туда. То есть они не могут это делать. Наши это делать могут. Соответственно, поскольку там есть деньги, там такой safe harbor, то есть безопасная гавань, соответственно, там можно здорово развиваться. С одной стороны, это возможность для вас, для нас с вами в целом. То есть мы можем работать и на рынке, Западной Европы, США и на рынке стран Персидского залива. С другой стороны, это требует и локального присутствия, потому что во многих странах многие вопросы решаются традиционно, то есть нужно встретиться, нужно быть на встрече, нужно показать, рассказать, чтобы тебя кто-то представил и так далее. Поэтому телекоммуникации, конечно, решают большинство вопросов, дают возможности для глобального развития и так далее. Но нужно учитывать, что Все еще личное общение важно, доступ к людям, доступ к деньгам, репутация локаций достаточно важна, поэтому здесь, мне кажется, нужно применить кластерный подход. Нужно понимать, что ключевые регионы развития бизнеса, один, второй, третий, иметь там локальное представительство, иметь там локальных партнеров, и тогда эта ситуация будет развиваться гораздо более устойчиво и гораздо более уверенно. Дальше. Следующий материал от Kariv Sarin из LinearUp. Kariv задается вопросом, почему качество стало такой редкостью? Автор считает, что качество стало редким в современном мире. Многие вещи кажутся незаконченными или сломанными, потому что люди не заботятся о качестве и выбирают дешевизную простоту. Мастерство развивается циклами. Сначала все делали вручную с заботой, как говорит автор. Потом пришло массовое производство, которое заменило качество на скорость и количество. В разработке случилось то же самое. От маленьких команд, делавших хорошие продукты, перешли к конвейеру с девизом, просто выпуская быстрее, заменив цель на цифры в отчетах. Автор считает, что AI делает качество еще более редким, потому что пытается заменить не только работу человека, но его вкус и понимание того, что хорошо, а что плохо. Качество – это рабочая бизнес-стратегия. Автор говорит, что их компания стала прибыльной, получила 10 000 клиентов почти без рекламы, потому что хороший продукт продает сам себя через довольных пользователей. Качество это выбор, который каждый может делать каждый день, и для этого нужно три вещи. Верить, что качество важно, уметь его видеть и по-настоящему заботиться о людях, которые будут пользоваться твоим продуктом. Смотрите, с одной стороны сложно отрицать, что качество важно, но качество очень относительная вещь. Если вы можете качественно ехать на лошади, И у вас нет других вариантов, вы будете качественно ехать на лошади. Но если вам предложат качественно ехать на автомобиле, без тряски, с гораздо более высокой скоростью, то скорее всего, при прочих равных выборах, вы сядете на автомобиль. То есть, мне кажется, здесь нужно различать функциональное качество и эстетическое качество. Если искусственный интеллект помогает, или любые другие решения по автоматизации, помогают большему количеству людей функционально улучшить свою жизнь, это однозначно плюс. Именно поэтому это и происходит. И с функциональным качеством, ну ты не поборешься, да? Но вашей фишкой и нашей с вами фишкой может быть добавление функционального качества нашей личной эстетики. Хорошим примером может быть, я не знаю, ну та же Ikea, например. Можно ли делать простые стулья? Вот практиш, квадратиш, гуд. Можно. Или юск, например. Другие сети. Но в простую, условную, квадратный пластиковый стул они добавляют какие-то эстетические элементы. Они добавляют некий стиль. И это отличает их от других стульев, от других табуреток и так далее. Икеа делает то же самое. То есть оно вроде простое, оно вроде базовое, но если в нем есть какие-то элементы скандинавского стиля, какие-то виньетки, какие-то еще какие-то украшения, которые органично там смотрятся, оно отличается от другого простого базового функционального элемента и получает определенные преимущества в глазах потребителя. Поэтому качество штука субъективная. Я бы сделал вывод, что нам с вами имеет смысл не только говорить о функциональном качестве, что человек, поставив задачу, забросив в наш черный ящик определенную информацию, получает некую информацию, штрих, некий результат, который он хотел получить в результате работы с нашей системой. Да, окей, супер, отлично, да, функционально это есть. Но если добавить немножко эстетики, это может зацепить, это может выгодно отличить от коллег-конкурентов и за счет этого достичь лучших результатов. Поэтому давайте не путать тёплое с мягким. Оно должно быть и тёплое, и мягкое, и полезное. Следующая новость от Алонсо. Данила Алонсо в своем блоге пишет о повторяющемся цикле хайпа с заменой разработчика. Вот, кстати, многим из вас это может быть полезно. Каждые несколько лет появляется новая технология с обещанием заменить разработчиков. Сначала это были low-code решения, сейчас это AI-помощники. Но вместо замены происходит трансформация, создающая новые специальности с более высокими зарплатами. Ноу-код революция не убрала разработчиков, а создала ноу-код специалистов и интеграторов, которые зарабатывают больше обычных программистов, потому что кто-то все равно должен проектировать системы и решать сложные задачи. Облачные технологии не убрали системных администраторов, а превратили их в DevOps-инженеров с двое большими зарплатами, потому что работа не исчезла, а стала сложнее и важнее. AI-помощники в программировании создают новую проблему. Они генерируют код быстро, но часто с ошибками. Поэтому опытные разработчики тратят время на проверку и исправление, а неопытные получают плохие результаты. Код – это не актив, а обязательство, которое нужно поддерживать и исправлять. Поэтому когда AI делает создание кода быстрее, способность правильно спроектировать систему становится еще более ценной. AI хорошо оптимизирует отдельные функции, но не может спроектировать целую систему или решить, какие сервисы вообще нужны. Поэтому самый важный навык — это архитектура систем — остается только у людей. Какие комментарии могут быть здесь? Смотрите, с одной стороны, повышение производительности меняет распределение продуктивных сил. Возьмем пример, который очевиден и который произошел несколько лет тому назад. Предположим, 100 фермеров обрабатывало определенное количество площади. И потом появился паровой трактор. И нужно уже не 100 фермеров, а нужно условно 10 фермеров, 5 водителей тракторов и 10 специалистов, которые занимаются их обслуживанием. Обслуживанием, разработкой, сборкой и так далее. То есть все равно происходит, с одной стороны, уменьшение количества простой механической работы, Но вырастает количество более высококвалифицированных. Возникает спрос на услуги более высокой квалификации, но он непропорционален. То есть мы не говорим, что было 100 фермеров, стало 100 операторов-тракторов. Нет. Количество операторов и даже обслуживающей системы все равно сокращается. Но их ценность и их зарплата становятся гораздо выше. Соответственно, мы понимаем, куда двигается искусственный интеллект. Сначала он отвечает на простые вопросы. Потом он накапливает знания и на основании простых накопленных знаний, документов, баз знаний и так далее подбирает ответы. Дальше он начинает выполнять определенные функции. Потом он начинает организовываться в системы AI-агентов, выполнять функцию как AI-агент. Что-то произошло по триггеру, нужно выполнить определенную задачу и получить результат. Потом эти системы AI-агентов начинают усложняться и возникают с одной стороны AI-руководители и AI-агенты. AI-руководители или AI-контролеры следят за тем, чтобы AI-агенты выполняли задачу правильно. Это уже система, но эту систему все равно проектирует еще человек. Следующий уровень – это когда подобные системы, достаточно сложные, будут проектировать уже AI-архитекторы. После этого будет уровень, когда на вопрос «мне нужно построить систему с такими-то входящими данными, с такими исходящими данными», AI-архитектор будет предлагать построить систему из AI-контролеров, AI-агентов и так далее. То есть видите, по мере развития требования к задачам становятся все более и более высокими. То есть недостаточно просто объяснить, как из точки А прийти в точку Б. Нужно поставить задачу, что такое точка А, что такое точка Б, что такое путь, а потом отвечать на вопрос, зачем. Задачи становятся все более и более человеческими. Человек занимается своими задачами, а AI пока обладевает, так сказать, подбором оптимальных средств решения. Поэтому ситуация не линейная. Безусловно, часть людей, которые занимались самой простой работой, они будут, скажем так, вынуждены переквалифицироваться. То есть, если человек занимался HTML кодингом, то сейчас, наверное, Такая функция будет все менее и менее востребована. Есть варианты какие. Либо прогрессировать до архитектора систем, либо становиться AI-разработчиком, контролировать какие-то вещи, добавлять свою какую-то уникальность. Поэтому риски есть, но для тех, кто активен в рынке, для тех, кто получает специализированное образование, решает задачи более высокого уровня, то есть отвечает на вопросы зачем, отвечает на вопросы, дает определение тому вообще, что происходит. Вот это вот те ребята, которые на самом деле и сохранят свою ценность дольше всего. Потому что искусственный интеллект сейчас может ответить на вопросы как? Но он не отвечает на вопросы, зачем. Даже если он дает варианты, зачем, все равно выбор должен делать человек. Так или иначе. Поэтому принятие решений все равно за человека. Контроль, постановка задачи все равно за человека. Так что, ребята, не все потеряно. Учитесь ставить задачи, учитесь контролировать результаты и мыслите в рамках систем. Больших систем. Самая, скажем так, неоднозначная новость о том, что про неё написал только ленивый, и мы, безусловно, тоже должны её осветить. Ложь на 450 миллионов долларов. Как билдер AI стал крупнейшим мошенничеством с искусственным интеллектом в истории стартапов. Новость от Нейрол Ники в Medium. Значит, AI Наташа оказалась фейком. Вместо искусственного интеллекта за чат-ботом работали 700 программистов из Индии, которые вручную выписали код для каждого заказа. Британский стартап Builder.ai обманывал инвесторов и клиентов в течение почти 10 лет, притворяясь платформой с искусственным интеллектом, получил более 480 миллионов долларов от крупных компаний, как Microsoft и SoftBank. Компания стала единорогом стоимостью полтора миллиарда долларов в 2018 году, обещая автоматически создавать приложение через AI. На самом деле все делали люди, что привело к сбоям и техническим проблемам. В конце 2024 года Builder.AI официально обанкротился после получения 37 миллионов долларов от кредиторов, а руководство компании подозревается в подделке финансовых отсчетов и обмане инвесторов. Этот скандал показал, что, как говорит автор, легко можно обмануть инвесторов и клиентов под видом искусственного интеллекта, злоупотребляя доверием к новым технологиям и получая огромные суммы денег. Случай с Наташей напоминает о важности критического подхода к технологиям, глубокого изучения реального потенциала новых платформ и требования к прозрачности в современном цифровом мире. Давайте обсудим эту ситуацию вкратце. Смотрите, Builder.ai это известный игрок. В последние годы они были на всех крупнейших выставках и они занимали на веб-саммите, например, павильоны размером с целую страну. То есть, зайти на веб-саммит и не увидеть Builder.ai было невозможно. Он сразу бросался в глаза. Большой куб, масса народа вокруг. То есть, собственно говоря, компания много инвестировала в маркетинг, продвижение и продажу. Теперь возникает вопрос, если они больше 10 лет передвигались платформой с искусственным интеллектом, и при этом люди продолжали им платить. То есть мы же понимаем, что Microsoft и SoftBank, они не инвестировали в пустое, они инвестировали в некий денежный поток, в некий поток клиентов. Это значит, что в течение 10 лет условные 700 программистов из Индии выполняли тот функционал, который Builder.AI обещал. Почему билдер AI перестал быть актуальным и вскрылась эта история? 10 лет она работала, в 2018 году они стали единорогом, а в 2025 почему-то произошел скандал. Ну в конце 2024, в начале 2025. А дело в том, что AI, который настоящий AI, стал делать это более эффективно, и поэтому компания потеряла свое преимущество. То есть, условно говоря, Скажем так, ручной индусский AI стал менее эффективен, чем AI с помощью систем. И поэтому компания обанкротилась. Если бы AI развивался медленнее и не давал бы такой возможности получать более конкурентные продукты и решения гораздо быстрее и гораздо дешевле, что возможно с помощью искусственного интеллекта, тогда Builder.ai продолжал бы развиваться дальше и продолжал бы дальше генерировать выручку. И клиенты говорили, да, мы отдали задачу, мы ее получили. Какая клиенту разница на самом деле, сделано это с помощью искусственного интеллекта или сделано это с помощью ручной работы? Но, видите, технология победила здесь людей, поэтому важно, когда вы разрабатываете продукты, учитывать этот фактор. И несмотря на то, что не все сейчас искусственный интеллект может делать идеально, все равно нужен контроль людей. Но все-таки в качестве стратегии, даже если вы что-то делаете руками, вы все равно должны стремиться к максимально полной автоматизации данного процесса. В том смысле, что закладываете в основной процесс задачи по автоматизации его. То есть, если даже что-то на первых этапах делается руками, планируйте переход по мере развития продукта к AI. В конце концов, тот же билдер AI мог слезть с этой схемы и заменить 700 программистов на 350 программистов и заменить его действительно искусственным интеллектом. Ну и соответственно он был бы на плаву, двигался бы дальше и нормально бы развивался. Поэтому нам с вами как разработчикам продуктов, нам с вами как продакт-оунерам, продакт-менеджерам Нужно видеть, что руками, да, можно делать какие-то вещи, но нужно стремиться к тому, чтобы максимальная часть была автоматизирована, безусловно, должно быть экономически эффективно, для того, чтобы дальше эта ситуация была более масштабируема и более конкурентоспособна. На этом, пожалуй, все по основным новостям за эту неделю. Подписывайтесь, ставьте лайк, включайте напоминания, чтобы быть в курсе всех последних новостей в IT-бизнесе. Желаю всем новых крупных контактов.