Весь софт очень быстро бежит в Headless формат, т.е. это программы без интерфейсов и браузеров (в 2pr.io бета MCP тоже готова, тестирую и выкачу на днях).

Нашел у a16z крутую таблицу резюмирующую этот переход.

Главная суть в том, что софт перестает быть набором дашбордов для людей и превращается в систему воркфлоу для агентов. Ну и самым большим преимуществом становятся данные и умение в edge-кейсы.

Еще кстати важная экстерналия такого перехода - снижение роли привычек для конкурентной борьбы.

Раньше одно нежелание юзера учиться новому интерфейсу могло на десятилетия замкнуть его на одном продукте. У машин нет долгосрочной человеческой памяти, но они могут вместить радикально больший стартовый контекст. Все это неизбежно приведет к увеличению оттока.

Ну и, конечно, самое забавное в этом, что LLMs настолько хороши в тексте и настолько плохи с интерфейсами, что оказалось быстрее переписать целые поколения софта под MCP и API-форматы, чем научить ИИ смотреть на наш мир нашими глазами.

ссылка на блогпост

2pr.io наконец вышел за рамки постов на Linkedin

Теперь можно на комментарии под своими публикациями ответить сильно быстрее и нативнее. И текстом и голосом и с ии как копайлотом)

Это важно, потому что успешного контента и по метрикам, и по итоговому бизнесу без ответов на комментарии не достичь.

Все так же в рамках позиционирования: максимум сэкономленного времени и усилий для роста в LinkedIn при 0% риске бана.

Буду рад фидбеку)

P.S. Ну и попробовал Remotion - огонь для моушн-видео)

Как sales-led AI companies растут до $100M ARR за 24 месяца

Последние недели я разбирался с кейсами AI-компаний, которые очень быстро растут через продажи крупным клиентам.

Harvey, Sierra, Decagon, Abridge, Legora, Deel, Ramp, Wiz, Glean, Writer и другие.

Уже больше 15 кейсов, где компании за 1–3 года доходят до десятков или сотен миллионов годовой выручки. Некоторые — до $100M ARR примерно за 12–24 месяца.

И чем больше я на это смотрю, тем сильнее ощущение:

Это не набор случайных историй успеха.
Это повторяемый плейбук.

Что я сделал:

— собрал выборку из 17 компаний
— нашёл ключевых людей: основателей, руководителей продаж, customer success, go-to-market и инвесторов
— вытащил их выступления, интервью, подкасты, пресс-релизы и истории клиентов
— по каждой компании сделал отдельный разбор: как продавали, кому, с какого узкого кейса начинали, как росли, что повторяется
— потом поверх всех кейсов вытащил общие паттерны

В итоге получилось две части:

6 Growth Laws

1. Start With a Wedge That Prints Value
2. Win the Buyer the Market Follows
3. Domain-Expert GTM Outperforms Generic Sales
4. Build Proof That Can’t Be Argued With
5. Price Against Labor Cost, Not Software Alternatives
6. Build Expansion Into the Product Logic, Not the Sales Motion

6 Sales Laws

1. Founders Sell Every Deal Until the Motion Is Proven
2. Demo Against Their Own Work, Not Sample Data
3. Willingness-to-Pay Is a Qualification Signal, Not a Negotiation
4. Paid Pilots with Pre-Agreed Exit Conditions
5. The Hardest Objector Is Your Best Potential Champion
6. Sell to the Practitioner First — Let Them Pull Procurement

Главное отличие этой волны от классического SaaS: они продают не “ещё один софт”, а переход работы из людей, агентств, сервисов и ручных процессов в AI-систему.

Поэтому там по-другому устроено почти всё:

— первый кейс выбирается не по фичам, а по очевидной экономической боли
— первые клиенты нужны не “маленькие и удобные”, а авторитетные для рынка
— продают люди, которые сами понимают работу покупателя
— демо показывают на реальных данных клиента, а не на красивом тестовом примере
— цена привязывается не к альтернативному софту, а к стоимости людей и сервисов
— расширение встроено в сам продукт, потому что система со временем забирает всё больше работы

Я собрал всё в один исследовательский сайт:

https://sevaustinov.me/hypergrowth-research/

Там есть:

— отдельные разборы каждой компании
— анализ всех 6 Growth Laws
— анализ всех 6 Sales Laws
— общие выводы по всей выборке
— архетипы компаний
— матрицы паттернов
— сравнительные таблицы

Пока это, кажется, один из самых полезных для меня ресерчей за последнее время.

Потому что если смотреть не на хайп, а на конкретные механики роста, становится видно:

Sales-led AI hypergrowth выглядит гораздо более повторяемым, чем кажется снаружи

P.S. Поддержите пост на линкедине комментарием

Перевел 2pr.io на основные языки за один полный день и пачку токенов.

Узнал что в разработке это называется i18n и l10n (интернационализация и локализация)

На практике означает написание 20 тысяч строк.

Раньше такая задача требовала минимум пары недель работы и приличного чека от переводчиков.

Понятно, что ИИ выдает не идеальный текст, но в мои консалтинговые времена в PwC мы нанимали живых переводчиков для отчетов, и часто их результат был даже хуже.

Ждали перевод 60 страничного отчета неделю, получали фигню. И еще 2 дня переводили в мыле. (консалтеры явно более мотивированы были)

Разработчики совершенно обоснованно волнуются из-за того, что умные модели заберут их задачи.

А переводчикам явно ведь еще страшнее

График выручки AI компаний

А ответ на вопрос на картинке:

Просто сделать продукт с ретеншеном и виральностью заметно выше чем у конкурентов реально сложно.

Поэтому всегда проще сказать, что продукт то был хороший, просто доступа к дистрибуции не было.

Ценник за промо пост b2b инфлюенсера очень мало зависит от количества подписчиков.

Что логично:
1 охват сам по себе слабо завязан на кол-во подписчиков. решает контент
2 заметно важнее - воспринимаемая авторитетность

(ну и ниша конечно важна)

ссылка

Coinbase, (markcap $50млрд), сократила 14% штата.

Само по себе это не очень интересная новость, но развернутое внутреннее письмо основателя про логику этих сокращений - любопытное.

Я полностью согласен с его главным правилом - больше никаких чистых менеджеров. Лидеры должны уметь работать руками, возвращаясь к концепции играющего тренера.

Я никогда не стремился быть менеджером менеджеров, потому что чистый управленец без прикладных навыков всегда казался мне околобесполезным. (из всего есть исключения, но правило именно такое)

В эпоху ИИ такая позиция стала вообще самой рискованной карьерной стратегией

Время, которое люди тратят на скроллинг впервые за все время снизилось.

График основан на не самой большой выборке, поэтому это пока скорее ранний сигнал. Но у запрещенной Меты DAU тоже снизилось второй раз за историю.

Cоциальные сети - самая большая технология от изобретения интернета до выхода chatgtp. Невероятно много как позитивных, так и негативных последствий. Вероятно наблюдаем что пик пройден.

Подсмотрел в рассылке графики недели от az16. Кстати, советую подписаться

Многие жалуются, что органические охваты в LinkedIn умирают. У меня как будто наоборот)

За последние 90 дней средний охват моего поста составил 16к - в два раза больше предыдущего периода.

Главный инсайт из этой статистики: среднее значение почти в 8 раз превышает медиану (16k против 2k).

1/ Общий результат в контенте всегда драйвят аутлайеры.

2/ Один сильный пост способен полностью изменить картину и вытянуть метрики всего аккаунта.

Только надо бы чаще публиковать

Разгребли наконец техдолг в 2pr.io, развивается быстрее чем когда либо.

Вот пример минорного апдейта - наша аналитика, теперь best-in-class уровень. (все также все по API, все безопасно)

Вышел свежий отчет Ричарда ван дер Блома по алгоритму LinkedIn. В нем подтверждается то, о чем я давно говорю:

engagement pods, т.е. группы взаимолайков, окончательно перестали работать.

Текущая механика площадки:

1/ Если контент и аудитория нерелевантны, эффект для профиля становится нулевым или даже отрицательным.
2/ Алгоритм теперь работает на уровне сложного графа. Система оценивает в единой связке сам контент, профиль автора и его активность (лайки и комментарии).
3/ Профильные сообщества остаются полезными исключительно для ресерча и сбора инсайтов.
4/ Внешний пуш может дать первоначальный импульс сильному тексту, но вытащить слабый контент накрученные реакции уже не способны.

Глобально это большой успех для LinkedIn как платформы

Очень интересный опрос посмотрел

Запустили LinkedIn Growth сообщество для развития своего дела или карьеры⚡️

Ребята из Community Sprints уже 2 года развивают комьюнити, где профессионалы и предприниматели двигают вперёд своё дело или карьеру в LinkedIn 🔥

В результате участия в комьюнити:

• участники начинают делать первые виральные посты c 100,000+ просмотрами

• получают траффик и лидов на свои сайты из LinkedIn

• находят рефералы и новую работу через LinkedIn

• приводят подписчиков в свои newsletters и telegram-каналы

Сейчас в комьюнити уже 300+ предпринимателей и профессионалов со всех уголков мира

Тут можно посмотреть участников. (для части комьюнити дает сопоставимую с обучением ценность)

Все участники сначала проходят короткий 3-недельный спринт с экспертами комьюнити, где делают первые виральные посты ⚡️

Я тоже буду участвовать в ближайшем спринте в роли эксперта 🔥

Моя часть будет заключаться в помощи создания виральных постов. Со мной в команде будут еще 7 экспертов по другим темам LinkedIn

Здесь можно посмотреть примеры результатов участников и узнать детали про комьюнити: LinkedIn Growth @ Community Sprints 👀

Классно, когда баги фиксятся почти автоматически)

Для контекста: я нетехнический фаундер и вообще узнал, как работает git и PR 4-5 месяца назад. При этом весь пайплайн на скриншоте я собрал сам - ну как сам, просто мучая клод вопросами)

1/ В рабочий чат прилетает алерт об ошибке.
2/ Бот сам собирает логи и нужный контекст.
3/ Агент формирует план, пишет код и открывает Pull Request.
4/ На моей стороне остается только ревью и финальный апрув.

Система работает далеко не идеально. Отправлять код на прод без полноценного моего вовлечения часто страшно - над этим можно работать

Но сам факт прогресса сильно впечатляет

Мне вот непонятно про курсы по вайбкодингу.

Вроде curation в таком инфопотоке важен и экономит время. В этом заключается логика большинства образовательных продуктов.

Но по итогу, похоже, все советы сводятся к следующему:
1/ Спрашивай Claude Code или Codex. Чем больше, тем лучше, хоть "что такое гит?" или "как настроить автоматические отчеты?". Даже вопросы формата "что я еще должен был спросить?". Уровень детализации супер легко менеджить.
2/ Вкладывай много времени. Сильно лучше учиться не на абстрактных задачах, а на живых кейсах для реальных юзеров.
3/ Не давай агентам доступов к фатальным рискам.
4/ Имей кого-то из опытных ребят для редкой подстраховки, так как ошибки будут 100%.

Ну еще может быть учат, что 5/ планирование задачи - важно.

Вообще не хейт. Нет претензий к создателям курсов, это большой и малоприятный труд.

Просто непонятно, чему еще там могут учить, особенно с учетом того, что между подготовкой программы и ее проведением половина знаний банально устаревает

Меня бесят сервисы которые живут в чатботах мессенджеров: будь то TG или зеленый конкурент (мега-актуально для LATAM)

Сегодня оплачивал домашний интернет в Бразилии - еще раз убедился

Можно блин нормальный веб?

1/ Адекватный UI со всеми полями на одном экране вместо мультистадийного квеста.
2/ Нативное автозаполнение паролей и банковских карт.
3/ Доступность мгновенного перевода всей страницы в один клик. (!)
4/ Нормальная навигация и диплинки без поломки текущей сессии.
5/ Сохранение прогресса при ошибках

В 80% случаев я просто не дохожу до конца воронки в боте.

При этом с текущими AI-инструментами собрать рабочее веб-приложение стало объективно быстрее, чем костыльно прописывать логику дерева диалогов

Про AI сейчас пишут все. Про то как он работает в enterprise изнутри - почти никто.

Max Votek - ко-фаундер и управляющий партнер Customertimes. Компании 19 лет, 1000+ сотрудников, клиенты американский крупняк - Abbott, Coca-Cola и т.д.

И при таком масштабе Макс руками собирает продукты в Claude Code, деплоит приложения и тестит новые AI-инструменты на реальных задачах.

Это кстати важно. Качество управленческих решений быстро падает, если ты не находишься на передовой тестирования инструментов - знания о рынке устаревают даже у фаундеров крупных компаний. Большинство CEO на этом уровне в терминал давно не заходят. Макс продолжает.

В канале нет курсов, прогревов и воронок. Только кейсы внедрения AI в крупных инсдустриях вроде фармы и CPG и личный опыт работы с инструментами.

Из того что в частности зашло:

1 Собрал кастомную CRM за $200/мес в Claude Code - и почему рынок SMB SaaS на $50B+ получил нового конкурента:

2 Почему следующая софт-компания на триллион долларов будет продавать работу, а не инструмент (вообще эта тема очень интересует):

3 Почему AI не убьет консалтинг, но переформатирует заново - единственный настоящий moat это ответственность за решение, а не анализ и слайды:

4 За вечер собранный AI-бот для осознанных сновидений на Opus, Gemini и ElevenLabs

Подписаться: @maxvotek

Последние 3 недели сижу на conductor.build. Кстати привлекли $22M недавно

С ним заметно ускорился относительно того чтобы было просто с claude code (что в терминале что в antigravity/vs)

Решает базовую проблему параллельных задач.
Простой сетап для мультиагентной разработки, который сильно ускорил мою рутину.

Агенты в нем просто перестают мешать друг другу.

Плюс мне супер нравится интерфейс - он очень продуманный, всю нюансы которые мне не хватало в чистом клод коде (состояние тестов, PR-ов итд).

Если выдать все необходимые доступы, можно спокойно закинуть в параллельную работу три бага и пять новых фич.

Скорость работы упирается исключительно в тот объем контекста, который физически способен удержать в голове (ну и лимиты клод кода)

Еще приятно что продукт бесплатный)

Правда только mac desktop

А есть кто разбирается в опен сорсных лицензиях и по итогу бизнес моделях поверх опен сорса? Ищу с кем посоветоваться для agyn. Запускаем несколько платных пилотов.