Olga-AI-Investment-analyst
Загребина Ольга Викторовна
На платформе с 01.01.26
Создаю финмодели и расчеты для обоснованных решений бизнеса. Оцениваю инвест проекты (приоритет - AI).
Представьте картину.
Бизнес потихоньку растет. Заказов становится больше, клиенты пишут активнее, отчеты множатся.
В какой – то момент гендир ловит себя на мысли: «Так, нам нужно больше рук. Либо берем новеньких, либо... либо просим текущих поработать побольше».
Конечно, при их согласии. Мы же не тираны, в конце концов.
И вот он садится и считает.
Возьмем для простоты сдельную оплату. По деньгам — на нужный объем работы выйдет одинаково. Нанять двух новичков или доплатить старожилам за дополнительные часы — сумма выходит плюс-минус та же.
Калькулятор плачет, мозг кипит.
Так что же выбрать?
Давайте разбираться.
______________________
✅ Если нанимать новых
Казалось бы, логично: расширяем команду, распределяем нагрузку, все счастливы. Но есть нюансы.
Во-первых, найм — это боль. Разместить вакансию, отсмотреть резюме, провести собеседования, договориться о зарплате. Вы потратите на это кучу времени, которое могли бы потратить на бизнес. Ну и помним, что это небесплатно… а иногда весьма даже затратно!
Во-вторых, адаптация. Новый человек — даже супер-профи — первые недели (а то и месяцы) будет входить в курс дела. Он будет задавать вопросы, ошибаться, тормозить процессы. А кто будет его учить? Правильно, те же опытные сотрудники. То есть они все равно будут загружены, просто по-другому.
В-третьих, риск ошибок. Новичок может накосячить так, что старикам и не снилось. Ошибки в документах, потеря клиентов, непонимание процессов. Это стоит денег.
Плюс оборудование рабочего места - это тоже расходы.
_____________________________
✅ Если нагрузить имеющихся
Тут все проще и сложнее одновременно.
По деньгам (зарплаты, налоги) — те же затраты, что и на новичков. Просто вы доплачиваете своим.
Но дальше начинаются плюсы.
Они уже всё знают. Не нужно объяснять, где лежат файлы, как зовут бухгалтера и какого цвета тараканы у заказчиков. Они просто берут и делают.
Они быстрее работают. Опытный сотрудник сделает задачу за час, новичок — за полдня. Разница в скорости — это разница в деньгах.
Они меньше ошибаются. Потому что уже набили все шишки. Или хотя бы знают, где они лежат.
Нет расходов на найм. Никаких хедхантеров, никаких собеседований, никаких объявлений на hh.
Нет периода притирки. Коллектив уже сложился, люди друг друга знают, конфликтов меньше.
И самое важное: лояльность. Когда вы идете навстречу сотрудникам, платите им больше за дополнительную нагрузку, они чувствуют, что их ценят. А это бесценно.
_________________________
Но есть подводный камень ⚡️
Догружать имеющихся сотрудников — хорошо ровно до того момента, пока они не начинают выгорать. Если переработки становятся системой, а не временной мерой — люди устанут, уволятся или просто начнут работать спустя рукава.
Поэтому важно вовремя остановиться и спросить: «Ребята, мы вас не убиваем?». И честно послушать ответ.
_________________________
Что в итоге
Если объем работы вырос, но не катастрофически — лучше договориться со своими. Доплатить, поблагодарить, обнять. Это дешевле по скрытым издержкам, быстрее по срокам и безопаснее по качеству.
Если рост взрывной и надолго — тогда да, надо нанимать. Но даже в этом случае новых людей лучше вводить постепенно, под присмотром тех самых опытных сотрудников, которым вы доплачивали на старте.
А вы как поступаете, когда работы становится больше?
Нанимаете или догружаете команду? Делитесь опытом — интересно сравнить подходы.
<a href="https://ru.freepik.com/free-photo/studio-shot-showing-calling-call-looking_1074696.htm">Изображение от creativeart на Freepik</a>
Знаете же эту хроническую боль предпринимателя?
Команда говорит «надо купить бульбулятор». А ты сидишь и думаешь: «А смысл? Денег в кассу он не принесет, зато нервов вымотает — вагон».
Так вот…
Хочу поделиться инструментом, как в некоторых ситуациях можно оценить количественно: «быть или не быть» бульбулятору в вашем бизнесе.
Есть такая штука, которая называется «экономический эффект».
Звучит как что-то на научном, но на самом деле все предельно прагматично.
Компания что-то меняет в своей работе и в результате начинает тратить меньше ресурсов.
Каких ресурсов? Например: денег, времени, сырья, нервов. Не важно.
Важно, что раньше уходило больше, а теперь - меньше.
Сейчас объясню на понятных примерах.
Пример номер раз. Экономия времени.
Помните сказку «Репка»?
Дед посадил репку. Репка выросла огромная. Дед тянет-потянет — вытянуть не может. Позвал бабку, внучку, Жучку, кошку, мышку. Всем колхозом вытянули.
А теперь представьте, что дед заранее купил лопату. Обычную, человеческую. Выкопал бы репку за 5 минут и сидел бы чай пил, пока остальные отдыхают.
Экономический эффект: бригада из 6 участников сэкономила пару часов рабочего времени. Бабка (она у нас менеджер по продажам) могла бы за это время обзвонить покупателей фермерской продукции. Если час ее работы стоит 1000 рублей, то с каждой репки экономия — 2000. А репок за сезон — вагон и маленькая тележка.
Лопата окупилась бы еще на первой грядке.
Пример номер два. Экономия сырья.
Тут у нас классика жанра — «Курочка Ряба».
Дед и баба кормят курицу каким-то элитным комбикормом, и она несет золотые яйца. Красиво, да?
Только проблема: золотое яйцо не продашь на рынке — там яйца обычные нужны. А разбить жалко, плачут старики.
Теперь включаем экономическую логику.
Если бы они перевели курицу на обычный корм (ну не с простого же овса она золотые яйца несла!), - себестоимость яиц снизилась в пару раз точно. Вот и денежная экономия нарисовалась.
Если на каждом мешке экономить рубль, то как говорится «сто годов – сто рублёв, богатеем будешь!»
Есть конечно вопросики, почему наших фермеров драгметальные яйца не устроили, ну да бог судья этим предпринимателям…
Пример номер три. Ускорение оборачиваемости.
Помните, как Печкин разносил посылки на своих двоих, а потом велосипедом обзавелся?
Тут налицо такой экономический эффект как ускорение.
Печкин теперь за месяц делает столько же доставок, сколько раньше за полгода. Для Почты – это ускорение оборота денег. А для Печкина еще и высвобождение времени при той же зарплате. Тоже неплохо, согласитесь )
К чему это я
Не все в бизнесе измеряется прямой выручкой.
Есть куча решений, которые делают компанию здоровее, быстрее, безопаснее. Экономия времени, ресурсов, ускорение процессов, снижение рисков, положительный опыт клиентов — это тоже деньги.
Просто иногда нужно считать не только то, что пришло в кассу, но и то, что осталось в кармане (или не улетело в трубу).
Так что в следующий раз, когда команда придет с очередным «бульбулятором», не отмахивайтесь сразу. Посчитайте, сколько ресурсов он сэкономит. И может статься, что это не расходы, а инвестиции.
А у вас в практике были случаи, когда решение не приносило прямой выручки, но экономило ресурсы? Делитесь в комментах — соберем коллекцию неочевидных бизнес-побед.
<a href="ru.freepik.com/free-photo...">Изображение от KamranAydinov на Freepik</a>
Пока рынок обсуждает миллиардные CAPEX в инфраструктуру Nvidia, я решила заглянуть «под капот». Чтобы как инвест-аналитик оценивать ИИ-проекты не по слайдам, а по реальности, я начала собирать собственных агентов.
Мой текущий стек в разработке: AI-аудитор для экспресс-анализа инвест-инициатив и AI Content Strategist.
Я развернула локальную RAG-систему на своем ноутбуке (используя квантованные модели, чтобы вписаться в лимиты домашнего железа). План был прост: загрузить проверенные годами документы и получить экспертные ответы.
Результат первой попытки: 3 из 10.
И это был мой лучший урок по экономике ИИ.
Выяснилось, что самая «умная» модель беспомощна, если архитектура данных сырая.
Вот мои выводы на стыке денег и кода:
1. Стоимость «мусора» на входе (Garbage In — Garbage Out)
Я загрузила качественные PDF, которыми пользовалась годами. Оказалось, что без правильного чанкинга (нарезки текста) и очистки «цифрового шума», модель буквально тонет в контексте.
Инвест-вывод: Неэффективная структура данных раздувает расходы на токены и увеличивает Latency (задержку). Плохой пре-процессинг — это прямой убыток в OPEX проекта.
2. Параметризация vs Слепая вера
Магия не в размере модели, а в настройке Retrieval (этапа поиска информации). Вместо дорогого дообучения (Fine-tuning) часто достаточно ювелирно настроить системный промпт и параметры семантического поиска.
Инвест-вывод: Гибкость архитектуры важнее, чем «самая мощная модель в вакууме». Это критично при оценке масштабируемости ИИ-стартапа.
3. Цифры против иллюзий
Первая попытка выдала ответ за 13 минут. После оптимизации данных (переход с PDF на структурированный .txt) время сократилось до 3,5 минут, а текст стал в разы «живее».
Инвест-вывод: Скорость генерации — это не просто удобство, это пропускная способность системы и её конечная стоимость для бизнеса.
Мой план оптимизации (Roadmap):
Data Engineering: Переход от сырых файлов к Markdown-чанкам с метаданными.
Prompt Engineering: Внедрение техник Chain-of-Thought (цепочка рассуждений) для сложных аудиторских задач.
Benchmarking: Внедрение метрик оценки (LLM-as-a-judge), чтобы оцифровать прогресс, а не оценивать его «на глаз».
Теперь, глядя на отчеты о разработке, я вижу не абстрактные «расходы на IT», а реальную борьбу за плотность данных и эффективность вычислений. Если мы хотим сделать AI-помощника быстрым и точным, инвест-бюджет начинает расти по экспоненте — и это нужно закладывать на старте.
Коллеги из IT: какой формат данных (Markdown, TXT, JSON) вы считаете золотым стандартом для минимизации шума в RAG?
Коллеги из финансов: учитываете ли вы Latency (время отклика) при расчете окупаемости ваших ИИ-инициатив?
#ИскусственныйИнтеллект #RAG #InvestTech #DataScience #LLM #ЭкономикаИИ #Инвестиции #Analytics
В последнее время, погружаясь в экономику ИИ-проектов (сейчас как раз плотно сижу в кейсах FinQA), поймала себя на интересном наблюдении.
Мы все привыкли следить за гонкой цен между OpenAI, Anthropic и Google. Токены дешевеют, модели умнеют — кажется, профит неизбежен. Но если заглянуть «под капот» реального внедрения, картинка перестает быть такой линейной.
О чем я думаю
Когда мы оцениваем юнит-экономику обычного сервиса, всё понятно. Но в ИИ мы часто попадаем в ловушку «цены за слово».
На деле же, чтобы ИИ выдал один вменяемый финансовый отчет, который не стыдно показать клиенту, происходит целая каскадная реакция:
- модель делает несколько заходов (agentic loops), уточняя собственные расчеты,
- система перелопачивает гигабайты контекста через RAG, чтобы просто найти одну верную цифру,
- а сверху ложится стоимость верификации (тот самый human-in-the-loop), потому что в финансах галлюцинация стоит дороже, чем вся годовая подписка на API.
К чему это ведет?
Цена за 1000 токенов может быть копеечной. Но «стоимость решенной задачи» (Cost per Task) при этом может неприятно удивлять.
Я вижу это на разметке данных: иногда короткий вопрос требует такой цепочки рассуждений и проверок, что экономика процесса начинает трещать по швам. И это при том, что модели официально «дешевеют» каждый квартал.
Мой вывод на сегодня
Победят не те стартапы, которые первыми внедрят самую мощную модель, а те, кто научится элегантно экономить на вычислительных циклах. Экономика ИИ сейчас — это не про доступ к технологиям (он есть у всех), а про архитектурную бережливость.
Кто-нибудь еще замерял реальную себестоимость одного «осмысленного» ответа в своих проектах? Сильно она разошлась с ожиданиями из прайс-листа?
#AI #Fintech #Investments #UnitEconomics #LLM #ИИ
<a href="https://ru.freepik.com/free-ai-image/ai-circuit-board_417567907.htm">Изображение от freepik</a>
За годы работы насмотрелась на разные проекты: от скучной розницы до техподдержки в Нигерии. Несколько идей врезались в мою девичью память намертво. Просто потому, что необычные.
Черные куры
Знали про таких? Порода Аям Чемани — черные целиком: перья, кожа, кости, кровь. И яйца черные, точнее скорлупа. Цена племенного цыпленка может достигать $5000. Это вам не бройлер на антибиотиках по 300 деревянных.
Дирижабли в тайге
Про них уже рассказывала (https://t.me/smartCAPEX/92). Пока писала про них, вспомнила мультик «Летучий корабль». Навеяло, так сказать ))
Оформление LinkedIn
Оказывается, люди платят деньги, чтобы их профиль выглядел привлекательно. Я смеялась… пока не увидела цены... и как чувак очередь расписывал.
Продажа благотворительных боксов
Листала на одной из федеральных платформ объявления о продаже бизнеса, а там — сеть боксов для сбора пожертвований. С выручкой, расходами и маржинальностью. С тех пор смотрю на эти боксы в магазинах с большим презрением подозрением.
Решила погуглить "самые странные бизнес-идеи" — и поняла, что мои проекты еще цветочки.
Держите подборку того, что реально существует:
Курсы русалок. Да, вы не ослышались. Взрослые люди платят деньги, чтобы научиться плавать в силиконовом хвосте.
Робот-собутыльник. Корейцы придумали. Наливает, поддерживает беседу, не храпит после пятой рюмки. Мечта, а не друг.
Наручные часы из кошачьей шерсти. Соберите шерсть своего кота, отправьте мастеру — и получите уникальный аксессуар. Для тех, кому мало кошака в доме.
Аренда невоспитанной собаки. Ну… тут и так все понятно.
Продажа камней-питомцев. В 70-е в Америке был бешеный спрос. Камни продавались в коробочках с соломой и инструкцией по уходу. Кормить не надо, гулять не выводить, умирают редко. Лучший подарок для интроверта. Или для тех, кому не подходит робот-собутыльник.
Глядя на всё это, я думаю: а ведь как бы весело мы жили, если бы предпринимательство у нас поддерживали на 146%!
Кстати, а вы бы вложились в стартап по производству вина для котов? Или может, у вас есть идея покруче?
Делитесь в комментах — соберем коллекцию бизнес-странностей
<a href="https://ru.freepik.com/free-photo/close-up-spooky-halloween-toys_9236478.htm">Изображение от freepik</a>
Если в 2023-м мы все просто играли с нейросетями, заставляя их рисовать котиков-бизнесменов, то в 2026-м малый бизнес наконец-то научился выжимать из ИИ реальную прибыль.
Руководители компаний выделили три «золотые» зоны, где ИИ окупается быстрее всего:
1️⃣ Клиентский сервис
Умные чат-боты теперь не тупят, а реально решают вопросы. Один такой бот заменяет 1–2 сотрудников на поддержке. Он не спит, не просит отпуск и не увольняется, потому что «нашел себя в Индии».
Экономия: Зарплатный фонд + нервные клетки руководителя.
2️⃣ Маркетинг
Генерация постов, сценариев для Reels и креативов теперь занимает 15 минут вместо трех рабочих дней. Затраты на SMM-агентства падают в 2–3 раза. Да, копирайтер-человек всё еще нужен, но теперь он работает как шеф-повар, а ИИ — как его идеальный кухонный комбайн.
3️⃣ Финансы
Сверка документов, планирование налогов и поиск ошибок в чеках. ИИ находит нестыковки там, где глаз замылился. Это те самые деньги, которые вы не потеряли на штрафах.
Популярный совет от экспертов по внедрению:
Не хватайтесь за «модные» фишки только потому, что о них кричат из каждого утюга.
Ищите свою «боль» (friction point):
Если команда тонет в отчетах по 10 часов в неделю — автоматизируйте обработку данных.
Если директ завален вопросами «цена?» — ставьте умный автоответчик
Кажется, уже очевидно:
ИИ — это не будущее. И сейчас надо бежать еще быстрее, чтобы просто оставаться на месте...
<a href="https://ru.freepik.com/free-photo/startup-employee-looking-business-charts-using-ai-software_353429170.htm">Изображение от DC Studio на Freepik</a>
