Единственный рабочий лайфхак
Вот уже лет 5-6 единственное, что мне реально (!) помогает справляться с рабочими задачами и дополнительными темками, учиться, читать книги – это начинать работу в 5-6 утра.
1 – до 10 утра никто тебя не отвлекает, можно спокойно поработать
2 – в это время нет встреч :)
3 – лично у меня повышенная эффективность, да и весь город спит, а ты нет (пустая кофемания 😱)
4 – как писал Мутовин / Hormozi , потом хочешь рано лечь спать 😁
Если вы жалуетесь на количество встреч в рабочее время и что ничего не успеваете, попробуйте начать рабочий день в 5 утра, гарантирую что к 8 часам уже 80% задач будет сделано))) даже пост напишите 😁
Вот уже лет 5-6 единственное, что мне реально (!) помогает справляться с рабочими задачами и дополнительными темками, учиться, читать книги – это начинать работу в 5-6 утра.
1 – до 10 утра никто тебя не отвлекает, можно спокойно поработать
2 – в это время нет встреч :)
3 – лично у меня повышенная эффективность, да и весь город спит, а ты нет (пустая кофемания 😱)
4 – как писал Мутовин / Hormozi , потом хочешь рано лечь спать 😁
Если вы жалуетесь на количество встреч в рабочее время и что ничего не успеваете, попробуйте начать рабочий день в 5 утра, гарантирую что к 8 часам уже 80% задач будет сделано))) даже пост напишите 😁
💯31❤24
Можно ли без influence marketing построить AI компанию?
Читаю сейчас $100M leads от Alex H. и основной нарратив книги - это post content as much as you can for as long as you can. Читаю и не понимаю, нужно ли это для AI продукта? А для AI интегратора? Неужели нельзя не быть блоггером, чтобы построить успешный технологический бизнес в 202х?
Гоу обсудим плиз) мб примерами поделитесь
Читаю сейчас $100M leads от Alex H. и основной нарратив книги - это post content as much as you can for as long as you can. Читаю и не понимаю, нужно ли это для AI продукта? А для AI интегратора? Неужели нельзя не быть блоггером, чтобы построить успешный технологический бизнес в 202х?
Гоу обсудим плиз) мб примерами поделитесь
❤9
Forwarded from <какой-то текст, пока я не придумал название>
Традиционный (не очень) пятничный душный обзор
На этой неделе экспериментировал с новой моделькой OpenAI
✅ По большей части перекрашивает классно. Даже в отражении в окне машины меняет цвет дома!
✅ Убирает пятна на стенах, мох на крыше и сохраняет тени — что топчик.
✅ Не нужен мудрёный промпт, и цвета можно передавать в формате RGB. Точно 1 в 1 цвет не сделает, но будет похоже.
✅ Есть наблюдение, что имеет смысл те элементы, которые красятся и детектятся хуже, перемещать выше в списке. Мне нужно было, чтобы не менялся соффит (это такой белый «подбородок» под крышей) и лучше находились кирпичные элементы — перенёс в начало списка, и заработало лучше.
❌ Без небольших галлюцинаций и искажений не обойтись. Как ни промпть, нет-нет да что-нибудь перерисует. Особенно проблемы с лицами людей — там вообще трэш бывает.
❌ В API есть функционал применения масок. Утверждается, что изменения будут проводиться только в прозрачной области маски. На моей задаче выделения части дома (если твой дом — это левая часть semi-detached house) не сработало. Учили перерисовывать и генерить объекты. Так и происходит: то стена становится кирпичной, то дом меняется до неузнаваемости (вторая картинка).
На этой неделе экспериментировал с новой моделькой OpenAI
gpt-image-1. Мне нужно перекрашивать фасады домов в заданный цвет. Следующие наблюдения:✅ По большей части перекрашивает классно. Даже в отражении в окне машины меняет цвет дома!
✅ Убирает пятна на стенах, мох на крыше и сохраняет тени — что топчик.
✅ Не нужен мудрёный промпт, и цвета можно передавать в формате RGB. Точно 1 в 1 цвет не сделает, но будет похоже.
✅ Есть наблюдение, что имеет смысл те элементы, которые красятся и детектятся хуже, перемещать выше в списке. Мне нужно было, чтобы не менялся соффит (это такой белый «подбородок» под крышей) и лучше находились кирпичные элементы — перенёс в начало списка, и заработало лучше.
❌ Без небольших галлюцинаций и искажений не обойтись. Как ни промпть, нет-нет да что-нибудь перерисует. Особенно проблемы с лицами людей — там вообще трэш бывает.
❌ В API есть функционал применения масок. Утверждается, что изменения будут проводиться только в прозрачной области маски. На моей задаче выделения части дома (если твой дом — это левая часть semi-detached house) не сработало. Учили перерисовывать и генерить объекты. Так и происходит: то стена становится кирпичной, то дом меняется до неузнаваемости (вторая картинка).
✍9🔥2
👆👆👆Моделька только вышла, а мы уже катим ее в прод) кажется скоро «текстовый фотошоп» найдет массу применений - например, мы перекрашиваем и улучшаем шотландские дома (писал тут)
Telegram
Ну Шмулев, погоди!
С наступлением конца периода отпусков на нас снова хлынул поток пресейла на внедрение AI.
Что нового:
- радует, что стало меньше запросов вида ”нужен AI агент для обработки заявок на сайте?”
- увеличилась доля кейсов, где требуется Computer Vision (x2…
Что нового:
- радует, что стало меньше запросов вида ”нужен AI агент для обработки заявок на сайте?”
- увеличилась доля кейсов, где требуется Computer Vision (x2…
🔥14👍7🕊4
Друзья запускают интересный проект 🤗
кому интересно вкатиться в AI рисеч - отличная возможность)
кому интересно вкатиться в AI рисеч - отличная возможность)
Forwarded from R77 AI | Кейсы в ИИ (от выпускников МФТИ)
Шаблон ТЗ для AI-проектов
Сделали простую и понятную таблицу, по которой можно быстро собрать внятное техническое задание на AI.
Подходит и тем, кто только начинает, и тем, кто внедряет серьёзные корпоративные решения.
Зачем нужен:
— Понять, как пишется ТЗ и не тратить время на его придумывание и разработку.
— Чтобы зафиксировать задачи, метрики, ограничения.
— Чтобы не забыть про данные, пользователей, интеграции.
— Чтобы быстрее согласовать проект с подрядчиком или внутри команды.
Что внутри:
— Все ключевые разделы: от целей и сценариев до архитектуры, данных и рисков.
— Примеры формулировок — чтобы проще было писать.
— Подходит для всего: от автоматизации одного процесса до больших AI-систем в компании.
https://docs.google.com/spreadsheets/d/1fF-lVtNaULAfSQI7tqPUnxjYmLAnOJ2rGoEDX4thNrQ/edit?usp=sharing
Сделали простую и понятную таблицу, по которой можно быстро собрать внятное техническое задание на AI.
Подходит и тем, кто только начинает, и тем, кто внедряет серьёзные корпоративные решения.
Зачем нужен:
— Понять, как пишется ТЗ и не тратить время на его придумывание и разработку.
— Чтобы зафиксировать задачи, метрики, ограничения.
— Чтобы не забыть про данные, пользователей, интеграции.
— Чтобы быстрее согласовать проект с подрядчиком или внутри команды.
Что внутри:
— Все ключевые разделы: от целей и сценариев до архитектуры, данных и рисков.
— Примеры формулировок — чтобы проще было писать.
— Подходит для всего: от автоматизации одного процесса до больших AI-систем в компании.
https://docs.google.com/spreadsheets/d/1fF-lVtNaULAfSQI7tqPUnxjYmLAnOJ2rGoEDX4thNrQ/edit?usp=sharing
❤12🔥9
LLM как источник консолидированных знаний
Занимаясь проектом по реализации синтетических пользователей для ускорения извлечения инсайдов с помощью LLM в custdev-ах, пришел к интересному наблюдению.
В нашем мире знания распределены между различными отдельными инстансами (людьми, книгами, и т.д.), в случае с людьми - очень смещенными.
Интернет – это пример первого удобного источника агрегированных знаний (до него, например, были библиотеки / энциклопедии).
LLM – это новое поколение инструментов с консолидированными знаниями (для меня это еще одно объяснение, почему LLM так хорошо зашли: многие мои знакомые теперь идут в deepseek, а не гугл, чтобы понять как сделать VAT refund в поездке или понять что делать с отменой рейса).
Рассмотрим на примере custdev-ов (глубинных интервью).
Раньше:
1. Выбираешь целевой сегмент пользователей
2. Формулируешь гипотезы болей
3. Собираешь 20-30 человек
4. Проводишь интервью, спрашиваешь о том, что “болит”
5. Собираешь транскрипты, фиксируешь инсайды (субъективно относительно того, что проводит custdev)
6. Делаешь саммари
7. Формулируешь идеи / гипотезы продуктов
8. Делаешь корректировки и повторяешь процесс
** Шаги 5-6-7 – это переход от отдельных смещенных инсайтов к агрегированному “знанию”
С приходом LLM как это выглядит теперь:
1. Выбираешь целевой сегмент пользователей – через промпт
2. Формулируешь гипотезы болей – через промпт (+ задаешь контекст)
3. Получаешь инсайды уже в виде саммари и идеи
Почему так? Внутри LLM уже содержится информация по всем-всем вариантам (которые встречались при обучении конечно), и ее ответ УЖЕ агрегированная информация. Нет смысла генерировать 30-50 диалогов с пользователями (тут есть отдельный риск, какой кстати?) и потом делать саммари (через ту же GPT).
В реальной жизни без LLM мы так делать не можем – надо сэмплировать знания из отдельных людей и потом агрегировать.
P.S. в этом посте я намеренно не рассуждаю на тему репрезентативности инсайдов от “синтетиков” и не говорю о том, что привычные custdev-ы больше не нужны. Мне интересно посмотреть и порассуждать в комментах на интересный кмк переход и к чему он может привести.
Занимаясь проектом по реализации синтетических пользователей для ускорения извлечения инсайдов с помощью LLM в custdev-ах, пришел к интересному наблюдению.
В нашем мире знания распределены между различными отдельными инстансами (людьми, книгами, и т.д.), в случае с людьми - очень смещенными.
Интернет – это пример первого удобного источника агрегированных знаний (до него, например, были библиотеки / энциклопедии).
LLM – это новое поколение инструментов с консолидированными знаниями (для меня это еще одно объяснение, почему LLM так хорошо зашли: многие мои знакомые теперь идут в deepseek, а не гугл, чтобы понять как сделать VAT refund в поездке или понять что делать с отменой рейса).
Рассмотрим на примере custdev-ов (глубинных интервью).
Раньше:
1. Выбираешь целевой сегмент пользователей
2. Формулируешь гипотезы болей
3. Собираешь 20-30 человек
4. Проводишь интервью, спрашиваешь о том, что “болит”
5. Собираешь транскрипты, фиксируешь инсайды (субъективно относительно того, что проводит custdev)
6. Делаешь саммари
7. Формулируешь идеи / гипотезы продуктов
8. Делаешь корректировки и повторяешь процесс
** Шаги 5-6-7 – это переход от отдельных смещенных инсайтов к агрегированному “знанию”
С приходом LLM как это выглядит теперь:
1. Выбираешь целевой сегмент пользователей – через промпт
2. Формулируешь гипотезы болей – через промпт (+ задаешь контекст)
3. Получаешь инсайды уже в виде саммари и идеи
Почему так? Внутри LLM уже содержится информация по всем-всем вариантам (которые встречались при обучении конечно), и ее ответ УЖЕ агрегированная информация. Нет смысла генерировать 30-50 диалогов с пользователями (тут есть отдельный риск, какой кстати?) и потом делать саммари (через ту же GPT).
В реальной жизни без LLM мы так делать не можем – надо сэмплировать знания из отдельных людей и потом агрегировать.
P.S. в этом посте я намеренно не рассуждаю на тему репрезентативности инсайдов от “синтетиков” и не говорю о том, что привычные custdev-ы больше не нужны. Мне интересно посмотреть и порассуждать в комментах на интересный кмк переход и к чему он может привести.
❤13👍4🔥4
Please open Telegram to view this post
VIEW IN TELEGRAM
🤣42🔥7🤝1
2025 — Очередной диалог с топ менеджером про ИИ [2]
С сегодняшней встречи:
…
А я думаю, почему некоторые 1000% пресейлы не закрываются. Оказывается пора становиться правильным футурологом и внедряться в крупных клиентов. проекты пойдут ещё лучше 🙃
С сегодняшней встречи:
«…К нашему руководству приходил футуролог и делал расклад на будущее. Так вот он сказал, что в ИИ вкладываться не надо, поэтому сейчас у руководства есть сомнения / сопротивления в представленных ИИ кейсах. Давайте подумаем, что мы можем сделать»
…
А я думаю, почему некоторые 1000% пресейлы не закрываются. Оказывается пора становиться правильным футурологом и внедряться в крупных клиентов. проекты пойдут ещё лучше 🙃
🤣20🔥11🤯7
Вдохновлено реальными событиями, за мессдж спасибо @s_okrug
я помню, когда-то давно, когда я первый раз оказался на корпоративном булщит-звонке, где все общаются, а я ничего не понимаю, я потом спросил у своего сто, как у него получается держать каменное лицо и адекватно отвечать на абсолютно больные какие-то вопросы, где вообще ничего не понятно
ответ убил, как говорится, — надо просто не слушать собеседника, просто сидишь с умным видом, примерно понимаешь о чем речь, на уровне направления и не пытаешься понять и ответить на вопрос, а просто рассказываешь, что хочешь рассказать
так на звонке оказывается, что никто ни с кем не разговаривает, но что-то вперед движется (но не всегда)
😁19🤣13🗿9🔥1🤝1
Продолжаем серию про ML и детей
У нас пошла 6-ая эпоха обучения. Что нового?
Как никогда актуальна борьба с переобучением
Стараемся ломать устойчивые паттерны: «проснулся рано утром в субботу = смотрю мультики», «в примерочной, пока ждем маму, будем играть с папой в телефон».
Как то раз по дороге в садик мы уехали в парк аттракционов. Прямо посреди рабочей недели. Вот это был шок и взрыв градиентов 🤣
Бустрэпим
У нас конечно гора игрушек. Поэтому мы маскируем 75% игрушек на балконе, через пару месяцев повторяем)
Вообще обучение ребенка это конечно в чистом виде RL (Reinforcement Learning), поэтому вспомним Базу:
1. Exploration vs. Exploitation
Зачем мне пробовать пасту с креветками, если котлетки с пюре - это топ
Почему бы не подстричь себе волосы ножницами
Разрисуем стену в ванной папиной пеной для бритья и будем писать циферки
Запомни юный родитель-инженер, чтобы бороться с переобучением, не забываем поощрять exploration (исследования)!
2. Положительное и отрицательное подкрепления.
Наказания и поощрения очень коварный механизм.
Закрепляем связки «мне грустно / плачу --> хочу конфетку / сладенькое» и потом переносим это во взрослую жизнь.
Штрафуем policy, которая не учитывает родительские вводные)
Опытные инженеры знают, что самое сложное в RL – сбалансированная и понятная агенту функция вознаграждения!
3. Улучшаем reward и помогаем обучению
У детей часто sparse reward: «полностью оделся – молодец», «съел кашу – конфета». Долго, далеко, скучно.
А во взрослой жизни вообще reward еще и сильно отложен во времени: закончи универ, создай успешный бизнес.
Поэтому хвалим не только за результат, а за попытку действия: «попробовал - молодец» и растим внутреннюю мотивацию (intrinsic reward): интерес и любопытство.
В следующей серии LLM и attention!
У нас пошла 6-ая эпоха обучения. Что нового?
Как никогда актуальна борьба с переобучением
Стараемся ломать устойчивые паттерны: «проснулся рано утром в субботу = смотрю мультики», «в примерочной, пока ждем маму, будем играть с папой в телефон».
Как то раз по дороге в садик мы уехали в парк аттракционов. Прямо посреди рабочей недели. Вот это был шок и взрыв градиентов 🤣
Бустрэпим
У нас конечно гора игрушек. Поэтому мы маскируем 75% игрушек на балконе, через пару месяцев повторяем)
Вообще обучение ребенка это конечно в чистом виде RL (Reinforcement Learning), поэтому вспомним Базу:
1. Exploration vs. Exploitation
Зачем мне пробовать пасту с креветками, если котлетки с пюре - это топ
Почему бы не подстричь себе волосы ножницами
Разрисуем стену в ванной папиной пеной для бритья и будем писать циферки
Запомни юный родитель-инженер, чтобы бороться с переобучением, не забываем поощрять exploration (исследования)!
2. Положительное и отрицательное подкрепления.
Наказания и поощрения очень коварный механизм.
Закрепляем связки «мне грустно / плачу --> хочу конфетку / сладенькое» и потом переносим это во взрослую жизнь.
Штрафуем policy, которая не учитывает родительские вводные)
Опытные инженеры знают, что самое сложное в RL – сбалансированная и понятная агенту функция вознаграждения!
3. Улучшаем reward и помогаем обучению
У детей часто sparse reward: «полностью оделся – молодец», «съел кашу – конфета». Долго, далеко, скучно.
А во взрослой жизни вообще reward еще и сильно отложен во времени: закончи универ, создай успешный бизнес.
Поэтому хвалим не только за результат, а за попытку действия: «попробовал - молодец» и растим внутреннюю мотивацию (intrinsic reward): интерес и любопытство.
В следующей серии LLM и attention!
🔥31❤17🤩9👍4
❤5🔥2
Погрузиться в задачу, задать правильные вопросы и уже потом предлагать решения 🙌🙌🙌
было бы странно, если бы врач сразу назначал лекарства после жалоб "болит голова"
#отзыв
было бы странно, если бы врач сразу назначал лекарства после жалоб "болит голова"
#отзыв
🔥21🫡9😎7❤2👍1
Поделитесь плиз хорошими видосами про AI кейсы, внедрение LLM, или технические вебинары - ток без маркетингового буллщита 🙏🏻
а то watch later в YouTube закончился🙃
а то watch later в YouTube закончился🙃
❤4
Посмотрел лекцию от моего любимого Мутовина про управление личными изменениями.
Очень откликается, потому что для себя уже неоднократно оценил силу "акупунктурных" точек:
- когда поставил челлендж бегать 30 дней подряд, перезавелась привычка читать книги
- самая полезная на данный момент и пока работающая – ранний подъем и выезд в кофейню.
Чтобы делаем дальше:
1. Берем транскрипт отсюда: ссылка
2. Идем в chatgpt 5 Thinking (или в свою любимую)
3. Копируем промпт, заменяем {text}
4. Взаимодействуем с чатом и выписываем идеи экспериментов. Например, исследуем:
Очень откликается, потому что для себя уже неоднократно оценил силу "акупунктурных" точек:
- когда поставил челлендж бегать 30 дней подряд, перезавелась привычка читать книги
- самая полезная на данный момент и пока работающая – ранний подъем и выезд в кофейню.
Чтобы делаем дальше:
1. Берем транскрипт отсюда: ссылка
2. Идем в chatgpt 5 Thinking (или в свою любимую)
3. Копируем промпт, заменяем {text}
Вот лекция авторитетного для спикера о том, как привить изменения в жизни.
Вот транскрипт лекции:
"""
{сюда встравляем транскрипт лекции из ссылки выше (п.1)}
"""
Помоги мне для следующего списка целей задизайнить несколько экспериментов согласно принципам из лекции:
1. Цель
2. Вариант для "топливо"
3. Ищем акупунктнурную точку. Приведи несколько примеров акупунктнурных точек для каждой цели и топлива, это самое важное!
4. Идеи / дизайны экспериментов (не менее 5 шт.)
Список целей:
{пишем список из одной или нескольких целей. Сразу добавляем рядом контекст, вроде: занятие спортом – спортзал. важная деталь: сейчас в голове "отмазки" такие, что мой режим дня не позволяет вырваться в зал (есть абонемент в зал рядом с домом в 5 минутах}
4. Взаимодействуем с чатом и выписываем идеи экспериментов. Например, исследуем:
Помоги мне теперь проанализировать цель №3 – как в лекции – Методы поиска / по методу неприятия перемен. Задавай вопросы и помогай сделать выводы
Telegram
Ilya Mutovin Channel
Друзья, я выложил на канал лекцию про управление личными изменениями. Писал про нее тут.
Что на видео:
1. Что такое топливо для изменений. Почему одни виды “топлива” делают так, что изменения легко случаются, а другие не работают вовсе?
2. Как находить точки…
Что на видео:
1. Что такое топливо для изменений. Почему одни виды “топлива” делают так, что изменения легко случаются, а другие не работают вовсе?
2. Как находить точки…
2❤14🔥6👍2
Давно не писал, что у нас нового по проектам и пресейлам
А новостей довольно много:
1. Внедрили в Альфу 🅰️ Ассистента для портала разработчиков с RAG на базе YaGPT. 3 месяца уже тестируем - точность 76+% , бизнес-эффект: снижение тикетов на 40%. KPI пилота выполнили, готовимся идти дальше. Скоро сделаем вебинар в @r77_ai и расскажем немного технических деталей.
2. Прошли внутренние тесты AI агента-аналитика для inSales (это кстати реальный агент , точнее agentic workflow 🙂). Сейчас будем запускать пользователей и допиливать функциональность. Главная фича – переход от аналитики к рекомендациям. И вообще – верю в технологию Text-2-SQL, + то, что мы одних из лучших в РФ, кто в этом прокачались. Уже есть несколько запросов, где это внедряем.
3. В процессе еще одного пилота с другим топ-клиентом. Делаем семантические проверки огроооомных и сложных документов. Сейчас люди тратят не часы, а целые дни на проверку⏳ . Прикол в том, что это не очередной враппер чатгпт, а полноценный проект с разработкой онтологии, бэк, фронт и ну и куча ML/LLM экспериментов. На базе этого решения будем запускать еще один схожий кейс, но уже для валютного контроля.
4. Завершили уже несколько итераций по разработке AI агента для поиска и подбора отелей. Отличие от "популярных в СМИ" старт-апов в том, что это не B2C, а B2B, наш пользователь - турагент. А это меняетвсе многое :) Сделали эксперименты с готовыми агентами от OpenAI, сейчас собираем своего и полностью подконтрольного (на сколько это слово вообще применимо к термину "Агент") нам 😈
5. Но не только LLM-единым! Сделали пилот по прогнозированию вторичных продаж на маркетплейсах. Сейчас разрабатываем систему динамического ценообразования для очень крупной сети отелей.
Самые интересные пресейлы в работе:
1. Ждем и надеемся на старт видеоаналитики (ДААА, ЕСТЬ в 2025 и ТАКИЕ ПРОЕКТЫ!) для Dubai Police.
2. Свинки РусАгро были. Мраморные бычки Мираторга? Не, тоже было. А вот рыбы не было! Хотим улучшать конверсию выживаемости лосося из малька в крупную рыбку. Там и CV, и таблички. Интересно.
3. Планируем помогать футбольным скаутам с гибкой аналитикой показателей под запрос (помним про Text-2-SQL)
4. Как вам связка CV + падл теннис, который оверпопулярный сейчас (хз, что больше - ИИ или падл по хайповости)?
А новостей довольно много:
1. Внедрили в Альфу 🅰️ Ассистента для портала разработчиков с RAG на базе YaGPT. 3 месяца уже тестируем - точность 76+% , бизнес-эффект: снижение тикетов на 40%. KPI пилота выполнили, готовимся идти дальше. Скоро сделаем вебинар в @r77_ai и расскажем немного технических деталей.
2. Прошли внутренние тесты AI агента-аналитика для inSales (это кстати реальный агент , точнее agentic workflow 🙂). Сейчас будем запускать пользователей и допиливать функциональность. Главная фича – переход от аналитики к рекомендациям. И вообще – верю в технологию Text-2-SQL, + то, что мы одних из лучших в РФ, кто в этом прокачались. Уже есть несколько запросов, где это внедряем.
3. В процессе еще одного пилота с другим топ-клиентом. Делаем семантические проверки огроооомных и сложных документов. Сейчас люди тратят не часы, а целые дни на проверку
4. Завершили уже несколько итераций по разработке AI агента для поиска и подбора отелей. Отличие от "популярных в СМИ" старт-апов в том, что это не B2C, а B2B, наш пользователь - турагент. А это меняет
5.
Самые интересные пресейлы в работе:
1. Ждем и надеемся на старт видеоаналитики (ДААА, ЕСТЬ в 2025 и ТАКИЕ ПРОЕКТЫ!) для Dubai Police.
2. Свинки РусАгро были. Мраморные бычки Мираторга? Не, тоже было. А вот рыбы не было! Хотим улучшать конверсию выживаемости лосося из малька в крупную рыбку. Там и CV, и таблички. Интересно.
3. Планируем помогать футбольным скаутам с гибкой аналитикой показателей под запрос (помним про Text-2-SQL)
4. Как вам связка CV + падл теннис, который оверпопулярный сейчас (хз, что больше - ИИ или падл по хайповости)?
Please open Telegram to view this post
VIEW IN TELEGRAM
❤28🔥21
Пока доход = твоим часам – это работа.
Когда доход > твоих часов – это бизнес.
Когда доход > > твоих часов – это продукт.
Когда доход > твоих часов – это бизнес.
Когда доход > > твоих часов – это продукт.
👍12🔥7💯5