Комментарии

Все верно Евгений, особенность российской ситуации в том, что рынок таких сервисов фактически поделен между двумя экосистемами — Сбербанком и банком «Тинькофф». Сбербанк владеет множеством сервисов, из которых можно получить ценные данные о финансовом поведении пользователей. Определенные амбиции стать третьей экосистемой есть и у «Яндекса».

В состав сервисов всех этих экосистем включены инструменты для анализа поведения. Они контролируют бюджет в автоматическом режиме, советуют предложения от партнеров и помогают выбрать банковские продукты.

В 2012 году начал работу один из первых необанков России — «Рокетбанк» (ныне несуществующий). Банк сделал функциональность умного финансового учета одним из своих УТП. Для тех лет это была настоящая революция — траты в мобильном приложении были стилизованы под классическую ленту социальных сетей, им можно было назначать теги, кроме того с финансовыми вопросами оперативно помогала служба поддержки. Уже с 2021 года сопоставимый уровень сервисов появился у всех российских банков из числа топовых.

Ну у нас в России тут совсем все по другому и зарубежные сервисы какими бы они не были не подходят для наших реалий

Так как сейчас рынок финансовых помощников перенасыщен, существуют две популярные стратегии для позиционирования — либо узко специализироваться, либо становиться супераппом со множеством функций. Одно из самых популярных приложений, YNAB (You Need A Budget), — удобный способ использовать в цифровом виде такой подход к учету расходов, как «нулевой бюджет». Его суть в том, чтобы в конце каждого месяца были использованы все деньги («выйти в ноль»).

Основатель YNAB Джесси Мехам говорит, что цель их приложения — поменять у пользователей отношение к личным деньгам с «реактивного» на «проактивное». «Люди думают, что бюджетирование означает лишь то, что они прогнозируют, сколько они хотят заработать и потратить. Но мы учим людей составлять бюджет, оперируя только теми деньгами, которые есть у них прямо сейчас», — говорит он.

Далеко не все готовы тратить свое время и внимание на учет бюджета, пусть даже и относительно автоматизированный. Существует четкий запрос типа «Хочу скачать приложение, установить и забыть, пусть само работает с моими деньгами». Один из продуктов, который удовлетворяет этот запрос — Qapital. На сервисе IFTTT существует множество автоматизированных сценариев для сбережений и инвестиций с помощью этого приложения.

Один из примеров — Qapital можно подключить к носимому устройству Fitbit. Как только вы пройдете определенное количество шагов в день, он отправит некоторую сумму с вашего дебетового банковского счета на инвестиционный. Сервис дает возможность создать и множество других, сколь угодно сложных автоматизированных сценариев использования личных денег.

Человечность

Еще одно свойство, которое точно поможет выделить сервис из множества подобных — человеческое отношение. Один из примеров — сервис Charlie — няшный пингвинчик, который помогает выбраться из долгов. Пользователь вместе с Charlie ставит конкретные финансовые цели и достигает их. Сооснователь и исполнительный директор сервиса Илиан Георгиев говорит, что ценность сервиса для пользователей в том, что «Чарли празднует ваш прогресс, независимо от того, какой он. Одна вещь, которую мы слышали от людей снова и снова — им нужна среда, свободная от осуждения».

Сервис Trim решает ровно одну, но очень важную задачу — помогает снизить регулярные расходы. Он анализирует все имеющиеся подписки и предлагает способы оптимизировать их или вовсе отказаться от ненужных. Также он подсказывает, как сократить платежи провайдерам связи.

Похожий сервис Cushion анализирует платежи по картам и выписки по банковским счетам, чтобы найти банковские комиссии и платежи, которые можно оспорить. Затем он в автоматическом режиме генерирует и отправляет в банк соответствующие письменные просьбы. Основатель и генеральный директор компании Пол Кессервани говорит, что условия банковского обслуживания настолько сложны, что потребовалось четыре года, чтобы собрать все необходимые данные и создать технологический стек для эффективной работы сервиса.

Представьте приложение, которое подключается к вашим банковским счетам (разумеется, безопасным образом). Вы просто указываете свои финансовые цели: к примеру, накопить на первый взнос по ипотеке, обеспечить будущее образование детям или сформировать «подушку безопасности» к пенсии.

И программа на базе ИИ сама все рассчитает. Она изучит ваши привычки трат, оценит доходы и существующие сбережения. На основе всех данных она буквально в автоматическом режиме начнет распределять ваши деньги.

Часть средств будет регулярно переводиться на специальные накопительные счета. Объемы отчислений будут меняться в зависимости от вашей жизненной ситуации. Родился ребенок — больше денег уйдет на его образовательный фонд. Повысили зарплату — увеличатся отчисления на накопления. Купили машину — временно сократим переводы для компенсации крупной покупки. Но все равно главные финансовые цели будут оставаться приоритетом и достигаться по графику.

А когда суммы на накопительных счетах станут внушительными, ИИ перейдет к этапу инвестирования. Он изучит массу информации и подберет для вас оптимальные инвестиционные инструменты с учетом ваших предпочтений по риску и срокам вложений.

Программа самостоятельно сформирует сбалансированные портфели из акций, облигаций, фондов и даже криптовалют. При этом она будет постоянно их диверсифицировать и обновлять в зависимости от рыночных колебаний и прогнозов. Причем делать это умная система будет напрямую, без посредников, то есть вы избежите лишних комиссий и сможете зарабатывать больше.

Конечно, такие ИИ-программы будут надежно защищены от любых утечек или мошеннических операций. Искусственный интеллект здесь играет роль объективного и беспристрастного финансового робота, работающего исключительно на достижение ваших целей максимально эффективным образом.

Когда вы накопите необходимую сумму, ИИ уведомит вас и предложит варианты дальнейших действий. А до этого — просто жить и наслаждаться жизнью, не беспокоясь о ежедневном движении денег. Вот что такое истинная автоматизация личных финансов!

Кажется фантастикой? Отнюдь! Первые приложения на базе ИИ для управления накоплениями уже выходят на рынок. И в скором будущем мы можем оказаться в мире, где люди доверили умным программам заботу о своем финансовом благополучии. А у самих людей освободятся время и силы для творчества, саморазвития и просто наслаждения жизнью!

Правильный выбор подхода зависит от следующих факторов:

— Время отклика. Если требуется мгновенный отклик и задержки недопустимы, синхронное взаимодействие может быть предпочтительным.
— Надежность. Если надежность и отказоустойчивость важны, асинхронное взаимодействие может быть предпочтительным, так как избегает блокировок и позволяет более гибко обрабатывать ошибки и отказы.
— Производительность. Если система требует высокой производительности и параллельной обработки запросов, асинхронное взаимодействие может быть более эффективным.

Иногда комбинация синхронного и асинхронного взаимодействия может быть наиболее эффективной. Например, клиентский микросервис может асинхронно отправлять запрос на выполнение длительной операции и получать уведомление о завершении через сообщения, в то время как продолжает синхронно выполнять другие операции.

Хорошо описали и чтоже по вашему тогда выбрать? Если также простым языком

В синхронном взаимодействии клиентский микросервис ожидает ответа от вызываемого микросервиса перед продолжением своей работы. Это означает, что клиентский микросервис блокируется и ожидает ответа, прежде чем перейти к следующему шагу.

Плюсы синхронного взаимодействия:

— Простота. Синхронное взаимодействие проще в реализации и отладке.
— Прозрачность. Синхронное взаимодействие позволяет легко отслеживать и управлять последовательностью выполнения операций.

Минусы синхронного взаимодействия:

— Зависимость от доступности. Если вызываемый микросервис недоступен или работает медленно, это может привести к задержкам и блокировкам в клиентском микросервисе.
— Узкое место. Если синхронные вызовы выполняются последовательно, это может стать узким местом производительности.

Пример использования. Приложение электронной коммерции может синхронно вызывать микросервис для проверки наличия товара перед оформлением заказа. Клиентский микросервис блокируется, пока не получит ответ о наличии товара.

Асинхронное взаимодействие

В асинхронном взаимодействии клиентский микросервис отправляет запрос вызываемому микросервису и продолжает свою работу без ожидания ответа. Ответ может быть получен позже, например, через сообщения или коллбэки.

Плюсы асинхронного взаимодействия:

— Отказоустойчивость. Асинхронное взаимодействие позволяет избежать блокировки клиентского микросервиса при недоступности вызываемого микросервиса.
— Масштабируемость. Асинхронное взаимодействие может быть параллельным, что способствует лучшей масштабируемости системы.

Минусы асинхронного взаимодействия:

— Сложность. Асинхронное взаимодействие требует более сложной реализации, так как необходимо обрабатывать асинхронные ответы и управлять состоянием запросов.
— Усложнение отладки. Отслеживание и отладка асинхронного взаимодействия может быть сложнее из-за распределения запросов и ответов во времени.

Пример использования. Система обработки платежей может асинхронно отправлять запрос на обработку платежа, а затем получать ответ о статусе платежа через сообщения. Такой подход позволяет клиентскому микросервису продолжать работу без ожидания ответа платежного сервиса.

Синхронное и асинхронное взаимодействие микросервисов являются двумя различными подходами к обмену данными и выполнению запросов между микросервисами. Оба подхода имеют свои плюсы и минусы, и выбор подхода зависит от конкретных требований и характеристик системы.

Ну еще не так много моделей:

ChatGPT-4o (OpenAI): лидер западного рынка

ChatGPT-4o, разработанный компанией OpenAI, остается одной из наиболее продвинутых и популярных моделей на рынке. Она широко используется для генерации текстов, программирования, анализа данных и работы с изображениями благодаря своей мультимодальности. Ее способность поддерживать сложные диалоги и адаптироваться к различным стилям общения делает ее идеальным инструментом для бизнеса.

YandexGPT: российский ответ глобальным игрокам

YandexGPT — продукт компании «Яндекс», предназначенный для работы с русскоязычными текстами. Эта модель отлично справляется с генерацией текстов, ответами на вопросы и предложением идей на родном языке. Ее основное преимущество — бесплатный доступ и встроенность в экосистему «Яндекса», включая голосового помощника «Алиса». Компания уже заявила, что планирует применять нейросеть во всех своих сервисах, где используется текст. Модель подходит для автоматизации простых задач, создания контента и работы с текстами на русском языке. Так пользователи уже могут улучшать свои тексты и создавать изображения прямо в браузере Yandex.

Однако YandexGPT имеет свои ограничения. Она уступает западным аналогам в гибкости и поддержке других языков, что может быть проблемой для международных проектов. Кроме того, при выполнении сложных специализированных запросов модель может не всегда справляться, особенно если требуется углубленный анализ или работа с большими объемами данных.

GigaChat (Сбер): универсальный инструмент

GigaChat, разработанный Сбером, является универсальной моделью, сочетающей возможности генерации текстов и изображений. Модель поддерживает русский и английский языки, что делает ее подходящей для использования в различных контекстах, от создания контента до программирования. Одним из ключевых преимуществ GigaChat является ее способность генерировать визуальный контент, что может быть полезно для маркетинга и креативных задач. Совокупное количество пользователей нейросетей Сбера GigaChat и Kandinsky уже в марте 2024 года достигло 18 миллионов. Сбер также активно внедряет возможности нейросети в свои умные устройства.

Тем не менее, у GigaChat есть и свои слабые стороны. В частности, модель не всегда стабильно работает с данными из интернета, что может привести к ошибкам в результатах. Также отсутствие полного контроля над процессом генерации может ограничить ее использование в специфических или чувствительных задачах, требующих точности и надежности.

Grok (xAI): новый игрок от Илона Маска

Grok — это новейшая модель ИИ, разработанная компанией xAI и интегрированная в социальную сеть X (бывший Twitter). Основное ее преимущество заключается в доступе к актуальной информации в реальном времени, что позволяет предоставлять свежие данные и новости. Модель работает в двух режимах: базовом и «веселом». В базовом режиме Grok пытается быть серьезным и точным, а в «веселом» — может позволять себе шутки и даже употреблять нецензурную лексику. Илон Маск активно инвестирует в проект и планирует создание к осени 2024 года суперкомпьютера для работы со следующей версии его Grok. Также в августе он ожидает появление новой версии Grok 2.

Однако Grok доступен только по платной подписке, что ограничивает его доступность. Кроме того, в «веселом» режиме модель может быть не всегда точной и надежной, что делает ее менее подходящей для серьезных задач. Еще один важный момент — Grok ориентирован в основном на англоязычную аудиторию, что может ограничивать его использование для пользователей, предпочитающих другие языки.

LLaMA (Meta*): выбор разработчиков

LLaMA, разработанная компанией Meta*, представляет собой мощную модель, предназначенную для исследователей и разработчиков. Ее основное преимущество — высокая степень настройки и гибкость, что позволяет адаптировать ее под конкретные задачи. LLaMA поддерживает работу с несколькими языками и предоставляет открытый доступ к своей архитектуре, что делает ее привлекательной для технических проектов и исследований. На текущий момент Meta* выпустила самую большую и лучшую на сегодняшний день модель ИИ с открытым исходным кодом Llama 3.1.

Однако использование LLaMA требует значительных вычислительных ресурсов и опыта в настройке и управлении моделью. Это делает ее менее доступной для обычных пользователей и малых предприятий, которые могут столкнуться с трудностями в ее использовании. LLaMA больше подходит для специализированных задач, где важна точность и возможность глубокой настройки.

Claude (Anthropic): этичность и безопасность

Claude, разработанная компанией Anthropic, сосредоточена на безопасности и этичности использования ИИ. Модель минимизирует риски предвзятости и ошибок, что особенно важно при работе с конфиденциальными данными. Claude может использоваться для генерации текстов, работы с кодом и решения других задач, где требуется высокая степень надежности и доверия.

Однако, как и в случае с другими западными моделями, доступ к Claude ограничен для пользователей в России, а полный функционал доступен только по платной подписке. Это может стать барьером для тех, кто ищет доступные и бесплатные решения. Тем не менее, для тех, кто ставит этичность и безопасность на первое место, Claude может быть лучшим выбором.

Gemini (Google): инновации от поискового гиганта

Gemini — это новая модель ИИ, разработанная Google для замены Google Bard. Gemini использует мощную языковую модель LaMDA, которая ориентирована на поддержание диалогов и генерацию текстов с учетом контекста и особенностей запросов. Одним из ключевых преимуществ Gemini является ее глубокая интеграция с экосистемой Google, что позволяет эффективно использовать модель в различных приложениях, включая поиск, работу с документами и многими другими сервисами.

Gemini обладает способностью генерировать сложные и развернутые ответы, что делает ее полезной для широкого круга задач, от написания текстов до поддержки креативных проектов. Однако, несмотря на высокие технологические возможности, Gemini, как и другие западные модели, может быть недоступна для пользователей из России, что ограничивает ее применение в этой стране. Кроме того, из-за сложности модели, иногда ее ответы могут быть менее точными, чем ожидалось, особенно в специфических или узкоспециализированных запросах.

Выбор модели ИИ зависит от конкретных потребностей и задач. ChatGPT-4o и LLaMA предлагают высокую степень гибкости и мощные инструменты, но требуют значительных ресурсов и могут быть ограничены доступом. YandexGPT и GigaChat предоставляют доступные решения для работы с русскоязычными текстами, но уступают в гибкости и поддержке других языков. Grok интересен своей актуальностью и разнообразием режимов, но ограничен платной подпиской и ориентирован в основном на англоязычную аудиторию. Claude подходит для тех, кто ищет безопасные и этичные решения, но требует доступа, который не всегда возможен в России. Gemini, с ее глубокой интеграцией в экосистему Google, представляет собой мощный инструмент для множества задач, но также может быть недоступна для российской аудитории.

Каждая из этих моделей имеет свои сильные и слабые стороны. Важно тщательно оценить их возможности и ограничения, чтобы выбрать наиболее подходящий инструмент для решения ваших задач.

Кстати Epsylon — социальную сеть для психологов здорово сделали, смотрю очень много людей ею пользуються, приятно когда проект не только качественный и прибыльный но и приносит пользу людям

Кстати Epsylon — социальную сеть для психологов здорово сделали, смотрю очень много людей ею пользуються, приятно когда проект не только качественный и прибыльный но и приносит пользу людям

Уже знаем что DST специализируеться на создании Социальных сетей с высокой нагрузкой, теперь нам нужно найти инвестии на создание собственной, тематической социальной сети в сфере инвестиций, проект первый в своем роде

Уже знаем что DST специализируеться на создании Социальных сетей с высокой нагрузкой, теперь нам нужно найти инвестии на создание собственной, тематической социальной сети в сфере инвестиций, проект первый в своем роде

Изучение теории массового обслуживания всегда сопровождается довольно забористой математикой, и часто системы, которые рассматривают, не имеют никакого отношения к computer science, поэтому сложно найти хороший учебник. Я бы посоветовал Performance Modeling and Design of Computer Systems: Queueing Theory in Action (2013). Тут по-прежнему достаточно математики, но вся она приложена к интересным системам.

Феномен латентности начали систематически исследовать, насколько мне известно, в связи с появлением систем массового обслуживания — телефонных сетей связи. Теория массового обслуживания началась с работы А. К. Эрланга 1909 г., в которой он показал, что пуассоновское распределение применимо к случайному телефонному трафику. Эрланг разработал теорию, которая многие десятилетия использовалась для проектирования телефонных сетей. Теория позволяет определить вероятность отказа в обслуживании. Для телефонных сетей с коммутацией каналов отказ происходил, если все каналы заняты и звонок не может быть совершён. Вероятность этого события нужно было контролировать. Хотелось иметь гарантию, что, например, 95% всех звонков будут обслужены. Формулы Эрланга позволяют определить, сколько нужно серверов для выполнения этой гарантии, если известна длительность и число звонков. По сути, эта задача как раз про гарантии качества, и сегодня люди по-прежнему решают похожие задачи. Но системы стали гораздо сложнее. Основная проблема теории массового обслуживания в том, что в большинстве институтов её не преподают, и мало кто понимает вопрос за пределами обычной очереди M/M/1, зато хорошо известно, что жизнь намного сложнее этой системы.

Пользуюсь DST CRM уже год, и мне все нравится. Удобный сервис для проектной работы. Достаточно 5-10 минут, чтобы освоиться в программе. Новые задачи всегда высвечиваются на главной странице, их точно не пропустишь. При работе можно быстро переносить дедлайн задачи, добавлять новых участников, прикреплять всевозможные файлы и даже указывать, сколько конкретно часов ты потратил на работу.
А еще удобно, что в этой программе работают все сотрудники компании, и если у человека указана более подробная информация в его профиле помимо телефона и почты, например, дата рождения, то на почту приходит уведомление о дне рождении за несколько дней. Тоже отличная деталь этого сервиса

Пользуюсь DST CRM уже год, и мне все нравится. Удобный сервис для проектной работы. Достаточно 5-10 минут, чтобы освоиться в программе. Новые задачи всегда высвечиваются на главной странице, их точно не пропустишь. При работе можно быстро переносить дедлайн задачи, добавлять новых участников, прикреплять всевозможные файлы и даже указывать, сколько конкретно часов ты потратил на работу.
А еще удобно, что в этой программе работают все сотрудники компании, и если у человека указана более подробная информация в его профиле помимо телефона и почты, например, дата рождения, то на почту приходит уведомление о дне рождении за несколько дней. Тоже отличная деталь этого сервиса

Если продукт еще не нашел свой рынок, у него будут относительно низкие коэффициенты конверсии и высокий процент оттока. У продуктов с хорошим соответствием рынку часто значительно большие темпы роста, выше коэффициенты конверсии и, как правило, с ними приятнее работать.

Владельцы SaaS-бизнеса, у которых за плечами не одна компания, часто могут описать соответствие товара рынку только так: «Добившись соответствия рынку, вы будете знать об этом, а если у вас есть сомнения — значит, свою нишу вы еще не нашли». Если вам не повезло, то каждая продажа для вас будет как закатывать камень на гору, а если повезло, ваш продукт будут буквально отрывать с руками.

У многих SaaS, которые нашли свой рынок, это получилось не сразу; иногда для этого нужны месяцы и годы работы. Самое важное при этом — общаться с клиентами, и очень много, а не полагаться на «ощущения». SaaS-компании со слабым контактом могут оправдать свое нежелание общаться буквально с каждым, кто регистрируется в пробной версии: экономически при их ценах это неприемлемо — однако и работа SaaS-компании, когда у продукта нет своей ниши, тоже неэффективна, так что такое общение на самом деле полностью оправдано объемом получаемой информации.

Добиваться соответствия продукта рынку — это значит не просто принимать и реализовывать заявки на новые функции, а еще и внимательно прислушиваться к лучшим клиентам, вычленять общее в их запросах и опираться на это. При таком подходе, чтобы сориентироваться на потребности лучших клиентов, может понадобиться изменить стратегию маркетинга, общение с клиентами и даже концепцию продукта.

Каких клиентов считать «лучшими»? Вообще говоря, это клиенты в тех сегментах (по отрасли, размеру, профилю пользователя и т. п.), где у вас высокие коэффициенты конверсии, низкие проценты оттока и (почти всегда) относительно более высокий показатель средней суммы контракта (ACV). Можно с уверенностью сказать, что в случае SaaS-компаний со слабым контактом чаще всего происходит так, что запускается продукт, который обслуживает широкий спектр пользователей с широким спектром потребностей, а затем делается ставка на одну или две ниши для самых перспективных пользователей.

Если продукт еще не нашел свой рынок, у него будут относительно низкие коэффициенты конверсии и высокий процент оттока. У продуктов с хорошим соответствием рынку часто значительно большие темпы роста, выше коэффициенты конверсии и, как правило, с ними приятнее работать.

Владельцы SaaS-бизнеса, у которых за плечами не одна компания, часто могут описать соответствие товара рынку только так: «Добившись соответствия рынку, вы будете знать об этом, а если у вас есть сомнения — значит, свою нишу вы еще не нашли». Если вам не повезло, то каждая продажа для вас будет как закатывать камень на гору, а если повезло, ваш продукт будут буквально отрывать с руками.

У многих SaaS, которые нашли свой рынок, это получилось не сразу; иногда для этого нужны месяцы и годы работы. Самое важное при этом — общаться с клиентами, и очень много, а не полагаться на «ощущения». SaaS-компании со слабым контактом могут оправдать свое нежелание общаться буквально с каждым, кто регистрируется в пробной версии: экономически при их ценах это неприемлемо — однако и работа SaaS-компании, когда у продукта нет своей ниши, тоже неэффективна, так что такое общение на самом деле полностью оправдано объемом получаемой информации.

Добиваться соответствия продукта рынку — это значит не просто принимать и реализовывать заявки на новые функции, а еще и внимательно прислушиваться к лучшим клиентам, вычленять общее в их запросах и опираться на это. При таком подходе, чтобы сориентироваться на потребности лучших клиентов, может понадобиться изменить стратегию маркетинга, общение с клиентами и даже концепцию продукта.

Каких клиентов считать «лучшими»? Вообще говоря, это клиенты в тех сегментах (по отрасли, размеру, профилю пользователя и т. п.), где у вас высокие коэффициенты конверсии, низкие проценты оттока и (почти всегда) относительно более высокий показатель средней суммы контракта (ACV). Можно с уверенностью сказать, что в случае SaaS-компаний со слабым контактом чаще всего происходит так, что запускается продукт, который обслуживает широкий спектр пользователей с широким спектром потребностей, а затем делается ставка на одну или две ниши для самых перспективных пользователей.