🚀 Как стартапам получить пользу от программы OpenAI for Startups ?

Строите продукт на моделях OpenAI? Тогда есть смысл податься в OpenAI for Startups - программа, где отобранные команды могут получить бесплатные кредиты на API, повышение rate-лимитов и время с командой OpenAI 🔥

Это помогает:

🔹быстрее валидировать гипотезы

🔹снижать расходы на прототипирование

🔹не упираться в лимиты на старте

➕Что ещё дает экосистема для стартапов?

☘️Приглашения на ивенты, доступ к экспертам и техническим ресурсам через стартап-сообщество.

🍀Готовые гайды и ресурсы по внедрению ИИ в бизнес-процессы: от примеров кейсов до best practices по безопасности данных.

❓Кому подходит

Ранним и растущим командам, которые уже делают продукт с OpenAI API/ChatGPT и могут показать понятный use case (B2B, B2C, devtools, агентные сценарии и т.д.). Важна релевантность и потенциал использования.

❓Как податься

1️⃣ Заполните короткую форму на странице OpenAI for Startups (опишите продукт и как используете модели).

2️⃣ Присоединяйтесь к комьюнити, следите за письмами об ивентах и технических возможностях.

💡Советы, чтобы повысить шансы

1) Чётко сформулируйте ценность: какую метрику улучшает ИИ-модуль (LTV, CAC payback, NPS, TAT и т.п.).

2) Покажите экономию: сколько прототипы «съели бы» без кредитов/апгрейда лимитов.

3) Приложите демо/скрины и краткую архитектуру: какие модели, как храните данные, как решаете безопасность (PII, PHI, SOC2/HIPAA и пр.).

4) Обозначьте «маршрут в прод»: сроки пилота, KPI, путь к ревенью.

Сохраняйте пост, кидайте фаундерам в чат и подавайтесь - пусть ваш следующий релиз будет быстрее и дешевле 🔧✨

🗄"Скорее эволюция, нежели революция..."

Дэвид Сакс выдал конструктивную оценку текущего момента в ИИ индустрии

Рекомендую послушать полностью ☑️

🔎 Где взять поддержку для AI-стартапа в 2025?

(часть 1)

Если вы на стадии прототипа, то для вас мы собрали ключевые гранты, облачные кредиты, акселераторы и пилоты.

Сохраните и перешлите сооснователю 😉

1️⃣ Фонд содействия инновациям (ФСИ, «Бортника»)

Что дают:

🔹Старт-ИИ: до 4 млн ₽ на 12 мес. (этап 1) → до 8 млн ₽ на 12–18 мес. (этап 2).

🔹Развитие-ИИ: до 20 млн ₽ для более зрелых проектов.

🔹Акселерация-ИИ: ~0,8 млн ₽ + обучение (для доработки прототипа).

Кому: физлица и малые компании (до 2 лет) на «Старт-ИИ»; более зрелые — «Развитие-ИИ».

Условия/нюансы:
«Развитие-ИИ» обычно с софинансированием (~30%);
«Старт-ИИ» этап 2 — без софинансирования, после успешного этапа 1.

Подробнее здесь

2️⃣ РФРИТ

Что дают:

🔹гранты от 10 млн до 6 млрд ₽ на разработку/внедрение российских IT/AI-решений

Кому: российские компании (обычно МСП)

Условия/нюансы:

грант покрывает до ~50% сметы;
конкурсный отбор

Подробнее здесь

3️⃣ Фонд «Сколково» (резидентство + гранты)

Что дают:

🔹налоговые льготы (прибыль/НДС/взносы)

🔹гранты (мини-гранты 5–7 млн ₽ и больше при софинансировании)

🔹доступ к инфраструктуре и менторам

Кому: компании с инновационной AI-повесткой, прошедшие экспертизу

Подробнее здесь

4️⃣Сбер (Sber500)

Что дают:

🔹3-месячный международный акселератор,

🔹 менторство

🔹доступ к экосистеме и клиентам

🔹шанс на пилоты и инвестиции Sber VC

Кому: AI/ML-стартапы с прототипом/первым трекшном (в т.ч. БРИКС)

Подробнее здесь

5️⃣Yandex Cloud Boost

Что дают:

🔹облачные кредиты до 1 млн ₽

🔹консультации архитекторов

🔹приоритетная поддержка

🔹скидки

Кому: стартапы на любой стадии

Подробнее здесь

А на следующей неделе я планирую опубликовать пост с инфо по международным программам для AI-стартапов😉

Сохраняйте пост себе, ставьте лайк и включите уведомления, чтобы не пропустить ☑️

🎁 79% проголосовало за бесплатные ежемесячные персональные встречи..

Что-ж..Готовьте вопросы)

Планирую провести 1 онлайн встречу в октябре (длительность - 30 мин)

Для участия необходимо:

1) Поставить "👍"/ "🔥" данному посту
2) Написать сюда @mikhail_shakh слово "консультация" и описать о чем вы бы хотели поговорить

⏳Выполнить условия необходимо до 12:00 / 07 октября

Далее будет отобран один человек, с которым мы и организуем онлайн-беседу

Действуйте)

💶 «Двигает» ли ИИ экономику?

Недавно OpenAI представили GDPval, новую метрику, которая измеряет не абстрактные тесты, а способность моделей искусственного интеллекта выполнять реальные, оплачиваемые задачи из профессий, которые формируют ВВП

❗️Почему это важно бизнесу?

🔹 Фокус на работе, а не на игрушечных бенчмарках

В GDPval собрали 1 320 задач по 44 профессиям в 9 крупнейших по доле в ВВП отраслях США - от юристов и бухгалтеров до инженеров и менеджеров проектов. Это презентации, отчёты, сметы, юридические документы, таблицы - те самые артефакты, за которые платят деньги

🔹 Оценка как в жизни

Готовые работы от моделей вслепую сравнивают с человеческими эксперты соответствующих профессий (в среднем 14+ лет опыта). Результат - ранжирование «лучше / на уровне / хуже». Это максимально близко к реальной «приёмке»

🔹 Экономический смысл, а не только точность

В фокусе - производительность и качество по профессиям, которые дают львиную долю зарплат и выручки в отраслях, отобранных по вкладу в ВВП (отрасли с >5% ВВП). Это позволяет делать прогнозы не про «IQ модели», а про прибавку к марже и обороту

⁉️ Что это значит на практике?

1️⃣ ROI-сценарии становятся прозрачнее

Если модель стабильно выдаёт артефакты уровня middle-специалиста в конкретной профессии, это прямой вход в калькуляцию: стоимость inference vs. ставка сотрудника, скорость цикла, SLA по качеству

важно: В сопутствующих обзорах отмечают прирост качества и кратный выигрыш в скорости/стоимости на ряде задач - сигнал к пересборке unit-экономики в бэк-офисе и консалтинге

2️⃣ Стратегия - «переупаковка процессов», а не замена людей

GDPval фиксирует прогресс на «одношаговых» задачах: подготовить черновик, свести данные, наметить план. Это идеальное поле для «человек + ИИ»: человек ставит цель и даёт обратную связь, модель делает тяжёлую рутину. Следующая версия обещает больше интерактивности - ещё один плюс в пользу конвейеров «черновик→ревью→итерация»

3️⃣ Управление рисками - через дизайн задач

Раз задачи привязаны к профессиям и артефактам, их можно обернуть в контролируемые пайплайны: чек-листы, шаблоны, валидаторы, аудит следов (who/what/when). Это снижает операционные риски и упрощает комплаенс. Самое время напомнить про мою статью о том, как бизнесу угнаться за обновлениями ИИ

🚀 Как применить эту информацию в вашей компании уже сейчас?

👉 Возьмите 5–10 типовых результатов из одной функции (например, финансы или юрподдержка), превратите их в «GDPval-подобные» задачи с примером входных данных и эталонным выходом

👉Проведите A/B: «человек-соло» vs «человек + ИИ-черновик» с тайм-трекером и рубрикой оценки качества (градации «лучше/на уровне/хуже»). Считайте стоимость, скорость, долю доработок.

👉Сформируйте «каталог задач» с метками: автоматизируемые, ассистируемые, нецелесообразно - и привяжите к P&L (экономия OPEX, сокращение TTM).

___

Хочется отметить, что в целом, я рад сдвигу ИИ от решения умных головолоком к экономике производительности.

Для руководителей компаний это инструмент, чтобы связать ИИ-инициативы с P&L: видеть, какие именно профессии и какие типы работ уже сегодня дают измеримый эффект и где пора перестраивать процессы под «человек + ИИ»

⚫️ Куда качнулся маятник в сообществе ИИ-инженеров?

Всё очевиднее становится раскол по поводу «идеологического будущего ИИ».

Те, кто ещё вчера ставил на то, что именно OpenAI первыми дойдут до самосовершенствующегося интеллекта, сегодня пересматривают взгляды - и часть лидеров уходит строить альтернативные траектории.

Свежий пример: запуск стартапа Periodic Labs - «ИИ-учёный + автономные лаборатории» - с раундом $300 млн во главе с a16z и участием NVentures (NVIDIA), Accel, Felicis, DST, а также Бeзоса, Шмидта, Дина и Элада Гила

И это не просто очередной «лабораторный» проект. Его сооснователь Уильям Федус - один из людей, стоявших у зарождения ChatGPT и руководивший пост-тренингом в OpenAI, прежде чем уйти и запустить новую компанию

Ниже - полный перевод поста Уильяма Федуса об анонсе Periodic Labs (X):

Сегодня мы вместе с @ekindogus рады представить @periodiclabs.

Наша цель - создать ИИ-учёного.

Наука работает так: выдвигаем гипотезы о том, как может быть устроен мир, проводим эксперименты и учимся на их результатах.

Интеллект необходим, но недостаточен. Новое знание рождается тогда, когда идеи оказываются согласованными с реальностью. Поэтому в Periodic мы создаём ИИ-учёных и автономные лаборатории, в которых они будут работать.

До сих пор прогресс «научного ИИ» шёл от моделей, обученных на интернете. Но, как бы он ни был огромен, интернет конечен (оценки — ~10 трлн текстовых токенов, где одно английское слово — 1–2 токена). В последние годы лучшие фронтир-модели полностью его выжали.

Исследователи пытаются использовать эти данные лучше, но любой учёный знает: перечитывать учебник полезно лишь до момента - дальше нужно проверять идею на практике.

Автономные лаборатории - центр нашей стратегии. Они дают колоссальные объёмы высококачественных данных (каждый эксперимент - гигабайты!), которых нет больше нигде. Они генерируют ценные негативные результаты, которые редко публикуются. Но самое главное - они дают нашим ИИ-учёным инструменты для действий.
Мы начинаем с физических наук.

Технологический прогресс ограничен нашей способностью конструировать физический мир.

Стартуем здесь, потому что эксперименты имеют высокую связку «сигнал/шум» и (относительно) быстры, физические симуляции эффективно моделируют многие системы, а в более широком смысле физика - проверяемая среда. ИИ быстрее всего прогрессирует там, где есть данные и верифицируемые результаты - например, в математике и коде. Здесь природа - это RL-окружение.

Одна из наших целей - открыть сверхпроводники при более высоких температурах, чем сегодня. Существенный прогресс поможет создать транспорт нового поколения и энергосети с минимальными потерями. Но это лишь пример, если мы автоматизируем дизайн материалов, у нас появится шанс ускорить закон Мура, космические миссии и ядерный синтез.

Мы также работаем над внедрением вместе с индустрией. Например, помогаем производителю полупроводников, который сталкивается с проблемами тепловыделения на чипах. Мы обучаем кастомных агентов для их инженеров и исследователей, чтобы быстрее осмыслять экспериментальные данные и ускорять итерации.

Наша основательская команда создавала ChatGPT, DeepMind GNoME, OpenAI Operator (ныне Agent), механизм внимания в нейросетях, MatterGen; запускала автономные физические лаборатории и внесла вклад в важнейшие открытия в материаловедении за последнее десятилетие. Мы объединились, чтобы масштабировать и заново переосмыслить науку.

Мы счастливы, что нас поддерживают инвесторы, разделяющие видение, включая @a16z, которые возглавили наш раунд $300 млн, а также @Felicis, DST Global, NVentures (венчурное подразделение NVIDIA), @Accel и такие частные инвесторы, как @JeffBezos, @eladgil, @ericschmidt, @JeffDean. Их поддержка поможет нам расширить команду, масштабировать лаборатории и создать первое поколение ИИ-учёных

Посмотрим, что будет дальше 😎