Пора готовиться к высокому сезону. 5 августа в 12:00 (МСК) соберемся с экспертами рынка, чтобы рассказать, как мобильное приложение, SEO интернет-магазина и автоматизация на маркетплейсах решают вопрос лидогенерации, в программе:
— Как использовать контекстную рекламу для привлечения заявок в интернет-магазин
— Как точно сегментировать аудиторию и не сливать бюджет
— Какие стратегии работают, а какие — нет (на цифрах)
— Ошибки, которые чаще всего мешают росту
Спикер: Александра Виштак, менеджер по контекстной рекламе в Demis Group
— Что важно знать при работе с маркетплейсами: от SEO до карточки товара
— Как тестировать фото, чтобы это действительно влияло на продажи
— Как автоматизировать управление воронкой и не делать всё вручную
— Пример использования AI-инструмента XWAY в реальных задачах
Спикер: Антон Москаленко, ведущий менеджер по развитию бизнеса, XWAY
—Как эффективно запустить мобильный канал продаж: бюджет, сроки, инструменты;
— Wow vs must have фичи. Какие функциональные возможности привлекают клиентов;
— Как продвигать приложение и получать установки бесплатно;
— Кейсы и примеры: что работает в приложениях на практике.
Спикер: Олег Чебулаев, генеральный директор Mad Brains
Для кого:
📅 5 августа, 12:00 (МСК)
Участие бесплатное. Регистрация по ссылке.
Please open Telegram to view this post
VIEW IN TELEGRAM
👍3👌1
Горячая дискуссия развернулась в комментах у Глеба. Поддержу его позицию. Таким у нас не место.
Forwarded from Уставший техдир
Волкам - волчий билет
Обязательно поделись постом со своими HR!. Кроме рутьюба я знаю еще несколько компаний, который начали чистить свой штат от волчар (и это только те, с которыми я это обсуждал).
Эту тему надо публичить, она должна быть массово обсуждаемой, должна быть на слуху. Все, кто идет в волки должны понимать последствия. Последствия со службой безопасности, увольнением с занесением в трудовую, в личное дело. Это должна быть черная метка. Волчья метка
Если мы хотим, чтобы у нас была в отрасли здоровая атмосфера, то мы обязаны создать в ней институт репутации. Если можно творить все что угодно, то те самые 2% процента социопатов все обосрут. Пока тут денег больше чем в других сферах — сюда будут лезть обманщики.
Забавный факт. Раньше увольнение по статье называли "волчий билет", потому что тебя хрен куда возьмут после этого
Обязательно поделись постом со своими HR!. Кроме рутьюба я знаю еще несколько компаний, который начали чистить свой штат от волчар (и это только те, с которыми я это обсуждал).
Эту тему надо публичить, она должна быть массово обсуждаемой, должна быть на слуху. Все, кто идет в волки должны понимать последствия. Последствия со службой безопасности, увольнением с занесением в трудовую, в личное дело. Это должна быть черная метка. Волчья метка
Если мы хотим, чтобы у нас была в отрасли здоровая атмосфера, то мы обязаны создать в ней институт репутации. Если можно творить все что угодно, то те самые 2% процента социопатов все обосрут. Пока тут денег больше чем в других сферах — сюда будут лезть обманщики.
Забавный факт. Раньше увольнение по статье называли "волчий билет", потому что тебя хрен куда возьмут после этого
❤6👍2👀2🥰1
OpenAI выпустил 2 open source модели
Бенчмарков с другими открытыми моделями пока нет, но по сравнению с коммерческими моделями Open AI старшая очень даже ничего. Лицензия позволяет использовать в коммерческих целях, поэтому надо присмотреться.
Исходники и веса на Github.
Открытая демка на сайте тут.
Погнали тестить 🏎
Бенчмарков с другими открытыми моделями пока нет, но по сравнению с коммерческими моделями Open AI старшая очень даже ничего. Лицензия позволяет использовать в коммерческих целях, поэтому надо присмотреться.
Исходники и веса на Github.
Открытая демка на сайте тут.
Погнали тестить 🏎
🤝2🔥1
Mad Helper — теперь в открытой бете
Запустили публичную бету ассистента Mad Helper внутри Telegram. Это не просто бот, а целый набор AI-инструментов, которые помогут команде быстрее принимать решения, экономить время и разруливать сложные задачи.
Вот что уже умеет Mad Helper:
⚙️ / cost_calculator — посчитает стоимость проекта по ТЗ, ФТ, вложенному документу или трем предложениям;
👨💻 / cv_expert — поможет сформировать требования и нанять IT-специалиста;
📄 / docs_guide — разберет и улучшит документацию;
🧭 / software_selector — поможет с выбором ИТ-решения из каталога x-kit под задачу.
Ассистент будет полезен менеджерам, техлидам, аналитикам и всем, кто занимается оценкой, бюджетированием, защитой инициатив, ежедневно принимает стратегические решения. Он помогает не терять фокус на рутине и держать темп даже в перегруженных проектах.
Для меня Mad Helper стал незаменимым помощником в пресейле, создавая первичную оценку проекта.
Как воспользоваться?
Перейти в Mad Helper
Запустили публичную бету ассистента Mad Helper внутри Telegram. Это не просто бот, а целый набор AI-инструментов, которые помогут команде быстрее принимать решения, экономить время и разруливать сложные задачи.
Вот что уже умеет Mad Helper:
⚙️ / cost_calculator — посчитает стоимость проекта по ТЗ, ФТ, вложенному документу или трем предложениям;
👨💻 / cv_expert — поможет сформировать требования и нанять IT-специалиста;
📄 / docs_guide — разберет и улучшит документацию;
🧭 / software_selector — поможет с выбором ИТ-решения из каталога x-kit под задачу.
Ассистент будет полезен менеджерам, техлидам, аналитикам и всем, кто занимается оценкой, бюджетированием, защитой инициатив, ежедневно принимает стратегические решения. Он помогает не терять фокус на рутине и держать темп даже в перегруженных проектах.
Для меня Mad Helper стал незаменимым помощником в пресейле, создавая первичную оценку проекта.
Как воспользоваться?
Перейти в Mad Helper
❤4🔥3👍2
Яндекс прицелился на нишу разработки интернет-магазинов
На днях Яндекс представил новый продукт — Яндекс КІТ. Платформа предназначена для быстрого создания интернет-магазинов «под ключ» с готовой инфраструктурой и AI-ассистентом, без участия разработчиков.
Судя по первым клиентам, которых удалось привлечь ещё на стадии разработки, решение ориентировано на селлеров маркетплейсов и небольшие бренды, которые хотят выйти в омниканальность.
По возможностям платформа находится где-то между Tilda и 1С-Битрикс, но фактически претендует на долю рынка как в сегменте no-code, так и в сегменте custom-решений.
Станет ли это угрозой для старых игроков?
Пока кажется, что до реального вытеснения далеко: у Битрикса огромная партнёрская сеть, накопленный опыт и привычка рынка. WordPress и Tilda выбирают те, кто хочет максимально сэкономить. Но если Яндекс подтянет экосистему и трафик — может получиться громкий кейс.
Вопрос только — хватит ли им терпения.
На днях Яндекс представил новый продукт — Яндекс КІТ. Платформа предназначена для быстрого создания интернет-магазинов «под ключ» с готовой инфраструктурой и AI-ассистентом, без участия разработчиков.
Судя по первым клиентам, которых удалось привлечь ещё на стадии разработки, решение ориентировано на селлеров маркетплейсов и небольшие бренды, которые хотят выйти в омниканальность.
По возможностям платформа находится где-то между Tilda и 1С-Битрикс, но фактически претендует на долю рынка как в сегменте no-code, так и в сегменте custom-решений.
Станет ли это угрозой для старых игроков?
Пока кажется, что до реального вытеснения далеко: у Битрикса огромная партнёрская сеть, накопленный опыт и привычка рынка. WordPress и Tilda выбирают те, кто хочет максимально сэкономить. Но если Яндекс подтянет экосистему и трафик — может получиться громкий кейс.
Вопрос только — хватит ли им терпения.
👍3
Эволюция качества виртуальной примерки в Trygone
🔹 Модель 1 — форма одежды держится идеально, но ткань выглядит «пластиковой».
🔹 Модель 2 — ткань как живая, но крой съехал.
🔹 Модель 1 + Модель 2: правильная форма + приемлемая детализация.
Комбинация моделей увеличила время генерации, но каждая итерация приближает нас к тому, чтобы примерка в онлайне выглядела так же, как в зеркале!🪞
🔹 Модель 1 — форма одежды держится идеально, но ткань выглядит «пластиковой».
🔹 Модель 2 — ткань как живая, но крой съехал.
🔹 Модель 1 + Модель 2: правильная форма + приемлемая детализация.
Комбинация моделей увеличила время генерации, но каждая итерация приближает нас к тому, чтобы примерка в онлайне выглядела так же, как в зеркале!🪞
🔥9❤5
Какую модель выбрать для кодинга мобильных приложений?
С момента появления Roo и Cline я пытаюсь найти рабочий сценарий генерации кода для iOS-приложений.
На выходных наконец-то получилось собрать прототип — делюсь наблюдениями:
🔻 Apple Intelligence в Xcode
Херня на палке. Думает плохо, встроена в IDE ещё хуже. Пару раз вообще ломала проект так, что приходилось откатываться.
🔻 GPT-5 через Xcode / десктоп-приложение
Что-то пишет, но решения не компилятся. Код на выходе сырой.
🔻 Cloude Code
На голову выше остального. Модель семейства Sonet выдает приличный код, компилит проект через консоль и сама же фиксит ошибки. Был приятно удивлён.
Итог: удалось собрать рабочий прототип с базой данных и приличным интерфейсом на SwiftUI.
Теперь интересно — хватит ли этого, чтобы дойти до релиза? 👀
С момента появления Roo и Cline я пытаюсь найти рабочий сценарий генерации кода для iOS-приложений.
На выходных наконец-то получилось собрать прототип — делюсь наблюдениями:
🔻 Apple Intelligence в Xcode
Херня на палке. Думает плохо, встроена в IDE ещё хуже. Пару раз вообще ломала проект так, что приходилось откатываться.
🔻 GPT-5 через Xcode / десктоп-приложение
Что-то пишет, но решения не компилятся. Код на выходе сырой.
🔻 Cloude Code
На голову выше остального. Модель семейства Sonet выдает приличный код, компилит проект через консоль и сама же фиксит ошибки. Был приятно удивлён.
Итог: удалось собрать рабочий прототип с базой данных и приличным интерфейсом на SwiftUI.
Теперь интересно — хватит ли этого, чтобы дойти до релиза? 👀
🔥5
База про построению RAG-систем и варианты улучшения поиска информации. Не ембедингами едины.
Forwarded from AI и грабли
Запись эфира по RAGу без эмбеддингов (ссылка внизу поста)
Выписал самое важное и дополнил
Главные проблемы поиска на эмбеддингах:
1. Семантическая схожесть ≠ фактическая релевантность (слова те же, смысл другой)
2. Не учитывает "логические операции" в запросе ("и", "не")
3. Не умеет делать промежуточные шаги (сходить в другой кусок текста, чтобы посмотреть значение аббревиатуры или определение)
4. Ломается на агрегации
5. Короткие пользовательские запросы отличаются от длинных чанков документации. И по длине, и по формулировкам
6. Плохо работает с таблицами
———
Запрос пользователя:
Догадаетесь, в чем будет проблема с эмбеддингами?
- "Отчет по итогам квартала: Отдел продаж блестяще выполнил KPI, показав рекордный рост!"
- "План на следующий квартал: всем отделам компании, включая отдел маркетинга, поставлена задача выполнить KPI."
- "В последнем квартале отдел разработки успешно выполнил все поставленные KPI."
———
Лечим симптомы (все еще эмбеддинги):
1. query rewriting/expansion и/или Instruction Awareness
2. Векторный поиск по саммари чанков, а для генерации ответа использовать их полный текст
3. Можно делать не просто саммари чанков, а генерировать возможные вопросы по ним и искать уже по вопросам
4. Добавлять текст соседних чанков на этапе Generation
5. reranking
6. Препроцессинг документов с сохранением структуры (marker-pdf, docling, unstructured)
———
Лечим причину:
1. Не используем эмбеддинги
2. В качестве search engine берем легковесную LLM. Прогоняем по страницам документа и выдаем им true/false в зависимости от релевантности вопросу (запросы к разным страницам идут в параллель => работает быстро)
3. Вместо 2 совсем наглеем и передаем в запросе сразу сотни страниц – просим выписать только номера релевантных (держим до 200-300к токенов на запрос, даже если окно 1м)
4. gemini-2.5-flesh круто с этим справляется, а главное – нативно кушает pdf без препроцессинга. Понимает таблицы и картинки 🔥
5. Релевантные страницы передаем в ризонинг модель для Generation как в "классическом RAG"
6. Не забываем делать Structured Output c промежуточными шагами размышлений
———
Альтернативы (Для более структурированного поиска)
Для примера возьмем книгу рецептов и вопрос "что приготовить на ужин, если у меня есть лапша, фарш и 20 минут времени"
1. Сначала для каждого рецепта вычленить структурированные поля (ингредиенты, время приготовления, тип блюда – первое, второе, десерт и т.д.)
2. Сложить в SQL все извлеченные данные и исходный текст рецепта
3. Использовать text2sql, чтобы по запросу пользователя создавать search query
4. В Generation идут исходные текста рецептов
В реальности обычно создаем разные таблички в бд, потому что данные бывают разных типов с разными параметрами
———
Общие мысли и ответы на вопросы
- Data preparation is a king
- Промежуточный вызов LLM – хороший reranker, даже для embedding-based подхода
- Всегда пытаемся передать ссылки на исходные блоки инфы. Увеличивает надежность и
тестируемость. Высший пилотаж – показывать не только страницы, но и конкретные строчки, на которые опиралась модель
- Иногда нужно вообще убрать этап Generation и просто показывать найденные куски информации
- LLM retrieval стоит сильно дороже, чем эмбеддинги, но для большого числа кейсов это ок. 1 доллар – все дешевле, чем пару часов сотрудника с зп в десятки баксов в час
Доп материалы:
Ссылка на сам эфир от @r77_ai (больше деталей, примеров и интересных вопросов от слушателей. сначала разгоняюсь, но потом жара начинается)
- Instruction Awareness
- Промежуточные шаги размышлений в Structured Output
- Кормим pdf в gemini через openai-compatible api
Выписал самое важное и дополнил
Главные проблемы поиска на эмбеддингах:
1. Семантическая схожесть ≠ фактическая релевантность (слова те же, смысл другой)
2. Не учитывает "логические операции" в запросе ("и", "не")
3. Не умеет делать промежуточные шаги (сходить в другой кусок текста, чтобы посмотреть значение аббревиатуры или определение)
4. Ломается на агрегации
"вот тебе посты из канала, проанализируй слабые и сильные места автора"
→
найдет посты, где я автор сам что-то пишет про посты/канал и сильные/слабые места. Например, обзор чужого канала.
5. Короткие пользовательские запросы отличаются от длинных чанков документации. И по длине, и по формулировкам
6. Плохо работает с таблицами
———
Запрос пользователя:
"Какие отделы нашей компании, кроме отдела продаж, не выполнили KPI в последнем квартале?"
Догадаетесь, в чем будет проблема с эмбеддингами?
- "План на следующий квартал: всем отделам компании, включая отдел маркетинга, поставлена задача выполнить KPI."
- "В последнем квартале отдел разработки успешно выполнил все поставленные KPI."
———
Лечим симптомы (все еще эмбеддинги):
1. query rewriting/expansion и/или Instruction Awareness
2. Векторный поиск по саммари чанков, а для генерации ответа использовать их полный текст
3. Можно делать не просто саммари чанков, а генерировать возможные вопросы по ним и искать уже по вопросам
4. Добавлять текст соседних чанков на этапе Generation
5. reranking
6. Препроцессинг документов с сохранением структуры (marker-pdf, docling, unstructured)
———
Лечим причину:
1. Не используем эмбеддинги
2. В качестве search engine берем легковесную LLM. Прогоняем по страницам документа и выдаем им true/false в зависимости от релевантности вопросу (запросы к разным страницам идут в параллель => работает быстро)
3. Вместо 2 совсем наглеем и передаем в запросе сразу сотни страниц – просим выписать только номера релевантных (держим до 200-300к токенов на запрос, даже если окно 1м)
4. gemini-2.5-flesh круто с этим справляется, а главное – нативно кушает pdf без препроцессинга. Понимает таблицы и картинки 🔥
5. Релевантные страницы передаем в ризонинг модель для Generation как в "классическом RAG"
6. Не забываем делать Structured Output c промежуточными шагами размышлений
———
Альтернативы (Для более структурированного поиска)
Для примера возьмем книгу рецептов и вопрос "что приготовить на ужин, если у меня есть лапша, фарш и 20 минут времени"
1. Сначала для каждого рецепта вычленить структурированные поля (ингредиенты, время приготовления, тип блюда – первое, второе, десерт и т.д.)
2. Сложить в SQL все извлеченные данные и исходный текст рецепта
3. Использовать text2sql, чтобы по запросу пользователя создавать search query
4. В Generation идут исходные текста рецептов
В реальности обычно создаем разные таблички в бд, потому что данные бывают разных типов с разными параметрами
В более простой версии этого подхода, тупо назначаем LLMкой "теги" разным кусочками текста и фильтруем по ним, а потом делаем классический RAG или сразу передаем в LLM
———
Общие мысли и ответы на вопросы
- Data preparation is a king
- Промежуточный вызов LLM – хороший reranker, даже для embedding-based подхода
- Всегда пытаемся передать ссылки на исходные блоки инфы. Увеличивает надежность и
тестируемость. Высший пилотаж – показывать не только страницы, но и конкретные строчки, на которые опиралась модель
- Иногда нужно вообще убрать этап Generation и просто показывать найденные куски информации
- LLM retrieval стоит сильно дороже, чем эмбеддинги, но для большого числа кейсов это ок. 1 доллар – все дешевле, чем пару часов сотрудника с зп в десятки баксов в час
Доп материалы:
Ссылка на сам эфир от @r77_ai (больше деталей, примеров и интересных вопросов от слушателей. сначала разгоняюсь, но потом жара начинается)
- Instruction Awareness
- Промежуточные шаги размышлений в Structured Output
- Кормим pdf в gemini через openai-compatible api
YouTube
RAG без ембедингов | R77 AI x Николай Шейко
https://news.1rj.ru/str/r77_ai — наш канал
https://r77.ai — наш сайт
http://t.me/savinvlad — по проектам и RAG
http://t.me/oestick — Канал Николая
"В индустрии давно укоренилось мнение, что Retrieval-Augmented Generation (RAG) = эмбеддинги. Но что, если поиск по эмбеддингам…
https://r77.ai — наш сайт
http://t.me/savinvlad — по проектам и RAG
http://t.me/oestick — Канал Николая
"В индустрии давно укоренилось мнение, что Retrieval-Augmented Generation (RAG) = эмбеддинги. Но что, если поиск по эмбеддингам…
🤝3🔥2
Раздобыли настоящие значки нейрохакеров 😎
Планируем награждать им за особые достижения.
Предложите в комментариях номинацию. Трем самым креативным — подарю лично!
Планируем награждать им за особые достижения.
Предложите в комментариях номинацию. Трем самым креативным — подарю лично!
Please open Telegram to view this post
VIEW IN TELEGRAM
❤7🔥5🤗2
Сложно ли выучиться на программиста?
Я поступил в универ, не зная информатики. Совсем. Но очень хотелось.
Решил подготовиться за месяц — купил книжку по Паскалю и стал решать задачки. Каждый день.
Первая пара по программированию: за 90 минут нам рассказали всё, что я учил месяц.
На второй паре — уже пошёл новый материал. И понеслось 🚀
В итоге всё сложилось: классный преподавательский состав, хорошая программа, увлеченые однокурсники. УлГТУ, ФИСТ, ЭВМ. Скучаю!
Всех с началом учебного года 🎓
Я поступил в универ, не зная информатики. Совсем. Но очень хотелось.
Решил подготовиться за месяц — купил книжку по Паскалю и стал решать задачки. Каждый день.
Первая пара по программированию: за 90 минут нам рассказали всё, что я учил месяц.
На второй паре — уже пошёл новый материал. И понеслось 🚀
В итоге всё сложилось: классный преподавательский состав, хорошая программа, увлеченые однокурсники. УлГТУ, ФИСТ, ЭВМ. Скучаю!
Всех с началом учебного года 🎓
❤15
Как оно — работать с АНО?
Давно не делился кейсами Mad Brains. Исправляюсь.
Этим летом мы сделали личный кабинет для Агентства по привлечению инвестиций Краснодарского края. Получилось удобно, красиво, функционально.
Теперь инвесторы могут:
— легко взаимодействовать с Агентством,
— отслеживать свои проекты,
— изучать все доступные объекты в каталоге.
Проект попал в каталог «Смартеки» — витрину лучших практик для решения социально-экономических задач. Для нас это хороший знак: значит, решение реально важно и востребовано.
Интересный нюанс — это был первый опыт работы с некоммерческой организацией. Разработка прошла безболезненно, а вот приемка заняла 3 месяца.
Читать кейс
P. S. Мы бы ещё сделали функцию «ускорить согласования», но это уже из области фантастики 😅
Давно не делился кейсами Mad Brains. Исправляюсь.
Этим летом мы сделали личный кабинет для Агентства по привлечению инвестиций Краснодарского края. Получилось удобно, красиво, функционально.
Теперь инвесторы могут:
— легко взаимодействовать с Агентством,
— отслеживать свои проекты,
— изучать все доступные объекты в каталоге.
Проект попал в каталог «Смартеки» — витрину лучших практик для решения социально-экономических задач. Для нас это хороший знак: значит, решение реально важно и востребовано.
Интересный нюанс — это был первый опыт работы с некоммерческой организацией. Разработка прошла безболезненно, а вот приемка заняла 3 месяца.
Читать кейс
P. S. Мы бы ещё сделали функцию «ускорить согласования», но это уже из области фантастики 😅
❤7
Приехал в Переславль-Залесский на ProductCamp.
Приходите завтра на FuckupNight, где я расскажу эксклюзивную историю разработки нового продукта.
Вместе посмеемся и поплачем!
Приходите завтра на FuckupNight, где я расскажу эксклюзивную историю разработки нового продукта.
Вместе посмеемся и поплачем!
🔥8❤7👍3
Круги Данбара
Пока был в отпуске, решил почитать что-то для себя. В руки попалась книга Максима Фельдмана «Сила окружения» про нетворкинг.
Автор классно переложил мировой и личный опыт на современные реалии и напомнил про теорию кругов Данбара — модель, где у каждого человека есть несколько «слоёв» отношений:
– первый круг — самые близкие (семья, партнёр, 2–5 человек),
– второй — друзья,
– третий — приятели,
– четвёртый — широкий круг контактов и знакомых.
В самолёте я решил проверить свою записную книжку.
Результат такой: перевес у меня оказался именно в 4-м круге.
Много новых знакомств, пересечений по работе, ивентов, проектов — сеть растёт, но вширь. И я реально вижу пользу:
• получил 10 рекомендаций на дизайнеров интерьеров,
• получил скидку на тур,
• получил несколько лидов на разработку проектов,
• организовал выезд в Подмосковье.
Но при этом второй круг — друзья — заметно схудел. После переезда мы по-прежнему друзья, но встреч и разговоров стало в разы меньше. Это чувствуется. И именно поэтому я ценю их ещё сильнее.
Расширять сеть полезно, но важно не забывать про второй круг. В итоге именно он создаёт настоящую опору, а не только удобства и возможности.
Пока был в отпуске, решил почитать что-то для себя. В руки попалась книга Максима Фельдмана «Сила окружения» про нетворкинг.
Автор классно переложил мировой и личный опыт на современные реалии и напомнил про теорию кругов Данбара — модель, где у каждого человека есть несколько «слоёв» отношений:
– первый круг — самые близкие (семья, партнёр, 2–5 человек),
– второй — друзья,
– третий — приятели,
– четвёртый — широкий круг контактов и знакомых.
В самолёте я решил проверить свою записную книжку.
Результат такой: перевес у меня оказался именно в 4-м круге.
Много новых знакомств, пересечений по работе, ивентов, проектов — сеть растёт, но вширь. И я реально вижу пользу:
• получил 10 рекомендаций на дизайнеров интерьеров,
• получил скидку на тур,
• получил несколько лидов на разработку проектов,
• организовал выезд в Подмосковье.
Но при этом второй круг — друзья — заметно схудел. После переезда мы по-прежнему друзья, но встреч и разговоров стало в разы меньше. Это чувствуется. И именно поэтому я ценю их ещё сильнее.
Расширять сеть полезно, но важно не забывать про второй круг. В итоге именно он создаёт настоящую опору, а не только удобства и возможности.
👍4❤3❤🔥2
Черный лебедь присоединится к стае в январе 2026
Повышение налогов для ИТ-отрасли уже практически неизбежно.
Что это значит для отрасли?
Основной расход компаний в нашем сегменте — это ФОТ. Повышение налогов прибьет часть компаний к полу, выживут только лучшие и самые эффективные.
Что делать?
Снова работать над эффективностью сотрудников, процессов, финансовых потоков, бизнес-модели, тарифов.
А закончить хочется цитатой:
- А что важнее, - спросила Большая Панда, - путь или пункт назначения?
- Попутчик, - ответил Маленький Дракон
Повышение налогов для ИТ-отрасли уже практически неизбежно.
Что это значит для отрасли?
Основной расход компаний в нашем сегменте — это ФОТ. Повышение налогов прибьет часть компаний к полу, выживут только лучшие и самые эффективные.
Что делать?
Снова работать над эффективностью сотрудников, процессов, финансовых потоков, бизнес-модели, тарифов.
А закончить хочется цитатой:
- А что важнее, - спросила Большая Панда, - путь или пункт назначения?
- Попутчик, - ответил Маленький Дракон
❤4
Forwarded from Минцифры России (Макс Ш)
Коллеги,
в рабочих чатах получаю очень много запросов о налоговых изменениях для нашей отрасли, поэтому считаю необходимым прокомментировать их лично.
Да, в условиях существующих бюджетных ограничений подтверждаю наличие согласованных планов по увеличению для ИТ-компаний тарифов на страховые взносы с 7,6% до 15% на оплату труда по году до предельной базы (2,76 млн рублей) и отмену льготы по НДС на покупку ПО из реестра.
Коллеги, многие годы Правительство последовательно расширяло объёмы поддержки ИТ-отрасли — пока была такая возможность. И вы хорошо развивались, показывая фантастические темпы роста.
Но сейчас общая ситуация действительно непростая — планируется общее увеличение НДС и отмена целого ряда льгот для малого бизнеса. Но даже в этих сложнейших условиях Правительство продолжает курс на поддержку ИТ-отрасли, тарифы на страховые взносы для ИТ-компаний будут в два раза ниже, чем для предприятий в других отраслях экономики, будут сохранены льготы по налогу на прибыль, льготная ипотека в регионах и отсрочка от военной службы.
Несмотря на отмену льгот по НДС для покупки российских программных продуктов, в условиях ужесточения регуляторики по КИИ и введения запретов на использование зарубежных продуктов рассчитываю, что нам удастся и дальше поддержать рост спроса в корпоративном сегменте на отечественные решения.
Понимаю, что решение по уменьшению объёма льгот стало для многих неожиданным. Вам придётся оперативно пересматривать и корректировать свои продуктовые планы развития, гибко адаптировать их под новые условия. Уверен, что накопленный за эти годы запас прочности позволит нам всем сохранить амбиции и необходимый драйв. Отрасль твердо встала на ноги и способна пережить уменьшение льгот и продолжать двигаться уверенно вперёд.
Минцифры и я, как всегда, открыты к диалогу и взаимной поддержке.
Максут Шадаев
в рабочих чатах получаю очень много запросов о налоговых изменениях для нашей отрасли, поэтому считаю необходимым прокомментировать их лично.
Да, в условиях существующих бюджетных ограничений подтверждаю наличие согласованных планов по увеличению для ИТ-компаний тарифов на страховые взносы с 7,6% до 15% на оплату труда по году до предельной базы (2,76 млн рублей) и отмену льготы по НДС на покупку ПО из реестра.
Коллеги, многие годы Правительство последовательно расширяло объёмы поддержки ИТ-отрасли — пока была такая возможность. И вы хорошо развивались, показывая фантастические темпы роста.
Но сейчас общая ситуация действительно непростая — планируется общее увеличение НДС и отмена целого ряда льгот для малого бизнеса. Но даже в этих сложнейших условиях Правительство продолжает курс на поддержку ИТ-отрасли, тарифы на страховые взносы для ИТ-компаний будут в два раза ниже, чем для предприятий в других отраслях экономики, будут сохранены льготы по налогу на прибыль, льготная ипотека в регионах и отсрочка от военной службы.
Несмотря на отмену льгот по НДС для покупки российских программных продуктов, в условиях ужесточения регуляторики по КИИ и введения запретов на использование зарубежных продуктов рассчитываю, что нам удастся и дальше поддержать рост спроса в корпоративном сегменте на отечественные решения.
Понимаю, что решение по уменьшению объёма льгот стало для многих неожиданным. Вам придётся оперативно пересматривать и корректировать свои продуктовые планы развития, гибко адаптировать их под новые условия. Уверен, что накопленный за эти годы запас прочности позволит нам всем сохранить амбиции и необходимый драйв. Отрасль твердо встала на ноги и способна пережить уменьшение льгот и продолжать двигаться уверенно вперёд.
Минцифры и я, как всегда, открыты к диалогу и взаимной поддержке.
Максут Шадаев