Директор по маркетингу Яндекс Андрей Себрант на конференции amoCRM

Время на прочтение: 16 минут(ы)

#Директор #по #маркетингу #Яндекс #Андрей #Себрант #на #конференции #amoCRM

Так добрый день здравствуйте все собравшиеся в олимпийском здравствуйте все до сидевшие до этого времени я даже не ожидал что она идет без перерыва я вам искренне сочувствую спасибо за подводку я вправду собираюсь рассказывать о будущем причем вот использую надо страшные слова вот я подозреваю что слуг термин коммодитизации технологии здесь мало

Кому известен не стесняйтесь он вообще мало кому известен но очень полезен я он простой по сути а про него расскажу дальше еда была правильная фраза я собираюсь рассказывать про будущее которые наступил и наступают на некоторых наступила так что пока соскребать остается беда в том что вот за 20 лет моей работы в интернете

Мне все время казалось что все офигенно быстро происходит как классно так я теперь понимаю что все что происходило эти самые 20 лет было чудовищно тормозным процессом невероятным медленным а быстро начинается сейчас поэтому я начну да и вообще весь доклад на самом деле рассказ он построен по принципу странные

Мозаики мозаики которых даже нет лучше так скажу по принципу рассыпанного пазла если в результате вот разглядывание этих кусочков у вас потом в голове начнет складываться картинка из этих кусочков пазла цель достигнута если нет ну не знаю посмотрите запись попробуйте может в итоге сложится потому что это не поваренная книга я не

Буду рассказывать как правильно что-то сделать я буду рассказывать в каком будущем через буквально несколько лет три четыре пять не больше вам предстоит организовывать свои продажи привлекать клиентов вообще коммуницировать как-то с теми людьми которые к вам имеют отношения но расскажу я немножко странные кейсы вот история мужика из калифорнии я не случайно привел его

Возраст на слайде мужику 65 лет он даже меня старше у него проблема у него жена которая очень любит свою чистенькую лужайку но это калифорния там нет двухметровых заборов вокруг лужаек лужайку ходят соседней коты и гадят как решается эта задача в 2016 году в 2016 году этот человек как его там роберт

Бонд роберт бонд докупает немножечко железо к своему домашнему компьютеру подключает к нему уже стоящую камеру наружного наблюдения который смотрится лужайкой и дальше проделывать несколько необычную вещь он загружает доступный бесплатный софт опыт собственной который является нейронной сеточкой и начинает обучать эту нейронную сеточку распознавать котов на вот изображение с камеры и задача

Сначала кажется тривиальной потому что уже если чему-то учит легко и так а там потому что к тане за войну завален интернетом десятки миллионов котов в интернете если бы все было так просто то есть вот распознавать такого дневного кота можно обучить вот надо то с эти который его загружается просто со

Скоростью пропускного канала но дела обстоят хуже в реальной жизни коты ходят гадить в основном ночью картинок ночных котов писающих на лужайке в интернете практически нет человеку пришлось ну как делаем мы как делает любая компания занятая нормальная да это сайт и обучением нейронных сеточек окей мы накопим дополнительно картинки сделает их сами

Сеточка научилась распознавать ночных котов тоже очень надежно и после этого последний шаг на выход этого компьютера подключается электроуправления вентилем вентиль стоит на трубе который ведет к опрыскиватель упадка поэтому как только код заходит на лужайку и хочет приспособиться его начинают поливать вот сваливает задачу таким образом решено

Жена довольна коты не ходят а все вот это вот странное чудо нейронная сеть обучающийся распознавать котов выяснив ший что в интернете черт не хватает исходных изображений для тренировки окей мы тебя научим надо учился единственной в мире нейронная сетка который умеет распознавать ночных котов все это делается человеком который является

Гипер программистом там не работал в google или яндекс и всю свою жизнь и с помощью вот такого вот железу в общем достаточно дешевого компактного и простого другая история через океан от калифорнии на маленькой домашний ферме японцы выращивают огурцы огурцы на этой ферме принято сортировать на 9 разных категорий это сортировкой вручную

Занимается старенькая мама ей тяжело она 8 часов в день стоит около конвейера и вот она всю жизнь и всю но последние несколько лет жизни я посвятила тому что она понимает глядя на огурец на его пупырышки цвет размер и форму в какую из 9 категорий и его надо отнести у них

Питания не могут даже нанять временного рабочего потому что рабочие вы надо несколько месяцев учить этому славному процессу распознавать огурцы ну дальше вы наверное уже догадались дальше вы наверное догадались что это был снова компьютер на этот раз просто сеточка было в облаке потому что компьютер разбери пай довольно маломощной сеточку обучили

Что делает мама в качестве тренировочной выборки использовались действия самой мамой вот фотография огурца вот куда его мама отнесла после того как мама так проделала 10000 раз сеточка вот себе новый огурец ты понимаешь какая в категории понимаю говорит сеточка и все это воплотилась вот в такую вот конструкцию

Конвейер по нему едут огурцы перед тем как упасть на конвейер их разглядывает камера столь конвейера стоят толкателей и в ящик соответствующей категории сталкивают огурец опять же это решение 2016 года 1 иллюстрирует один очень важный момент который вот сейчас плохо осознают он написан на экране это что мы привыкли называть информационными

Технологиями с сущностью перестала быть информационными это операционной технологии обученная машина сама совершает действие а не сообщает нам то есть не раздается звонок кот пришел еще делать будешь побежишь его полотенцем или как не высвечивает номер категории над проплывающим огурцом ну вот а теперь ты можешь своей царской рукой столкнуть

Да нет человека вообще нет в этом процессе после того как закончилось обучение это очень универсальная картинка которая характеризует как работает будущее в котором интеллектуальные задачи опасность кота понять какой категории относится огурец решают машины и собственно говоря это не там наша какая-то блажь и вообще это не свойство только интернета или только там

Виртуальных каких-то вещей происходящих в компьютерах вот специально привел слайд general electric довольно не маленькой компании работающие с колоссальными оффлайновые бизнесами которые считают что именно 2015 год стал тем годом когда произошла вот эта конверсия информационные технологии стали операционными и они определяют наше будущее и по сути дела нам чтобы успеть за всем этим надо

Думать как в наших бизнес-процессах настроить тот же переход потому что трансформация всегда болезненно и не мгновенная вещь но если не готовится к трансформации сейчас можно оказаться среди тех на кого не уступили но вот там хорошие примеры к кончику доходах наступили он тоже думал что он хорошо защищен такая технология на blackberry

Наступили они искренне думали что людям цен надавить на кнопочки и никто не будет возить пальцами по экрану пачкой его где blackberry ну и наконец еще одна отсылка к авторитетом в начале этого года в давосе на всемирном экономическом форуме собственное были официально многократно произнеси ну вот эти же

Самые слова что мы находимся сейчас в самом центре четвертой промышленной революции что это промышленная революция в основном происходит за счет бешеной скорости с которой внедряется искусственный интеллект и машинное обучение я ненавижу слова искусственный интеллект и сейчас объясню почему потому что на самом деле мы пытаемся в этом месте

Сравнить машину с собой и причем как на 100 испугать и испугать машину она не боится ты же никогда с нами не сравнится мы же вот мыслители примите машина вот на протяжении всей истории человечества доказывала что она может больше больше потому что мы так и не придумывай вот хороший пример который я люблю приводить

На кучу лекции эта история про искусственную птицу мы вот это воспроизвести не можем вот мы правда от понятия не имеем как устроена каждое перышко в ее крылья какую функцию она несет в полете еще разнообразие этих крыльев пернатым мире чудовищно а еще есть летучие мыши но мы правда это не только воспроизвести

Не можем и не сможем судя по развитию технологий ближайшие несколько лет мы и понять до конца не можем от физику полета вот точностью как каждый волосок в крыле работает но мы поскольку мы все-таки люди человечества были вдохновлены птицей как идеей полета и в этом смысле первые искусственной птицей

Был воздушный шар за много веков до вот нас сегодняшних созданной потому что он позволил людям подняться в воздух а потом через некоторое время вернулись к идее крыла совершенно другого с тем профилем который птицы не известен в статике вот не будучи вы без массовых движений может держать машину в воздухе

Зато удивись реактивный двигатель и эта машина стала возить нас через океан чё птицы не могут более того в какой то момент мы улетели мы человечество улетели к звездам ну окей к марсу пока не к звездам но по марсу под ползает этот curiosity и сэлфи оттуда передает это же искусственной

Птицы вы туда принесла понимаете вот то что мы пару подумали про идею полета что должно быть искусной птицей слушайте когда мне говорят теперь происходит на интеллект ну мы ж не знаем как устроена да точно так же как мы не знаем ничего про птичью крыло это не помешало нам на

Той стадии когда вы появились воздушные шары придумать а баку упростить некую операцию на который они способны животные вот мы 1 устным счетом владеем но блин так проще а потом технологии помогли нам сделать еще проще а потом технологии дошли до тех самых нейронных сеток которые обучаются сами это важно

Они обучаются сами вот если вспомнить пример с котом никто не объяснял этой сетки формальные параметры отличия кота от младенца или от собаки сетка училась сама разглядывая миллионы картинок котов и в итоге научилась мы не знаем как как мы сами обучаемся и собственно говоря вот то о чем мы сейчас говорим о том то

Что искусственный интеллект машинный интеллект наверное говорить все таки правильный будет иметь такое же отношение к нашему мозгу как ракета к воробью и делает жизнь такое интересное уже ракета не умеет чирикать и какать нам на голову воробей умеет при этом ракета как вы догадываетесь может там это ядерный заряд на соседний континент

Кьюриосити на марс спутник на орбиту чтобы спутниковый интернет работал много чего но это абсолютно не имеет отношение к воробьям точно то же самое произойдет с машинным интеллектом будет делать вещи которые мы вообразить все не можем что можно сделать мозгом она сможет при этом в параллель произошла еще на интереснейшую историю который касается

Не столько сервисов я говорю сейчас про конкретные сервиса распознавания изображений по сути дела до функции вокруг которой устроила все по примера вокруг которой строится там не знаю поиск картинок кучи еще каких то других вещей но эти штуки конкретный сервер сможем сказать там не знаю персонализации у меня будет про это

Отдельные примеры это тоже отдельный сервис понять что-то про пришедшую к вам покупателя но это сервис обучаю самообучающейся системы нейронные сеточки в первую часть позволили решить другую интересную задачу которая абсолютно вот так вот поперёк всех сервисов это задача интерфейс на я еще некоторое время назад существовала такая проблема он правда существовало надо привести

Информацию в машину читаемый вид чтобы машина смогла сне начать работать нет больше этой проблемы что такой машины читаемый вид она тексту прочитать может с рукописи хоть с экрана хоть с наскального рисунка если там текст есть она может более того понять что на этой картинке изображена если эта картинка

Она может услышать что было произнесено вслух и превратить это в печатный текст если вам это зачем то необходимо хуже того смысл всего этого понятия и вот самая интересная история который сейчас происходит это вот то что происходит ровно сейчас и офигенно сильно изменит жизнь чистом не знаю какие нибудь пару

Лет для того чтобы машина научилась не тупо слушайте вот просто там буквы переводить звуки необходимо было научить ее какому-то смыслу и вот здесь началась интересная задача практическая совершенно задача которая снаружи это не видно а это огромный прорыв который был решен например поисковыми системами которым приходилось решать задачу вы знаете при некоторых психических

Заболеваниях если в зале есть психологи они знают такой тест дают 4 объекта или там больше какой здесь лишний найди ну вот во многих случаях там при некоторых заболеваниях удивительно странные ответы которые нам кажутся бредовыми так вот такая же задачка для машины вот четыре объекта найти какой лишнее и оказывается что вот в старой

Традиционной модели лингвистического анализа это большая засада потому что если мы приблизим вот на объект номер 2 и объект номер четыре то выяснится что пока это написанный текст и ударение не слышно замок и замок не отличаются более того даже углубленный анализ прилагательного показывает что это что-то описывающая материал из которого видимо изготовлена

Это существительное и казалось бы вот эти два объекта являются очень близкими а это вообще никуда потому что ничего похожего нет но мы с вами понимаем насколько вообще то история совсем другая что вообще говоря вот этот объект лишнее вот и три одинаковых машине как это объяснить особенно когда речь

Заходит о том что здесь вообще изображение и будем для простоты точнее и стич насти предполагать что это изображение не содержит при картине снова текста например на странице где она найдено просто изображение у меня фотоальбоме как его классифицировать выводит ли его по запросу старой крепости и оказалось что существует

Такая вещь которая казалось бы некоторое время еще такой ненаучной фантастикой как очень многомерное пространство смысла в котором можно научить машину строить некоторые лектора на куски этих векторов привезены под картинками и даже беглый взгляд показывать что вот эти они в общем похоже а вот этот ну ребят здесь

Вот там чего-то 871 3 преобразовывает я вам чуть совсем нет то есть вот эти три торчат куда-то примерно в одно место но в одну область примерно в одну область этого чудовищного многомерного пространства смыслов вот 4 куда-то вот туда и это решает задачу понимание смысла хотя бы с

Точки зрения того какие объекты sms по смыслу близки друг другу прикольно что это задачка в итоге уже вот сейчас например примерно похожий задача позволят об тому же microsoft у обеспечить великолепный синхронный перевод в скайпе потому что именно в тот момент когда вместо классических лингвистических моделей которые спотыкаются вот на эту

Проблему замок замок подключили неровные сетки переводитесь переводиться стал смыслом а дальше ребят а дальше они сейчас подключает язык за языком потому что в тот момент когда у тебя пространство этих самых ликторов смысла заполнена его проекции на любой язык чисто техническая операция в этот момент языковые барьеры на нашей планете

Исчезают как класс этот очень нетривиальная история я не про то что там гениальный индекс гениальный microsoft гениальный google это вот сейчас сделаю то про то что это меняет жизнь так как вообще представить и не могли как-то утро с полпинка мы не увидим даже что вдруг в интерфейсе все

Сама за переводилось она же вот так будет выглядеть и как никак какой-то отдельный супер сервис хочу показать что происходит с традиционными областями специальный на примере науки а не какого-то коммерческого продукта вот смотрите наука которая касается всех нас метеорология все хотим поднимать зонтик то брать надо дождик то сегодня

Будет вообще на самом деле не зонтик надо просто одеться потеплее дождя не будет но колотун страшный и вот тут я же расскажу про индекса вы и решение что она опять же я не хочу здесь продавать индекс честное слово достаточно велик без моих продаж эти вещи с метеорологии сейчас проделывают

Все крупные компании заняты и прогнозированием месте в явлений в мире и в этот channel и другие там альбом включился с точки зрения вот как раз машинного обучения у нас в частью и прогноз есть внутри один из сервисов яндекса и чего чего а машинного обучения у нас хватает и так появляется медиум

Наши технологии которые кратко экскурсии про то что такое метеопрогноз это офигенный совершенно массив разнородных данных льющийся в реальном времени в суперкомпьютеры данные берутся вот из того что сейчас на экране это десятки метеорологических спутников катка из которых льется информация о том же участке земли который под ними расположен самых разных частях спектра

Это вот порядка 10000 метеостанции которые дают но к сожалению только на поверхности земли подробную информацию состояние атмосферы и температура направление ветра скорость ветра влажность там химический состав если надо степень освещенности солнцем дофига всего ну и поскольку вообще-то говоря атмосфера трёхмерно и для того чтобы нормально смоделировать всякие вот такие

Процессы в ней которые требуют еще изменения чего-то по высоте облака жена определенную высоте не просто так столбом стоять есть еще несколько к сожалению достаточно мала для размеров нашей земли станции откуда регулярно не несколько раз в сутки запускаются метеозонды такой здоровенный воздушный шар который наполнены гелием поэтому слетает который несет набор датчиков

Умеет милицию то же самое температуру скорость и влажность и так далее и вот весь набор этих данных льется в несколько гипер супер компьютерных центров которые стали расположены по миру и эти данные обрабатывают несколько построенных физиками теоретиками специалистами по динамике сжимаемой жидкости ибо именно так нормальном физическом языке называется окружающей нас атмосферы этих

Моделях четное количество их реально немного и тяжелее они создавались десятилетиями трудом куча гениальных мозгов и очень сильных физиков а потом превращались в исполняемый код не менее гениальными программистами математиками если модели в общем дают какой-то ну примерно осмысленной прогноз то есть вот тут специальный пример что ни одна из этих

Моделей конечно в такой ситуации не предскажет плюс 30 солнышко но видно что вот они врут примерно такая погода как сейчас у нас во дворе то ли чуть больше нуля той чуть меньше нуля то ли по сыпет снежок то ли дождичек . ok давайте мы подключим сюда системку

Машинного обучения ту который у нас вот например называется matrix поэтому там со всякими обрезками еще и скажи мне система машинного обучения у тебя задач пистолет вот есть куча куча прогнозов скажем на завтра на 9 утра в районе олимпийского ты сейчас эти прогнозы записываешь завтра ты их сравнишь с результатами фактических наблюдений

Потому что завтра мы будем знать в 9 утра штольц здесь произошло и так непрерывно и так для всей земли ну дата-центры у нас большие твоя задача обучаться все время вот сравнивая как и разошлась каждая из этих моделей с фактическим наблюдением в данной точке научиться минимизировать эту дельту научиться генерить свой собственный

Прогноз который бы имел дельту расхождению с действительностью скажем там по температуре или по количеству осадков или еще какой-то метрики меньшую чем расхождения любой из этих моделей по отдельности при этом заметьте важную вещь не учим эту машину физики у нас нет штата профессоров как вы в институте физики атмосферы академии наук эта

Машинка учатся сама минимизировать некий параметр то есть сделать более точный прогноз почему дым их понятий мы еще в нее дополнительные данные загружаем который не удается загрузить в модель например из общих соображений мы понимаем что вообще говоря по разному устроенную жизнь в атмосфере над разного типа над разными типами подстилающей

Поверхностью так как называется то есть над озером над еловым лесом или лиственным лесом или городской застройкой атмосфера себя ведется сильно по разному но мы на яндекс-картах довольно актуальную информацию в отличие от этих моделей в которых информацию когда-то сто лет назад заложили а потом этот лес вырубили там город построили но у нас в

Более-менее свежей информации есть со спутниковых карт наших мы можем разогнать и в итоге заставить ее сгенерить прогнозы которые уже сейчас среднем оказываются точнее чем любой из прогнозов вот эти гигантских моделей а поскольку мы запустили мячу всего лишь меньше года назад у него сейчас лучше повысится точность потому что для того чтобы машинки

Обучиться хорошо предсказывать ну погода так устроены что эта штука с готичной цикличностью то есть пока ты хотя бы одну осенью не пережил как-то подсказывать осеннюю погоду надежно сложно и вот сейчас она доходит до того момента когда переживет кашле сезонах хотя бы по одному разу же мы запускали

Как раз поздней осенью и теперь для неё зима не будет новинка она уже зиму однажды за зиму однажды уже изучала и это повысит прогнозирование погоды без улучшения нашего понимания сути протекающих атмосфере процессов ну вы понимаете вот специальный акцентирование текста лак потому что это то что будет происходить с вашей работы машина будет

Рядом с вами решать какие-то ван важные умные интеллектуальные задачи при этом абсолютно не понимая ей никто и не объяснял тоже как бы это и не объясняли ничего про физику что на самом деле происходит и поэтому сейчас все таки чуть-чуть расскажу про то что вот важно для конкретного бизнеса наука

Наукой но мы же про бизнес вот смотрите историю про персонализацию у нас здесь сегодня уже звучала вот михаилу прекрасным совершенно докладе по поводу обновления о массе р-н как раз говоришь ребят теперь вы можете персонально этому человеку догнать его объявлениями про то что он там еще у вас не докупил это

Правильно это идеально что это становится вот нормой самых разных системах но не все на свете управляется только и сама серым вот там и серым например позволяет догнать человека на других сайтах но например у вас возможно есть свой собственный сайт и здесь возникает смешна смешной парадокс вот 2016 года реклама оказывается

Технологически гораздо более продвинутый чем все остальное на сайте вы же понимаете у вас вот я сюда просто ты даже бируни приложения просто сайт у вас на сайте может висеть статический контент который там висит последние три года вот просто тупо вообще без какой-либо интерактивности как вот там во времена зарождения веба 20 лет назад

А рекламный блок кусочек кода там у гугла или яндекса были еще какой-то хороший сетки он страшно умный черный ящик который в тот момент показать страница отрисовывается все понимает проект не пришедшего пользователя обращается к базе данных там сотни объявлений и делает умные интуитивные предположение какой из них имеет наибольшую высоту вероятность клика

Потому что самом деле оптимизированный параметр когда мы показывают объявление это несколько а вот куча умные математики машины верных к всего на свете а странице как есть так и есть вы же понимаете так долго не будет уже понимаете что достаточно скоро иметь сайт который не да столько же умер

Как реклама вокруг буква ну противно таком сайте находиться противно заходить на сайт морда которого одинакова для всех на карточку товара который опять же одинаковы для всех и так далее так далее так далее то есть эта история про то что вот это персонализации настигнет вас везде и чем дальше тем больше она будет

Работать лучше потому что еще с машиной вот это учиться у людей это очень важно что ее не мы обучаем что мы чего-то нового не поняли поэтому нам ничему обучить машину да она сама все время сам и обучается потому что с ними происходит эти самые миллионы и миллиарды кликов

Которые она берет себе и да вот оказывается что такая пугающая немножко блок-схему специально взял его из более технической презентации что например технологий который у нас называется crypt ai позволяет определить интересы человека потом много всего крутится и в итоге вот черный ящик решает например что ему нарисовать на морде какому из

Маркета в переводе на привычные маркетинговый термин это за счет хватит уху соединять хватит сегментировать можно работать на уровень персонализации вот этот привычный коктейль из нескольких компонентов которые вот способен удержать наш слабенький мозг машине не нужен и не нужно разбить там на 10 категорий или там пойти в какую интересом

Сегментирование где опять же мало кто из продвинутых маркетологов мало кто из людей может больше там 20 сегментов удержать в голове да а машине по фигу я неужели сегменты она работает прямо с сотни миллионов как например в нашем случае различных пользователей при этом умный алгоритм он же показывает не только похожая чеку

Будет уныло он может открывать что то она может показать человеку вау как я мог об этом не знать а вот черт зашёл на страничку все и чек залипает и так работают например все современные стриминговый сервис и так работает youtube рекомендации начинают подстраиваться под каждого конкретного человека и вот просто в качестве

Иллюстрации график как увеличивается время пребывания на сервисе в тот момент когда ты включаешь черный ящик и и человек начинает залипать потому рекомендует 7 песенки который мы хочется послушать еле как это происходит вот в нашем более продвинутым совсем недавно запущенным причем в куче разных стран убийцы времени под названием цен такой сервис

Либо в лаунчере на мобильном либо в браузер на мобильном существует такая оптимизированные под каждого персонально человека лента контента самого разного новости картинки котики рецепты точек хочет читать но оно персонализировано под него абсолютно автоматически там мы впервые увидели что нам все равно где люксу запускать в бразилии индонезии или

В россии all нам не надо заниматься долго познанием культурных особенностей особенности потребления контента в этой стране это все делает алгоритм мы проделали вот такой эксперимент на нашей маркетинговой конференции в яндексе в конце июня этого года там проделывали на конференции пришли есть некоторые юридические тонкости и технические тонкости как почему мы не могли это

Вынести на улицу но на улице это будет там через год о тех проходит мимо монитора камера не просто по качество изображения а у него там над головой паять фигня крутится человек наводит с установленным приложением камеру своего смартфона на людей в других в холле а над ними картинки крутит картинки это

Интересы этих людей мы их об этом не спрашивали и я не буду рассказывать какая магия затем что computer вдруг вот так я вот представляю чтобы если бы я сейчас вот в каком кармане смартфон вот здесь это не сработает но вот так поставить вот это провел я просто знаю о чем с каждым из

Вас поговорить подводя итоги я говорил частью ребят у меня осталась одна минута я должен уложиться и два слайда спасибо большое смотрите вот когда этот слайд просто две иллюстрации когда говорю что и водка монетизация технологий это означает что все стало доступно из розетки вот что это стало комодики как электричество никто из нас

Не электрика никто из нас не знает как запустить генератор но большинство мы прекрасно знаем что вас есть розетка в квартире в неё можно воткнуть хошь стиральную машину хочешь утюг так вот точно так же сейчас можно работать с машинным обучением с машинным разумом потому что есть open собственный код

Есть api здесь просто список того мы просто чтоб не быть голословным все это доступно зачастую бесплатно и как главный результат собственно вот главный финальный итоговый слайд вот никогда просили сделать от расколю там про 2020 через а скажи куда легко потому что сводится к трем основным тезисом он предстоит работать вместе с

Творческими умными машинами хотите не хотите предстоит это чертовски тяжело вот по собственному опыту мы в яндексе знаю вот здесь сейчас и мне плохо видно вас и за слепящий прожила я прошу вслух поэтому ответить на вопрос вот здесь есть люди у которых подчинение есть другие сотрудники окей вам легко было делегировать им но

Вы ожидаемую нам тоже но представьте себе вот вам предстоит делегировать машинам а с машиной не пойдешь вечером там не знать пивка или чего-нибудь попить и спрей вася ну что ж ты давайте так больше не будешь эта машина который реально не сможет вам объяснить почему она приняла это решение но если не

Научиться с ней работать до на иногда будет фака петь как любой из нас любой из наших сотрудников то тогда нам просто к к и это самый последний слайд это один из законов кларка вот я выхожу седым хвостом и рассказываю какие-то странные вещи вот есть закон который гласит когда

Что если человек моего возраста выходит начинаешь что-то нести про то что этого никогда не будет вот там человек есть мера всех вещей поэтому машина не когда-нибудь это возрастной консерватизм ребят простите а когда человек слушайте несмотря на весь свой консерватизм это body он скорее всего прав если бы в этом деле

Эксперты а все таки в интернете последние 20 лет варюсь поэтому вот спасибо так или иначе но это случится спасибо еще раз Директор по маркетингу Яндекс Андрей Себрант на конференции amoCRM