Туроператоры тревожатся: к концу августа продажи туров по России на сентябрь и октябрь упали на 22% к прошлому году. Около половины организованных осенних туров по-прежнему уходят на черноморские курорты (Моя планета по данным «Вестника АТОР»). Бронируют позже: глубина бронирования сократилась примерно на 17%, в среднем до 26 дней до заезда. Аналитики объясняют это переходом к сберегательной модели потребления (АТОР).
Но это история про пакетные туры. Если смотреть шире, картина другая.
1. Россия пересела за руль. По исследованию «Яндекс Путешествий» и «Авто.ру», 69% россиян за последний год ездили путешествовать на машине, в этом году доля может дойти до 80%. Основа потока — короткие выезды на 2–3 дня. Фильтром «парковка» при бронировании жилья стали пользоваться втрое чаще (За рулём).
2. Путешествует не только Москва. По данным VK Predict, на жителей городов от 100 тысяч до миллиона приходится 40% путешественников по стране, на мегаполисы — 42%. Среди любимых направлений этой аудитории — Краснодарский край, Татарстан, Самарская, Ярославская, Ростовская, Свердловская, Смоленская и Нижегородская области (VK Места).
3. Рост идёт мимо туроператоров. В отрасли отмечают, что прибавляют квартиры, апартаменты и небольшие частные отели — то, чего в пакетных турах нет (Профиль). Люди собирают поездку сами.
4. Интерес смещается в дальние регионы — хотя бы в ожиданиях. Представители турбизнеса ждут роста интереса к Дальнему Востоку (51% опрошенных), Сибири (38%), Северному Кавказу (33%), Русскому Северу (32%), Байкалу (27%) и Калининграду (26%) (Островок B2B).
5. Главный тренд — меньше решений. Поездки «галопом» уступают место тихому туризму, отелю как цели поездки и отдыху от необходимости всё выбирать (тот же обзор Островка).
Что из этого следует
Пакетный тур проседает, а самостоятельная короткая поездка на машине растёт. Значит, работу туроператора — логистику, выбор мест, тайминг — человек делает сам, вечером, в пятнадцати вкладках.
Мы делаем Параплан ровно под этот сценарий. Вы говорите, откуда, когда и в каком темпе, — сервис собирает маршрут с дорогой, жильём и билетами. Бета: paraplan.app
А вы в этом году ехали туром или собирали всё сами? Посчитаем в комментариях.
Спросите любой чат-бот про маршрут на выходные по Золотому кольцу. Ответ будет уверенным и красивым. Проблемы начнутся на месте: у музея выходной, «уютное кафе у реки» закрылось два года назад, а между двумя точками «по соседству» — 40 минут по трассе.
Мы делаем Параплан — планировщик поездок по России: маршрут, билеты и жильё в одном месте. Полгода мы учим его собирать маршруты - рассказываю, где ломается «просто спросить нейросеть» и как мы это чиним.
Почему языковая модель сама по себе — плохой гид
Она не знает, что изменилось. Места закрываются, переезжают, меняют часы работы. Данные в обучении отстают на месяцы.
У неё нет физики. Модель не считает время в пути, пробки и расписание электричек на конкретный день. Её маршрут — список красивых названий.
Россия — сложный кейс. Во многих музеях выходной в понедельник, но не во всех. Метеоры и паромы ходят только в навигацию. В малом городе вечером может не оказаться такси.
Люди хотят не «увидеть всё», а не устать. Отрасль прямо называет трендами отдых от принятия решений и спокойные осмысленные поездки (Островок B2B). 14 точек в день — это не забота, а стресс.
Как мы учим "Параплан"" собирать маршрут:
Ограничения. Даты, откуда и на чём едете, бюджет, темп, интересы, с кем.
Кандидаты из проверяемых источников. Места берём не только из памяти модели, но и из большого пользовательского проработанного списка.
День, как задача с временными окнами. У каждой точки — часы работы и типичное время визита, между точками — реальное время в пути. Прием пищи, отдых — обязательные «точки».
Проверка на реализм. Мы смотрим на все факторы: больше N часов в дороге, точка закрыта, нет транспорта назад.
Правка человеком. Заменили точку — маршрут пересобирается, а не ломается.
Что дальше?
Параплан в открытой бете: paraplan.app. Лучшая помощь сейчас, если вы тоже хотите сделать туризм по России лучше — попробовать составить свой маршрут и в идеале сломать генератор. Соберите маршрут, найдите ошибку и пришлите в комментарии. В приложении есть ссылка на наш телеграмм чатик. Самые интересные разберём в следующей статье — с вашим ником :)
Ноа Шинн бросил универ, создал Instinct и за 7 месяцев довел стартап до оценки $2.5 млрд. При этом у сервиса всего 100+ тыс пользователей, он до сих пор работает в закрытой бете и доступен по приглашениям. То есть толком даже не стартовали, а инвесторы уже ставят на то, что спрос на ИИ-помощника рванет после массового запуска. Теперь за стартапом гоняются крупнейшие венчурные фонды, ходят слухи бывший студент метит в оценку $10 млрд - в четыре раза выше, чем месяц назад.
Красивая история.
Инфоцыганам вообще подарок. Теперь можно продавать курсы со словами: “Ну вот, пацану двацарик, без диплома, а уже миллиарды воротит. Чем ты хуже?”.
Давайте разберем.
Конечно, Шинн не сидел один в общаге и не вайбкодил стартап в Claude Code за выходные. Instinct пилила горстка толковых прогеров, а сам студент уже несколько лет ковырял ИИ-агентов на уровне “не подетски”.
Что за плечами у студента: машинное обучение, работа с академиками MIT, научные статьи, разработка ИИ-агентов для бизнеса. То есть паренек с отрочества занимался ровно тем, на чем потом и построил своего эй ай помогатора. Влупил в это ни дни, ни месяцы, а годы.
Ожидается, что Instinct, основанный 23-летним Ноа Шинном, будет оценен в 10 миллиардов долларов (слева - так сейчас выглядит главная страница сайта, справа - Ноа Шинн)
Сам продукт не пустышка.
Пишешь “Я завтра лечу в Москву, разберись с поездкой”. Агент смотрит время прилета, шерстит цены на отели и такси, перед бронью сверяет тайминг твоих встреч, на всякий случай пробивает историю уличных пробок, чтобы ты не мотался за зря.
Этакий Джарвис, твой личный завхоз.
Instinct выполняет целую цепочку действий вместо пользователя: сам находит товары или сервис, оплачивает заказ, может даже позвонить в ресторан, если тот не принимает онлайн-бронирования, и договориться о столике
Приложуху нахваливают разные там инвесторы, журналисты, блогеры, ну те, кому дали инвайт. Мол, первая штуковина на их веку, что не пустомелит, как ChatGPT, а реально топает за тебя все шаги.
Чем больше агент соберет с тебя паролей и разрешений, тем бодрее он будет носиться вокруг твоей занятой жизни. Часть юзеров уже ловила помогатора за руку: тот отправлял письма без спроса, скриншотил экран хозяина, хранил данные после отключения, а на промпт-инъекцию его вообще развели обычным письмом.
Весь продукт построен на том, чтобы отдать ключи от цифровой жизни пользователя. Если ChatGPT ляпнул фигню, ты психанул, закрыл вкладку и пошел думать сам, то в Instinct цена ошибки потенциально улетает в стратосферу.
Риск не теоретический. В 2026 году ИИ-агент PocketOS за 9 секунд удалил почти всю боевую базу компании вместе с бэкапами (восстановили из резервной копии трехмесячной давности, на это ушло два дня). Чем больше прав у агента, тем дороже стоит его ошибка
Еще момент.
Окно возможностей у Шинна захлопывается.
Пока Instinct сидит в закрытой бете, Meta* выкатила почти такого же помогатора Muse сразу в массы. Тот тоже читает почту, лазит по календарю и бла-бла-бла. Только у Meta* есть мааааленькое преимущество размером в 3.6 млрд пользователей, собственная гора вычислительной инфраструктуры WhatsApp, ИИ-лаборатория, свои модели, ну и каких-то 32 дата-центра по всему миру. Один новый кампус в Луизиане оценивают более чем в $50 млрд, а на капзатраты в 2026 году Meta* планирует потратить $130-145 млрд.
Ой.
Muse уже превращают в тамагочи для взрослых. Цукерберг показал карманный Muse Charm, а самого агента встраивают в ИИ-очки и подключают к PayPal, Expedia и GitHub. Meta* явно хочет, чтобы Muse жил рядом с пользователем весь день, а не сидел в одной приложухе
Шинн говорит, что вообще не хочет брать с пользователей подписку и рассматривает другие способы монетизации, например рекламу. При этом когда кто-то из 100+ тыс бета-пользователей просит забронить отель или позвонить стоматологу, где-то бодро горят чужие GPU. Сервис уже уперся в нехватку вычислительных мощностей.
То есть мы видим бизнес, который еще не научился брать деньги с пользователей, уже жрет вычисления как не в себя (сам платит за это), сидит в закрытой бете с дырами в безопасности, на пятки наступает конкурент-крокодил, но он уже торгуется за ценник в $10 млрд?
Да ладно.
Хотя чего я тут разгунделся.
По нынешним меркам ИИ это еще скромно.
Вон стартап по сверхразуму Ильи Суцкевера умудрился получить оценку в $32 млрд вообще без продукта и выручки (блин, даже публичного плана нет). Полгода назад стоил $5 млрд, потом инвесторы такие: камон, ребята, ну это же Илья Суцкевер - и накинули двадцать семь миллиардов сверху.
Согласно опросу ИИ-исследователей ИИ уровня человека появится не раньше 2047 года. Годом ранее было 2060. При этом полную автоматизацию всех профессий пророчат сильно позже, примерно к 2116-му году. То есть до AGI еще лет двадцать, а Суцкеверу занесли деньги так, будто он запускает его во вторник
Что по итогу?
Продукт Ноа Шинна кажется реально сильным, но бизнес-модель он пока не доказал. И да, студент сделал эту штуку не на коленке. Впереди массовый запуск, масштабирование и, к гадалке не ходи, драчка с Meta*. Вот когда Instinct отобьет дебет с кредитом, вот тогда это будет красиво.
В 36 лет у меня наметился некоторый профессиональный/личностный кризис.
Занимаюсь программированием с 2005 года, с 2010 года профессионально - за деньги. Итого 16 лет.
Начинал как базист (DE), потом стало скучно, захотел профессионального развития - начал осваивать смежные области: сначала аналитику данных, потом BI аналитику - успел поработать с абсолютно всеми популярными BI системами - от SAB BO до Metabase.
Потом в 2018 году услышал про машинное обучение. Вспомнил матстатистику, освоил классический ML самостоятельно - практиковался на Kaggle. Потом нейросети.
Параллельно освоил стек Big Data: Spark/PySpark и т.д.
Стал фуллстеком по направлению работы с данными - с данными могу вообще всё.
Как научился обучать ML модели - их надо было деплоить через бекенд - освоил FastAPI.
Ну раз уж я начал его осваивать - научился логинить пользователей, работать с БД через SQLAlchemy, писать асинхронный код, потом деплоить бекенд и настраивать CI/CD. В общем освоил бекенд на Python тоже.
Где-то с 2020 года начал пробовать делать свои проекты (уже 6 лет). Поскольку бекенд я уже умел - доучил фронтенд: сначала React, потом Next.js - и всё это ещё до появления LLM.
Когда появились LLM - освоил их разворачивание у себя на сервере, дообучение через файн тюнинг, потом векторные БД и RAG, потом мультиагентные системы - и всё это дело опять же с бекендом и деплоем.
Примерно с 2018 года работаю напрямую с C-level позициями - т.е. сначала задачи мне ставили CTO/CMO, потом дошло до уровня SEO/собственников бизнеса. По принципу говорят "сделай чтобы вот это всё работало зашибись" - уточняю ТЗ, потом декомпозиция задач, потом делаю.
С того же 2018 года был опыт тимлидства и техлидства - набирал в компаниях отделы с нуля, и внедрял грамотную работу с данными в компаниях, где аналитикой до этого занимались бекендеры - пхпшники.
4 отдела набрал с нуля. Как правило сначала начинал внедрять нормальную работу с данными в компаниях в одного, потом под это дело донабирал отдел (50 собесов в год проводил).
Отделы аналитиков, датасайнтистов.
Один раз была ситуация (2022-2023): когда эмигрировал соглашался на любую роль - роль была "Аналитик в отдел маркетинга" - в прямом подчинении у СМО. При том, что в компании был отдел из 5 аналитиков с тимлидом аналитиков - которому я был не подчинён совсем (он был невероятным ебланом).
Через год работы CMO уволился - а меня подчинили этому бездарю - при том что тогда я его же работу смог бы делать лучше него (о чём говорить, Airflow для процессинга данных в компании внедрил я, а не он - до этого всё крутилось на самописках на голом питоне).
Я так помучился месяц и просто убежал - потому что невозможно работать, когда у тебя над душой стоит еблан и говорит тебе, как работать. Мне удобнее всего, когда мне ставят верхнеуровнево задачу, я её сам реализую как хочу, и потом же я за эту реализацию отвечаю.
Потому что в программировании одну и ту же задачу можно решить 5ю разными способами. И, допустим, ты решаешь её одним способом, который никак не перечит общему подходу в компании. А к тебе подходит мудила и говорит всё переделать хуже, чем это уже сделанно - просто потому что он бездарь и нормально код писать не умеет. (и это не субъективное мнение - от него в течении квартала ещё 2 человека уволились, потому что не смогли его больше терпеть).
Потом началась эпоха нейронок. Я освоил Claude Code и вайбкодинг. Раньше в моих проектах была проблема - я кодил в свободное от работы время и просто физически не мог реализовать, всё что хотел. С вайбкодингом я начал генерировать код в 10 раз быстрее - при этом не теряя в качестве.
К чему я это всё веду: когда я работал в прямом подчинении у C-level - я увольнялся только потому что уходил на большие деньги, или на схожие деньги, но с удалёнкой (последний раз, надо было переезжать, а удалёнку не давали). И всё было отлично, все были довольны.
Когда же я работал в подчинении у тимлидов - это явно меня тяготило - т.к. уже не тот уровень опыта, чтобы мне говорили как что делать.
Ну и короче к июню 2026 года у меня это так накопилось уже - что я решил: или делаю свой бизнес, или иду хотя бы CTO/Founding инженером в стартап, чтобы я сам решал по технической реализации и отвечал за неё.
СТО становятся или просидев в проекте 10 лет и пересидев всех других кодеров, или если ты кореш СЕО/собственника, или если ты был в проекте со старта.
Примерно этим я и решил заняться с этого лета: запилил свою фирму с IT услугами (любая автоматизация для бизнеса, аналитика, да даже сайты делаю), попутно вайбкожу свой проект.
При этом без работы сидеть немного очково и я попробовал попроходить собесы параллельно. И понял - что сейчас рынок (global, remote) в какой-то полной жопе: hr-ы озверели и утратили человеческий вид (снимаю видос с их перлами, потом выложу). Т.е очевидно что вся вселенная говорит мне: "не смей возвращаться в найм" - и условия сильно ухудшаются, чем 5 лет назад, и просто адекватности в профессии не осталось.
Вроде отлично - единственное но, бизнес и стартап не идут - бизнесово и в плане маркетинга я чёт не сильно хорошо умею.
Вот я на распутье, варианты такие:
развивать бизнес с IT услугами, искать клиентов. У меня пока просто 0 клиентов - я не знаю как выходить на кабанычей, кому услуги нужны.
делать свой продукт - аналог Avito, но только услуги - онлайн и оффлайн - чтобы с доставкой не заморачиваться. Просто сделаю нормально то, что Avito у себя поломали: возможность 1 бесплатного объявления, возможность указывать контакты в объявлении, вменяемая модерация.
или же пробовать тыкаться обратно в найм - при том что там нынче невменяемо абсолютно всё: и сам процесс найма, и зарплаты.
или же искать кофаундеров, у которых есть бюджет - и вписываться в любой проект как технарь, который в одного может реализовать абсолютно всё, что угодно.
Ухудшает ситуацию то, что бабок у меня осталось на 3-5 месяцев жизни, что делать - не знаю(
P.S. если у кого после прочтения сложилось ощущение, что у меня подход "я дартаньян, все пидорасы" - то на 12 мест работы у меня только 3 раза были какие-то проблемы по софт скиллам: 1 раз на старте карьеры, 1 раз в 2022 году - там объективно человек был еблан, до него год работал нормально и все были довольны, 1 раз в 2026 году.
Почему-то некоторые предприниматели думают, что в это непростое время нужно очень сильно экономить и выбирают путь наименьшего сопротивления. Они думают, что маркетинг- это огромные бюджеты, которых у них нет, по этому смогут сами «где-то, что-то» сделать. Маркетинг-самый первый обычно идет «под нож». Еще бухгалтер тоже не очень-то и нужен, потому что оплаты и сам можешь провести. Там ничего сложного.
Но часто такая экономия выходит не очень экономной. Происходят провалы по налогам, по отчетности и т.п. Так что, как и в маркетинге, вам все равно нужен эксперт. Только вот держать бухгалтера штатного тоже не всегда выгодно, благо сейчас есть и аутсорс, который вам никто не мешает использовать.
Но что же выбрать тогда?
Штат имеет смысл, если у бизнеса сложный и постоянно растущий документооборот: несколько юридических лиц, большой штат сотрудников, много операций, регулярные платежи и нестандартные налоговые ситуации.
Например, у компании 30 сотрудников и сотни первичных документов ежемесячно. Здесь постоянный специалист может быть эффективнее, т.к. он внутри процессов и быстро решает вопросы.
Но тут нужно учесть, что стоимость такой единицы- это не только зарплата. Добавьте налоги с зарплаты, отпуск, больничные, рабочее место, программы и обучение. И главное — риск человеческого фактора. Один бухгалтер заболел или уволился — и бизнес может остаться без критически важной функции.
Для большинства небольших ИП и компаний аутсорсинг часто оказывается рациональнее.
Вы платите за конкретный объём работы: ведение бухгалтерии, расчёт налогов, сдачу отчётности, зарплату, кадровый учёт — в зависимости от договора.
Допустим, ИП оказывает услуги, работает без большого штата и имеет 10–20 операций в месяц. Держать отдельного сотрудника может быть экономически бессмысленно. Но и тут есть нюанс- дешёвый аутсорсинг тоже способен дорого обойтись. Если бухгалтер ведёт десятки компаний одновременно и отвечает вам раз в три дня, экономия превращается в риск.
При выборе смотрите не только на цену.
Проверьте:
— опыт именно с вашей системой налогообложения;
— количество клиентов у специалиста или компании;
— кто будет отвечать за вас при болезни или увольнении бухгалтера;
— прописана ли ответственность за ошибки в договоре;
— как организованы хранение документов и доступы;
— есть ли понятный регламент коммуникации.
И не передавайте бухгалтерию человеку только потому, что он «дешевле всех». В бизнесе есть простой принцип- экономить нужно на лишних расходах, а не на критически важных функциях. А выбор между штатным бухгалтером и аутсорсингом стоит делать не по принципу «как принято у других», а исходя из масштаба бизнеса, рисков, нагрузки и стоимости ошибки.
Именно такой подход я использую в своих консультациях. Сначала разбираем экономику и процессы компании, а уже потом решаем, кого действительно нужно нанимать, что делегировать и где собственник переплачивает за привычку.
А с какими рисками вы сталкивались в ведении бухгалтерии?
Financial Times добралась до конфиденциальной июльской презентации OpenAI, подготовленной в рамках соглашения о вычислительных мощностях. Цифра в ней такая: за пятилетку с 2026 по 2030 год компания рассчитывает на отрицательный денежный поток в 278 миллиардов долларов. Не убыток по бумагам — именно столько живых денег уйдёт сверх того, что придёт.
Куда уходят деньги
Главная статья расходов — вычисления. К концу 2030 года OpenAI планирует потратить на compute и инфраструктуру около 856 миллиардов долларов. Это не про зарплаты и не про исследования: это счёт за железо и за электричество под него.
Выручка при этом тоже растёт, и не на проценты. Прогноз — рост в десять раз: с 36 миллиардов долларов в этом году до 350 миллиардов в 2030-м, а суммарно за период компания рассчитывает собрать порядка 840 миллиардов. Проблема в том, что счёт за вычисления обгоняет даже такую кривую.
Деньги кончаются в 2028-м
В марте OpenAI подняла 122 миллиарда при оценке в 852 миллиарда долларов. По тем же прогнозам эти деньги закончатся к 2028 году — то есть новый раунд нужен не когда-нибудь, а в пределах ближайших двух лет. Инвесторы обсуждают оценку минимум в 1,2 триллиона, сама компания хочет больше.
А теперь про SoftBank
Параллельно выяснилось, чем именно финансируется вера в эти цифры. SoftBank выходит на рынок за суммой свыше 11 миллиардов долларов — 10 миллиардов в долларах и ещё миллиард в евро. Инструмент: высокодоходные облигации, те самые «мусорные», с повышенным риском дефолта для покупателя. Условия зафиксированы в четверг, расчёт — в октябре.
Это не первый заход. Ранее SoftBank организовал для OpenAI краткосрочные займы объёмом до 40 миллиардов и теперь переводит их в длинный долг. Выпуск способен временно вывести саму SoftBank за её собственный потолок по долговой нагрузке, а её дата-центровое направление строит прогнозы выручки на контрактах с OpenAI.
Почему это важно
Складывая одно с другим, получаем конструкцию, где всё держится на одном допущении. OpenAI занимает под будущую выручку, SoftBank занимает под долю в OpenAI, дата-центры SoftBank считают выручку по контрактам с OpenAI — и каждое звено рассчитано на то, что десятикратный рост до 350 миллиардов случится по графику.
Сами по себе цифры разгона не катастрофа: так строились железные дороги, телеком и облака, и это нормальный способ финансировать инфраструктуру, которая окупается долго. Разница в том, что здесь сроки окупаемости упираются в спрос, которого пока нет ни у кого на руках — он весь в прогнозе. И дорога к нему проложена долгом, у которого есть конкретные даты платежей.
