diff --git a/Business/Nate Corpus/2026-05-18_trillion-dollar-workflow-esse.md b/Business/Nate Corpus/2026-05-18_trillion-dollar-workflow-esse.md
new file mode 100644
index 0000000..8669469
--- /dev/null
+++ b/Business/Nate Corpus/2026-05-18_trillion-dollar-workflow-esse.md	
@@ -0,0 +1,53 @@
+# Триллионная возможность агентных рабочих процессов: кризис имплементации и новая архитектура ценности в корпоративном ИИ
+
+## Введение
+
+Современный рынок корпоративного программного обеспечения переживает структурный перелом, масштаб которого сложно переоценить. Речь идёт не просто о смене технологического поколения, но о фундаментальном пересмотре того, каким образом создаётся и распределяется экономическая ценность в индустрии программных продуктов. На протяжении нескольких десятилетий доминировала так называемая SaaS-парадигма, в рамках которой программное обеспечение как услуга (Software-as-a-Service) предоставлялось корпоративным клиентам по подписочной модели. Ключевым достоинством этой модели с инвестиционной точки зрения была её предсказуемость: SaaS-компании демонстрировали одинаковые характеристики роста, стандартизированные балансовые показатели и однородные финансовые профили. Инвесторы из среды прямых инвестиций (private equity) описывали это явление ёмкой метафорой: все SaaS-компании «на вкус как курица» — они взаимозаменяемы, легко поддаются анализу и составляют идеальный инвестиционный актив.
+
+Однако по мере того как искусственный интеллект начал вытеснять традиционные программные решения из корпоративной среды, эта идиллическая унификация рассыпалась. Метрики роста и рентабельности SaaS-компаний стали стремительно ухудшаться, поскольку их продукты теряли актуальность в мире, где задачи всё эффективнее решались AI-агентами. Перед фондами прямых инвестиций, вложившими средства в SaaS-портфели в расчёте на стабильный горизонт 2026–2028 годов, встала крайне неудобная проблема: как реализовать активы, которые ещё недавно были здоровыми компаниями, а теперь оказались в зоне риска?
+
+Именно в этой точке сходятся три силы, определяющие сегодняшний облик корпоративного ИИ-рынка: трансформация финансовых ожиданий инвесторов, осознание технологическими гигантами (так называемыми «гиперскейлерами») ограниченности дистанционного внедрения ИИ, и, наконец, массовое осознание крупными корпорациями реального потенциала агентных систем.
+
+## Основная часть
+
+### Феномен агентного рабочего процесса и его экономический смысл
+
+Весной 2026 года произошло качественное изменение, которое принято считать точкой отсчёта новой эпохи: ИИ-агенты впервые продемонстрировали способность надёжно, масштабируемо и воспроизводимо выполнять корпоративные рабочие процессы целиком — от начала до конца, с достижением результата на уровне 100%. Это принципиально новое явление: прежде агенты могли решать отдельные задачи или автоматизировать фрагменты рабочего процесса, однако сквозное выполнение бизнес-операций с гарантированным результатом стало возможным лишь теперь. Именно в этом заключается источник триллионной оценки рынка — диспропорциональная ценность достигается не при частичной автоматизации, а при полном делегировании процесса агенту.
+
+Корпоративные клиенты из сегмента Fortune 500 и среднего бизнеса, ещё недавно не понимавшие разницы между чат-ботом и агентом, стремительно осознали этот потенциал. Они видят применение агентов в своих операциях, знают, что не обладают необходимой экспертизой для самостоятельного внедрения, и активно ищут партнёров. Это создаёт колоссальный спрос — и одновременно острую нехватку предложения компетентных исполнителей.
+
+### Четыре оси давления на рынок агентного ПО
+
+Анализируемый материал описывает системную «сдавливающую» динамику, которой подвергаются все участники рынка агентных рабочих процессов. Эта динамика реализуется через четыре вектора одновременного давления.
+
+Первый вектор — движение фронтирных лабораторий вниз по стеку. Anthropic и OpenAI, традиционно ограничивавшиеся разработкой базовых моделей, теперь выходят непосредственно на рынок корпоративного внедрения. OpenAI формирует развёрточную компанию с капиталом порядка 10 миллиардов долларов при участии ведущих PE-фондов; Anthropic реализует аналогичную инициативу. Обе компании нанимают «форвардно развёрнутых инженеров» — специалистов, которые физически работают внутри клиентских организаций, разбираясь в тонкостях их рабочих процессов. Это прямое признание того, что удалённое консультирование не работает: для создания ценности необходимо присутствие в «окопах».
+
+Второй вектор — движение консалтинговых компаний вверх по стеку. McKinsey, BCG, Accenture, Capgemini, PwC и другие крупнейшие консультанты уже не ограничиваются управлением изменениями. Они формируют специализированные практики агентного ИИ, обучают инженерные команды паттернам производственного развёртывания и приходят к клиентам с инструментами интеграции ИИ в операционные системы. Их многолетние отношения с корпоративными ЛПР создают структурное преимущество, труднодостижимое для стартапов.
+
+Третий вектор — защитная реакция систем учёта (systems of record). Salesforce, ServiceNow, Workday, SAP открывают API и агентные фреймворки, чтобы ИИ-агенты взаимодействовали с их платформами напрямую — без посредников. Цель очевидна: сохранить свою роль инфраструктурного центра, исключив появление стартапов, которые могли бы встать между их данными и корпоративным агентом.
+
+Четвёртый вектор — трансформация прямых инвестиций в дистрибуционный канал. PE-фонды контролируют тысячи компаний среднего рынка — особенно SaaS-компаний в области финансовых операций, поддержки, закупок и комплаенса. Они мотивированы стандартизировать лучшие практики агентного внедрения по всему портфелю одновременно, что создаёт принципиально иную дистрибуционную модель по сравнению с поштучными корпоративными продажами.
+
+### Слой имплементации как ключевая зона ценности
+
+Центральный аналитический тезис рассматриваемого материала состоит в том, что конкурентное преимущество в агентной эпохе определяется не качеством базовой модели, а архитектурой слоя имплементации — того, что обрамляет модель и встраивает её в реальные бизнес-процессы. OpenAI в своих публичных материалах прямо формулирует: узкое место корпоративного ИИ находится не в самой модели, а в том, как агенты строятся и эксплуатируются внутри компаний.
+
+Слой имплементации включает пять структурных компонентов. Во-первых, дизайн рабочего процесса: чёткое определение того, какие решения принимает модель, какие шаги остаются за человеком, где происходят передачи ответственности и что считается завершением задачи. Это не промпт — это детально описанный процесс с владельцами, входными и выходными данными на каждом шаге. Во-вторых, управление доступом к данным: определение авторитетных источников информации, применение разрешений на уровне строк и полей, разграничение актуальных и устаревших записей. В-третьих, определение полномочий агента: какие действия он может совершать в каких системах, каковы лимиты расходов и риск-профили операций чтения и записи. В-четвёртых, оценочные функции (evals) — не абстрактные бенчмарки, а методы измерения соответствия выходных данных агента конкретным бизнес-правилам. Наконец, в-пятых, аудиторские цепочки и механизмы восстановления: ведение журналов действий, возможность реконструкции событий после сбоев, процедуры отмены ошибочных операций.
+
+Все эти компоненты, как правило, возлагаются на самого заказчика, но именно они определяют совокупную ценность агентной системы. Продавцы-агрегаторы могут декларировать решение этих задач, однако реальную ценность создают лишь те, кто физически приходит и строит этот слой вместе с клиентом.
+
+### Стратегический принцип: приближение к бизнес-объекту
+
+В качестве операционного ориентира для участников рынка — строителей, покупателей и инвесторов — формулируется принцип «сидеть ближе к бизнес-объекту». Абстрактный интеллект приобретает ценность тогда, когда он привязывается к конкретным сущностям, управляющим реальными бизнес-процессами: кейсам в клиентской поддержке, полисам в страховании, сделкам в продажах, политикам в комплаенсе. Объектно-ориентированная модель позволяет агенту действовать надёжно и предсказуемо вдоль всей цепочки процесса — в отличие от универсальных «оберток» над языковыми моделями, которые не имеют глубокой интеграции с операционной реальностью конкретной компании.
+
+Следствием этого принципа является смещение в сторону кастомизации. Бизнес-модель эпохи «все SaaS на вкус как курица» была возможна именно потому, что программное обеспечение могло быть универсальным — одинаковым для всех клиентов. В мире агентных рабочих процессов диспропорциональная ценность сосредоточена в специфике конкретного предприятия: в деталях его рабочих процессов, в составе его бизнес-объектов, в его правилах и исключениях. Именно поэтому слой имплементации не может быть продуктизирован в стандартном смысле и не может быть воспроизведён конкурентом с помощью очередного релиза модели.
+
+## Выводы
+
+Рассмотренный материал предлагает стройную и содержательную концепцию структурной трансформации корпоративного ИИ-рынка. Из его анализа следует несколько принципиальных заключений.
+
+Прежде всего, конкуренция переместилась с уровня модели на уровень имплементации. Качество базовых LLM важно, но не является определяющим фактором ценности для корпоративного клиента. Определяющим является то, насколько детально и профессионально выстроен слой, окружающий модель: дизайн процессов, управление данными, механизмы контроля и аудита. Этот слой по природе своей является кастомным и требует глубокого погружения в специфику заказчика.
+
+Далее, новая архитектура создания ценности смещает преимущество в сторону тех, кто обладает либо долгосрочными отношениями с корпоративными клиентами (крупные консультанты), либо масштабными дистрибуционными возможностями (PE-фонды), либо готовностью к форвардному развёртыванию (лаборатории и их партнёры). Стартапы, предлагающие универсальные «обёртки» над моделями без собственного операционного слоя и без глубокой интеграции в конкретные рабочие процессы, оказываются вытеснены сразу с нескольких направлений одновременно.
+
+Вместе с тем рынок остаётся принципиально открытым: никто из участников — ни OpenAI, ни Anthropic, ни ведущие консультанты — не обладает гарантированным положением доминанта. Именно поэтому все крупные игроки одновременно заявляют права на агентное пространство, порождая тот самый «паралич выбора», с которым сталкиваются корпоративные покупатели. Разрешение этой неопределённости, по всей видимости, займёт ещё несколько лет и будет определяться прежде всего тем, кто сумеет наиболее последовательно реализовать принцип глубокой кастомизации слоя имплементации в масштабе. В этом контексте наиболее устойчивыми окажутся не те, кто продаёт технологию, а те, кто создаёт неотчуждаемую операционную ткань конкретного предприятия.
\ No newline at end of file
diff --git a/Business/Nate Corpus/2026-05-18_trillion-dollar-workflow-konspekt.md b/Business/Nate Corpus/2026-05-18_trillion-dollar-workflow-konspekt.md
new file mode 100644
index 0000000..0dec8ed
--- /dev/null
+++ b/Business/Nate Corpus/2026-05-18_trillion-dollar-workflow-konspekt.md	
@@ -0,0 +1,156 @@
+# Триллионная возможность агентных рабочих процессов
+
+## 1. Контекст: почему SaaS-модель рушится
+
+### Исторический взгляд финансистов на SaaS
+- Среди финансистов существовала поговорка: «все SaaS-компании одинаковы на вкус» ("all SaaS companies taste like chicken")
+- Это означало: все SaaS-компании имеют одинаковые балансы, одинаковые темпы роста и одинаковые метрики — идеальный инвестиционный актив
+- PE-фонды с датами 2026–2028 накупили здоровых SaaS-компаний, которые теперь «тонут»
+
+### Почему SaaS теряет позиции
+- Метрики роста и прибыльности SaaS-компаний резко ухудшились
+- Компании не смогли стать релевантными в мире, где агенты захватывают рабочие процессы
+- PE-фирмы не знают, как продать портфельные SaaS-компании, купленные ранее
+
+---
+
+## 2. Три ключевых игрока на рынке
+
+### Гиперскейлеры (OpenAI, Anthropic)
+- Осознали: нельзя сидеть в конференц-залах и рассуждать об AI — нужно идти «в окопы» к клиентам
+- Подтверждение тезиса Palantir: необходимы **forward deployed engineers** — инженеры, работающие непосредственно у клиента
+- Гиперскейлеры ограничены в капитале несмотря на рекордные раунды финансирования (затраты на AGI, GPU, обучение моделей)
+- Anthropic создал деплой-компанию с Blackstone, Hellman & Friedman и Goldman Sachs — **$1,5 млрд капитала**
+- OpenAI создаёт аналогичный венчур с оценкой около **$10 млрд**
+
+### Private Equity
+- Давление с двух сторон: «push» — нужно спасать старые SaaS-инвестиции; «pull» — нужно внедрить AI в портфельные компании
+- PE-фирмы видят **триллионы долларов** в агентных рабочих процессах
+- Мотивированы создавать AI-нарративы для компаний перед продажей
+- PE как канал дистрибуции: владеют тысячами mid-market компаний (finance, ops, support, procurement, compliance)
+
+### Предприятия (Fortune 500, SMB)
+- До недавнего времени не понимали разницы между чатом и агентом
+- Перелом произошёл в декабре 2025 и ускорился с весны 2026
+- Компании видят возможности, но не имеют экспертизы
+- Обращаются к OpenAI, Anthropic и консультантам за помощью
+
+---
+
+## 3. Ключевой тезис: завершение рабочего процесса на 100%
+
+- Возможность агентов выполнять **целый рабочий процесс на 100%** — новый феномен весны 2026
+- Раньше агенты не могли делать это надёжно, масштабируемо и воспроизводимо
+- Именно в **достижении 100%** сосредоточена непропорциональная ценность
+- Совокупная стоимость этой возможности — **триллионы долларов**
+
+---
+
+## 4. Четыре оси давления на рынок агентных решений
+
+### Ось 1: Frontier-лаборатории движутся вниз по стеку
+- Anthropic и OpenAI раньше поставляли только модель — теперь создают компании по деплою
+- Нанимают инженеров, которые работают внутри компаний-клиентов
+- Выпускают продуктовые решения: Claude Design, финансовые шаблоны, Claude Code (vs. Cursor)
+- Сигнал: **листы найма и анонсы лабораторий** показывают, где они видят ценность
+
+### Ось 2: Консультанты движутся вверх по стеку
+- McKinsey, BCG, Accenture, Capgemini — все участники программы OpenAI Frontier Alliance
+- PricewaterhouseCoopers сотрудничает с OpenAI по офису CFO
+- Консультанты больше не ограничиваются change management — они строят agentive practices и обучают delivery-команды
+- Имеют десятилетия отношений с лицами, принимающими решения — огромное конкурентное преимущество
+
+### Ось 3: Системы записей (Systems of Record) открывают интерфейсы
+- Salesforce, ServiceNow, Workday открыли API и agent frameworks
+- SAP приобрёл Dreamio совместно с Prior Labs специально для управления данными
+- Цель: агент должен вызывать их платформу напрямую с их permission и audit trail
+- **Стартапам всё труднее вклиниться между данными клиента и агентом**
+
+### Ось 4: Private Equity как канал дистрибуции
+- PE может ввести одного партнёра по деплою для всего портфеля
+- Сравнить результаты по компаниям и **стандартизировать playbooks**
+- Масштаб несопоставим с продажами стартапа по одной компании за раз
+- Компании, выигрывающие PE-партнёрство, получают несправедливое преимущество дистрибуции
+
+---
+
+## 5. Слой реализации (Implementation Layer)
+
+### Что такое Implementation Layer
+- Также называется «harness» (обвязка) вокруг модели
+- OpenAI в своём посте Frontier Alliances прямо заявил: **«узкое место для enterprise AI — не модель, а то, как агенты строятся и управляются внутри компаний»**
+- Включает всё, кроме самой модели
+
+### Компоненты Implementation Layer
+
+#### Проектирование рабочего процесса (Workflow Design)
+- Определение: какие решения принимает модель, какие шаги остаются за человеком
+- Где передаются полномочия (handoffs) и что считается «сделанным»
+- Не промпт — это **определённый процесс**, где каждый шаг имеет владельца, вход и выход
+- Большинство команд пропускают этот этап и просто подключают модель к инструменту
+
+#### Доступ к данным (Data Access)
+- Какие источники истины читает агент
+- Какие разрешения применяются на уровне строк и полей
+- Какие записи актуальны, а какие устарели
+- Модель может уверенно отвечать из PDF шестимесячной давности или из live-записи — **implementation layer решает, какой источник использовать**
+
+#### Полномочия (Authority)
+- Что агент может делать с какими системами
+- С какими лимитами затрат и обязательств
+- **Чтение — один профиль риска; запись — совершенно другой профиль риска**
+- Расходы, как правило, необратимы
+
+#### Оценки (Evals)
+- Не бенчмарки — это способ измерить **соответствие вывода агента конкретным бизнес-правилам**
+- Как проверить корректность, полноту и безопасность вывода до его применения
+- «Если вы не можете назвать, что в ваших eval, вы не в позиции сказать, работает ли ваш агент»
+
+#### Audit Trails и восстановление
+- Что логируется и что **должно** логироваться
+- Что аудитор может восстановить после сбоя
+- Как отменить действие агента
+- Кто у клиента поддерживает систему в актуальном состоянии
+
+---
+
+## 6. Стратегический принцип: «Быть ближе к бизнес-объекту»
+
+### Суть принципа
+- Универсальный интеллект становится ценным, когда привязан к **конкретным объектам и действиям**, которые определяют реальную работу
+- Не абстрактное рассуждение, не лучшее резюмирование — а объекты, которые движут бизнес-процессами
+
+### Примеры применения
+
+#### Поддержка клиентов
+- Объекты: кейсы, политики, клиенты, права, пути эскалации
+- Implementation layer строит object model, с которой агент может закрывать тикеты от начала до конца
+
+#### Продажи
+- Объекты: inbound, outbound, motions закрытия сделок, весь sales funnel
+- Object-oriented модель позволяет агенту работать по всей воронке **надёжным и последовательным образом**
+
+### Почему это важно для дифференциации
+- Вендоры без глубокого понимания «покажут карты»: «модель отличная, данные помогут»
+- Строители, понимающие implementation layer, устойчивы к конкуренции со стороны Anthropic/OpenAI
+
+---
+
+## 7. Почему кастомизация — это защитный ров
+
+- Бизнес-модель «SaaS на вкус как курица» предполагала, что ПО может быть **универсальным**
+- В агентном мире **непропорциональная ценность — в кастомизации**
+- Implementation layer слишком сложен, специфичен и глубок, чтобы его мог построить «crack team за выходные в Claude Code»
+- PE-фирмы уже проверяли этот тезис — это не работает
+- **Фактическое плечо системы**: то, как implementation layer собирает модель + harness + данные в исполняемый рабочий процесс
+
+---
+
+## 8. Открытые вопросы рынка
+
+- **Кто владеет?** Кто в итоге «явно заявит о праве собственности» на пространство агентных рабочих процессов — лаборатории, консультанты, системы записей или сами предприятия
+- **Где плечо?** В данных (Salesforce, SAP), в модели (Anthropic, OpenAI), в harness, в памяти (memory) — открытый вопрос
+- **Сервисы vs. SaaS?** Смогут ли модели с глубокой кастомизацией заменить рекуррентную выручку SaaS с точки зрения финансов
+- **Паралич выбора**: как компании будут принимать решения, когда все крупные вендоры сходятся на одном рынке одновременно
+- **Масштабируемость кастомизации?** Может ли бизнес-модель, основанная на глубокой кастомизации, эффективно масштабироваться — «слишком сложно и нюансировано»
+- До ясности в распределении ролей — **ещё годы**
\ No newline at end of file
diff --git a/Business/Nate Corpus/2026-05-18_trillion-dollar-workflow-slovar.md b/Business/Nate Corpus/2026-05-18_trillion-dollar-workflow-slovar.md
new file mode 100644
index 0000000..96dfe28
--- /dev/null
+++ b/Business/Nate Corpus/2026-05-18_trillion-dollar-workflow-slovar.md	
@@ -0,0 +1,31 @@
+| Терmin EN | Терmin RU | Определение из контекста лекции |
+|---|---|---|
+| SaaS (Software as a Service) | Программное обеспечение как услуга | Модель продажи ПО, при которой все компании имеют одинаковые показатели роста и структуру баланса, что делает их удобным инвестиционным инструментом |
+| "SaaS tastes like chicken" | «SaaS имеет вкус курицы» | Выражение финансистов: все SaaS-компании одинаковы с точки зрения балансового отчёта и характеристик роста |
+| Agentic workflows | Агентные рабочие процессы | Бизнес-процессы, которые AI-агент выполняет целиком — от начала до конца — надёжно, масштабируемо и воспроизводимо |
+| Implementation layer | Слой имплементации | Критическая инфраструктура вокруг модели: проектирование процессов, разрешения на данные, соблюдение бизнес-правил, журналы аудита |
+| Harness | Обвязка (жгут) | Синоним implementation layer — окружение модели, которое собирает её вместе с данными и процессами в работающий рабочий процесс |
+| Forward deployed engineers | Инженеры передовой развёртки | Технические специалисты, встраиваемые непосредственно в среду заказчика для решения конкретных задач «в окопах» |
+| Evals | Эвалы (оценки) | Не универсальные бенчмарки, а специфический метод оценки соответствия выходных данных агента конкретным бизнес-правилам компании |
+| Systems of record | Системы хранения записей | Ключевые корпоративные платформы (Salesforce, SAP, Workday), содержащие авторитетные данные и открывающие структурированные интерфейсы для агентов |
+| Business objects | Бизнес-объекты | Конкретные сущности, управляющие реальной работой: кейсы, полисы, клиенты, пути эскалации, воронка продаж |
+| Hyperscalers | Гиперскейлеры | Крупные AI-лаборатории (OpenAI, Anthropic), ограниченные в капитале из-за огромных затрат на достижение AGI и обучение моделей |
+| Private equity (PE) | Частный акционерный капитал | Инвестиционные фонды, владеющие тысячами портфельных компаний и использующие это как канал распределения агентных решений |
+| Frontier labs | Передовые лаборатории | AI-компании на переднем крае разработки (OpenAI, Anthropic), движущиеся «вниз по стеку» к непосредственному развёртыванию агентов у корпоративных клиентов |
+| AGI | Искусственный общий интеллект | Цель, ради достижения которой гиперскейлеры несут колоссальные затраты на GPU и обучение моделей |
+| Moving down / up the stack | Движение вниз / вверх по стеку | Стратегия расширения зоны деятельности: лаборатории движутся вниз — к развёртыванию; консалтинговые компании движутся вверх — к созданию агентных продуктов |
+| Workflow design | Проектирование рабочего процесса | Компонент слоя имплементации: определение шагов, ответственных, точек передачи и критерия завершённости задачи |
+| Data access | Доступ к данным | Компонент слоя имплементации: определение авторитетных источников данных и прав доступа на уровне строк и полей |
+| Authority | Полномочия агента | Компонент слоя имплементации: лимиты расходов и уровень риска операций чтения vs. записи |
+| Audit trails | Журналы аудита | Компонент слоя имплементации: логирование действий для возможности реконструкции после сбоя и отмены операций |
+| Object-oriented AI model | Объектно-ориентированная модель ИИ | Стратегия, при которой универсальный интеллект привязывается к субстрату конкретных бизнес-объектов (воронка продаж, тикеты поддержки) |
+| Implementation fabric | Ткань имплементации | Уникальная внутренняя инфраструктура имплементации конкретной компании, которую сторонний вендор должен понимать и поддерживать |
+| Choice paralysis | Паралич выбора | Состояние компаний, неспособных выбрать AI-решение из-за того, что все крупные игроки одновременно атакуют один триллионный рынок |
+| Deployment company | Компания по развёртыванию | Совместное предприятие AI-лаборатории (Anthropic/OpenAI) и частного капитала для внедрения агентных решений у корпоративных клиентов |
+| Frontier Alliance program | Программа Frontier Alliance | Программа партнёрства OpenAI, в которую входят крупнейшие консалтинговые компании (McKinsey, BCG, Accenture и др.) |
+| Row/field-level permissions | Разрешения на уровне строк и полей | Гранулярные права доступа агента к данным: агент должен знать, какие записи читать, а какие — нет |
+| Governed data play | Игра на управляемых данных | Стратегия SAP (приобретение Dreamio + Prior Labs): контроль над данными через управляемый слой, не позволяющий стартапам встать между данными и агентом клиента |
+| Wrapper company | Компания-обёртка | Стартап, строящий продукт поверх модели без владения рабочим процессом, слоем действий или структурой управления |
+| Co-pilot chat mode | Режим чат-копилота | Предшествующая парадигма работы с AI: пользователь задаёт вопросы в чате, в отличие от агентного режима полного делегирования задач |
+| Agentic practices | Агентные практики | Специализированные подразделения консалтинговых компаний, разрабатывающие производственные паттерны развёртывания AI-агентов |
+| Implementation detail | Детали имплементации | Конкретные технические и процессные решения внутри слоя имплементации, без понимания которых нельзя ни продавать, ни покупать агентные решения |
\ No newline at end of file
diff --git a/Business/Nate Corpus/2026-05-18_trillion-dollar-workflow-voprosy.md b/Business/Nate Corpus/2026-05-18_trillion-dollar-workflow-voprosy.md
new file mode 100644
index 0000000..2cf3317
--- /dev/null
+++ b/Business/Nate Corpus/2026-05-18_trillion-dollar-workflow-voprosy.md	
@@ -0,0 +1,18 @@
+1. Что конкретно произошло в декабре 2025 года, из-за чего агенты резко выросли в ценности — какой технический или рыночный перелом имеется в виду?
+2. Почему автор утверждает, что способность агентов выполнять рабочий процесс на 100% стала возможной именно весной 2026 года — что изменилось в моделях или инфраструктуре?
+3. Какова реальная структура сделки Anthropic с Blackstone, Hellman & Friedman и Goldman Sachs — это deployment-компания, фонд, или что-то иное?
+4. Как именно private equity «владеет и влияет» на тысячи mid-market компаний — через прямое владение портфельными компаниями или через долговые инструменты?
+5. Чем конкретно отличается «implementation layer» от простой кастомизации промптов и RAG — где проходит граница между «wrapper» и полноценным implementation слоем?
+6. Почему автор считает, что McKinsey, BCG и Accenture «движутся вверх по стеку» — разве они всегда занимались именно технической реализацией?
+7. Как именно SAP и Salesforce «экспонируют структурированные интерфейсы» — речь о новых API, об агентных фреймворках типа Agentforce, или о чём-то ещё?
+8. Что означает «sit closer to the business object» на практике — как конкретно стартап должен выбирать, к какому бизнес-объекту «приближаться»?
+9. Чем enterprise-grade evals отличаются от стандартных бенчмарков — у автора есть конкретные примеры состава таких eval-систем?
+10. Как решается конфликт интересов между forward deployed engineers лаборатории (Anthropic/OpenAI) и консультантами (McKinsey) в одном аккаунте клиента?
+11. Является ли PE-driven services deployment model устойчивой бизнес-моделью с точки зрения unit economics — как масштабируются кастомные внедрения без роста маржи?
+12. Что будет с существующими SaaS-компаниями в портфелях PE-фондов, которые не успеют перестроиться — автор предполагает списание инвестиций или возможность трансформации?
+13. Почему автор не рассматривает возможность того, что сами корпоративные IT-отделы (in-house) станут главными строителями implementation слоя — это намеренное упущение?
+14. Как «memory layer» соотносится с остальными компонентами implementation слоя — почему автор упомянул это вскользь и не раскрыл?
+15. Как предотвратить vendor lock-in при построении implementation fabric вокруг конкретной модели (Claude или GPT) — это риск, который автор намеренно игнорирует?
+16. Какой горизонт у «окна защищённости» (defensibility window) для wrapper-компаний — автор говорит, что оно закрывается, но когда именно?
+17. Насколько тезис о «customization как главной ценности» совместим с желанием PE стандартизировать playbooks по всему портфелю — это противоречие или автор его видит?
+18. Что конкретно автор имеет в виду под «ongoing ownership» после запуска агента — кто несёт ответственность за поддержку и как это монетизируется?
\ No newline at end of file