На семинаре курса MS&E435 в Стэнфорде Али Годси, сооснователь и генеральный директор Databricks, вместе с преподавателем Апурвом Агравалом обсудили текущее состояние индустрии искусственного интеллекта, будущее корпоративного ПО и то, почему технологический прорыв не всегда сразу конвертируется в рост производительности. Годси представил провокационный взгляд на достижение AGI и объяснил, почему современным стартаперам стоит «выдохнуть» и перестать гнаться за сиюминутным хайпом из Twitter.
🧠 Парадокс AGI: почему интеллект уже здесь, но ничего не работает 0:35
Али Годси начал дискуссию с призыва к спокойствию, отметив, что современное поколение интернов и молодых предпринимателей находится в состоянии беспрецедентного стресса . По его словам, 22-летние студенты всерьез опасаются, что полугодовая задержка в запуске стартапа может разрушить их карьеру, так как «AGI вот-вот случится, и они опоздают на поезд» .
Годси утверждает, что погоня за некой «суперсилой» или божественным сверхинтеллектом, который мгновенно вылечит все болезни и поднимет ВВП на 10%, во многом неоправданна . По мнению гостя, человечество уже достигло стадии общего искусственного интеллекта (AGI), если использовать определения, которые были общепринятыми в ведущих лабораториях (например, AMPLab в Беркли) еще в 2009 году .
Ключевые тезисы Годси о состоянии ИИ:
- AGI уже здесь: если под AGI понимать систему, которая умнее многих людей, с которыми мы взаимодействуем в повседневной жизни, то эта планка пройдена .
- Смещение «ворот»: общество постоянно меняет определение интеллекта: как только ИИ справляется с задачей, её перестают считать признаком «настоящего» интеллекта (например, случай с подсчетом букв в слове "strawberry") .
- Проблема контекста: несмотря на наличие «мозга» (моделей), ИИ бесполезен в корпоративной среде, так как у него нет доступа к специфическому контексту организации .
В каждой компании есть «тот самый сотрудник» (Джон или Джейн), который работает 20 лет и знает все нюансы процессов . Пока этот внутренний контекст не будет передан моделям, они будут совершать глупые ошибки и оставаться неэффективными .
📉 Смерть программного обеспечения и новые правила игры 7:36
Ведущий Апурв Агравал поднял вопрос о «тени ИИ», нависшей над рынком SaaS: многие инвесторы и аналитики начали говорить о том, что традиционное программное обеспечение мертво . Годси парировал это утверждение, указав на логическое противоречие: если ПО мертво, то OpenAI, Anthropic и даже NVIDIA (которая занимается дизайном чипов с помощью софта) тоже должны обесцениться .
Тем не менее, глава Databricks признает, что в индустрии произошли фундаментальные изменения:
- Снижение барьеров для входа: создавать софт стало дешевле и проще благодаря ИИ-инструментам, но это оружие теперь доступно всем — и новичкам, и гигантам .
- Снижение стоимости перехода (Switching Costs): раньше пользователи были «привязаны» к интерфейсам (UI). В мире агентов пользователю будет все равно, какой системой (Salesforce или ее аналогом) управляет ИИ-помощник .
Годси выделил типы защитных рвов (moats), которые сохранят значимость даже в эпоху дешевого кода:
- Экономия на масштабе: способность нести огромные фиксированные затраты, распределяя их на миллионы пользователей (пример: AWS) .
- Бренд и доверие: репутация компаний уровня Ferrari, Rolex или систем, гарантирующих кибербезопасность и отсутствие взломов .
- Данные: наличие проприетарных данных, которых нет ни у кого другого .
По мнению Годси, компании, которые за последние 10 лет только собирали выручку и не инвестировали в инновации, будут сметены новыми игроками . Те же, кто активно внедряет ИИ и владеет данными клиентов, сохранят лидерство .
⚡️ Уроки истории: почему производительность не растет мгновенно 14:54
Одной из центральных тем обсуждения стал вопрос: почему при наличии мощных LLM большинство корпоративных внедрений (POC) проваливаются? . Али Годси привел историческую аналогию с переходом от парового двигателя к электричеству (динамо-машине), описанную в работах исследователей из Стэнфорда .
- 40-летний лаг: электрический двигатель появился в 1880-х, но реальный рост производительности в экономике начался только в 1920-х .
- Ошибка простого копирования: сначала владельцы фабрик просто заменяли один большой паровой двигатель на один большой электромотор, оставляя старую систему валов и ремней. Это не давало преимуществ .
- Перепроектирование (Rewiring): прогресс случился только тогда, когда фабрики вынесли за пределы городов и полностью изменили их планировку, внедрив локальные приводы для каждого станка .
Сегодня компании совершают ту же ошибку: они пытаются «приклеить» ИИ к старым процессам. Чтобы увидеть результат, нужно полностью перестроить «тело» организации под новый «мозг» .
Пример Databricks: перестройка процессов на практике 20:34
Годси поделился внутренним кейсом компании по созданию коннекторов к системам вроде Salesforce .
- Старый процесс: занимал 9 месяцев (3 квартала) из-за длительного сбора требований и сложного тестирования .
- Попытка с ИИ: инженеры заявили, что ИИ поможет сократить срок всего на 1,5 месяца, так как написание кода — лишь малая часть работы .
- Результат после перестройки: команда, решившая действовать «от первого принципа», смогла выпускать 7 коннекторов за один квартал .
Это стало возможным не за счет «более умного ИИ», а за счет изменения бизнес-процессов: сокращения фазы сбора требований с квартала до недели, аутсорсинга настройки окружения и отказа от модели «один человек на один проект» в пользу групповой работы .
💰 Куда вкладывать деньги: стек ИИ и будущие триллионеры 24:56
Обсуждая распределение ценности в «пятислойном стеке» (энергия, чипы, инфраструктура, модели, приложения), Али Годси выразил уверенность, что основная прибыль в долгосрочной перспективе уйдет на уровень приложений .
Его прогнозы по секторам:
- Здравоохранение (17% ВВП США): ИИ-компания, которая проанализирует данные 100 миллионов пациентов и сможет давать персонализированные медицинские советы, будет стоить триллионы долларов .
- Образование: несмотря на скепсис венчурных инвесторов, создание качественного ИИ-учителя — это огромный рынок, так как люди всегда будут готовы платить за будущее своих детей .
- Инфраструктура моделей: по мнению Годси, бизнес по предоставлению доступа к проприетарным моделям (Frontier Models) превратится в игру на масштабе с низкой маржой, напоминая продажу книг на Amazon в ранние годы .
Гость отметил, что открытый исходный код (Open Source) стремительно догоняет закрытые разработки: разрыв между лучшими моделями сократился с нескольких месяцев до считанных недель .
🚀 Советы для карьеры: не ищите «мультикаст» 36:20
Завершая встречу, Али Годси поделился личной историей времен своей учебы в докторантуре в начале 2000-х. Тогда все лучшие умы работали над проблемой «мультикаста» (эффективной трансляции видео в сетях), считая это главной задачей интернета . В итоге стоимость полосы пропускания упала настолько, что проблема решилась сама собой, и все эти научные труды оказались никому не нужны .
Основные рекомендации студентам:
- Не поддавайтесь панике: хайп в Twitter часто заставляет фокусироваться на ложных целях .
- Ищите неочевидные идеи: Airbnb мог появиться в 2001 году, но появился только в 2009. Технологии уже позволяли это сделать, но людям потребовалось 9 лет, чтобы просто додуматься до этой идеи .
- Ставьте на долгосрочные тренды: Годси привел в пример Джеффа Безоса, который сделал ставку на то, что интернет будет расти, и начал с самого «несексуального» товара — книг .
По мнению главы Databricks, успех придет к тем, кто сможет абстрагироваться от шума вокруг «сверхинтеллекта» и сосредоточится на решении реальных проблем в фундаментальных отраслях экономики .
