# Али Годси: «AGI уже здесь, но компаниям нужно перестроить процессы, а не ждать чуда» Источник: https://www.youtube.com/watch?v=sRvrXL83N-c Канал: Stanford Online Опубликовано: 13.07.2026 --- 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 [[JUMP:0:35]] Али Годси начал дискуссию с призыва к спокойствию, отметив, что современное поколение интернов и молодых предпринимателей находится в состоянии беспрецедентного стресса [0:48]. 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» [1:28]. Годси утверждает, что погоня за некой «суперсилой» или божественным сверхинтеллектом, который мгновенно вылечит все болезни и поднимет ВВП на 10%, во многом неоправданна [1:53]. 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 [3:14]. 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 [4:04]. * **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") [3:51]. * **Проблема контекста:** несмотря на наличие «мозга» (моделей), ИИ бесполезен в корпоративной среде, так как у него нет доступа к специфическому контексту организации [5:37]. В каждой компании есть «тот самый сотрудник» (Джон или Джейн), который работает 20 лет и знает все нюансы процессов [6:04]. Пока этот внутренний контекст не будет передан моделям, они будут совершать глупые ошибки и оставаться неэффективными [6:16]. ## 📉 Смерть программного обеспечения и новые правила игры [[JUMP: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 [7:48]. 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 [8:28]. Тем не менее, глава Databricks признает, что в индустрии произошли фундаментальные изменения: 1. **Снижение барьеров для входа:** создавать софт стало дешевле и проще благодаря ИИ-инструментам, но это оружие теперь доступно всем — и новичкам, и гигантам [9:21]. 2. **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 [10:38]. 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) [11:03]. * **Бренд и доверие:** репутация компаний уровня Ferrari, Rolex или систем, гарантирующих кибербезопасность и отсутствие взломов [11:16]. * **Данные:** наличие проприетарных данных, которых нет ни у кого другого [11:53]. По мнению Годси, компании, которые за последние 10 лет только собирали выручку и не инвестировали в инновации, будут сметены новыми игроками [12:07]. Те же, кто активно внедряет ИИ и владеет данными клиентов, сохранят лидерство [13:39]. ## ⚡️ Уроки истории: почему производительность не растет мгновенно [[JUMP:14:54]] Одной из центральных тем обсуждения стал вопрос: почему при наличии мощных LLM большинство корпоративных внедрений (POC) проваливаются? [14:54]. Али Годси привел историческую аналогию с переходом от парового двигателя к электричеству (динамо-машине), описанную в работах исследователей из Стэнфорда [17:18]. * **40-летний лаг:** электрический двигатель появился в 1880-х, но реальный рост производительности в экономике начался только в 1920-х [18:37]. * **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 [18:49]. * **Перепроектирование (Rewiring):** прогресс случился только тогда, когда фабрики вынесли за пределы городов и полностью изменили их планировку, внедрив локальные приводы для каждого станка [19:29]. Сегодня компании совершают ту же ошибку: они пытаются «приклеить» ИИ к старым процессам. Чтобы увидеть результат, нужно полностью перестроить «тело» организации под новый «мозг» [20:20]. ### Пример Databricks: перестройка процессов на практике [[JUMP:20:34]] Годси поделился внутренним кейсом компании по созданию коннекторов к системам вроде Salesforce [20:46]. * **Старый процесс:** занимал 9 месяцев (3 квартала) из-за длительного сбора требований и сложного тестирования [21:12]. * **Попытка с ИИ:** инженеры заявили, что ИИ поможет сократить срок всего на 1,5 месяца, так как написание кода — лишь малая часть работы [21:25]. * **Результат после перестройки:** команда, решившая действовать «от первого принципа», смогла выпускать 7 коннекторов за один квартал [22:19]. 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 [23:39]. ## 💰 Куда вкладывать деньги: стек ИИ и будущие триллионеры [[JUMP: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 [25:35]. Его прогнозы по секторам: 1. **Здравоохранение (17% ВВП США):** ИИ-компания, которая проанализирует данные 100 миллионов пациентов и сможет давать персонализированные медицинские советы, будет стоить триллионы долларов [29:09]. 2. **Образование:** несмотря на скепсис венчурных инвесторов, создание качественного ИИ-учителя — это огромный рынок, так как люди всегда будут готовы платить за будущее своих детей [30:42]. 3. **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 [34:24]. Гость отметил, что открытый исходный код (Open Source) стремительно догоняет закрытые разработки: разрыв между лучшими моделями сократился с нескольких месяцев до считанных недель [32:36]. ## 🚀 Советы для карьеры: не ищите «мультикаст» [[JUMP: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 [36:34]. В итоге стоимость полосы пропускания упала настолько, что проблема решилась сама собой, и все эти научные труды оказались никому не нужны [37:05]. Основные рекомендации студентам: * **Не поддавайтесь панике:** хайп в Twitter часто заставляет фокусироваться на ложных целях [38:45]. * **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 [36:51]. * **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 [38:19]. 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 [38:59].