Автор: George Sivulka
Компиляция: Deep Tide TechFlow
Введение от Deep Tide: ИИ повысил личную эффективность в 10 раз, но ни одна компания от этого не стала стоить в 10 раз дороже. Инвестор a16z Джордж Сивулка (также основатель AI-компании Hebbia) считает, что проблема не в самой технологии, а в том, что организации не были перестроены соответствующим образом. Он предложил семь измерений, различающих «корпоративный ИИ» и «личный ИИ» — координация, сигнал, предвзятость, предельное преимущество, ориентация на результат, расширение возможностей и отсутствие необходимости в промптах — по сути говоря: заменить электродвигатель недостаточно, нужно заново спроектировать весь завод.
Полный текст ниже:
ИИ только что повысил производительность каждого человека в 10 раз.
Ни одна компания от этого не стала стоить в 10 раз дороже.
Куда делась производительность?
Это происходит не впервые.
В 1890-х годах электричество обещало огромный рост производительности.
Текстильные фабрики Новой Англии, изначально построенные вокруг вращательной силы паровых двигателей, быстро заменили их на более быстрые электродвигатели.
Но целых тридцать лет электрифицированные фабрики почти не увеличивали выпуск продукции. Технология ушла далеко вперед. Но организация не поспевала.
Только в 1920-х годах, когда фабрики коренным образом перепроектировали производственные линии — поточные линии, независимые двигатели на каждом устройстве, рабочие и машины, выполняющие совершенно разные задачи — электрификация начала приносить реальную отдачу.
Подпись к рисунку: Три этапа эволюции текстильной фабрики Лоуэлл. Слева направо: фабрика на паровой тяге 1890 года, фабрика на электрическом приводе 1900 года, фабрика с «ячеечным приводом» 1920 года (т.е. полностью перестроенная с нуля под электрическую поточную линию).
Отдача пришла не от самой технологии и не от того, что отдельный рабочий или машина стали прясть быстрее. Она пришла, когда мы наконец-то перепроектировали институты и технологии вместе.
Это самый дорогой урок в истории технологий, и мы заново проходим его сейчас.
В 2026 году ИИ приносит 10-кратное повышение производительности тем, кто умеет его использовать. Но этого недостаточно. Мы заменили двигатель, но еще не перепроектировали завод.
Из-за простого факта: эффективный индивид не равен эффективной организации.
Подавляющее большинство ИИ-продуктов дают ощущение «эффективности», но не продвигают реальную ценность. Большинство случаев использования ИИ, которые вы видите, — это самовосхваление в Twitter или корпоративном Slack по поводу «максимальной эффективности», в то время как реальное воздействие равно нулю.
Неоднократно упоминавшаяся в прошлом году концепция «сервис как программное обеспечение» была верна по направлению, но не давала蓝图 (blueprint). И она упускала更大的 картину. Настоящий переход — не от инструментов к сервисам, а совместное построение технологий и институтов (будь то модернизация старых или создание с нуля). Действительно эффективное будущее требует совершенно новых категорий продуктов — завтрашних сборочных линий.
Эффективные организации нуждаются в «корпоративном интеллекте».
Эта статья углубляется в семь измерений, различающих «корпоративный ИИ» и «личный ИИ». Компании во всей B2B-сфере ИИ в следующем десятилетии будут построены на этих различиях:
Подпись к рисунку: Сравнительная таблица семи столпов корпоративного интеллекта
Семь столпов корпоративного интеллекта
1. Координация
Личный ИИ создает хаос.
Корпоративный ИИ создает координацию.
Сначала мысленный эксперимент. Предположим, вы завтра удваиваете численность организации, клонируя своих лучших сотрудников.
У этих сотрудников у каждого есть небольшие различия, предпочтения, причуды и точки зрения (особенно у ваших лучших сотрудников). Если управлять этим плохо,沟通 (общение) недостаточно,职责分工 (разделение обязанностей), OKR, границы ролей не определены четко... вы создаете хаос.
Если измерять индивидуально, организация, возможно, стала эффективнее. Но тысячи агентов (или людей), гребущих в разные стороны, в лучшем случае остаются на месте, в худшем — разрывают сплоченность организации.
Это не гипотеза. Каждая организация, внедряющая ИИ без уровня координации, переживает это прямо сейчас. У каждого сотрудника свои привычки использования ChatGPT, свой стиль промптов, свои результаты — которые никак не стыкуются с результатами других. Организационная диаграмма, возможно, еще есть, но работа, генерируемая ИИ, фактически идет по другой линии.
Подпись к рисунку: Эффективные индивиды (или агенты), гребущие в разные стороны. Без координации — хаос.
Координация — абсолютно жесткая потребность, как для людей, так и для агентов.
Корпоративный интеллект породит целую индустрию «управления агентами» — фокусирующуюся на ролях и обязанностях агентов,沟通 (общении) между агентами и между агентами и людьми, а также на том, как измерять ценность агентов (простого оплаты по объему远远不够 — далеко не достаточно).
2. Сигнал
Личный ИИ создает шум.
Корпоративный ИИ находит сигнал.
Сегодня люди могут создавать — или генерировать — все, что можно представить: статьи, написанные ИИ, презентации, электронные таблицы, фотографии, видео, песни, веб-сайты, программное обеспечение. Какой замечательный подарок.
Проблема в том, что подавляющее большинство контента, генерируемого ИИ, — это откровенный мусор. Наводнение ИИ-мусором стало настолько серьезным, что некоторые организации,矫枉过正 (впадая в крайность),干脆禁止 (попросту запрещают) весь вывод ИИ. Честно говоря, я сам чувствую то же самое — я управляю ИИ-компанией, но要求 (требую) от команды руководителей не использовать ИИ в любых финальных текстовых продуктах. Я не выношу этот мусор.
Подумайте, во что превращается индустрия PE (Private Equity — частный капитал). В прошлом году на ваш стол, возможно, поступало 10 сделок. В этом году, в следующем квартале вы получите 50 возможностей, каждая из которых безупречно отполирована ИИ, а время на оценку у вас осталось прежнее — нужно найти среди них ту, что действительно стоящая.
Генерация чего угодно уже не проблема. Для любой серьезной организации теперь — сгенерировать и отфильтровать правильные вещи. В мире, управляемом ИИ, найти тот один хороший результат, ту одну хорошую сделку, сигнал в шуме становится все более критичным. Ключевым экономическим двигателем следующего десятилетия будет выкапывание сигнала из экспоненциально растущей кучи мусора.
Подпись к рисунку: ИИ-мусор, генерируемый инструментами личной продуктивности, размножается с экспоненциальной скоростью. Люди сами уже не могут отделить сигнал от шума, требуется новый класс корпоративных ИИ-продуктов.
Корпоративный интеллект должен находить сигнал, должен структурировать шум, чтобы пробиться сквозь мусор, и в работе должен быть определяемым, детерминированным, поддающимся аудиту.
Личный ИИ может подчеркивать продуктивность по типу Clawdbot — «всегда онлайн», удовлетворяя ваши потребности 24/7 непредсказуемым образом — по сути, недетерминированный агент. Корпоративный ИИ полагается на надежность детерминированных агентов. Агенты с предсказуемыми контрольными точками, шагами и процессами могут масштабироваться, могут обнаруживать сигнал и через этот сигнал приносить доход организации.
Подпись к рисунку: Matrix — это инструмент, использующий генеративные технологии для проникновения сквозь шум, открывая тем самым мир детерминированных агентов и контрольных точек.
3. Предвзятость
Личный ИИ подпитывает предвзятость.
Корпоративный ИИ создает объективность.
Обсуждения социально-политических предубеждений доминировали в дискурсе об ИИ последние несколько лет. Лаборатории базовых моделей в конечном итоге обошли эту проблему с помощью достаточного количества RLHF (обучение с подкреплением на основе человеческих откликов), настроив все модели на угодливость. Сегодня ChatGPT, Claude и другие модели чрезмерно выровнены (over-aligned), они будут соглашаться с вами по любой теме в пределах Окна Овертона (иногда даже немного выходя за рамки, это про тебя @Grok). Обсуждения социально-политических предубеждений поутихли. Но их место заняла новая проблема.
Эта чрезмерная уступчивость во всем стала абсурдной до смешного. Она сама стала мемом — рефлекторное «You're absolutely right!» от Claude, независимо от того, абсолютно ли вы правы на самом деле.
Это звучит безобидно. Но это не так.
Во многих организациях самые ярые сторонники ИИ, возможно, вскоре окажутся historically worst-performing employees (худшими сотрудниками в истории). Подумайте, почему.
Худший сотрудник в организации, который почти не получает положительной обратной связи в течение дня,很快就会有 (вскоре получит) ИИ, который соглашается с ним на протяжении всего процесса. Они будут говорить себе: «Самый умный интеллект в истории согласен со мной. Мой менеджер ошибается.»
Это вызывает привыкание. И это ядовито для организации.
Подпись к рисунку: Эхо-камера личного ИИ усугубляет раскол, отдаляя двух людей друг от друга; в масштабе такая динамика создаст фракции внутри原本一致 (изначально единой) организации.
Это раскрывает важную вещь. Инструменты личной продуктивности усиливают пользователя. Но то, что действительно должно быть усилено, — это факты.
Человеческие организации за тысячи лет эволюции создали системы, специально предназначенные для противодействия этой проблеме:
- Заседания инвестиционных комитетов
- Третья сторона due diligence (проверка)
- Советы директоров
- Разделение властей в правительстве США на исполнительную, законодательную и судебную
- Представительная демократия и сама демократическая система
Подпись к рисунку: Объективность может даже缓解 (смягчить) проблему координации — подавляя, а не усиливая мелкие разногласия.
Организации редко терпят неудачу из-за lack of confidence (неуверенности) сотрудников. Они терпят неудачу, потому что никто не хочет или не может сказать «нет».
Корпоративный ИИ должен играть эту роль. Он не будет настроен с помощью RLHF на угождение пользователю или поддержку его убеждений, а будет бросать вызов их предубеждениям. Давать положительную обратную связь, когда поведение эффективно, и проводить жесткие линии, принуждать к коррекции, когда происходит отклонение от курса.
Следовательно,最重要的 (самым важным) агентом внутри организации будет не «соглашатель», а дисциплинированный «ветоер» — ставящий под сомнение рассуждения, выявляющий риски, обеспечивающий соблюдение стандартов. Некоторые из самых влиятельных приложений ИИ в будущем будут построены вокруг институциональных ограничений: ИИ-члены советов директоров, ИИ-аудиторы, ИИ-тестирование третьей стороной, ИИ-соответствие (compliance)...
4. Предельное преимущество
Личный ИИ оптимизирует использование.
Корпоративный ИИ оптимизирует предельное преимущество.
Границы возможностей ИИ移动 (сдвигаются) каждую неделю, если не каждый день. Компании базовых моделей быстро итерируют возможности в борьбе за каждого человека и каждую организацию.
Но классическая дилемма инноватора учит нас, что в конкретных приложениях глубина всегда побеждает широту:
- Работа @Midjourney — оставаться slightly ahead (немного впереди) в дизайне изображений.
- Работа @Elevenlabsio — оставаться впереди в голосовых моделях.
- Работа @DecagonAI — всегда лидировать в полноценном клиентском опыте.
Хотя базовые модели будут становиться все ближе, для экспертов в различных областях именно真正的 (настоящее) предельное преимущество является ключевым. Многие из лучших дизайнеров используют @Midjourney, многие из лучших голосовых ИИ-компаний используют @Elevenlabsio — потому что даже по мере прогресса базовых моделей, неустанная фокусировка специализированных приложений на продвижении их конкретного предельного преимущества сама по себе определяет это преимущество.
Пока специализированные решения также эволюционируют, возможности,真正关键 (действительно ключевые) для экономических результатов — ключевые для бизнеса — всегда будут на стороне специализированных продуктов.
Это наиболее ярко проявляется в финансах — currently hottest area (в настоящее время самой горячей области) разработки LLM. Как только какая-либо возможность становится распространенной, по определению она не поможет вам обогнать рынок. Но если передовые технологии могут дать短暂 (кратковременное) нишевое преимущество в 1%? Эти 1% могут принести returns measured in billions (доход, измеряемый миллиардами).
Подpись к рисунку: Для любой достаточно конкретной задачи предельное преимущество определяется корпоративным решением, которое вы строите поверх передовых технологий.
Наши пользователи постоянно выходят за пределы передового. Контекстное окно LLM выросло с 4K до 1 миллиона токенов за четыре года. Некоторые из наших пользователей обрабатывают 30 миллиардов токенов за одну задачу. В этом году мы уже увидели путь к обработке задач в 100 миллиардов токенов. Каждый раз, когда возможности базовой модели увеличиваются, мы уходим еще дальше.
Подпись к рисунку: Контекстное окно, как и другие возможности, — движущаяся мишень. Сравнение эволюции контекстного окна передовых лабораторий и Hebbia за последние три года.
Универсальность для широкой аудитории, конечно, важна, особенно на этапе ознакомления сотрудников с ИИ. Но будущее не в том, что люди будут использовать ChatGPT/Claude ИЛИ вертикальные решения, а в том, что ChatGPT/Claude плюс вертикальные решения.
Корпоративный интеллект должен использовать предметно-ориентированных, даже task-specific (задачно-специфичных) агентов.
Мы задаем себе вопрос, который звучит абсурдно, но не является таковым:
«Какие агенты ИИИ (AGI) выберет в качестве ярлыков? Даже сверхразум захочет специализированные инструменты для конкретных областей.»
Границы возможностей ИИ всегда будут移动 (двигаться), и выиграют те организации, которые используют真正 (настоящее) предельное преимущество. Все остальные платят за очень дорогой универсальный товар.
5. Результат
Личный ИИ экономит время.
Корпоративный ИИ увеличивает доход.
@MaVolpi как-то сказал мне одну вещь, которая изменила мое восприятие продажи ИИ предприятиям: «Если вы спросите любого CEO, что в приоритете — сокращение costs (издержек) или увеличение revenue (дохода), почти все скажут revenue.»
Но почти каждый ИИ-продукт на рынке сегодня поставляет именно сокращение издержек — обещает сэкономить ваше время, делать больше с меньшим количеством людей или заменять人力 (рабочую силу).
Корпоративный ИИ должен поставлять incremental gains (прирост). А прирост гораздо сложнее commodityize (превратить в товар), чем сэкономленное время.
Возьмем для примера ИИ-辅助 (ассистированную) разработку программного обеспечения. IDE для кода — одни из лучших инструментов личной ИИ-продуктивности из когда-либо созданных, но они уже сталкиваются с огромным давлением со стороны Claude Code (другого инструмента личного ИИ). Cognition играет в совершенно другую игру. Их самый устойчивый бизнес — продажа трансформации с помощью технологий, а не продажа инструментов.我押注 (я ставлю) на то, что эта модель будет устойчивой.
Чистое программное обеспечение «быстро становится uninvestable (непривлекательным для инвестиций)». Чистые услуги не масштабируются. Слой решений — связывание технологий и результатов вместе — это то место, где оседает устойчивая ценность.
Снова посмотрим на M&A (слияния и поглощения). Личный ИИ помогает аналитикам быстрее строить модели. Корпоративный ИИ идентифицирует ту одну цель из ста, за которой стоит гнаться, а затем расширяет поиск до тысячи. Одно экономит время, другое создает доход.
Подпись к рисунку: Компании базовых моделей движутся к слою приложений. Компании слоя приложений движутся к слою решений.
«Движение вверх по течению» — это естественная гравитация текущего рынка. Базовые модели движутся к слою приложений, компании слоя приложений движутся к слою решений.
Корпоративный интеллект — это слой решений. И слой решений — место, где находятся результаты — будет удерживать устойчивую ценность и捕获 (захватывать) наибольшую долю прибыли.
6. Расширение возможностей
Личный ИИ дает вам инструмент.
Корпоративный ИИ учит вас, как его использовать.
Какими бы умными ни были люди, они сопротивляются изменениям.
Хотите верьте, хотите нет, в Нью-Йорке до сих пор есть успешные магазины, которые не принимают кредитные карты. Они знают, что теряют деньги, знают, что не принимать карты — значит терять деньги, но не двигаются с места. Точно так же, в обозримом будущем, некоторые сотрудники в некоторых организациях будут отказываться использовать ИИ.
Переход от полностью человеческой организации к гибридной, ориентированной на ИИ, будет самой устойчивой и определяющей挑战 (задачей) следующего десятилетия. И часто самые высокопоставленные, самые важные люди в организации反而是 последними, кто adopts (внедряет) новшества.
Подпись к рисунку: Высшее руководство организации — люди, наиболее удаленные от «операций с инструментами продуктивности» — часто являются самой медленной, но最关键 (самой критичной) группой во внедрении новых технологий.
Palantir — единственная «программная» компания, которая maintained ultra-high valuation multiples (сохранила сверхвысокие коэффициенты оценки) за последние два месяца amidst the trillion-dollar tech sell-off (среди распродаж технологических акций на триллионы долларов). На то есть причина. Palantir была одной из первых настоящих компаний «процессного инжиниринга». Называйте это «процессный инжиниринг» или «написание файлов навыков для Claude», будущий корпоративный ИИ породит индустрию: кодирование бизнес-процессов в агентов и управление изменениями, необходимое для внедрения.
Подпись к рисунку: Полное внедрение ИИ в организации будет преодолевать multiple chasms (множество пропастей), каждая со своими挑战 (трудностями). Вывод процессов в ИИ будет主要推动力 (главной движущей силой).
Я бы сказал, что процессный инжиниринг станет самой важной «технологией» в ближайшее время.
И в процессном инжиниринге экспертиза в бизнесе и отрасли — а не в программном обеспечении — является最关键 (самой критичной). Вертикальные решения будут培养 (взращивать) таланты, обладающие опытом в инжиниринге развертывания на передовой, внедрении и управлении изменениями.
Один из ведущих инвестиционных банков (топ-3 крупных банков), выбравший Hebbia для полного развертывания, сказал это лучше всего: они не сотрудничают с одной из крупных лабораторий моделей, потому что «нам пришлось бы объяснять их команде, что такое CIM (Confidential Information Memorandum — меморандум о конфиденциальной информации)». Клод или GPT, конечно, понимают эту область, но команда, отвечающая за внедрение, не понимает...
Эта разница решает все.
7. Без промптов
Личный ИИ реагирует на промпты человека.
Корпоративный ИИ действует proactively (проактивно),不需要 промптов (не нуждаясь в промптах).
Много讨论 (обсуждений) о通信 между агентами (общении между агентами),需要 ли будущим предприятиям и институтам люди.
Но лучший вопрос: будут ли будущие ИИ-агенты还需要 промпты? (нуждаться в промптах?)
Писать промпты для ИИИ (AGI) — все равно что подключать электродвигатель к ручному ткацкому станку. Это фундаментально, необратимо ограничено самым слабым звеном в организационной цепочке поставок — нами самими. Люди просто не знают, какие правильные вопросы задавать, не говоря уже о том, когда их задавать.
Самая ценная работа, которую может выполнить ИИ, — это та работа, о которой никто не подумал спросить. ИИ должен находить риски, которые никто не обнаружил, контрагентов по сделкам, о которых никто не подумал, sales pipelines (воронки продаж), о существовании которых никто не знал.
Это彻底打开 (полностью откроет) границы вариантов использования ИИ.
Система без промптов постоянно мониторит (мониторит) потоки данных всего投资组合 (портфеля). Она обнаруживает, что рабочий капитальный цикл одной из портфельных компаний тихо ухудшался в течение трех месяцев подряд,交叉比对 (сверяет это) с условиями кредитного соглашения, и уведомляет операционного партнера до того, как кто-либо в фонде откроет этот PDF.
Когда вам больше не нужен человек, чтобы писать промпты для ИИ, появляются новые интерфейсы и новые ways of working (способы работы). У нас в @Hebbia есть на этот счет сильные идеи. Об этом в другой раз.
Заключение
Все вышесказанное не отрицает ценности чат-ботов, агентов и личного ИИ.
Личный ИИ будет载体 (носителем), через который большинство предприятий в мире впервые испытают transformative magic (преобразующую магию) ИИ. Продвижение использования, продвижение удобства использования — ключевой первый шаг в управлении изменениями, необходимом для построения ориентированной на ИИ экономики.
Но в то же время потребность в корпоративном интеллекте является明确的 (четкой), срочной, огромной.
В будущем у каждой организации будет чат-бот от крупной лаборатории моделей. У каждой организации также будет корпоративный ИИ, созданный для решения specific domain problems (конкретных предметных проблем) — и личный ИИ будет использовать корпоративный ИИ как самый критичный инструмент в своем工具箱.
«Лучшее сочетание» корпоративного и личного ИИ — это неизбежная趋势 (тенденция).
Но помните урок текстильной фабрики 1890-х годов. Первые electrified (электрифицированные) фабрики проиграли тем, кто перепроектировал цеха.
У нас уже есть электричество. Пора перепроектировать наши заводы.
Благодарности @aleximm и @WillManidis за рецензирование, а также Уилу за вдохновение from his piece on "tool-shaped objects" (от его статьи об «объектах в форме инструментов»).
