Автор: Naman Bhansali
Компиляция: Deep Tide TechFlow
Введение от Deep Tide: На начальных этапах распространения новых технологий у людей всегда возникает иллюзия «технологического равенства»: когда фотография, создание музыки или разработка программного обеспечения становятся легкодоступными, исчезает ли конкурентное преимущество? Основатель Warp Naman Bhansali, опираясь на свой личный опыт перехода из маленького городка в Индии в MIT, а также на предпринимательскую практику в области payroll с использованием ИИ, глубоко раскрывает контр интуитивную истину: чем больше технология снижает порог входа (Floor), тем выше поднимается потолок (Ceiling) отрасли.
В эпоху, когда исполнительность становится дешевой и даже может быть «виброкодирована» ИИ, автор считает, что настоящим рвом являются не просто распределение трафика, а трудноподдельный «вкус» (Taste), глубокое понимание основ сложных систем и терпение для непрерывного сложного процента в десятилетнем масштабе. Эта статья представляет собой не только холодный анализ предпринимательства в сфере ИИ, но и убедительное доказательство степенного закона о том, что «народные технологии приводят к аристократическим результатам».
Полный текст如下:
Каждый раз, когда новая технология снижает порог входа, следуют одинаковые прогнозы: раз теперь это может делать каждый, то никто не имеет преимущества. Камеры в телефонах сделали каждого фотографом; Spotify сделал каждого музыкантом; ИИ делает каждого разработчиком программного обеспечения.
Такие прогнозы всегда верны наполовину: нижний уровень (The floor) действительно повышается. Больше людей занимаются творчеством, больше выпускается продуктов, больше конкурентов. Но такие прогнозы всегда упускают потолок (The ceiling). Потолок растет быстрее. А разрыв между нижним уровнем и потолком — то есть между средним и высшим уровнем — не уменьшается, а увеличивается.
Это характеристика степенного закона (Power laws): ему все равно на ваши намерения. Эгалитарные технологии всегда дают аристократические результаты. Так было каждый раз.
С ИИ не будет исключения, и он проявит себя еще более крайне.
Форма эволюции рынка
Когда вышел Spotify, он сделал нечто действительно радикальное: он позволил любому музыканту на Земле получить доступ к каналам дистрибуции, которые раньше были доступны только звукозаписывающим компаниям, маркетинговым бюджетам и огромной удаче. Результатом стал взрыв в музыкальной индустрии — появились миллионы новых исполнителей, выпущены миллиарды новых песен. Нижний уровень действительно повысился, как и обещали.
Но затем произошло следующее: топ-1% исполнителей теперь захватывают бóльшую долю прослушиваний, чем в эпоху CD. Не меньшую, а бóльшую. Больше музыки, больше конкуренции, больше путей поиска качественного контента привело к тому, что слушатели, больше не ограниченные географией или полочным пространством, устремились к самому лучшему. Spotify не создал музыкального равенства, он лишь усилил этот турнир.
Та же история произошла с писательством, фотографией и программным обеспечением. Интернет породил наибольшее количество авторов в истории, но также создал и более жестокую экономику внимания. Больше участников, выше ставки наверху, та же базовая форма: крайнее меньшинство получает绝大部分价值.
Мы удивляемся этому, потому что привыкли мыслить линейно — мы ожидаем, что рост производительности распределится равномерно, как вода, налитая в плоский сосуд. Но большинство сложных систем так не работают, они никогда так не работали. Степенное распределение — это не причуда рынка или нарушение обещаний технологий, это настройка по умолчанию в природе. Технологии не создали его, технологии лишь revealed it.
Вспомните закон Клейбера (Kleiber's Law). Среди всех живых существ на Земле — от бактерий до синих китов, охватывая 27 порядков массы тела — метаболическая скорость пропорциональна массе тела в степени 0.75. Метаболизм кита не масштабируется пропорционально размеру кита. Это отношение является степенным законом и сохраняется с чрезвычайно высокой точностью почти для всех форм жизни. Никто не designed это распределение, оно просто является формой, которую принимает энергия в сложных системах, следуя своей внутренней логике.
Рынки — это сложные системы, внимание — это ресурс. Когда трение исчезает — когда география, полочное пространство и стоимость дистрибуции больше не служат буфером — рынок сходится к своей естественной форме. Эта форма — не колоколообразная кривая нормального распределения, а степенной закон. История равенства и аристократические результаты сосуществуют, именно поэтому каждая новая технология застает нас врасплох. Мы видим, как поднимается нижний уровень, и предполагаем, что потолок следует с той же скоростью. Но это не так, потолок ускоряется и удаляется.
ИИ будет продвигать этот процесс быстрее и жестче, чем любая предыдущая технология. Нижний уровень повышается в реальном времени — любой может выпустить продукт, разработать интерфейс, написать production-код. Но потолок тоже поднимается, и поднимается быстрее. Вопрос, который стоит задать: что определяет ваше конечное положение?
Когда исполнительность становится дешевой, вкус становится сигналом
В 1981 году Стив Джобс (Steve Jobs) настаивал на том, чтобы плата внутри первого Macintosh была красивой. Не снаружи, а внутри — та часть, которую клиент никогда не увидит. Его инженеры считали его сумасшедшим. Но он не был сумасшедшим. Он понял нечто, что легко dismiss как перфекционизм, но на самом деле ближе к某种 доказательству: то, как ты делаешь что-либо, это то, как ты делаешь всё. Человек, который может сделать скрытые части красивыми, не表演质量, а по своей природе не может терпеть выпуск anything less.
Это важно, потому что доверие трудно построить, но легко подделать на короткое время. Мы постоянно используем эвристики (Heuristics), пытаясь выяснить, кто действительно превосходен, а кто лишь притворяется. Учетные данные (Credentials) помогают, но ими можно манипулировать; Происхождение (Pedigree) помогает, но его можно унаследовать.真正难以伪造的是 вкус (Taste) — то есть устойчивое, наблюдаемое, высокое соблюдение стандартов, которых никто не требует. Джобсу не нужно было делать плату такой красивой. Он сделал это, и этот факт сам по себе говорит вам, как он поступит в situations you can't see.
Большую часть последнего десятилетия этот сигнал был в некоторой степени masked. В расцвет SaaS (примерно с 2012 по 2022 год) исполнительность стала настолько стандартизированной, что дистрибуция (Distribution) стала真正稀缺资源. Если вы могли эффективно привлекать клиентов, строить sales-машину, достигать «правила 40» (Rule of 40) — сам продукт几乎不重要. Пока你的 выход на рынок (Go-to-market) стратегия была достаточно сильной, вы могли победить с посредственным продуктом. Сигнал, посылаемый вкусом, тонул в шуме метрик роста.
ИИ кардинально изменил соотношение сигнал/шум. Когда любой может сгенерировать функциональный продукт, красивый интерфейс и рабочий кодовая база за один afternoon, вопрос «работает ли это» перестает быть differentiating factor. Вопрос становится: действительно ли это превосходно? Знает ли этот человек разницу между «хорошо» и «безумно великолепно» (Insanely great)? Заботятся ли они достаточно, чтобы закрыть последний разрыв, даже если их никто не заставляет?
Это особенно верно для критически важного бизнес-программного обеспечения (Business-critical software) — тех систем, которые обрабатывают payroll, compliance, данные сотрудников. Это не продукты, которые можно попробовать и бросить в следующем квартале. Затраты на переход реальны, режимы сбоев серьезны, люди, развертывающие системы, несут ответственность за последствия. Это означает, что перед подписанием контракта они запустят все эвристики доверия. Красивый продукт — один из самых громких сигналов. Он говорит: создавшие его люди вложили душу. Они заботятся о том, что вы видите, а значит, вероятно, заботятся и о том, что вы не видите.
В мире, где исполнительность дешева, вкус является доказательством выполненной работы (Proof of work).
Что вознаграждает новая фаза
Эта логика всегда была верна, но в последнее десятилетие рыночная среда сделала ее几乎 невидимой. Было время, когда最重要的 навык в software даже не относился к самому software.
В период с 2012 по 2022 год основная архитектура SaaS устоялась. Облачная инфраструктура была дешевой и стандартизированной, инструменты разработки созрели. Построить функциональный продукт было сложно, но это была «решенная сложность» — вы могли справиться с ней через найм, следуя установленным шаблонам, достигая passing grade при достаточных ресурсах.真正稀缺的, что отделяло победителей от посредственностей, былоспособность к дистрибуции. Можете ли вы эффективно привлекать клиентов? Можете ли вы создать повторяемые sales-действия? Достаточно ли вы понимаете юнит-экономику (Unit economics), чтобы подлить масла в огонь роста в нужный момент?
Основатели, преуспевшие в той среде, в основном came from продаж, консалтинга или финансов. Они masterfully разбирались в показателях, которые звучали как китайская грамота десять лет назад: Net Dollar Retention (NDR), Average Contract Value (ACV), Magic number, Rule of 40. Они жили в электронных таблицах и проверках sales pipeline, и в том контексте они были правы. Расцвет SaaS породил основателей расцвета SaaS. Это была рациональная эволюционная адаптация.
Но я чувствовал удушье.
Я вырос в маленьком городке в индийском штате с населением 250 миллионов человек. Ежегодно по всей Индии только около трех студентов поступали в MIT (Массачусетский технологический институт). Без исключения, все они были из дорогих preparatory schools в Дели, Мумбаи или Бангалоре — учреждений, специально созданных для этой цели. Я был первым человеком в истории моего штата, поступившим в MIT. Я говорю это не ради хвастовства, а потому что это миниатюрная версия тезиса данной статьи:Когда порог входа ограничен, происхождение (Pedigree) предсказывает результат; когда порог входа открыт, побеждают глубокие люди (Deep people). В комнате, полной людей с именитым происхождением, я был ставкой на глубину. И это единственный способ ставить, который я знаю.
Я изучал физику, математику и computer science, в этих областях самые глубокие инсайты приходят не от оптимизации процессов, а от видения истины, которую другие упустили. Моя магистерская диссертация была about缓解 отстающих (Straggler mitigation) в распределенном машинном обучении: когда вы запускаете систему в large scale, и некоторые части отстают, как вам оптимизировать это ограничение, не жертвуя целостностью整体.
Когда я в свои двадцать с небольшим на创业世界, я видел картину, где эти глубокие инсайты казались неуместными. Рыночная премия давалась за «выход на рынок» (Go-to-market), а не за сам продукт. Создание технологически превосходных вещей казалось somewhat наивным — это рассматривалось как отвлечение от «настоящей игры» (привлечение, удержание и скорость продаж).
Затем, в конце 2022 года, среда изменилась.
То, что показал ChatGPT — более наглядно и впечатляюще, чем years исследовательских работ — это то, что кривая изогнулась. Открылась новая S-кривая. Фазовые переходы (Phase transitions) вознаграждают не тех, кто лучше всего адаптировался к предыдущей фазе, а тех, кто может увидеть безграничные возможности новой фазы, пока другие еще не поняли цену.
Поэтому я уволился с работы и основал Warp.
Эта ставка была очень конкретной. В США более 800 налоговых органов — федеральные, штатные, местные — каждый со своими требованиями к подаче, сроками и логикой compliance. Здесь нет API, нет программного доступа. Десятилетиями каждый поставщик payroll services处理这个问题 одинаково: набрать людей. Тысячи compliance-экспертов вручную navigate в этих системах, которые никогда не были designed для масштабирования. Традиционные гиганты — ADP, Paylocity, Paychex — построили целые бизнес-модели вокруг этой сложности, они не решали ее, а поглощали в количество сотрудников и перекладывали成本 на клиентов.
В 2022 году я видел, что ИИ-агенты (Agents) еще хрупки. Но я также видел кривую улучшений. Человек, глубоко разбирающийся в large-scale распределенных системах,近距离 наблюдающий за эволюцией моделей, мог сделать точную ставку: хрупкая на тот момент технология через несколько лет станет невероятно мощной. Поэтому мы поставили: построить с первого принципа AI-нативную платформу, войдя в самое сложное workflow в этой категории — то, которое традиционные гиганты никогда не смогут автоматизировать из-за архитектурных ограничений.
Сейчас эта ставка оправдывается. Но более широкая картина заключается враспознавании模式. Технические основатели эпохи ИИ обладают не только инженерным преимуществом, но ипреимуществом洞察. Они видят разные точки входа, делают другие ставки. Они могут审视 систему, которую все принимают как «постоянно сложную», и спросить: что нужно для真正的自动化? Затем, ключевой момент, они могут своими руками построить ответ.
Победители эпохи расцвета SaaS были рациональными оптимизаторами в условиях ограничений. ИИ удаляет эти ограничения и устанавливает новые. В новой среде稀缺资源 — это уже не дистрибуция, а способность видеть возможности — и воплощать их в стандарты, соответствующие вкусу и убеждениям. Но есть и третья переменная, решающая всё, и именно здесь большинство основателей эпохи ИИ совершают катастрофическую ошибку.
Долгая игра на высокой скорости
Сейчас в предпринимательских кругах流行迷因 (Meme): у вас есть два года, чтобы избежать permanent mediocrity. Строй быстро, привлекай деньги быстро, либо выход (Exit), либо провал.
Я понимаю, откуда берется такое мышление. Скорость развития ИИ вызывает чувство экзистенциального кризиса, окно возможности поймать волну кажется очень узким. Молодые люди, видящие истории об overnight успехах в Twitter,理所当然 считают, что суть игры в скорости — победители те, кто бежит быстрее всех за最短时间.
Это правильно в совершенно неправильном измерении.
Скорость исполнения действительно критически важна. Я глубоко в это верю — это даже высечено в названии моей компании (Warp). Носкорость исполнения не равна короткому горизонту планирования. Основатели, которые смогут построить самые ценные компании в эпоху ИИ, — не те, кто спринтует два года и обналичивается. Это те, кто спринтует десять лет и пользуется сложным процентом.
Короткосрочность ошибочна, потому что самые ценные вещи в software — приватные данные, глубокие отношения с клиентами, реальные затраты на переход, экспертиза на regulatory уровне — требуют years для накопления и не могут быть быстро скопированы, независимо от того, сколько капитала или возможностей ИИ принесет конкурент. Когда Warp обрабатывает payroll для компаний в нескольких штатах, мы накапливаем данные о compliance across тысячи юрисдикций. Каждый решенный налоговый запрос, каждый обработанный edge case, каждая completed государственная регистрация тренируют систему, которая со временем становится все более трудной для复制. Это не фича, это ров, и он существует, потому что мы работали с extremely высоким качеством достаточно долго, чтобы это создало плотность качества.
Этот сложный процент невидим в первый год. Во второй год он начинает проявляться. К пятому году — это вся игра.
Бывший CEO Snowflake Фрэнк Слутман (Frank Slootman), который создал и scaled больше software-компаний, чем кто-либо другой, выразился кратко: привыкайте к состоянию «дискомфорта». Не для спринта, а как к постоянному состоянию. «Туман войны» в начале стартапа — это чувство потери方向, неполная информация, необходимость принимать решения о действиях — не исчезает через два года. Он просто эволюционирует, новые неопределенности заменяют старые. Основатели, которые持久, — не те, кто нашел определенность, а те, кто научился ясно двигаться в тумане.
Строить компанию невероятно жестоко, и эту жестокость трудно передать тем, кто этого не делал. Вы живете в состоянии постоянного легкого страха,偶尔点缀更高级别的恐怖. Вы принимаете тысячи решений при неполной информации, зная, что цепочка неверных решений может привести к концу. Те «overnight успехи», которые вы видите в Twitter, — это не только выбросы в степенном распределении, но и крайние выбросы. Оптимизировать свою стратегию на основе этих случаев — все равно что готовиться к марафону, изучая результаты тех, кто побежал не туда и случайно пробежал 5 км.
Так зачем это делать? Не потому что это удобно, и не потому что шансы велики. А потому что для некоторых людей не делать этого — значит не жить по-настоящему. Потому что единственное, что хуже страха «построить что-то из ничего», — это тихое удушье от «так и не попробовав».
И — если вы поставили правильно, если вы увидели истину, которую другие еще не оценили, если вы исполняли с вкусом и убеждениями в достаточно долгом周期 — результат будет не только финансовым. Вы построили нечто, что действительно меняет то, как люди работают. Вы создали продукт, который люди любят использовать. Вы наняли и помогли раскрыться лучшим в людях в деле, которое вы построили своими руками.
Это проект на десять лет. ИИ не меняет этого, он никогда не менял.
ИИ меняет то, какой потолок (Ceiling) могут достичь основатели, которые продержатся до конца, чтобы увидеть это.
Потолок, на который никто не смотрит
Так как же будет выглядеть software на другом конце всего этого?
Оптимисты говорят, что ИИ создает изобилие — больше продуктов, больше создателей, больше стоимости, распределенной между большим количеством людей. Они правы. Пессимисты говорят, что ИИ разрушает рвы software — anything можно скопировать за один afternoon, защита мертва. Они тоже частично правы. Но обе стороны смотрят на нижний уровень (The floor), никто не смотрит на потолок (The ceiling).
В будущем появятся тысячи point-решений (Point solutions) — маленькие, функциональные, сгенерированные ИИ инструменты, достаточные для решения某些狭窄的问题. Многие из них будут построены даже не компаниями, а individuals или внутренними командами для решения своих own pain points. Для某些低门槛, легко заменяемых категорий software рынок станет truly демократичным. Нижний уровень высок, конкуренция fierce, маржа прибыли тонка как крыло цикады.
Но длякритически важного бизнес-ПО (Business-critical software) — тех систем, которые обрабатывают денежные потоки, compliance, данные сотрудников и юридические риски — ситуация совершенно иная. Это workflows с практически нулевой терпимостью к ошибкам. Когда система ломается, сотрудники не получают деньги; когда налоговая отчетность ошибочна, IRS приходит с проверкой; когда взносы на benefits прерываются в период open enrollment, реальные люди теряют coverage. Люди, выбирающие software, несут ответственность за последствия. Эту ответственность нельзя outsourced ИИ, «виброкодированному» за afternoon.
Для этих workflows предприятия продолжат доверять поставщикам. Среди этих поставщиковдинамика «победитель получает все» будет более极端, чем в предыдущих поколениях software. Не только потому, что сетевые эффекты сильнее (хотя это так), но и потому, что AI-нативная платформа, работающая в large scale, накопившая приватные данные за миллионы транзакций и тысячи compliance edge cases, имеет преимущество сложного процента, которое делает «догоняющий прыжок с места» для newcomers почти невозможным. Ров — это уже не набор фич, а качество, отложившееся за долгое время поддержания высоких стандартов работы в области, которая наказывает за ошибки.
Это означает, что консолидация software-рынка превысит таковую в эпоху SaaS. Я ожидаю, что через десять лет в сфере HR и payroll не будет 20 компаний с однозначной долей рынка. Я ожидаю, что два-три platform будут захватывать绝大部分价值, а длинный хвост point-решений будет получать crumbs. Такая же модель повторится в каждой категории software, где действуют compliance сложность, накопление данных и затраты на переход.
Компании на вершине этого распределения будут выглядеть очень похоже: основаны технически подкованными людьми с настоящим продуктовым вкусом; построены на AI-нативной архитектуре с первого дня; работают на рынках, где нынешние гиганты не могут структурно ответить, не разобрав свой существующий бизнес. Они рано сделали уникальную ставку на инсайт — увидели какую-то尚未 оцененную истину, созданную ИИ — и придерживались ее достаточно долго, пока сложный процент не стал очевиден.
Я описывал这类 основателя абстрактно. Но я очень хорошо знаю, кто он, потому что я стремлюсь быть им.
Я основал Warp в 2022 году, потому что я верил, что весь стек employee operations — payroll, tax compliance, benefits, onboarding, управление устройствами, HR-процессы — построен на ручном труде и старой архитектуре, и ИИ может полностьюзаменить их. Не улучшить, а заменить. Старые гиганты построили бизнес на миллиарды долларов, поглощая сложность в количестве сотрудников; а мы построим, устраняя сложность в source.
Три года доказали эту ставку. С момента запуска мы обработали более $500 миллионов в transactions, быстро растем и обслуживаем компании, строящие самые важные технологии в мире. Каждый месяц накопленные нами данные compliance, обработанные edge cases, построенные интеграции делают платформу более трудной для复制 и более ценной для клиентов. Ров еще на ранней стадии, но он формируется и ускоряется.
Я говорю вам это не потому, что успех Warp предопределен — в мире степенных законов ничто не предопределено — а потому что логика, которая привела нас сюда, это та логика, которую я описал во всем тексте:Увидеть истину. Копать глубже, чем кто-либо. Создать высокий стандарт, который поддерживается без внешнего давления. Держаться достаточно долго, чтобы проверить, правы ли вы.
Превосходные компании эпохи ИИ будут построены теми, кто понял: доступ никогда не был稀缺资源, инсайт (Insight) был; исполнительность никогда не была рвом, вкус (Taste) был; скорость никогда не была преимуществом, глубина (Depth) была.
Степенной закон не在乎你的意图. Но он награждает правильные намерения.
