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 невероятно простыми, исчезает ли конкурентное преимущество? Основатель Warp Naman Bhansali, опираясь на свой личный опыт перехода из маленького городка в Индии в MIT, а также на свою предпринимательскую практику в области payroll с использованием ИИ, глубоко раскрывает неинтуитивную 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 основополагающей логики сложных систем и терпение для непрерывного сложного процента в масштабе десятилетия. Эта статья представляет собой не только холодный анализ предпринимательства в сфере ИИ, но и убедительный аргумент в пользу степенного закона о том, что «народные технологии приводят к аристократическим результатам».
Полный текст ниже:
Каждый раз, когда новая технология снижает порог входа, следуют одни и те же предсказания: раз теперь это может делать каждый, то никто не имеет преимущества. Камерофоны сделали каждого фотографом; Spotify сделал каждого музыкантом; ИИ делает каждого разработчиком программного обеспечения.
Такие предсказания всегда верны наполовину: нижний уровень (The floor) действительно повышается. Больше людей занимаются творчеством, больше людей выпускают продукты, больше людей присоединяются к конкуренции. Но такие предсказания всегда упускают потолок (The ceiling). Потолок растет быстрее. А разрыв между нижним уровнем и потолком — то есть между средним уровнем и высшим уровнем — не сокращается, а расширяется.
Это характеристика степенного закона (Power laws): ему все равно на ваши намерения. Технологии, уравнивающие права, всегда производят аристократические результаты. Так было каждый раз.
ИИ не будет исключением и проявит себя еще более экстремально.
Форма эволюции рынка
Когда Spotify выпустился, он сделал действительно радикальную вещь: он позволил любому музыканту на Земле получить каналы дистрибуции, которые ранее были доступны только звукозаписывающим компаниям, маркетинговым бюджетам и невероятной 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 заставили слушателей, которые больше не ограничены географией или полочным пространством, тяготеть к самому лучшему контенту. Spotify не достиг всеобщности в музыке, 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 более жестокую экономику внимания. Больше участников, выше ставки наверху, та же базовая форма: крайне малое число людей получает绝大部分 ценности.
Мы удивлены этим, потому что привыкли мыслить линейно — мы ожидаем, что рост производительности распределится равномерно, как вода, налитая в плоский контейнер. 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 раскрыли его.
Подумайте о законе 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 практически для всех форм жизни. Никто не проектировал это распределение, оно просто является формой, которую принимает энергия, следуя своей внутренней логике в сложных системах.
Рынки — это сложные системы, внимание — это ресурс. Когда трение исчезает — когда география, полочное пространство и стоимость дистрибуции больше не выступают буфером — рынок стремится к своей естественной форме. Эта форма — не колоколообразная кривая нормального распределения, а степенной закон. История уравнивания прав сосуществует с аристократическими результатами, 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 продвинет этот процесс быстрее и жестче, чем любая предыдущая технология. Нижний уровень повышается в реальном времени — любой может выпустить продукт, разработать интерфейс, написать рабочий код. Но потолок тоже поднимается, и поднимается быстрее. Вопрос, который стоит задать: что именно определяет ваше конечное положение?
Когда исполнительность становится дешевой, вкус становится сигналом
В 1981 году Стив Джобс (Steve Jobs) настаивал, чтобы плата внутри первого Macintosh была красивой. Не снаружи, а внутри — та часть, которую клиент никогда не увидит. Его инженеры думали, что он сумасшедший. Но он не был сумасшедшим. Он понял нечто, что легко отвергнуть как перфекционизм, но что на самом деле ближе к доказательству: то, как ты делаешь что-либо, это то, как ты делаешь всё. Человек, который может сделать скрытые части красивыми, не демонстрирует качество, он по своему характеру не может терпеть выпуск чего-либо второго сорта.
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 просто изображает превосходство. Удостоверения (Credentials) помогают, но ими можно манипулировать; происхождение (Pedigree) помогает, но его можно унаследовать.真正难以伪造的是审美(Taste) — то есть устойчивое, наблюдаемое, высокое соблюдение некоторого стандарта, которого никто не требовал. Джобсу не нужно было делать плату такой красивой. Он сделал это, и сам этот факт говорит вам о том, как он поступит в ситуациях, которые вы не видите.
Большую часть последнего десятилетия этот сигнал был в некоторой степени скрыт. В расцвете SaaS (примерно с 2012 по 2022 год) исполнительность стала настолько стандартизированной, что дистрибуция (Distribution) стала真正 дефицитным ресурсом. Если вы могли эффективно привлекать клиентов, строить sales-машину, достигать «правила 40» (Rule of 40) — сам продукт почти не имел значения. Пока ваша стратегия выхода на рынок (Go-to-market) 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 кодекс за один день, то вопрос «работает ли эта штука» перестает быть фактором дифференциации. Вопрос становится: действительно ли это превосходно? Знает ли этот человек разницу между «хорошим» и «безумно великим» (Insanely great)? Заботятся ли они достаточно, чтобы закрыть этот 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 отказаться от них в следующем квартале. Затраты на переход реальны, режимы отказов 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, которые можно подать. Он говорит: создавшие его люди вложили душу. Они заботятся о той части, которую вы видите, а это означает, что они, вероятно, позаботятся и о той части, которую 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 делала ее почти невидимой. Было время, когда самый важный навык в индустрии программного обеспечения даже не касался самого ПО.
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 помощью найма, следуя установленным шаблонам, достигая приемлемого уровня при достаточных ресурсах.真正稀缺ным, что отделяло победителей от середняков, была способность 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, которые преуспели в этой среде, в основном были из sales, консалтинга или финансов. Они прекрасно разбирались в показателях, которые десять лет назад звучали как китайская грамота: Net Dollar Retention (NDR), Average Contract Value (ACV), Magic number, Rule of 40. Они жили в электронных таблицах и проверках sales pipeline, и в этом контексте они были правы. Расцвет SaaS породил основателей эпохи 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 подготовительных школ Дели, Мумбаи или Бангалора — тех учреждений, которые были созданы специально для этой цели. Я был первым человеком в истории моего штата, поступившим в MIT. Я говорю это не для хвастовства, а потому что это миниатюрная версия аргумента этой статьи: Когда порог входа ограничен, происхождение (Pedigree) предсказывает результат; когда порог входа открыт, побеждают углубленные люди (Deep people). В комнате, полной людей с известными родословными, я был ставкой на глубину. И это единственный способ ставить, который я знаю.
Я изучал физику, математику и информатику, в этих областях самые глубокие инсайты происходят не от оптимизации процессов, а от видения истины, которую другие упустили. Моя магистерская диссертация была о смягчении проблемы отстающих (Straggler mitigation) в распределенном машинном обучении: когда вы запускаете систему в large scale, и некоторые части отстают, как вы оптимизируете это ограничение, не нарушая целостность всей системы.
Когда я в свои двадцать с небольшим лет смотрел на мир стартапов, я видел картину, в которой эти глубокие инсайты казались неуместными. Рыночная премия отдавалась «выходу на рынок» (Go-to-market), а не самому продукту. Создание технологически превосходных вещей казалось несколько наивным — это рассматривалось как отвлечение от «настоящей игры» (то есть привлечения, удержания клиентов и скорости продаж).
Затем, в конце 2022 года, среда изменилась.
То, что показал ChatGPT — более интуитивно и впечатляюще, чем многолетние исследовательские работы — 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 увидел бесконечные возможности новой фазы, пока другие еще не поняли цену.
Поэтому я уволился с работы и основал Warp.
Эта ставка была очень конкретной. В США существует 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-услуг (Payroll provider) решал эту проблему одинаково: набрасывал людей. Тысячи экспертов по compliance вручную лавировали в этих системах, которые никогда не проектировались для масштабирования. Традиционные гиганты — ADP, Paylocity, Paychex — построили целые бизнес-модели вокруг этой сложности, они не решали сложность, а поглощали ее в количество сотрудников и перекладывали затраты на клиентов.
В 2022 году я видел, что ИИ-агенты (Agents) еще хрупки. Но я также видел кривую улучшений. Человек, углубленный в large-scale распределенные системы,近距离 наблюдающий за траекторией развития моделей, мог сделать точную ставку: хрупкая на тот момент технология через несколько лет станет невероятно мощной. Поэтому мы поставили: построить с первого принципа AI-native платформу, начав с самого сложного workflow в этой категории — того, который из-за архитектурных ограничений традиционные гиганты никогда не смогут автоматизировать.
Сейчас эта ставка оправдывается. Но более масштабный момент заключается в распознавании模式. Технические основатели эпохи ИИ обладают не только инженерным преимуществом, но и преимуществом洞察. Они видят разные точки входа, делают разные ставки. Они могут审视 систему, которую все默认为 «постоянно сложную», и спросить: что нужно для真正的自动化? Затем, ключевой момент, они могут亲手构建答案.
Правители эпохи расцвета SaaS были рациональными оптимизаторами в условиях ограничений.而 ИИ удаляет эти ограничения и устанавливает новые. В новой среде дефицитным ресурсом становится не дистрибуция, а способность видеть возможности — а также вкус и вера, чтобы构建 их до应有的标准. Но есть и третья переменная, решающая всё, и именно здесь основатели эпохи ИИ совершают катастрофическую ошибку.
Долгая игра на высокой скорости
Сейчас в предпринимательских кругах流行 такой мем (Meme): у вас есть два года, чтобы избежать постоянного пребывания на дне. Строй быстро, привлекай финансирование быстро, либо выход (Exit), либо провал.
Я понимаю, откуда берется такое мышление. Скорость развития ИИ вызывает ощущение экзистенциального кризиса,窗口期抓住 волны кажется极窄. Молодые люди, видящие в Twitter истории об успехе за одну ночь,理所当然 считают, что суть игры в скорости — победители те, кто бежит быстрее всех за最短кое время.
Это правильно в совершенно错误的 измерении.
Скорость исполнения действительно至关重要. Я глубоко в это верю — это даже высечено в названии моей компании (Warp). Но скорость исполнения не равна короткому горизонту планирования. Основатели, которые смогут построить самые ценные компании в эпоху ИИ, — это не те, кто спринтует два года и обналичивается. Это те, кто спринтует десять лет и наслаждается сложным процентом.
Короткосрочность ошибочна потому, что: самые ценные вещи в программном обеспечении — приватные данные, глубокие отношения с клиентами, реальные затраты на переход, экспертиза на регуляторном уровне — требуют лет для накопления и не могут быть быстро скопированы, независимо от того, сколько капитала или возможностей ИИ принесет конкурент. Когда Warp обрабатывает payroll для межштатных компаний, мы накапливаем данные о compliance across thousands of юрисдикций. Каждый решенный налоговый запрос, каждый обработанный пограничный случай, каждая completed государственная регистрация тренируют систему, которая со временем становится все более трудной для复制. Это не фича, это ров, который существует потому, что мы работали extremely качественно в течение достаточно длительного времени, так что это создало плотность качества.
Этот сложный процент невидим в первый год. На второй год он мерцает. К пятому году — это вся игра.
Бывший CEO Snowflake Фрэнк Слутман (Frank Slootman), который создал и масштабировал больше software-компаний, чем кто-либо еще, сказал об этом кратко: привыкайте к состоянию «дискомфорта». Не для спринта, а как к постоянному состоянию. «Туман войны» раннего 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 могут持久, — не те, кто нашел определенность, а те, кто научился ясно двигаться в тумане.
Строительство компании невероятно жестоко, и эту жестокость трудно передать тем, кто этого не делал. Вы живете в состоянии持续ного 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 приведет к концу. Те «успехи за одну ночь», которые вы видите в Twitter, — это не только выбросы в степенном распределении, но и крайности среди выбросов. Оптимизировать свою стратегию на основе этих кейсов — 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, 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 с нуля», — 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 верой в течение достаточно длительного цикла — 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 позволили 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, способные продержаться до конца и увидеть результат, за эти десять лет.
Потом, на что никто не обращает внимания
Итак, каким же будет программное обеспечение на том берегу всего этого?
Оптимисты говорят, что ИИ создает изобилие — больше продуктов, больше создателей, больше ценности распределяется между большим количеством людей. Они правы. Пессимисты говорят, что ИИ разрушает рвы программного обеспечения — anything можно скопировать за один день, 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 точечных решений (Point solutions) — крошечные, функциональные, сгенерированные ИИ инструменты, достаточные для решения某些 узких проблем. Многие из них даже не будут построены компаниями, а будут разработаны частными лицами или внутренними командами для решения их собственных болевых точек. Для某些低门槛, легко заменяемых категорий программного обеспечения рынок станет真正民主тизирован. Нижний уровень высок, конкуренция яростна, а margins тонки как крылья цикады.
Но для критически важного бизнес-программного обеспечения (Business-critical software) — тех систем, которые обрабатывают денежные потоки, compliance, данные сотрудников и юридические риски — ситуация совершенно иная. Это workflows с极低容忍度 к ошибкам. Когда система payroll выходит из строя, сотрудники не получают деньги; когда налоговая декларация заполнена неверно, IRS придет; когда взносы на benefits прерываются в период open enrollment, реальные люди теряют страховку. Люди, выбирающие программное обеспечение, несут ответственность за последствия. Эту ответственность нельзя переложить на ИИ, «виброкодированный» (vibecoded) во второй половине дня.
Для этих workflows предприятия продолжат доверять поставщикам. Среди этих поставщиков динамика «победитель получает все» будет более экстремальной, чем в предыдущих поколениях программного обеспечения. Это не только потому, что сетевые эффекты сильнее (хотя это так), но и потому, что преимущество сложного процента AI-native платформы, работающей в large scale, накапливающей приватные данные за миллионы транзакций и тысячи пограничных случаев compliance, делает догоняющий старт с места практически невозможным для поздно пришедших. Ров — это уже не набор функций, а качество, осевшее в результате长期 поддержания высоких стандартов работы в области, которая наказывает за ошибки.
Это означает, что консолидация рынка программного обеспечения превысит уровень эпохи SaaS. Я ожидаю, что через десять лет в сфере HR и payroll не будет 20 компаний с долями рынка в个位数 процентов. Я ожидаю, что две-три платформы будут захватывать绝大部分 ценности, а длинный список точечных решений практически не получит своей доли. Та же модель повторится в каждой категории программного обеспечения, 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-native архитектуре с первого дня; работают на тех рынках, где нынешние гиганты не могут структурно ответить, не разобрав свой существующий бизнес. Они рано сделали уникальную ставку на проницательность — увидели какую-то еще не оцененную истину, созданную ИИ — и придерживались ее достаточно долго, пока сложный процент не стал очевиден.
Я一直在抽象地描述这类创始人. Но я очень清楚他是谁, потому что я стараюсь стать им.
Я основал Warp в 2022 году, потому что я верил, что весь стек employee operations — payroll, tax compliance, benefits, onboarding, управление устройствами, HR processes — построен на ручном труде и старой архитектуре, и ИИ может полностью заменить их. Не улучшить, а заменить. Ветераны-гиганты построили бизнес на миллиарды долларов, поглощая сложность в количестве сотрудников; а мы построим, устраняя сложность в источнике.
Три года доказали эту ставку. С момента запуска мы обработали более 500 миллионов долларов транзакций, быстро растем и обслуживаем компании, строящие самые важные технологии в мире. Каждый месяц накапливаемые нами данные о compliance, обработанные пограничные случаи, построенные интеграции делают платформу все более трудной для复制ования и более ценной для клиентов. Ров еще на ранней стадии, но он уже формируется и ускоряется.
Я говорю вам это не потому, что успех Warp предопределен — в мире степенного распределения ничто не предопределено — а потому, что логика, которая привела нас сюда, это именно 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 посмотреть, правы ли вы.
Превосходные компании эпохи ИИ будут построены теми, кто понял: доступ никогда не был дефицитным ресурсом, проницательность (Insight) — вот что дефицитно; исполнительность никогда не была рвом, вкус (Taste) — вот что ров; скорость никогда не была преимуществом, глубина (Depth) — вот что преимущество.
Степенной закон不在乎 ваши намерения. Но он награждает правильные намерения.
