От редакции: ИИ внедряется в компании, но настоящий вопрос не в том, «использовать ли агентов», а в том, смогут ли эти агенты понять саму компанию.
Эта статья, взяв за основу первые 100 дней автора в компании Ramp, рассматривает более фундаментальную проблему: быстрорастущая компания не может полагаться только на то, что новички медленно читают документы, задают вопросы коллегам и восполняют контекст, а также не может позволить каждому инструменту ИИ работать в одиночку. По-настоящему важно построить постоянно обновляемый «мозг компании», который аккумулирует собрания, документы, обсуждения в Slack, отзывы клиентов и продуктовые решения, позволяя и новым сотрудникам, и агентам исходить из одного и того же контекста.
Когда контекст систематизирован, адаптация перестает быть долгим процессом приспособления, а ИИ перестает быть набором изолированных инструментов. Ценность корпоративного ИИ, в конечном счете, может заключаться не в том, сколько агентов развернуто, а в том, сможет ли компания сначала создать надежную, понятную и пригодную для повторного использования базу знаний.
Далее следует оригинальный текст:
В эстафете 4×100 метров победа часто определяется не всей дистанцией, а сжата в зоне передачи протяженностью 20 метров. Бегуны должны передать эстафетную палочку на высокой скорости: если принимающий стартует слишком рано, палочка упадет; если слишком поздно, передающий вынужден замедлиться, и вся команда моментально потеряет преимущество. Если сам процесс передачи недостаточно точен — сбой в позиции рук, угле, моменте — результатом также может быть потеря палочки.
У команды могут быть самые быстрые спортсмены на всей дистанции, но она все равно проиграет на этих 20 метрах. Скорость важна, передача тоже важна. Истинный победитель определяется тем, могут ли оба фактора совпасть.
Каждая передача должности, которую я видел, по сути, похожа на эстафету, с той лишь разницей, что один из бегунов все еще стоит на стартовых колодках. Новичок приходит в понедельник, все начинается с нуля; организация же не замедляется и продолжает двигаться вперед в прежнем темпе. В итоге новичок может только читать документы, скрываться в Slack, задавать одни и те же вопросы и потратить три месяца на то, чтобы понять, как работает организация, пока он, наконец, не станет «полезным».
Обычно мы воспринимаем этот разрыв как проблему времени, будто бы, если подождать достаточно долго, новичок естественным образом догонит. Но это не так. Этот разрыв либо решается системой, либо продолжает существовать.
Контекст — настоящая система передачи в организации
Я работаю в Ramp около 100 дней. До этого я пять лет работал в Plaid, знал каждый продукт, каждую историю клиента и контекст, стоящий за каждым решением. Я мог без раздумий рассказать эти истории. Но, приходя в Ramp, я почти ничего об этом не знал.
А суть продуктового маркетинга как раз и заключается в том, чтобы рассказывать истории. Если вы не знаете персонажей, сюжета и предыстории, вы не сможете по-настоящему хорошо рассказать эту историю.
С первого дня моей целью было построить продукт-маркетинговую организацию, изначально ориентированную на ИИ (AI-native). Но чтобы сделать это при отсутствии контекста, мне сначала пришлось расширить свою собственную базу знаний — тот самый «контекстный слой», который лежит в основе всей работы.
Ramp — компания, известная своей скоростью. Здесь нет места для фразы «медленно наверстаем в следующем квартале». Компания каждую неделю выпускает, итеративно улучшает и продвигает. Либо ты успеваешь за ритмом, либо становишься дополнительными издержками в работе организации.
В то же время я проходил еще один уровень адаптации. Ramp уже быстр, но изменения в ИИ происходят еще быстрее, и мне пришлось одновременно изучать новую компанию и новую рабочую среду. Я не инженер, последний раз я открывал терминал на университетских курсах по информатике. То есть мне нужно было и восполнить организационный контекст, и адаптироваться к новому способу работы с ИИ, и эти две задачи, накладываясь друг на друга, только увеличивали сложность.
В конечном итоге то, что вывело меня из этого давления, было не завершение какой-то конкретной статьи, релиза продукта или рабочего процесса, а отношение к самому «контексту» как к результату работы. Если контекстный слой построен правильно, вся последующая работа будет обходиться дешевле.
Итак, я начал строить нечто действительно масштабируемое: систему, которая могла бы помочь мне быстро наверстать упущенное так же, как хорошая вики помогает исследователю. К третьей неделе она уже могла черновые наброски контента на основе моих заметок; к восьмой неделе — резюмировать собрания, на которых я не присутствовал. Обучение и наверстывание не исчезли, но по мере наполнения системы их стоимость стала с каждым днем снижаться.
Персональная версия этой идеи существует уже некоторое время. Бывший руководитель ИИ в Tesla, сооснователь OpenAI Андрей Карпаты в апреле написал статью, описывая то, что он назвал «персональным LLM-хранилищем знаний»: папку для хранения исходных материалов, включая научные статьи, статьи, транскрипты и личные заметки; LLM, генерирующую вики на основе этих материалов; и редактор типа Obsidian в качестве фронтенда. Когда материалов накапливается около 100 статей, LLM может отвечать на сложные вопросы, опираясь на личный корпус текстов, без необходимости в сложных техниках поиска.
Его суждение: здесь есть возможность для появления по-настоящему выдающегося нового продукта, а не просто набора сшитых на скорую руку скриптов.
Персональная версия существует уже сегодня. Но корпоративной версии еще нет. В этом и заключается проблема.
В общих чертах, вот какую систему я построил за первые 100 дней. Она еще не отшлифована, но вместе ее части составляют «соединительную ткань» внутри организации.
В основе лежит хранилище Obsidian vault, которое читает и в которое пишет Claude. Транскрипты собраний, документы, публичные высказывания и личные заметки, с которыми я сталкиваюсь, попадают в это хранилище знаний. Когда я спрашиваю: «Что именно мы с Джеффом решили три недели назад насчет главной страницы?», оно ищет ответ в этом хранилище, а не полагается на обобщенные воспоминания самой модели.
Чтобы постоянно пополнять это хранилище контентом, Granola по умолчанию записывает каждое собрание и архивирует транскрипты ночью. Таким образом, собрание, пропущенное мной в понедельник, к среде уже можно запросить. Чтобы остальные в компании тоже могли успевать, я выбрал открытую работу — большая часть того, что я строю, сначала появляется в каналах #team-pmm или соответствующих релизных проектов, и только потом попадает в документы Notion. Сам процесс построения является механизмом синхронизации.
Поверх этого хранилища есть небольшая библиотека именованных навыков (skills), которые агенты могут вызывать по мере необходимости. Один навык может генерировать повестку дня на основе моих последних четырех встреч с определенным человеком; другой — сканировать продуктовые обновления за неделю в Slack и превращать их в темы для статей. Каждый навык — это примерно 200 строк markdown, заменяющих тип работы, которую раньше приходилось делать вручную.
Кроме того, я построил динамическую продуктовую дорожную карту на основе внутренней платформы приложений Ramp. Она читает тот же контекстный слой, поэтому она не устаревает, поскольку изначально не является статичным документом. Есть также ежедневный утренний дайджест, который приходит мне в личные сообщения Slack в 8 утра: что было запущено вчера, где возникли задержки, на что мне нужно отреагировать. Все это уже было обработано, пока я спал.
По отдельности эти вещи не производят впечатления. Но вместе они дают работающий ответ: если бы у компании была такая же вики, какую описал Карпаты, как бы она выглядела?
Вы можете называть это вики, графом знаний, контекстным слоем или мозгом компании. Название не важно, важна функция. Он должен уметь поглощать все сигналы, которые уже генерирует компания: собрания, обсуждения в Slack, документы, код, транскрипты, звонки с клиентами и ключевые решения, и при этом непрерывно обновляться без ручного обслуживания. Он также должен стать тем, что каждый новый сотрудник, каждый новый агент будет считывать в первую очередь перед началом работы.
Если завтра придет новый сотрудник, что он должен прочитать в первый день? Если честный ответ — документ в Notion за 2024 год плюс неработающая ссылка на Confluence, то по сути это означает передачу ему эстафеты с места.
От точечных инструментов к мозгу компании: настоящий пробел в ИИ
Сегодня основной способ внедрения ИИ в компании по-прежнему зависит от forward-deployed engineers («инженеров, развертывающих решения на месте»). Будь то OpenAI, Anthropic или крупные консалтинговые компании, они выбирают построение конкретных рабочих процессов поверх модели.
Эта работа реальна и имеет ценность. Но она все еще застряла в «эре чат-ботов» корпоративного ИИ: узкие инструменты, инкапсулированные под конкретную задачу, полезные по отдельности, но не подключенные к системе, которая может приносить постоянную сложную прибыль.
Настоящего «мозга компании» еще не существует. Агент поддержки клиентов и агент по адаптации сотрудников в HR, возможно, были построены разными командами в разные месяцы. Они не знают, что было решено на последнем общем собрании, как компания понимает свой рынок или какие выводы сделал руководитель отдела продаж на последнем выездном совещании руководства. Каждый агент — это просто чат-бот с конкретными обязанностями, но у них нет общего мозга.
Вот самый большой пробел на сегодняшний день. И за пределами лабораторий почти никто не создает продукты, решающие эту проблему.
Если в 2026 году вы будете собирать команду или создавать компанию, порядок действий уже отличается от 2022 года. Сначала напишите контекстный файл, затем установите инструменты. Записывайте каждое собрание. Сначала постройте вики, затем — дашборды. Сдавайте в эксплуатацию навыки, а не слайды. Пусть новичок в первый день читает вики, а на второй уже начинает пополнять ее. Нанимайте и продвигайте тех, кто заставляет «мозг компании» постоянно работать, и также используйте агентов, которые действительно считывают мозг компании.
Контекст — это не побочный проект. Это инфраструктура, которая позволяет всем инвестициям в ИИ по-настоящему окупаться.
Сейчас я строю часть этого в Ramp: вики, библиотеку навыков, приложения, считывающие информацию из того же контекстного слоя, и организационные механизмы для постоянного его пополнения. Это еще мало и находится на ранней стадии. Если вы тоже пытаетесь построить корпоративную версию где-то еще, я был бы рад обменяться опытом. Полезнее одного надежного мозга — два мозга, оказавшихся в одной комнате.
Возвращаясь к эстафете. Истинное условие победы — не самая чистая передача и не самый быстрый этап, а то, чтобы оба фактора произошли одновременно на одном и том же 20-метровом отрезке.
Новый сотрудник считывает мозг компании и начинает спринт. Новый агент считывает мозг компании и начинает работать. Новый клиент подключается к мозгу компании и с первого дня оказывается в рабочем состоянии.
Когда слово «адаптация» (ramp-up) перестанет иметь смысл, мы поймем, что все сделали правильно.
