Автор: Naman Bhansali
Компиляция: Deep Tide TechFlow
Оригинальное название: ИИ не реализует технологическое равенство, а лишь вознаграждает подходящих людей
Deep Tide: На начальном этапе 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 неинтуитивную истину: чем больше технологии снижают порог входа (Floor), тем выше поднимается потолок (Ceiling) отрасли.
В эпоху, когда исполнение становится дешевым и даже может быть «виброкодировано» ИИ, автор считает, что настоящим рвом уже не является просто распределение трафика, а трудноподделываемый «вкус» (Taste), глубокое понимание базовой логики сложных систем и терпение для непрерывного сложного процента в масштабе десяти лет. Эта статья представляет собой не только холодные размышления о предпринимательстве в сфере ИИ, но и убедительное доказательство степенного закона (power law) о том, что «народные технологии приводят к аристократическим результатам».
Полный текст如下:
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. Камеры в телефонах 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 присоединяется к конкуренции. Но такие предсказания всегда упускают потолок (The ceiling). Потолок поднимается быстрее. А разрыв между нижним уровнем и потолком — то есть между средним уровнем и высшим уровнем — не сокращается, а увеличивается.
Это характеристика степенного закона (Power laws): ему все равно на ваши намерения. Эгалитарные технологии всегда производят аристократические результаты. Так было каждый раз.
ИИ не будет исключением и даже проявит себя еще более экстремально.
Форма эволюции рынка
Когда Spotify выпустился, он сделал действительно радикальную вещь: он позволил любому музыканту на Земле получить доступ к каналам дистрибуции, которые раньше 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 обещалось.
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. Spotify не реализовал музыкальное равенство, 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: крошечное меньшинство получает подавляющую часть ценности.
Мы удивляемся этому, 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 revealed it.
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 оно сохраняется с чрезвычайно высокой точностью практически во всех формах жизни. Никто не designed 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 служат буфером — рынок сходится к своей естественной форме. Эта форма — не колоколообразная кривая нормального распределения, а степенной закон. Эгалитарная история с аристократическими результатами сосуществует, и именно поэтому каждая новая технология застает нас врасплох. Мы видим, как поднимается дно, и предполагаем, что потолок следует с той же скоростью. Это не так, потолок ускоряется и удаляется.
ИИ будет продвигать этот процесс быстрее и жестче, чем любая предыдущая технология. Дно поднимается в реальном времени — любой может выпустить продукт, разработать интерфейс, написать production-код. Но потолок тоже поднимается, и поднимается быстрее. Стоит задаться вопросом: что именно определяет ваше конечное положение?
Когда исполнение становится дешевым, вкус становится сигналом
В 1981 году Стив Джобс (Steve Jobs) настаивал на том, что печатные платы внутри оригинального Macintosh должны быть красивыми. Не снаружи, а внутри — ту часть, которую клиент никогда не увидит. Его инженеры считали его сумасшедшим. Но он не был сумасшедшим. Он понял нечто, что легко отвергнуть как перфекционизм, но что 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 исполняет качество, он по своему характеру не может терпеть выпуск чего-либо неидеального.
Это важно, потому что доверие трудно построить, но его легко подделать на короткое время. Мы постоянно используем эвристики (Heuristics), пытаясь выяснить, кто действительно превосходен, а кто просто исполняет превосходство. Учетные данные (Credentials) помогают, но ими можно манипулировать; происхождение (Pedigree) помогает, но его можно унаследовать. Что действительно трудно подделать, так это вкус (Taste) — то есть устойчивое, наблюдаемое, высокое соблюдение некоторого стандарта, которого никто не требовал. Джобсу не нужно было делать платы такими красивыми. Он сделал это, и сам этот факт говорит вам о том, как он поступит в местах, которые вы не видите.
Бóльшую часть последнего десятилетия этот сигнал был в некоторой степени замаскирован. В расцвет SaaS (примерно с 2012 по 2022 год) исполнение стало настолько стандартизированным, что дистрибуция (Distribution) стала truly scarce resource. 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 работоспособный кодовая база за один день, то вопрос «работает ли это» перестает быть differentiating factor. Вопрос становится таким: действительно ли это превосходно? Знает ли этот человек разницу между «хорошим» и «безумно великим» (Insanely great)? Заботятся ли они достаточно, чтобы bridged that last gap, даже если их не заставляют?
Это особенно верно для критически важного для бизнеса программного обеспечения (Business-critical software) — тех систем, которые обрабатывают payroll, compliance, данные сотрудников. Это не продукты, которые можно попробовать и отказаться 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 свои trust heuristics. Красивый продукт — один из самых громких сигналов, которые можно подать. Он говорит: тот, кто построил это, заботился. Они заботятся о том, что вы видите, а значит, они, вероятно, позаботятся и о том, чего вы не видите.
В мире, где исполнение дешево, вкус — это доказательство выполненной работы (Proof of work).
Что вознаграждает новая фаза
Эта логика всегда была верна, но в течение последнего десятилетия рыночная среда сделала ее почти невидимой. Было время, когда самый важный навык в software даже не касался самого 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 этим с помощью найма, следуя установленным шаблонам, достигая passing grade при достаточных ресурсах. По-настоящему дефицитным, что отделяло победителей от посредственностей, была способность к дистрибуции. Можете ли вы эффективно привлекать клиентов? Можете ли вы создавать повторяемые sales motions? Достаточно ли вы понимаете unit economics, чтобы подлить масла в огонь роста в нужный момент?
Основатели, которые преуспели в этой среде, в основном пришли из sales, консалтинга или финансов. Они жили и дышали метриками, которые десять лет назад звучали бы как тарабарщина: 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 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 во всей Индии только около трех студентов поступают в Массачусетский технологический институт (MIT). Без исключения, все они поступали из дорогих подготовительных школ в Дели, Мумбаи или Бангалоре — тех учреждений, которые были созданы specifically для этой цели. Я стал первым человеком в истории моего штата, поступившим в MIT. Я говорю это не для того, чтобы похвастаться, а потому что это миниатюрная версия аргумента этой статьи: когда порог входа ограничен, происхождение (Pedigree) предсказывает результат; когда порог входа открыт, побеждают глубокие люди (Deep people). В комнате, полной людей с безупречным происхождением, я был ставкой на глубину. И это единственный способ ставить, который я знаю.
Я изучал физику, математику и информатику, области, где самые глубокие инсайты приходят 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 ставя под угрозу целостность целого.
Когда я, двадцати с небольшим лет, смотрел на мир стартапов, я видел картину, где эти глубокие инсайты казались неуместными. Рыночная премия доставалась «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 клиентов, удержания 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 безграничный потенциал новой фазы, пока другие 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 соответствия. Здесь нет API, нет программного доступа. Десятилетиями каждый поставщик payroll services обрабатывал эту проблему одинаково: набрасывал людей. Тысячи экспертов по compliance вручную navigate 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 AI агенты (Agents) еще хрупки. Но я также видел кривую улучшений. Человек, глубоко разбирающийся в large-scale distributed systems, внимательно наблюдающий за trajectory модели, мог сделать точную ставку: хрупкая на тот момент технология через несколько лет станет невероятно мощной. Поэтому мы поставили: построить AI-native платформу с first principles, starting с самого сложного workflow в этой категории — того, который из-за architectural constraints традиционные гиганты никогда не смогут автоматизировать.
Сейчас эта ставка оправдывается. Но более масштабный момент — это распознавание pattern. Технические основатели эпохи ИИ обладают не только инженерным преимуществом, но и преимуществом инсайта. Они видят разные точки входа, делают разные ставки. Они могут审视 систему, которую все принимают как «перманентно сложную», и спросить: что нужно для истинной автоматизации? Затем, ключевой момент, они могут своими руками построить ответ.
Правители эпохи расцвета SaaS были рациональными оптимизаторами в условиях ограничений. ИИ удаляет эти ограничения и устанавливает новые. В новой среде дефицитный ресурс — уже не дистрибуция, а способность видеть возможность — а также вкус и убежденность, чтобы построить это до должного стандарта. Но есть и третья переменная, решающая все, и именно здесь большинство основателей эпохи ИИ совершают катастрофическую ошибку.
Долгая игра на высокой скорости
Сейчас в startup-кругах流行迷因 (Meme): у вас есть два года, чтобы избежать permanent mediocrity. Строй быстро, привлекай финансирование быстро, либо выход (Exit), либо смерть.
Я понимаю, откуда берется такое мышление. Скорость развития ИИ вызывает ощущение экзистенциального кризиса, окно возможностей поймать волну кажется очень узким. Молодые люди, видящие истории об overnight success в Twitter,理所当然地 считают, что суть игры — в скорости — победители те, кто бежит быстрее всех за кратчайшее время.
Это правильно в совершенно错误的 измерениях.
Скорость исполнения действительно имеет решающее значение. Я глубоко в это верю — это даже выгравировано в названии моей компании (Warp). Но скорость исполнения не равна short-sightedness зрения. 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.
Кратковременность ошибается в том, что самые ценные вещи в software — приватные данные, глубокие отношения с клиентами, реальные затраты на переход, экспертиза на regulatory — 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 tax notice, каждый обработанный edge case, каждая completed государственная регистрация тренируют систему, которая со временем становится все более трудной для копирования. Это не фича, это ров (moat), и он существует, потому что мы работали с extremely high quality достаточно долго, чтобы это создало density of quality.
Этот сложный процент невидим в первый год. На второй год он начинает проявляться. К пятому году — это вся игра.
Бывший CEO Snowflake Фрэнк Слутман (Frank Slootman), который построил и масштабировал больше software компаний, чем кто-либо другой, сказал об этом кратко: привыкайте к состоянию «дискомфорта». Не для спринта, а как к перманентному состоянию. «Туман войны» раннего стартапа — это чувство потери方向, неполная информация и 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 punctuated более высоким уровнем ужаса. Вы принимаете тысячи решений с неполной информацией, зная, что цепочка неправильных решений может привести к концу. Те «overnight success», которые вы видите в Twitter, являются не только выбросами в степенном распределении, но и крайними выбросами. Оптимизировать свою стратегию на основе этих случаев — все равно что готовиться к марафону, изучая результаты людей, которые побежали не туда и случайно пробежали 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 из ничего», — это тихое удушье от «так и не попробовать».
И — если вы поставили правильно, если вы увидели истину, которую другие еще не оценили, если вы executed с вкусом и убежденностью в достаточно длительном цикле — 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 расцвести тем, кто показывает себя лучше всего, 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 достаточно долго, чтобы увидеть конец.
Потолок, на который никто не обращает внимания
Итак, что же будет по ту сторону всего этого? Как будет выглядеть software?
Оптимисты говорят, что ИИ создает изобилие — больше продуктов, больше создателей, больше ценности, распределенной между большим количеством людей. Они правы. Пессимисты говорят, что ИИ разрушает рвы software — все можно скопировать за один день, защита мертва. Они тоже частично правы. Но обе стороны смотрят на дно (The floor), никто не смотрит на потолок (The ceiling).
В будущем появятся тысячи точечных решений (Point solutions) — крошечные, функциональные, сгенерированные ИИ инструменты, достаточно хорошие для решения某些 узких проблем. Многие из них даже не будут построены компаниями, а отдельными лицами или внутренними командами для решения своих own pain points. Для некоторых категорий software с низким порогом входа и легкой заменяемостью рынок станет truly democratic. Дно высоко, конкуренция fierce, маржа прибыли тонка как крыло цикады.
Но для критически важного для бизнеса программного обеспечения (Business-critical software) — тех систем, которые обрабатывают денежные flows, compliance, данные сотрудников и юридические риски — ситуация совершенно иная. Это workflows с практически нулевой терпимостью к ошибкам. Когда система payroll выходит из строя, сотрудники не получают деньги; когда налоговая декларация заполнена неправильно, IRS приходит с проверкой; когда взносы на benefits прерываются в период open enrollment, реальные люди теряют coverage. Люди, выбирающие software, must нести ответственность за последствия. Эту ответственность нельзя передать на аутсорсинг ИИ, который «виброкодировал» (vibecoded) что-то за день.
Для этих workflows предприятия продолжат доверять поставщикам. Среди этих поставщиков динамика «победитель получает все» будет более экстремальной, чем в предыдущих поколениях software. Это не только потому, что сетевые эффекты сильнее (хотя это так), но и потому, что AI-native платформа, работающая в large scale, накапливающая приватные данные за миллионы транзакций и тысячи edge cases compliance, имеет преимущество сложного процента, которое делает догоняющий «с места» практически невозможным. Ров — это уже не набор функций, а quality, накопленная за long-term поддержание высоких стандартов работы в области, которая наказывает за ошибки.
Это означает, что консолидация рынка software превысит таковую в эпоху SaaS. Я预计, что через десять лет в сфере HR и payroll не будет 20 компаний с однозначной долей рынка. Я预计, что две-три платформы будут захватывать подавляющую часть ценности, а длинный хвост точечных решений будет бороться за крохи. Такая же pattern повторится в каждой категории software, где действуют compliance complexity, накопление данных и затраты на переход.
Компании на вершине этого распределения будут выглядеть очень похоже: основаны технически подкованными людьми с настоящим product taste; построены на AI-native архитектуре с第一天; работают на рынках, где нынешние гиганты не могут структурно response, не разобрав свой существующий бизнес. Они рано сделали уникальную ставку на инсайт — увидели какую-то истину, созданную ИИ, которая еще не была оценена, — и придерживались ее достаточно долго, пока сложный процент не стал очевиден.
Я описывал这类 основателя абстрактно. Но я прекрасно знаю, кто он, потому что я стараюсь им стать.
Я основал Warp в 2022 году, потому что我相信, что весь стек employee operations — payroll, tax compliance, benefits, onboarding, управление устройствами, HR процессы — построен на ручном труде и устаревшей архитектуре, и ИИ может полностью заменить их. Не улучшить, а заменить. Старые гиганты построили бизнес на миллиарды долларов, поглощая сложность в количестве сотрудников; 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 накапливаемые нами данные, обработанные edge cases, построенные интеграции делают платформу более трудной для копирования 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 самая логика, которую я описал во всей статье: видеть истину. Копать глубже, чем кто-либо другой. Строить 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, инсайт (Insight) — да; исполнение никогда не было рвом, вкус (Taste) — да; скорость никогда не была преимуществом, глубина (Depth) — да.
Степенной закон не cares о ваших намерениях. Но он вознаграждает правильные намерения.
Twitter:https://twitter.com/BitpushNewsCN
Группа общения比推 TG:https://t.me/BitPushCommunity
Подписка比推 TG: https://t.me/bitpush
