Примечание редактора: В этой последней batch talk от YC, генеральный партнер YC Том Бломфилд обсуждает не "как использовать ИИ для повышения эффективности сотрудников", а более фундаментальный вопрос: когда ИИ перестает быть просто Copilot и становится способным воспринимать, принимать решения, использовать инструменты, получать обратную связь и самокорректироваться, как тогда следует перепроектировать саму компанию?

Ключевое убеждение Тома заключается в том, что традиционные компании все еще функционируют как "римские легионы": информация передается вверх по иерархии, а команды спускаются вниз по управленческой цепочке. Но ИИ разрушает эту организационную парадигму. По-настоящему важно не то, чтобы инженеры писали на 20% больше кода, а то, чтобы извлечь бизнес-знания, разбросанные в электронных письмах, Slack, встречах, документах и головах людей, превратив их в организационный контекст, доступный для чтения, вызова и итерации ИИ.

По его мнению, будущие AI-нативные компании будут состоять из серии рекурсивных, самосовершенствующихся AI-циклов: система воспринимает внешние изменения из писем клиентов, запросов в службу поддержки, продуктовых данных, затем выполняет решения через слой правил, инструментов и контрольных точек качества, и, наконец, автоматически обучается и корректируется на основе результатов. Внутри YC уже тестируют подобные механизмы: агент не просто отвечает на вопросы, но и отслеживает, какие запросы терпят неудачу, решает, нужны ли новые инструменты, базы данных или индексы, и автоматически отправляет код, проходит ревью, мерджит и деплоит. Другими словами, компания может оптимизироваться, пока основатель спит.

Это также означает, что влияние ИИ на компанию не ограничится уровнем инструментов, а изменит организационную структуру. Том выдвигает тезис "сжигайте токены, а не штатные единицы" — в будущем узким местом стартапов может стать не количество сотрудников, а использование токенов, качество бизнес-контекста и читаемость организационных знаний. Координационные функции, выполняемые средним менеджментом, будут в значительной степени заменены ИИ, в то время как индивидуальные вкладчики, ответственные лица и люди, способные работать с высокорисковыми суждениями в реальном мире, станут более важными.

Самое интересное не в том, что ИИ делает компанию эффективнее, а в том, что он меняет саму форму организации под названием "компания". Когда программное обеспечение может генерироваться на лету, процессы — автоматически улучшаться, а опыт — постоянно накапливаться в корпоративном мозге, основателям, возможно, действительно нужно строить не четко структурированную команду, а интеллектуальную систему, способную к непрерывному обучению и самооптимизации.

Ниже представлен оригинальный текст:

Переписывая способ функционирования: компании больше не должны работать как римские легионы

Эта часть немного основана на предыдущем выступлении Дианы. Видео с выходных уже вышло, оно отличное. Кроме того, Джек Дорси пару недель назад написал несколько твитов, которые я тоже нашел интересными, так что я "позаимствовал" немало его идей и вставил их в это выступление.

Это выступление будет довольно концептуальным, высокоуровневым, в основном о том, как нам следует переосмыслить построение компании.

Дизайн римского легиона по сути был предназначен для проецирования власти из центра, Рима, на два континента, вплоть до стены Адриана в Шотландии. Он опирался на вложенную иерархическую структуру, где у каждого уровня был стабильный диапазон контроля. У каждого уровня был четкий ответственный, который передавал команды вниз и информацию обратно наверх.

Если вы посмотрите на большинство компаний сегодня, они все еще похожи на римский легион: люди — это каналы для движения информации вверх и вниз. В твитах Джека Дорси мне очень запомнилась мысль, что мы всегда принимали как данность, что иерархическая организация — это лучший способ организовать экономические ценностные единицы. Но я считаю, что ИИ по сути разрушает это предположение.

Год назад, если бы вы спросили людей, для чего нужен ИИ, они обычно говорили бы о "производительности": например, Copilot повышает эффективность инженеров на 20%, интеграция Copilot в рабочий процесс помогает командам поставлять больше ПО. Но я думаю, это проблемный способ понимания. Это как поставить более мощный двигатель на старый способ работы. По-настоящему стоит задуматься не о том, как добавить ИИ-инструмент к старой организации, а о том, чтобы заново представить, что такое компания и как она должна функционировать.

Например, то, о чем только что говорил Гарри, я действительно верю, что один он сейчас может производить кода больше, чем целая инженерная команда. То, о чем я постоянно думаю, это как извлечь доменные знания внутри компании и определить их как контекст, набор навыков или как угодно еще.

Доменные знания, бизнес-знания, ноу-хау, которые раньше были разбросаны в головах людей, сообщениях Slack, письмах, документах Notion. Эта информация в совокупности определяет, как работает ваша компания. Как только вы сделаете эти знания четкими, читаемыми, вы сможете перейти от иерархической организации к интеллектуальной организации, управляемой AI-нативным программным обеспечением.

Делать компанию лучше во сне: как AI-циклы автоматически обнаруживают, исправляют и развертывают

ИИ — это не что-то внешнее, прикрепленное к компании. Это не просто инструмент для повышения эффективности инженеров. Я считаю, что мы можем переосмыслить компанию как набор рекурсивных, самосовершенствующихся AI-циклов. Это очень важный момент, потому что как только компания достигнет этой точки, она будет продолжать самооптимизироваться, даже пока вы спите.

Приведу пример.

Диана также упоминала этот AI-цикл в своем выступлении. У него сначала есть "сенсорный слой". Звучит сложно, но может быть простым: входящие письма от клиентов, запросы в поддержку, изменения кода, отписки пользователей, продуктовые телеметрические данные — все это сенсорные данные для получения информации из внешнего мира.

Затем идет слой стратегии или принятия решений, то есть правила: что может делать ИИ, для каких действий нужно разрешение человека, какие операции должны быть записаны. Далее — слой инструментов, что-то вроде skills и кода, о которых говорил Гарри, по сути детерминированные API, например, запросы к базе данных, просмотр календаря и т.д. — набор инструментов, которые может вызывать ИИ.

Затем контрольные точки качества, такие как детерминированные проверки, о которых говорила Ева, фильтры безопасности и человеческий контроль для высокорисковых вопросов. И наконец, механизм обучения: система взаимодействует с реальным миром, обнаруживает, что не работает, и отправляет обратную связь обратно в начало цикла.

Если каждый шаг может выполняться без вмешательства человека или с минимальным вмешательством, то система будет становиться лучше, пока вы спите.

Могу привести примеры из нашей текущей работы. Сначала мы создали агента, которому можно задавать вопросы, у него есть некоторые детерминированные инструменты для запросов к нашей базе данных. Например, простой вопрос: когда у меня в последний раз были office hours с этой компанией?

Потом он поумнел. Например, я провожу office hours с какой-то компанией, им нужно познакомиться с кем-то из нефтехимической отрасли. Система может различными способами запросить базу данных, используя RAG и другие методы, найти пять подходящих основателей и порекомендовать их для знакомства.

Но это все еще sidekick, помощник. Это подход к использованию ИИ прошлого года: ИИ делает меня как группового партнера более эффективным, повышает мою продуктивность на 20% или 30%.

По-настоящему "ага-момент" случился, когда мы добавили поверх этой системы агента-монитора. Он просматривает каждый запрос, инициированный каждым сотрудником YC, определяет, какие запросы успешны, а какие провалились. Затем он спрашивает: почему провалился? Что нужно, чтобы этот запрос был успешным? Нужны ли новые детерминированные инструменты? Нужно ли обновить файл skills? Нужна ли новая база данных? Новые индексы?

И это действительно теперь происходит автоматически по ночам. Он пишет код, отправляет merge request в репозиторий YC, другой агент проводит ревью, затем мерджит и деплоит. И на следующий день, когда человек задает тот же вопрос, запрос становится успешным.

Для меня это переломный момент. Это не просто делает человека на 20% или 30% более ценным. ИИ сам прошел цикл и нашел способ самоулучшиться.

Я считаю, что если вы сможете определить, какие части вашей компании могут работать так, и максимально сократить исполнительскую и надзорную роль человека в них, то вы сможете вложить токены в эту проблему, и компания будет продолжать улучшаться.

Других примеров много. Например, у вас есть данные продуктивной аналитики, и вы можете поручить агенту проанализировать продуктовые данные, найти точку наибольшего трения в воронке продаж. Он может изучить лучшие практики, настроить A/B-тест, запустить его на неделю, выбрать лучшую версию и развернуть.

Это будет происходить снова и снова. Ваш продукт получит самооптимизирующийся продуктовый цикл.

То же самое со службой поддержки. Постоянно поступают предложения от клиентов, вы можете использовать агента для их сортировки. Этот агент в каком-то смысле похож на вашего главного продуктового и главного технического директора, он должен решать: это предложение мы не хотим реализовывать — выкидываем; а то предложение соответствует нашему роадмапу — можно выполнить сегодня вечером. Затем пишет код, деплоит, выпускает, доставляет клиенту — полностью без участия человека.

Так что если вы сможете рассматривать каждую часть компании как самосовершенствующийся рекурсивный AI-цикл, она превратится в нечто совершенно отличное от "римского легиона" иерархической компании.

Меньше штатных единиц, больше токенов: AI-нативные компании преобразуют организационную структуру

Итак, что это означает, если вы хотите так делать?

Первое: сжигайте токены, а не наращивайте штат. Сейчас мы видим, что ко дню Demo Day доход на сотрудника у многих компаний примерно в 5 раз выше, чем 18 месяцев назад. Я считаю, эта тенденция продолжится и на стадиях A и B раундов. Скоро реальным ограничением будет не количество сотрудников, а объем использования токенов.

Самый грубый подход сейчас — измерять количество токенов на человека. Конечно, этот показатель в крайних случаях глуп, и его легко обмануть. Но по направлению он верный. Сейчас мы находимся в фазе исследования "что вообще возможно", поэтому каждый должен экспериментировать по максимуму, чтобы увидеть, на что способен этот новый сумасшедший интеллект.

Как только вы превратите это в таблицу лидеров и привяжете повышение или увольнение к этому показателю, его, конечно, начнут накручивать, и он исказится. Но в целом, понять, кто в организации использует токены по максимуму, а кто нет, — это действительно способ определить, на каких сотрудниках стоит сосредоточить время.

Я считаю, что эпоха среднего менеджмента закончилась. По крайней мере, для таких задач координации, я не думаю, что средний менеджмент еще нужен, этим должен заниматься ИИ.

На мой взгляд, в будущем есть две важные роли. Джек Дорси назвал три, но третья мне не очень нравится, так что я ее убрал. Я думаю, по-настоящему важны две роли: каждый должен быть IC, то есть индивидуальным вкладчиком, строителем, оператором. И ключевой момент — должен быть прямой ответственный человек. Для продвижения любого дела нужен четко названный ответственный человек, а не комитет и не группа людей.

Я считаю, что компанию完全可以 (полностью возможно) построить на IC. Средний менеджмент действительно закончился. А построение самоулучшающейся компании — это и есть это видение.

Кстати, я думаю, что все мы сейчас находимся на переднем крае этого дела. Мне также интересно, на каком этапе вы. Сейчас кажется, что все еще исследуют границы. Я не уверен, что есть уже кто-то, кто построил по-настоящему самоулучшающуюся компанию в каждой функции. Возможно, я ошибаюсь, и вы можете это доказать.

Что бы я сделал первым делом?

Первое очень важное дело — сделать всю организацию читаемой и понятной для ИИ. Что это значит? Значит, нужно записывать всё.

Проще говоря, сейчас все письма наших партнеров, если вы пишете партнеру YC, это письмо попадает в базу данных YC. Каждое сообщение Slack, каждый личный чат, каждые office hours — мы последние три-четыре месяца начали всё записывать. Всё, что происходит и записано, для ИИ это произошло; если не записано, для вашей интеллектуальной системы этого не было.

Только что я общался здесь с некоторыми основателями, мы говорили о многих хороших вещах, касающихся их компаний. После каждой беседы я думаю: мне действительно стоит записать этот разговор. Потому что один человек только что просил меня познакомить его с кем-то, и я даже не помню, с кем именно. Я тогда согласился, а потом попросил его прислать мне письмо, потому что знал, что точно забуду — мне еще предстоит пообщаться с 20 людьми.

Так что, возможно, это потребует телефонов, записывающих устройств, умных очков или микрофонов в каждой комнате. В общем, всё должно быть записано, чтобы ИИ мог это прочитать.

Затем, как сказал Гарри, нужно выполнить разделение говорящих и суммаризацию. Нельзя просто засунуть 100 тысяч часов записей прямо в контекстное окно. Их нужно обработать, агрегировать, сжать, выделить важное и оставить ИИ некоторые ключевые моменты.

Пример: кто-нибудь читал руководство пользователя YC? Надеюсь, каждый в этой комнате хотя бы открывал его. Ничего страшного. Большая часть того руководства была написана пять-десять лет назад и немного устарела.

На прошлых выходных Харшу пришла в голову мысль: раз у нас за последние три месяца накопилось около 2000 часов записей office hours, почему бы не перегенерировать новую версию руководства пользователя?

И можно дать системе набор инструкций: сначала обработать, сжать, обобщить записи, затем классифицировать по темам — финансирование, найм, разногласия соучредителей и т.д., и заставить ее написать новое руководство. К концу выходных он сгенерировал 150-страничное руководство, явно лучше существующей версии.

Что еще важнее, теперь мы можем обновлять его каждый месяц. Таким образом, наше руководство пользователя превратилось в самоулучшающуюся систему. Каждое новое предложение будет сравниваться с существующим руководством и либо впитываться, либо отбрасываться. Так руководство становится живым, постоянно обновляемым мозгом, содержащим наши еженедельные советы основателям.

Конечно, на этом оно не остановится. Вы можете подавать его как контекст для AI-агента. И тогда вы внезапно можете задавать вопрос суперинтеллектуальному ИИ и получать совокупную мудрость 16 партнеров YC. Но для этого эти знания должны быть читаемы для ИИ. Поэтому нужно записывать всё.

Второй пункт похож: если что-то создает артефакт, который может самоулучшаться и быть прочитанным ИИ — сохраняйте это; если нет — выбрасывайте.

Третий пункт: каждая функция должна уметь генерировать собственное программное обеспечение. Раньше мы могли бы сказать "дашборды", но теперь это не только дашборды, а программное обеспечение, генерируемое по требованию. Codex 5.5 сейчас достаточно хорош, и большинство простых внутренних программ и дашбордов можно сгенерировать один раз с довольно высоким качеством. На выходных я попробовал с некоторыми нашими внутренними вещами, и результат действительно невероятный.

Так что все внутренние операционные команды должны сидеть поверх этого слоя: обладать интеллектуальным пониманием бизнеса и сами генерировать дашборды и рабочие процессы.

И я бы рассматривал это ПО как полностью одноразовое. То, что действительно нужно очень бережно сохранять, — это данные. Как сказал Гарри, он сохраняет все письма в Markdown и никогда ничего не выбрасывает. Но само ПО — мимолетное, временное. Вы можете сгенерировать его и перегенерировать заново.

Истинную ценность представляет понимание бизнеса в головах людей: как работает эта функция, как мы проводим мероприятие YC и т.д. А собственно ПО для проведения мероприятия можно сгенерировать под это мероприятие, использовать и выбросить. Через месяц или два, когда модель поумнеет, вы выбросите старое ПО, снова дадите ей исходные инструкции и сгенерируете новую версию.

Так что я считаю, что ценность представляет бизнес-контекст и skills. ПО, построенное на них, — временно.

Итак, какова роль человека в этом мире?

Я думаю, мы обсуждаем по сути "корпоративный мозг". Я знаю, что в этой комнате много людей делают нечто подобное. Центральная часть — все ваши данные, все письма, личные сообщения, навыки, ноу-хау — это и есть корпоративный мозг.

Люди же находятся на периферии этого мозга, отвечая за взаимодействие с реальным миром. То есть люди — это точки соприкосновения этой интеллектуальной системы с реальностью. Люди могут входить в ситуации, куда модель пока не может. Например, живая встреча или какие-то новые, сложные ситуации. Телефонные звонки я хотел привести в пример, но сейчас ИИ тоже легко может войти в сценарий звонка.

Более типичны незнакомые ситуации, этические суждения, моменты высокого риска. Например, к нам приходит основатель и говорит, что рассматривает возможность расстаться с соучредителем. В такие по-настоящему высокорисковые, эмоционально насыщенные моменты вы все равно захотите, чтобы присутствовал человек.

Вот где место человека. Для многих ваших компаний то же самое с диалогами продаж. В ближайшие 20 лет, я думаю, в комнате во время продаж все равно будет нужен человек.

Так что, я считаю, люди будут находиться на периферии корпоративного мозга, отвечая за привнесение интеллекта в реальный мир.

Я уже превысил время, ведущий, наверное, скоро стащит меня со сцены. В конце оставлю вам вопрос: если бы вы сегодня заново основывали свою компанию, вы бы с самого начала спроектировали ее в такой форме?

Большинство ваших компаний еще достаточно малы, чтобы完全可以 (полностью) сделать это. Так что, я думаю, у вас нет никаких оправданий. И я знаю, что здесь присутствуют несколько человек, которые уже разбирают и перестраивают свои компании.

На этом я закончу и передам слово Питу. Спасибо всем.

[Ссылка на видео]