Pendiri Claude Code, Boris Cherny, berkongsi 7 penilaian utama mengenai AI di Konferensi Sequoia

Disusun: A Ying

Boris Cherny, pendiri Claude Code, berkongsi di Konvensi Sequoia, kandungannya sangat kaya, banyak pandangan yang saya dengar untuk pertama kalinya secara lengkap. Orang ini memang memahami AI dengan baik.

Saya berkongsi ringkasan saya sendiri.

Untuk banyak skenario pembangunan utama, tindakan menulis kod secara manual telah bermula menjadi perkara yang tidak efisien.

Dahulu, apabila satu fungsi perlu dilaksanakan, jurutera akan duduk, memikirkan dengan jelas bagaimana untuk melaksanakannya, kemudian menaip kod baris demi baris. Dalam proses ini, nilai utama jurutera ialah: adakah mereka boleh menulis, adakah mereka menulis dengan baik, dan adakah mereka menulis dengan cepat.

Cara kerja sekarang berbeza.

Fungsi yang sama, tindakan jurutera lebih seperti: menjelaskan keperluan terlebih dahulu, membahagikan perkara itu kepada beberapa bahagian untuk diberikan kepada Agen, menetapkan standard penerimaan, kemudian memeriksa sama ada hasil yang dihasilkan oleh Agen betul atau tidak; jika tidak betul, sesuaikan petunjuk dan minta ia berjalan semula.

AI kini mampu menangani sebahagian besar tugas pengkodean. Tentu saja, ia belum 100%, masih terdapat banyak perpustakaan kod yang besar dan kompleks, bahasa yang jarang digunakan, atau persekitaran khas, di mana model semasa masih belum mencapai prestasi yang memadai.

Secara keseluruhan, nilai seorang jurutera telah berubah dari kemampuan menulis kod kepada kemampuan membahagikan tugas, menjelaskan matlamat dengan jelas, mengesahkan hasil, dan mengurus Agent.

Perubahan ini sebenarnya sangat serupa dengan Revolusi Industri.

Sebelum Revolusi Industri, seorang tukang besi melakukan semua proses sendiri, dari menempa, membentuk, menghaluskan hingga merakit. Tukang besi yang mahir secara alami akan bernilai tinggi.

Kemudian garis pengeluaran muncul. Setiap pekerja hanya bertanggung jawab atas satu proses, tetapi keseluruhan output meningkat puluhan hingga ratusan kali ganda berbanding zaman buatan tangan.

Pada masa ini, peranan yang bernilai tinggi di pabrik bukan lagi pengrajin yang paling mahir dalam satu proses tertentu, tetapi orang yang mampu merekabentuk, mengurus, dan memastikan garis pengeluaran berjalan lancar.

Pekerja tidak hilang, tetapi peranan pekerja berubah.

Kejuruteraan perisian kini sedang mengalami titik balik yang serupa. Kod itu sendiri bukan lagi barang yang jarang. Kemampuan menulis kod sedang menjadi kemahiran asas seperti kemampuan menggunakan PPT.

Yang benar-benar langka ialah sama ada mampu membongkar keperluan kabur menjadi tugas yang jelas, sama ada mampu memilih penyelesaian paling tepat daripada beberapa pilihan yang diberikan oleh Agent, dan sama ada mampu membuat sekumpulan AI bekerja sama untuk menyelesaikan satu perkara.

Sebenarnya, banyak jurutera berpengalaman pada mulanya tidak mampu menerima perkara ini. Membuat kod sendiri adalah satu perkara yang selama beberapa dekad menjadi sebab ramai orang menyukai bidang ini.

Menyerahkan ini kepada mesin, bagi banyak orang, bukan sahaja cara kerja berubah, tetapi juga satu penjelmaan identiti.

Tetapi tren tetaplah tren.

Pengaturcaraan sedang berubah daripada satu kemahiran profesional kepada satu kemampuan asas. Perkara ini boleh dibandingkan dengan percetakan di Eropah pada abad ke-15.

Sebelum penemuan percetakan, hanya sekitar 10% penduduk Eropah yang mampu membaca dan menulis. Orang-orang ini sering dipekerjakan oleh bangsawan yang tidak mampu membaca dan menulis, dan tugas mereka ialah membaca dan menulis untuk mereka.

Kemudian teknik percetakan muncul. Dalam masa 50 tahun, jumlah buku yang diterbitkan di Eropah melebihi jumlah keseluruhan buku yang diterbitkan dalam seribu tahun sebelumnya, dan harga buku turun sebanyak kira-kira 100 kali ganda. Selepas berhampiran ratusan tahun untuk penyesuaian berkaitan (sistem pendidikan dan struktur ekonomi perlahan-lahan mengejar), kadar melek huruf global baru meningkat kepada 70% seperti sekarang.

Boris percaya bahawa kesan AI terhadap perisian adalah revolusi percetakan yang dipercepatkan. Perisian akan sepenuhnya demokratisasi dalam beberapa dekad, menjadi sesuatu yang boleh dikuasai oleh siapa sahaja.

Pada akhirnya, membuat perisian akan menjadi sealamiah menghantar mesej teks.

Apabila ambang untuk menulis kod diturunkan oleh AI ke tahap yang sangat rendah, apa yang benar-benar membezakan kemampuan seseorang ialah rasa produknya, dan pemahaman sejati terhadap satu bidang tertentu.

Sebagai contoh. Dua orang ingin menghasilkan produk yang ditujukan kepada doktor. Satu orang ialah jurutera yang cepat menulis kod, dan satu lagi ialah orang yang pernah bekerja di bahagian maklumat hospital selama beberapa tahun.

Dulu, jurutera lebih berpeluang menghasilkan sesuatu, kerana mereka mampu mewujudkan idea tersebut.

Sekarang sebaliknya. Setiap orang boleh melaksanakan idea tersebut. Pada masa ini, orang yang benar-benar memahami alur kerja harian hospital menjadi lebih berharga. Kerana dia tahu fungsi mana yang benar-benar akan digunakan oleh doktor, dan mana yang hanya kedengaran masuk akal.

Dengan kata lain, selepas AI meratakan ambang pelaksanaan, perbezaan dalam keupayaan penilaian menjadi lebih ketara.

Perkara ini secara langsung menulis semula maksud kata generalist.

Dahulu kita mengatakan generalist, biasanya merujuk kepada seorang jurutera yang boleh menulis iOS, web, dan belakang. Generalist semacam ini, pada dasarnya masih merupakan full-stack di dalam kejuruteraan.

Ahli am masa depan adalah penuh lapisan antara disiplin.

Ada orang yang memahami produk, reka bentuk, dan kejuruteraan secara serentak. Ada orang yang memahami produk, sains data, dan kejuruteraan secara serentak. Gabungan ini dahulu hampir mustahil, kerana setiap bidang memerlukan latihan khusus yang panjang.

Sekarang, AI telah menurunkan ambang tindakan untuk setiap bidang, membolehkan seseorang merentasi beberapa bidang sambil mengekalkan kedalaman profesional.

Pasukan Claude Code begitulah. Pengurus kejuruteraan, PM, reka bentuk, saintis data, kewangan, penyelidikan pengguna, semua orang menulis kod.

Pereka boleh menjalankan prototaip interaktif sendiri untuk ditunjukkan kepada pasukan, bukan sekadar menghasilkan gambar dan menunggu jurutera melaksanakannya.

Kewangan boleh membina alat analisis sendiri untuk menjalankan model kewangan yang kompleks di dalam syarikat, tanpa perlu beratur menunggu BI. Rakan-rakan kajian pengguna mula menjalankan data sendiri, mengambil alih bahagian kerja yang sebelum ini memerlukan kerjasama pasukan data.

Kedalaman profesional setiap orang masih ada. Tetapi dengan bantuan AI, perkara menulis kod telah menjadi bahasa yang digunakan bersama.

Dalam beberapa dekad terakhir, industri SaaS mempunyai beberapa konsensus yang hampir dianggap sebagai aksioma.

Yang pertama ialah kos peralihan. Sebuah syarikat yang telah menggunakan sistem anda akan secara perlahan-lahan mengumpulkan data, konfigurasi, medan, dan hubungan keizinan selama beberapa tahun bahkan sehingga puluhan tahun.

Ingin berpindah ke sistem lain, sekadar memindahkan perkara-perkara ini secara utuh keluar dan masuk semula sudah cukup membuatkan orang penat dan enggan bergerak.

Yang kedua ialah penguncian alur kerja. Operasi harian pekerja, kerjasama antarabangsa, dan titik persetujuan semuanya tumbuh mengelilingi SaaS ini.

Mengganti sistem bukan sekadar memindahkan data, tetapi meruntuhkan dan memulakan semula ingatan otot perusahaan yang telah berkembang selama beberapa tahun terakhir.

Kedua-duanya bersama-sama membentuk parit perlindungan paling dalam dalam industri SaaS sebelum ini. Tetapi dengan model yang cukup kuat, logik perkara mulai berubah.

Pertama, lihat kos peralihan ini. Dahulu, untuk berpindah dari satu SaaS ke SaaS lain, hanya untuk menyelaraskan medan dan meniru semula struktur data, pasukan kejuruteraan sudah perlu bekerja lewat malam selama berbulan-bulan.

Sekarang, langsung berikan antaramuka dan struktur data dari kedua belah pihak kepada model, biarkan ia mengurus hubungan pemetaan sendiri, merangkak perlahan-lahan ke arah penyelesaian terbaik. Apa yang biasanya memakan waktu berbulan-bulan, mungkin hanya memerlukan beberapa hari untuk menghasilkan versi yang boleh digunakan.

Lihat pula sisi penguncian alur kerja, yang lebih menarik. Di masa lalu, alur kerja mampu menguncikan pelanggan kerana proses-proses ini sendiri kompleks, tersirat, dan bergantung kepada manusia.

Kesepakatan tersirat di dalam fikiran kakitangan mengenai siapa yang perlu meminta persetujuan dan pada langkah mana ia akan terhenti, tidak boleh dipindahkan secara langsung.

Namun, model seperti Opus 4.7 paling unggul dalam memahami, membongkar, dan menyusun semula proses yang kompleks dalam persekitaran baru. Bahkan, versi yang disusun semula mungkin lebih lancar daripada asalnya.

Jadi, parit perlindungan yang dibina berdasarkan pengendapan data dan proses sedang runtuh.

Untuk mereka yang menjalankan SaaS, ini mungkin berita buruk. Tetapi untuk semua pelanggan yang menggunakan SaaS, dan pasukan yang sedang bersiap untuk menciptakan SaaS generasi baru, ini adalah jendela peluang sebenarnya.

Syarikat permulaan yang benar-benar menggugat industri dalam 10 tahun ke depan mungkin 10 kali lebih banyak daripada 10 tahun lalu.

Sebabnya sebenarnya tidak rumit.

Pasukan kecil boleh menggunakan AI untuk menghasilkan produk yang setara atau lebih baik daripada syarikat besar. Sebaliknya, syarikat besar yang ingin benar-benar menggunakan AI justru menjadi aset negatif.

How to say it?

Sebuah syarikat yang telah wujud selama lebih dari sepuluh tahun telah membangun seluruh proses perniagaan, pembahagian tugas, kebiasaan kerjasama, sistem latihan, dan penilaian KPI sendiri. Hal-hal ini dahulu merupakan aset dan penghalang.

Namun, untuk benar-benar mengintegrasikan AI, semua ini perlu ditinjau semula: proses bisnis perlu direkayasa ulang, semua karyawan perlu dilatih semula, setiap langkah maju akan menghadapi hambatan internal yang besar, dan perlu mengkoordinasikan N bahagian, N tahap persetujuan.

Sementara itu, sebuah pasukan permulaan yang terdiri daripada tiga orang menjadikan AI sebagai asas laluan sejak hari pertama. Mereka tidak mempunyai beban sejarah untuk dibuang, tidak ada kebiasaan yang perlu diubah, dan tiada siapa yang perlu diyakinkan. Hari ini dibincangkan dengan jelas, esok sudah boleh hasilkan Demo, dan lusa sudah boleh dilancarkan supaya pengguna boleh gunakan.

Perbezaan kelajuan ini sebenarnya juga wujud sebelum AI. Syarikat permulaan memang mempunyai kelebihan kelajuan berbanding syarikat besar. Tetapi AI memperbesarkan perbezaan ini berbilang kali ganda.

Mengapa?

Semakin kuat AI, semakin besar tuas yang boleh digerakkan oleh seseorang dalam masa unit. Sebuah pasukan kecil yang benar-benar memanfaatkan AI, hasil hari ini mungkin setara dengan sepuluh orang dahulu, esok mungkin setara dengan tiga puluh orang dahulu.

Tetapi berat organisasi syarikat besar tidak menjadi lebih ringan, malah menjadi lebih berat kerana perlu mengolah perkara AI. Semakin kuat AI, semakin lebar jurang antara pecutan pasukan kecil dan daya tarikan syarikat besar.

Ini adalah aset negatif yang Boris maksudkan. Bukan kerana syarikat besar tidak ada dana, tidak ada orang, atau tidak ada niat, tetapi kerana otot-otot lama yang dahulu menghasilkan keuntungan kini tersangkut di jalan menuju kekuatan sebenar AI.

MCP tidak akan mati.

Selepas Skill menjadi popular, ramai orang merasa MCP tidak diperlukan. Pendiri OpenClaw juga mempunyai pandangan serupa.

Tetapi Boris tidak melihatnya begitu. Dia percaya MCP akan menjadi lapisan penghubung perisian di era AI.

Cara sambungan perisian internet dahulu ialah API.

Namun, masalah utama API ialah ia direka untuk jurutera. Untuk menggunakan API, anda perlu membaca dokumen, memohon Token, menulis kod, menyelaraskan medan, dan mengendalikan pengecualian. Dengan kata lain, API ditulis untuk pembangun manusia.

MCP berbeza. Ia membenarkan model disambungkan secara langsung, model itu sendiri boleh membaca dan memanggilnya, tanpa perlu seorang jurucara untuk menterjemahkannya di tengah-tengah.

Jadi Boris memanggil API sebagai Human Developer Interface, dan MCP sebagai Model Interface Protocol. Satu untuk manusia, satu untuk model.

Ini sebenarnya sangat mirip dengan masa itu. Di era internet mudah alih, semua perkhidmatan dianggap perlu di-API-kan. Di era AI, semua perkhidmatan dianggap perlu di-MCP-kan.

Banyak orang sekarang berbincang tentang Computer Use, dan merasa arah ini mungkin tidak berfungsi.

Alasannya juga masuk akal: terlalu banyak menghabiskan Token, lambat, dan tidak stabil. Kelihatan lebih seperti demo pamer kemampuan, masih jauh dari boleh digunakan secara sebenar.

Tetapi Boris melihatnya dari sudut yang sama sekali berbeza.

Yang benar-benar dia hargai ialah, Computer Use menyelesaikan salah satu masalah utama dalam pelaksanaan AI: di dunia nyata, terdapat banyak sistem yang tidak mempunyai API maupun MCP.

Terutama dunia perniagaan.

Hanya setelah masuk ke syarikat, anda akan tahu bahawa banyak sistem penting di dalamnya sangat lama. ERP, OA, sistem kewangan, persetujuan dalaman, latar belakang rantaian bekalan, pelbagai sistem tersuai. Banyak yang tidak membuka antaramuka, tiada dokumentasi, dan tiada kemampuan automatik. Mereka berada di sana, setiap hari dioperasikan secara manual oleh ribuan pekerja.

Mengapa tidak terus terang buatkan API untuk mereka?

Kerana tiada daya untuk melakukannya. Pembekal yang mengembangkan sistem-sistem ini mungkin sudah tidak wujud lagi. Bahagian IT tidak mempunyai motivasi atau bajet untuk membuat semula.

Bahagian perniagaan tidak mungkin berhenti menunggu selama setengah tahun atau setahun. Sistem-sistem ini tidak akan pernah menunggu API yang sempurna untuk menyelamatkan diri mereka.

Dalam jangka pendek, model-model utama masih akan meningkatkan kemampuan Computer Use mereka.