Штучний інтелект не демократизує технології, він нагороджує правильних людей

Автор: Naman Bhansali

Переклад: DeepWave TechFlow

Огляд Shenchao: На початковому етапі поширення нових технологій люди часто відчувають ілюзію «технологічного рівноправства»: коли фотографія, музична творчість або розробка програмного забезпечення стають простими, чи зникає конкурентна перевага? Засновник Warp Наман Бхансалі, поєднуючи свій особистий досвід — від індійського містечка до MIT — і свій досвід підприємництва в галузі AI-керованих payroll-рішень, глибоко розкриває контрінтуїтивну правду: чим нижче технологія піднімає поріг (Floor), тим вище піднімається стеля галузі (Ceiling).

У епоху, коли виконання стає дешевим і навіть може бути «вібекодованим» штучним інтелектом, автор вважає, що справжнім бар’єром більше не є просто розподіл трафіку, а непідробна «смаковість», глибоке розуміння базової логіки складних систем і терпіння, необхідне для постійного складання прибутку протягом десятиліття. Ця стаття — не лише холодне роздумування про стартапи з використанням ШІ, а й потужне підтвердження степеневого закону «народна технологія призводить до аристократичних результатів».

Повний текст:

Щоразу, коли нова технологія знижує бар’єри для входу, з’являються ті самі передбачення: оскільки тепер це може зробити кожен, то ніхто більше не має переваги. Фотоапарати у телефонах зробили кожного фотографом; Spotify зробив кожного музикантом; AI зробив кожного розробником програмного забезпечення.

Ці прогнози завжди частково вірні: дно справді піднялося. Більше людей створює, більше людей випускає продукти, більше людей приєднується до конкуренції. Але ці прогнози завжди ігнорують стелю. Стеля піднімається швидше. І розрив між дном і стелею — тобто між середнім рівнем і найвищим — не зменшується, а навпаки, збільшується.

Це характеристика степеневого закону (Power laws): йому байдуже ваше намір. Технології рівності завжди призводять до аристократичних результатів. Кожен раз.

Штучний інтелект також не виняток, навіть може проявляти більш екстремальні поведінки.

Коли Spotify вийшов на ринок, він зробив справді революційну річ: він надав будь-якому музиканту на планеті доступ до каналів розповсюдження, які раніше були доступні лише лейблам, з величезними маркетинговими бюджетами та чудовим щастям. Результатом став вибух у музичній індустрії — мільйони нових артистів та десятки мільярдів нових пісень. І справді, рівень очікувань піднявся на новий рівень.

Але те, що відбулося далі, — це те, що топ-1% артистів зараз отримують більший відсоток проігровань, ніж у епоху CD. Не менший, а більший. Більше музики, більше конкуренції, більше способів знаходити якісний контент — все це призводить до того, що слухачі, які вже не обмежені географією чи місцем на полиці, збираються навколо найкращих робіт. Spotify не здійснив музичного рівноправства — він лише посилив цей турнір.

Те саме відбувається в галузях письма, фотографії та програмного забезпечення. Інтернет породив найбільшу кількість авторів у історії, але також створив більш жорстку економіку уваги. Більше учасників, вищі ставки на вершині, та та ж базова структура: незначна кількість осіб отримує більшість вартості.

Ми відчуваємо здивування, бо звикли мислити лінійно — ми очікуємо, що зростання продуктивності розподілятиметься рівномірно, як вода, яку ллють у плоский контейнер. Але більшість складних систем так не працюють — вони ніколи так не працювали. Степеневий розподіл — це не каприз ринку чи невдача технологій; це стандартна настройка природи. Технології не створили його — технології лише розкрили його.

Подумайте про закон Клібера. У всіх живих організмів на Землі — від бактерій до синіх китів, що охоплюють 27 порядків величини маси — метаболічна швидкість пропорційна масі у ступені 0,75. Метаболізм кита не пропорційний розміру кита. Ця залежність є степеневим законом і зберігає надзвичайну точність майже у всіх формах життя. Ніхто не проектував цього розподілу — він просто виникає як форма, яку приймає енергія, коли слідує своїй внутрішній логіці в складних системах.

Ринок — це складна система, увага — це ресурс. Коли тертя зникає — коли географія, місце на полиці та витрати на розповсюдження більше не є буфером — ринок збігається до своєї природної форми. Ця форма не є дзвінообразною кривою нормального розподілу, а степеневим законом. Історія рівності існує поруч із аристократичними наслідками, саме тому кожна нова технологія застає нас в непідготовленому стані. Ми бачимо, що дно піднімається, і припускаємо, що стеля піднімається з тією ж швидкістю. Але це не так — стеля прискорюється, віддаляючись.

Штучний інтелект прискорює цей процес швидше й жорсткіше, ніж будь-яка попередня технологія. Дно постійно піднімається в реальному часі — будь-хто може публікувати продукти, проектувати інтерфейси, писати код для виробничого середовища. Але й стеля піднімається ще швидше. Варто запитати: що саме визначає ваше кінцеве положення?

У 1981 році Стів Джобс наполягав на тому, щоб плати всередині першого Macintosh були красивими. Не зовнішній вигляд, а внутрішня частина — та, яку клієнт ніколи не побачить. Його інженери вважали його безумцем. Але він не був безумцем. Він розумів щось, що легко можна було б відкинути як перфекціонізм, але що насправді було ближче до певного доказу: спосіб, яким ти робиш будь-що, — це спосіб, яким ти робиш все. Людина, яка може зробити приховані частини красивими, не демонструє якість — вона просто не може терпіти випуск будь-якої неякісної продукції.

Це важливо, бо довіру важко збудувати, але легко підробити за короткий час. Ми постійно застосовуємо евристики, щоб зрозуміти, хто справді відзначається, а хто лише грає роль. Сертифікати допомагають, але їх можна маніпулювати; походження корисне, але його можна успадкувати. Справді важко підробити смак — це тривала, помітна приверженість стандарту, який ніхто не вимагав. Джобс не мусив робити плати такими красивими. Він це робив, і це саме по собі говорить вам, як він діятиме там, де ви не бачите.

Протягом більшої частини останнього десятиліття цей сигнал був певним чином прихований. У часи розквіту SaaS (приблизно з 2012 по 2022 рік) виконання стало настільки стандартизованим, що дистрибуція (Distribution) перетворилася на справжній ресурс, що вичерпується. Якщо ви могли ефективно отримувати клієнтів, створювати продажову машину і досягати «правила 40» (Rule of 40) — сам продукт майже не мав значення. Досить мати сильну стратегію виходу на ринок (Go-to-market), щоб перемогти з посереднім продуктом. Сигнал, що надавався естетикою, був заглушений шумом показників зростання.

Штучний інтелект повністю змінив співвідношення сигналу до шуму. Коли будь-хто може за один день створити працюючий продукт, красивий інтерфейс та працюючу кодову базу, «чи зручно це використовувати» більше не є фактором відмінності. Питання тепер таке: чи є це справді видатним? Чи розуміє ця людина різницю між «добре» та «надзвичайно видатним»? Чи вони настільки зацікавлені, щоб заповнити останню відстань, навіть якщо ніхто їх не змушує?

Це особливо стосується програмного забезпечення, критичного для бізнесу — систем, які обробляють виплату заробітної плати, відповідність вимогам та дані працівників. Це не продукти, які можна спробувати й відкинути на наступний квартал. Витрати на перехід є реальними, режими відмови — серйозними, а ті, хто розгортає системи, відповідають за наслідки. Це означає, що перед підписанням угоди вони пройдуть усі процедури перевірки довіри. Красивий продукт — один із найгучніших сигналів. Він говорить: «Ті, хто його створив, дуже уважно до цього ставилися. Їм важлива та частина, яку ви бачите наочно, що означає, що вони, ймовірно, теж турбуються про ту частину, яку ви не бачите».

У світі, де виконання дешеве, естетика — це доведення роботи (Proof of Work).

Ця логіка завжди була дійсною, але протягом останнього десятиліття ринкові умови зробили її майже непомітною. Колись найважливішою навичкою в індустрії програмного забезпечення була навіть не пов’язана з самим програмним забезпеченням.

З 2012 по 2022 рік основна архітектура SaaS була визначена. Хмарна інфраструктура стала дешевою та стандартизованою, інструменти розробки досягли зрілості. Створення функціонального продукту було складним, але це була «вже вирішена складність» — її можна було подолати шляхом найму, дотримуючись встановлених шаблонів і забезпечуючи достатні ресурси, щоб досягти мінімальної планки. Справжньою рідкістю, що розрізняє переможців від посередності, є здатність до розповсюдження. Чи зможете ви ефективно отримувати клієнтів? Чи зможете побудувати повторювані продажові процеси? Чи достатньо добре розумієте модель одиничної економіки (Unit economics), щоб у правильний момент підливати паливо у вогонь зростання?

У цьому середовищі найбільш успішні засновники походили з сфер продажів, консалтингу або фінансів. Вони добре знали показники, які десять років тому здавалися незрозумілими: чистий річний повторний дохід (NDR), середня вартість контракту (ACV), магічне число (Magic number), правило 40. Вони жили в електронних таблицях та оглядах продажевих ліній — у цьому контексті вони були праві. Пік SaaS породив пікових засновників SaaS. Це було раціональне еволюційне пристосування.

Але я відчував задуху.

Я виріс у містечку в індійському штаті з населенням 250 мільйонів. Щороку лише близько трьох студентів з усієї Індії вступають до Массачусетського технологічного інституту (MIT). Без винятку, всі вони походять із дорогих підготовчих шкіл у Делі, Мумбаї чи Бангалорі — закладів, створених саме з цією метою. Я — перша особа в історії моєго штату, якому вдалося вступити до MIT. Я згадую це не для того, щоб хвалитися, а тому, що це мініатюрна версія аргументу цієї статті: коли бар’єри доступу обмежені, походження (Pedigree) передбачає результат; коли бар’єри доступу відкриті, глибокі люди (Deep people) завжди перемагають. У кімнаті, повній людей із престижним походженням, я — ставка, що грає на глибині. І це єдиний спосіб ставити, який я знаю.

Я вивчав фізику, математику та інформатику, і в цих галузях найглибші інсайти приходять не від оптимізації процесів, а від побачення істин, які інші не помічають. Моя магістерська дисертація стосувалася зменшення ефекту відстаючих у розподіленому навчанні машинного навчання: як оптимізувати це обмеження, не пошкоджуючи цілісності системи, коли частина компонентів відстає під час масштабних запусків.

Коли мені було двадцять з чимось, дивлячись на світ підприємництва, я бачив картину, в якій ці глибокі інсайти здавалися незначними. Ринкова премія надавалася «входу на ринок» (Go-to-market), а не самому продукту. Створення технічно вдосконаленого продукту здавалося трохи наївним — це вважалося перешкодою для «істинної гри» (тобто отримання клієнтів, утримання та швидкості продажів).

Потім, наприкінці 2022 року, середовище змінилося.

Те, що демонструє ChatGPT — більш інтуїтивно та потужно, ніж роки дослідницьких статей — це те, що крива вже зігнулася. Почався новий S-подібний цикл. Фазові переходи не нагороджують тих, хто найкраще адаптувався до попереднього етапу, а нагороджують тих, хто здатний побачити безмежні можливості нового етапу ще до того, як інші розуміють ціну.

Тоді я залишив роботу і заснував Warp.

Ця ставка дуже конкретна. У США понад 800 податкових органів — федеральних, державних, місцевих — кожен з яких має власні вимоги до подання звітів, терміни та логіку відповідності. Тут немає API, немає програмного доступу. Десятиліттями кожен провайдер заробітної плати (Payroll provider) вирішував цю проблему однаково: накопичуючи людей. Тисячі експертів з відповідності вручну працювали з системами, які ніколи не розроблялися для масштабування. Традиційні гіганти — ADP, Paylocity, Paychex — побудували цілісні бізнес-моделі навколо цієї складності, не вирішуючи її, а поглинаючи її через кількість працівників і перекладаючи витрати на клієнтів.

У 2022 році я бачив, що AI-агенти були хрупкими. Але я також бачив криву покращень. Людина, яка глибоко занурена у масштабні розподілені системи та уважно спостерігає за еволюцією моделей, може зробити точну ставку: тоді хрупкі технології через кілька років стануть надзвичайно потужними. Тож ми зробили ставку: побудували AI-незалежну платформу з перших принципів, вибравши найскладніший робочий процес у цій категорії — той, який через архітектурні обмеження традиційні гіганти ніколи не змогли автоматизувати.

Зараз ця ставка здійснюється. Але більш загальною річчю є виявлення шаблонів. У епоху ШІ технічні засновники мають не лише інженерну перевагу, а й перевагу в інсайті. Вони бачать інші точки входу та роблять інші ставки. Вони можуть розглянути систему, яку всі вважають «вічно складною», і запитати: що потрібно для реального автоматизування? А потім, ключовим є те, що вони можуть самостійно побудувати відповідь.

В епоху вершини SaaS домінуючими є раціональні оптимізатори в межах обмежень. Але ШІ видаляє ці обмеження та встановлює нові. У нових умовах рідкісним ресурсом вже не є розповсюдження, а здатність розуміти можливості — та втілювати їх у відповідному естетичному та переконливому стандарті. Але існує ще третій фактор, що вирішує все, і саме тут більшість засновників епохи ШІ допускають катастрофічні помилки.

Зараз у стартап-середовищі поширений такий мем: у вас є два роки, щоб втекти з постійного нижнього шару. Швидко створюй, швидко збирай кошти, або виходь, або зникни.

Я розумію, звідки взялася така позиція. Швидкість розвитку ШІ викликає відчуття існувальної загрози, і вікно можливостей захопити хвилю здається надзвичайно вузьким. Молоді люди, які бачать історії про миттєву славу в Twitter, природньо вважають, що суть гри — у швидкості: переможцями є ті, хто пробігає дистанцію найшвидше.

Це правильне у повністю неправильному вимірі.

Швидкість виконання дій дійсно має вирішальне значення. Я в це щиро вірю — це навіть закладено в назві моєї компанії (Warp). Але швидкість виконання не означає короткостроковості бачення. Засновники найцінніших компаній у епоху ШІ — це не ті, хто біжить два роки і потім виводить капітал, а ті, хто біжить десять років і насолоджується складними відсотками.

Короткостроковість помилкова: найцінніші речі в програмному забезпеченні — приватні дані, глибокі клієнтські стосунки, реальні витрати на перехід, регуляторна експертиза — вимагають років для накопичення і не можуть бути швидко скопійовані незалежно від того, скільки капіталу чи можливостей штучного інтелекту мають конкуренти. Коли Warp обробляє виплату заробітної плати для компаній у різних штатах, ми накопичуємо дані про відповідність у тисячах юрисдикцій. Кожне вирішене податкове повідомлення, кожен оброблений крайній випадок, кожна завершена реєстрація в державному органі навчає систему, яка з часом стає все складнішою для копіювання. Це не просто функція — це оборонна лінія, яка існує тому, що ми глибоко працювали з надзвичайно високою якістю достатньо довго, щоб створити щільність якості.

Це складне відсоткове нарахування першого року не помітне. Другого року воно з’являється напіввидимо. До п’ятого року воно стає усім грою.

Фрек Слотман, колишній генеральний директор Snowflake, який створив та масштабував більше програмних компаній, ніж будь-хто інший на сьогодні, коротко сказав: потрібно звикнути до стану «невигідності». Це не спринт, а постійний стан. «Військова мгла» на початкових етапах стартапу — це відчуття втрати напрямку, неповна інформація та необхідність приймати рішення на дію — не зникне через два роки. Вона просто еволюціонує, і нова невизначеність замінює стару. Тривалих засновників не ті, хто знайшов визначеність, а ті, хто навчився чітко рухатися в мглі.

Створення компанії — надзвичайно жорстокий процес, і цю жорстокість важко пояснити тим, хто цього не робив. Ви живете в постійному легкому страху, який іноді переростає в більш глибокий панічний страх. Ви приймаєте тисячі рішень за неповної інформації, добре розуміючи, що лише серія помилкових рішень може призвести до катастрофи. Ті «успіхи за одну ніч», які ви бачите в Twitter, — це не просто викиди в межах степеневого розподілу, а екстремальні викиди серед викидів. Оптимізація вашої стратегії на основі цих прикладів — це наче тренуватися для марафону, вивчаючи результати людей, які неправильно пішли шляхом і випадково пробігли 5 км.

Тож чому це робити? Не тому, що зручно, і не тому, що шанси на перемогу великі. А тому, що для деяких людей не робити цього — це не відчувати, що ти справді живеш. Бо єдине, що гірше за страх «створити щось з нічого», — це тихе задуха від того, що «не спробував».

І — якщо ти вгадав, якщо побачив істину, яку ще не оцінили інші, якщо виконував це з естетикою та переконанням на достатньо довгому часовому горизонті — результат буде не лише фінансовим. Ти створив справжній інструмент, що змінює спосіб роботи людей. Ти створив продукт, яким люди з нетерпінням користуються. Ти найняв і допоміг розкритися тим, хто показує найкращий результат у справі, яку ти побудував власними руками.

Це проект на десять років. Штучний інтелект цього не змінив і ніколи не змінював.

AI змінює те, якого потолку (Ceiling) можуть досягти засновники, які зможуть витримати до кінця й дізнатися все до кінця.

Тоді, за всім цим, яким буде виглядати програмне забезпечення?

Оптимісти стверджують, що ШІ створює багатство — більше продуктів, більше розробників, більше цінності, що розподіляється серед більшої кількості людей. Вони праві. Песимісти кажуть, що ШІ зруйнував «захисні ринки» програмного забезпечення — все можна скопіювати за один день, оборона мертва. Вони теж частково праві. Але обидві сторони дивляться лише на дно (The floor), ніхто не звертає уваги на стелю (The ceiling).

Майбутнє належить тисячам та тисячам одноточкових рішень — малим, функціональним, згенерованим штучним інтелектом інструментам, які здатні ефективно вирішувати вузькі проблеми. Багато з них навіть не створені компаніями, а розроблені окремими особами або внутрішніми командами для вирішення власних проблем. Для певних категорій програмного забезпечення з низьким порогом входу та легкою замінністю ринок стане справжньою демократією. Вимоги високі, конкуренція надзвичайно сувора, а прибутковість — тонка, як крило комахи.

Але для програмного забезпечення, критичного для бізнесу — систем, що обробляють грошові потоки, відповідність вимогам, дані працівників та юридичні ризики — ситуація зовсім інша. Це робочі процеси з надзвичайно низьким допустимим рівнем помилок. Коли система виплати заробітної плати виходить з ладу, працівники не отримують грошей; коли податкова декларація містить помилки, Інспекція внутрішніх доходів (IRS) приходить на двері; коли внески на користь перериваються під час періоду відкритого страхування, реальні люди втрачають захист. Люди, що обирають програмне забезпечення, повинні нести відповідальність за наслідки. Ця відповідальність не може бути делегована штучному інтелекту, який був зібраний «на вібраціях» (vibecoded) у другій половині дня.

Для цих робочих процесів підприємства продовжать довіряти постачальникам. Серед цих постачальників динаміка «переможець отримує все» буде екстремальнішою, ніж у попередніх поколіннях програмного забезпечення. Це не лише через сильніші мережеві ефекти (хоча це також істинно), а й через компаундуючу перевагу AI-направленої платформи, яка накопичує приватні дані під час масштабної роботи, обробляючи мільйони угод і тисячі випадків відповідності. Перевага такої платформи робить неможливим для новачків «старт з нуля». Захисний рівень більше не є набором функцій, а якістю, що накопичилася протягом тривалого часу через підтримку високих стандартів роботи в галузі, де помилки караються.

Це означає, що інтеграція ринку програмного забезпечення перевищить рівень SaaS-ері. Я очікую, що через десять років у сфері HR та виплати заробітної плати не буде 20 компаній, кожна з яких має одиниці відсотків ринкової частки. Я очікую, що більшу частину вартості займатимуть два-три платформи, а довгий список одноточкових рішень майже не отримає нічого. Така ж модель відбудеться в кожній категорії програмного забезпечення, де впливають складність дотримання нормативних вимог, накопичення даних та витрати на перехід.

Компанії, що знаходяться на вершині цих розподілів, виглядають дуже схоже: засновані технічними фахівцями зі справжнім смаком до продукту; побудовані на AI-ній архітектурі з першого дня; працюють на ринках, де існуючі гіганти не можуть зробити структурну відповідь, не розбивши свої поточні бізнес-моделі. Вони рано зробили унікальну ставку на глибоке розуміння — побачили деяку правду, створену штучним інтелектом, яка ще не була оцінена — і трималися досить довго, поки ефект складних відсотків став очевидним.

Я абстрактно описував цього засновника. Але я дуже чітко знаю, хто він, бо прагну стати ним.

Я заснував Warp у 2022 році, бо вірив, що весь стек, пов’язаний з управлінням персоналом — виплата заробітної плати, податкова відповідність, переваги, онбординг, управління обладнанням, HR-процеси — базується на ручній праці та застарілих архітектурах, які можна повністю замінити за допомогою ШІ. Не покращити, а саме замінити. Старі гіганти створили бізнес на мільярди доларів, поглинаючи складність через кількість працівників; ми ж створимо бізнес, повністю видаляючи складність з самого початку.

Три роки підтвердили цю ставку. З моменту запуску ми обробили понад 500 мільйонів доларів США транзакцій, швидко ростемо і надаємо послуги компаніям, які створюють найважливіші технології світу. Щомісяця наша платформа стає все складнішою для копіювання та більш цінною для клієнтів завдяки накопиченим даним про відповідність, обробленим крайнім випадкам та створеним інтеграціям. Бар’єри для входу ще на початковому етапі, але вони вже мають певний розмір і прискорюються.

Я розповідаю вам про це не тому, що успіх Warp був передбачений — у світі степеневого розподілу ніщо не передбачене — а тому, що логіка, яка привела нас сюди, є тією самою логікою, яку я описав у всьому цьому тексті: бачити правду. Глибше, ніж хто-будь інший. Створити високі стандарти, які підтримуються без зовнішнього тиску. Триматися досить довго, щоб побачити, чи ви праві.

Компанії, що стануть видатними в епоху ШІ, будуть створені тими, хто зрозумів наступне: доступ ніколи не був рідкісним ресурсом, інсайт — це що справді важливо; виконання ніколи не було перевагою, смак — це що справді важливо; швидкість ніколи не була перевагою, глибина — це що справді важливо.

Закон степеневого розподілу не залежить від ваших намірів. Але він нагороджує правильні наміри.