Не могу не восхититься вслух. Пока я занимаюсь сложной когнитивной деятельностью (хаха, смеются даже не AI, а LLM) и встречами с другими мясными человеками, ChatGPT в agent mode ищет для старшей дочки самое лучшее дополнительное образование, ходя по сайтам и обзванивая школы.

Мир шагнул вперед. К сожалению, далеко не весь мир. Какой процент населения все еще за чертой бедности? Какая доля людей все еще доказывает свою силу через насилие, убийство и войну?

Наш старый умный знакомый Бенедикт Эванс, бывший партнер венчурной компании Andreessen Horowitz, один из наиболее влиятельных независимых технологических аналитиков в мире, не считает ИИ чем-то принципиально новым, что перевернет всю историю человечества, а скорее видит в нем лишь следующую веху развития. Идеи Эванса вызвали раздражение, неприятие в ИИ-среде и недовольное удивление, поскольку они предлагают более скептический, порой исторически обоснованный и прагматичный взгляд на ИИ, который часто отличается от идеалистических или панических настроений, преобладающих в публичном поле.

Что говорит?

— ИИ — это очередная смена платформы, а не какая-то вселенская революция. Хотя ИИ, безусловно, является одним из самых значительных событий со времен появления iPhone, его следует рассматривать как очередную смену платформы, а не как нечто, сопоставимое с электричеством или промышленной революцией. Это означает, что в ближайшие 10-15 лет новые продукты будут строиться вокруг этой технологии, после чего, вероятно, появится что-то новое. Влияние на занятость и экономику, а также на интеллектуальную собственность, по мнению Эванса, будет аналогично тому, что наблюдалось при предыдущих технологических переходах. Через десятилетие ИИ, скорее всего, станет просто еще одним элементом программного обеспечения, незаметно встроенным во множество продуктов.

— Постоянная неопределенность в начале каждой технологической волны. При каждой крупной технологической трансформации всегда звучат заявления о том, что "на этот раз все по-другому". Да, каждая смена платформы действительно имеет свои уникальные особенности, но фундаментальные паттерны неопределенности и развития остаются неизменными. Важно помнить, что новизна не означает полного отсутствия исторических параллелей или предсказуемости в некоторых аспектах. Подобное мышление часто мешает объективно оценивать будущие вызовы и возможности, заставляя забывать об уроках прошлого.

— Неопределенность будущего технологий, несмотря на кажущуюся очевидность. В начале каждой новой эры, будь то "киберпространство" 1990-х годов или появление мобильного интернета, было ясно, что грядет что-то грандиозное. Однако никто не мог предсказать, как именно это будет работать, какие технологии окажутся доминирующими (например, веб-браузеры, а не электронная почта), кто станет лидерами рынка (поисковая реклама и социальные сети, а не Microsoft в браузерах) и кто потеряет свои позиции (Nokia, Microsoft в мобильном мире). Подобная же фундаментальная неопределенность окружает и ИИ сегодня, когда мы видим общую перспективу, но не детали ее реализации.

— Мы забываем "странность" прошлых инноваций. Эванс приводит пример автоматических лифтов, появившихся в 1950-х годах. Тогда они были чем-то новаторским и необычным, оснащенным "электронной вежливостью", которая предотвращала закрытие дверей. Сегодня же мы просто пользуемся лифтами, не задумываясь об их "автоматичности". Точно так же, по его мнению, произойдет и с ИИ. Сейчас он кажется нам "странным, непонятным и новым" в различных аспектах, но со временем станет настолько обыденным и интегрированным, что мы перестанем замечать его особенность, как будто он стал частью "воздуха, которым мы дышим".

— Действующие компании стремятся поглотить новое как "функцию". Исторический опыт показывает, что крупные, устоявшиеся компании при появлении прорывных технологий всегда пытаются интегрировать их в свой бизнес, рассматривая как дополнительную "функцию" или инструмент для автоматизации существующих процессов. Они стараются не разрушать свои прибыльные направления. Однако настоящие платформенные сдвиги часто приводят к появлению новых игроков, которые "распутывают" и переопределяют существующие бизнес-модели благодаря возможностям новой технологии, создавая что-то совершенно новое.

— "Парадокс компании Kodak": неверное понимание угрозы. История компании Kodak часто приводится как пример неспособности адаптироваться к цифровым технологиям. Однако Kodak не игнорировала цифровые камеры; они активно разрабатывали их и одно время были лидерами по продажам в США. Их ошибка заключалась в том, что они не поняли истинную угрозу: не саму цифровую камеру, а смартфоны, социальные сети и исчезновение потребности в печати фотографий. Кроме того, высокомаржинальный бизнес на фотопленке был заменен низкомаржинальным рынком цифровых камер, где не было уникального преимущества, что привело к их краху.

— Угроза для Google заключается в сбросе пользовательских привычек. Основная угроза для Google со стороны ИИ не в том, что их поисковик станет хуже, а в том что пользователи начнут пересматривать свои приоритеты и стандартные настройки. ИИ-чат-боты могут стать новым "поисковым окном по умолчанию", даже если традиционный поиск Google остается лучшим. Это создает ситуацию "обнуления игрового поля", где Google, обладая множеством реальных преимуществ, должен заново бороться за пользователя, предлагая новый продукт и структуру продаж.

— Данные для больших языковых моделей становятся общедоступным ресурсом. Эванс утверждает, что для эффективного обучения больших языковых моделей требуется настолько колоссальный объем обобщенного текстового контента, что ни одна компания, даже такая гигантская, как Google или Meta, не обладает достаточным уникальным преимуществом в данных. Значительная часть необходимого текста либо уже общедоступна, либо может быть собрана любой компанией с достаточными ресурсами. Это делает данные своеобразным "равным игровым полем" для всех разработчиков LLM, поскольку объем и тип данных, необходимых для моделей общего назначения, доступны для большинства игроков. Вопреки распространенному мнению, что такие компании, как Google, обладают неким уникальным "секретным оружием" в виде огромных объемов проприетарных данных, у них нет здесь решающего преимущества.
Значительная часть людей до сих пор «не понимает» ИИ и не использует потребительские LLM регулярно. Несмотря на постоянную шумиху в СМИ, Эванс приводит данные опросов, согласно которым лишь около 10% людей используют потребительские чат-боты ИИ ежедневно, и еще 15-20% — еженедельно. Около 20-30% людей попробовали и "не поняли", как это использовать. Это может быть шокирующим для тех, кто думает, что ИИ уже повсеместно проник в повседневную жизнь.

— Остерегайтесь преувеличений об "интеллекте" ИИ. Эванс призывает крайне осторожно относиться к сенсационным заголовкам и заявлениям о том, что ИИ "угрожает" или "проявляет злой умысел". Он объясняет, что многие такие "пугающие" сценарии возникают, когда пользователя просят ИИ создать историю или ответить на гипотетическую ситуацию. Машина лишь генерирует правдоподобный ответ, основанный на том, что она "знает" о человеческом поведении и шаблонах, а не проявляет самостоятельную волю или сознание. Это похоже на то, как если бы ксерокс, сделавший копию фразы "убийство — это хорошо", сам "одобрял" убийство.

— Регулирование ИИ должно быть ориентировано на конкретные применения, а не на саму технологию. Попытки регулировать "ИИ как ИИ" в целом Эванс считает "неправильным уровнем абстракции", сравнивая это с регулированием "баз данных" или "таблиц". Вместо этого, по его мнению, необходимо сосредоточиться на регулировании конкретных применений технологии и их потенциальных последствий, как это происходит с автомобилями или лекарствами. Важно помнить, что любое регулирование влечет за собой компромиссы и издержки, и необходимо четко понимать, какие цели преследуются, выбирая между защитой и развитием.

— Ключевая дифференциация LLM для потребителей — это бренд и дистрибуция. На сегодняшний день, если провести слепой тест, большинство людей не смогут отличить результаты разных больших языковых моделей (например, Grok, Claude, Gemini, Mistral, Deep Seek). Эванс считает, что модели сами по себе становятся "товаром", а успех таких продуктов, как ChatGPT, объясняется сильным брендом и превосходной дистрибуцией. Пользователи выбирают ChatGPT потому, что это узнаваемый бренд, ставший "поисковиком по умолчанию" в этой нише, аналогично тому, как это произошло с веб-браузерами, где инновации в основном сводились к незначительным функциям, а доминирование определялось дистрибуцией и именем.

— Отсутствие явных сетевых эффектов у LLM (пока что). В отличие от многих успешных технологических платформ (операционные системы, поисковые системы, социальные сети), где большее количество пользователей приводит к улучшению продукта за счет обратной связи или сетевых эффектов, для больших языковых моделей пока не наблюдается такого очевидного самоподдерживающегося цикла. Хотя это может измениться в будущем (например, за счет систем памяти, которые "помнят" предыдущие запросы), на данный момент нет прямой зависимости между количеством пользователей LLM и фундаментальным улучшением самой модели. ИИ очень полезен для задач, где приемлем "примерно правильный" или "достаточно хороший" ответ (мозговой штурм, написание черновиков), но не для задач, требующих абсолютной точности (о чем мы на FST постоянно говорим: ИИ пока бесполезен для реальной аналитики).

Вопросы задает великолепный Shane Parrish: https://www.youtube.com/watch?v=2NgdQf2GzJg

Рассылка Бена Эванса: https://www.ben-evans.com/newsletter

Это всё и правда достаточно интересные цепочки принятия решений.

И если у современных демократических правительств импотенция к суровым мерам и непопулярным нарративам, то у корпораций импотенция к принятию решений о создании чего-то нового.

Решение о запуске чего-то нового должно пройти столько ленивых людей, думающих о своей job security, что board гораздо быстрее и с меньшим риском просто одобрит покупку актуальной компании.

Дедлайн — это не про твою часть работы

Слышу от сотрудника: «Договор будет готов к 22 сентября». Отлично, ставлю в календарь. 22 сентября спрашиваю: «Где договор?» А в ответ: «Я отправил партнёрам на согласование, жду ответа».

Стоп. А договор-то где? «Ну я же свою часть сделал».

Вот в этом «свою часть сделал» и кроется фундаментальное непонимание ответственности. Дедлайн — это дата, когда задача закрыта. Не когда ты закончил свои действия, не когда передал мяч другому игроку, а когда результат достигнут и можно ставить галочку.

Когда ты берёшь на себя задачу с дедлайном, ты берёшь ответственность за весь процесс до конца. Да, партнёры могут тормозить. Да, юристы могут правки вносить неделю. Да, согласование может идти через пять инстанций. Всё это должно быть учтено в твоей оценке сроков.

«Я не могу контролировать третьих лиц» — любимая отмазка безответственных сотрудников. Можешь. Звони им каждый день. Эскалируй на их руководителей. Приезжай в офис и стой над душой. Найди обходные пути. Твоя задача — получить результат к обещанной дате, а не развести руками со словами «Ну я же написал им письмо».

Ответственный сотрудник думает так: если я говорю «22 сентября», значит 22 сентября задача будет закрыта. И он закладывает буфер на все риски, следит за процессом, пушит всех участников и делает всё, чтобы к дедлайну выдать результат.

Безответственный думает иначе: «Я сделаю свою часть, а дальше — не мои проблемы». Такой подход — прямая дорога к профессиональному потолку. Потому что руководителю нужен не тот, кто делает свою часть работы, а тот, кто закрывает задачи.

Простое правило: когда оцениваешь сроки, считай до момента полного закрытия задачи, а не до окончания твоих действий. И если не можешь гарантировать результат к определённой дате — так и говори: «Моя часть будет готова к 15-му, но полное закрытие зависит от партнёров, срок непредсказуем». Хотя бы честно.

Но лучше — бери полную ответственность и доводи до результата. Именно такие люди становятся незаменимыми.

Подумайте больше тридцати секунд о цифре семьсот миллионов пользователей на восемь миллиардов населения планеты Земля.

ChatGPT has 700 million users. 99.9% have spent exactly $0 through their AI assistant.

Not because they don't want to spend money. Because the internet has no native way for AI to pay for things.

When your AI hits a paywall, it shrugs and asks you to handle it. When it wants to buy something, it generates a shopping list and sends you to Amazon. The most sophisticated AI in history is reduced to a helpful research assistant because it can't hold a credit card.

This week, that started to change. Cloudflare and Coinbase resurrected HTTP 402—a 30-year-old ghost in the internet's code with their new x402 protocol. Meanwhile, an ex-Stripe team quietly launched ATXP, and Google pushed forward with AP2. Each protocol tackles a different piece of how AI handles money, but together they're racing to solve the same fundamental problem.

The internet was born without payments built in.

Now we're retrofitting it for an age where your AI assistant might need to buy from other agents while you sleep.

And I’m now 90% confident that will happen via stablecoins.

LLMs are here to stay, BUT...

24 часа назад стало ясно: прямо в интерфейсе ChatGPT можно покупать на Etsy, Shopify (сотни тысяч магазинов) – и дальше где угодно. Сегодня в Лондоне я вижу наружку в больших форматах и больших масштабах. ChatGPT выходит в consumer-мир.

Помню статью Sequoia ±год назад: «выиграют те, кто сделает лучшие прикладные продукты поверх API LLM». Кажется, OpenAI теперь демонстрирует обратное – выигрывать они хотят сами. Страшно интересно представлять, что сейчас внутри команд Claude, X.ai, Gemini, OpenAI. Они уже перестают быть просто поставщиками API – они становятся новыми Amazon/Apple/Facebook, забирающими последнюю милю. Когда мы увидим первую контекстную рекламу в ответах LLM – думаю, вопрос недель.

Но есть и обратная сторона. Оценки в сотни миллионов долларов при выручке <$1m стали нормой. В индустрию влито очень много капитала, ставки аномально высокие. Я технооптимист и гик, но это пахнет пузырем. Meta делает TikTok из AI-контента, стартапы клепают «любимые» интерфейсы, но реальный enterprise-уровень и scale-up этим не покроешь.

И вот в этом мне видится угроза. Потому что если один такой жирный кусок AI-стартапинга посыпется, капитал по цепочке будет выниматься из всего, и боль может напомнить не «маленький коррекционный 2022», а настоящий 2008. Так что давайте оставаться оптимистами, но строить zero-bullshit products. AI-революция может выглядеть как рассвет Интернета. Или как ночь 2008-го. Все зависит от того, строим ли мы реальность или матрицу.

Восход постграмотного общества и конец цивилизации (оригинал на английском)

«Оруэлл боялся тех, кто запретит книги. Хаксли боялся, что не будет причин запрещать книги, потому что никто не захочет их читать».

https://fastsalttimes.com/post-literate-society/

Настоятельно рекомендую прочитать каждому. Особенно родителям, которые задумываются о будущем своих детей, и, более того, стоит дать его почитать и самим детям, чтобы они поразмыслили о мире, в котором будут жить завтра.

https://www.theinformation.com/articles/borrowed-money-fueled-cryptos-700-billion-sell?rc=kqx6xc

The episode is a reminder of the risks inherent in the use of borrowed money in crypto trading. And those borrowings are just one part of a big increase in leverage across the economy and the financial system right now. Companies tied to artificial intelligence have borrowed tens of billions of dollars to build out the data centers and power systems needed for AI, while government debt in the U.S. and elsewhere has surged.

That kind of multilayered leverage can lead to implosions with catastrophic effects. Last Friday may have been a dress rehearsal. One 24-hour period saw at least $19 billion worth of crypto wiped out across platforms, making it the largest crypto liquidation ever, according to an estimate by CoinGlass, a data analysis platform.

The “actual total is likely much higher,” it said. By Sunday, the crypto market had lost nearly $700 billion in value, one of the largest sell-offs since the collapse of FTX in 2022. Bitcoin fell 11%, while smaller tokens like dogecoin fell by half.

Ездили вчера с дочкой и ее подругой на Монеточку (кстати, волшебные новые стихи и замечательные новые аранжировки). Я дал им возможность довести меня из западного Лондона в O2 (Greenwich), час на сабвее с пересадкой.

Меня не удивил их первый позыв разобраться как ехать в ChatGPT, но цепануло, насколько высокое доверие и пока что неразвитый булшит-детекшн у ребят 2010-ых годов рождения. Неверными были и промпт, и (как следствие) маршрут, и эстимейты. Ничего не триггернуло девчонок, но я попросил их построить маршрут в "классическом" Google Maps. Доехали!

Но смотря на эти consumer facing и очень красивые рекламные lifestyle плакаты, я продолжаю переживать за будущее детей, которым будет все лень. За нас тоже родители переживали, что глаза вытекут, телевизор убьет мозг (кстати, многим и убил), без диплома никуда... Но здесь надо как-то лавировать между реальностью и ошибками выживших.

Кстати, на концертах уже не включенные камеры на телефонах 90% людей трогают меня, а тиктокерская манера снимать себя на фоне поющего артиста. А какие манеры создаст нам и будущим им потребление LLM?