# Джонатан Сиддарт из Turing: почему 99% интеллектуального труда будет автоматизировано, а традиционный SaaS исчезнет

Источник: https://www.youtube.com/watch?v=yQLOicn2vPU
Канал: 20VC (Harry Stebbings)
Опубликовано: 01.12.2025

---

Джонатан Сиддарт, основатель и CEO компании Turing, утверждает: мы находимся в начале эры «ускорителей исследований», которая придет на смену простому мечению данных. В индустрии ИИ происходит фундаментальный сдвиг: переход от обучения чат-ботов к созданию автономных агентов, способных выполнять сложную работу в реальном мире.

## 🧠 От разметки данных к ускорителям исследований: новая эра ИИ
[[JUMP:0:00]]

Джонатан Сиддарт считает, что эра компаний, занимающихся просто разметкой данных (data labeling), подошла к концу [0:00]. На смену им приходят «ускорители исследований» (research accelerators). Если раньше для обучения нейросетей достаточно было низкоквалифицированных подрядчиков, описывающих картинки с кошками, то сегодня требования кардинально изменились [1:44]. 

**Ключевые изменения в подходе к данным:**

*   **От простого к сложному:** Если раньше задачей было написать простую программу на Python, то теперь ИИ обучают создавать комплексные B2B-приложения сразу для нескольких платформ (iOS, Android, Web) [2:22].
*   **От тестов к реальной работе:** Модели больше не просто учатся сдавать экзамен на юриста (The Bar), они учатся выполнять работу юриста — анализировать комплаенс, готовить документы и проверять конфиденциальность [3:01].
*   **От чат-ботов к агентам:** Простые диалоговые системы сменяются «агентами» — ИИ, который может самостоятельно выполнять многошаговые задачи, используя внешние инструменты (API, браузер, офисные приложения) [3:28].

Сиддарт подчеркивает, что Turing работает с семью из восьми ведущих лабораторий мира (Frontier Labs), помогая им в обучении «суперинтеллекта» [1:17]. Для этого требуются эксперты в узких областях — от медицины до юриспруденции, — чьи навыки и логика переносятся в код [2:49].

## 🤖 Революция RL-сред: как обучают автономных агентов
[[JUMP:3:41]]

Переход к агентам требует нового типа обучения. Ранее доминировали методы SFT (Supervised Fine-Tuning) и RLHF (Reinforcement Learning from Human Feedback), где модель просто имитировала эксперта или подстраивалась под предпочтения человека [3:55]. Сейчас фокус сместился на обучение с подкреплением (Reinforcement Learning) в специализированных средах [5:20].

Сиддарт описывает концепцию «RL-сред» (Reinforcement Learning Environments) как мини-моделей реального мира для бизнеса [5:20]. Например, для обучения виртуального специалиста по продажам создается клон ИТ-инфраструктуры, включающий Salesforce, LinkedIn и ZoomInfo с синтетическими данными [6:14]. 

В такой среде агент пробует различные траектории действий для выполнения задачи — например, подготовки к звонку и обновления базы данных. Система автоматически проверяет результат с помощью «верификатора» [6:42]. Turing создает такие среды в массовом масштабе, охватывая 30 триллионов долларов объема мирового интеллектуального труда [8:27].

## 💼 Автоматизация 99% интеллектуального труда и конец традиционного ПО
[[JUMP:16:16]]

Джонатан Сиддарт делает радикальный прогноз: любая интеллектуальная работа, выполняемая перед компьютером с помощью мыши и клавиатуры, будет автоматизирована [16:28]. Он считает, что это лишь вопрос времени — вероятно, ближайшего десятилетия [16:42]. 

Ведущий Гарри Стеббингс выразил скептицизм, указывая на «катастрофическое» состояние внутренних данных в крупных корпорациях и их медлительность в принятии технологий [17:08]. Сиддарт парировал это тем, что конкуренция заставит компании меняться: стартап, работающий с в 100 раз меньшим штатом благодаря ИИ, просто уничтожит неповоротливых гигантов [18:03].

**Прогнозы Сиддарта для бизнеса и рынка труда:**

1.  **Продуктивность 100x:** Обычный человек сможет управлять одной компанией так же эффективно, как Илон Маск пятью, а сам Маск сможет вести 600 проектов одновременно [25:01].
2.  **Демократизация предпринимательства:** Основатели больше не будут ограничены поиском венчурного капитала для найма штата инженеров и маркетологов. Достаточно будет «нанять» специализированные GPT-агенты за $20 в месяц [26:08].
3.  **Смерть традиционного SaaS:** Сиддарт считает, что эпоха готовых SaaS-приложений через 10 лет закончится [52:23]. Когда ПО станет легко создавать с помощью ИИ, компании перейдут на кастомные внутренние инструменты, а место интерфейсов (GUI) займет «фоновый ИИ», управляемый голосом и текстом [53:32].

## 🏢 Корпоративный ИИ: почему будущее за малыми моделями
[[JUMP:12:38]]

Оценивая рынок Enterprise AI, Сиддарт отмечает, что гигантские модели с триллионами параметров не всегда являются лучшим решением для бизнеса. В примерах с андеррайтингом для страховых компаний эффективнее оказываются малые языковые модели (SLM) размером от 500 миллионов до 10 миллиардов параметров [13:55].

**Преимущества малых моделей для компаний:**

*   **Безопасность:** Работа «on-prem» (на собственных серверах), что исключает утечку данных конкурентам или разработчикам больших моделей [14:38].
*   **Скорость и точность:** Узкая специализация на конкретных данных компании делает модель эффективнее в специфических задачах [14:09]. 
*   **Институциональная память:** Возможность дистиллировать знания опытных сотрудников, работающих в компании десятилетиями, непосредственно в код модели [15:06].

## 🚀 Будущее интерфейсов: закат смартфонов
[[JUMP:1:00:33]]

В будущем физический интерфейс взаимодействия с ИИ изменится. Сиддарт предполагает появление носимых устройств (очков или наушников), которые будут постоянно обрабатывать мультимодальные данные — видеть то же, что и пользователь, и слышать его окружение [1:00:46].

Такой «экзоскелет для мозга» сможет считывать язык тела собеседника, давать подсказки в реальном времени («Гарри теряет интерес, смени тему») и запоминать всё, что человек видел или слышал [1:01:12]. Смартфон в его нынешнем виде станет лишь «компьютером с приложением для звонков» и утратит статус главного устройства [1:03:13].

## 🧪 Отношение к лидерам и Китаю
[[JUMP:38:12]]

В ходе блиц-опроса Сиддарт выразил глубокое уважение к Алексу Вангу, основателю Scale AI, за его прозорливость в понимании важности данных [38:28]. Говоря о глобальной конкуренции, он призвал не недооценивать Китай, отметив успехи моделей DeepSeek и Qwen в открытом доступе [1:09:16]. Джонатан также защитил Илона Маска от критики в пренебрежении безопасностью ИИ, утверждая, что мотивация Маска — создание ИИ, который «любит человечество» [1:11:30].

---