Платформа Handshake, изначально созданная как аналог LinkedIn для студентов, за несколько месяцев совершила беспрецедентный прорыв на рынке искусственного интеллекта. Сооснователь и CEO компании Гарретт Лорд в разговоре с ведущим Ленни Рачицки рассказал, как его команда построила новый бизнес по разметке данных для ИИ-лабораторий «с нуля до $50 млн ARR за четыре месяца». Этот кейс наглядно демонстрирует, как использование уникального стратегического преимущества позволяет зрелой технологической компании успешно трансформировать себя в эпоху ИИ-революции.
🧠 Претренинг против посттренинга: новая эра обучения ИИ 5:04
В индустрии искусственного интеллекта происходит фундаментальный сдвиг в методах обучения моделей. Долгое время создатели больших языковых моделей (LLM) и передовые лаборатории были сосредоточены на претренинге (pre-training) — процессе поглощения как можно большего объёма информации из открытых источников. Исследователи стремились вобрать в модели весь массив человеческих знаний, включая тексты, книги и каждое видео на YouTube. Однако примерно 18–24 месяца назад эффективность этого подхода начала упираться в технологическое плато, так как практически весь доступный интернет-контент уже был освоен моделями.
В связи с этим вектор развития сместился в сторону посттренинга (post-training). По словам Гарретта Лорда, именно этот этап сегодня обеспечивает ключевой прирост интеллектуальных возможностей ИИ. Посттренинг включает в себя несколько критически важных компонентов:
- Обучение с подкреплением на основе отзывов людей (RLHF): процесс ранжирования предпочтений, когда эксперт оценивает, какой из предложенных вариантов ответов модели является более качественным.
- Контекстная тонкая настройка (Fine-tuning): насыщение моделей высококачественными точечными данными в специализированных дисциплинах, таких как кодинг, математика, юриспруденция или финансы.
- Сбор траекторий (Trajectory data): фиксация пошаговых сценариев решения сложных реальных задач, необходимых для создания рассуждающих (reasoning) моделей.
Гарретт Лорд объясняет, что исследовательские команды внутри лабораторий сейчас работают по классическому научному методу: они выдвигают гипотезу по улучшению модели, собирают небольшой массив данных для теста и, если гипотеза подтверждается, масштабируют это направление.
🎓 Экспертная сеть Handshake: от бакалавров до докторов наук 9:44
Исторически рынок разметки данных ассоциировался с низкоквалифицированным и дешёвым международным трудом. На ранних этапах развития ИИ-индустрии от разметчиков требовались базовые навыки, например, очерчивание дорожных знаков на изображениях. Однако современные модели развились до такого уровня, что генералисты больше не могут найти в их ответах изъяны. По мнению гостя, моделям потребовались эксперты.
Уникальное торговое предложение Handshake заключается в наличии колоссальной вовлечённой аудитории профессионалов. Сеть компании включает в себя:
- Более 18 миллионов активных пользователей по всему миру.
- Около 500 000 докторов наук (PhD).
- Более 3 миллионов студентов и выпускников магистратуры.
Гарретт Лорд подчёркивает, что суть степени PhD заключается в расширении границ общеизвестных знаний и защите уникальных тезисов. Именно такие люди способны таргетированно тестировать модели в физике, химии, биологии и высшей математике, проникая в те пласты знаний, которые никогда не публиковались в открытом интернете. Обычный пользователь не сможет заставить современную LLM совершить ошибку, но профильный физик легко докажет, где именно ломается логика или фактология модели.
В качестве примера Лорд ссылается на методологию известной научной работы GPQA. Суть процесса сводится к тому, что эксперт заходит в систему, находит уязвимость в рассуждениях ИИ, предоставляет верифицируемый правильный ответ и детально расписывает пошаговый алгоритм его достижения. Из условных 10 шагов решения математической задачи ИИ может ошибиться на шестом, и задача эксперта — исправить конкретную логическую цепочку.
Другим примером является кейс исследовательницы Рэйчел, обладательницы степени PhD Университета Майами. Проработав два десятка лет учителем восьмых классов, она использует свой уникальный педагогический опыт, чтобы тестировать ИИ в области образовательного дизайна и помогать моделям выстраивать правильные методологии обучения людей.
⏱️ Три кита ИИ-разработки: качество, объём и скорость 19:51
По наблюдениям Гарретта Лорда, создатели ИИ-моделей сегодня предъявляют три жестких требования к поставщикам данных: качество, объём и скорость.
- Качество превыше всего. Обучение ИИ похоже на обучение студента: если скармливать модели неверные или некорректно размеченные данные, исправить эти деструктивные паттерны поведения в будущем становится чрезвычайно трудно.
- Объём и масштабируемость. Лабораториям требуются тысячи единиц сложнейших данных. Handshake решает эту проблему за счёт прямого доступа к студентам ведущих вузов мира — Стэнфорда, Беркли и MIT. Компания отбирает исполнителей с наивысшим академическим рейтингом (GPA) на нужных факультетах.
- Скорость и гибкость. Исследователи ИИ одновременно тестируют несколько параллельных гипотез. Поставщик данных должен уметь развернуть масштабную кампанию по сбору за считанные дни, чтобы лаборатория могла быстро масштабировать успешный проект или закрыть неэффективные ветки разработки.
Чтобы соответствовать этим стандартам, Handshake выстроила собственную технологическую экосистему. Компания наняла топ-менеджера из Meta, отвечавшего за посттренинг, арендует собственные серверные мощности (GPU) и самостоятельно оценивает математическую ценность каждой созданной единицы данных для улучшения бенчмарков моделей.
🤖 Эволюция рынка труда и «ИИ-нативные» специалисты 24:24
В обществе нарастает тревога из-за того, что студенты, помогающие обучать ИИ, фактически лишают себя будущих рабочих мест. Гарретт Лорд занимает оптимистичную позицию в этой дискуссии: он заявляет, что является сторонником роста ВВП, а не концепции безусловного базового дохода. По его мнению, технологии не уничтожат наём, но кардинально изменят и увеличат продуктивность людей.
Платформу Handshake используют 100% компаний из списка Fortune 500 и более миллиона работодателей, и они не фиксируют тренда на отказ от молодых специалистов. Лорд приводит в пример сферу SMM-маркетинга: если раньше для ведения кампании требовались отдельные специалисты по Photoshop, видеомонтажу и аналитике, то сегодня один молодой специалист, усиленный ИИ-инструментами (что Лорд называет «железным костюмом Железного человека»), способен в одиночку закрывать все эти задачи без диплома дата-сайентиста. Другим примером стал интерн в самой Handshake, который благодаря ИИ смог отправить свой первый рабочий пул-реквест (PR) и исправить баг в коде уже в первый день стажировки.
Лорд проводит историческую аналогию: когда-то молодые люди с гордостью вписывали в резюме навык «поиск в Google», потому что умели эффективно обращаться с новой технологию. Сегодняшние выпускники находятся в огромном выигрышном положении, поскольку они «ИИ-нативны». Более того, сотрудничество с Handshake позволяет PhD-студентам зарабатывать по $150–$200 в час за дебаггинг нейросетей вместо привычных $25 в час на позициях ассистентов преподавателей. Эти инсайты они уносят обратно в учебные классы и научные лаборатории для продвижения собственных академических исследований.
🛡️ Конкурентное преимущество: почему реклама больше не работает 29:35
Обсуждая конкурентную среду, Ленни Рачицки вспомнил цитату директора по продукту OpenAI Кевина Вейла: «Модель сегодняшнего дня — это худшая модель, которую вы когда-либо будете использовать». Рост рынка разметки колоссален, что подтверждается оценкой компании Scale AI на уровне около $30 млрд. Однако структура рынка меняется.
Лорд утверждает, что единственным реальным конкурентным преимуществом (moat) в сфере человеческих данных является прямой доступ к аудитории. Большинство традиционных игроков на рынке разметки вынуждены действовать по следующей схеме:
- Они содержат огромные штаты рекрутеров (иногда до 200 человек).
- Они тратят десятки миллионов долларов в месяц на таргетированную рекламу в TikTok, Instagram и Google.
- Пытаясь найти, к примеру, 200 докторов наук по физике, они вылавливают их через случайные рекламные баннеры в соцсетях. При этом пользователи не доверяют незнакомым брендам и неохотно регистрируются.
Handshake полностью избавлена от стоимости привлечения пользователей (CAC = 0). За 10 лет работы компания выстроила институциональное доверие: её платформу закупают 1600 университетов и колледжей США (включая 92% топовых вузов). Handshake изначально обладает верифицированными данными об успеваемости студентов, их курсовых работах и специализациях, что позволяет мгновенно собирать когорты высококлассных специалистов, обеспечивая высокий уровень конверсии и удержания на проектах.
🚀 Взрывной рост внутри зрелого бизнеса: от 0 до $50 млн ARR за 4 месяца 32:58
Идея создания нового ИИ-направления родилась органически. Руководство Handshake заметило, что сторонние компании-посредники начали массово приходить на платформу с целью переманивания PhD и магистров для ИИ-проектов. Сами пользователи жаловались, что эти платформы предлагают хаотичный интерфейс, транзакционный подход и непрозрачные выплаты, что вело к огромному оттоку исполнителей. Финальным триггером стало то, что крупнейшие ИИ-лаборатории начали выходить на Handshake напрямую, пытаясь исключить посредников.
Гарретт Лорд принял решение действовать стремительно. В период рождественских и новогодних праздников он безостановочно летал на встречи с ведущими исследователями ИИ, наняв три экспертные фирмы (включая AlphaSights и GLG) для ускорения обучения.
Хронология запуска складывалась следующим образом:
- Январь: формирование команды из ветеранов индустрии человеческих данных и официальный старт разработки платформы.
- Спустя 4 месяца: новое направление достигло выручки в $50 млн ARR.
- Текущий момент (8 месяцев с момента старта): компания уверенно идёт к преодолению планки в $100 млн ARR за первый год, и Лорд выражает уверенность, что этот показатель будет значительно превышен.
Для сравнения: основной бизнес Handshake, развивавшийся 10 лет и насчитывающий около 600 сотрудников, генерирует $200 млн ARR. Новое ИИ-направление обгонит старый бизнес по выручке менее чем за два года. Лорд описывает оригинальную платформу как «несвязанный граф» (unconnected graph): в отличие от LinkedIn, где профиль строится вокруг прошлых мест работы и знакомств, Handshake помогает студентам без опыта исследовать карьерные треки на основе их интересов и связей с недавними выпускниками.
🛠️ Правила «режима фаундера»: как запустить стартап внутри корпорации 39:46
Гарретт Лорд признаёт, что инкубация сверхагрессивного стартапа внутри стабильной десятилетней компании — это тяжелейший вызов. Чтобы проект не завяз в бюрократии, Лорд лично возглавил его в ручном «режиме фаундера» (founder mode), делегировав операционное управление основным бизнесом своей исполнительной команде и посвятив новому стартапу более 80% своего времени.
Лорд выделил ключевые организационные принципы, обеспечившие успех:
- Абсолютная автономия. Были созданы полностью независимые команды разработки, дизайна, клиентского оперирования и финансов. У сотрудников ИИ-направления не было никаких обязательств перед старым бизнесом.
- Изоляция и темп. Новая команда сидела в отдельной части офиса, работая по 5 дней в неделю на рабочих местах и регулярно захватывая выходные. Лорд открыто предупреждал кандидатов, что это хаотичная работа в режиме «24/7».
- Хедхантинг лучших кадров. Из основного бизнеса были изъяты топовые инженеры принципал- и стафф-уровня. Некоторые отказывались, не желая регулярно работать по ночам до 2–3 часов утра, но согласившиеся получили статус совладельцев нового бизнеса через систему компенсационных стимулов.
- Культура жестких метрик. Проект сразу отказался от классических корпоративных каденций в пользу жесткого еженедельного дата-ориентированного контроля.
- Принцип «Leave nothing to chance» («Не оставляй ничего на волю случая»). На маркерной доске в офисе было нарисовано количество дней, оставшихся в году. Лорд внедрил культуру тотальной мобилизации: лично лететь к клиенту при малейшем сомнении, перепроверять данные по шесть раз, выпускать дополнительные фичи ради малейшего преимущества.
🔮 Будущее ИИ и рынка труда: исчерпаем ли мы данные? 57:45
В будущем ИИ полностью перевернет рынок трудоустройства. По мнению Лорда, через 5 лет менеджеры забудут про ручной отбор 200 резюме, а студенты перестанут вручную писать сопроводительные письма. Процесс найма трансформируется в интерактивные ИИ-интервью и симуляции рабочих задач.
Отвечая на вопрос о возможном дата-дефиците и плато в развитии ИИ, Лорд выразил уверенность, что дефицита не случится, но типы необходимых данных кардинально изменятся. Лабораториям потребуются:
- CAD-файлы и инженерные чертежи.
- Данные автоматизированных научных экспериментов и процессов разработки лекарств.
- Логи взаимодействия со специфическими, редкими операционными системами научных приборов.
- Огромные массивы аудиоданных из-за взрывного роста популярности голосовых интерфейсов.
Сам Лорд активно использует голосовой режим ИИ: у него недавно родился ребёнок, и теперь по ночам каждые два часа он задаёт ИИ вопросы по уходу за младенцем через голосовой ввод.
Относительно роли сгенерированных компьютерами синтетических данных Лорд отметил, что они эффективны в жестко верифицируемых областях, однако они не смогут полностью доминировать на рынке. Полноценная человеческая разметка останется востребованной как минимум на ближайшее десятилетие до момента достижения полноценного сверхинтеллекта (ASI).
⚡ Блиц-опрос: Принстон, колыбель и Стив Джобс 1:04:03
В традиционном финальном блице Гарретт Лорд поделился личными историями и предпочтениями:
- Рекомендуемые книги: «От нуля к единице» Питера Тиля (актуальна со времён, когда в интернете ещё не было инструкций по стартапам), «Продавец обуви» Фила Найта (эталон истории предпринимательства) и «Легко не будет» Бена Хоровица.
- Сериалы: Впервые в жизни начал смотреть с женой «Игру престолов». Находит её крайне жестокой, из-за чего не рекомендует смотреть перед сном.
- Любимый гаджет: Умная автоматическая детская колыбель SNOO, которая сильно выручает молодую семью после рождения ребёнка.
- Жизненный девиз: «Не оставляй ничего на волю случая и выкладывайся на поле до конца».
Самой яркой историей подкаста стал рассказ Лорда о том, как на заре создания Handshake он едва не был арестован в Принстонском университете. В то время основатели стартапа передвигались на старом Ford Focus, наматывая по 20–30 тысяч миль, и ночевали на парковках McDonald's, так как они были хорошо освещены и там был бесплатный Wi-Fi.
Чтобы привести себя в порядок перед важнейшей продающей встречей с руководством университета, Лорд пробирался в кампусные бассейны. В каждом таком комплексе утром всегда тренируются студенты и преподаватели, и там есть бесплатный душ. Служба безопасности Принстона не оценила гигиенические процедуры постороннего человека и задержала его. Охранники позвонили директору центра карьеры вуза, чтобы проверить личность задержанного. В итоге инцидент только помог стартапу: директор был настолько поражён и восхищён экстремальным уровнем приверженности и самоотдачи молодого предпринимателя, приехавшего на машине из Мичигана, что это задало отличный тон переговорам и помогло заключить контракт.
Сегодня Handshake продолжает агрессивно нанимать инженеров в офисы в Нью-Йорке, Сан-Франциско, Лондоне и Берлине, чтобы справиться с лавинообразным спросом со стороны ИИ-индустрии.
