# Аарон Леви о будущем SaaS: почему ИТ-департаменты превратятся в HR-отделы для ИИ-агентов Источник: https://www.youtube.com/watch?v=YAHXJ-cPw6E Канал: The Cognitive Revolution Опубликовано: 29.01.2025 --- Стриминговая платформа The Cognitive Revolution представила подробное интервью с основателем и генеральным директором компании Box Аароном Леви. В ходе беседы обсуждалась беспрецедентная волна энтузиазма крупного бизнеса вокруг внедрения искусственного интеллекта, которая по своим масштабам и креативности значительно превосходит ранние этапы перехода к облачным технологиям. Собеседники детально разобрали трансформацию ИТ-департаментов в «HR-отделы для ИИ-агентов», технологические барьеры на пути к полной автоматизации и перспективы изменения бизнес-моделей в сфере корпоративного программного обеспечения. ## 📱 Личный опыт и взгляд на ИИ-эволюцию [[JUMP:04:08]] Аарон Леви отмечает, что скорость экспоненциального улучшения ИИ-моделей поражает, и при сохранении текущих темпов системы будут способны выполнять любые общие задачи. С появлением современных рассуждающих моделей (reasoning models) индустрия видит невероятные результаты в математике, сложной логике и написании кода. По мнению Леви, если бенчмарки продолжат расти, это создаст фундамент для полностью автономного обучения моделей. Руководитель Box ожидает, что в ближайшие несколько лет человечество получит технологию, которую ранее определяли как сильный искусственный интеллект (AGI). В повседневной жизни Леви активно тестирует новые инструменты. Он признался, что за последние шесть месяцев на его домашнем экране появилось больше новых приложений, чем за предыдущие 10–15 лет, когда этот список пополнялся раз в пару лет (например, Uber, Spotify или WhatsApp). Сейчас на главном экране CEO Box находятся как минимум пять новых ИИ-приложений: * Gemini Voice от Google; * Инструменты OpenAI для работы с чатом и видео; * Поисковый сервис Perplexity; * Grok от стартапа xAI; * Инструменты создания прототипов на базе Claude и Artifact. ## ☁️ Энергия ИИ против скепсиса раннего облака [[JUMP:06:48]] Сравнивая текущий ИИ-бум с ранними этапами развития облачных технологий (одним из пионеров которых была Box), Аарон Леви указывает на фундаментальную разницу в настроениях бизнеса. В начале облачной эпохи топ-менеджмент крупных предприятий демонстрировал скептицизм, сопротивление и настороженность. Перенос инфраструктуры из собственных дата-центров требовал доверия к новым вендорам, с которыми крупный бизнес раньше не работал (например, Amazon). Контроль над приватностью данных сместился с физического управления оборудованием на уровень API, дашбордов и аудиторских отчетов. Сегодня ситуация вокруг ИИ выглядит диаметрально противоположной. На встрече с двумя десятками директоров по информационным технологиям (CIO) в Нью-Йорке Леви зафиксировал у клиентов стремление развернуть ИИ в максимально возможном количестве сценариев — порой даже там, где это не имеет практического смысла. Облачная волна носила сугубо утилитарный характер: компании просто виртуализировали инфраструктуру. ИИ-волна, напротив, стимулирует креативность. Компании пытаются решать бизнес-задачи, к которым раньше не знали как подступиться, и перенаправлять человеческие таланты на более сложные вызовы. При этом Леви делает важную оговорку: масштабные внедрения ИИ на уровне всей инфраструктуры предприятий все еще находятся на самых ранних стадиях. Открывшееся окно возможностей сулит колоссальный рост ИТ-гигантам (Microsoft, Oracle, Google), зрелым SaaS-платформам (Box, Salesforce, ServiceNow) и новой волне ИИ-стартапов. ## 🤖 Новая роль ИТ: от поддержки к созданию «цифрового труда» [[JUMP:10:42]] Исторически ИТ-департаменты работали в связке с бизнес-подразделениями (маркетинг, продажи, финансы) по четкой схеме: бизнес заявлял потребность (например, инструмент для отслеживания лидов или HR-система), ИТ-команда оценивала вендоров, разворачивала софт и передавала его обратно бизнесу. Вся ответственность за продуктивность и исполнение оставалась на людях. С внедрением ИИ эта модель полностью меняется. Теперь бизнес приходит к ИТ-директорам не за софтом, а за «цифровым трудом» (AI labor). Руководители отделов продаж просят развернуть ИИ-агентов для проведения новых рекламных кампаний, а операционные бэк-офисы требуют агентов для проверки контрактов, обработки инвойсов и онбординга клиентов. > «Глава Nvidia Дженсен Хуанг сформулировал это лучше всего: фактически ИТ-департамент становится HR-департаментом для искусственного интеллекта», — цитирует коллегу Аарон Леви. Это обязывает ИТ-специалистов глубже понимать специфику бизнеса, становиться стратегическими игроками в компании и досконально разбираться в экосистеме ИИ-агентов. ## 📦 Архитектура Box AI: как продукт Hubs спас RAG от «болота данных» [[JUMP:14:22]] Платформа Box управляет более чем 100 миллиардами документов для 100 тысяч клиентов по всему миру, включая такие организации, как AstraZeneca, Morgan Stanley, Airbnb, Broadcom и ВВС США. Продуктовый слой Box AI связывает сторонние ИИ-модели с корпоративным контентом, жестко соблюдая внутренние права доступа, настройки приватности и безопасности клиента. Box AI развивает три ключевых сценария использования данных: 1. **Диалог с контентом:** возможность извлекать инсайты из сотен файлов одновременно с помощью поисковой архитектуры RAG (Retrieval-Augmented Generation). Например, менеджер может загрузить 100 презентаций и мгновенно получить лучшую практику продаж конкретного продукта. 2. **Структурирование хаоса:** автоматическое чтение неструктурированных документов (например, контрактов) с последующим извлечением ключевых метаданных (дат продления, имен сторон) в структурированную базу данных для последующего анализа. 3. **Агентские рабочие процессы:** сквозная автоматизация задач, когда ИИ-агент проверяет контракт, находит рискованные пункты и самостоятельно маршрутизирует документ нужному сотруднику или отправляет данные во внешние системы (Salesforce, ServiceNow). ### Трудности RAG и спасительная случайность Многие компании, столкнувшись с технологией RAG (поиском по базе знаний с помощью векторных эмбеддингов), быстро разочаровались. На практике векторный поиск часто извлекает нерелевантный контент, что ведет к неточным ответам ИИ. Леви объясняет эту проблему спецификой корпоративных данных. В публичном интернете у поисковиков вроде Perplexity есть преимущество в виде алгоритмов ранжирования (подобных PageRank): статья авторитетного СМИ всегда весит больше, чем случайный блог, созданный два дня назад. Внутри корпораций такого ранжирования нет. Файловая система компании забита мусором: рядом с легитимным файлом `earnings_final` лежат `earnings_draft1` и `earnings_Sally_edits`. Векторные эмбеддинги видят в них одинаково релевантный контекст, из-за чего ИИ часто выдает данные из устаревших черновиков. Box удалось решить эту проблему благодаря продуктовой случайности. За год до релиза ChatGPT компания начала глубокую архитектурную переработку файловой системы, создавая продукт Hubs. Это виртуальные хабы, позволяющие организовывать файлы по темам с помощью системы «умных указателей» без физического копирования документов и нарушения прав доступа. Когда произошел бум генеративного ИИ, Box просто ограничила область поиска RAG рамками этих хабов. Поскольку сотрудники вручную добавляют в тематические хабы (например, «Маркетинг Японии» или «Продажи») только финальные, верифицированные документы, ИИ работает исключительно с авторитетными источниками. Леви утверждает, что такой подход делает их RAG-сервис в 100 раз точнее обычного поиска по всей массе корпоративных данных. ## 🔄 От систем учета к системам интеллекта: что такое настоящий ИИ-агент [[JUMP:27:44]] Аарон Леви определяет ИИ-агента как технологическую сборку, состоящую из базовой ИИ-модели (или нескольких моделей), набора инструментов внутри платформы, проприетарной архитектуры системных промптов и прямого доступа к контексту данных пользователя. Если простые агенты выполняют роль продвинутых ассистентов для ответов на вопросы, то настоящие агенты будущего будут брать на себя многоступенчатые, недетерминированные процессы. ### Три эпохи корпоративного софта Леви выделяет три ключевых этапа автоматизации бизнеса: * **Системы учета (Systems of Record):** появились около 40 лет назад (CRM, ERP-системы). Абсолютно детерминированные технологии, задача которых — менять строки в базах данных по жестким алгоритмам. * **Системы взаимодействия (Systems of Engagement):** инструменты совместной работы (Slack, Box). Менее структурированные, гибкие платформы, подстраивающиеся под хаотичное человеческое общение. * **Системы интеллекта (Systems of Intelligence):** современная эпоха, где ИИ автоматизирует рабочие процессы, сочетая структурированность баз данных с гибкостью человеческого взаимодействия. Леви соглашается с тезисом, что интеллект — это способность выполнять полезную работу в условиях отсутствия четкого алгоритма. Именно поэтому ИИ-агенты откроют колоссальный рынок: они могут действовать в вероятностной среде, требующей суждений, и способны связывать между собой разрозненные ИТ-системы через интерфейсы даже там, где нет готовых API. ## 🛑 Корпоративные барьеры: почему ИИ должен быть в 10 раз лучше [[JUMP:36:40]] Существует огромный разрыв между реальными возможностями современных ИИ-моделей и уровнем их интеграции в бизнес. Комментируя тезис экономиста Тайлера Коуэна о том, что «главным бутылочным горлышком прогресса являются сами люди», Леви отмечает, что даже ему приходится сознательно заставлять свой мозг делегировать задачи ИИ, а не людям. Однако руководитель Box не снимает ответственности и с разработчиков моделей, выделяя три жестких барьера для Enterprise-сегмента: 1. **Требования к надежности:** в регулируемых индустриях недопустимы системы, работающие с точностью 98%. Если ИИ ошибется в 0,01% случаев при обработке миллиарда финансовых транзакций, это приведет к катастрофе. Крупному бизнесу нужна надежность на уровне 99,99999%. 2. **Экономика (стоимость токенов):** клиенты выражают готовность развернуть 10 тысяч ИИ-агентов, но когда они рассчитывают стоимость вычислительных мощностей, экономика проекта перестает сходиться. 3. **Управление изменениями (Change Management):** компаниям мешают регуляторные опасения, проблемы конфиденциальности и необходимость переобучать сотрудников, чьи функции автоматизируются. По словам Леви, бизнес невозможно мотивировать внедрять инновации обещаниями сделать процесс «на 40% дешевле». В реальной жизни у ИТ-директора есть еще 17 приоритетных проектов, необходимость согласовывать ИИ-решения на комитетах по безопасности и проводить полугодовые тесты. Чтобы преодолеть эту инерцию, ИИ должен давать кратное, десятикратное (10x) улучшение статус-кво по стоимости, скорости или качеству. Именно поэтому наибольший успех сейчас имеют net-new сценарии автоматизации (вроде ИИ-кодинга в Cursor или копилотах), которые не заменяют старые сложные процессы, а дают мгновенный прирост продуктивности в повседневной работе разработчика. ## ⚔️ Борьба гигантов и стартапов: новые бизнес-модели и кейс Klarna [[JUMP:44:44]] В экспертном сообществе ведутся споры о том, кто заберет ценность ИИ-революции: гибкие стартапы или ИТ-гиганты (incumbents), обладающие дистрибуцией и доступом к клиентам. По мнению Леви, классические законы конкурентной стратегии продолжают работать: * Создание тонких интерфейсных надстроек (wrappers) над моделями OpenAI или поверх данных Salesforce — это заведомо проигрышная стратегия для стартапа. * Крупные игроки обладают высокой компетенцией: Salesforce построит свой ИИ для CRM, Workday сделает ИИ для HR, а ServiceNow автоматизирует сервисные службы. Стартапам не стоит конкурировать с ними на их поле. * Сила стартапов — в создании кросс-платформенных ИИ-агентов и решении задач, ортогональных интересам гигантов. Комментируя нашумевшую историю о том, что финтех-гигант Klarna якобы отказывается от систем Salesforce и Workday в пользу собственных ИИ-разработок, Леви назвал это ярким, но изолированным прецедентом. По его оценке, 90% корпораций в мире не станут тратить ресурсы на написание собственной HR-системы ради экономии пары сотен тысяч долларов, так как у них совершенно другие операционные приоритеты. Вместе с технологиями меняются и принципы монетизации. Индустрия отходит от классической SaaS-модели с оплатой за пользовательское место (per-seat), доминировавшей последние 20 лет со времен ранней Salesforce. Леви прогнозирует разделение рынка на оплату за чистый результат (например, фиксированная ставка за каждый сгенерированный лид) и оплату за объем потребления вычислительных мощностей (consumption-based). Перспективной нишей для независимых стартапов он считает создание независимых систем безопасности, комплаенса и ред-тиминга (red-teaming), которые должны контролировать работу ИИ-агентов от разных вендоров внутри одной корпорации. ## 📈 Измерение продуктивности внутри Box и макроэкономический эффект [[JUMP:52:33]] Компания Box стремится на собственном примере реализовывать концепцию «AI-first организации». Инструмент Box AI радикально ускорил онбординг сотрудников: новички могут круглосуточно задавать вопросы коммерческому хабу продаж, получая экспертизу на уровне лучших специалистов компании без необходимости ждать ответа в Slack. Внедрение ИИ-инструментов для написания кода внутри Box дало измеримые результаты: опытные инженеры фиксируют рост продуктивности на 5–10%, в то время как у недавно нанятых разработчиков эффективность возрастает на 50% за счет ускоренного освоения контекста. Главным внутренним мерилом эффективности для Box является увеличение объемов и скорости выпуска (shipment) программного обеспечения. Леви разделяет оптимизм Тайлера Коуэна в том, что ИИ станет первой дискретной технологической категорией, которая обеспечит долгосрочный прирост мирового ВВП более чем на 0,5% в год. Тем не менее, с учетом инерции человеческих сред, процесс полноценной диффузии ИИ-технологий в глобальную экономику займет не менее десятилетия.