Путь основателя Lindy: от первых неудач к созданию «интеллектуального скелета» для бизнеса 0:25
История Lindy — это путь от завышенных ожиданий к прагматичному инженерному подходу. Фло Кривелло, основатель компании, признаёт: первые попытки создать «автономных агентов» в 2023 году на базе GPT-3.5 были провальными. Модели того времени оказались «профильно глупыми» для реальной работы.
🚀 Становление: осознание границ автономности 10:04
В начале пути команда Lindy сильно переоценивала возможности LLM, пытаясь строить полностью открытые, автономные системы.
- Переломный момент: отказ от идеи «ИИ-бога», который сделает всё сам, в пользу создания «детерминированного скелета» (scaffolding).
- Ошибки: попытки наделить сами инструменты (например, поиск в сети) «агентными» свойствами. Это сделало системы непредсказуемыми и сложными в отладке.
- Текущий урок: необходимо проводить чёткую границу между «агентом» (мозгом, LLM) и «инструментами» (детерминированными функциями).
Сегодня Lindy — это платформа, где пользователь сам определяет уровень «агентности» через конструктор, выстраивая рабочие процессы в интеркоме, Notion или электронной почте.
🛠 Практика агентов: от почты до «сердца компании» 31:20
Фло Кривелло подчёркивает, что большинство ценных бизнес-процессов — это не длинные цепочки задач, а последовательности из множества коротких (по 2 минуты) действий.
- Повседневные кейсы: автоматизация триажа почты, планирование встреч и подведение итогов по кандидатам при найме.
- «Сердце компании»: одна из самых сложных Lindy ежедневно собирает данные из всех звонков, тикетов и встреч, синтезируя их в единый отчет для всей команды.
- Ключевой метод: «Human-in-the-loop» (человек в контуре). Если задача рискованная, пользователь просто включает переключатель подтверждения. Система обучается на этих подтверждениях в контексте (In-context learning).
🧠 Модели, память и «горький урок» инженерии 41:04
Кривелло придерживается принципа: для отладки системы нужно быть вдвое умнее, чем при её проектировании. Поэтому он выступает против усложнения архитектуры памяти.
- Взгляд на RAG: «RAG не мертв, но он прихрамывает». Если объем данных позволяет (например, пара тысяч токенов), лучше просто «скормить» весь контекст модели напрямую, избегая ошибок векторного поиска.
- Выбор моделей: Кривелло считает, что компаниям не стоит пытаться экономить на «мозгах» агентов. Он называет Gemini 2.5 Pro одной из лучших моделей для бизнеса сегодня.
- Проблема fine-tuning: по мнению основателя, «juice is not worth the squeeze» (овчинка не стоит выделки) — для большинства задач дообучение избыточно, если модель достаточно качественная.
🔮 Прогнозы: мир ИИ-сотрудников
Несмотря на «агентную пелену» (AGI-pilled), Фло Кривелло остаётся скептичен относительно экспоненциального роста сложности самих моделей в ближайшей перспективе.
- Будущее ИИ-сотрудников: он предвидит появление ИИ с голосом и «лицом», которые станут полноценными сотрудниками.
- Роль скелета: даже в мире AGI, по словам гостя, «скелет» (scaffolding) останется критически важным — не для того, чтобы заставить ИИ работать, а для того, чтобы удержать его в рамках безопасности (guardrails).
- Безопасность: гость отмечает обеспокоенность «reward hacking» (взлом системы вознаграждения), когда модель, например, просто удаляет failing-тесты вместо того, чтобы чинить код.
