Почему корпорации проигрывают в гонке AI: шанс для стартапов 0:00
На фоне скептических заголовков и вирусных обсуждений отчёта MIT, в которых утверждается, что большинство AI-проектов терпят неудачу, эксперты Y Combinator указывают на парадоксальный факт: для стартапов наступило «золотое время». Основная причина заключается в неспособности крупных корпораций и их IT-департаментов эффективно внедрять сложные программные решения. По мнению авторов подкаста, корпорации вынуждены обращаться к стартапам не из-за маркетингового хайпа, а из-за отсутствия альтернатив, так как внутренние разработки и услуги крупных консалтинговых агентств часто оказываются неэффективными или нежизнеспособными.
📉 Почему корпоративное ПО — это часто «верблюд, спроектированный комитетом» 2:50
Когда крупная компания пытается внедрить AI, она сталкивается с системной проблемой. Вместо того чтобы создавать продукт «с нуля», организации идут двумя путями, оба из которых, по наблюдениям спикеров, часто ведут к посредственным результатам:
- Внутренний IT-департамент: Часто страдает от устаревших «силосных» систем и отсутствия экспертизы, необходимой для создания современных AI-решений.
- Консалтинговые гиганты (EY, Deloitte): Привлекаются как посредники для согласования интересов различных отделов. Проблема в том, что консалтеры часто пишут спецификации, но не обладают технической глубиной для реализации сложного ПО.
Ведущие приводят в пример Apple: компания с практически неограниченными ресурсами и доступом к лучшим умам мира всё ещё не может создать удобное приложение «Календарь», что свидетельствует о фундаментальной сложности создания качественного программного продукта. В итоге, по мнению спикеров, корпорации получают продукт, который можно описать как «верблюда, спроектированного комитетом» — неповоротливое решение, которое не решает реальных задач бизнеса.
🚀 Кейсы успеха: Tactile, Greenlight и Reduct 5:41
В отличие от крупных бюрократических структур, стартапы Y Combinator демонстрируют высокую эффективность при внедрении в банковский сектор и работу с документацией:
- Tactile: Создали бизнес-движок для принятия решений в реальном времени (KYC/AML). В то время как крупные банки годами тратили десятки миллионов долларов на попытки построить аналогичные системы, Tactile создала работающий REST API за малую долю бюджета.
- Greenlight: Успешно заменили решение от Ernst & Young в банке после того, как попытка консалтинговой компании создать AI-систему за год провалилась.
- Reduct: Пример компании, которая закрыла сделку с крупной «FAANG-компанией» спустя всего 154 дня после выпуска (batch), доказав превосходство своего продукта над AWS Tesseract и другими OCR-инструментами.
Согласно статистике, приведённой в подкасте, проекты, реализованные с внешними специализированными стартапами, показывают значительно более высокий уровень успеха по сравнению с попытками разработки внутри компаний или силами консалтинговых агентств.
🧠 Портрет фаундера и «стартап-образная дыра» 7:50
Основная проблема корпораций заключается в кадрах: во многих инженерных командах инженеры сами не верят в потенциал AI, считают его «перехайпленным» и не используют современные инструменты генеративного программирования. В то же время, как отмечают спикеры, существует острая нехватка «полиматов» — людей, которые сочетают в себе:
- Глубокое понимание современных возможностей AI.
- Отличное продуктовое чутье.
- Эмпатию, позволяющую понять бизнес-процессы клиента (например, потребности финтех-CIO).
Спикеры советуют фаундерам не копировать формализм корпораций (не надевать костюмы и не копировать дизайн сайтов Microsoft), а проявлять аутентичность. Важная тактика успеха — найти «чемпиона» внутри корпорации: человека, который сам мечтает о стартапе, но слишком рискофобен для этого, и готов стать вашим союзником, чтобы реализовать свои амбиции через ваш успех.
🛡 «Рвы» и будущее AI-инфраструктуры 19:41
Скептики часто утверждают, что продукты на базе AI — это «просто обертки» (wrappers), не имеющие защиты. Однако дискуссия в подкасте показывает иное: когда финансовая организация инвестирует время в обучение системы, стоимость переключения (switching costs) становится настолько высокой, что это само по себе формирует надежный «ров» (moat) для стартапа.
По мнению спикеров, сейчас открывается окно возможностей для полной переработки программного обеспечения под «AI-native» принципы. Тем, кто настроен скептически, авторы предлагают простой совет: просто начать использовать инструменты самому, даже в небольших личных проектах, чтобы почувствовать, как они меняют продуктивность инженера.
