Чтобы создать бизнес будущего, ваша идея обязана казаться окружающим глупой, иначе в ней попросту нет секрета для смены парадигмы. Мы входим в эпоху, где ИИ перестает быть инструментом и превращается в «центральный мозг» организации, оркестрирующий работу людей и проверяющий на прочность саму человеческую способность выносить суждения. Либо вы перестраиваете компанию под логику экспоненциального роста сегодня, либо инерция и средний менеджмент поглотят ваш капитал раньше, чем вы успеете адаптироваться.
🚀 Стратегии прорыва: Инкрементальный рост vs Экспоненциальный сдвиг 3:17
В мире стартапов существует фундаментальное разделение на два типа «игры», правила которых практически не пересекаются . Шравант Алуру подчеркивает, что прежде чем нанимать команду или искать инвестиции, основатель должен честно ответить себе: строит он улучшенную версию существующего или создает новый рынок с нуля .
Инкрементальный vs Экспоненциальный рост 3:17
Шравант разделяет бизнес на два полярных подхода:
- Инкрементальная игра (Линейный рост): Это бизнес, основанный на понятном, «здесь и сейчас» спросе . Здесь вы берете неэффективный процесс и делаете его на 10–20% лучше, дешевле или быстрее . В такой игре важен Product-Market Fit (PMF) с первого дня, так как вы выходите на конкурентное поле, где правила уже известны . Успех здесь — это последовательное движение от 1 до 5, 10 и 20 .
- Экспоненциальная игра (Смена парадигмы): Это создание будущего, которое кажется миру «глупым» или невозможным на старте . Если ваша идея понятна всем, значит, в ней нет «секрета», на котором строится монополия . В этой игре PMF может не наступать годами — примером служит OpenAI, которая годами занималась глубоким обучением, прежде чем стать феноменом . Здесь вы либо получаете всё (1000x), либо ничего .
Ключевое различие кроется в метриках: если в линейном бизнесе вы измеряете успех прибылью и долей рынка, то в экспоненциальном — «накопленным обучением» (compounded learning) . Пока продукт не захватил мир, единственное, что имеет значение — как быстро команда узнает, «что не работает» . Ранее в разговоре собеседники вскользь упомянули, что подобные прорывы часто зависят от правильного тайминга.
Психотип основателя: Левое против правого полушария 13:00
Выбор типа бизнеса напрямую зависит от архитектуры мозга предпринимателя — того, что Алуру называет «Founder-Market Fit» .
- «Левополушарный» лидер (Логика и Структура): Идеален для инкрементального бизнеса . Ему нужно любить процессы, структуру и быть устойчивым к монотонности . Эффективность для него — это высшая ценность. Если такой человек пойдет в «футуристический» стартап, он быстро выгорит из-за отсутствия предсказуемости .
- «Правополушарный» визионер (Любопытство и Хаос): Необходим для экспоненциальных прыжков . Его главный двигатель — любопытство, позволяющее заходить в зоны «неизвестного неизвестного» и не сдаваться после провалов . Шравант отмечает, что в его компании Avtar.ai вместо «общего собрания сотрудников» (All-hands) проводят «собрание всех мозгов» (All-brains), подчеркивая важность нелинейного суждения каждого участника .
Важно понимать, что экспоненциальный путь — это игра «ва-банк» . Основатель должен обладать внутренней паранойей, так как в отсутствие внешней конкуренции на ранних этапах легко превратиться в «научную лабораторию», которая никогда не выпустит продукт .
Принцип «Сначала Почему»: Миссия против идеи 12:38
Шравант утверждает, что мир переоценивает значимость конкретной «идеи» . По статистике, более половины компаний радикально меняют свой продукт в процессе развития . Истинная устойчивость стартапа строится не на приверженности решению, а на преданности проблеме.
Ключевые элементы устойчивого стартапа:
- Эмоциональная связь с проблемой: Основатель должен иметь «личные счеты» с тем дисбалансом спроса и предложения, который он пытается устранить .
- Готовность быть непонятым: Если вы строите нечто фундаментальное, вас будут называть глупцом, и это нормально . Шравант признается, что чувствовал комфорт, когда его умные друзья из банковской сферы спрашивали, не сошел ли он с ума, увольняясь с престижной работы .
- Риск-менеджмент: Алуру предостерегает молодых предпринимателей от «прыжков в бассейн» без подготовки . Если ваш банковский баланс равен нулю, вы сдадитесь через три месяца, какой бы великой ни была миссия . Сначала нужно привести себя в состояние, позволяющее рисковать .
В конечном счете, успех — это разница между вашими ожиданиями и результатом . Для кого-то победой является 10% роста в год, а для кого-то — только изменение мирового ландшафта через десятилетний цикл .
🧠 Искусственный интеллект как новая промышленная революция 27:15
Сравант Алуру утверждает, что мы находимся в эпицентре тектонического сдвига, который по масштабам превосходит появление интернета, персональных компьютеров и мобильных технологий вместе взятых . Основная причина такой оценки заключается в том, что впервые в истории технологии начинают напрямую бросать вызов возможностям человеческого мозга .
Ключевые тезисы о масштабе перемен:
- Четыре десятилетия адаптации: Вспоминая прошлые промышленные революции (когда машины начали заменять физический труд человека), Сравант отмечает, что мир переживал этот переход около 40 лет, сопровождавшихся социальной болью и необходимостью адаптации . Учитывая современный темп жизни, текущий «период боли» от ИИ займет минимум десятилетие интенсивных трансформаций .
- Дисрапция «белых воротничков»: ИИ в первую очередь ударит по интеллектуальному труду. Первыми «под нож» пойдут кодеры , но следом изменения коснутся всех категорий знаний-работников (knowledge workers) .
- Корпоративное давление: На уровне крупных корпораций уже сейчас наблюдается экстремальное давление со стороны советов директоров . Компании вынуждены внедрять ИИ не из любопытства, а ради выживания рыночной стоимости акций. В некоторых кейсах уже сейчас 60% задач, которые раньше выполняли люди, автоматизированы .
- Вертикальные возможности: Несмотря на доминирование гигантов, огромные ниши остаются свободными. Алуру приводит в пример сельское хозяйство: внедрение ИИ и робототехники в фермерство позволит людям перестать заниматься тяжелым рутинным трудом и переключиться на инновации в агрономии .
Ранее в разговоре они касались того, как экспоненциальный рост стартапа требует совершенно иного типа мышления от основателя . В контексте ИИ это означает переход от простого написания кода к созданию «центрального мозга» организации, который самообучается на каждом действии сотрудника .
🕰️ Проблема тайминга: когда выходить на рынок 33:22
Сравант убежден, что большинство стартапов гибнут не из-за отсутствия тренда, а из-за фатальных ошибок в выборе времени (тайминга) . Однако в играх с экспоненциальной доходностью правила выбора времени контринтуитивны.
1. Пять лет раньше лучше, чем один год позже Для молодого основателя, стремящегося к невероятным возвратам на капитал (equity game), быть «слишком ранним» выгоднее, чем прийти на рынок, когда он уже сформирован . Алуру подчеркивает: «Я бы предпочел опоздать на 10 лет и играть в инкрементальную игру или прийти на 5 лет раньше и играть в экспоненциальную» . Быть на год позже — значит войти в рынок, где шум уже заглушил сигналы, а LinkedIn переполнен неточной информацией .
2. Преимущество отсутствия шума Ценность раннего выхода в том, что вы учитесь и создаете продукт, когда мир еще не кричит об этой технологии . Как только тренд становится мейнстримом, качество экспертизы падает, а информационное пространство превращается в «эхо-камеру» . Ранний вход дает возможность «узнать секрет до того, как его узнает мир» .
3. Ловушка советов от гигантов Молодые фаундеры часто совершают ошибку, следуя советам крупных промышленников и владельцев конгломератов . Для миллиардера с неограниченным капиталом стратегия «зайти последним и раздавить всех масштабом» (last mover advantage) работает идеально . Но у стартапа нет такого капитала . Совет Алуру:
- Учитесь у тех, кто на 5–10 шагов впереди вас .
- От тех, кто на 1000 шагов впереди, берите только вдохновение, но не тактические советы .
4. Выбор темы вместо идеи Тайминг неразрывно связан с устойчивостью темы. Алуру советует выбирать не «бизнес-возможность», а масштабную проблему (First Principle Why) . Например, если ваша тема — борьба с депрессией, вы можете начать с лекарств, но если они не сработают из-за побочных эффектов, вы переключитесь на медитацию или социальные структуры . Если вы преданы теме, а не конкретному способу реализации, вы переживете любые ошибки в тайминге .
В конечном итоге, предприниматель должен быть готов «пройти через кладбище» неудачных итераций, чтобы достичь своей большой цели . В мире ИИ, где всё может измениться за одну ночь из-за публикации одной научной работы , адаптивность и верность долгосрочной миссии важнее, чем попытка угадать идеальный момент для запуска .
🧠 Корпоративная инерция и концепция «Центрального мозга» организации 55:07
Переход к AI-native структуре — это не просто вопрос внедрения новых инструментов, а фундаментальный вызов для архитектуры современных компаний. В этом процессе ключевым препятствием становится не отсутствие технологий, а человеческий фактор и накопленная годами операционная неэффективность.
Инерция корпораций: почему гиганты проигрывают стартапам 55:07
На бумаге крупные корпорации (incumbents) имеют колоссальное преимущество перед стартапами: у них есть накопленные десятилетиями данные и отлаженные каналы дистрибуции . Однако в реальности владение «золотой жилой» данных редко конвертируется в технологическое лидерство из-за трёх факторов:
- Политизированность решений: В больших организациях внедрение ИИ часто наталкивается на внутреннюю борьбу за влияние. Руководители могут саботировать проекты, если не получают единоличного признания за их успех .
- Отсутствие гибкости (Agility): В то время как AI-native стартапы могут мгновенно развернуть тысячи ИИ-агентов , корпорации тонут в процессах согласования. Личные бонусы сотрудников часто значат больше, чем долгосрочный результат компании .
- Проблемы Change Management: Главная сложность не в том, чтобы заставить модель работать, а в том, чтобы заставить организацию измениться . Инерция и страх сотрудников перед переменами становятся непреодолимым барьером, который «съедает» любое преимущество в данных.
Спикер отмечает, что если корпорация не сможет пройти через эту трансформацию в ближайшие 2–3 года, она неизбежно проиграет стартапам, которые строят свои процессы на базе ИИ с первого дня .
Концепция «Центрального мозга» организации 57:05
Для решения проблемы инерции Avatar.ai предлагает внедрение «Центрального мозга» (Central Brain) — интеллектуального слоя, который оркестрирует все рабочие процессы . Любая организация в своей основе состоит из трех элементов: данных, решений на их основе и последующих действий . ИИ должен пронизывать все три этапа.
Ключевые характеристики «Центрального мозга»:
- Слой онтологии: Это придание бизнес-смысла сырым данным . Например, для системы «клиент» — это не просто строка в таблице, а сложная сеть связей (возвраты, история взаимодействий, влияние на прибыль), которые ИИ понимает в контексте бизнеса .
- ИИ как Chief of Staff: У каждого сотрудника появляется свой «начальник штаба», который фильтрует информацию, дает доступ только к нужным данным и координирует задачи .
- Устранение «процессного жира»: Опыт внедрения таких систем показывает, что 40–50% эффективности теряется просто на неэффективном менеджменте среднего звена . ИИ-оркестратор заменяет рутинную координацию, сообщая каждому, что и когда нужно сделать, устраняя человеческие трения .
Ранее в разговоре собеседники касались темы того, что ИИ — это новая промышленная революция, и концепция «Центрального мозга» является практическим воплощением этого тезиса, превращая сотрудников в «сверхлюдей» .
Риск деградации и стратегия «Человек в контуре» (HITL) 1:04:34
Использование ИИ несет в себе скрытую угрозу — риск интеллектуальной деградации сотрудников. Если просто дать людям инструменты вроде ChatGPT или Copilot как помощников, они начинают «аутсорсить» свое мышление . Радж Шамани приводит пример из собственной практики: после внедрения ИИ в один из ключевых отделов, сотрудники перестали генерировать оригинальные идеи и стали выдавать усредненный, «глупый» результат . Они теряют навык принятия самостоятельных суждений, становясь зависимыми от подсказок модели .
Чтобы избежать этого, Сравант Алуру предлагает радикально изменить подход:
- ИИ должен тянуть человека, а не наоборот: Нельзя позволять людям использовать ИИ просто как инструмент для создания черновиков документов .
- Роль человека — только суждение: Нужно перестроить роли так, чтобы ИИ-агент выполнял всю техническую работу и предоставлял человеку только те моменты, где требуется качественное суждение, интуиция или решение в условиях неопределенности .
- Обучение через контроль: Человек в этой схеме (Human-in-the-loop) не исполнитель, а валидатор, чьи решения обучают систему .
Такой подход позволяет отделить supply (предложение/труд) от demand (спроса), создавая нелинейный рост бизнеса без пропорционального увеличения штата . Это дает возможность лидерам сосредоточиться на росте, а не на сокращении затрат через увольнения .
🧠 AI-Native: новая структура ролей в компании 1:15:36
Переход к по-настоящему ИИ-нативной организации требует радикального пересмотра должностных инструкций и самой сути человеческого труда. Шравант Алуру подчеркивает, что современные лидеры рынка больше не рассматривают ИИ просто как инструмент для снижения затрат — они видят в нем «двигатель нелинейного роста» . В истинно ИИ-нативном фреймворке человек не должен выполнять ни одной задачи, которую может сделать модель; вместо этого люди перемещаются на «верхний слой», становясь уровнем принятия решений и суждений (judgment layer) .
Основные принципы новой структуры:
- ИИ как ведущий, человек как эксперт: ИИ «тянет» за собой процесс, подготавливая черновики, аналитику и варианты действий, а человек лишь выбирает или корректирует их .
- Устранение «черновой» работы: Задачи вроде написания брифов или первичного поиска информации больше не должны делегироваться сотрудникам-людям, так как это не развивает их навыки и делает их уязвимыми перед автоматизацией в будущем .
- Адаптация новых сотрудников: ИИ-нативная среда решает проблему «одиночества» новичка; новые сотрудники могут задавать «глупые» вопросы ИИ-аватару, не опасаясь осуждения, что ускоряет индукцию с 2-3 месяцев до считанных дней .
Шравант утверждает: если в вашей компании есть хотя бы одно описание вакансии, которое может быть полностью заменено текущим уровнем ИИ, вы не являетесь ИИ-нативной организацией и лишь «откладываете неизбежное» . Преимущество стартапов перед корпорациями (о которых упоминалось ранее в контексте инерции гигантов) заключается в том, что у них нет груза старых регламентов, и они могут сразу строить команду вокруг человеческого суждения, а не процесса .
Центральный мозг и управление знаниями через Knowledge Graphs 1:18:26
Для реализации ИИ-нативного подхода требуется создание мультиагентной системы, где у каждой роли есть доступ к своему срезу данных на основе прав доступа (RBAC) . В отличие от старых систем, которые выдавали просто сухие данные, современный «Центральный мозг» организации предоставляет инсайты для действий (actionable insights) .
Чтобы избежать смешивания контекстов (например, не путать данные по разным клиентам или проектам), Алуру предлагает использовать графы знаний (Knowledge Graphs) и онтологии . Это позволяет ИИ понимать отношения между объектами бизнеса — клиентами, действиями и результатами. Важнейшим инструментом здесь становятся «бизнес-правила» или Safeguards: например, правило о том, что недавний успешный человеческий эксперимент должен иметь приоритет над историческими данными модели, очищая «память» ИИ от устаревших паттернов .
Экономика SLM: малые языковые модели для бизнеса 1:31:21
Несмотря на мощь гигантских моделей вроде GPT-4 или Claude, будущее корпоративного ИИ лежит в плоскости прикладных, специализированных решений. Шравант отмечает, что 95–97% пилотных ИИ-проектов в компаниях терпят неудачу , потому что бизнес пытается использовать ИИ как «пластырь на тонущем корабле», не меняя архитектуру данных.
Ключевые аспекты экономики малых моделей (SLM):
- Защита частных данных: Компании осознают необходимость защиты своих данных как основного конкурентного преимущества («рва»), поэтому переходят к локальным или специализированным моделям .
- Точность на уровне задач: Для достижения высокой точности в конкретных индустриях (например, в здравоохранении) не нужны универсальные AGI-модели; достаточно моделей, обученных на узком домене .
- Демократизация доступа: То, что сегодня требует участия дорогих ML-инженеров с зарплатами в миллионы долларов, через 18 месяцев станет доступным через простые интерфейсы, как это произошло с HTML-кодингом .
В качестве примера успешного прикладного ИИ Шравант приводит компанию Palantir, чья оценка основана именно на умении работать с корпоративными данными, и подчеркивает, что его собственные проекты конкурируют с такими гигантами именно за счет фокуса на прикладных задачах, а не на «фундаментальном» ИИ .
Инвестиционная игра: капитал как токсичный актив 1:35:17
Шравант Алуру, опираясь на свой опыт в инвестиционном банкинге на Wall Street, дает жесткий совет основателям: избыточный капитал токсичен . Если основатель не понимает, как превратить 1 рупию в 10, привлечение 50 миллионов долларов только ускорит крах стартапа.
Главные уроки фандрайзинга:
- Не ради PR: Привлечение денег ради славы или в ответ на действия конкурентов (дилемма заключенного) лишает фаундера ясности видения .
- Коэффициент оптимизма: Фаундеры всегда переоценивают краткосрочные успехи и недооценивают долгосрочные. Шравант советует применять «дисконт-фактор» к своим планам, прежде чем называть инвестору сумму .
- Элеватор-ответы: Вместо многословного сторителлинга лучше иметь четкие односложные ответы на «известные неизвестные» вопросы. Пауза в 1 минуту в разговоре с инвестором может быть эффективнее, чем бесконечный поток слов .
- Перевернутые песочные часы: Основатель не «просит о милости», получая деньги. Он дает возможность венчурному капиталисту вложить средства в одну из 10 стоящих идей из тысячи, которые тот видит за год .
Инвестор ищет не инкрементальный рост (о котором шла речь в начале интервью), а 10-кратную или 100-кратную отдачу . Если у фаундера есть «заработанная убежденность» (earned conviction), основанная на годах обучения, фандрайзинг становится естественным процессом передачи возможности, а не продажей мечты .
🧘 Психология основателя, эволюция ИИ и проект Varya 1:43:45
Заключительный этап беседы Сраванта Алуру с Раджем Шамани сосредоточен на внутренней кухне предпринимательства и технологическом прорыве, который совершает Индия. От управления собственным эго до создания видео-моделей, которые в десятки раз эффективнее западных аналогов — путь основателя стартапа требует не только технического гения, но и философской устойчивости.
Психология «одинокого» основателя и управление эго 1:43:45
Быть основателем — значит постоянно балансировать на грани между ощущением собственного всемогущества и реальностью, которая быстро приземляет. Сравант отмечает, что успех часто рождает опасную иллюзию «авторства» всех достижений (illusion of doership) . Когда компания закрывает крупный раунд или продукт становится виральным, эго неизбежно раздувается, но уже через неделю реальность наносит ответный удар, возвращая основателя на землю .
Главная мантра, которую Алуру выработал за 11 лет пути: «Проживай взлеты с юношеским смирением, а падения — с уверенностью» . Он сравнивает предпринимателя с Арджуной из «Бхагавад-гиты», который должен быть сфокусирован на своей цели, позволяя «вселенной» (или Кришне как возничему) заботиться об остальном .
Основные принципы ментальной гигиены лидера:
- Отказ от лишнего багажа: Алуру приводит метафору своей матери о человеке, который едет в поезде, но продолжает держать тяжелый чемодан на своих плечах . Большинство основателей перегружают себя ненужной ответственностью за исходы, которые они не контролируют.
- Фокус на Карме: Единственное, что подвластно человеку — это его действия и использование времени в продуктивном направлении, а не конечный результат .
- Следование первым принципам: Личные убеждения не должны нарушаться ради внешнего одобрения. Это позволяет накапливать «сложные проценты обучения» (compounded learning), когда спустя годы разрозненные знания складываются в единую эффективную систему .
Ранее в разговоре собеседники касались того, как психотип основателя и баланс полушарий влияют на принятие решений, что перекликается с опытом Сраванта на Уолл-стрит, где его «левополушарный» расчет в итоге встретился с «правополушарным» видением будущего .
История ИИ: от «нечеткой логики» до трансформеров 1:50:56
Алуру подчеркивает, что нынешний бум ИИ — это не внезапное явление, а результат 60-летней эволюции . Работая в инвестиционном банкинге в начале 2010-х, он наблюдал, как Google поглощал DeepMind, что стало для него математическим сигналом: вопрос внедрения ИИ — это вопрос «когда», а не «если» .
Эволюция технологий шла по нарастающей:
- Детерминированный мир: Традиционное ПО, состоящее из жестко кодифицированных правил .
- Fuzzy AI (Нечеткая логика): Ранний этап развития ИИ, когда технологии использовались в производстве для предсказания переменных, которые нельзя описать простыми правилами (например, прогнозирование порчи продуктов в рыболовной промышленности) .
- Нейро-нечеткие сети: Переход к более сложным структурам в 2003-2005 годах .
- Эра Трансформеров: Переломный момент наступил с публикацией научной работы Google «Attention is all you need» .
Именно появление архитектуры трансформеров и механизма внимания (attention mechanism) позволило ИИ предсказывать следующий токен так, что это стало казаться человеческим интеллектом . Это был переход от «алгебры» (детерминизма) к «исчислению» (нелинейной интуиции) . Для Avdar это стало сигналом к смене курса: компания, уже имевшая миллионный контракт с Amazon на внедрение 3D-визуализации , решила полностью сфокусироваться на новых моделях, понимая, что тест Тьюринга становится устаревшим .
Проект Varya: индийская видео-модель и ИИ-инклюзия 1:58:38
Проект Varya стал ответом на вызов демократизации технологий в Индии. В условиях ограниченного капитала по сравнению с гигантами Кремниевой долины или Китая, команда Avdar сделала ставку на эффективность .
Varya — это первая индийская видео-модель, созданная в рамках миссии «India AI» . Ее ключевые особенности:
- Экономическая эффективность: Модель в 27 раз дешевле в эксплуатации, чем лучшие открытые аналоги (например, китайская Vidu 2.0) при сопоставимом качестве .
- ИИ-инклюзия: Цель проекта — дать доступ к ИИ тем, кто не может платить по тарифам западных сервисов. Это фермеры, использующие камеру телефона для диагностики болезней растений , и учителя в небольших городах вроде Райпура, создающие образовательные аниме для школьников .
- B2B применение: Varya позволяет ритейлерам на Amazon создавать видео для дешевых товаров, где ранее создание контента не окупалось из-за высокой стоимости продакшена .
Сейчас модель доступна с открытыми весами для разработчиков, а команда уже готовит версию 2.0, которая будет включать липсинк (синхронизацию губ) и нативную работу с аудио . Сравант верит, что это поможет Индии превратиться из страны «пользователей ИТ» в нацию «создателей продуктов», чьи технологии будут вибрировать по всему земному шару .
