Сотрудничество между разработчиками и искусственным интеллектом переходит в фазу глубокой интеграции, где ИИ перестает быть внешним инструментом и становится частью фундаментального стека программирования. Крис Латтнер (Modular), Келси Зот (Adept AI) и Дип Нишар (General Catalyst) обсуждают, как агенты ИИ, новые языки программирования вроде Mojo и изменение подходов к разработке переформатируют будущее не только ИТ-сектора, но и всей экономики знаний.
🚀 Новый этап: от текстовых подсказок к «действующим агентам» 2:40
Современное программирование уже получило значительный импульс благодаря генеративному ИИ: по оценке Дипа Нишара, продуктивность разработчиков в базовых задачах выросла на 30–45% . Однако индустрия движется дальше — от простой генерации текста к созданию «агентов», способных выполнять сложные действия внутри программного обеспечения.
Келси Зот отмечает, что в Adept AI фокус сместился с чисто текстовых моделей на мультимодальные системы, способные понимать интерфейсы (UI) . По её словам, ИИ сегодня преодолевает барьер «избыточной детализации» в коде:
- Раньше для автоматизации процесса нужно было прописывать каждый клик, ожидание и взаимодействие с выпадающим меню .
- Теперь модели способны обобщать опыт и выполнять задачи по запросу на естественном языке, понимая логику интерфейса так же интуитивно, как это делает человек .
Зот ставит перед своей командой высокую планку: модель должна научиться пользоваться любым ПО так же легко, как ее младшая сестра, которая интуитивно разбирается в любом интерфейсе без инструкций .
🛠 Демократизация стека: Mojo и борьба с «черными ящиками» 7:35
Крис Латтнер, создатель LLVM и Swift, указывает на критическую проблему: ИИ остается «черным ящиком» для большинства программистов. Он утверждает, что хотя обучение моделей (training) стало массовым навыком , их реальное развертывание и оптимизация под «железо» (deployment) все еще остаются «темным искусством», доступным лишь узкому кругу специалистов .
Основные тезисы Латтнера:
- Проблема Cuda: Оптимизация сегодня требует написания низкоуровневых ядер (Cuda kernels), что слишком сложно для обычного Python-разработчика .
- Язык Mojo: Проект Modular призван стереть границы между легкостью Python и мощностью системного программирования . Цель — дать разработчикам возможность «хакнуть» каждый слой стека, не будучи «ниндзя» в области микроархитектур чипов.
- Open Source как необходимость: Латтнер убежден, что будущее ИИ должно быть открытым. Зависимость от закрытых API (вроде GPT-4) ограничивает инновации, в то время как индустрии нужны настраиваемые и прозрачные алгоритмы .
🔄 Конец «песочниц»: слияние исследований и продукта 10:09
Участники дискуссии сошлись во мнении, что классическая модель разделения труда в ИТ-компаниях изжила себя. По мнению Келси Зот, эпоха, когда исследовательская группа «запускала бумажный самолетик» с результатами своих изысканий через стену в отдел продукта, закончилась .
В современных реалиях, особенно в стартапах, важна «совместимость мозгов». Латтнер проводит аналогию с Agile: раньше разработчики и тестировщики были разными людьми, что затягивало циклы . Теперь же исследователь ИИ и продуктовый инженер должны работать в едином цикле обратной связи. Зот подтверждает это на примере Adept: данные о том, как пользователь взаимодействует с интерфейсом (например, затыкается на выборе даты), напрямую используются для дообучения базовых моделей .
💼 Стратегии для фаундеров: как не стать «дорожной пылью» 19:36
Дип Нишар, основываясь на анализе более тысячи ИИ-стартапов за последние полтора года, сформулировал три правила выживания в эпоху доминирования Frontier-моделей (таких как OpenAI или Anthropic) :
- Избегайте поглощения моделью: Всё, что касается простого резюмирования (summarization) или перевода, рано или поздно станет бесплатной функцией внутри базовых моделей . Если ваш продукт не несет более глубокой ценности, вы рискуете стать «roadkill» (сбитым животным на дороге) .
- AI+ vs +AI:
- AI+ (например, Uber в эпоху мобайла) — компании, которые не могли бы существовать без ИИ. Это область самых рискованных, но и самых перспективных идей .
- +AI (например, Airbnb) — существующий бизнес, усиленный ИИ. Здесь сложнее конкурировать с гигантами (incumbents), у которых больше капитала и каналов продаж .
- Глубокая ценность против «оберток»: Стартапы, которые просто создают удобный интерфейс (wrapper) поверх чужого API, крайне уязвимы, так как строят бизнес на чужом капитале .
Крис Латтнер добавил важное замечание о личных ресурсах фаундера. Он советует думать как инвестор, но вкладывать не деньги, а время . Самый большой риск для стартапа, по мнению Латтнера, — это не техническая неудача, а потеря веры и мотивации командой .
📉 Будущее труда: автоматизация рутины 11:54
Келси Зот разделяет работу на две корзины: стратегическо-креативную и исполнительскую . Она прогнозирует, что:
- Сложные, но повторяющиеся задачи («биться головой о стену из-за сложности интерфейса») будут абстрагированы технологиями .
- Знаниевая работа (knowledge work) сместится в сторону управления стратегией и творчеством .
Итогом дискуссии стал тезис о том, что ИИ — это самый масштабный технологический скачок за последние три десятилетия, превосходящий по влиянию появление интернета и мобильных технологий вместе взятых .
