В новом выпуске подкаста 20VC ведущий Гарри Стеббингс обсуждает с Мэттом Фитцпатриком, VP of Forward Deployed Engineering в Scale AI, критический разрыв между лабораторными успехами нейросетей и их реальным внедрением в бизнесе. Эксперт, прошедший путь от старшего партнера McKinsey до руководителя в индустрии данных, объясняет, почему большинство корпоративных ИИ-проектов обречены на провал, в чем слабость внутренних команд разработчиков и почему «синтетические данные» не станут панацеей.
📉 Проблема внедрения: почему 95% ИИ-проектов в бизнесе бесполезны 0:00
Несмотря на экспоненциальный рост производительности моделей (на 40–60% за последние два года), в корпоративном секторе наблюдается «когнитивный диссонанс» . По словам Мэтта Фитцпатрика, отчеты MIT показывают, что лишь 5% внедрений генеративного ИИ в компаниях реально работают . Gartner прогнозирует, что к 2027 году до 40% корпоративных ИИ-проектов будут аннулированы .
Мэтт Фитцпатрик выделяет несколько причин этого разрыва:
- Отсутствие инфраструктуры данных: Модели работают, но корпоративные данные фрагментированы и не подготовлены.
- Проблемы доверия и обсервабильности: Бизнесу недостаточно «общего интеллекта», ему нужна точность в 99% на конкретных задачах.
- Сложность перестройки рабочих процессов: Внедрение ИИ требует редизайна операционной деятельности, а не просто установки чат-бота .
Гость утверждает, что путь к полноценному внедрению ИИ в банках и здравоохранении займет около десяти лет, так как требует жесткого тестирования и валидации рисков, аналогично моделям кредитного скоринга .
🏗️ Внутренние команды против внешних вендоров 9:35
По мнению Мэтта Фитцпатрика, внешние ИИ-разработки в два раза эффективнее внутренних билдов корпораций . Он считает, что за последние 10 лет парадигма изменилась: раньше софт покупали готовым, затем перешли к облачным кастомизациям, а сейчас внутренние команды получают огромные бюджеты на GenAI, но не обладают нужной дисциплиной .
Ключевые аргументы Мэтта Фитцпатрика против внутренних разработок:
- Дефицит талантов: Топовые ИИ-инженеры работают в стартапах или BigTech, а не в «скучных» корпорациях .
- Отсутствие метрик: Внутренние группы часто создают «научные проекты» без четкого понимания ROI и вех.
- Иллюзия контроля: Компании пытаются строить всё с нуля вместо использования модульных открытых архитектур.
В качестве примера Мэтт Фитцпатрик приводит историю ритейлера, который потратил 25 миллионов долларов на создание ИИ-агента для возвратов . В итоге проект закрыли, так как компания не смогла даже определить критерии успеха: их собственный инструмент оценки измерял только скорость и тональность, игнорируя галлюцинации агента (например, обещание вернуть клиенту 2 миллиона долларов) .
🚀 Forward Deployed Engineering: конец эпохи коробочного SaaS 20:27
Мэтт Фитцпатрик убежден, что в мире ИИ традиционная модель «софта из коробки» больше не работает. Он продвигает концепцию Forward Deployed Engineering (FDE) — инженеров, развернутых непосредственно на стороне клиента для создания кастомных рабочих процессов .
Особенности подхода FDE, по словам гостя:
- Отказ от оплаты за процесс: Мэтт Фитцпатрик утверждает, что они предлагают клиентам бесплатные 8-недельные спринты, чтобы доказать работоспособность технологии .
- Оплата за результат: Клиент платит только тогда, когда софт проходит приемочные тесты и начинает работать в продакшене .
- Гиперперсонализация: Вместо стандартного SaaS-решения создается «система гибкости» (system of agility), обученная на специфических данных конкретного заказчика .
Гарри Стеббингс замечает, что привлечение FDE обычно разрушает юнит-экономику SaaS-компаний, однако Мэтт Фитцпатрик парирует: их модульная платформа позволяет небольшой команде из 1–2 инженеров развернуть решение за три месяца, в то время как консультанты вроде Accenture потратили бы на это два года .
🧠 Гонка за качеством данных: почему люди всё еще нужны 33:20
Один из главных мифов индустрии, по мнению Мэтта Фитцпатрика, — это убеждение, что синтетические данные скоро полностью заменят человеческую обратную связь (RLHF) . Он считает, что синтетика полезна для «базовых истин» (например, математики), но бесполезно в задачах сложного многошагового рассуждения, где важен культурный и языковой контекст.
Мэтт Фитцпатрик выделяет следующие тренды в области разметки:
- Микронишевая экспертиза: Компании больше не ищут общую разметку «кошка/собака». Теперь требуются специалисты уровня PhD. Например, эксперт по французской архитектуре XVII века, владеющий языком, для проверки ответов модели .
- Динамическое ценообразование: Рынок талантов работает по принципу Uber — цена за эксперта зависит от срочности задачи и редкости навыков .
- Институциональная память: Сложность не в том, чтобы найти людей, а в том, чтобы за 24 часа запустить «цифровой конвейер», выдающий статистически валидированные данные .
Гость подчеркивает, что в отличие от классического машинного обучения, где возможен бэк-тестинг, генеративный ИИ будет требовать «человека в контуре» (human-in-the-loop) еще десятилетия .
📈 Экономика и стратегия Scale AI 53:05
Несмотря на то, что компания исторически была прибыльной и привлекла всего 7 миллионов первичного капитала за 9 лет, сейчас Мэтт Фитцпатрик подтвердил привлечение 130 миллионов долларов для агрессивного роста .
Инвестиционные приоритеты компании:
- Физический мир: Сбор данных в условиях, где их сложно достать (например, установка терминалов Starlink на фермах для обучения моделей компьютерного зрения для мониторинга здоровья скота) .
- Бренд и доверие: Переход от скрытной культуры к публичности. Мэтт Фитцпатрик тратит около 70% времени в разъездах, работая с клиентами в 8 офисах по всему миру (Нью-Йорк, Сан-Франциско, Лондон, Париж и др.) .
По мнению гостя, в мире ИИ «стратегия переоценена» . Из-за того, что ландшафт меняется каждые три месяца, пятилетнее планирование бесполезно. Вместо этого нужно фокусироваться на создании операционной гибкости и способности быстро интегрировать новые технологии (например, голосовых агентов) в существующие фреймворки .
👥 Культура и найм: возврат в офисы 1:09:42
После девяти лет полностью удаленной работы компания под руководством Мэтта Фитцпатрика перешла к офисной модели .
Аргументы за очную работу:
- Скорость решения проблем: Сложные инженерные задачи решаются быстрее при личном контакте .
- Культура и обучение: Молодые сотрудники сами стремятся в офис ради менторства и социализации .
- Клиентоцентричность: Наличие офисов в Лондоне или Париже позволяет быть ближе к локальным заказчикам .
При этом эксперт призывает нанимать «универсальных атлетов» — людей, способных менять роли (от продаж до продукта), и создавать среду, где работа будет интеллектуальным вызовом, а не просто «выживанием в жесткой культуре» .
🔮 Оптимизм и будущее: где искать возможности 1:22:03
В финале беседы Мэтт Фитцпатрик делится оптимистичным взглядом на развитие технологий:
- Здравоохранение: ИИ уже на 20% лучше определяет риск рака груди. В системе США до 25% расходов — это административные отходы, которые ИИ может устранить .
- Образование: ИИ станет великим уравнителем, давая детям из неблагополучных семей доступ к знаниям любого уровня. По словам гостя, их компания часто нанимает людей без дипломов колледжа, оценивая только когнитивные способности .
- Энергетика: Несмотря на страхи вокруг дата-центров, они потребляют лишь малую долю глобального электричества (0,25–0,5%). ИИ поможет оптимизировать электросети, что даст чистый положительный эффект для экологии .
