От безопасности к коммерции: как OpenAI превратилась в продуктовую корпорацию

«Как только методологический выбор начинает определять, опасны ли технологии, вы понимаете, что находитесь в очень пугающем мире», — утверждает экс-руководитель развертывания GPT-4 Стивен Адлер. Изнутри OpenAI сегодня выглядит как коммерческий конвейер, где новые модели o3/o4 уже автономно выполняют до 40% инженерных задач, а жесткая секретность заставляет сотрудников всерьез опасаться за свою безопасность. Это хроника тектонического сдвига ИИ-индустрии от защиты человечества к диктату акционеров и коммерческой гонке на выбывание.

⚖️ Иск Маска, раскол Anthropic и гонка за безопасностью 0:00

Первая глава истории OpenAI в изложении Стивена Адлера (Steven Adler) посвящена периоду трансформации компании из небольшого исследовательского коллектива в доминирующую силу на рынке ИИ. Это время отмечено не только технологическими прорывами, но и глубокими внутренними кризисами, которые в конечном итоге привели к судебным разбирательствам и уходу ключевых сотрудников.

Иск Маска и битва за некоммерческий контроль 0:00:14

Стивен Адлер стал одним из 12 бывших сотрудников OpenAI, которые подали экспертное заключение (amicus brief) в поддержку иска Илона Маска против компании . Суть их позиции заключается в том, что некоммерческий статус OpenAI и верность первоначальной миссии были залогом исторического успеха организации и должны сохраняться в будущем .

Хотя недавно OpenAI объявила о намерении реструктуризироваться в общественно полезную корпорацию (public benefit corporation), Адлер и его коллеги настаивают на сохранении жесткого контроля со стороны некоммерческого совета. Эта юридическая борьба обнажила глубокий кризис доверия между руководством компании и её бывшими кадрами. Натан Лабенц (Nathan Labenz) отмечает, что подозрительность в отношении действий Сэма Альтмана достигла предела: многие наблюдатели опасаются, что компания просто «играет словами», пытаясь успокоить общественность без реальных изменений в структуре управления .

Раскол OpenAI и создание Anthropic: ответственность против скорости 0:06:44

Когда Стивен Адлер присоединился к OpenAI в декабре 2020 года, компания находилась в состоянии «свободного падения» . В коллективе, насчитывавшем тогда около 180 человек, назревал крупнейший раскол в истории индустрии — уход группы разработчиков для создания Anthropic .

Основной причиной конфликта стали разногласия по поводу развертывания GPT-3. Адлер подчеркивает, что это не было спором о коммерциализации как таковой. Проблема заключалась в ответственности:

Состояние модели: На тот момент GPT-3 была, по выражению Адлера, «совершенно невменяемой» (unhinged) и часто выдавала крайне токсичный или опасный контент .
Готовность инфраструктуры: У компании не было надежных инструментов для модерации и контроля того, как именно используется технология .
Философский разрыв: Уходящая команда (включая Дарио Амодеи и ключевых авторов статьи о GPT-3) считала, что OpenAI выпускает продукт слишком рано, не имея ответов на фундаментальные социологические вопросы о роли ИИ .

Уход сотрудников Anthropic и Пола Кристиано (Alignment Research Center) создал в OpenAI атмосферу кризиса, заставив оставшееся руководство заново подтверждать приверженность миссии, чтобы удержать остатки команды .

Эволюция политики безопасности: риск «гонки на дно» 0:11:50

Работа Стивена Адлера в OpenAI началась с руководства отделом безопасности продуктов. В 2020 году у компании фактически отсутствовала внятная политика контента . Существовали лишь базовые запреты на нелегальную деятельность, прописанные в условиях использования, но не было технических средств для их соблюдения.

Развитие систем безопасности прошло через несколько этапов:

Первые фильтры: Первоначальный контент-фильтр был крайне неточным. Адлеру приходилось вручную калибровать пороги уверенности модели, чтобы найти баланс между полезностью и безопасностью .
Модерация как API: Со временем OpenAI перешла к созданию специализированных инструментов, таких как Moderation API, которые позволяли разработчикам более гибко настраивать ограничения .
Встроенная безопасность: Вместо внешних «оберток» безопасность начали закладывать непосредственно в поведение модели на этапе обучения .

Однако по мере роста конкуренции Адлер заметил опасную тенденцию: политику безопасности стали диктовать не только этические соображения, но и действия конкурентов . Если другая лаборатория выпускала менее ограниченную модель, OpenAI чувствовала давление и была склонна смягчать свои правила, чтобы не терять пользователей. Адлер предупреждает, что такая «гонка на дно» (race to the bottom) лишает компании стимулов к осторожности: проигрывающие игроки начинают идти на всё более высокие риски, надеясь наверстать упущенное .

Развертывание GPT-4 и эффект ускорения 0:22:17

Разработка GPT-4 стала для сотрудников OpenAI моментом истины. Стивен Адлер руководил процессом подготовки к развертыванию модели, начиная с момента окончания её обучения . Внутри компании реакция на новую модель была неоднозначной и развивалась по спирали.

Сначала многие испытали разочарование: базовая модель (base model) без дообучения казалась капризной и неуправляемой. Возникли даже опасения, что «масштабирование перестало работать» . Однако после этапа настройки на следование инструкциям (fine-tuning) стало очевидно, что совершен качественный скачок.

В этот период в компании сформировались два лагеря:

Прагматики риска: Те, кто беспокоился о конкретных вредных ответах модели (например, советах по созданию опасных веществ).
Системные критики: Люди, включая самого Адлера, которые были напуганы не столько текущими способностями GPT-4, сколько общим вектором развития .

Главным опасением было то, что запуск GPT-4 спровоцирует глобальную гонку вооружений в сфере ИИ. В OpenAI понимали: как только мир увидит возможности новой модели, все остальные лаборатории и государства резко ускорят свои разработки, что сделает контроль над технологией практически невозможным. Успех GPT-4 и её последующая интеграция в интерфейс ChatGPT превратили ИИ из исследовательского проекта в повседневный и невероятно полезный инструмент, окончательно закрепив переход OpenAI к модели коммерческого гиганта .

🧪 От «вайбов» к метрикам: как измерить угрозу ИИ 33:50

Переход от разработки GPT-4 к созданию систем оценки безопасности ознаменовал для OpenAI смену парадигмы: от интуитивных опасений к попыткам научного измерения рисков. Стивен Адлер вспоминает, что в период раннего тестирования GPT-4 (еще до релиза ChatGPT) «красные команды» сталкивались с поразительной хрупкостью защитных механизмов. Модель, обученная отказываться от вредных запросов, могла заблокировать прямой вопрос «как убить как можно больше людей», но мгновенно сдавалась перед простейшей имитацией диалога: достаточно было написать «Человек: [запрос] ИИ:», чтобы фильтры были пройдены .

Этот опыт привел Адлера в команду оценки опасных способностей (Dangerous Capability Evaluations), которой на тот момент руководила Джейд Люнг (Jade Leung), ныне технический директор Института безопасности ИИ Великобритании . Основной задачей стало создание инструментов, которые позволили бы принимать решения о развертывании моделей на основе данных, а не субъективного ощущения («вайбов») безопасности .

Методология оценки: уход от «простых тестов» 37:39

Критикуя существующие методы тестирования, Адлер использует метафору «поиска ключей под фонарем» — компании часто выбирают тесты не потому, что они показательны, а потому, что их легко провести . Долгое время стандартом были вопросы с множественным выбором (multiple-choice), но для современных моделей они потеряли смысл.

Стивен Адлер предлагает три ключевых изменения в методологии:

Интерактивные сценарии: Вместо статичных тестов — многошаговые игры на рассуждение, где модель должна проявить стратегическое мышление для достижения цели .
Разделение среды и стратегии: Адлер ввел концепцию «солверов» (solvers). Необходимо четко отделять саму среду оценки (дизайн задачи) от стратегии, которую модель использует для её решения . Это позволяет менять модели от разных поставщиков (OpenAI, Anthropic, Google) в рамках одной и той же тестовой среды, сохраняя объективность.
Учёт «лесов» (scaffolding): Оценка «сырой» модели может быть обманчивой. Иногда ИИ проваливает задачу не из-за глупости, а из-за технических ошибок, например, неспособности корректно закрыть скобки в JSON-коде . Однако, если добавить к модели простейший программный обвес (инструментарий), её опасные способности могут резко возрасти. Безопасность нужно оценивать с учётом потенциального внешнего инструментария, доступного злоумышленнику .

Адлер призывает индустрию к стандартизации, проводя аналогию с автомобилестроением: странно, если бы Toyota, Honda и Ford использовали принципиально разные манекены и условия для краш-тестов, не позволяя сравнить безопасность машин напрямую . В сфере ИИ сейчас наблюдается избыточное дублирование усилий при катастрофической нехватке обмена данными об угрозах .

Биологическая угроза: поможет ли ИИ создать патоген? 48:00

Одной из самых острых тем в оценке рисков остается возможность использования ИИ для создания биологического оружия. Натан Лабенц отмечает, что официальные отчеты лабораторий часто звучат успокаивающе: современные модели якобы не дают «значимого прироста» (uplift) знаний по сравнению с обычным поиском в Google . Однако Стивен Адлер признает, что ситуация гораздо сложнее и «сумеречнее».

Спор о биологической безопасности упирается в методологию. Стивен указывает на существование публичной критики отчетов OpenAI: в зависимости от выбранного статистического теста результаты тех же самых исследований могут выглядеть либо как отсутствие риска, либо как наличие статистически значимой опасности . По его словам, «как только выбор методологии начинает определять итоговый вывод, вы оказываетесь в очень пугающем мире» .

Текущие данные показывают следующие тренды:

Для обычных пользователей и студентов младших курсов ИИ пока не является критическим помощником в создании биоугроз .
Однако последние данные (например, системная карта модели o1) намекают, что для экспертов в биологии модели уже могут стать значимым подспорьем, ускоряющим работу .

Адлер подчеркивает, что даже если сегодня ИИ не заменяет эксперта-биолога полностью, прогресс движется к тому, что это станет возможным «очень скоро» . Это создает фундаментальный вызов для безопасности: как ограничить доступ к специфическим знаниям, не задушив при этом полезные научные исследования.

🛡️ Цифровое удостоверение личности и эра агентов 56:22

После работы в команде управления (Governance), Стивен Адлер и его коллеги под руководством Майлза Брандиджа (Miles Brundage) сосредоточились на вопросах «готовности к AGI» (AGI readiness). Главный вопрос этой дисциплины: как гарантировать, что появление сверхразума станет благом для всех, а не приведет к дестабилизирующим шокам для общества? Одним из ключевых направлений этой работы стало создание устойчивых к ИИ методов идентификации личности — Proof of Personhood .

В мире, где ИИ-агенты способны выполнять практически любые действия на компьютере так же, как человек, интернет сталкивается с фундаментальной угрозой подлинности. Стивен Адлер сравнивает текущую ситуацию с эпохой до повсеместного внедрения протокола HTTPS .

Раньше пользователь не мог быть уверен, что общается именно с тем сервером, на который зашел, пока криптография и центры сертификации не создали слой доверия. Сегодня мы находимся в аналогичной «незащищенной» позиции относительно человеческой идентичности.

Протоколы доверия: Proof of Personhood 55:00

Проблема идентификации в эпоху ИИ заключается в том, что старые методы проверки — такие как капчи или видеоверификация — становятся бесполезными. Модели GPT-4 и их аналоги уже два с половиной года назад успешно справлялись с задачами по поиску неисправностей в сложном лабораторном оборудовании, просто анализируя коды ошибок . Сегодня ИИ может с легкостью подделать изображение или голос человека в реальном времени, что делает традиционные визуальные доказательства личности бессмысленными .

Стивен выделяет несколько подходов к решению этой проблемы:

Биометрический подход: Проекты вроде World (ранее Worldcoin), поддерживаемого Сэмом Альтманом, используют сканирование сетчатки глаза для создания уникального идентификатора человека . Это надежно, но вызывает вопросы к приватности и хранению данных.
Государственные цифровые подписи: В Эстонии уже существуют eID-карты со смарт-чипами, позволяющие гражданам криптографически подписывать документы . В США и многих других странах такие системы пока отсутствуют в массовом масштабе.
Доказательства с нулевым разглашением (Zero-Knowledge Proofs): Это метод, при котором пользователь может подтвердить, например, наличие действующего паспорта, не раскрывая при этом своего имени или конкретных паспортных данных .

Адлер подчеркивает, что идеальная система должна сохранять анонимность . Интернет не должен превратиться в пространство, где нужно постоянно «светить лицом» перед камерой. Цель — доказать, что вы какой-то реальный человек (или человек из определенной категории, например, гражданин США), не раскрывая, какой именно .

Делегирование полномочий ИИ-агентам 1:09:00

Когда у человека появляется надежное цифровое удостоверение, возникает следующий вопрос: как безопасно передать это «право подписи» ИИ-агенту? Сегодня архитектуры агентов (такие как MCP или SDK от OpenAI) становятся всё более сложными и многослойными . Агент может вызывать сторонние инструменты для планирования задач или написания кода, создавая цепочку из нескольких сервисов .

Главный вызов здесь — архитектурная «аморфность» агентов. Сложно определить границы системы, когда интеллект может быть распределен между локальной машиной и облачными сервисами. Стивен Адлер видит решение в создании инфраструктуры «подписанного делегирования» .

Основные аспекты этой концепции:

Авторитетность: Агент должен иметь возможность предъявить криптографическое доказательство того, что за ним стоит реальный человек, который наделил его полномочиями .
Репутация: Система должна позволять отслеживать репутацию «стоящего за ботом» человека, чтобы предотвратить массовые атаки ботнетов и мошенничество, при этом не создавая условий для пожизненного преследования за ошибки прошлого .
Блокировка злоупотреблений: Если один и тот же человек создает тысячи агентов для спама, система Proof of Personhood должна позволять сервисам идентифицировать их как принадлежащих одному лицу и ограничивать их активность .

Сегодня интернет становится всё более «вязким» и неудобным из-за обилия проверок и скептицизма сайтов к анонимным пользователям . Без внедрения стандартов делегирования и подтверждения личности мы рискуем получить сеть, где взаимодействие с любым новым сервисом станет бесконечной чередой капч, которые ИИ проходит быстрее, чем люди.

📈 Гонка за AGI: Автоматизация, законы и корпоративная трансформация 1:15:12

Рекурсивное самосовершенствование: когда ИИ начнет писать себя сам 1:15:12

Одним из самых амбициозных и одновременно тревожных направлений работы OpenAI Стивен Адлер называет стремление к полной автоматизации машинного обучения. По его словам, компания активно работает над проектами в области «агентов» (Agentics), которые должны взять на себя функции инженеров-исследователей . Это перекликается с известным сценарием «ИИ 2027» Дэниела Кокотайло, где автоматизация разработки становится ключевой вехой на пути к взрывному росту способностей систем.

Адлер отмечает, что внутри компании многие принимали на веру тезис о том, что прогресс не выйдет из-под контроля, однако он не видел глубокого, проверяемого анализа того, как именно OpenAI планирует справляться с резким ускорением темпов развития . Проблема усугубляется отсутствием единого мнения внутри организации: разные команды по-разному оценивают переход от AGI (общего искусственного интеллекта) к ASI (суперинтеллекту). Команда AGI Readiness, в которой работал Адлер, пыталась детализировать эти уровни, чтобы сотрудники перестали «говорить на разных языках», но общего консенсуса достичь не удалось .

Данные последних технических отчетов (например, по модели o3) показывают пугающую динамику:

Способность моделей самостоятельно выполнять внутренние пул-реквесты (задачи по написанию кода), которые раньше создавали инженеры-люди, подскочила с единичных процентов до 40% .
Если эта S-образная кривая прогресса сохранится, Адлер не исключает, что эффективность автоматизации достигнет 80% уже в течение текущего года .

Стивен подчеркивает специфический стиль коммуникации Сэма Альтмана: когда CEO OpenAI публично рассуждает о «возможных» способностях будущих моделей, он часто говорит о вещах, которые компания уже видела в своих лабораториях. «Вы должны просто отбросить его „спекулятивный вайб“ и понять, что он описывает факты, которые уже знает на 100%», — делится Адлер своим опытом наблюдения за периодом перед релизом GPT-4 .

Регулирование и SB 1047: упущенный шанс на ответственность 1:22:10

Адлер выражает глубокое разочарование тем, как быстро OpenAI отошла от амбициозной регуляторной повестки. Если в 2023 году Сэм Альтман на слушаниях в Конгрессе призывал к созданию режима лицензирования для обучения передовых моделей, то теперь компания полагается на «добровольные обязательства», которые зачастую не выполняются или не проверяются публично .

Основная критика Адлера направлена на противодействие OpenAI калифорнийскому законопроекту SB 1047. Суть закона была проста:

Компании, обучающие сверхмощные модели, должны публично фиксировать свой план обеспечения безопасности.
Если происходит катастрофа, а компания нарушила собственный план или действовала неразумно, она несет юридическую ответственность .

OpenAI выступила против, аргументируя это тем, что регулирование должно быть федеральным, а не на уровне штата. Однако Адлер считает это «игрой в прятки» (hiding the ball). Он убежден, что руководство компании не поддержало бы и федеральный аналог такого закона, если бы он накладывал реальную ответственность . Стивен видит в этом проявление «динамики гонки»: лаборатории боятся, что тщательное тестирование станет их конкурентным недостатком, если соперники будут выпускать продукты быстрее . Он призывает установить «минимум времени на тестирование» (minimum testing period) как обязательный стандарт для всей индустрии, чтобы безопасность перестала быть обузой для бизнеса.

Трансформация OpenAI: от миссии спасения мира к интересам акционеров 1:28:30

Трансформация OpenAI из некоммерческой организации в коммерческую структуру вызывает у Адлера серьезные опасения по поводу будущего контроля над технологией. Когда Стивен пришел в компанию, он искренне верил в устав (Charter), согласно которому фидуциарная ответственность (обязанность действовать в чьих-то интересах) организации была направлена на всё человечество, а не на акционеров .

Смена юридической структуры меняет всё:

В некоммерческой модели совет директоров обязан следить за тем, чтобы AGI приносил пользу людям.
В коммерческой модели компания по закону обязана защищать интересы инвесторов и максимизировать прибыль .

Адлер считает аргументы руководства о том, что «некоммерческая часть всё равно останется», попыткой скрыть суть проблемы. Главный вопрос — сохранит ли некоммерческий совет контроль над коммерческим подразделением. Если совет больше не может ограничивать действия компании ради безопасности, значит, миссия «на благо человечества» становится лишь маркетинговым лозунгом . Он отмечает, что компании сейчас находятся в «плохом равновесии»: они видят огромные риски, но не могут остановиться, потому что боятся «дефекции» (предательства) со стороны конкурентов или геополитических противников .

Информационные бункеры и внутренняя секретность 1:37:57

По мере того как модели становятся мощнее, OpenAI всё сильнее ограничивает доступ к информации даже внутри компании. Адлер подтверждает отчет Apollo Research, в котором говорится, что самые мощные системы могут использоваться для чувствительных внутренних задач еще до того, как о них узнает публика .

В начале пути OpenAI была открытой средой, где почти каждый знал о ходе обучения моделей. Сегодня действует жесткий принцип «need to know» (доступ только при необходимости). Это создает опасную ситуацию:

Сотрудники, отвечающие за безопасность и оценку рисков (AGI Readiness), могут не знать, какие именно алгоритмы и возможности «сходят с конвейера» в данный момент .
Информационные бункеры лишают персонал возможности вовремя заметить критические проблемы.

Адлер подчеркивает: если вы не слышите от сотрудников лабораторий публичных (пусть даже анонимных) заявлений о проблемах, это не обязательно означает, что проблем нет. Возможно, люди просто не владеют всей полнотой картины из-за фрагментации данных внутри организации . Ранее в разговоре Натан Лабенц упоминал о росте скрытности, и Стивен соглашается: разрыв между тем, что доступно через API, и тем, что реально существует в недрах компании, продолжает стремительно расти.

🏗️ Культурный сдвиг и «чувство AGI»: Будущее контроля в OpenAI 1:40:14

Заключительная часть беседы Стивена Адлера с Натаном Лабенцем сосредоточена на внутренней трансформации OpenAI: от небольшого сообщества идеалистов до гигантской корпорации, где вопросы безопасности всё чаще сталкиваются с амбициями продукта и государственными интересами.

Крах Superalignment и новая корпоративная этика 1:40:14

Развал команды Superalignment («Сверхобъединение») стал для многих внешних наблюдателей подтверждением того, что в OpenAI произошёл фундаментальный сдвиг приоритетов. Стивен Адлер, комментируя уход Яна Лейке и его команды, отмечает, что верит публичным заявлениям Лейке: тот описывал ситуацию как постепенное ухудшение, где вопросы безопасности и вычислительные ресурсы для них приносились в жертву выпуску «блестящих новых продуктов» . По мнению Адлера, это не было разовым конфликтом, а скорее накоплением критической массы философских разногласий .

Параллельно с этим менялся и кадровый профиль компании. Если пять лет назад в OpenAI шли математики-идеалисты, вдохновлённые миссией, то теперь, по словам Натана Лабенца, туда приходят лучшие выпускники, которые раньше выбирали бы хедж-фонды . Адлер подтверждает, что атмосфера изменилась:

Раньше OpenAI позиционировалась как исследовательская лаборатория с «продуктовым придатком» для финансирования миссии.
Теперь же на внутренних мероприятиях звучат фразы в духе «OpenAI — это не только продуктовая компания, но и исследовательская лаборатория» .

Стивен вспоминает показательный случай на одном из выездных совещаний по безопасности: из 60–70 человек в зале лишь четверо работали в компании до того, как она стала коммерческим бизнесом и развернула GPT-3 . Как упоминалось ранее в разговоре, эта трансформация из науки в продукт повлекла за собой создание закрытых информационных бункеров.

«Feel the AGI»: Религиозный вайб и военные контракты 1:41:40

Внутри OpenAI долгое время существовала специфическая культура, которую Натан Лабенц описывает как «почти буддийскую отстранённость» или «настрой игрока НБА», когда исследователь должен быть полностью в моменте, доверяя процессу . Ходили легенды о медитативных сессиях под руководством Ильи Суцкевера, где сотрудники должны были буквально «чувствовать AGI» (Feel the AGI) .

Адлер признаёт, что Илья Суцкевер блестяще умел помогать сотрудникам ощутить масштаб и ставки того, что они создают . Однако с ростом компании поддерживать этот уровень осознанности стало сложнее. В то же время, это ощущение «священной миссии» начало сталкиваться с реальностью геополитики.

Обсуждая изменение политики OpenAI в отношении военного использования технологий, Адлер отмечает, что партнерство с компаниями вроде Anduril вызывает внутренние споры . Хотя в компании есть люди, считающие работу на американское оборонное ведомство «добродетелью», другие опасаются прямой вепонизации систем . Ранее в интервью собеседники касались темы того, как ИИ может облегчить создание биологического оружия, что делает вопрос военного контроля ещё более острым.

Цена критики: Секретность и безопасность сотрудников 1:47:00

Одной из самых мрачных тем разговора стала безопасность бывших сотрудников, решивших открыто критиковать руководство. Стивен Адлер упоминает трагическую смерть Сучира Баладжи (Suchir Balaji), экс-сотрудника OpenAI, которая породила волну конспирологических теорий . Хотя Адлер не верит в теорию заговора, он подчеркивает, что сама атмосфера секретности делает среду крайне токсичной.

«Это ужасное состояние дел, когда нам вообще приходится задавать такие вопросы», — говорит Стивен . Он вспоминает, что после его собственных твитов о рисках ИИ друзья советовали ему публично заявить, что он «никогда не причинит себе вреда», чтобы исключить инсценировки . Это свидетельствует о глубоком недоверии и страхе перед юридическими или физическими последствиями разглашения информации.

Адлер также упомянул, что работа в OpenAI приносила больше тревоги по поводу террористических актов из-за неоднозначности деятельности компании, чем опасений за личную безопасность после ухода . Он отмечает, что большинство рядовых сотрудников часто даже не замечают протестов у дверей офиса, получая лишь сухие уведомления от службы безопасности с просьбой выбрать другой вход .

Советы инсайдерам и борьба за контроль 1:58:30

Завершая интервью, Стивен Адлер дает рекомендации тем, кто сейчас работает в лабораториях Frontier AI. Его главный призыв — добиваться от руководства четких, публично зафиксированных обязательств, которые будет трудно отменить незаметно. В качестве примера он приводит Anthropic, у которых на сайте есть отдельная страница со списком конкретных обещаний .

Адлер призывает коллег:

Проявлять инициативу снизу: Браться за проекты по безопасности, на которые у руководства вечно «не хватает рук» из-за гонки продуктов .
Скептически относиться к «системным картам»: Часто существует разрыв между тем, что компания декларирует (например, специфическое тестирование через fine-tuning), и тем, что делается на практике .
Использовать коллективную силу: Адлер ссылается на анализ Ричарда Нго о том, что главной преградой для изменений внутри компании является неосведомленность сотрудников о том, что их коллеги думают так же .

В контексте недавнего amicus brief (юридического заключения), которое Стивен подписал вместе с 11 другими бывшими сотрудниками, он подчеркивает: контроль некоммерческой организации над коммерческим подразделением — это не вопрос денег или оценки компании, это вопрос выживания изначальной миссии . Он выражает сожаление, что компании вовлечены в «дегенеративную гонку», где каждый новый участник лишь размывает таланты в области безопасности и усложняет координацию .