# Венчурные инвесторы об ИИ: «Через три года мы перестанем называть стартапы „искусственным интеллектом“»

Источник: https://www.youtube.com/watch?v=tVFvOWmY3gI
Канал: Startup Grind
Опубликовано: 15.06.2023

---

На саммите Product & AI встретились ведущие эксперты венчурного рынка, чтобы обсудить, как искусственный интеллект меняет ландшафт предпринимательства. Партнеры фондов Index Ventures, Sapphire Ventures и General Catalyst поделились своим видением того, почему ИИ-стратегия стала обязательной для любого проекта и как отличить мимолетный хайп от фундаментального технологического сдвига.

## 🛠️ Взгляд из Кремниевой долины: кто инвестирует в ИИ
[[JUMP:01:07]]

На панели выступили представители трех крупнейших венчурных фондов, каждый из которых имеет свой подход к работе с ИИ:

*   **Эрин Прайс (Erin Price)**, партнер в **Index Ventures** (офис в Сан-Франциско). Ранее работала инженером по ИИ и возглавляла отдел продуктов в Palantir [01:20]. Index — глобальный фонд с офисами в Сан-Франциско, Нью-Йорке и Лондоне, инвестирующий в B2B и B2C на всех стадиях. В их ИИ-портфеле такие гиганты, как Aurora, Scale AI, OpenAI, Anthropic, Cohere и Weaviate [02:11].
*   **Кэти Гао (Kathy Gao)**, партнер в **Sapphire Ventures**. Фонд фокусируется на стадиях расширения (от Series B до IPO) в сферах Enterprise SaaS и Fintech, управляя активами на сумму $10 млрд [03:19]. В портфеле фонда значатся DataRobot, yellow.ai, involve.ai, Medible и Gem [03:34].
*   **Крис Кауфман (Chris Kaufman)**, представитель **General Catalyst**. Фонд управляет капиталом в $30 млрд и инвестирует на стадиях от pre-seed до pre-IPO [03:59]. Крис фокусируется на решениях ниже прикладного уровня (инфраструктура) и B2B-кейсах [04:12].

## 🧠 Инвестиционные тезисы: AI-native против «прикрученного» ИИ
[[JUMP:04:38]]

Инвесторы подчеркивают, что хотя ИИ сейчас окружен «мифическим статусом», фундаментальные принципы оценки бизнеса не изменились.

Кэти Гао утверждает, что Sapphire Ventures по-прежнему ищет компании, решающие конкретные проблемы с измеримым ROI [05:43]. По её словам, в ИИ-проектах критически важны два фактора:

1.  **Доступ к проприетарным данным.** Стартап должен иметь уникальные данные для тонкой настройки моделей под узкие ниши (медицина, юриспруденция) [06:10].
2.  **Мгновенный возврат инвестиций (Hard ROI).** В качестве примера Кэти приводит стартап, автоматизирующий составление претензионных писем для юристов по личным травмам. То, что раньше занимало у паралегала неделю, ИИ делает за пару часов [07:14].

Крис Кауфман разделяет компании на два типа: **AI Plus** (нативные ИИ-продукты) и **Plus AI** (существующие продукты, дополненные функциями ИИ) [08:06]. Для General Catalyst ключевыми критериями являются:

*   Возможность создания «маховика данных» через пользовательский опыт [08:44].
*   Работа в сферах, где достаточно 70–80% точности (например, копирайтинг или генерация изображений), в отличие от беспилотных авто, где требуется 100% [09:10].
*   Наличие «структурной рутины» (mundanity), которую ИИ может устранить, освободив человека для творческих задач [09:35].

Эрин Прайс из Index Ventures считает, что мы находимся в разгаре масштабного сдвига платформ [12:15]. По её мнению, через 3–10 лет рекламировать наличие ИИ в продукте будет так же странно, как сегодня рекламировать наличие базы данных — это станет стандартом по умолчанию [13:08]. Index разделяет рынок на три слоя:

*   **Foundation Models:** Разработчики базовых моделей (OpenAI, Anthropic, Cohere). Это дорогой сегмент с ограниченным числом игроков [10:44].
*   **Infrastructure:** «Трубы» для данных — векторные БД (Pinecone, Weaviate), инструменты для цепочек промптов (LangChain), безопасность [11:11].
*   **Application Layer:** Прикладные сервисы, где новые игроки побеждают, если создают принципиально новые рабочие процессы (workflows), недоступные ранее [11:51].

## 📈 Трансформация бизнеса: реальные кейсы из портфелей
[[JUMP:14:14]]

Участники привели примеры компаний, чья эффективность резко выросла благодаря интеграции ИИ.

Крис Кауфман выделил финтех-компанию **Ramp**, которая в партнерстве с OpenAI автоматизировала проверку расходов и бухгалтерский учет [14:54]. Он отметил парадокс: раньше считалось, что автоматизация сначала ударит по «синим воротничкам», но текущая волна ИИ в первую очередь трансформирует интеллектуальный и творческий труд [15:21].

Эрин Прайс привела в пример:

*   **Intercom:** Радикальная автоматизация службы поддержки с помощью LLM [16:54].
*   **Notion:** Внедрение ИИ в поиск и генерацию документов сделало продукт «магическим» [17:02].
*   **Causally:** Инструмент для фармацевтических исследователей, который позволяет ученым мгновенно анализировать тысячи медицинских статей, используя комбинацию графа знаний и LLM [17:45].

Кэти Гао добавила примеры из области найма и медицины:

*   **Gem:** Платформа для рекрутеров, использующая GenAI для автоматического написания персонализированных последовательностей писем кандидатам [21:24].
*   **Medible:** Платформа для децентрализованных клинических испытаний. ИИ ускоряет сложную конфигурацию протоколов испытаний на разных языках, делая процесс онбординга клиентов в разы эффективнее [22:45].

## 🌊 Демократизация ИИ и «Кембрийский взрыв»
[[JUMP:27:04]]

Кэти Гао называет текущий момент «Кембрийским взрывом» ИИ, указывая на невероятную скорость адаптации [27:04]. Для достижения 100 млн пользователей ChatGPT потребовалось всего 2 месяца, в то время как TikTok шел к этому 9 месяцев, а Uber — более 6 лет [27:30].

Крис Кауфман считает, что LLM совершили «социологический прорыв» [25:28]. В отличие от победы IBM Deep Blue над Каспаровым, за которой люди наблюдали как зрители, сейчас каждый стал активным участником процесса [25:42]. Кроме того, архитектура трансформеров сделала создание ИИ-продуктов доступным для обычных разработчиков, а не только для обладателей PhD в области машинного обучения [26:08].

Эрин Прайс отмечает смену парадигмы: индустрия перешла от «моделе-центричного» подхода, где компании годами безуспешно пытались обучить собственные модели с нуля, к «инженерно-центричному» подходу [32:41]. Теперь качественные ИИ-блоки доступны через API, что Прайс сравнивает с появлением облачных вычислений в начале 2010-х [33:34].

## ⚠️ Риски, безопасность и «Oompa Loompas» в инфраструктуре
[[JUMP:35:48]]

Несмотря на оптимизм, инвесторы видят серьезные вызовы. Кэти Гао предупреждает о предвзятости данных: если обучать алгоритм найма на текущем штате компании, он будет воспроизводить те же ошибки и перекосы, что уже существуют в корпоративной культуре [37:08]. Она проводит аналогию с технологией CRISPR: мощный инструмент для спасения жизней может стать этической ловушкой без должного контроля [38:11].

Крис Кауфман выделяет две ключевые угрозы:

1.  **Происхождение контента (Provenance).** В эпоху дипфейков и генеративного контента понятие истины размывается, что особенно опасно в периоды выборов [39:19].
2.  **Приватность.** Крис напомнил о случае, когда сотрудники крупной техкомпании случайно «скормили» модели секретные чертежи полупроводников [40:23].

Эрин Прайс считает, что обсуждение «восстания роботов» и гибели человечества — это отвлекающий маневр [41:04]. Реальный риск, по её мнению, кроется в **автономных агентах**. Она описывает их как «миллионы маленьких Умпа-Лумпов», бегающих внутри корпоративной инфраструктуры с доступом к внутренним системам [42:09]. Если у такого агента есть открытая функция оптимизации и доступ к данным, это создает колоссальную дыру в безопасности, которую невозможно закрыть текущими инструментами [42:36].

## 💰 Будущее инвестиций: нишевые приложения и дефицит GPU
[[JUMP:48:09]]

Отвечая на вопросы о трендах, Крис Кауфман спрогнозировал, что основной интерес инвесторов сместится от базовых моделей к **нишевым приложениям** (юриспруденция, финансы) и инструментам для разработчиков [48:34]. Создавать новые Foundation Models становится всё сложнее не только из-за денег, но и из-за физического дефицита GPU-чипов [49:01].

В вопросе выбора между ростом аудитории и прибыльностью (bottom line), Кэти Гао подчеркнула, что в эпоху ИИ на первый план выходит «право на победу» (right to win) [51:12]. Инвесторы ищут компании, которые имеют долгосрочную дифференциацию, а не просто используют популярный API для временного роста [51:25].