Майк Кригер о DeepSeek, Anthropic и о том, почему разработчик скоро станет «менеджером кода»

Майк Кригер, сооснователь Instagram и нынешний директор по продукту (CPO) Anthropic, в беседе с Гарри Стеббингсом анализирует текущее состояние ИИ-гонки и трансформацию технологического рынка. В центре дискуссии — поиск устойчивых бизнес-моделей в мире, где базовые модели становятся мощнее с каждым месяцем, и вызовы, с которыми сталкиваются разработчики при создании продуктов на базе нейросетей.

💰 Где будет создаваться ценность в десятилетие ИИ? 1:11

Майк Кригер отмечает, что предприниматели часто спрашивают его, как строить бизнес, который не будет поглощен возможностями Anthropic или OpenAI в будущем. По мнению Кригера, устойчивая ценность создается там, где есть пересечение трех факторов :

• Дифференцированный выход на рынок (Go-to-Market): наличие налаженных каналов продаж и глубоких отношений с клиентами.

• Специализированные знания в индустрии: глубокое понимание конкретной вертикали (например, юриспруденции или финансов).

• Уникальные данные: доступ к информации, которой нет в открытых обучающих выборках.

Майк Кригер приводит в пример здравоохранение как чрезвычайно сложную область, где «черновая работа» по интеграции и пониманию процессов создает защитный ров вокруг продукта . Он считает, что стартапы должны использовать лучшие базовые модели, дополняя их собственным тонким тюнингом (fine-tuning) или специфической оркестрацией, но их главным преимуществом останется понимание боли клиента .

Инвестиционный тезис Майка Кригера: в битве между существующими SaaS-гигантами и новыми ИИ-стартапами в вертикальных нишах преимущество будет у тех, кто быстрее сможет «нарисовать будущее». У корпораций есть данные и клиенты, но их проблема — риск разрушить доверие пользователей обещаниями ИИ, который работает нестабильно .

🛠 Стратегия для стартапов: строить для будущего, а не для настоящего 4:45

Важный вопрос для любого основателя: ориентироваться на текущие возможности нейросетей или проектировать продукт с учетом прогресса моделей? Майк Кригер утверждает, что многие успешные продукты стали возможны только после выхода конкретных обновлений, таких как Claude 3.5 Sonnet, когда точность выполнения задач подскочила с 70% до 90% .

Его советы для разработчиков:

1. Не ждать идеальных моделей: нужно «биться головой о стену» текущих ограничений уже сегодня .
2. Накапливать контекст: компании, выигрывающие от новых релизов, — это те, кто месяцами изучал, что именно идет не так в их нише. В качестве примера приводится Cursor — разработчики долго экспериментировали с разными подходами, прежде чем их продукт стал хитом .
3. Агрессивно тестировать новые релизы: быть первым, кто внедрит возможности новой модели, чтобы реализовать то, что было невозможно вчера .

🏆 Три столпа лидерства на уровне базовых моделей 7:21

Майк Кригер выделяет три фактора, которые позволяют лабораториям (Labs) удерживать позиции на фронтире:

1. Плотность талантов: талант притягивает талант. Исследователи переходят в компании с четкой миссией и сильной командой .
2. Дифференциация характера моделей: Кригер считает, что со временем модели будут становиться всё более разными, а не похожими. У Claude уже есть свой узнаваемый «тон» и лидерство в написании кода .
3. ИИ-партнерство вместо простого API: успех зависит от способности компании стать долгосрочным партнером для бизнеса, помогая проектировать прикладные решения, а не просто обменивать токены на деньги .

🚧 Барьеры на пути прогресса: от тестов к реальности 10:30

Одной из главных проблем индустрии Майк Кригер называет отсутствие адекватных методов оценки (evals) для сложных, многошаговых задач.

• Проблема «одного выстрела»: текущие тесты хорошо проверяют короткие ответы, но плохо — агентное поведение в реальном мире .

• Работа инженера — это не только код: Кригер подчеркивает, что настоящий программист понимает сроки, требования бизнеса и отзывы пользователей. Существующие тесты вроде SWE-bench покрывают лишь малую часть этой работы .

• Оценка «вайба» (Vibes): Майк Кригер признает, что такие качества, как дружелюбность или лаконичность модели, сложно измерить количественно. Иногда переход от версии 3.5 к 3.7 может субъективно ощущаться пользователями как «ухудшение» в творческом письме, даже если технические метрики растут .

📱 Дизайн продукта в эпоху неопределенности 16:00

Майк Кригер, опираясь на свой опыт в Instagram, называет нынешнее состояние ИИ-продуктов «протекающей абстракцией» (leaky abstraction) . Пользователей заставляют выбирать между моделями (Opus, Sonnet, Haiku), хотя они часто не понимают разницы.

Ключевые тезисы Кригера о UX в ИИ:

• Смерть промптов: разрыв между «профессиональным промптером» и обычным пользователем должен быть ликвидирован на уровне дизайна продукта .

• Проектирование вокруг недетерминизма: ИИ-дизайнер должен строить «каркас» вокруг системы, которая каждый раз выдает разный результат. Это требует постоянного регрессионного тестирования .

• Скорость против стабильности: в API-продуктах важна предсказуемость, в то время как в потребительских приложениях (Claude.ai) Anthropic может позволить себе быть более экспериментальными .

🇨🇳 Феномен DeepSeek и мощь Китая 31:40

Обсуждая недавний успех DeepSeek, Майк Кригер отмечает, что западным компаниям не стоит недооценивать китайские команды. Он напоминает, что в Китае давно выстроена параллельная экосистема высококачественных продуктов, таких как WeChat или TikTok, которые решали сложнейшие технические задачи на огромном масштабе .

По мнению Кригера, DeepSeek удалось совершить прорыв благодаря:

1. Блестящему маркетингу и сторителлингу: они создали нарратив о «дешевой и эффективной» модели в идеальный политический момент (январь, новая администрация США) .

2. Пользовательскому опыту: они выпустили iOS-приложение с отличными деталями, включая живое отображение «цепочки рассуждений» (Chain of Thought). Майк Кригер признает, что Anthropic стоило выпустить аналогичную функцию раньше, не дожидаясь идеальной «полировки» .

👨‍💻 Трансформация роли программиста 44:00

Майк Кригер, который сам недавно вернулся к написанию кода с помощью нового инструмента Claude Code, считает, что в ближайшие 3 года работа разработчика радикально изменится.

• От исполнителя к делегатору: инженер будет тратить больше времени на проверку кода (code review), сгенерированного ИИ, и на выбор архитектурных подходов, чем на ручное написание строк .

• Агентные циклы: через год разработчик сможет поставить задачу агенту, уйти пить кофе, а по возвращении увидеть три протестированных варианта решения с анализом безопасности и уязвимостей .

• Мультидисциплинарность: знание того, что строить, становится важнее знания того, как написать конкретную реализацию .

🧬 ИИ, медицина и долголетие 1:00:52

В завершение беседы Майк Кригер поддержал оптимистичный взгляд Дарио Амодеи на потенциал ИИ в биологии.

• Ускорение бюрократии: компания Novo Nordisk уже использует Claude для написания отчетов о клинических испытаниях, сокращая процесс с 15 недель до 20 минут .

• Фундаментальная наука: создание моделей клеток позволит проводить виртуальные эксперименты, что драматически ускорит поиск лекарств от таких болезней, как рассеянный склероз .

Кригер резюмирует, что лучшие умы его поколения, которые раньше занимались таргетированием рекламы, теперь переключаются на создание интеллекта, способного решать глобальные задачи человечества .