Бывший физик-теоретик, а ныне основатель ИИ-лаборатории Factory Матан Гринберг в гостях у Гарри Стеббингса рассуждает о том, как искусственный интеллект меняет экономику разработки программного обеспечения. В центре дискуссии — неизбежное столкновение амбиций и реальности, «похмелье» после бесконтрольных трат на токены и новая роль инженера как архитектора автономных систем.
🚀 ИИ и ВВП: решит ли технология проблему производительности? 1:22
Матан Гринберг уверен, что ИИ приведет к колоссальному росту производительности, однако этот эффект не проявится мгновенно . Проблема заключается в инерции распределения ресурсов: компаниям нужно время, чтобы понять, хотят ли они решать те же задачи меньшими силами или расширять свои амбиции, используя возросшие возможности существующих команд .
Ключевые тезисы Матана о кадровой трансформации:
- Исчезновение «средних» инженеров. Вместо мифического «10x инженера» мы увидим резкое разделение на тех, кто умеет использовать рычаг ИИ (условные «100x инженеры»), и тех, кто станет менее ценным для бизнеса .
- Load-bearing individuals (несущие конструкции). Гринберг предлагает оценивать сотрудников не по количеству строк кода, а по их «незаменимости» для архитектуры организации: если при увольнении человека всё рушится, он — ключевой актив .
- Отказ от промежуточных метрик. Раньше успех инженерной команды измерялся количеством выпущенных фич за квартал. Теперь бизнес возвращается к реальным показателям: удовлетворенность клиентов, выручка и доля рынка .
⚖️ Строить или покупать: кейс Kirkland & Ellis за $500 млн 6:49
Обсуждая новость о том, что юридическая фирма Kirkland & Ellis выделила $500 млн на создание собственного ИИ-инструментария, Матан Гринберг выражает скепсис . По его мнению, разработка ИИ не является основной компетенцией (core competency) юридической компании.
Аргументы против внутренней разработки непрофильных систем:
- Эффективность распределения ресурсов. Гринберг приводит аналогию с обедом: СЕО может сам сходить за едой для команды, он умеет это делать, но это неэффективное использование его времени .
- Демократизация возможностей. В будущем любой софт в теории сможет написать кто угодно. Главным вопросом станет не «можем ли мы это построить?», а «стоит ли это наших усилий?» .
- Опыт Harvey. По мнению гостя, такие кейсы только помогают специализированным стартапам (например, Harvey): компании пробуют строить сами, понимают, насколько это сложно, и в итоге приходят к экспертам .
💰 «ИИ-похмелье» и экономика токенов 16:25
Рынок проходит через три фазы внедрения ИИ. По словам Матана, мы сейчас находимся в самой болезненной из них :
- Фаза 1: Совет директоров требует от CEO стратегию внедрения ИИ.
- Фаза 2: «Token Maxing» — бесконтрольное использование ИИ, когда сотрудники тратят бюджет на любые запросы, включая личные.
- Фаза 3: «Похмелье» — CIO получает счета на сотни тысяч долларов и задается вопросом о реальном возврате инвестиций (ROI) .
Матан приводит пример, как один из CIO обнаружил огромные траты на модель Claude 3 Opus для вопросов вроде «какая сегодня погода?» или «сколько макронутриентов в моей еде?» . Гринберг прогнозирует, что в ближайшие три года средние траты компании на токены станут сопоставимы с затратами на зарплаты разработчиков .
🛠 Модели против Приложений: кто захватит ценность? 10:01
В индустрии идет борьба за то, кто кого «коммодитизирует» (превратит в дешевый общедоступный ресурс) . Поставщики моделей хотят, чтобы приложения стали тривиальными, а разработчики приложений стремятся сделать модели заменяемыми.
Позиция Factory в этой цепочке:
- Модельная агностичность. Factory позволяет клиентам выбирать между OpenAI, Anthropic, Google или open-source решениями в зависимости от задачи .
- Оптимизация под задачу. 80–90% задач в программировании могут выполнять дешевые open-source модели. Frontier-модели (самые мощные и дорогие) нужны только для этапа планирования и принятия ключевых решений .
- Риск монополии. Единственный сценарий, который может разрушить бизнес Factory — если один провайдер (например, OpenAI) станет на порядок лучше всех остальных, создав монополию на интеллект .
🎓 Возвращение полиматов и «Full-stack» подход во всем 32:28
Матан Гринберг считает, что эпоха узкой специализации заканчивается. Благодаря ИИ, который быстро подводит человека к «фронтиру» любой дисциплины, возвращается время полиматов — людей, обладающих глубокими знаниями в нескольких областях .
Новые требования к инженерам по версии Гринберга:
- Отказ от элитарности. В Кремниевой долине принято считать исследования «вершиной», разработку — «вторым сортом», а продажи и маркетинг — «грязным делом». В Factory инженеры и сейлзы сидят вместе и одинаково гордятся как закрытыми сделками, так и новыми фичами .
- Инженер как GM (генеральный менеджер). Лучший разработчик теперь — это тот, кто берет на себя ответственность за бизнес-результат, пишет маркетинговые тексты для своего продукта и обучает отдел продаж .
- Агентность важнее олимпиад. Матан критикует «культ олимпиадников» (IMO, Putnam), считая, что победы в соревнованиях часто являются признаком следования по заранее заданному туннелю, а не способности действовать в условиях неопределенности .
🏭 Концепция Factory: строительство заводов, а не кода 39:25
Название компании Factory («Завод») отражает видение будущего: инженеры перестанут писать код вручную. Их работа будет заключаться в проектировании и обслуживании «заводов», которые автономно производят программное обеспечение .
Гринберг проводит аналогию с заводами Tesla: там почти нет людей на сборочной линии, но люди спроектировали процесс так, чтобы максимизировать выход готовых машин .
В этом контексте:
- Рутина исчезнет. Через пять лет мы будем с недоумением вспоминать, что высокооплачиваемые программисты тратили часы на написание release notes или документации .
- Рост важности DevX. Чем лучше в компании настроены процессы (CI/CD, линтеры, документация), тем эффективнее работают ИИ-агенты. Хороший DevX дает агентам «рычаг» в 10–100 раз мощнее, чем человеку .
🧪 От струнной теории до Sequoia: история Матана Гринберга 47:46
Путь Матана в бизнес был нетипичным: до основания Factory он никогда нигде не работал и занимался исключительно теоретической физикой . Его одержимость началась в 12 лет, когда учительница заставила его пересдавать геометрию. Матан купил все учебники по математике на Amazon и прошел программу до университетского уровня за одно лето .
Поворотные моменты:
- Разочарование в академии. Преподавание физики студентам, которым она неинтересна, стало экзистенциальным кризисом .
- Nerd sniping. Гринберг увлекся генерацией кода, увидев в этом фундаментальное решение «n-мерной задачи» .
- Холодное письмо. Матан написал инвестору Sequoia Шону Магуайру (тоже бывшему физику). Их первая встреча переросла в 3-часовую прогулку, после которой Шон посоветовал ему немедленно бросить PhD .
- Первый чек. Гринберг показал Sequoia демо-версию, собранную за 72 часа вместе с кофаундером Ино. На следующий день он получил предложение на $1 млн при оценке $5 млн post-money в апреле 2023 года .
🏈 Культура «спецназа» и профессиональных атлетов 1:15:32
Матан критикует термин «grindslop» (бессмысленная переработка) и культ кроватей в офисе . Его подход — относиться к команде как к элитным атлетам или бойцам SEAL Team 6 .
- Оптимизация сна. Factory закупила всем сотрудникам матрасы Eight Sleep (стоимостью около $3000 на человека), потому что качественный сон напрямую влияет на способность принимать сложные решения .
- Сезонность. Матан сравнивает стартап с профессиональным спортом: бывают периоды (in-season), когда нужно быть максимально «заряженным» и отказываться от алкоголя, и периоды восстановления .
- Инвестиции в когнитивность. Любой доллар, потраченный на то, чтобы сотрудник лучше соображал, — это оправданная инвестиция для компании с амбициями построить «легенду» .
🌐 Геополитика и будущее рынка ИИ 1:08:50
Матан Гринберг высказывает несколько резонансных мнений о текущем состоянии индустрии:
- Критика Дарио Амодеи (CEO Anthropic). Матан считает риторику Амодеи о том, что «ИИ заберет все рабочие места», дезинформацией, направленной на привлечение гигантских инвестиций. По его мнению, это пугает людей и вредит индустрии .
- Китайские модели. Гринберг считает позором тот факт, что в США нет сопоставимых по качеству open-source моделей. Он не видит большой угрозы в использовании китайских моделей в США, если данные не покидают страну .
- EY (Ernst & Young) как лидер. К удивлению ведущего, Матан назвал консалтинговую фирму EY одной из самых прогрессивных в плане внедрения ИИ-агентов, превосходящей в этом даже многие стартапы .
