Партнеры венчурного фонда Y Combinator Гэри Тан, Хардж Таггар и Джаред Фридман обсуждают радикальное изменение «лабиринта идей» для технологических стартапов под влиянием искусственного интеллекта. Развитие больших языковых моделей реанимирует целые индустрии, потерпевшие крах в прошлые десятилетия, включая EdTech, рекрутинг и комплексные сервисы (full-stack). Эксперты сходятся во мнении, что удешевление «интеллекта» и появление автономных агентов требуют от фаундеров отказа от старых канонов Lean Startup в пользу чистого любопытства и работы на технологическом фронтире.
🔄 Перезапуск рекрутинга: как AI меняет многосторонние маркетплейсы 1:06
Сектор платформ для найма переживает второе рождение благодаря ИИ, кардинально меняя экономику многосторонних платформ. Хардж Таггар, основываясь на своем пятилетнем опыте руководства рекрутинговым стартапом Triple Byte (основан в 2015 году), отмечает, что в тот период индустрия пыталась слепо копировать маркетплейс-модели Uber или Airbnb. Однако специфика найма инженеров требовала глубокой оценки навыков, что вынуждало компании тратить годы на создание размеченных датасетов и проведение тысяч ручных технических интервью. На ранних этапах Triple Byte фактически представлял собой не двухсторонний, а сложный трехсторонний маркетплейс, где между работодателем и соискателем находились наемные интервьюеры-контрактники.
По словам Таггара, появление современных LLM полностью устранило необходимость в многолетней ручной разметке данных. В качестве примера успешного ИИ-стартапа нового поколения приводится платформа Meror — маркетплейс для разработчиков, который с первого дня использует языковые модели для автоматической оценки квалификации кандидатов. Это позволило проекту быстро масштабироваться из сферы ИТ в другие сектора интеллектуального труда.
Гэри Тан проводит историческую аналогию между текущим моментом и бумом мобильного интернета, когда появление смартфонов со встроенным GPS позволило модели доставки продуктов Instacart стать успешной на фоне «выжженной земли», оставшейся после краха аналогичного стартапа Web Van эпохи доткомов. Аналогично, по мнению партнеров YC, стены в «лабиринте стартап-идей» сдвинулись. То, что привело к потере сотен миллионов долларов инвесторов в рекрутинговых маркетплейсах пять лет назад (один только Triple Byte привлек $50 млн, а его конкурент — более $100 млн), сегодня становится коммерчески жизнеспособным.
В качестве еще одного примера точечного решения застарелой проблемы найма приводится стартап Apriora (профинансирован YC в раунде Winter 2024). Сервис использует ИИ-агентов для проведения первичных скрининговых видеоинтервью. Гэри Тан вспоминает, что во время его руководства инженерными командами в Niantic этап предварительного отбора отнимал огромное количество высокооплачиваемого времени разработчиков. По данным партнеров YC, продукт Apriora уже успешно применяется крупными корпорациями не только для отбора стажеров, но и для оценки senior-специалистов, значительно расширяя целевой рынок.
🎓 Эволюция EdTech: от скучных карточек к гиперперсонализации 7:30
Создание по-настоящему персонализированного цифрового репетитора долгое время оставалось недостижимым идеалом для образовательных технологий. Гэри Тан подчеркивает, что хотя интернет упростил доступ к знаниям, приложения долгое время оставались лишь инструментами доставки контента, не подстраивающимися под уникальный путь каждого ученика.
Сегодня ситуация меняется благодаря двум ключевым факторам:
- Снижение стоимости вычислений: Процесс дистилляции больших моделей в более компактные производственные версии делает ИИ-интеллект доступным практически бесплатно.
- Новые бизнес-модели: Вместо дешевых подписок на курсы с низкой вовлеченностью стартапы могут закладывать более высокую маржу, позиционируя продукт как полноценную замену дорогому человеческому репетитору. Хардж Таггар считает, что родители готовы платить значительные суммы, если ИИ-приложение способно обучать их 12-летнего ребенка математике на уровне лучших частных преподавателей.
Среди успешных кейсов в портфеле YC выделяется проект Revision Dojo, помогающий студентам готовиться к экзаменам с помощью умных интерактивных карточек. Продукт демонстрирует высокие показатели ежедневных активных пользователей (DAU). Другой пример — стартап Adexia, автоматизирующий проверку домашних заданий для учителей. Джаред Фридман приводит результаты исследований, согласно которым рутинная проверка тетрадей является главной причиной выгорания и увольнения школьных учителей из профессии. Потребителями таких гибких ИИ-инструментов в первую очередь становятся частные школы.
Ярким примером адаптивности бизнеса называют компанию Speak, созданную еще до бума генеративного ИИ исследователями, которые верили в персонализацию изучения языков. Изначально запустившись в Южной Корее для обучения английскому языку, команда стала ранним последователем GPT-3 и GPT-3.5, вовремя перестроила продукт и зафиксировала взрывной рост ежемесячной аудитории (MAU).
⚖️ Борьба за платформенную нейтральность и кризис управления в Big Tech 14:32
Обсуждая долгосрочную устойчивость ИИ-стартапов, Гэри Тан ссылается на позицию Сэма Альтмана: просто «добавить ИИ» в существующий продукт недостаточно, фаундерам по-прежнему необходимо строить классический бизнес с сильным брендом, сетевыми эффектами и высокой стоимостью переключения для клиентов. Намерение OpenAI играть на поле приложений подтверждается наймом бывшего генерального директора Instacart на позицию руководителя потребительских продуктов. По оценке Тана, OpenAI имеет все шансы стать корпорацией с триллионной капитализацией.
При этом спикеры отмечают парадоксальную медлительность технологических гигантов. Гэри Тан задается вопросом, почему голосовой помощник Siri от Apple спустя столько лет остается неэффективным. Он заявляет о необходимости законодательного введения «платформенной нейтральности» для искусственного интеллекта по аналогии с принципами сетевого нейтралитета (Net Neutrality) и антимонопольными судами против Microsoft Windows в прошлые десятилетия, когда корпорации обязали дать пользователям выбор браузеров и поисковых систем. Тан утверждает, что пользователи смартфонов должны иметь юридическое право выбирать ИИ-помощника по умолчанию (например, ChatGPT), а не быть заблокированными на стандартных Google Assistant или Siri.
Хардж Таггар делится внутренней аналитикой YC: несмотря на то, что модель Gemini 2.5 Pro от Google в ряде внутренних тестов агентских задач превосходит модель o3 от OpenAI, ее реальное использование потребителями составляет ничтожную долю от показателей ChatGPT. Причиной этого партнеры называют внутренний кризис управления в Google. Продукт разделен между двумя конкурирующими структурами — DeepMind и облачным подразделением GCP, из-за чего разработчикам предлагаются два разных API (Gemini и Vertex Gemini). Гэри Тан характеризует это метафорой «компания отгружает клиентам свою организационную структуру»: вместо волевого решения топ-менеджмента вице-президенты заставляют команды конфликтовать между собой.
Тем не менее, Google обладает фундаментальным технологическим преимуществом, которое Тан сравнивает с «драконами дома Таргариенов» — собственными процессорами TPU. Именно это аппаратное обеспечение позволяет компании удерживать самую низкую себестоимость обработки длинных контекстных окон (до 1 миллиона токенов в Gemini 2.5 Pro), что пока не по карману другим лабораториям. Джаред Фридман объясняет нежелание Google полностью заменить традиционный поиск ИИ-интерфейсом классической «дилеммой инноватора»: такой шаг мгновенно уничтожил бы до 80% рекламной выручки корпорации.
В отличие от руководства Google, Марк Цукерберг демонстрирует готовность идти на радикальные продуктовые риски, что подтверждается переименованием Facebook в Meta. Впрочем, интеграцию Meta AI в мессенджер WhatsApp партнеры YC оценивают критически. По мнению Таггара, появление ИИ-бота в групповых чатах выглядит инвазивно и навязчиво, а Гэри Тан обращает внимание на полное отсутствие продуктового вкуса: бот в WhatsApp не имеет доступа к списку друзей пользователя внутри той же экосистемы и не может ответить на простой запрос о контактах в конкретном городе.
Для исправления подобных ошибок интеграции эксперты рекомендуют использовать концепцию, описанную бывшим менеджером по продукту Google Питом Куменом. В своем эссе Кумен детально разобрал интеграцию Gemini в Gmail и пришел к выводу, что разработчики должны дать пользователям возможность напрямую редактировать системный промпт (system prompt). Это позволит гибко менять тон писем, уходя от излишне формальных шаблонов, жестко зашитых корпорацией по умолчанию.
🏢 Возрождение Full-Stack стартапов: операционная эффективность без операционной команды 25:06
В 2010-х годах в Кремниевой долине была популярна концепция «технологически развитых сервисов» (tech-enabled services) или full-stack стартапов, запущенная эссе Баладжи Сринивасана. Идея заключалась в том, что вместо продажи софта традиционным игрокам (например, ресторанам) стартап должен сам становиться игроком рынка (открывать свои кухни, нанимать курьеров) и забирать 100% выручки вместо 10% лицензионных отчислений. К этой волне относились Triple Byte в рекрутинге и юридическая фирма Atrium Джастина Кана.
Главной системной ошибкой той волны бизнеса, по мнению Гэри Тана, стало полное игнорирование валовой маржинальности (gross margins). Компании фактически продавали «20-долларовые купюры за 10 долларов». Достигнув годовой выручки в $20–24 млн, такие проекты упирались в потолок масштабирования, поскольку рост требовал постоянного найма огромного штата операционных сотрудников, менеджеров и юристов. Печально известным экстремальным примером такой модели Тан называет сеть коворкингов WeWork с ее искусственной метрикой «community adjusted EBITDA».
Другой пример — Zenefits, чей крах был связан с избыточным раздуванием штата сейлзов и службы поддержки. Фаундер компании Паркер Конрад учел этот опыт при создании своего следующего проекта Rippling: там инженеры обязаны лично выполнять функции клиентской поддержки, что заставляет их писать софт, изначально не требующий человеческого вмешательства.
Джаред Фридман утверждает, что в эпоху ИИ наступает ренессанс full-stack стартапов, но на принципиально иной технологической базе. Сегодня ИИ-агенты способны взять на себя весь объем сложной интеллектуальной работы, благодаря чему под капотом новой компании находится чистый софт, обеспечивающий высочайшую маржинальность при минимальном операционном штате.
Пример из практики YC: Стартап Legora (один из самых быстрорастущих проектов фонда) создает ИИ-инструменты для юристов. По прогнозу Фридмана, эволюция подобных агентских систем неизбежно приведет к тому, что они начнут выполнять всю юридическую работу автономно, фактически превратившись в крупнейшую юридическую компанию на планете без раздувания штата младших юристов.
🚀 Эра MLOps: уроки выдержки и ценность чистого любопытства 32:09
Анализируя циклы развития технологий, Джаред Фридман вспоминает, что в 2019–2020 годах Y Combinator сознательно отказывался финансировать стартапы из сферы MLOps (инструменты для машинного обучения). Собранная Фридманом статистика за 2019 год показала аномалию: количество заявок от создателей инструментов для ML превышало количество заявок от компаний, которые реально пытались применить машинное обучение в каком-либо коммерческом продукте. Инструменты создавались в вакууме, так как сами технологии ИИ на тот момент еще не работали на должном уровне. Гэри Тан добавляет, что стратегически эти фаундеры были правы на горизонте 10 лет, но ошиблись с конкретным моментом времени.
Однако команды, проявившие упорство и продолжавшие разработки в период всеобщего скептицизма, сегодня стали лидерами рынка:
- Replicate (набор Winter 2020): Стартап запустился прямо перед пандемией. Из-за отсутствия спроса основатели заморозили проект на несколько месяцев. Они продолжали тихую работу в безвестности в течение двух лет, пока релиз диффузионных моделей генерации изображений не вызвал лавинообразный спрос на их инфраструктуру.
- Ollama: Команда вела разработки в тот же пандемийный период, пытаясь упростить деплой опенсорсных моделей. В эпоху доминирования моделей BERT от Hugging Face технология не находила массового отклика. Ситуация изменилась мгновенно, когда Meta выпустила модель Llama — продукт Ollama стал самым простым решением для локального запуска ИИ на компьютерах разработчиков.
- Deepgram (участник YC с 2016 года): Компания основана двумя докторами наук (PhD) в области физики, занимавшимися теорией струн. Заинтересовавшись математической элегантностью глубокого обучения, они начали развивать технологию распознавания речи задолго до рыночного бума. Продукт долгие годы оставался в тени, однако текущий взрывной рост популярности голосовых ИИ-агентов привел к тому, что большинство современных сервисов используют Deepgram в качестве инфраструктурной основы под капотом.
Партнеры YC резюмируют: вся современная ИИ-революция стала возможной благодаря тому, что отдельные ученые (такие как Илья Суцкевер) годами следовали за собственным научным любопытством, не думая о сиюминутной коммерческой выгоде.
🗺️ Новый плейбук для фаундеров: жизнь на границе будущего 37:10
Джаред Фридман заявляет, что базовая стартап-мудрость прошлых двадцати лет, ставшая каноном — методология Lean Startup, требующая проводить масштабные исследования клиентов (customer discovery) и продавать продукт еще до начала его разработки — безнадежно устарела для ИИ-эпохи. Этот подход сформировался в период, когда все очевидные ИТ-идеи были давно реализованы и фаундерам приходилось искать узкие, незанятые ниши.
В текущих реалиях партнеры YC рекомендуют вернуться к совету Пола Грэма: «жить на границе будущего», изучать возможности новейших технологий и следовать за собственным инженерным интересом. Обладая хорошим продуктовым вкусом, правильным набором данных и качественной системой оценки промптов (evals), фаундеры неизбежно наталкиваются на прорывные идеи в процессе создания прототипов.
При этом спикеры отмечают, что потенциал ИИ до сих пор остается секретом для большинства действующих технологических единорогов. По наблюдению Гэри Тана, крупные стартапы со штатом от 100 до 1000 человек продолжают следовать своим старым квартальным дорожным картам, утвержденным годы назад, полностью игнорируя новые возможности. Бывший директор по исследованиям OpenAI Боб Макгрю (принимавший участие в создании o1 и o3) в личном разговоре с Таном выражал удивление тем, насколько слабо бизнес адаптирует подешевевшие вычисления и рассуждающие модели в свои внутренние процессы. Партнеры YC резюмируют: текущий момент — лучшее время для запуска новых технологических компаний.
