# Джейсон Дрой: «Выживание — это обязательное условие для победы в бизнесе»

Источник: https://www.youtube.com/watch?v=W99jdYZOlN0
Канал: Lenny's Podcast
Опубликовано: 09.10.2025

---

Ленни Рачитский (Lenny Rachitsky) обсуждает с новым CEO Scale AI Джейсоном Дроем трансформацию индустрии искусственного интеллекта после масштабной сделки с Meta на 14 миллиардов долларов. В центре беседы — эволюция обучения моделей от простых задач к экспертному уровню, уроки масштабирования Uber Eats до 80 миллиардов долларов и жесткие бизнес-фильтры, позволяющие стартапам выживать в условиях «хайп-циклов».

## 🤝 Сделка с Meta на $14 млрд и будущее Scale AI
[[JUMP:10:37]]

Джейсон Дрой официально разъяснил статус Scale AI после сделки с Meta, которая вызвала множество слухов в индустрии. По его словам, Scale AI остается полностью независимой компанией [10:49]. Основные параметры сделки выглядят следующим образом:

*   **Инвестиции:** Meta инвестировала чуть более 14 миллиардов долларов [11:02].
*   **Доля:** Meta получила 49% не голосовых акций компании [11:02].
*   **Управление:** Структура совета директоров и принципы управления остались прежними; Meta не получила новых мест в совете [11:14].
*   **Доступ к данным:** Дрой утверждает, что у Meta нет преференциального доступа к данным или технологиям Scale AI; все протоколы безопасности и конфиденциальности для других клиентов сохранены в полном объеме [11:41].

Александр Ванг (Alexandr Wang), основатель компании, теперь возглавляет команду «суперинтеллекта» в Meta, в то время как Дрой руководит операционной деятельностью Scale AI [12:35]. Несмотря на переход части сотрудников (около 15 человек) в Meta, Scale AI сохраняет штат более чем в 1000 сотрудников и развивает два независимых бизнес-направления, каждое из которых генерирует сотни миллионов долларов выручки [11:54].

## 🧠 Эволюция данных: от разметки картинок к PhD-экспертизе
[[JUMP:12:47]]

Индустрия обучения ИИ прошла путь от использования дешевой рабочей силы до привлечения ученых мирового уровня. Дрой считает заявления конкурентов о сложности поиска экспертов «несостоятельными», так как Scale AI выстроила эту систему задолго до бума генеративного ИИ [13:27].

Основные изменения в требованиях к данным:

*   **Смена парадигмы:** 18 месяцев назад типичной задачей было сравнение двух коротких историй. Сегодня задача может заключаться в написании кода для целого веб-сайта или объяснении нюансов лечения рака [15:50].
*   **Профиль специалистов:** По данным Scale AI, 80% их экспертной сети имеют степень бакалавра или выше, а 15% — степень PhD [16:02].
*   **Методы привлечения:** Вместо традиционного рекрутинга компания использует реферальные сети среди ученых и кампусные программы в университетах [17:44].

Дрой подчеркивает, что эксперты участвуют в проектах не только ради денег (которые могут составлять тысячи долларов), но и ради возможности напрямую влиять на поведение моделей ИИ, исправляя их ошибки в узких областях знаний [18:37].

### RL-среды и «цифровое суждение»
[[JUMP:19:19]]

Будущее ИИ-агентов зависит от сред обучения с подкреплением (RL environments). Дрой объясняет это на примере Salesforce: чтобы агент мог совершать сделки, он должен научиться ориентироваться в интерфейсе, понимать конфигурации и знать, когда нужно передать задачу человеку [19:44].

Главным барьером для внедрения ИИ в крупных корпорациях гость называет «оцифровку человеческого суждения» [26:58]. Одно и то же решение в компании A может быть правильным, а в компании B — катастрофическим из-за разной корпоративной культуры и целей. Поэтому Scale AI смещает фокус на обучение моделей специфике конкретных предприятий [26:44].

## 🏥 ИИ в реальном секторе: кейс здравоохранения
[[JUMP:23:44]]

Дрой привел пример внедрения ИИ в крупную медицинскую систему, специализирующуюся на редких заболеваниях. До внедрения технологии врачи были вынуждены изучать до 300 страниц документации по каждому случаю, что создавало огромные очереди [24:48].

Результаты внедрения специализированного инструмента:

1.  **Выявление скрытых угроз:** ИИ обнаружил аллергию на препарат, которая была упомянута в документах многолетней давности и могла привести к фатальному конфликту с текущим лечением [25:27].
2.  **Повышение точности:** Врачи используют ИИ не для замены диагноза, а для выделения 5–10 критических факторов, которые нельзя упустить [25:14].
3.  **Локальная разметка:** Врачи этой системы сами стали «разметчиками», обучая модель понимать специфический контекст их клиники [25:54].

По мнению Дроя, ИИ наиболее эффективен там, где он может поднять точность процессов с 10–20% до 80% [32:57]. Однако в процессах, где требуется точность 99.9% (например, финансовые транзакции), ИИ пока не может полностью заменить человека [33:22].

## 🍔 Уроки Uber Eats: от идеи до $80 млрд
[[JUMP:41:51]]

Джейсон Дрой руководил запуском Uber Eats, когда проект был лишь одной из многих экспериментальных идей внутри Uber. Он выделяет несколько ключевых принципов, которые позволили превратить «доставку еды» в бизнес, спасший Uber во время пандемии [1:53]:

*   **Анализ скрытых стимулов:** При изучении ресторанного рынка команда Дроя не верила рестораторам на слово. Они заказывали еду, разбирали её на ингредиенты (взвешивали ветчину, сыр, хлеб) и сопоставляли это с ценами поставщиков, чтобы понять реальную экономику [44:55].
*   **Поиск «альфы»:** Дрой утверждает, что предприниматель должен иметь инсайт, которого нет у миллиона других умных людей [49:35]. Для Uber Eats таким инсайтом стала ценность «инкрементального спроса»: если ресторан уже платит за аренду и поваров, дополнительные заказы через приложение имеют маржинальность 70–80% [46:25].
*   **Эксперименты и провалы:** Прежде чем остановиться на еде, команда пробовала доставку из аптек на фургонах. В Вашингтоне запустили 10 машин с 250 товарами повседневного спроса, но проект провалился, так как люди не заказывали ничего без сигарет, пива и алкоголя, которые Uber тогда не возил [54:06].

### История с McDonald’s
[[JUMP:57:12]]

Одним из переломных моментов стало подписание контракта с McDonald’s. Интересно, что изначально Дрой отказал им, считая, что Uber Eats должен ориентироваться на локальные уникальные рестораны, а не на глобальные сети [58:19]. Однако команда убедила его, что McDonald’s обеспечит огромный маркетинговый охват. Дрой считает, что его первоначальный отказ помог в итоге заключить более выгодную сделку [59:35].

## 📈 Бизнес-стратегия: валовая маржа как фильтр
[[JUMP:1:00:15]]

Дрой использует показатель валовой маржи (Gross Margin) как «грубый, но эффективный инструмент» для отсева плохих идей. Его логика проста: если продукт нельзя продать с высокой наценкой, значит, он не создает достаточно ценности [1:01:08].

Его аргументация включает следующие тезисы:

*   **Защита от коммодитизации:** Если вы планируете маржу в 40%, а конкурент из офшора работает с 20%, ваша маржа упадет быстрее, чем вы думаете [1:01:59].
*   **Масштаб против маржи:** Такие компании как Costco и Walmart сознательно держат маржу на уровне 10%, чтобы «высосать кислород» из рынка и сделать конкуренцию невозможной для новичков [1:04:14].
*   **Инвестиционный фильтр:** При запуске нового направления Дрой всегда спрашивает: «Почему мы не можем сделать маржу 60%?». Ответ на этот вопрос вскрывает реальные проблемы: наличие альтернатив у клиента или отсутствие дифференциации [1:01:33].

## 🚀 Философия выживания и найма
[[JUMP:1:05:00]]

«Выживание — это прекурсор к победе», — утверждает Дрой [1:05:06]. В технологической культуре принято «идти ва-банк», но гость полагает, что лучшие предприниматели тщательно оценивают риск-профиль каждого решения. Многие стартапы погибают просто потому, что не доживают до момента, когда их инсайт станет рыночной реальностью [1:06:25].

В вопросах найма Дрой выделяет три качества, которые он ищет в кандидатах на любые роли:

1.  **Любопытство в решении проблем:** Способность вербализировать процесс поиска решения [1:10:16].
2.  **Смирение и сотрудничество:** Умение работать в команде, признавая сильные стороны других [1:10:30].
3.  **Лидерство:** Способность брать на себя ответственность [1:10:43].

Дрой признается, что использует ИИ как персонального репетитора. Перед поездкой на работу он включает голосовой режим и просит модель объяснить новые технические концепции в области ИИ-исследований, которые появляются практически ежедневно [1:13:26].