Как Scale AI и «передовые инженеры» меняют корпоративный мир 0:00
В эпоху технологического сдвига, вызванного генеративным искусственным интеллектом, крупнейшие мировые компании осознали необходимость внедрения ИИ, но столкнулись с непреодолимым барьером: существующее программное обеспечение не адаптировано под их уникальные задачи. Бен Шарифштейн, руководитель направления корпоративных приложений в Scale AI, утверждает, что стандартные «коробочные» продукты здесь не работают. Вместо них бизнес требует глубокой кастомизации и интеграции в сложные рабочие процессы, что делает роль «передового инженера» (forward deployed engineer) ключевым элементом современного рынка.
🤖 Стратегия «передового развертывания»: решение проблем, а не просто продажа софта 1:43
Scale AI использует модель, в которой высококвалифицированные инженеры, продакт-менеджеры и специалисты по машинному обучению глубоко внедряются в бизнес клиента. По словам Шарифштейна, конечная цель — не просто поставить платформу, а решить конкретные, часто уникальные проблемы Fortune 500 и государственных структур.
Основные особенности этого подхода:
- Кастомизация как мост: Поскольку «идеального» ПО для многих задач ИИ еще не существует, инженеры строят уникальные решения «под ключ».
- Итеративность: Технологии меняются стремительно (например, релизы новых версий GPT), поэтому разработчики не пытаются создать вечную архитектуру, а решают самые острые проблемы здесь и сейчас, постоянно обновляя систему.
- Система рекордов: Главная задача компании — превратить хаотичные внутренние процессы корпорации в структурированные данные, которые затем можно превратить в ИИ-агентов.
Шарифштейн подчеркивает, что эта работа требует иного менталитета: эксперты не просто пишут код, они проводят интервью с сотрудниками клиента, анализируют данные и сами определяют, что именно требует автоматизации.
🛠 Роли и компетенции «десанта» в ИИ 15:53
В Scale AI команда, работающая «в полях», разбита на специализированные функциональные единицы:
- Передовые инженеры: Занимаются инфраструктурой, интеграцией данных и созданием полнофункциональных приложений.
- Передовые ML-инженеры: Фокусируются на построении агентов, оценке (evals) работы моделей и глубоком анализе данных для обучения.
- Передовые продакт-менеджеры: Играют роль «визионеров». По мнению Шарифштейна, их задача — заставить клиента мыслить шире и представить, как ИИ может полностью трансформировать привычный процесс, а не просто ускорить его.
Гость отмечает, что эти роли — настоящая «фабрика для будущих основателей», так как сотрудники занимаются поиском рыночных ниш (customer discovery) параллельно с реальной стройкой продукта.
💰 «Торговля маржой ради рва»: почему это новый стандарт 37:03
Одной из самых обсуждаемых тем стала экономика сервисной модели. Шарифштейн признает, что на начальном этапе такая деятельность может казаться низкомаржинальной, но это «торговля маржой ради создания рва» (trading margin for moat).
- Риск «ванильных» метрик: По мнению собеседников, компании часто совершают ошибку, стремясь к классическим показателям SaaS (высокая валовая маржа), отказываясь от сложной кастомизации. Это ограничивает их возможности захвата критически важных данных клиента.
- Платная имплементация: Эксперты сходятся во мнении, что компании не должны бояться брать деньги за внедрение. Клиенты из корпоративного сегмента привыкли платить за услуги, которые решают их проблемы, и это помогает лучше оценить ценность продукта.
- Фокус на «рвах»: Главная ценность — владение критически важным слоем данных или процессом, который невозможно легко заменить.
🔮 Прогнозы и «горячие тейки» 45:03
В заключение участники дискуссии обменялись радикальными мнениями о будущем рынка:
- Шарифштейн: «Фундаментальные ИИ-лаборатории сегодня — это киностудии». Он сравнивает модели с блокбастерами: огромные инвестиции в создание «франшизы» (например, GPT-3, GPT-4), которые приносят отдачу в короткий срок, но быстро устаревают.
- Ведущий: «Revenue-команды должны говорить "нет" чаще, чем "да"». По его мнению, самой большой ошибкой стартапа сейчас является стремление сказать «да» любому клиенту, что ведет к потере фокусировки на главном продуктовом векторе.
