Выжимка из интервью Ленни Ракитски с Шервиным Ву, ведущим инженером из OpenAI:
1️⃣ AI пишет почти весь код в OpenAI. 95% инженеров используют Codex, а те, кто реально встраивает эти инструменты в работу, открывают на 70% больше pull requests, чем их коллеги - и разрыв со временем только растет.
2️⃣ Роль software engineer смещается от написания кода к управлению флотом AI-агентов. Многие инженеры ведут 10-20 параллельных Codex сессий, больше направляют и ревьюят, чем пишут код руками.
3️⃣ Среднее время code review одного PR сократилось с 10-15 минут до 2-3 минут. Каждый pull request в OpenAI теперь сначала проверяет Codex, еще до того как его увидит человек: он поднимает рекомендации и ловит проблемы заранее. В итоге инженеры могут сфокусироваться на более креативной и стратегической работе, при этом продуктивность резко растет.
4️⃣ В AI-продуктах не стоит оптимизироваться под текущие возможности модели. Область развивается настолько быстро, что то, что сегодня кажется обязательным (vector stores, agent frameworks и так далее), завтра может стать ненужным по мере улучшения моделей.
5️⃣ Стройте под то, куда модели идут, а не под то, где они сегодня. Самые успешные AI-стартапы делают продукты, которые сейчас работают на 80% возможностей, понимая, что следующий релиз модели просто дотянет их до нужного уровня.
6️⃣ Топовые исполнители становятся непропорционально продуктивнее с AI-инструментами. AI усиливает людей с высокой инициативностью, поэтому разрыв между топами и остальными увеличивается. ROI от того, чтобы разблокировать и усилить лучших людей, в AI-усиленной среде начинает компаундиться быстрее, чем когда-либо.
7️⃣ У большинства enterprise-внедрений AI отрицательный ROI, потому что это top-down внедрение не работает без bottom-up адаптации. Успех требует и поддержки руководства, и инициативы снизу. Sherwin рекомендует собрать “tiger team” из технически мыслящих энтузиастов (часто это не инженеры), которые смогут исследовать возможности, прикладывать AI к конкретным workflow и разгонять интерес по всей организации.
8️⃣ Стартап на одного человека с капитализацией в миллиард уже на подходе, но важнее - эффекты второго порядка. По мере роста индивидуальной продуктивности мы увидим не только соло-фаундеров на $1B, но и взрыв малого бизнеса: сотни стартапов на $100M и десятки тысяч на $10M. Это изменит экосистему стартапов и ландшафт венчурного рынка.
9️⃣ Автоматизация бизнес-процессов - недооцененная возможность для AI. Пока стартапы Кремниевой долины фокусируются на knowledge work, большая часть экономики держится на повторяемых процессах и операционке (SOP). Потенциал применения AI к таким workflow огромный, но тех-сообщество часто это упускает.
1️⃣0️⃣ Следующие 2-3 года будут самыми захватывающими в истории технологий. После относительно тихого периода 2015-2020 мы вошли в беспрецедентную эпоху инноваций. Sherwin призывает всех активно встраивать AI-инструменты в работу и не воспринимать этот момент как должное - со временем темп изменений замедлится.
1️⃣1️⃣ AI-модели скоро смогут связно выполнять задачи на много часов. Сегодняшние модели заточены под задачи на минуты, но в ближайшие 12-18 месяцев появятся модели, которые смогут держать контекст и работать над сложной задачей больше шести часов. Это откроет новые категории продуктов и workflow.
1️⃣2️⃣ Аудио - следующий фронтир multimodal AI. Пока больше всего внимания уходит в код и текст, аудио в бизнесе сильно недооценено. Улучшения в speech-to-speech моделях в ближайшие 6-12 месяцев откроют новые возможности для бизнес-коммуникаций и операционных процессов.
Я обычно не пишу новости и тем более переводы, но лучше чем Lenny Rakitsky и Sherwin Wu я все равно не сформулировал бы (оригинал).
Подписаться
1️⃣ AI пишет почти весь код в OpenAI. 95% инженеров используют Codex, а те, кто реально встраивает эти инструменты в работу, открывают на 70% больше pull requests, чем их коллеги - и разрыв со временем только растет.
2️⃣ Роль software engineer смещается от написания кода к управлению флотом AI-агентов. Многие инженеры ведут 10-20 параллельных Codex сессий, больше направляют и ревьюят, чем пишут код руками.
3️⃣ Среднее время code review одного PR сократилось с 10-15 минут до 2-3 минут. Каждый pull request в OpenAI теперь сначала проверяет Codex, еще до того как его увидит человек: он поднимает рекомендации и ловит проблемы заранее. В итоге инженеры могут сфокусироваться на более креативной и стратегической работе, при этом продуктивность резко растет.
4️⃣ В AI-продуктах не стоит оптимизироваться под текущие возможности модели. Область развивается настолько быстро, что то, что сегодня кажется обязательным (vector stores, agent frameworks и так далее), завтра может стать ненужным по мере улучшения моделей.
5️⃣ Стройте под то, куда модели идут, а не под то, где они сегодня. Самые успешные AI-стартапы делают продукты, которые сейчас работают на 80% возможностей, понимая, что следующий релиз модели просто дотянет их до нужного уровня.
6️⃣ Топовые исполнители становятся непропорционально продуктивнее с AI-инструментами. AI усиливает людей с высокой инициативностью, поэтому разрыв между топами и остальными увеличивается. ROI от того, чтобы разблокировать и усилить лучших людей, в AI-усиленной среде начинает компаундиться быстрее, чем когда-либо.
7️⃣ У большинства enterprise-внедрений AI отрицательный ROI, потому что это top-down внедрение не работает без bottom-up адаптации. Успех требует и поддержки руководства, и инициативы снизу. Sherwin рекомендует собрать “tiger team” из технически мыслящих энтузиастов (часто это не инженеры), которые смогут исследовать возможности, прикладывать AI к конкретным workflow и разгонять интерес по всей организации.
8️⃣ Стартап на одного человека с капитализацией в миллиард уже на подходе, но важнее - эффекты второго порядка. По мере роста индивидуальной продуктивности мы увидим не только соло-фаундеров на $1B, но и взрыв малого бизнеса: сотни стартапов на $100M и десятки тысяч на $10M. Это изменит экосистему стартапов и ландшафт венчурного рынка.
9️⃣ Автоматизация бизнес-процессов - недооцененная возможность для AI. Пока стартапы Кремниевой долины фокусируются на knowledge work, большая часть экономики держится на повторяемых процессах и операционке (SOP). Потенциал применения AI к таким workflow огромный, но тех-сообщество часто это упускает.
1️⃣0️⃣ Следующие 2-3 года будут самыми захватывающими в истории технологий. После относительно тихого периода 2015-2020 мы вошли в беспрецедентную эпоху инноваций. Sherwin призывает всех активно встраивать AI-инструменты в работу и не воспринимать этот момент как должное - со временем темп изменений замедлится.
1️⃣1️⃣ AI-модели скоро смогут связно выполнять задачи на много часов. Сегодняшние модели заточены под задачи на минуты, но в ближайшие 12-18 месяцев появятся модели, которые смогут держать контекст и работать над сложной задачей больше шести часов. Это откроет новые категории продуктов и workflow.
1️⃣2️⃣ Аудио - следующий фронтир multimodal AI. Пока больше всего внимания уходит в код и текст, аудио в бизнесе сильно недооценено. Улучшения в speech-to-speech моделях в ближайшие 6-12 месяцев откроют новые возможности для бизнес-коммуникаций и операционных процессов.
Я обычно не пишу новости и тем более переводы, но лучше чем Lenny Rakitsky и Sherwin Wu я все равно не сформулировал бы (оригинал).
Подписаться