Телеграм канал «🤖 Датаист»

ChatGPT и Claude уже создают приложения прямо в чате. Зачем теперь делать стартапы?

OpenAI и Anthropic в последнее время выпускают столько обновлений, что возникает вопрос: за что брать деньги, если ИИ создает приложения по запросу? 

1. Интерфейсы теперь генерируются прямо в чате.

OpenAI представила Intelligent UI: интерактивные диаграммы и другие элементы интерфейса. Anthropic запустила дашборды на основе данных и анимированные ролики.

2. Чаты превращаются в полноценные рабочие пространства.

OpenAI представила Space, Pages, Slides и Dots, Anthropic объединила Claude с Cowork. Теперь с документами, презентациями и таблицами можно работать в одном чате.

3. Агенты становятся автономнее, а модели — экономичнее.

Anthropic показала координацию работы до 1 000 агентов, OpenAI — Agents API и Decisions API (аналог Jev).

Раньше можно было создать небольшой SaaS и продавать подписку за удобный интерфейс. Теперь похожий результат выдает чат.

Значит ли это, что SaaS больше не нужны? Думаю, нет.

Создать интерфейс — не значит создать работающий продукт. Нужны данные, надежность и ответственность за результат.

Но если единственное преимущество вашего стартапа — интерфейс поверх ИИ, конкурировать будет сложнее.

Возникает парадокс: создавать приложения с помощью ИИ становится дешевле, а вот постоянно выполнять их функции через ИИ может быть дороже обычного кода.

В исследовании Anthropic говорится, что ИИ-агенты потребляют примерно в 4 раза больше токенов, чем обычные взаимодействия в чате, а мультиагентные системы — в 15 раз больше.

В сложных и исследовательских задачах такие расходы могут оправдаться, но зачем это там, где достаточно простого алгоритма?

В большинстве своих задач я вообще не использую агентов — в основном для исследований и разработки.

Представьте магазин с тысячей заказов в день. Зачем агенту каждый раз планировать проверку остатков, оформление и уведомление клиента, если можно один раз создать воркфлоу?

Обычный код выполняет предсказуемые действия, а ИИ работает там, где действительно требуется интеллект.

Агент нужен там, где заранее неизвестно, что делать. Воркфлоу — там, где мы уже знаем, как выполнять работу.

Поэтому главная метрика — стоимость успешно выполненной задачи при необходимом качестве.

Так какие стартапы создавать?

Есть инфраструктура, инструменты для ИИ-агентов и физический ИИ. Но порог входа там значительно выше.

Я бы начинал с вопроса: «Какую работу клиент готов оплачивать и можем ли мы выполнять ее лучше, быстрее или дешевле?»

Например, предпринимателю нужен не очередной ИИ-агент для продаж, а реальные клиенты и выручка.

Поэтому я вижу большие возможности в AI-First бизнесах, которые продают выполнение конкретной работы и несут ответственность за результат.

Где-то работу выполняет обычный код, где-то — ИИ-воркфлоу, и только в нестандартных задачах это делают ИИ-агенты, а где-то понадобятся люди для экспертизы и физических действий.

Задача предпринимателя — построить из всего этого эффективный бизнес.

Вот простой тест для любого ИИ-стартапа: Если завтра ChatGPT воспроизведет основную фичу вашего продукта, за что клиент продолжит платить именно вам?

Если ответа нет, стоит пересмотреть конкурентное преимущество.

Пару лет назад я писал о провальном стартапе, в котором участвовал. Теперь этот вопрос еще острее.

Раньше мы создавали приложения, чтобы люди выполняли работу. Теперь мы создаем системы, которые делают большую часть работы за них.

При этом интеллект становится доступнее, но организация его эффективного применения — ценнее.

Проверим это на деле. Я отобрал нескольких магистрантов из ИТМО и AI Talent Hub для практики в моей компании.

Хочу дать возможность запустить свои продукты на международном рынке тем, кто готов создавать и брать ответственность за результат. Буду помогать ребятам технологиями и экспертизой, а с вами поделюсь инсайтами и результатами.

В конечном счете выигрывает не тот, у кого больше агентов, а тот, кто создает больше реальной ценности при меньших затратах.

#новости

AI-First и AI-Native — да что это такое на самом деле?

Постоянно слышу, как компании называют себя AI-First или AI-Native. А на деле просто раздают сотрудникам подписки на ChatGPT.

Да, термины во многом маркетинговые, общепринятой шкалы нет. Но различия вполне реальные — давайте разбираться.

Летом я представил на конференции свою методологию оценки ИИ-зрелости компаний и разработки стратегии ИИ-трансформации, о которой написали кипрские СМИ.

Я разделяю компании на четыре категории.

1. AI-Enabled. ИИ помогает человеку, а сама работа остается прежней.

2. AI-Driven. ИИ встроен в процессы, но основным исполнителем работы остается человек.

3. AI-First. ИИ выполняет работу по умолчанию, а у людей меняется мышление: что делегировать агентам, а что оставить за собой.

4. AI-Native. ИИ становится основой бизнеса и его ценности для клиентов: без ИИ продукт невозможен или был бы принципиально другим.

AI-First меняет способ выполнения работы. AI-Native меняет сам способ создания ценности.

Объясню на собственном примере.

Я несколько лет занимаюсь ИИ-консалтингом. Сначала использовал ИИ для отдельных задач, например, для расшифровки встреч с клиентом. Это AI-Enabled.

Затем начал объединять отдельные операции в процессы. Например, после встречи ИИ автоматически анализировал ее расшифровку, выявлял проблемы компании и предлагал, что стоит автоматизировать.

Так ИИ стал частью аналитического процесса — AI-Driven.

Следующим шагом я перестроил свою работу.

Ко мне обращается компания, которой нужна стратегия ИИ-трансформации. Я провожу интервью с руководителями и сотрудниками, разбираюсь, как устроены бизнес-процессы, какие системы используются и где возникают проблемы.

Но дальше мне уже не нужно самостоятельно рисовать диаграммы процессов и писать стратегию с нуля. Эту работу взял на себя ИИ.

Моя задача — собрать правильный контекст, спроектировать целевую модель процессов и проверить результат.

Так я перестал выполнять большую часть работы вручную и начал управлять системой, которая делает это за меня. Это уже AI-First.

Таким образом я помог нескольким десяткам компаний. Постепенно накопились данные о процессах, основных проблемах и способах их решения, а также сформировалась собственная методология.

Потом я задумался о том, чтобы полностью автоматизировать свою работу. Так я пришел к AI-Native.

Сейчас тестирую в нескольких компаниях продукт, который проводит интервью, собирает информацию о бизнесе, формирует модель текущих бизнес-процессов, проектирует целевую модель с ИИ-агентами и разрабатывает стратегию ИИ-трансформации.

На выходе компания получает конкретный план: какие процессы автоматизировать в первую очередь, каких агентов создать и как измерять результат.

Мне уже не нужно лично участвовать в каждом проекте, благодаря чему стоимость услуги значительно снижается.

Я становлюсь архитектором продукта, который можно масштабировать без команды.

Сначала я автоматизировал собственную работу, а теперь превращаю накопленную экспертизу в продукт, который сможет выполнять эту работу без моего участия.

Конечно, это не обязательный путь для каждой компании. AI-Native бизнес можно построить сразу.

Раньше я работал с крупными компаниями, но теперь хочу сделать свою экспертизу доступной малому и среднему бизнесу.

У небольших компаний часто нет собственного директора по ИИ и бюджета на консалтинг. Но разобраться, что автоматизировать и с чего начать, им тоже необходимо.

А на каком уровне находится ваша компания? Проверить можно через диагностику ИИ-зрелости.

Если вы хотите внедрять ИИ, но не знаете, с чего начать, напишите мне — приглашу на бета-тест продукта.

👉 Полная статья

#мысли