Why Human Data is Key to AI: Alex Wang from Scale AI
Основатель и CEO Scale AI Александр Ванг в беседе с генеральным партнёром a16z Дэвидом Джорджем рассказывает о трёх столпах ИИ — вычислениях, данных и алгоритмах — и объясняет, почему производство frontier-данных становится главным узким местом после исчерпания общедоступного интернет-корпуса. Он прогнозирует, что чистый бизнес по сдаче моделей в аренду будет посредственным из-за падения цен на инференс на два порядка за два года и давления open-source вроде Llama 3.1, а основная маржа уйдёт «под» и «над» слоем моделей. По корпоративному внедрению Ванг отмечает, что мало POC доходят до продакшена, и призывает CEO измерять успех влиянием на цену акций, а не маржинальными use-кейсами. Он делится опытом Scale: за последние годы штат держали почти неизменным, поскольку рост команды разрушает высокопроизводительную культуру. Ванг также описывает «фантазию основателя» и «фантазию руководителя», объясняет принципы найма MEI (merit, excellence, intelligence) и оценивает срок до AGI (когда ИИ сможет выполнять 80%+ цифровых работ) в четыре с лишним года.
Раскрывая будущее ИИ: Александр Ванг о силе frontier-данных
В этой беседе с генеральным партнёром a16z Дэвидом Джорджем основатель и CEO Scale AI Александр Ванг обсуждает три столпа ИИ — модели, вычисления и данные — и то, как создание изобилия данных лежит в основе эволюции gen AI. Благодаря работе Scale в корпоративном, автомобильном и государственном секторах Алекс также строит критическую инфраструктуру, которая позволит любой организации использовать собственные проприетарные данные для создания индивидуальных gen AI-приложений. Помимо разговора о frontier-данных, Алекс делится уроками роста Scale, своим подходом к лидерству и тем, что, по его мнению, founder/CEO на стадии роста чаще всего понимают неправильно про найм.
[00:00:58] Как frontier-данные изменят gen AI [00:08:47] Переинвестируют ли крупные техкомпании в ИИ? [00:14:39] Где будут процветать лучшие ИИ-бизнесы [00:17:05] Как корпоративный сектор подходит к внедрению ИИ [00:19:50] Как будет выглядеть следующая фаза gen AI-продуктов? [00:23:23] Подход Алекса к масштабированию Scale [00:25:36] Фантазия основателя [00:30:12] MEI и взгляд Алекса на привлечение талантов
Как frontier-данные изменят gen AI
David: Мы очень рады сегодня принимать Алекса Ванга, основателя и CEO Scale AI. Алекс, спасибо, что пришёл.
Alex: Спасибо, что пригласили.
David: Мне всегда нравится с тобой общаться, и я всегда многому учусь. Но, может быть, для начала расскажи нам немного о том, что вы строите в Scale AI, а потом погрузимся глубже.
Alex: В Scale мы строим data foundry для ИИ. Если сделать шаг назад, ИИ сводится к трём столпам. Весь прогресс, который мы видели, исходит из вычислений, данных и алгоритмов. И среди этих трёх столпов вычисления обеспечивают компании вроде NVIDIA. Алгоритмические продвижения ведут крупные лаборатории — OpenAI и другие, а данные обеспечивает Scale.
Наша цель — производить frontier-данные, необходимые для frontier-уровня продвижений, в партнёрстве со всеми крупными лабораториями, а также давать каждому предприятию и государству возможность использовать собственные проприетарные данные для разработки своего frontier AI.
David: Вот по поводу frontier-данных — практически, как ты их вообще получаешь?
Alex: Думаю, это будет один из великих человеческих проектов нашего времени, если так можно выразиться. Знаешь, единственная модель в мире для того уровня интеллекта, который мы стремимся создать, — это люди, или человечество. И потому производство frontier-данных выглядит как нечто вроде брака между экспертами-людьми и человечеством в целом с техническими и алгоритмическими приёмами вокруг моделей, чтобы производить огромные объёмы таких данных.
И кстати, все данные, которые мы произвели на сегодняшний день, — интернет — тоже выглядели так. Интернет во многом — это коллаборация машин и людей по производству больших объёмов контента и данных. Это будет похоже на интернет на стероидах. Что, если интернет вместо того, чтобы быть просто устройством развлечения для людей с побочным продуктом в виде генерации данных, был бы крупномасштабным экспериментом по генерации данных?
David: У тебя очень уникальный взгляд на состояние индустрии. Как бы ты охарактеризовал состояние моделей, языковых моделей прямо сейчас? Я бы хотел затронуть такие вещи, как структура рынка, но в целом — каково состояние индустрии сейчас?
Alex: Думаю, мы приближаемся к концу, наверное, второй фазы развития языковых моделей. Первая фаза — это ранние годы почти чистого исследования. Знаковые моменты первой фазы — это оригинальная статья про трансформер, оригинальные мелкомасштабные эксперименты с GPT. Вся первая фаза, длившаяся примерно до GPT-3, была сосредоточена на мелкомасштабных экспериментах и алгоритмических продвижениях.
Вторая фаза, начиная примерно с GPT-3 и до сегодняшнего дня, — это, по сути, начальная фаза масштабирования. У нас был GPT-3, который работал довольно хорошо. Затем OpenAI всерьёз масштабировала эти модели до GPT-4 и далее. И многие компании — Google, Anthropic, Meta, xAI — тоже включились в гонку, чтобы масштабировать эти модели до невероятных способностей.
Думаю, последние два года, или скажем, три года, всё в основном было про исполнение, чем про что-либо ещё. Это много инженерной работы. Как сделать так, чтобы крупномасштабное обучение работало хорошо? Как убедиться, что в коде нет странных багов? Как настроить более крупные кластеры? Чтобы добраться до того, где мы сейчас, со множеством очень продвинутых моделей, потребовалось много исполнительской работы.
Думаю, мы входим в фазу, где исследования начнут значить гораздо больше. Будет гораздо больше расхождений между лабораториями в плане того, какие исследовательские направления они выберут и где в итоге случатся прорывы в разное время. Так что это своего рода захватывающее чередование между фазой просто чистого исполнения и фазой более инновационно-движимого цикла.
David: Они вроде как дошли до точки, где, я не сказал бы, что вычислений в избытке, но их было достаточно, чтобы построить те модели, что есть сейчас. Это не сдерживающий фактор. Они, по сути, исчерпали столько данных, сколько могли, все frontier-лаборатории. Следующая задача — продвигать вперёд сторону данных. Это справедливо?
Alex: Да. Если посмотреть на столпы, по вычислениям мы, очевидно, продолжаем масштабировать обучающие кластеры. Думаю, это направление довольно ясное. По алгоритмам, я считаю, там должно быть много инноваций. Откровенно говоря, я думаю, что именно над этим многие лаборатории сейчас усердно работают, над чистым исследованием. А по данным, ты уже намекнул, мы вроде как исчерпали все легкодоступные данные, что есть, и…
David: Common Crawl весь израсходован, у всех был одинаковый доступ к нему.
Alex: Да, именно. И многие говорят про data wall: мы упираемся в стену, где мы использовали все публично доступные данные. Одной из отличительных черт следующей фазы будет именно производство данных. Какой метод каждая из этих лабораторий будет использовать для генерации данных, необходимых, чтобы дойти до следующих уровней интеллекта? И как двигаться к изобилию данных? Думаю, для этого потребуется ряд областей продвинутой работы и продвинутого изучения.
Первое — это действительно давление на сложность данных. То есть движение к frontier-данным. Для многих способностей, которые мы хотим встроить в модели, самый большой блокер — это, по сути, отсутствие данных. Например, «agents» — это buzzword последних двух лет, и, по сути, ни один агент по-настоящему не работает. Оказывается, в интернете просто нет данных об агентах. Нет пула действительно ценных данных об агентах, который где-то просто лежал бы. И поэтому нам нужно понять, как производить действительно высококачественные данные.
David: Приведи пример того, что вам пришлось бы производить?
Alex: У нас скоро выйдет работа на эту тему, которая показывает, что прямо сейчас, если посмотреть на все frontier-модели, они ужасны в композиции инструментов. Если им нужно использовать один инструмент, а затем другой… Скажем, им нужно что-то найти, потом написать небольшой Python-скрипт, потом построить график. Если они используют несколько инструментов подряд, они в этом просто ужасны. Они действительно очень плохо справляются с использованием нескольких инструментов подряд. А ведь это что-то совершенно естественное для людей.
David: Да. Но это нигде не зафиксировано, в этом ведь суть, да?
Alex: Именно.
David: Ты ведь не можешь захватить, как человек переходит из одного окна в другое, в другое приложение, и подать это модели, чтобы она училась, правильно?
Alex: Именно. Так что эти цепочки рассуждений… Когда люди решают сложные задачи, мы естественным образом используем кучу инструментов, мы обдумываем вещи, мы рассуждаем, что должно произойти дальше, мы сталкиваемся с ошибками и неудачами, а потом возвращаемся и пересматриваем. Многих этих цепочек рассуждений, агентских цепочек, данных просто не существует сегодня. Это пример того, что нужно производить.
Но если сделать большой шаг назад, что должно произойти с данными? Первое — это увеличение сложности данных, то есть движение к frontier-данным. Второе — это просто изобилие данных, увеличение производства данных, чтобы…
David: Захват большего количества того, что люди реально делают в рабочей сфере?
Alex: Да. И захват большего количества того, что делают люди, и инвестиции в такие вещи, как синтетические данные, гибридные данные — то есть использование синтетических данных, но с участием людей в этом цикле, чтобы можно было генерировать гораздо больше высококачественных данных. С чипами мы много говорим о chip foundries и о том, как мы обеспечиваем достаточные средства производства чипов, и то же самое верно для данных. Нам нужны data foundries и способность генерировать огромные объёмы данных для обучения этих моделей.
Последняя ножка табурета — это измерение модели и обеспечение того, что у нас действительно есть… Знаешь, я думаю, какое-то время индустрия говорила: о, давайте просто добавим больше данных и посмотрим, насколько хороша модель, добавим ещё данных и посмотрим, насколько хороша модель. Но нам придётся стать довольно научными в вопросе того, на что конкретно модель не способна сегодня, и, следовательно, какие именно виды данных нужно добавить для улучшения её производительности.
Переинвестируют ли крупные техкомпании в ИИ?
David: Насколько большое преимущество у крупных техкомпаний с их корпусом данных по сравнению с независимыми лабораториями?
Alex: Ну, у них много регуляторных проблем с использованием своих существующих корпусов данных. Это было ещё до всей этой gen AI работы, но в какой-то момент Meta провела исследование, в котором использовала, по сути, все публичные фотографии в Instagram вместе с хештегами для обучения действительно хороших алгоритмов распознавания изображений. У них было много регуляторных проблем с этим в Европе. Это оказалось огромным геморроем. Так что одна вещь, которую трудно прорабатывать, — это то, в какой степени с регуляторной точки зрения, особенно в Европе, эти компании смогут использовать свои преимущества в данных. Думаю, это пока TBD.
Реальный способ, которым крупные лаборатории имеют драматические преимущества, заключается в том, что у них есть очень прибыльные бизнесы, которые могут обеспечивать почти бесконечные источники капитала для этих ИИ-усилий. Это то, за чем я довольно внимательно наблюдаю, или мне очень любопытно, как это будет разыгрываться.
David: Есть весь этот вопрос — переинвестирует ли индустрия. И если слушать earnings calls крупных техкомпаний, они говорят: смотрите, наш риск — это недоинвестировать, а не переинвестировать. Как ты к этому относишься?
Alex: Поставь себя на место Сундара Пичаи, Марка Цукерберга или Сатьи Наделлы. Возвращаясь к твоей мысли, если они действительно справятся с этой ИИ-историей, они могут сгенерировать ещё триллион долларов рыночной капитализации, вероятно, очень легко. Если они действительно опережают конкурентов и хорошо это продуктизируют, триллион долларов капитализации — это no-brainer. А если они не вложат дополнительные, скажем, 20-30 миллиардов долларов CapEx в год, и упустят это, есть реальный экзистенциальный риск. Все их бизнесы потенциально глубоко уязвимы для disrupt-а ИИ-технологиями.
Соотношение риск/награда для них очень очевидно. Это общая картина. А на более тактическом уровне, я думаю, все они смогут довольно легко окупить свои CapEx-инвестиции, в худшем случае, просто сделав свои основные бизнесы более эффективными и продуктивными.
David: Ага, утилизация GPU для рекламы Facebook.
Alex: Да. Если Facebook или Google сделают свои рекламные системы немного лучше, они могут окупить миллиарды долларов, просто…
David: Да, лучше performance.
Alex: Да, лучше performance. Apple может легко окупить инвестиции, если запустит цикл апгрейдов. Я имею в виду, это вещи, которые, на мой взгляд, довольно ясны.
David: Слушай, в целом для индустрии замечательно, что они инвестируют столько капитала, потому что они также занимаются сдачей этих вычислений в аренду, по крайней мере в случае Google и Microsoft.
Alex: И модели становятся доступными… Llama 3.1 — open source. И таким образом даже буквальные плоды всех инвестиций становятся широкодоступными. Излишек, генерируемый open source в этих моделях, какой-то безумный.
David: Это безумие. Окей. Это отличный переход к структуре рынка на слое моделей. Так что, по-твоему, реально происходит? Есть ли несколько игроков, которых мы все уже выделили, горстка, и они все конкурируют? Думаешь ли ты, что это прибыльный бизнес? Какое влияние оказывает open source на качество этих бизнесов? Загляни на пару лет вперёд и дай нам свой прогноз.
Alex: Мы видели за последние, даже всего за полтора года, как цены на инференс моделей падали драматически, драматически, драматически.
David: На порядок.
Alex: Да, на два порядка за два года. И это шокирующая штука, что оказывается, интеллект может быть товаром. Думаю, это огромное отсутствие ценовой власти, скажем, на чистом слое моделей точно указывает на то, что сдача моделей в аренду сама по себе может быть, а может и не быть лучшим долгосрочным бизнесом. Думаю, скорее всего, это будет относительно посредственный долгосрочный бизнес.
David: Ну, я думаю, это зависит от прорывной штуки, которая была раньше, да? В той степени, в которой кто-то реально получит устойчивый прорыв или несколько игроков получат устойчивые прорывы, тогда потенциально структура рынка будет другой.
Alex: Тут две вещи. Во-первых, если Meta продолжит open-source-ить, это ставит довольно сильный потолок на ценность, которую можно получить от слоя моделей. И во-вторых, если хотя бы горстка лабораторий сможет иметь схожую производительность с течением времени, это тоже драматически меняет уравнение цен. Так что мы думаем — не на 100%, но скорее всего, чистый бизнес по сдаче моделей в аренду — не самый качественный бизнес. Гораздо более качественные бизнесы будут выше и ниже.
David: Да, конечно.
Alex: Внизу — я имею в виду, NVIDIA, очевидно, потрясающий бизнес. Но у облаков тоже отличные бизнесы, потому что оказывается, логистически довольно сложно собрать большие кластеры GPU. У облачных провайдеров на самом деле довольно хорошая маржа, когда они сдают это в аренду.
David: И традиционный бизнес дата-центров — это во многом игра масштаба. Так что они получают огромное преимущество относительно более мелких игроков.
Где будут процветать лучшие ИИ-бизнесы
Alex: Да, именно. Так что я думаю в терминах picks and shovels. Если ты ниже слоя моделей, там есть отличные бизнесы. Если ты выше слоя моделей, если ты строишь приложения — ChatGPT — отличный бизнес. И многие приложения в стартап-мире на самом деле работают довольно хорошо. Никто из них, конечно, не дотягивает по размеру до ChatGPT. Но многие приложения, если они нащупывают раннее product market fit, в итоге становятся довольно хорошими бизнесами, отличными бизнесами. Потому что ценность, которую они генерируют для клиентов — если они правильно делают весь user experience — далеко превосходит стоимость инференса моделей. Здесь есть классные штуки, да? Например, я думаю, запуск Anthropic Artifacts в Claude…
David: Да, это круто.
Alex: …это как первый звоночек этой большой темы того, что все лаборатории будут двигаться к гораздо более глубоким продуктовым интеграциям, чтобы строить более качественные бизнесы. Думаю, мы увидим много итераций на продуктовом слое и на продуктовом уровне. Скучные чатботы не будут конечным продуктом. Это не финальная цель.
David: Это был бы разочаровывающий исход.
Alex: Да, именно. Цикл продуктовых инноваций очень сложно предсказать, потому что… OpenAI была удивлена тому, насколько хорош или насколько популярен оказался ChatGPT. Я не думаю, что для меня — или для кого-либо в индустрии, честно говоря — очевидно, какие именно продукты станут хитами и что обеспечит следующие этапы роста. Но, знаешь, нужно верить, что OpenAI или Anthropic могут построить отличные application-бизнесы для себя, чтобы быть долгосрочно независимыми и устойчивыми.
David: А потом возникает вопрос — что обеспечивает конкурентное преимущество? Очевидно, у тебя есть модель, плотно интегрированный продукт поверх неё, а затем старые добрые рвы. Воркфлоу, интеграции, всё это.
Alex: Их мышление видно ясно. Я имею в виду, и OpenAI, и Anthropic наняли chief product officers, не знаю, в течение двух месяцев друг от друга.
Как корпоративный сектор подходит к внедрению ИИ
David: Да, они в этом разбираются. У тебя есть application-бизнес с действительно интересными клиентами. Что ты слышишь от предприятий о том, как они реально это внедряют?
Alex: Мы видели, что был огромный ажиотаж со стороны предприятий. Многие компании были типа: «Чёрт, нам нужно начать что-то делать. Нам нужно опередить это. Нам нужно начать экспериментировать с ИИ.» Думаю, это привело их к этому быстрому циклу POC, где они такие: «Окей. Какие у нас есть все идеи с низковисящими плодами?»
David: Пойдём купим ИИ-штуки.
Alex: И давайте попробуем всё это. Что-то из этого хорошо. Что-то нет. Но в любом случае, это был такой большой ажиотаж. Гораздо меньше POC дошло до продакшена, чем индустрия в целом ожидала. Многие предприятия сейчас смотрят и видят, что doomsday, который, как они думали, может случиться, на самом деле не случился. ИИ не полностью переформатировал и трансформировал большинство крупных индустрий.
David: Это какие-то маргинальные вещи. Это как прирост эффективности и поддержка, и какие-то креативные задачи и тому подобное.
Alex: Да, именно.
David: В остальном довольно скудно.
Alex: То, о чём мы много думаем, — это то, какие улучшения, трансформации или ИИ-усилия, над которыми мы работаем, реально могут значимо подвинуть цену акций тех компаний, с которыми мы работаем.
David: О, интересно.
Alex: Это то, к чему мы призываем всех наших клиентов реально думать, потому что в конце концов потенциал есть. Есть скрытый потенциал почти у каждого предприятия внедрить ИИ на уровне, который значимо подвинул бы цену их акций.
David: В основном в форме экономии расходов, прироста эффективности.
Alex: Ну, сегодня в форме экономии расходов, но также и гораздо лучшего customer experience. Во многих индустриях, где много ручного взаимодействия с клиентами, должно быть возможно драйвить гораздо лучшие взаимодействия с клиентами, если у вас больше стандартизации и вы можете использовать больше автоматизации. Это в конечном счёте привело бы к росту доли рынка по отношению к конкурентам. Это то, к чему мы подталкиваем наших клиентов, и я это вижу. Некоторые CEO, с которыми мы работаем, они все на одной волне и понимают, что это будет многолетний инвестиционный цикл. Они могут не увидеть прироста в следующем квартале, но если они реально пройдут до конца, они увидят массовые трансформации.
Думаю, что большая часть ажиотажа вокруг небольших use-кейсов и более маргинальных use-кейсов — это хорошо. Думаю, это интересно. Считаю, что они должны это делать, но для меня это не то, ради чего мы все здесь.
Как будет выглядеть следующая фаза gen AI-продуктов?
David: Да. Это очень похоже на то, что application-слой — это сейчас первая фаза, которая такая: оно идёт. Есть какая-то автоматизация, но в основном это чатботы. Моя надежда как стартап-инвестора в том, что со временем открывается окно для стартапов, где продуктовые инновации помогут им победить и побить инкумбентов. У моего партнёра Алекса Рампелла есть фраза: успеет ли стартап до дистрибуции раньше, чем инкумбент найдёт инновацию? Думаю, для этого есть возможность, но технология сейчас слишком ранняя. Не знаю, согласен ли ты с этим, но…
Alex: Думаю, технология слишком ранняя, чтобы представить. Опять же, потому что это в основном экономия расходов. Думаю, если большая часть выгоды на стороне экономии расходов, то этого реально недостаточно, чтобы disrupt-нуть крупных инкумбентов, которые уже продавили все расходы на рост и дистрибуцию.
David: Насколько ценны, на твой взгляд, данные внутри предприятий? Как ты сказал, у JP Morgan есть, скажем, 15 петабайт данных или что-то такое. Не помню точно цифру, но это переоценено? Сколько из этого реально полезно? Потому что сегодня большинство этих данных не дало им какого-то значимого конкурентного преимущества. Думаешь, это реально изменится?
Alex: Думаю, ИИ — это первый раз, когда можно увидеть, что это потенциально может измениться, потому что, очевидно, была вся волна Big Data. Big Data сводится к лучшей аналитике, что полезно для принятия бизнес-решений, но не глубоко.
David: Это не массово меняет то, как работают продукты.
Alex: Да, именно. А вот сейчас можно реально представить какую-то массовую трансформацию в том, как работают продукты. Возьмём любой крупный банк. Многие ценные взаимодействия между пользователем и крупным банком вроде JP Morgan или Morgan Stanley — это взаимодействия, ведомые людьми. И они стараются изо всех сил, чтобы качество опыта было очень высоким по всем направлениям. Очевидно, с любым большим ручным процессом есть предел того, что можно сделать для обеспечения этого.
Но все ваши прошлые взаимодействия с клиентами и то, как ваш бизнес работал исторически, составляют единственные доступные данные для обучения моделей хорошо справляться с этой конкретной задачей. Если подумать про wealth management, в интернете очень мало in-distribution-данных об этом, на которых можно было бы обучать модель.
David: Так за стенами на самом деле довольно много. Это очень богато.
Alex: Да, огромные объёмы данных. Думаю, что многие данные, вероятно, не суперрелевантны для реальной трансформации вашего бизнеса, но некоторые данные гипер-ценные. Но у предприятий много трудностей и вызовов с тем, чтобы реально использовать какое-либо количество данных, которое у них есть.
David: Верно.
Alex: Они плохо организованы. Они везде. Они платят консалтинговым фирмам десятки миллионов долларов, сотни миллионов долларов, чтобы делать эти миграции данных. И, знаешь, даже после этого…
David: Никакого изменения результатов.
Alex: Да. Никакого изменения результатов. Так что, думаю, это исторически очень сложное место для предприятий, чтобы реально драйвить трансформацию. В каком-то смысле, это и есть гонка: смогут ли они понять, как использовать и применить свои данные быстрее, чем какой-то стартап придумает, как…
David: Создать массово другой продукт с маленьким подмножеством данных.
Alex: Да, именно.
Подход Алекса к масштабированию Scale
David: Сменим тему на то, как ты управляешь компанией. Одна из вещей, о которых ты говорил, — это ошибка, которую ты сделал во времена бума 2020 и 2021 годов вокруг найма и того представления, что для масштабирования тебе нужно нанимать тонну людей. Это то, что мы видели у всех наших портфельных компаний. Это была война за таланты: «Нам нужно нанимать больше. Нам нужно нанимать больше. Нам нужно нанимать больше.» Какие уроки ты вынес из этого процесса? И как ты изменил то, как делаешь вещи после этого?
Alex: За последние несколько лет мы, по сути, держали наш штат плоским. Вывод из всего этого процесса — это то, что кажется очень логичным, что больше людей равно лучшие результаты и больше людей равно больше сделанного. Но довольно парадоксально, я думаю, если у вас есть очень высокопроизводительная команда и очень высокопроизводительная организация, почти невозможно нарастить её драматически, не потеряв всю эту высокую производительность и всю победную культуру.
David: Да. Сокращение коммуникационного и координационного оверхеда реально увеличивает продуктивность.
Alex: Это однозначно верно. И думаю, это даже что-то более глубокое: очень высокопроизводительная команда определённого размера почти как очень тонкая скульптура во взаимодействии между всеми людьми в команде. Если просто добавить туда кучу людей, даже если люди отличные, это просто всё ломает. Несмотря ни на что, по мере добавления людей у вас будет регрессия к среднему. Если наблюдать за компаниями, которые много масштабируют штат и для которых это довольно ключевой элемент финансовых результатов, они признают эту регрессию. Если подумать про масштабирование крупных команд продаж, например, ты признаёшь, что у тебя будет эта регрессия к среднему. Но ты просто операционализируешь так, чтобы быть немного выше среднего. Если ты можешь это делать, то всё уравнение всё равно работает финансово.
David: Да, я бы сказал, что продажи — это другое, чем продукт.
Фантазия основателя
Alex: Да, абсолютно. Но наше наблюдение в том, что стартапы работают, потому что у тебя очень высокопроизводительные команды, и ты хочешь сохранить эти высокопроизводительные команды нетронутыми так долго, как только возможно.
Думаю, общий режим провала стартапов: у тебя есть что-то, что работает, но все в компании реально джуны. И вот всё масштабируется, но колёса отваливаются. Твои инвесторы говорят тебе: «Эй, тебе нужно нанять каких-то executives.» Ты идёшь через эти поиски, которые каким-то образом уникально душу-разрушающие каждый раз. Но ты проходишь это, и если ты в этом отлично разбираешься, оно работает в половине случаев.
Ты проходишь exec-поиски. Ты приводишь руководителя и даёшь ему много свободы. И твой руководитель говорит: «Эй, нам нужно нанять огромную команду, чтобы достичь наших результатов.» И ты такой: «Да. Я довольно опытный. Ты выглядишь очень опытным. Давай делать, что ты говоришь.» И ты позволяешь строить эти большие команды. Реальность в том, что, на мой взгляд, это почти всегда приводит к разрухе.
Это не значит, что нельзя нанимать руководителей со стороны, но думаю, что нужно делать, когда нанимаешь руководителей со стороны, — это убедиться, что они реально вникают в то, как работает компания. Прежде чем делать какие-то крупные общие предложения, они входят в ритм и операции компании. Понимают ли они, почему всё это работает в первую очередь? Почему то, что работает, работает? Затем они делают вдумчивые предложения. Изначально они делают маленькие шаги, и ты доверяешь и проверяешь каждый из этих маленьких шагов. В конце концов, может быть, они смогут делать более общие предложения, но это должно быть в той точке, где у них есть ясный track record маленьких шагов, которые были действительно полезными.
David: Это интересно и очень осязаемо: начинай с малого, когда нанимаешь крупного руководителя. Это немного контринтуитивно, и это не тот путь, которым хочет идти любой из этих руководителей.
Alex: Да. Думаю, есть exec-фантазия, которую я заметил. И, кстати, я думаю, что руководители — отличные люди, и они невероятные. Но есть тенденция к exec-фантазии, особенно для Силиконовой долины с молодыми основателями, которая такая: «О, я приду и я починю этого ублюдка.» Не надо так говорить. Но: «Я приду, я починю всю эту штуку. Я сделаю это профессиональной операцией.»
Ты рекрутируешь товарищей по команде в конце концов. Ты не рекрутируешь какую-то волшебную палочку. Ты рекрутируешь товарища по команде, который, как ты веришь, в течение продолжительного времени будет проявлять отличное суждение в принятии повторяющихся решений о бизнесе. Вот где мы делали ошибки: ты не покупаешь какой-то волшебный мешок товаров, который привнесёт эту волшебную формулу в твой бизнес, что внезапно заставит всё работать.
С другой стороны, есть фантазия основателя. Фантазия основателя, или фантазия founder/CEO, такая: «О, я просто найму кучу невероятных руководителей. Все они будут чёртовыми профи. И тогда я буду…»
David: Они сделают то, что я не хочу делать.
Alex: Да. «Они сделают всё, что я не хочу делать. И я смогу откинуться и просто смотреть, как крутятся винтики и как работает машина.» Это тоже крайне нереалистично, потому что обратное тоже верно. Причина, по которой ты хороший founder/CEO, в том, что ты принимаешь очень хорошие решения снова, и снова, и снова, в течение продолжительного времени. Вытащить себя из этих циклов принятия решений было бы какой-то безумной идеей.
David: Это паттерн, который мы видели много раз: «Я найму руководителей. Я отойду немного назад.» А потом наступает момент «О, чёрт», когда какие-то большие решения идут не так, и основатели вспоминают, что в этом и есть смысл их пребывания здесь.
Alex: Думаю, это может работать, если твоя индустрия очень стабильна, потенциально.
David: Ну, посмотри на любую публичную компанию, когда меняют CEO, и цена акций двигается на 2%. О, окей. Ну, на самом деле, это не очень важно. Это винтик, но это очень отличается от стартапа с быстрым ростом, которым управляет основатель.
Alex: Именно. Думаю, что многие стартапы и многие компании ценны из-за премии за инновации.
David: На сто процентов.
Alex: Инвесторы верят, что founder-led компании будут аут-инновировать рынок. Так что твоя работа — аут-инновировать рынок. Значит, тебе лучше быть в стратегических решениях.
MEI и взгляд Алекса на привлечение талантов
David: А что насчёт MEI? Ты недавно выкатил эту концепцию. Думаю, половина моего X-фида хвалила тебя — наверное, больше половины. Какая-то часть моего X-фида кричала на тебя. Расскажи об этой концепции. Какие у тебя наблюдения от внедрения её пока?
Alex: Итак, MEI — мы выкатили эту идею merit, excellence, and intelligence. Базовая идея в том, что на каждую роль мы будем нанимать наилучшего возможного человека, независимо от его демографии. Мы не будем делать никакой квот-ориентированной оптимизации нашей рабочей силы, чтобы соответствовать определённым демографическим целям. Это не значит, что нас не волнует разнообразие. На самом деле нас волнует наличие разнообразных pipeline-ов и разнообразного top-of-funnel для всех наших ролей. Но в конце концов, наилучший, самый способный человек на каждую работу — это тот, кого мы наймём. Это одна из тех вещей, которая была слегка спорной. Но если просто сделать большой шаг назад и подумать, кого должны нанимать компании, мне это кажется довольно очевидным.
Компании должны нанимать самых талантливых людей. Очевидно, есть этот большой вопрос — насколько большую социальную ответственность несут компании в том, что они делают? Моя позиция в том, что я оперирую в очень конкурентной индустрии. Роль Scale — помочь подпитывать искусственный интеллект. Это очень важная технология. Нам нужны невероятно умные люди, чтобы это делать, и нам нужны лучшие люди, чтобы это реализовать. Большинство людей в Scale сказали бы, что это было неявно верно, или это не было отходом от того, как многие из нас думали о том, что мы делаем в Scale. Но было действительно ценно для нас это кодифицировать, потому что это даёт всем уверенность. Даже если так мы работаем сегодня, компании со временем меняются, но мы не собираемся менять это качество.
David: Что ж, это было отлично. Хочу закрыть оптимистичным вопросом и прогнозом. Каково твоё собственное видение или определение AGI, и каков твой ожидаемый таймлайн до того момента, когда мы его достигнем?
Alex: Да, мне нравится такое определение. Скажем, 80+ процентов работ, которые люди могут выполнять чисто за компьютерами, то есть цифровых работ, ИИ может выполнить эти работы. Это не неминуемо, это не прямо на горизонте. Так что порядка четырёх с лишним лет. Но можно увидеть проблески, и в зависимости от циклов алгоритмических инноваций, о которых мы говорили раньше, это могло бы произойти гораздо раньше.
David: Очень захватывающе. Что ж, Алекс, спасибо, что пришёл. Здорово было пообщаться, как всегда. Я многому научился. Очень это ценю.
Alex: Да, спасибо, что пригласили.
David George
— генеральный партнёр в Andreessen Horowitz, где он возглавляет Growth-команду инвестиций фирмы.
Alexandr Wang
— основатель и CEO Scale AI.
Хотите больше про рост?
Глубокие погружения в то, что делает компании по-настоящему великими, — от инвесторов и операторов a16z Growth.
Мнения, выраженные в «постах» (включая подкасты, видео и социальные сети), принадлежат соответствующим лицам a16z, цитируемым в них, и не являются мнениями a16z Capital Management, L.L.C. («a16z») или её соответствующих аффилированных лиц. a16z Capital Management — инвестиционный консультант, зарегистрированный в Комиссии по ценным бумагам и биржам. Регистрация в качестве инвестиционного консультанта не подразумевает каких-либо особых навыков или подготовки. Посты не адресованы каким-либо инвесторам или потенциальным инвесторам и не являются предложением продать — или предложением о покупке — каких-либо ценных бумаг, и не могут быть использованы или применены при оценке достоинств любой инвестиции.
Содержимое здесь — и доступное на любых связанных дистрибутивных платформах и в любых публичных онлайн-аккаунтах a16z в социальных сетях, на платформах и сайтах (совокупно — «дистрибутивные точки контента») — не должно рассматриваться или восприниматься как инвестиционный, юридический, налоговый или иной совет. Вы должны консультироваться с собственными советниками по юридическим, бизнес-, налоговым и другим связанным вопросам, касающимся любой инвестиции. Любые проекции, оценки, прогнозы, цели, перспективы и/или мнения, выраженные в этих материалах, могут изменяться без уведомления и могут отличаться от или противоречить мнениям, выраженным другими. Любые графики, предоставленные здесь или в дистрибутивных точках контента a16z, представлены исключительно в информационных целях, и на них не следует полагаться при принятии любого инвестиционного решения. Определённая информация, содержащаяся здесь, получена из сторонних источников, в том числе из портфельных компаний фондов, управляемых a16z. Хотя она взята из источников, считающихся надёжными, a16z не верифицировала независимо такую информацию и не делает заявлений о её непреходящей точности или её уместности в конкретной ситуации. Кроме того, посты могут включать рекламу третьих сторон; a16z не проверяла такую рекламу и не одобряет рекламный контент, содержащийся в ней. Весь контент актуален только на указанную дату.
Ни при каких обстоятельствах любые посты или иная информация, предоставленная на этом сайте — или в связанных дистрибутивных точках контента, — не должны рассматриваться как предложение, испрашивающее покупку или продажу любой ценной бумаги или интереса в любом пулированном инвестиционном инструменте, спонсируемом, обсуждаемом или упомянутом персоналом a16z. И не должны рассматриваться как предложение оказания инвестиционных консультационных услуг; предложение инвестировать в пулированный инвестиционный инструмент, управляемый a16z, будет сделано отдельно и только посредством конфиденциальных предложенческих документов конкретных пулированных инвестиционных инструментов, которые должны быть прочитаны полностью, и только тем, кто, среди прочих требований, соответствует определённым квалификациям согласно федеральным законам о ценных бумагах. Такие инвесторы, определяемые как аккредитованные инвесторы и квалифицированные покупатели, в целом считаются способными оценить достоинства и риски предполагаемых инвестиций и финансовые вопросы.
Не может быть никаких гарантий, что инвестиционные цели a16z будут достигнуты или инвестиционные стратегии будут успешными. Любая инвестиция в инструмент, управляемый a16z, включает высокую степень риска, в том числе риск того, что вся вложенная сумма будет потеряна. Любые упомянутые, обозначенные или описанные инвестиции или портфельные компании не являются репрезентативными для всех инвестиций в инструментах, управляемых a16z, и не может быть никаких гарантий, что инвестиции будут прибыльными или что другие инвестиции, сделанные в будущем, будут иметь схожие характеристики или результаты. Список инвестиций, сделанных фондами, управляемыми a16z, доступен здесь: https://a16z.com/investments/. Прошлые результаты инвестиций a16z, пулированных инвестиционных инструментов или инвестиционных стратегий не обязательно указывают на будущие результаты. Из этого списка исключены инвестиции (и определённые публично торгуемые криптовалюты/цифровые активы), для которых эмитент не предоставил разрешение a16z публично раскрывать. Что касается её инвестиций в любой криптовалютный или токен-проект, a16z действует в собственных финансовых интересах, не обязательно в интересах других держателей токенов. У a16z нет особой роли ни в одном из этих проектов и власти над их управлением. a16z не обязуется продолжать иметь какое-либо участие в этих проектах, кроме как в качестве инвестора и держателя токенов, и другие держатели токенов не должны ожидать, что она будет, или полагаться на неё в том, чтобы иметь какое-либо конкретное участие.
В отношении фондов, управляемых a16z, которые зарегистрированы в Японии, a16z предоставит любому представителю японской общественности копию таких документов, которые требуется сделать публично доступными согласно Статье 63 Закона о финансовых инструментах и биржах Японии. Пожалуйста, свяжитесь с compliance@a16z.com для запроса таких документов.
По другим условиям использования сайта, пожалуйста, перейдите сюда. Дополнительная важная информация об a16z, включая нашу Форму ADV Часть 2A Brochure, доступна на сайте SEC: http://www.adviserinfo.sec.gov.