Revenge of the GPT Wrappers: Defensibility in a world of commoditized AI models

Revenge of the GPT Wrappers: Defensibility in a world of commoditized AI models

Месть GPT-обёрток: защищённость в мире коммодитизированных AI-моделей

Why network effects and distribution will be king, once more

Почему сетевые эффекты и дистрибуция снова станут королями

Growth and network effects soon to return as a dominant force
The AI landscape has evolved a ton in the past year, with many new entrants, booming traction for many AI-first products, and existential questions for foundation model startups. These questions include:

Рост и сетевые эффекты скоро вернутся как доминирующая силаЛандшафт AI сильно изменился за прошедший год: появилось множество новых игроков, многие AI-first-продукты переживают бурный рост, а перед стартапами, создающими foundation-модели, встали экзистенциальные вопросы. Среди них:

Что если у стартапов AI-моделей низкая защищённость, и со временем появляются open-source-альтернативы и новые игроки, размывающие их преимущество? Кто тогда побеждает в итоге?Новые AI-first-приложения выигрывают от эффекта новизны и демонстрируют ошеломительный рост. Но представьте, что со временем это исчезает, по мере того как AI становится ожиданием, а не новинкой. В мире из миллионов новых продуктов кто выиграет игру в дистрибуцию? Как продукты будут расти и достигать своих клиентов на перегруженном рынке?Представьте, что скопировать чужой продукт становится по-настоящему тривиально — что-то столь же простое, как «эй, AI, собери мне приложение, которое делает то же, что productxyz.com, и размести его на productabc.com!». Раньше на копирование нового продукта могло уйти несколько месяцев, и он успевал немного оторваться вперёд. Но скоро, возможно, его будут копировать-«fast-follow» почти мгновенно. Как продуктам удержать своих пользователей?В последние годы инновационные AI-продукты, которые не строили собственные модели, презрительно называли низкотехнологичными «GPT-обёртками». При этом потребительские продукты на протяжении последних десятилетий были низкотехнологичными, с, казалось бы, небольшими рвами, и тем не менее создавали огромную ценность. Повторит ли будущее прошлое?

I’ll argue that it’s in this environment of a massive war between “GPT wrappers” that the traditional defensibility strategies — particularly sustained advantages in distribution and network effects — will return to the forefront. They won’t manifest in exactly the same ways, but instead, hybridize with AI features to create something new. In that way, the next gen of AI products will ride some of the forces that have driven the last few waves of computing, whether in Web 2.0 or crypto or the on-demand economy.

Я буду доказывать, что именно в этой среде грандиозной войны между «GPT-обёртками» традиционные стратегии защищённости — в особенности устойчивые преимущества в дистрибуции и сетевые эффекты — вернутся на передний план. Они проявятся не совсем так, как раньше, а гибридизируются с AI-функциями, создавая нечто новое. Таким образом, следующее поколение AI-продуктов оседлает те же силы, что двигали несколько предыдущих волн вычислений — будь то Web 2.0, крипто или on-demand-экономика.

To explain why I believe this, let’s start with the prior theory for AI defensibility.

Чтобы объяснить, почему я в это верю, начнём с прежней теории защищённости в AI.

A failed theory of AI defensibility?
The popular theory for AI defensibility was meant to be simple, and pervaded discourse for the past few years: First was the observation that to build each successive generation of AI model, the amount of data/compute/energy required would exponentially increase. In 2024 it might stand at $100M+, but in future years it might be a billion or billions, creating a “scale effect” moat against new entrants. (See the graph above, and note the log scale for the cost!) Further, as the AI models get more powerful, they can do anything that an app built on top of it might want to do, so the vast majority of apps become merely “GPT wrappers” — commoditized bits of mobile and web UI that interface with the more powerful underlying models. In this view, the world will consist of a few large model companies who create all the value, and tax the world of GPT wrapper apps above it.

Несостоявшаяся теория защищённости в AI?Популярная теория защищённости в AI задумывалась простой и пронизывала дискурс последние несколько лет. Сначала было наблюдение, что для построения каждого следующего поколения AI-модели объём требуемых данных/вычислений/энергии будет расти экспоненциально. В 2024-м он мог составлять $100M+, но в будущие годы — миллиард или миллиарды, создавая ров «эффекта масштаба» против новых игроков. (См. график выше, и обратите внимание на логарифмическую шкалу стоимости!) Более того, по мере того как AI-модели становятся мощнее, они могут делать всё, что могло бы захотеть делать построенное поверх них приложение, так что подавляющее большинство приложений превращаются в простые «GPT-обёртки» — коммодитизированные кусочки мобильного и веб-UI, которые взаимодействуют с более мощными базовыми моделями. В этой картине мир будет состоять из нескольких крупных модельных компаний, которые создают всю ценность и облагают «налогом» мир GPT-обёрток над ними.

As I write this in Feb 2025, this theory seems to be facing major complications: State-of-the-art models only seem to be able to stay ~6 months ahead of their open source cousins, and new entrants seem to create near-peer capabilities on a regular basis (Grok, DeepSeek, etc). Also, the amount of data available to train upon — which initially provided a big advantage to scaled players which got access early — is nearing natural limits. And even if SOTA models take a ton of money/energy/compute to train, their competitors are able create similar performance via model distillation. All the while, the ecosystem is teeming with new app-layer startups that specialize on specific niches — creative tools, customer service, legal, and many other sectors — that show $0 to $5M+ ARR growth in under a year.

Когда я пишу это в феврале 2025-го, эта теория, похоже, сталкивается с серьёзными осложнениями. Передовые модели, судя по всему, способны держаться лишь на ~6 месяцев впереди своих open-source-родственников, а новые игроки регулярно создают почти равные по возможностям модели (Grok, DeepSeek и др.). Кроме того, объём доступных для обучения данных — который изначально давал большое преимущество масштабным игрокам, получившим доступ раньше, — приближается к естественным пределам. И даже если на обучение SOTA-моделей уходит куча денег/энергии/вычислений, их конкуренты способны добиться сопоставимой производительности через дистилляцию моделей. Всё это время экосистема кишит стартапами app-слоя, специализирующимися на конкретных нишах — креативные инструменты, поддержка клиентов, юриспруденция и многие другие сектора, — которые показывают рост с $0 до $5M+ ARR менее чем за год.

And in most cases, these startups don’t specify the underlying AI model they integrate with, nor do we care as users/customers. Is it time to cheer for the GPT wrappers? And what should be our new theory of defensibility for this new generation of AI-first apps? In a world of many many AI-first apps, which ones will stick?

И в большинстве случаев эти стартапы не уточняют, с какой базовой AI-моделью они интегрируются, да и нам как пользователям/клиентам это безразлично. Не пора ли поболеть за GPT-обёртки? И какой должна быть наша новая теория защищённости для этого нового поколения AI-first-приложений? В мире множества-множества AI-first-приложений какие из них приживутся?

And of course, Network effects. We saw that network effects played maybe the critical role in the defensibility of the last generation of workplace collaboration tools, marketplaces, social networks, etc (as I wrote about in my book, The Cold Start Problem) — and I think it could play a big role in the AI age too.

И конечно же, сетевые эффекты. Мы видели, что сетевые эффекты сыграли, пожалуй, критическую роль в защищённости прошлого поколения инструментов для совместной работы, маркетплейсов, социальных сетей и т. д. (о чём я писал в своей книге The Cold Start Problem) — и я думаю, что они могут сыграть большую роль и в эпоху AI.

Database wrappers and CRUD apps
Hints to these questions can be 1990s-2010 S-curve cycle of building web apps and how it might apply to today, and although of course the metaphor isn’t perfect, it’s still informative. I’ve written about these concepts in my recent essay The mobile S-curve ends, and the AI S-curve begins, where initially startups in the 1990s dotcom era would raise millions of dollars simply to build the v1 of their websites, because there was so little infrastructure available — you had to put an actual physical server into a datacenter, build with a proprietary software stack with very expensive products at each layer, and marketing/growth was derived from faulty lessons from the CPG industry. Products were successful because they had the “it works” feature, and no wonder the first generation of web companies were built by Stanford Computer Science PhDs.

Database-обёртки и CRUD-приложенияПодсказки к этим вопросам можно найти в S-кривой цикла 1990-х–2010-х по созданию веб-приложений и в том, как это может применяться к сегодняшнему дню — и хотя метафора, разумеется, не идеальна, она всё же поучительна. Я писал об этих концепциях в своём недавнем эссе The mobile S-curve ends, and the AI S-curve begins, где стартапы в эпоху доткомов 1990-х привлекали миллионы долларов просто чтобы построить v1 своих сайтов, потому что инфраструктуры было так мало — нужно было поставить физический сервер в дата-центр, строить на проприетарном программном стеке с очень дорогими продуктами на каждом уровне, а маркетинг/рост выводился из ошибочных уроков индустрии CPG. Продукты были успешны, потому что у них была фича «оно работает», и неудивительно, что первое поколение веб-компаний строили доктора наук по Computer Science из Стэнфорда.

Two decades later, everything had changed: Websites became trivial to build as we got open source, cloud computing, and cost-per-click advertising to drive growth. Many of the most popular web apps could in fact be called “database wrappers” (actually, at the time, often called CRUD apps) — dead simple products with minimal technology that had the ability to Create/Read/Update/Delete data. Blogging and Twitter/Flickr were that. And a lot of marketplace startups, where you could post a listing, and other people could view it. Plus ecommerce websites. Web frameworks like Ruby on Rails and the entire genre of CMS software was created to make this easy. In fact, it got so easy that I remember venture capitalists asking, at the time, how products like Facebook might be defensible at all.

Двумя десятилетиями позже всё изменилось: сайты стало тривиально создавать благодаря open-source, облачным вычислениям и рекламе с оплатой за клик для роста. Многие из самых популярных веб-приложений можно было фактически назвать «database-обёртками» (на самом деле тогда их часто называли CRUD-приложениями) — предельно простые продукты с минимумом технологий, умеющие Create/Read/Update/Delete данных. Блогинг и Twitter/Flickr были именно такими. И множество маркетплейс-стартапов, где можно было разместить объявление, а другие люди могли его просмотреть. Плюс сайты электронной коммерции. Веб-фреймворки вроде Ruby on Rails и целый жанр CMS-софта были созданы, чтобы упростить это. По сути, стало так легко, что я помню, как венчурные инвесторы тогда спрашивали, как продукты вроде Facebook вообще могут быть защищёнными.

Of course, Web 2.0 was part of the solution to these questions — the big innovation was to not just allow an individual to do CRUD operations on their own data, but to allow entire communities/networks of people to do it with shared data. And if you kept those networks alive over time, that’s what was defensible, not the product itself. That was the essence of Web 2.0 that re-ignited consumer tech starting in ~2005 after the dotcom era had subsided. (I’ve also been told that other waves of tech, like the Windows/Mac-led GUI desktop boom of the early 90s, was also propelled by “form-based applications” created in Visual Basic).

Разумеется, Web 2.0 был частью ответа на эти вопросы — большой инновацией было позволить не просто отдельному человеку выполнять CRUD-операции над своими данными, а позволить целым сообществам/сетям людей делать это с общими данными. И если вы поддерживали эти сети живыми во времени, именно это и было защищённым, а не сам продукт. В этом и заключалась суть Web 2.0, который заново разжёг потребительский tech начиная примерно с 2005 года, после того как эпоха доткомов сошла на нет. (Мне также рассказывали, что другие волны технологий, например бум GUI-десктопов под предводительством Windows/Mac в начале 90-х, тоже подпитывался «формовыми приложениями», созданными в Visual Basic.)

In other words, we saw the internet make the same transition from an expensive, closed source stack in the dotcom era which opened into a much more ubiquitous, cheaper (but commoditized) stack in the Web 2.0 era. And as millions of new websites emerged, the axis of competition changed from “can you build it? can you raise the money to build it?” to “you can build it, but will consumers come? And will they stick?” I think the same wave is now coming for AI products. It won’t look the same, but instead, fuse network effects and AI into something new.

Иными словами, мы видели, как интернет совершил тот же переход от дорогого, закрытого стека эпохи доткомов к гораздо более повсеместному, дешёвому (но коммодитизированному) стеку эпохи Web 2.0. И по мере того как появлялись миллионы новых сайтов, ось конкуренции сместилась с «сможешь ли ты это построить? сможешь ли привлечь деньги, чтобы это построить?» на «ты можешь это построить, но придут ли потребители? И приживутся ли они?». Я думаю, та же волна теперь идёт к AI-продуктам. Она будет выглядеть иначе, а вместо этого сплавит сетевые эффекты и AI в нечто новое.

Growth and network effects in a GPT Wrapper-dominated world
People are often familiar of the definition of a network effects as, “a product where the more people that use it, the more valuable it becomes.” Products like marketplaces, social networks, workplace collaboration tools, etc are all classic examples.

Рост и сетевые эффекты в мире, где доминируют GPT-обёрткиЛюди часто знакомы с определением сетевого эффекта как «продукт, который становится тем ценнее, чем больше людей им пользуется». Продукты вроде маркетплейсов, социальных сетей, инструментов для совместной работы и т. д. — всё это классические примеры.

In the next phase of AI products, either these new products will have to add network features, or the incumbent networked products will add AI. The question is which one will get there first?

В следующей фазе AI-продуктов либо этим новым продуктам придётся добавлять сетевые функции, либо инкумбенты с уже выстроенными сетями добавят AI. Вопрос в том, кто доберётся туда первым?

In some cases it’s obvious how AI products will add network features. For all the products in the B2B/SMB sector, they will naturally add support for teams, and collaboration workflows (commenting, tagging, etc), and allow for sharing inside the enterprise. But in other cases, it’s less clear. Will the way that AI ultimately reinvents social networking be that the other people you interact with on the network will actually be AIs? Perhaps it’s old-fashioned, but I still think that people love to watch and interact with other humans, which is why we want to watch Magnus play chess, not two supercomputers. Or we want to watch Usain Bolt race other people, not a car. Will the various flavors of AI companionship be a full replacement of human-to-human interaction, or will it instead be something that augments? Perhaps AI-first social apps will simply let you communicate with your loved ones by sending not just image-based memes, but entirely custom interactive products to make your joke? (Imagine sending/sharing an interactive Trump companion, rather than just a funny photo). It’s hard to know how it’ll happen, but we know a lot of companies are trying.

В некоторых случаях очевидно, как AI-продукты будут добавлять сетевые функции. Все продукты в секторе B2B/SMB естественным образом добавят поддержку команд и совместные рабочие процессы (комментирование, теги и т. д.) и позволят делиться внутри предприятия. Но в других случаях это менее ясно. Окажется ли так, что AY переизобретёт социальные сети тем, что другие люди, с которыми вы взаимодействуете в сети, на самом деле будут AI? Возможно, это старомодно, но я всё же думаю, что люди любят наблюдать за другими людьми и взаимодействовать с ними — именно поэтому мы хотим смотреть, как Магнус играет в шахматы, а не как играют два суперкомпьютера. Или мы хотим смотреть, как Усэйн Болт бежит наперегонки с другими людьми, а не с автомобилем. Станут ли разные разновидности AI-компаньонства полной заменой человеческого общения, или же это будет нечто, что его дополняет? Может быть, AI-first социальные приложения просто позволят вам общаться с близкими, отправляя не просто мемы-картинки, а целые кастомные интерактивные продукты, чтобы донести вашу шутку? (Представьте, что вы отправляете/делитесь интерактивным компаньоном-Трампом, а не просто смешным фото.) Трудно сказать, как именно это произойдёт, но мы знаем, что множество компаний пытаются.

Part of the difficulty is that we actually haven’t yet seen a fully consumer-focused win within AI. Of course we’ve seen glimmers, like Character.ai, but a very fast growing sticky AI-first consumer app is still up for grabs. There’s a lot of reasons for this — you want API costs to get much lower, to support an ads-supported/low $ sub model, and the incumbents are damn good. But maybe also the mechanics simply don’t yet work, and the ability for AI to create engaging human-level companions isn’t there yet.

Часть сложности в том, что мы пока ещё не видели полностью потребительски-ориентированной победы в AI. Конечно, мы видели проблески, например Character.ai, но очень быстрорастущего «липкого» AI-first потребительского приложения пока никто не занял. Тому есть много причин — нужно, чтобы стоимость API сильно снизилась, чтобы поддерживать модель с рекламой/дешёвой подпиской, а инкумбенты чертовски хороши. Но, возможно, дело ещё и в том, что сама механика пока просто не работает, и способности AI создавать увлекательных компаньонов человеческого уровня пока нет.

Either way, let’s say all these network+AI features get added, and we see a generation of these hybridized products. Under my hypothesis, these products could still be easily copied, but they would at least benefit from the defensibility offered by their network. The question is “how?”

Так или иначе, допустим, все эти сетевые+AI-функции добавлены, и мы видим поколение таких гибридизированных продуктов. По моей гипотезе, эти продукты по-прежнему можно было бы легко скопировать, но они хотя бы выигрывали бы от защищённости, которую даёт их сеть. Вопрос — «как?»

I’m eventually came to break down the general idea of a network effect into three underlying pillars that can be defined, put onto a roadmap, and otherwise optimized:

В конце концов я пришёл к тому, чтобы разложить общую идею сетевого эффекта на три базовые опоры, которые можно определить, заложить в роадмап и иначе оптимизировать:

Во-первых, есть сетевой эффект привлечения (Acquisition), который позволяет продуктам задействовать свою сеть пользователей, чтобы приглашать, делиться и иным образом привлекать больше пользователей. Традиционному «одиночному» приложению приходится покупать пользователей рекламой, тогда как сетевой продукт может заставить своих пользователей приводить на платформу новых. AI-first-продукт может генерировать действительно привлекательный или полезный контент, которым часто делятся с другими людьми, что затем привлекает их в продукт.Во-вторых, эффект удержания/вовлечения (Retention/Engagement), который позволяет сетевым продуктам заставлять своих пользователей реактивировать «спящих» пользователей — это может происходить из-за взаимодействия вроде комментария, общего файла или потому, что вас отметили тегом, — или из-за чего-то более пассивного, например персонализированного письма, показывающего активность в вашей сети. Сравните это с одиночным продуктом, которому приходится полагаться на быстро затухающие email/push-уведомления, чтобы вернуть вас.Наконец, есть эффект монетизации (Monetization), который позволяет продуктам пользоваться более сильными бизнес-моделями. Если продукт для совместной работы расходится «от стены до стены» внутри рабочего места и растёт вирусно, он с большей вероятностью конвертируется в высокие тарифы монетизации. Если социальная игра берёт с вас деньги за декоративные товары для украшения аватара, это ценностное предложение будет для вас более убедительным, когда рядом ваши друзья, которые это увидят.

Done well, you might see an AI product initially enter the market by simply providing a novel interaction — the ability to generate a new kind of content, or by going deeper into some set of workflows. But then it might add viral sharing features, that help it spread amongst friends, or within a team. You might see them start to integrate “multiplayer” use cases more broadly, and ultimately, bake all of this into an enhanced business model.

При хорошем исполнении AI-продукт может изначально выйти на рынок, просто предоставив новое взаимодействие — возможность генерировать новый вид контента или уйдя глубже в некоторый набор рабочих процессов. Но затем он может добавить функции вирусного распространения, помогающие ему расходиться среди друзей или внутри команды. Можно увидеть, как такие продукты начинают шире интегрировать «многопользовательские» сценарии и в конечном итоге запекают всё это в усиленную бизнес-модель.

Of course there will also be B2B SaaS products that succeed the old-fashioned way as well. Rather than building a few simple network effect-driven features, instead they will deeply understand customer workflows, work with compliance, IT, and security, and otherwise build a huge company via lead bullets, not one silver bullet.

Разумеется, будут и B2B SaaS-продукты, добивающиеся успеха старым добрым способом. Вместо того чтобы строить несколько простых функций на основе сетевого эффекта, они глубоко разберутся в рабочих процессах клиентов, будут работать с комплаенсом, IT и безопасностью и иными способами построят огромную компанию через «свинцовые пули», а не одну серебряную.

Network effects are what defended consumer products, in particular, but we will also see moats develop from the same places they came from the past decades: B2B-specific moats (workflow, compliance, security, etc), brand/UX, growth/distribution advantages, proprietary data, etc etc. The big difference is that instead of taking two decades to sort this all out, as it took between the dotcom and Web 2.0 cycles, we’re speedrunning the whole thing in just a few years.

Сетевые эффекты — это то, что защищало в особенности потребительские продукты, но мы также увидим, как рвы образуются из тех же мест, откуда они возникали в прошлые десятилетия: B2B-специфичные рвы (рабочие процессы, комплаенс, безопасность и т. д.), бренд/UX, преимущества в росте/дистрибуции, проприетарные данные и т. д. и т. п. Большая разница в том, что вместо двух десятилетий, которые ушли на то, чтобы всё это утрясти между циклами доткомов и Web 2.0, мы спидранним весь этот путь всего за несколько лет.

Will the current generation of AI products win, or a new generation altogether?
Or perhaps this is giving too much credit. Perhaps one generation of startups will prove out the novelty value, and then another will successfully add networked features and eat the first-movers. This is not the only possibility. We are also seeing incumbent products rapidly embrace AI, so I wouldn’t write them off either.

Победит ли нынешнее поколение AY-продуктов, или совершенно новое поколение?А может, это слишком щедрая оценка. Возможно, одно поколение стартапов докажет ценность новизны, а затем другое успешно добавит сетевые функции и съест first-mover'ов. Это не единственная возможность. Мы также наблюдаем, как инкумбенты стремительно осваивают AI, так что я бы их тоже не списывал со счетов.

There are two historical precedents worth mentioning:

Стоит упомянуть два исторических прецедента:

In prior computing revolutions, from mainframe to desktop to GUI to web to mobile, all the new startups had the advantage that apps would have to be rewritten for the new UX. Incumbents were often caught flat-footed in the transition, and created poor next-gen apps if their expertise was a different platform (just think about Whatsapp vs AIM). This generation of AI is unusual though, in that it doesn’t come with a big reinvention of the UX. We still interact with all of these products as mobile apps, websites, and so on, rather than creating a completely new modality. Maybe incumbents that already control network effects and distribution will have an advantage, and people will rather interact with their LLMs via the Whatsapp search box rather than downloading a whole new app for it.

В предыдущих компьютерных революциях — от мейнфреймов к десктопу, к GUI, к вебу, к мобайлу — у всех новых стартапов было преимущество в том, что приложения приходилось переписывать под новый UX. Инкумбенты часто оказывались застигнутыми врасплох при переходе и создавали слабые приложения следующего поколения, если их экспертиза была в другой платформе (вспомните хотя бы WhatsApp против AIM). Однако нынешнее поколение AI необычно тем, что оно не несёт большого переизобретения UX. Мы всё так же взаимодействуем со всеми этими продуктами как с мобильными приложениями, сайтами и т. д., а не создаём совершенно новую модальность. Возможно, инкумбенты, которые уже контролируют сетевые эффекты и дистрибуцию, получат преимущество, и люди скорее предпочтут взаимодействовать со своими LLM через строку поиска WhatsApp, чем скачивать ради этого совершенно новое приложение.

The other question I have is if the first-movers will actually be the ones to make it. After all, in the first generation of mobile apps after the launch of the iPhone, we saw the massive growth of early movers like Flipboard, Foursquare, Kik, and others. Yet these were not the products that ultimately emerged as the mobile winners — instead it took 5+ years for others, like Uber and Doordash, that used the technology in novel ways, to define the deca-billion dollar outcomes.

Другой вопрос, который у меня есть, — окажутся ли именно first-mover'ы теми, кто добьётся успеха. В конце концов, в первом поколении мобильных приложений после запуска iPhone мы наблюдали бурный рост ранних игроков вроде Flipboard, Foursquare, Kik и других. Однако не эти продукты в итоге стали победителями в мобайле — вместо этого потребовалось 5+ лет, чтобы другие, как Uber и Doordash, использовавшие технологию новыми способами, определили исходы стоимостью в десятки миллиардов долларов.

Interesting times ahead.

Впереди интересные времена.