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

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

Почему сетевые эффекты и дистрибуция снова станут королями

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?

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.

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

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.

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.

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?

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-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.

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.

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.)

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.

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.

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?

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.

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.

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?»

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.

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.

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.

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.

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.

Стоит упомянуть два исторических прецедента:

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.

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.

Впереди интересные времена.