🚀 Андрей Артищев

Интересное нтервью с Тибо (devrel Codex) о развитии ИИ и работе в OpenAI.
Тибо делится мыслями о культуре компании, будущих технологиях и взаимодействии человека с ИИ.

Опыт работы и сравнение компаний
Тибо рассказывает о времени, проведённом в Google и DeepMind, и сравнивает их с OpenAI. В DeepMind он занимался инфраструктурой и продуктами для ускорения исследований, в том числе работал над языковыми моделями. Он отмечает, что в OpenAI сильнее развита культура «снизу вверх»: сотрудники могут быстро выдвигать идеи и реализовывать их.

Развитие продуктов и культура OpenAI
В OpenAI, по словам Тибо, уделяют большое внимание:

простоте и качеству продуктов;
быстрому реагированию на отзывы пользователей;
готовности перераспределять ресурсы ради новых исследований;
созданию инструментов, максимально расширяющих возможности людей.
Он подчёркивает, что компания стремится не только разрабатывать мощные модели, но и делать технологии доступными для широкой аудитории.

Новые функции и технологии
Тибо говорит о недавних нововведениях, в частности о голосовой версии ChatGPT, которая быстро набирает популярность. Среди перспективных направлений он выделяет:

создание личного AGI (искусственного общего интеллекта), который будет глубоко понимать пользователя и проявлять инициативу;
полную автоматизацию сложных процессов — например, в кибербезопасности или производственных задачах;
разработку интерфейсов, адаптирующихся под индивидуальность каждого человека.
Будущее взаимодействия с ИИ
По мнению Тибо, в будущем взаимодействие человека с ИИ станет более естественным — близким к обычному общению между людьми. Ключевые тренды: рост значимости голосового взаимодействия, развитие мультимодальных подходов (сочетание текста, голоса и других способов коммуникации) и способность ИИ улавливать нюансы человеческого общения.

Также он говорит об ускорении работы моделей — некоторые процессы стали в 60 раз быстрее за последние месяцы. Это открывает новые возможности, особенно в сценариях с высокими ставками.

Отношение к опасениям вокруг ИИ
Тибо считает, что страхи перед ИИ преувеличены. Он призывает: не бояться пробовать технологии, смотреть на примеры того, как другие используют ИИ с пользой — например, для получения медицинских консультаций или принятия финансовых решений, а также учитывать, что развитие технологий ведёт к снижению стоимости и повышению доступности ИИ‑инструментов.

https://www.youtube.com/watch?v=4qjEgPojjzM

Сэм Альтман: революция в мире ИИ и стартапов

В увлекательной беседе основатель OpenAI делится своим видением развития искусственного интеллекта и стартап-индустрии.

Философия стартапов
Альтман рассказывает о революционном подходе к созданию компаний: быстром запуске продуктов, постоянном взаимодействии с пользователями и быстрой итерации. Он подчеркивает важность раннего выпуска версий продукта и получения обратной связи от клиентов.

ИИ и человеческий фактор
Особое внимание уделяется взаимодействию людей с новыми технологиями. Альтман отмечает, что даже при наличии инновационных решений (например, Netflix против Blockbuster) людям сложно менять устоявшиеся привычки.

Будущее OpenAI
Компания фокусируется на создании платформы, а не отдельных продуктов. OpenAI стремится стать основой для 100 миллионов новых предприятий и помочь 8 миллиардам человек использовать ИИ в работе.

Бизнес-модель и продукты
OpenAI развивает несколько ключевых направлений:

ChatGPT
Codex (система для работы с кодом)
API для разработчиков
Предпринимательская экосистема
Альтман говорит о грядущем буме малого бизнеса благодаря ИИ-технологиям. По его мнению, мы стоим на пороге создания совершенно новых способов работы с искусственным интеллектом.

Интересный факт: Альтман признается, что даже сам не всегда использует все возможности современных ИИ-решений, продолжая работать привычными способами, хотя знает о существовании более эффективных инструментов.

🔍 Оригинал интервью доступен в Яндекс Браузере с русскоязычным переводом. Смотрите полную версию, чтобы узнать больше деталей об инновационном подходе OpenAI к развитию искусственного интеллекта!

https://www.youtube.com/watch?v=kG8AoExkX40

Интересный доклад — выступление Всеволода Викулина на тему «Реальная автоматизация: в каких процессах AI‑агенты приносят пользу».

Викулин выделяет три бизнес‑модели внедрения искусственного интеллекта в компании:

Проектная разработка. Команда создаёт решение для конкретного процесса — например, рекомендательной системы или детекции поломок на заводе. Минус модели — сложно оценить затраты и подходит лишь для ограниченного числа процессов.

SaaS. Компания разрабатывает продукт и продаёт его другим организациям. В сфере AI‑агентов эта модель сталкивается с проблемами: сложно создать универсальную платформу, которая подойдёт любой компании.

Гибридная модель. Сочетает элементы первых двух подходов. Одна команда создаёт базовую платформу, а другая адаптирует её под нужды конкретной компании — пишет тулы, обучает сотрудников, настраивает LLM и т. д. С каждым новым внедрением процесс становится дешевле и быстрее. По словам спикера, именно к этой модели движутся крупные игроки — например, OpenAI и Anthropic.

Разделение задач на intelligence и judgment

Спикер заимствует идею инвестиционного фонда Sequoia о разделении интеллектуальных задач на два типа:
Intelligence‑задачи — выполнение чёткого протокола. Их можно автоматизировать с помощью агентов. Пример — анализ рынка или оценка «прогрева» лида в продажах.
Judgment‑задачи требуют экспертного суждения, которое невозможно заранее описать в инструкции. Например, разработка стратегии компании или личные продажи. Викулин не рекомендует поручать такие задачи агентам.

Пять шагов для успешного внедрения агентов
Викулин предлагает алгоритм из пяти шагов:

Выделить в компании все intelligence‑процессы — поддержку, работу с документами и т. п.

Проверить, есть ли готовые продукты для автоматизации этих процессов. Если есть — купить и протестировать.

Отранжировать процессы и примерно оценить стоимость внедрения каждого. При этом учесть, что:
каждый следующий процесс внедрить дешевле (коэффициент «гамма» меньше 1); со временем ценность решения снижается (коэффициент «альфа»).

Рассчитать затраты и потенциальную прибыль, чтобы понять, стоит ли внедрять агентов.
Построить платформу и масштабировать внедрение:

Команда 1 создаёт инструменты — собирает контексты, строит LLM, разрабатывает документацию и систему оценки качества агентов.
Команда 2 («forward deployment engineers») адаптирует платформу под конкретные процессы компании. С каждым внедрением работа упрощается.

https://www.youtube.com/watch?v=wTepzdnK4XE

тибо о том, во что превращаются chatgpt и codex

тибо — руководитель core products openai рассказал мэттью берману, как компания видит следующую форму персонального ai. несколько сильных поинтов из 44-минутного разговора.

— за год до chatgpt в deepmind уже существовал внутренний lm chat с похожей идеей. модели казались особенными, но deepmind плохо умел превращать исследования в публичные продукты. соттьё вынес оттуда два урока — командам нужна свобода быстро запускать идеи и общая планка качества, которая не даёт продукту превратиться в набор несвязанных функций.

— нынешние coding agents пока требуют от пользователя обслуживать skills, память, сабагентов и локальную среду. следующая версия должна знать человека, его цели и контекст команды, сама выбирать нужные инструменты, предлагать действия и сохранять цельность взаимодействия.

— ноутбук спроектирован под скорость одного человека. агент способен одновременно работать с десятками приложений, поэтому вычисления будут всё чаще уходить в облако. с ускорением моделей новым ограничением становятся tool calls, сеть и остальные части агентного стека.

— рабочий процесс тоже изменится. вместо запуска 10–15 медленных агентов и постоянного переключения контекста появится синхронная работа голосом, когда идеи, прототипы и отчёты собираются почти в реальном времени. продукту придётся бережно управлять вниманием человека и понимать, какой результат показать сейчас, а какой отложить.

— тибо разделяет два направления. персональный агент работает рядом с человеком и адаптируется под него. автономные системы целиком ведут процессы вроде анализа продакшен-логов, исправления регрессий и закрытия уязвимостей, оставляя человеку подтверждение рискованных действий.

— chatgpt и codex объединяют из-за общей архитектуры будущего агента. под капотом будет один мультимодальный, voice-first harness для кода, исследований и повседневных задач. интерфейс должен динамически подстраиваться под конкретного человека. разработчик, дизайнер и пользователь без технического опыта смогут работать в одной системе и видеть разные уровни детализации.

— конечная форма такого продукта выглядит ambient. агент слышит интонацию, видит жесты и записи на доске, присутствует на общем canvas и позволяет голосом направлять создаваемый объект. высокая скорость особенно полезна в визуальной работе, где можно мгновенно получить несколько вариантов, выбрать направление и продолжить редактирование.

— сбросы лимитов codex появились как компенсация за сбои и неудачные обновления. решение не проходит через маркетинг или финансы. у тибо есть физическая кнопка, которой он может вернуть пользователям токены, когда считает это справедливым.

— более сильные модели уже применяют для оптимизации собственного inference-стека, cuda-ядер и продуктовой инфраструктуры. по словам тибо, обычный inference за три месяца ускорился примерно на 60%, а значительное увеличение пропускной способности уложилось в прежний вычислительный бюджет. он считает это ранней практической формой рекурсивного самоулучшения всей системы.

— ultra fast ускоряет генерацию в 10–14 раз. при множестве инструментов реальный выигрыш ближе к 3–4 разам. внутри openai режим используют при инцидентах и срочных проектах. тибо ожидает, что через один-два года близкая скорость станет массовой, хотя сверху всегда останется более дорогой уровень.

— ответ на тревоги вокруг ai оказался самой слабой частью интервью. тибо говорил об удешевлении интеллекта, широком доступе и пользе chatgpt в письме, здоровье и финансах. вопросы занятости и экологического следа остались без подробного ответа.

полное интервью

👓 На Burning Man поменяли правила из-за умных очков, пишет Business Insider. В них четко прописали, что если ведется съемка с помощью умных очков (как и с помощью других устройств), то нужно получить разрешение как у главного героя, так и у людей на заднем плане. Business Insider отмечает, что это своего рода подтверждение распространения умных очков и проблем с конфиденциальностью из-за них.

🎙️ На днях Wispr Flow привлек $280M при оценке $2B, и по совпадению вышло интервью с их бывшим Head of Growth Matt Swulinski, который до этого работал в Superhuman, а сейчас делает Viktor.

Внутри много буллшит-евангелизма про то, что весь маркетинг нужно отдать AI (его продукт как раз про это), но есть и любопытные моменты. Для разнообразия добавлю свои комменты к каждому пункту.

1. SaaS пора учиться у e-commerce перформанс-маркетингу

По классике SaaS делает ставку на продажи, бренд и органику, а paid откладывает на потом. По мнению Мэтта, performance нужно запускать сразу, чтобы проверять спрос, позиционирование, креативы и лендинги.

💭 Хуже от сходимого перфа еще никому не было, но PMF как будто все равно живет где-то в районе крутого retention и органики. Можно прекрасно покупать пользователей в продукт, который им не нужен, и наоборот иметь отличный PMF в нише, где Meta и Google не сходятся.

2. $100k в Meta = 400–500 креативов в месяц

По оценке Мэтта, на каждые $100k spend в Meta нужно около 400–500 новых креативов. Для продакшена у них сотни UGC-креаторов, которые делают по 3–4 креатива в неделю, пять агентств и внутренняя команда. С креаторами делятся процентов от спенда и отдельные ребята зарабатывают до $30k в месяц.

💭 По количеству похоже на правду. Правда, скорее речь про 400–500 разных концептов, а не просто 500 ± одинаковых креативов. А вот модель, где креатор получает процент от спенда своего объявления, это что-то новое.

3. Paid может не работать просто из-за плохого трекинга

Если Meta видит только половину покупок, алгоритм обучается на кривых данных, CAC растет, а команда делает вывод, что канал не работает. Поэтому нормальный трекинг должен быть готов до масштабирования.

💭 В целом база. Конверсии сейчас это фактически training data для рекламного алгоритма.

4. Стресс-тест маркетинга для быстрого роста

В прошлом году в Wispr Flow вместо постепенного масштабирования просто увеличили бюджет в 5 раз и посмотрели на инкрементальный рост по каналам. Быстро выяснили, что Google остается эластичным, Meta резко дорожает, newsletters не дают дополнительного инкремента, а спонсорство подкастов вообще не работает.

💭 С одной стороны резкий scale быстро покажет, где система перестала быть эластичной, но не объяснит почему и где-то может дать ложные выводы. Но с другой, если нужно расти 30–40% MoM и есть капитал, условные лишние $200–300k могут быть дешевле, чем полгода аккуратно выяснять, что Meta все равно нельзя масштабировать выше X, а Google можно.

5. Google оказался главным performance-каналом Wispr Flow

Лучше всего работала связка YouTube + non-branded Search + Performance Max. YouTube сначала объяснял аудитории продукт, а покупка часто происходила позже через поиск, поэтому смотреть только на last click было нельзя.

💭 Для продукта, который сначала нужно объяснить, а потом вокруг него появляется спрос в поиске, логично. Но это скорее специфика Wispr и похожих продуктов, чем универсальный рецепт для всех SaaS.

6. Affiliate-маркетинг дает Victor 15% всего привлечения

Партнерам платят 10–15% revenue share. Если афф приводит клиента на $10k в месяц, он получает $1–1.5k ежемесячно. Некоторые партнеры, по словам Мэтта, зарабатывают $20–30k в месяц.

💭 Программа действительно существует на Dub и неплохо упакована: 15% со всех платежей клиента в течение 12 месяцев, включая рост usage, окно атрибуции 90 дней, дэш, креативы и прямой контакт с growth-командой.

Но чтобы получать $20–30k в месяц при 15% revshare, нужно привести клиентов примерно на $130–200k MRR. В общем, верим на слово и дай бог нам всем таких партнеров 😄

Stripe покупает OpenRouter за $7B+ при ARR вроде как около $140M. Это 50 годовых выручек, а оценка в 5,4 раза дороже раунда, который закрывали три месяца назад по $1.3B. Первая естественная реакция: «безумие». Но если подумать, то все логичнее.

Это покупка не чужого бизнеса, а своего же. OpenRouter зарабатывает так же, как Stripe: не трогает цену товара (токены проходят по прайсу провайдера), а берёт 5,5% с пополнения баланса. Тупо эквайринг для инференса. При этом Stripe и есть его действующий процессинг: биллинг, налоги и антифрод OpenRouter крутятся на Stripe. Stripe покупает строчку из чужого COGS, в которой сидит сам.

Take rate самого Stripe где-то 0,36% с платежа, а у OpenRouter 5,5%. Доллар потока через роутер приносит в пятнадцать раз больше, чем доллар через Stripe. Поток сейчас в размере порядка $2,5B в год, и он кратно растёт: объём токенов вырос в 5 раз за полгода, до 25 трлн в неделю. Поток при этом этот маржинальный: говорят, издержки у OpenRouter всего 28,5% выручки, то есть валовая маржа как у обычного софта.

Правда, слабое место тут сам take rate. 5,5% за проксирование аномально много. Энтерпрайз выбивает договорные ставки или уходит на прямые контракты, гиперскейлеры уже отдают роутинг в довесок к облаку, а собственного моата у OpenRouter нет: его ценность в том, чтобы уничтожать switching costs при смене провайдера, то есть чужой же moat. Держать такую комиссию можно, только достроив собственные рвы. Switching costs: биллинг, spend management и комплаенс, вшитые в процессы клиента. Scale economies: платежи, антифрод и интеграции с провайдерами дешевеют на объёме, а $2,5B+ расходов в одних руках позволяют выбивать у провайдеров моделей скидки, недоступные мелким шлюзам. Оба скилла, на которых специализируется Stripe.

Так что ставка хоть и агрессивная, но рациональная: покупают шлагбаум на трассе, по которой потенциально поедет весь траффик. Риск не в цене, а в скорости: успеть превратить позицию в моаты раньше, чем бигтех обнулит ценность самого роутинга.

Прийдут годы и они заберут работу у людей. Это не будет сразу, но это время прийдет.

notebooklm получил собственного исследовательского агента

внутри каждого блокнота теперь работает защищённый облачный компьютер. агент может искать и добавлять источники из интернета, писать и запускать код, анализировать данные и собирать готовые pdf, документы, таблицы, презентации, графики и изображения

например, из конспектов он сделает учебное пособие с тестом, из чеков — таблицу расходов, из маркетингового брифа — анализ конкурентов

раньше обновление было доступно на ultra и части корпоративных аккаунтов, теперь google раскатил для всех пользователей pro на web. на бесплатных пока нет

google

Вопрос полезности инструмента лично для вас упирается в персональный набор инсайтов, позволяющий с инструментом работать.

Внезапно оказывается, что пользу создает не инструмент сам себе, а тот, кто инструмент держит. Возможность заключена не в инструменте, а в сочетании инструмента и должного мастерства владения им.

Опираясь на сложный инструментарий, легко выскочить за границы компетенции. Возникает избыточная, «плохая» сложность, которая приносит больше проблем, чем дает возможностей.

Сложность порождает иллюзию контроля, в точности так же, как это делают дополнительные кнопки на игровых автоматах. Вы добавляете в свою линию действия множество переменных, которые можно настраивать и переключать, и чем больше вы их добавляете, тем больше ощущение контроля над процессом.

Введение: Учитывая широту корреляционных исследований, связывающих использование социальных сетей с ухудшением благосостояния, мы провели экспериментальное исследование для изучения потенциальной причинно-следственной роли, которую социальные сети играют в этих отношениях.

Метод: После недели базового мониторинга 143 студента Пенсильванского университета были случайным образом назначены либо ограничить использование Facebook, Instagram и Snapchat до 10 минут на платформу, в день, либо использовать социальные сети как обычно в течение трех недель.

Результаты: Группа с ограниченным использованием показала значительное снижение одиночества и депрессии в течение трех недель по сравнению с контрольной группой. Обе группы показали значительное снижение тревоги и страха упустить исходный уровень, что говорит о преимуществе от усиления самоконтроля.

Обсуждение: Наши выводы убедительно свидетельствуют о том, что ограничение использования социальных сетей примерно 30 минут в день может привести к значительному улучшению самочувствия.

https://guilfordjournals.com/doi/10.1521/jscp.2018.37.10.751

Фото это утра 👆

Музыка этого утра 👇

https://music.yandex.ru/album/35736286/track/136924673?ref_id=47A88854-54C2-4B38-B913-5B8E6BCE0E0E&utm_medium=copy_link

ИИ-генератор музыки Suno проиграл суд по делу о нарушении авторских прав

Суд постановил, что Suno незаконно использовала защищенную авторским правом музыку для обучения ИИ. Теперь компании предстоит выплатить компенсацию и лицензировать используемые произведения.

Против Suno также продолжаются иски от Universal Music Group и Sony Music.

Немного мыслей о единственном реалистичном пути в 1%.

https://youtu.be/jKpGKmATpOM

Сегодня всю музыку можно послушать на телефоне. Но ещё пару десятилетий назад, до появления стримингов, треки скачивали, покупали на дисках и кассетах, а с собой брали отдельное устройство — плеер.

По распространенной версии, идею девайса предложил генеральный директор Sony: он хотел переделать журналистский диктофон Pressman так, чтобы во время полётов на самолёте можно было слушать любимые оперы.

Поначалу в проект почти никто не верил, но его успех оказался настолько большим, что вскоре портативные плееры стали выпускать десятки компаний. К легендарным Walkman присоединились линейки Panasonic, Aiwa, Philips и Sharp, а в 2001-м — и Apple. Каждый девайс был уникальным и отличался не только возможностями, но и внешним видом: производители экспериментировали с формами, цветами, материалами и механизмами и превращали плеер в едва ли не дизайнерский объект.

Сначала музыку слушали на кассетах, затем — на дисках, позже — на мини-дисках (которые в итоге не прижились), а на рубеже 90-х и 00-х появились компактные MP3-плееры, способные хранить треки в памяти, а не на физическом носителе.

Альбомы покупали, записывали у друзей или скачивали из интернета, а рекомендации приходилось искать самостоятельно через музыкальные журналы, радио, форумы или советы знакомых. Музыкальное потребление было другим — из-за ограниченной памяти или количества носителей люди гораздо внимательнее относились к своей коллекции: выбирали, какие песни взять с собой, и могли месяцами слушать одни и те же альбомы. У каждого формата были и свои особенности: кассеты приходилось перематывать, компакт-диски легко царапались, а память MP3-плееров заканчивалась.

Для многих плеер становился ещё и символом статуса. Хорошая модель с большим объемом памяти, качественным звуком или необычным дизайном считалась предметом гордости. Иногда людям из других регионов приходилось ездить на Горбушку за заветным устройством — сейчас здесь же покупают новые айфоны.

Смартфоны и стриминговые сервисы давно заменили карманные плееры, но именно они впервые сделали музыку по-настоящему мобильной и превратили ее в постоянного спутника повседневной жизни.