Александр Ванг назвав головну можливість для AI-бізнесу

Александр Ванг заснував Scale AI у 19 років, коли дані для навчання моделей ще не вважали перспективним ринком. В інтерв’ю для Y Combinator підприємець пояснив, як невдалий медичний AI-агент привів його до сильнішої бізнес-ідеї, чому стартапи тепер можуть конкурувати з корпораціями та яка можливість у штучному інтелекті залишається недооціненою.

Як Александр Ванг прийшов до створення Scale AI

Ванг виріс у Лос-Аламосі, штат Нью-Мексико. Він брав участь у математичних і комп’ютерних олімпіадах, хотів працювати над великими проєктами, але спочатку не розумів, який шлях для цього обрати.

Після школи майбутній засновник Scale AI працював у Quora в Кремнієвій долині. Цей досвід показав йому, як компанії створюють продукти, тестують рішення, ухвалюють колективні рішення та організовують роботу команд.

Згодом Александр Ванг вступив до MIT, де почав тренувати моделі та експериментувати з TensorFlow, який тоді щойно з’явився. Після року навчання він подав заявку до Y Combinator і у 19 років розпочав підприємницький шлях.

Невдалий AI-агент допоміг знайти правильний ринок

Початковою ідеєю команди був AI-агент, який мав допомагати людям отримувати медичну допомогу. Ванг вважає, що такий продукт зрештою з’явиться, однак на той момент ідея випереджала технології та готовність ринку.

Після одного-двох місяців роботи партнер Y Combinator Джаред Фрідман порадив засновникам переглянути напрям. Команда повернулася до базових проблем, із якими Александр Ванг стикався під час навчання моделей.

Для створення AI-моделі були потрібні три компоненти:

Хмарні ресурси можна було отримати онлайн, код — написати або завантажити. Проте швидкого способу придбати дані для навчання моделей не існувало.

Так виникла ідея Scale AI: перетворити дані на доступний інфраструктурний ресурс. Першим великим ринком стали безпілотні автомобілі, яким були потрібні масштабні обсяги розмічених зображень і відео. Великі мовні моделі тоді ще не визначали розвиток галузі.

Чому інвестори не вірили в Scale AI

У перші роки дані залишалися непопулярною темою для венчурного ринку. Навіть коли Scale AI демонструвала зростання та сильну виручку, інвестори сумнівалися, чи буде цей бізнес довговічним.

Ванг пояснює скепсис тим, що більшість інвесторів ніколи самостійно не тренували моделі, тому не розуміли критичної ролі даних. Згодом деякі з тих самих учасників ринку почали називати дані однією з найбільших бізнес-можливостей у сфері AI.

Для засновника Scale AI це стало доказом важливості мислення від перших принципів. Найуспішніші компанії часто виникають задовго до того, як їхній напрям стає популярним. Вони роками накопичують компетенції, поки ринок не визнає їхню початкову тезу.

Як створити AI-стартап до появи консенсусу

Александр Ванг радить засновникам сформувати переконання, з якими спочатку майже ніхто не погоджується. Бізнес-рішення не варто будувати лише на позиціях інвесторів, медіа чи конкурентів.

Scale AI працювала зі штучним інтелектом майже десятиліття. Значну частину цього часу AI ще не був головною темою глобального бізнесу. Компанія продовжувала розвиватися завдяки переконанню, що потреба в даних зростатиме разом із можливостями моделей.

Водночас переконаність не означає відмову від змін. Сам Ванг визнає: людина не може бути вправним засновником у перший день, якщо раніше ніколи не будувала компанію. Підприємцю доводиться вчитися залучати інвестиції, працювати з клієнтами, наймати людей і керувати командами.

Підписуйтеся на наші соцмережі

Ключова перевага полягає у швидкості навчання, а не у відсутності помилок.

Чому зараз найкращий час для бізнесу на AI

Головним обмеженням ринку Ванг називає вже не темпи вдосконалення моделей, а повільне поширення технології у світі. Навіть якби сучасні моделі більше не покращувалися, їхнього нинішнього рівня вистачило б на десятиліття змін в економіці.

Більшість компаній, установ і державних структур ще не адаптували можливості, які вже доступні.

Раніше стартап діяв як Давид проти Голіафа: мав менше грошей, людей і ресурсів, тому мусив шукати вузький шлях до ринку. AI-агенти змінюють баланс сил.

Невелика команда, яка інтегрує агентів у розробку, продажі, маркетинг та операційні процеси, може діяти як значно більша організація. Александр Ванг порівнює нову конкуренцію з протистоянням двох Голіафів: традиційної корпорації та стартапу, посиленого AI.

Персональний суперінтелект і нова економіка агентів

У Meta Ванг працює над концепцією персонального суперінтелекту — системи, адаптованої до конкретної людини, її контексту, цілей і способу роботи.

Йдеться не про один AI, який централізовано контролює світ, а про мільярди персональних агентів. Їхнє завдання — розширювати здатність людей діяти та допомагати їм досягати результатів, які раніше здавалися недоступними.

На платформах Meta представлені близько 200 млн компаній. За баченням підприємця, поширення AI-інструментів може збільшити їхню кількість до мільярдів. Персональні агенти взаємодіятимуть із бізнес-агентами, формуючи децентралізовану економіку.

Як побудувати frontier AI lab з нуля

Після переходу до Meta Александр Ванг долучився до фактичного перезапуску frontier AI lab. За його словами, попередня траєкторія розвитку AI-напряму не відповідала необхідним темпам, тому лабораторію почали перебудовувати з нульової бази, використовуючи наявні ресурси компанії.

Головною ставкою стала висока концентрація талантів. Сильні дослідники приваблюють інших сильних фахівців, тому якість команди створює накопичувальний ефект.

Frontier AI lab не можна управляти як звичайною продуктовою компанією. Її робота ближча до наукового дослідження: команда експериментує, перевіряє межі моделей, масштабує обчислення та адаптується до стрімкого зростання можливостей технології.

За дев’ять місяців лабораторія запустила першу модель, а через два місяці — модель для роботи із зображеннями та оновлення 1.1. Наступними напрямами стали більші моделі, власна інфраструктура для AI-агентів і open-source-рішення.

Чому AI-моделі мають бути дешевими

Ванг виступає проти ринку, у якому потужні AI-моделі доступні лише найбагатшим компаніям і розробникам. Низька вартість потрібна для експериментів, масштабного впровадження та появи нових продуктів.

Кожна хвиля AI, за його оцінкою, приблизно вдесятеро більша за попередню. Спочатку важливим ринком були безпілотні автомобілі. Наступною хвилею стали чатботи на основі великих мовних моделей, а потім — агенти для програмування.

Найкращі продукти на базі штучного інтелекту, переконаний засновник Scale AI, ще не створені. Їхня поява залежатиме не лише від інтелекту моделей, а й від їхньої вартості, швидкості, надійності та сумісності з різними агентними системами.

Чому бачення стане важливішим за інтелект

Дискусії про те, чи з’явиться суперінтелект через два або п’ять років, Ванг вважає менш важливими, ніж довгострокова траєкторія AI. Моделі вже рухаються експоненційною кривою.

Десять років тому передові системи могли розпізнавати котів у відео на YouTube. Сьогодні AI пише код, аналізує інформацію та виконує складні багатокрокові завдання.

Упродовж історії прогрес залежав від здатності об’єднати розумних людей навколо спільної мети. AI робить інтелект і здатність діяти дедалі доступнішими. Тому дефіцитними ресурсами стають бачення та амбіція.

Перевагу матимуть засновники, які можуть чітко сформулювати, яким має бути світ через п’ять-десять років, і готові пройти складний шлях заради цього результату.

AI-агенти не скасують системне мислення

Поширення штучного інтелекту не зменшує значення технічного й системного мислення. Воно лише піднімає рівень абстракції.

Раніше засновники писали код, а потім будували організації з людей. Тепер вони координують окремих AI-агентів. Наступним етапом може стати управління мільйонами, а згодом і трильйонами агентів.

Ключовою навичкою буде здатність створювати структури ролей, цілей, метрик, робочих процесів і циклів зворотного зв’язку. Саме системне мислення визначатиме, чи зможе компанія перетворити можливості моделей на стійкий бізнес.

Найбільша можливість AI — автономні бізнес-цикли

Найперспективнішим напрямом Александр Ванг називає agentic looping — системи, у яких AI-агенти безперервно виконують завдання, оцінюють результат і коригують наступні дії.

Компанію можна описати як великий цикл зворотного зв’язку: бізнес залучає клієнтів, покращує продукт, збільшує виручку, наймає людей і знову інвестує у зростання. Усередині нього працюють менші цикли, більшість яких поки контролюють люди.

AI-агенти можуть автоматизувати окремі етапи, а згодом — оптимізувати цілі бізнес-процеси. Ванг стверджує, що всередині Meta вже були випадки, коли правильно побудований агентний цикл із чіткою метрикою дозволяв групі агентів легко перевершити команду зі 100 інженерів.

Практична конструкція такої системи складається з кількох елементів:

Вирішальною стає не лише потужність моделі, а якість усієї системи.

Порада Ванга засновникам: знайдіть найдовшу експоненту

Якби Александр Ванг міг звернутися до себе у 18 років, він порадив би сформувати власний внутрішній компас і не дозволяти ринковому шуму руйнувати переконання.

Друга порада — знайти процес із найкрутішою експоненційною траєкторією, який може розвиватися десятиліттями. Раніше такою кривою був закон Мура. Сьогодні, на думку підприємця, нею є прогрес AI.

На початку така експонента може здаватися нецікавою. Коли Ванг створював Scale AI, передові моделі розпізнавали котів у відео, а бізнес на даних здавався інвесторам недовговічним.

Рання ставка дала компанії час накопичити досвід, технології та клієнтів до моменту, коли AI став глобальним трендом. У новій хвилі виграватимуть не ті, хто просто має доступ до моделей, а ті, хто раніше за інших зрозуміє, яку проблему варто вирішити та яку систему для цього потрібно побудувати.