Глава Palantir Алекс Карп открыл конференцию AIPCon 11 короткой и очень резкой речью. Palantir это компания, чей ИИ работает на полях сражений по всему миру, и Карп рассказал, чего она отказывается строить и почему берёт деньги только после результата.
Мы разобрали речь в восьмиминутном выпуске на нашем канале: смотреть разбор на YouTube. Из неё получились три правила, по которым можно проверить любого подрядчика по ИИ. Ниже главное текстом.
Правило первое: не строить бред, сколько бы за него ни платили
Карп начал с истории про генерала, который отлично знал поле боя, но ничего не понимал в технологиях. Генерал попросил построить ему, цитата, «дурацкую инопланетную антигравитационную машину, которая ещё и скажет, какой я гений».
Инженер Palantir ответил генералу прямо и довольно грубо. Так говорить нельзя, признаёт Карп, но именно это стало ключевым для компании: мы не строим бред, сколько бы за него ни платили. Он приводит пример с французским официантом, который знает продукт и не станет лить сироп на пол, сколько ему ни заплати. Из этого выросли знаменитые инженеры Palantir, которые сидят у клиента и знают его работу изнутри.
Перенесите это на себя. Сколько раз подрядчик соглашался строить вам то, что вы попросили, а не то, что нужно? На наш взгляд, хороший поставщик ИИ обязан спорить с вами, а не кивать.
Проверка: если подрядчик ни разу не сказал вам «нет», он строит вам антигравитацию.
Правило второе: ценность должна оставаться внутри компании
Дальше Карп разбирает, как менялась вся ИИ-революция. Сначала большие языковые модели заработали, но им не хватало точности, и они не стыковались с рабочими процессами. Потом рынок понял, что без прикладного слоя, который подключает модель к вашим данным и задачам, пользоваться ею нельзя.
Но параллельно бизнес переплачивал за каждый запрос к чужой модели и почти не замечал, что его альфа утекает наружу. Альфа это то, почему у вас получается то, что не получается у других. Карп сравнивает чужие модели со случайными связями: партнёр берёт вашу ценность и раздаёт другим.
Альтернатива по Карпу: свои модели, дообученные на ваших данных, на базе открытых или коммерческих. Он утверждает, что в секретных средах такие модели уже обгоняют передовые и стоят дешевле. Независимых цифр он не приводит, поэтому относитесь к этому как к заявлению продавца. Но сама логика верна для любого бизнеса: не отдавайте главное знание туда, где им пользуются все.
Проверка: остаются ли ваши данные и ноу-хау внутри, и можно ли держать модель у себя.
Как Palantir сводит данные армии США в одну модель, не заменив ни одной базы, и как тот же подход работает в обычной компании с 1С и CRM, я показал на схеме из трёх слоёв.
Правило третье: защищайте то, чем вы отличаетесь
О том же с другой стороны говорит основатель AppLovin: настоящий ров это уникальные данные и люди умнее тебя, разбор его интервью. Третья часть речи о том, почему это работает в Америке. Карп говорит, что американский бизнес не расслабляется, потому что иначе его вытеснят: «вас заменят, обойдут, вы просто исчезнете». Военная логика прямая: никогда не давать противнику на поле боя или конкуренту в жизни понять, почему у вас получается то, чего не могут они.
Для предпринимателя вывод простой. ИИ должен усиливать то, что вы делаете особенно, а не размывать это. Про то же с другой стороны говорит основатель UiPath: ценность не в модели, а в карте вашей работы. Если ваш процесс легко повторить с той же публичной моделью, у вас нет преимущества.
Проверка: усиливает ли ИИ ваше отличие от конкурентов, и не видно ли его снаружи.
Главный тезис: деньги после результата
Самое сильное в речи Карп оставил на конец. Palantir зарабатывает после того, как ценность создана: не убеждает клиента, что продукт ценен, не водит на ужины со стейками и не забирает его альфу. Обманывать клиентов, по словам Карпа, не только аморально, но и не работает.
На наш взгляд, это лучший тест для любого подрядчика по ИИ: готов ли он получать деньги после результата. Мы в Solaris работаем похоже: начинаем с пилота на одном процессе и замеряем результат до и после, в часах и деньгах. Подробнее о подходе на странице про внедрение искусственного интеллекта.
Три правила в одной проверке
1. Подрядчик не строит бред и готов сказать вам, что вы ошибаетесь.
2. Ваши данные и ноу-хау остаются внутри, модели подстроены под вас.
3. ИИ усиливает то, чем вы отличаетесь от конкурентов, и этого не видно снаружи.
И общий принцип: платите после результата и требуйте того же от себя перед своими клиентами.
Этот выпуск, как и остальные на канале, целиком собрал наш ИИ-агент: нашёл речь, написал сценарий, перевёл и озвучил цитаты, смонтировал и загрузил. Сколько роликов и просмотров он дал за первые три дня, я разобрал в отдельной статье. Если хотите разобраться, какие модели можно держать у себя и что такое дообучение, приходите в бесплатную Академию Solaris.
Как та же компания устроена изнутри и где в старых базах армии США нашлись 3,3 миллиарда долларов, мы разобрали отдельно: три механизма Palantir.
О том, как устроена продуктовая компания в отличие от подрядчика, говорит и основатель Anduril: пять его правил.
Если вы сами подаётесь в тендеры как подрядчик, посмотрите, как агенты читают всю ленту закупок и собирают пакет за 2–3 дня.
Частые вопросы
Что такое Palantir?
Американская компания, которая делает системы анализа данных и ИИ для армий, спецслужб и крупного бизнеса. Её ИИ работает на полях сражений по всему миру. Глава компании Алекс Карп.
Как проверить подрядчика по внедрению ИИ?
По трём вопросам: спорит ли он с вами или только соглашается, остаются ли ваши данные и знания внутри компании, и готов ли он получать деньги после результата, а не до.
Что такое «альфа» компании?
Уникальное преимущество: то, почему у вас получается то, что не получается у конкурентов. Карп предупреждает, что при работе с чужими моделями альфа может утекать наружу.
Можно ли держать ИИ-модель на своём сервере?
Да. Открытые модели можно скачать, запустить на своём сервере и дообучить на своих примерах. Тогда данные не уходят внешнему поставщику.
Правда ли, что свои модели лучше передовых?
Карп это утверждает для секретных сред, но независимых цифр не приводит. Разумный подход: выбирать модель под конкретную задачу и сравнивать на своих данных.