Тревога инвесторов в сфере ИИ в 2026 году: когда модели поглощают всё, что остаётся от рва защиты стартапов?

Автор: Сара Гуо

Перевод и адаптация: TechFlow

Вводная заметка TechFlow: Когда крупные языковые модели начинают превосходить людей во всех рейтингах, инвесторы впадают в отчаяние: «Кроме Anthropic и NVIDIA — что ещё стоит рассматривать?» Этот ведущий кремниеводолинский инвестор с помощью данных и кейсов объясняет: настоящий ров обороны лежит не в рейтингах — он скрыт в тех областях, которые невозможно измерить тестами.

К середине 2026 года у инвесторов может развиться особая форма «психоза ИИ» — отчаяние: «Нечего больше инвестировать. Надо вложить все деньги в Anthropic и NVIDIA и отправиться домой».

Я никогда не испытывал подобного чувства. Я давно убедился, что модели опережают меня на несколько поколений; я с радостью покупаю акции Anthropic и NVIDIA по рыночной цене; все мои самые умные друзья твёрдо уверены, что самоусовершенствование моделей скоро станет реальностью — но даже это не вызывает у меня отчаяния.

Это отчаяние вовсе не глупо. Его логика такова: если модели постоянно улучшаются во всём, то каждая компания, построенная на них, представляет собой лишь тонкую обёртку, ожидающую поглощения; единственной ценностью, способной выжить, остаются вычислительные мощности и передовые веса.

В качестве примера возьмём программное обеспечение — именно его отчаянные теоретики считают главным доказательством своей позиции. Devin, выпущенный в 2024 году, решал лишь 13 % задач в стандартных бенчмарках программирования и был практически проигнорирован. Полтора года спустя лучшие агенты достигают результатов выше 80 баллов и уже выполняют реальные задачи внутри Goldman Sachs и Армии США. Почти все сделали одинаковый ошибочный вывод: «Модели поглотили разработку ПО». Но когда модели поглотили наиболее легко измеримые части программной инженерии, мы заново осознаём то, что многие команды знали давно: инженерия всегда противилась количественному измерению, а самая легко измеримая часть вовсе не обязательно является самой важной.

Мерт Демирер из Массачусетского технологического института (MIT) и его соавторы наконец представили цифры: среди более чем 100 000 разработчиков новейшие кодирующие агенты повысили объём написанного кода примерно на 180 %, тогда как объём реально выпущенного кода вырос лишь на ~30 %. Писать код стало дешевле. Оставшуюся часть всё ещё приходится выполнять людям — и это остаётся крайне важным. Конечно, чистый эффект всё равно поразителен.

Бенчмарк — это то, что вы можете измерить, а то, что можно измерить, — то, на чём вы можете обучаться. Поэтому кодирующие агенты первыми достигли зрелости: компилятор — бесплатный верификатор, набор тестов — бесплатный верификатор; когда ответ сам проверяет себя бесплатно, вы можете бесконечно донастраивать модель, пока не превзойдёте этот тест. Однако прохождение тестов никогда не говорит вам, правильна ли данная правка для десятилетнего кодового репозитория, где три модуля существуют без документации, а конвейер развертывания едва держится на cron-задаче, которую никто не признаёт за свою.

Такая «правильность» не читается ни с рейтингов, ни вообще ни с чего. Вы узнаёте её только через достаточно длительную работу в реальном мире — только так можно понять, работает ли сложная система. Более умные модели не ускоряют ход мира. Никто не запускает юнит-тесты масштаба Google и не доверяет зелёной галочке; доверие возникает потому, что система выдержала многолетнюю реальную нагрузку. Такая правильность не только частная, но и представляет собой медленный ров обороны, который капитал не способен разрушить. Даже оптимисты признают: часы нельзя перекрутить. Ноам Браун, пионер моделей рассуждения в OpenAI, недавно написал, что единственный надёжный способ оценить агента за годовой временной интервал — это… запустить его на целый год.

Как сказал Гэйб Перейра, настоящая автоматизация — это не просто улучшение моделей. Это совместное движение продукта, модели, рабочих процессов и компании — причём три из этих четырёх элементов двигаются со скоростью организации.

Люди, которые двигаются, — это то, что бенчмарки не видят: изменение подхода скептически настроенных партнёров к решению задач, сохранение сплочённости команды в процессе переустройства. Именно поэтому при найме CEO способность работать с людьми столь же важна, сколько и аналитические способности — и более умные модели не изменят этот баланс. Обратная связь расплывчата, временные горизонты измеряются годами, а доверие принадлежит конкретному человеку. Каждая известная мне компания предоставила всем своим инженерам доступ к передовым моделям кодирования, но ни одна не изменила свою инженерную организацию с такой же скоростью. Внедрение заняло квартал — какой же это был удивительный квартал роста токенов! А вот переустройство занимает годы.

Видимо исчезает только то, что видно. Ценность работы структурно невидима: всё, что можно поместить в рейтинг, можно использовать для обучения — следовательно, любое измеримое уже находится на пути к товаризации. Этот процесс требует времени и никогда не завершится полностью, но направление необратимо. Как выразился мой друг Мэтт Макиннис из Rippling в финансовых терминах: токены, затраченные на ответы на общие вопросы, почти ничего не стоят, поскольку любой модели они по силам; зато токены, потраченные на логические выводы по вашим корпоративным данным, стоят значительно дороже — ведь они делают то, что вам действительно нужно, а не просто кажутся разумными.

Видимая работа поглощается с двух сторон. Снизу — насыщение задач: как только работа становится дешево проверяемой, заказчики перестают интересоваться, какая именно модель её выполнила, и начинают спрашивать, во сколько она обошлась; работа достаётся самой дешёвой открытой или дистиллированной модели текущей недели. Всюду, где такие агенты оказывают влияние, в конечном счёте решающее значение имеет рентабельность. Сверху — лаборатории пытаются заставить модели поглотить собственные «строительные леса». Поиск информации, маршрутизация между дешёвыми и дорогими вызовами, использование инструментов и даже стратегии рассуждения — всё, что раньше окружало модель, постепенно встраивается в её веса, пока «обёртка» не становится самой моделью. Это и есть поглощение передового края. Давление на рентабельность действует и в обратном направлении: универсальный агент должен быть готов ко всему — это дорого; специализированное приложение же может настроить рабочий процесс так, чтобы он работал на минимальных затратах токенов, и, в отличие от лабораторий, продающих эти токены, оно удерживает маржу.

Поэтому к любой работе можно задать два вопроса. Во-первых: её «правильность» частная и труднодостижимая? Та истина, которая существует исключительно внутри ваших данных? Во-вторых: она изолирована — заблокирована в системе, к которой вы не имеете доступа? Сопоставив это с насыщением задачи, вы получите матрицу 2×2. Насыщенные задачи с публичными ответами — это товарные токены, которыми владеют открытые модели. Передовые задачи с публичными ответами — там, где находятся бенчмарки кодирования — это зона побед лабораторий, поскольку бесплатная оценка не даёт преимущества. Приз находится в последнем углу — том, который невозможно обучить: передовые задачи, чья «правильность» существует только в частной сфере. Вы можете увидеть это в облаке рассуждений, ориентированном на AI-нативных пионеров: подавляющее большинство токенов генерируется кастомными моделями, а не универсальными открытыми.

Высота стены, ведущей в этот последний угол, различна. Игрушечный кодовый репозиторий одного разработчика портируем и стандартизован — значит, стена невысока. Производственная система банка — ни то, ни другое; вы не получите root-доступ просто потому, что набрали на 2 % больше баллов в SWE-Bench Verified.

Способности поглощают многое, но лучшие модели не превращают частные базовые факты в публичные. Они не имеют лицензий, не берут на себя ответственность и не владеют корпоративными документами; когда ответ ошибочен, их нельзя привлечь к суду. Здесь узкое место — не интеллект, а разрешение и ответственность. Можно представить модель, намного умнее любого человека, которая всё равно должна получить разрешение на вход и за действия которой кто-то должен поставить подпись.

Эта дверь имеет замок и засов. Замок — это среда: вы можете проверить, полезно ли ИИ-решение, только после того, как вас признают доверенным участником системы — пройдёте безопасную проверку, интеграцию и подпишете контракт на результаты. Засов — это пользователь. Сегодня большинство врачей в США ежедневно открывают OpenEvidence, и никакое количество вычислительных мощностей не купит этот доступ. Завтра лаборатория может обучить идеальную медицинскую модель, но она всё равно не войдёт в привычки врачей или в процессы принятия решений в Калифорнийском университете в Сан-Франциско, потому что доверие строится медленно, на основе отношений и требует молчаливого согласия пользователей — а не стирания их градиентного спуска.

Это тоже работа. Приложение завоёвывает своё место в «необучаемом» углу, выполняя незаметную работу: структурирует частную реальность компании так, чтобы модель могла на ней действовать, предоставляет модели инструменты для действий, сотрудничает с клиентами, чтобы изменить реальность их сотрудников. Компанию, предлагающую перевод, сложно скопировать — а перевод никогда не заканчивается. Интеграция и поддержка длятся столько же, сколько и отношения, и побеждают те команды, которые размещают инженеров предметной области и инструменты рядом с клиентом.

Вот пример: в одной из ведущих юридических фирм «белых перчаток» ежегодно проводится почти тысяча сделок M&A. По причинам конфиденциальности и множеству других факторов вы не можете позволить сотням помощников скачивать клиентские файлы на свои компьютеры и просить универсального агента их проанализировать; даже если бы смогли, знания, полученные таким образом, были бы фрагментарными — поправка за поправкой от каждого помощника, без видения потока всей сделки. Важные сигналы существуют на уровне сделки, а сделка имеет форму: для M&A — соглашение о неразглашении, список условий, due diligence, договор купли-продажи, приложения, чек-лист закрытия; для IP-споров — ходатайства, процесс раскрытия доказательств, анализ существующего уровня техники, новые ходатайства. У каждой практики своя структура, и юристы, и инструменты не взаимозаменяемы между практиками. А реальные проблемы, решаемые юридическими фирмами, находятся на ещё более высоком уровне: одновременное управление всеми практиками, как ведущие партнёры одновременно руководят сотнями дел, принимают новые дела и обучают помощников. Трансформация такой фирмы — это не единая задача, для которой можно составить бенчмарк. Она требует операционного менеджера, применяющего методы анализа данных, с крайне размытыми целями, неполной обратной связью и долгосрочными горизонтами в динамичной среде.

К сожалению, невидимая ценность также трудно продавать — по той же причине, по которой её трудно товаризировать: компании не могут оценить извне, преобразует ли ИИ их операционную деятельность — так же, как это не может сделать бенчмарк. Поэтому сильнейшие предприятия перестают пытаться доказать ценность извне и вместо этого проникают внутрь, устанавливая цену на результат. Sierra взимает плату, когда её агент решает проблему клиента, и не взимает — когда проблема передаётся человеку; таким образом, цена становится оценкой, что возможно только при наличии у Sierra собственного определения «решено». Cognition применяет тот же подход с Devin в ПО, предлагая «гарантию производительности», которая возможна только в системе, в которую вас допустили и доверили.

Даже сервисные токены — слой, который все называют чистым товаром, — не функционируют как товар. Лучшие AI-нативные компании концентрируют свои сервисы на одном-двух поставщиках (Baseten или Fireworks), поскольку стоимость за токен по плану товаризируется, а надёжность в условиях реального трафика и гарантированный доступ к дефицитным вычислительным мощностям — нет. Где вы обслуживаете клиентов — это выбор, отличный от выбора используемых моделей. Единственное, что в инференсе действительно работает как товар, — это цена.

Часто возникает возражение: лаборатории — ваши поставщики; почему они не будут запускать собственные продукты первого уровня ниже себестоимости, чтобы выжать вас, или отозвать ваш API-доступ и сами захватить рынок? Это — истинная версия «теории отчаяния», и она работает только в случае, если уровень моделей — это игра одного участника. Очевидно, это не так — это скорее смертельная гонка трёх с половиной сторон, международные игроки отстают в обучении на шесть месяцев, а размер альянса развития вырос в пять раз по сравнению с прошлым годом. Клиенты хотят конкуренции между поставщиками, а лаборатории стремятся к доле рынка, а не к гибели какого-либо приложения.

Это хорошо видно на рынке прямого столкновения лабораторий. В потребительских чатах лучшая модель никогда не побеждает просто так. ChatGPT сохранял лидерство в течение многих лет реальной конкуренции; сейчас его доля уменьшается, и часть её переходит к Gemini благодаря силе Android и поиска — а не лучшей модели. Anthropic, которая сегодня оценивается прогнозными рынками (и интернет-атмосферой) как обладательница лучшей модели, почти не фигурирует в потребительских чатах, но построила свой бизнес в корпоративном секторе и в кодировании. Если лучшая модель не может отобрать пользователей конкурентов даже в самом центральном применении, она не сможет проникнуть через медицинские записи больниц или банковские обязательства через интеграции. Сегодняшний выбор публики опирается не только на кодирование. Если передовой край остаётся насыщенным, то ценность будет нарастать над ним.

Если работу невозможно оценить извне, то внутри компании кто-то должен решить, что вообще считать «хорошим ответом» — и именно это решение и есть вся игра. Достаточно много таких решений, зафиксированных письменно, — и вы получите бенчмарк. Harvey выпустил бенчмарк для юридической сферы, Sierra — для голосовых агентов. Вы завоёвываете право определять, что «хорошо» для вашей области, став тем инструментом, который уже используется в этой области; компании добились этого права в борьбе за реальное внедрение.

Оценка, определяющая реальные деньги, частная и уникальная для каждой компании: что именно эта компания в этом виде деятельности примет в качестве «хорошей работы». Она далеко не завершена, поскольку глубина юридической практики делает любые публичные тесты незначительными. OpenEvidence определяет, каким должен быть безопасный клинический ответ. Это не настоящие измерения — это суждения о том, что истинно и что хорошо, зафиксированные письменно до тех пор, пока они не станут стандартом, по которому измеряют всех остальных; основные лаборатории, сколь бы умными они ни были, не могут их создать, потому что такое положение существует только внутри самой области. Эта авторитетность, как правило, остаётся там, где она уже была: опытные юристы составляют юридические бенчмарки; определение безопасного клинического ответа лежит на врачах; а «решено» — это то, что говорят компании, уже имеющие клиентов.

Поглощение передового края продолжает расти, поскольку мы учимся измерять всё больше задач, а измеримое поглощается. «Необучаемая» территория сокращается под ногами каждого, кто на ней стоит, поэтому вы не можете найти обороняемую точку и остановиться. Вы постоянно продвигаетесь к тому, что ещё не поддаётся оценке, и постоянно перестраховываетесь. На узкой задаче, с вашими частными данными и вашей собственной оценкой, вы можете обучить модель до передового уровня и превзойти универсальную модель там, где это важно; такая специализированная модель становится частью рва обороны. С другой стороны, конкуренция на универсальных моделях — это война капиталов, и вы проиграете тому, у кого больше вычислительных мощностей — это ловушка компаний, владеющих поверхностным доступом и видимыми задачами. Она обещает день, когда вы сможете выйти за пределы передового обучения в рамках универсальных задач, чтобы выжить; победители, похоже, определяются масштабом дата-центров, а финал обычно — не независимый чемпион, а продажа богатому обладателю вычислительных мощностей.

Всё это — защита. Гораздо сложнее — атака: выбор того, что строить в первую очередь. Именно это я искал целый год и, возможно, нашёл трижды. Модели здесь не помогают. Они делают всё, куда вы их направите, но не подскажут, куда стоит направить — это невозможно измерить бенчмарком, а значит, и обучить. Именно поэтому существующие компании не захватывают всё: они удерживают уже имеющееся, а следующее появляется от тех, кто раньше остальных обнаруживает применение. Возможно, намерение — более дефицитный ресурс, чем вычислительные мощности.

«Теория отчаяния» отчасти права. Да, тонкие обёртки действительно поглощаются, и многое из того, что сегодня выглядит как компания, — это именно тонкая обёртка. Но она ошибается в том, что остаётся. Механизм ясен; цель — нет. Я делаю ставку на направление: интеллект постоянно дешевеет, а ценность неуклонно смещается к немногим местам, куда модели не могут добраться. Необучаемое — это то, что имеет историю. Поэтому выберите одно из таких мест, начните делать незаметную «переводческую» работу, начните фиксировать, что значит «хорошо» там — ведь кто-то это сделает. Самый цитируемый бенчмарк-результат этого года — карта территории, которая вот-вот обесценится, и уведомление о том, кто вот-вот потеряет право определять, что считать «хорошим».