Самый рациональный взгляд на ИИ, который вы услышите в этом году | Бенедикт Эванс

Коротко

Бенедикт Эванс (бывший партнёр-аналитик a16z) утверждает, что AI — сдвиг масштаба интернета или мобильных, но мы находимся в «1997 году»: технология реальна, но большинство применений ещё не построено и непонятно, как всё будет работать. Центральный тезис — разница между задачей и профессией: AI автоматизирует конкретные таски (написание кода, слайды), но люди нанимают юриста, McKinsey или инженера не за таск, а за всё остальное, поэтому простое «заменим консультантов на AI» — наивно. Парадокс: самые продвинутые AI-лаборатории не сокращают, а массово нанимают людей и вкладываются в forward deployed engineers и консалтинг. По экономике моделей Эванс настроен скептически — у foundation-моделей нет сетевых эффектов и дифференциации, поэтому они рискуют стать commodity с низкой маржой (как телеком), а вся ценность уйдёт выше по стеку в приложения и дистрибуцию. Сквозной мотив — «радикальная неопределённость»: мы не знаем, куда это идёт, но исторически каждая волна автоматизации создавала новые рабочие места, и совет один — не прятать голову в песок, а разбираться и применять.

Главный тезис

AI — фундаментальная трансформация уровня интернета, но мы в самом её начале («1997»), и ключ к пониманию не «что автоматизируется», а различение задачи и профессии: автоматизация отдельных тасков почти никогда не убивает профессию, а перераспределяет ценность и создаёт новый спрос — поэтому нужно не паниковать, а смиренно признать, что мы не знаем будущего, и идти разбираться.

Ключевые идеи

• 2:49 — AI как изменение масштаба интернета или мобильных, не меньше; спор «на 20% или на 100% больше интернета» непродуктивен
• 3:22 — мы в «1997-м»: большинство применений ещё не построено, неясно, как всё заработает, когда заработает
• 4:09 — огромный разброс в adoption: даже среди 13–18-летних ~15–20% пользуются ежедневно, остальные 60% не пользуются вообще
• 7:44 — аналогия с первым спредшитом в конце 70-х: бухгалтер видит чудо, а юрист/журналист — «это не то, что я делаю»
• 10:19 — AI-лаборатории инвестируют в forward deployed engineers и консалтинг, потому что у компаний нет свободных людей, чтобы переосмыслить внутренние workflow
• 12:45 — главный вопрос: что самое сложное в работе — написать код построчно или что-то другое; «иногда задача и есть работа, но чаще нет»
• 13:42 — парадокс Джевонса = прикладная ценовая эластичность: дешевле → делаем больше, а не сокращаем; число бухгалтеров росло весь XX век несмотря на калькуляторы, мейнфреймы, Excel
• 14:27 — у iPhone-разработчика 90% кода уже написано Apple, но инженеров стало не меньше, а больше
• 15:28 — McKinsey нанимают не за 75 слайдов (это таск), а чтобы просветить всю организацию и ответить «почему вы сами этого не сделали»
• 21:34 — корпоративный цикл продаж софта ~18 месяцев; «doomers на Twitter» думают, что компании завтра купят ChatGPT и через две недели уволят всех — это идиотизм
• 38:34 — у моделей нет сетевых эффектов, нет winner-takes-all, нет радикальной дифференциации продукта
• 32:46 — на тезис Альтмана «продавать интеллект через счётчик как электричество» Эванс отвечает про низкую маржу utility-сектора: TV-компания не платит % счёта электрику
• 39:04 — модели станут больше как AWS/cloud, чем как Windows: пользователю всё равно, на какой модели работает приложение
• 43:23 — когда продукт commodity, дистрибуция решает: Google продвигает Gemini, Meta — везде, для обычного человека разницы с GPT нет
• 1:03:35 — нельзя сказать «17% работы юриста автоматизируемо»; это та же ошибка, что экспертные системы, пытавшиеся распознать кота из 700 логических шагов

Почему это важно

Это карта ставок в гонке на сотни миллиардов долларов. Если Эванс прав, проигрывают именно foundation-модельные компании (OpenAI, Anthropic), чьи маржи сожмутся до commodity-уровня телекома, а выигрывают те, кто строит приложения и владеет дистрибуцией — Google, Meta, Apple, Microsoft с миллиардами устройств и встроенными каналами, плюс прикладной слой стартапов. Консалтинговые гиганты (Bain, BCG, McKinsey, Accenture) и инфраструктура (AWS, WorkOS) получают новый спрос, а не вымирают. Для рядового работника и студента ставка — личная: рынок труда для джуниоров в профессиональных услугах под вопросом, и единственная защита — не идеологическое отрицание, а практическое освоение. Аргумент важен ещё и потому, что вскрывает дефицит данных: модельные лаборатории не раскрывают даже DAU, и весь публичный разговор строится на опросах и догадках.

Идеи

• AI-термин — движущаяся мишень: как только машина что-то умеет, люди говорят «это просто софт», а не AI (цитата Larry Tesler)
• IBM в 50-х продавала «электронный калькулятор» со слоганом «это как 150 дополнительных инженеров» — ровно маркетинг Claude Code сегодня
• Лифтёр как метафора: иногда задача (нажать кнопку) и есть работа — тогда её автоматизируют целиком; но это редкий случай
• До Excel джуниор-банкиры работали адские часы; благодаря Excel сотрудники Goldman... всё равно работают много — экономия ушла в больший объём работы
• Amazon решает «как купить нужное», но не «что именно тебе нужно» — Claude пишет код, но не знает, какой код ты хочешь
• Газеты и звукозаписывающие лейблы погибли, потому что не понимали, что физически производят пластик/бумагу, и при отделении «носителя» остались ни с чем
• Скорость adoption AI выше прошлых волн только потому, что инфраструктура (900 млн интернет-юзеров) уже существует — «стоишь на плечах гигантов»
• 10 случайных SaaS-компаний, основанных накануне запуска ChatGPT, могли быть основаны и 15 лет назад — задержка была не в технологии, а в осознании проблемы
• Чтобы построить один график про SKU в супермаркетах, в 1994-м ушло бы две недели и $500; сегодня — два часа в Google; мы забыли, насколько интернет всё изменил
• AGI vs суперинтеллект — терминологическая каша: год назад суперинтеллект был «меньше AGI», теперь «AGI уже есть, а суперинтеллект — это сложно»
• Спор «крипто — это AI или наоборот» = старый holywar «X это Y или Y это X»: правильного ответа нет, важно понимать, что ты имеешь в виду
• Даже если прогресс моделей завтра упрётся в стену, имеющегося достаточно, чтобы менять мир следующие 10 лет — в трансформацию верить не обязательно
• Мобильная революция половину интернет-индустрии не изменила вообще: для Google — ничего, для Meta — отлично, Yahoo Mail не пережил переход
• Старая аналитическая мудрость a16z (Sinofsky): инкумбенты пытаются сделать из новинки «фичу», и иногда они правы
• Браузер достиг «платоновского идеала»: последняя инновация в дизайне — вкладки, 20–25 лет назад; как стеклянный прямоугольник смартфона
• Microsoft выиграла браузерные войны на дистрибуции — и это ничего ей не дало, потому что ценность была выше в стеке
• Apple Intelligence с WWDC 2024 — самое убедительное видение персонального ассистента, которое Эванс видел; Apple не смогла его запустить, но и никто другой не смог
• «Водяная» паника вокруг дата-центров — фейк: по данным Livermore Lab за 2024 дата-центры это ~0,017% водопотребления США; настоящая проблема — локальное планирование
• Дипфейки качественно отличаются от Photoshop: 15-летний не мог за один день разослать всей школе фейковые ню одноклассниц, а теперь может
• Скандал Post Office в Британии: баги в системе Fujitsu 70-х обвинили сотни франчайзи в воровстве — тюрьмы, банкротства, самоубийства; каждая технологическая волна даёт новые способы разрушить чужую жизнь
• Интернет соединил всех — включая всех плохих людей и худшие инстинкты общества (от изолированных меньшинств до педофилов)
• Стриминг вернул доходы музыки к ~75% пика: вопрос «что если за $15/мес доступна вся музыка» — совсем другой, чем «$15 за CD»
• Spotify — не онлайн-магазин музыки, это нечто иное; новое определение проблемы важнее, чем «делать старое, но больше»
• Личный тренер: можно поставить iPhone на полку и попросить AI составить и проверять тренировку — звучит абсурдно, но именно так эти вещи и срабатывают неожиданно
• Airbnb почти не задел отели (бизнес-поездки никуда не делись), но создал новый рынок; Uber же вытеснил такси и одновременно вырастил весь рынок поездок
• Сам Эванс почти не находит применений AI для своей работы — он «юрист, смотрящий на спредшит»; пользуется для вычитки, картинок, редизайна квартиры
• Голосовая диктовка с автотранскрипцией — уже LLM внутри, но воспринимается просто как автоматизация: «в какой-то момент это перестаёт быть AI»
• Телефоны до iPhone бурно эволюционировали в дизайне вокруг «маленького серого квадратика», пока всё не сошлось к одной форме — как автомобили до аэродинамических тоннелей
• Чат-бот — это пустой экран с рваными краями: огромная проблема UX, решаемая упаковкой в конкретные use-cases

Инсайты

• Архитектура обучения и природа моделей делают их недифференцируемым commodity: без сетевых эффектов и без winner-takes-all ценовая власть структурно стремится к нулю, а стоимость мигрирует туда, где есть лок-ин и дистрибуция
• Профессия ≠ сумма задач: попытка разложить работу на «X% автоматизируемо» воспроизводит провал экспертных систем — целое не сводится к перечислению формализуемых шагов
• Технологическая трансформация распространяется не скачком, а диффузией — сектор за сектором, годами, пока не накопится понимание новых возможностей; скорость ограничена не моделью, а человеческим осознанием проблемы
• Удешевление ресурса почти никогда не сокращает совокупную работу — по эластичности спроса оно открывает новые объёмы и новые рынки, поэтому исторический баланс автоматизации всегда положителен по созданной ценности
• Ценность в технологическом стеке систематически утекает вверх, от инфраструктуры к приложению: тот, кто производит «крутое», а не «сложное», забирает маржу (телеком → Apple, браузер → сервисы)
• Дистрибуция становится решающим конкурентным преимуществом ровно тогда, когда продукт превращается в commodity — а удешевление разработки софта повсеместно толкает продукты в commodity
• Радикальная неопределённость — это не отговорка, а рабочая методологическая позиция: смирение перед непредсказуемостью продуктивнее ложной точности прогнозов «авторитетов»
• Определения сдвигаются под достигнутое: «AI», «AGI», «суперинтеллект» — термины с плавающей границей, поэтому споры о них менее информативны, чем кажется
• Каждая новая инфраструктура одновременно расширяет благо и масштабирует вред симметрично — соединяет лучшее и худшее в людях, и паника тут так же бесполезна, как отрицание
• Реальная революция видна не в фазе «делаем старое, но больше», а когда технология переопределяет сам вопрос и создаёт то, что прежде было невозможно
• Авторитет эксперта релевантен только в его домене: компетентность в обучении моделей не даёт привилегии в теории труда и рынков
• Дефицит данных сам по себе политически нейтрализует дискуссию: когда нет даже DAU, нарратив побеждает факты, и реакция (как с соцсетями) смешивает реальное, полуправду и фейк

Фреймворки

Три части презентации Эванса (структура его взгляда на AI):

• Капитал — куда уходят инвестиции и будет ли у модельных лабораторий ценовая власть
• Внедрение (deployment) — что это значит для софтверной индустрии
• Изменение — как это меняет вещи; здесь центральный вопрос «что есть задача, а что — работа»

Различение задача vs профессия — диагностический вопрос для любой работы: является ли самое сложное «нажатием кнопки» (тогда функция автоматизируется), или это всё остальное, за что тебя реально нанимают.

Эволюция применения технологии (3 ступени): 1) делаем старое в новом месте (Flickr на мобильном, печать имейлов); 2) создаём то, что возможно только с новым; 3) полностью переопределяем вопрос и строим нечто непохожее (Spotify, Airbnb).

Навыки/работа/оплата — «хочешь владеть хотя бы двумя из трёх, в идеале всеми: что ты умеешь, какую работу можешь хорошо делать, и за что люди готовы платить».

Цитаты

«Mijn meest controversiële mening is dat ik denk dat AI net zo belangrijk is als internet of mobiele technologie en niet minder belangrijk» — 0:00 Моё самое спорное мнение в том, что AI настолько же важен, как интернет или мобильные технологии, не меньше

«Het meeste werkt nog niet. Het meeste wat mensen ermee willen doen, is nog niet gebouwd» — 3:29 Большинство ещё не работает. Большинство того, что люди хотят с этим делать, ещё не построено

«Die mensen zijn idioten. Je kunt niet voorspellen welke dingen aan het licht zullen komen» — 0:30 Эти люди идиоты. Нельзя предсказать, какие вещи выйдут на свет

«Je kunt niet zomaar naar een seniorpartner bij een advocatenkantoor kijken en zeggen, nou, 17% van hun werk zou geautomatiseerd kunnen worden, dat is onzin» — 0:34 Нельзя просто посмотреть на старшего партнёра юрфирмы и сказать «ну, 17% его работы можно автоматизировать» — это чушь

«de paradox van Joe is gewoon toegepaste prijselasticiteit» — 13:42 парадокс Джевонса — это просто прикладная ценовая эластичность

«AI is alles wat machines nog niet kunnen, want zodra machines het wel kunnen, zeggen mensen, nou, dat is gewoon software» — 27:27 AI — это всё, что машины пока не умеют, потому что как только машины это умеют, люди говорят «ну это просто софт»

«moet ik je de margestructuur van de nutsector uitleggen» — 32:46 должен ли я объяснить тебе структуру маржи коммунального сектора

«Het is een reseller met lage marges, eenmalige verkopen» — 40:06 Это реселлер с низкой маржой и разовыми продажами

«Het zou er dus uiteindelijk meer uit moeten zien als de cloud dan als Windows» — 39:04 В итоге это должно выглядеть скорее как облако, чем как Windows

«als een product een commodity is, de distributie het belangrijkste is» — 43:51 если продукт — commodity, то главное — дистрибуция

«Het is een glazen rechthoek, daar kun je niets mee doen» — 44:34 Это стеклянный прямоугольник, с ним ничего не сделаешь

«Dat waterverhaal is raar, want het is gewoon compleet nep» — 48:57 Эта история с водой странная, потому что она просто полный фейк

«Elke technologische golf brengt manieren met zich mee waarop je iemands leven kunt verwoesten, opzettelijk of per ongeluk» — 58:07 Каждая технологическая волна несёт способы разрушить чью-то жизнь — намеренно или случайно

«je kunt iemand niet met redeneringen van een idee afbrengen dat hij of zij niet redelijkerwijs zal accepteren» — 52:32 нельзя логикой разубедить человека в том, к чему он не пришёл логикой (перефраз Свифта)

«Steek je kop niet in het zand en zeg niet, ik haat dit allemaal» — 0:56 Не прячь голову в песок и не говори «я всё это ненавижу»

«Dat geeft je een geweldig gevoel van morele superioriteit» — 0:59 Это даёт тебе прекрасное чувство морального превосходства

«Wat wel helpt, is je erin verdiepen en erachter komen wat je vandaag de dag ook kunt doen» — 1:09 Что действительно помогает — это углубиться и разобраться, что ты уже сегодня можешь с этим делать

«ik ben een beetje de jurist die naar chatGBT kijkt» — 1:09:01 я немного как тот юрист, что смотрит на ChatGPT (видит чужое чудо, но не своё)

«AI goed is in dingen waar computers slecht in zijn en slecht in dingen waar computers goed in zijn» — 1:09:42 AI хорош в том, в чём компьютеры плохи, и плох в том, в чём компьютеры хороши

«Ik wil dat de AI de saaie dingen doet die ik niet voor de lol doe» — 1:10:50 Я хочу, чтобы AI делал скучные вещи, которые я делаю не ради удовольствия

«mijn antwoord op alles is. Het hangt ervan af» — 1:06:06 мой ответ на всё — «это зависит»

«Je kunt een deel hiervan zeggen. Maar je moet wel nederig blijven» — 1:06:18 Кое-что из этого сказать можно. Но нужно оставаться смиренным

«Je moet erin duiken, het absorberen, internaliseren en nadenken over wat het betekent» — 1:08:25 Нужно нырнуть в это, впитать, усвоить и подумать, что это значит

«Het ergste in de techwereld is om steeds maar over hetzelfde te blijven praten» — 1:18:33 Худшее в техмире — это бесконечно говорить об одном и том же

«je iets pas echt begrijpt als je verder moet gaan met iets nieuws» — 1:18:37 ты по-настоящему понимаешь что-то, только когда движешься дальше к новому

Факты

• Бенедикт Эванс — долго был партнёром и внутренним аналитиком a16z, до этого equity-аналитик; последние ~6 лет работает как независимый аналитик, выпускает презентацию раз в полгода (последняя — 80 слайдов)
• Презентация называется условно «AI eats the world»; новую он опубликовал накануне записи
• Первый спредшит появился в конце 70-х; Apple II с монитором и принтером стоил тогда $10 000–15 000
• По опросам среди 13–18-летних ~15–20% активны ежедневно, ещё ~20% еженедельно, остальные ~60% не пользуются (данные из его презентации)
• ChatGPT имеет ~900 млн недельных пользователей — возможно потому, что в интернете уже было 900 млн человек; когда Marc Andreessen запускал Netscape, в мире было 50–100 млн ПК
• Пик установленных мейнфреймов — порядка 70 000–80 000 единиц; сегодня в мире ~1,5 млрд ПК (из них ~7-8 млрд потребительских по его оговорке) и ~5,5–6 млрд смартфонов
• Мировая мобильная индустрия — выручка ~$1 трлн/год, капвложения ~$200 млрд/год (~15–20% выручки); весь телеком ~$300 млрд капвложений; потребление мобильных данных выросло в ~1500–2000 раз с 2010 года, а акции почти не выросли за 25 лет
• Исследование Livermore Lab конца 2024: дата-центры США потребляют ~0,017% всей воды; дата-центры — ~5% энергии США, рост ~1% в год ближайшие 5 лет
• Мировые доходы от записанной музыки имеют U-образную кривую: упали примерно вдвое между 2000 и 2015, затем выросли до ~75% пика (с поправкой на инфляцию)
• Один пользователь («тот парень из open Claude») потратил $1,5 млн на токены за месяц — Эванс сравнивает это с мобильным счётом $50 000 в 2010-м, т.е. временное явление
• Около 1800 года ~90% людей были фермерами; главным страхом был неурожай
• Larry Tesler — AI-учёный, автор определения «AI — это всё, что машины ещё не умеют»
• Британский Post Office / Fujitsu-скандал: новая кассовая система ~15 лет назад, баги показывали недостачи; сотни франчайзи (часто индийские иммигранты) попали в тюрьму, были самоубийства и банкротства — технология «из 70-х»
• ~30–40% новых подкастов, по словам Эванса, делаются с помощью AI (он подаёт как наблюдение, не как точную статистику)
• Эванс хранит ~20–30 старых телефонов; самый старый — Ericsson «Shark Fin» flip ~1998, есть e-mode 2001 и японский J-Phone 2001 с камерой и цветным экраном

Источники

• Книги: «Three Men in a Boat» (Jerome K. Jerome, упомянута как любимая комедия); книга William Cronon об экономической истории Чикаго («Nature's Metropolis» — про стандартизацию, логистику, сетевую динамику)
• Фильм: «Interiors» Вуди Аллена (упомянут как недавно просмотренная классика)
• Люди: Benedict Evans, Marc Andreessen, Dario Amodei (Anthropic), Sam Altman (OpenAI), Steven Sinofsky (a16z, ранее Windows), Eric Schmidt, Larry Tesler, Peter Holmes (стендап-комик), George Carlin, Jonathan Swift, Peter Thiel (отсылка к именам из Lord of the Rings в названиях компаний)
• Компании/проекты: OpenAI, Anthropic, Google/Gemini, Meta/Llama, Apple/Apple Intelligence, Microsoft, AWS, Cursor, Replit, Frame.io, Uber, Airbnb, Spotify, Bain, BCG, McKinsey, Accenture, Publicis, Infosys, Fujitsu, SAP, Netscape
• Данные: O*NET (датасет профессий США), Bureau of Labor Statistics, Food Marketing Institute, Lawrence Livermore Lab
• Личный сайт и рассылка Бенедикта Эванса (ben-evans.com / его newsletter, выходит еженедельно)

Рекомендации

• Не отрицать AI ради морального превосходства — нырнуть, освоить, понять, что уже сегодня можно делать, и стать ценным активом
• На собеседовании в юрфирму не говорить «AI — чушь, я никогда не буду им пользоваться»
• Читать разные книги, а не одну и ту же science fiction — «прочитайте ещё одну книгу», узнавайте о том, чего пока не знаете
• Посмотреть классический фильм, который «вроде надо было посмотреть» — часто оказывается лучше, чем казалось
• Постоянно толкать себя к новым вопросам: «по-настоящему понимаешь тему, только когда двигаешься дальше»

Итог

AI — реальная трансформация уровня интернета, но мы лишь в её «1997-м»: побеждает не тот, кто автоматизирует задачу, а тот, кто понимает разницу между задачей и работой, владеет дистрибуцией и сохраняет смирение перед тем, что предсказать всё равно невозможно.