Стань AI Native менее чем за 60 минут

Коротко

Тео, кофаундер Greg Isenberg по агентству LCA, раскладывает по полочкам, что такое AI-native организация: люди управляют агентами, агенты читают и пишут в общий контекст-слой компании (у него это буквально «мозг»), и система умнеет с каждым циклом. ChatGPT в работе AI-native не делает, нужен контур из навыков (skills), цепочек навыков (skill chains), курируемого контекста и обратного сигнала от рынка. В демо два живых воркфлоу: генерация персонализированного proposal-микросайта за 5 минут вместо трёх дней и функциональный прототип фичи Spotify со встроенным юзабилити-тестом и синтезом фидбэка за 10 минут вместо одной-двух недель. Отдельно, стартап-идеи: сервисные компании, сегментированные по отрасли, функции и размеру, переносящие эту систему в нишевые высокочастотные воркфлоу. Рамку задаёт история Демиса Хассабиса и его принцип: скорость без направления хуже, чем стоять на месте.

Главный тезис

AI-native, не «пользуемся ChatGPT», а система «люди → агенты → контекст», где скорость исполнения подчинена сигналу от клиентов. Цикл «построил за минуты → получил сигнал → сигнал вернулся в мозг компании» и создаёт непреодолимый ров.

Ключевые идеи

• 0:20, люди, освоившие AI-native подход, обгонят 99,9% населения: получат повышения в экономике сокращений и построят one-person billion-dollar companies.
• 6:13, принцип Демиса из Google: бежать в неправильном направлении хуже, чем стоять; скорость имеет смысл только в сервисе сигнала от клиента.
• 6:57, определение AI-native: люди управляют агентами, агенты читают и пишут в компанию, компания умнеет со временем, три опоры всей системы.
• 7:32, просто использовать ChatGPT ≠ быть AI-native: разрыв такой же, как между «у нас есть сайт» и «мы технологическая компания».
• 11:13, главный рефрейм: все теперь менеджеры. У каждого, безлимитные «сотрудники», и по Andy Grove успех менеджера измеряется успехом его команды (агентов).
• 13:52, агенты по определению Barry Zhang (Anthropic): модели, использующие инструменты в цикле; им нужны среда, инструменты и цели.
• 15:11, формула автономии агента: чёткая цель + навыки + инструменты + контекст. Аналогия, первый рабочий день новичка без онбординга: 15:46.
• 16:30, eval, это видимость результата агента: стандарт качества («как выглядит хорошо») зашивается в навык, контекст и цель, и нужное качество воспроизводится повторяемо.
• 19:57, skill chain, макро-навык, последовательно вызывающий вложенные навыки; недооценённый механизм, поднимающий качество и автономию.
• 23:27, галлюцинации, это ретивый новичок, который «fake it till you make it» в тысячекратном масштабе; работа менеджера, встроить verification skill, чтобы агент не выдумывал ничего вне транскриптов и данных.
• 29:41, пайплайн предложений: триггер из почты или транскрипта → цепочка «микросайт + копирайтинг + верификация» → деплой и пинг в Slack; персонализация («продавец в музыкальном магазине», «миля 8») вытащена из «мозга» автоматически.
• 27:45, «мозг» компании, буквально папки с markdown-файлами, agent-readable контекст-слой; DIY-альтернатива Glean/Notion AI без vendor lock-in и чёрного ящика.
• 34:56, контекстный контур: capture (Slack, почта, встречи, Linear) → curate (куратор-«библиотекарь»: 36:22) → store → execute → сигнал рынка возвращается в мозг.
• 39:30, rastros/exhaust: промежуточные решения и исследования нужно перерабатывать в новые артефакты мозга, а не хоронить в «кладбище файлов».
• 43:40, функциональный прототип за 10 минут с встроенным юзабилити-тестом, синтезом фидбэка и кнопкой «plan V2», против недель PRD и Figma-макетов: «дать людям пощупать и получить реальные реакции, вот и вся игра».
• 52:16, сервисные стартапы на этой системе: сегментация по отрасли × функции × размеру компании; рестораны, 52:30 фрагментированная ниша.
• 53:40, матрица «ниша↔генерал × частота»: начинать с нишевых высокочастотных воркфлоу (звонок → бриф → proposal → контент), затем расширяться в общее и в высокомаржинальное низкочастотное.

Почему это важно

Тео и Greg описывают, как LCA выигрывает контракты у Fortune 2000: пока конкуренты шлют plain-text письма через три дня, LCA отдаёт персонализированный proposal-микросайт за пять минут, и прямо называют это источником выручки. В выигрыше одиночки и малые команды: Claude, skills и MCP (Mobbin, дизайн-системы) дают им контекст уровня 55-человечного агентства. В проигрыше, «AI-curious» компании, застрявшие на уровне ChatGPT, и классические дизайн- и консалтинг-агентства, всё ещё конкурирующие скоростью людей. Игроки enterprise-памяти вроде Glean и Notion AI поданы как удобный, но закрытый компромисс против DIY-«мозга» на папках и markdown. Битва идёт за то, кому будет принадлежать контекст-слой компаний.

Идеи

• ИИ съедает «середину» работы (исполнение), человек смещается в края: стратегия и вкус в начале, ревью и коммуникация в конце, и именно «скобки» всегда были самой важной частью работы.
• Управлять ИИ без контекста, «менеджмент на сложности hard»: сверхумные сотрудники есть, а их интеллект разблокировать нечем, и постоянное микроменеджерство кончается отказом от инструмента.
• Галлюцинация переосмыслена не как технический баг, а как проблема доверия в команде, и лечится управленчески: верификационным звеном в цепочке навыков.
• Скорость в продажах, это «ковать пока горячо»: за дни ожидания proposal клиент остывает или уходит; минуты вместо дней меняют конверсию, а не только удобство.
• Персонализация из транскриптов создаёт «моменты связи», которые человек физически не вспомнил бы: цитата клиента о виниловом магазине из звонка многомесячной давности попадает в предложение.
• Триггер срабатывает без участия владельца: письмо «пришлите proposal» само запускает цепочку, и человек узнаёт о готовой работе из Slack-пинга, находясь в дороге.
• «Мозг» лечит организационную слепоту: вопросы «кого наняли две недели назад» и «какая была стратегия клиента в 2014» перестают требовать 14 сообщений и дней ожидания.
• Курация важнее накопления: перед записью в мозг «библиотекарь» решает, что хранить, что игнорировать, а что является триггером к действию.
• Автономия дозируется по ставкам: на high-stakes работе нужны permissions и ревью «то ли мы строим», любовь к автономии не отменяет уровней доступа.
• Routines (cron-задачи в Claude) каждый час-два стягивают данные из Slack, почты и таск-трекера в inbox мозга, «scheduled tasks на стероидах».
• Bootstrap контекста для одиночек: дизайн-система Spotify плюс Mobbin MCP плюс правильные навыки воспроизводят результат команды экспертов за минуты.
• Юзабилити-тест встроен прямо в прототип как виртуальный исследователь: вопросы по ходу флоу, шкалы, отчёт с синтезом, и V2 в той же сессии.
• Прототипы работают как лидген: среди «миллиона дизайн-агентств» выделяется то, что присылает стейкхолдерам работающий продукт, а не презентацию.
• Демо шло на «medium effort» в автоматическом режиме, обычно используется high/ultra и workflow с субагентами, оптимизирующими дизайн.
• Обратная связь должна фильтроваться человеком до записи в мозг: «это хорошо, это плохо, это поправь», иначе мусорный вывод агентов загрязняет контекст.
• Каждый диалог с агентом, это обучение системы: агент обновляет навыки, память и «пакует уроки» по ходу управления им.
• Бизнес LCA двухчастный: трансформация корпораций в AI-native плюс проектирование следующих поколений AI-native приложений, и внутренняя система обслуживает обе части.
• Сервис как троянский конь: продавать 30-дневные спринты и «команды ускорения», со временем превращая повторяющиеся воркфлоу в продукты.
• Greg прямо говорит, что пять новых компаний LCA, это «та же система × пять разных отраслей»; сама LCA туда не пойдёт, потому что сфокусирована на Fortune 2000, и рынки остаются открытыми.
• История Демиса подана как аргумент: шахматы → геймдев на призовые → нейронаука → DeepMind → Нобель, карьера, где каждый шаг наращивал контекст для следующего.

Инсайты

• Конкурентный ров теперь строится не из технологии как таковой, а из скорости цикла «сигнал рынка → готовый артефакт»: у кого цикл короче, тот недосягаем.
• Контекст становится капиталом компании: ценность аккумулируется в машиночитаемой памяти, а не в головах сотрудников, и потому переживает текучку.
• Менеджмент превращается из должности в универсальную компетенцию: иерархия «человек над людьми» заменяется иерархией «человек над агентами».
• Качество вывода ИИ, функция инфраструктуры вокруг модели (цели, навыки, инструменты, контекст), а не самой модели; жалобы на «тупой ИИ» почти всегда жалобы на собственный онбординг агента.
• Антропоморфные фреймы (новичок, библиотекарь, менеджер), не метафоры для красоты, а рабочий метод проектирования агентных систем: переноси практики управления людьми один-в-один.
• Автоматизация исполнения смещает дефицит с производства на суждение и вкус, оплачиваться будет то, что в начале и в конце процесса.
• Простые открытые примитивы (папки, markdown) систематически выигрывают у black-box enterprise-решений там, где важен контроль над собственной памятью.
• Побочные продукты работы, трейсы решений и отброшенные варианты, это недоиспользуемый актив; система, которая их перерабатывает, обучается бесплатно.
• Когда итерация стоит минуты, валидация перестаёт быть этапом и становится непрерывным фоновым процессом, экономика custdev меняется фундаментально.
• Преимущества больших команд (накопленный контекст, экспертиза) воспроизводятся инструментами, временное окно арбитража для одиночек.
• Демократизация знания о системе не отменяет ров: ров создаётся не знанием «как», а накопленным проприетарным контекстом, который нельзя скопировать.

Фреймворки

• AI-native организация = люди + агенты + контекст: люди управляют агентами, агенты читают/пишут в компанию, компания умнеет со временем.
• 4 условия автономии агента: чёткая цель, навыки, инструменты, контекст, отсутствие любого из них = «первый день новичка без онбординга».
• Уровни зрелости работы с ИИ: чат (ChatGPT/Claude) → агенты с подтверждениями («кто-то ждёт у монитора») → полная автономия (агент работает днями, как доверенный сотрудник).
• Контекстный контур: Capture → Curate → Store (мозг) → Execute → Ship → Signal → обратно в Capture.
• Сдвиг роли человека: раньше, исполнение в середине; теперь, стратегия/вкус в начале и ревью/коммуникация в конце, ИИ забирает середину.
• Skill chain: макро-навык из последовательных навыков. Пример proposal: микросайт → копирайтинг → верификация. Пример прототипа: гипотеза → билд → юзабилити-тест → синтез фидбэка → V2.
• Сегментация сервисного стартапа: три вектора, отрасль × функция × размер компании.
• Матрица 2×2 (адаптация грида Greg'а): ниша↔генерал × низкая↔высокая частота; вход через нишевое высокочастотное, выход в высокомаржинальное низкочастотное.

Цитаты

«serão capazes de superar 99,9% das pessoas no planeta», 0:20 …смогут обойти 99,9% людей на планете

«Essas são as pessoas que realmente criarão as empresas de US$1 bilhão para uma pessoa», 0:30 Именно эти люди создадут компании на миллиард долларов из одного человека

«Eu correr 60km de bufogar na direção errada é pior do que ficar parado», 6:13 Бежать со всех ног в неправильном направлении хуже, чем стоять на месте

«O Native GI é aquele em que as pessoas gerenciam agentes», 6:57 AI-native, это когда люди управляют агентами

«E só porque você usa o chat GBT Não faz de você uma empresa nativa de IA», 7:15 То, что ты пользуешься ChatGPT, не делает тебя AI-native компанией

«É como se você tivesse um site e se chamasse de empresa de tecnologia», 7:37 Это как иметь сайт и называть себя технологической компанией

«a principal lição aqui é que todos são gerentes agora», 11:13 Главный урок: все теперь менеджеры

«Os agentes são modelos que usam ferramentas em loop», 13:52 Агенты, это модели, использующие инструменты в цикле

«o sucesso de um gerente é o sucesso de sua equipe», 11:40 Успех менеджера, это успех его команды

«aí adora fingir até conseguir. E seu trabalho é garantir que eles não finjam», 23:37 ИИ обожает «fake it till you make it». Твоя работа, следить, чтобы он не фейкал

«Você está apenas esperando IA, essencialmente, está gerenciando no modo difícil», 19:28 Без этой системы ты, по сути, менеджеришь на уровне сложности hard

«você está basicamente dando a gente uma visão de 2020 da sua empresa», 34:32 Ты, по сути, получаешь идеальное зрение 20/20 на свою компанию

«Mas uma proposta pode levar até 3 dias e agora leva minutos», 50:56 Предложение клиенту занимало до трёх дней, теперь минуты

«Permita que as pessoas sintam Obtenham reações reais Esse é o jogo», 43:44 Дай людям пощупать, получи реальные реакции, вот и вся игра

«É estúpido quão bom ele é», 53:02 До глупого хорошо работает

«não tenha medo, rale o joelho e faça as coisas», 56:06 Не бойся, сбей коленки и делай

Факты

• Demis Hassabis: начал играть в шахматы в четыре года в северном Лондоне, стал мастером в 13, на шахматные призовые купил Commodore Amiga и самостоятельно выучился программировать.
• Был ведущим разработчиком игры Theme Park (в SRT, «sim park»), проданной тиражом более миллиона копий; позже защитил PhD по когнитивной нейронауке.
• DeepMind финансировал Peter Thiel; компания «свернула все белки планеты» (AlphaFold) и создала ИИ, победивший лучшего в мире игрока в го; Google купил её в 2014; в 2024 Хассабис получил Нобелевскую премию.
• По словам Тео («я слышал»), именно концентрация такой силы в руках одной компании подтолкнула Илона Маска к созданию OpenAI (подано как слух, не факт).
• В го комбинаций «больше, чем атомов во вселенной», так сформулировано в разговоре.
• LCA работает с компаниями Fortune 2000; по словам Greg'а, команда, «55 человек или около того».
• Цифры ускорения из демо: proposal, с 3 дней до минут; функциональный прототип, с 1–2 недель до минут, включая сбор фидбэка и V2.
• Демо-прототип: фича «Daily Blitz» для Spotify, мини-плейлист из трёх песен на главной, цель, retention; собран примерно за 10 минут.
• Персонализация в демо-proposal: отсылка к «миле 8», Greg тренируется к Нью-Йоркскому марафону в ноябре; Greg ростом 1,90 м.
• Цитата об агентах принадлежит Barry Zhang из Anthropic (в SRT, «Barry Zeng»).
• Оффер в закреплённом комментарии: 10 бесплатных 15-минутных консультаций для компаний с выручкой от $10 млн в год.
• Демис и Greg пересекались в Google, Greg показывает совместное фото.

Источники

• Люди: Demis Hassabis (DeepMind), Peter Thiel, Elon Musk, Andy Grove, Barry Zhang (Anthropic), Theo/«Тео» (кофаундер LCA), Greg Isenberg.
• Компании/проекты: LCA, DeepMind, Google, OpenAI, Anthropic, Spotify (как вымышленный клиент демо).
• Инструменты: Claude (в SRT «cloud/clod»), ChatGPT, Slack, Gmail, Linear, GitHub, Glean (в SRT «Gleam»), Notion AI, Mobbin MCP (в SRT «Mobbing/Bob»), Figma, диктовка голосом (в SRT «Springflow», вероятно Wispr Flow).
• Культурные отсылки: «Матрица» (загрузка кунг-фу Нео), Seinfeld, игра Theme Park.
• Контент: ньюслеттер Greg'а с картой AI-native организации, подкаст Greg'а о стартап-идеях и фреймворк «аудитория, комьюнити, продукт» (ACP).

Рекомендации

• Начинать сейчас, не дожидаясь статуса «технического гуру»: «сбей коленки и делай», мыслить через линзу «что нужно моим агентам для успеха», и ты уже впереди большинства компаний мира.
• Определив желаемый результат, искать существующий MCP под него (пример, Mobbin для UI) и собирать навыки вокруг: так bootstrap'ится контекст с нуля.
• Кодировать стандарт качества (SOP, эталонные документы) в навыки и контекст, чтобы агент знал, «как выглядит хорошо», до начала работы.
• Для сервисного стартапа: выбрать нишу × функцию × размер компании, довести до блеска один высокочастотный воркфлоу и повторять, прежде чем идти в генерал.

Итог

Ров следующего десятилетия копается не моделью, а системой вокруг неё. Тот, кто превратил компанию в читаемый агентами контекст и сжал цикл «запрос клиента → готовый артефакт» до минут, играет в игру, в которой остальные ещё пишут PRD.