Как построить самоулучшающуюся компанию с помощью ИИ

Коротко

Спикер описывает AI не как «надстройку для 20–30% эффективности», а как замкнутый цикл («AI loop») из трёх слоёв — sensor, policy, tool — который превращает компанию в постоянно учащийся организм. Главный затык — не модель, а domain knowledge bottleneck: всё, что не записано (емейлы, Slack-DM, оффисные часы, разговоры), для AI не существует. На примере YC: 2000 часов записанных office hours за три месяца позволили перегенерить user manual для партнёров; следующий шаг — «on-demand disposable software» вместо дашбордов через Codex. Параллельно идёт тезис о смерти middle management и о том, что выживут компании, которые с первого дня «записывают всё» и строят company brain.

Главный тезис

AI работает не как ускоритель отдельного человека, а как петля «датчики → политика → инструменты», и её топливо — это ваша собственная зафиксированная корпоративная память; без записи всего происходящего у AI нет компании, с которой можно работать.

Ключевые идеи

• 1:00 — AI как инструмент улучшения личной и корпоративной жизни, а не отдельная вертикаль продуктов
• 1:21 — «AI для 20% эффективности» — неправильная рамка; правильная — замкнутый loop
• 1:44 — главное препятствие внедрения AI в компанию — domain knowledge bottleneck, то есть знания, запертые в головах сотрудников
• 2:49 — sensor layer: емейлы, support-тикеты, код, логи отмен подписок, телеметрия — всё это источники данных для мира AI
• 3:06 — policy / decision layer: слой, который решает что делать на основе сенсорных данных
• 3:12 — tool layer: API, базы, календарь, Claude Code/Gary's code как пример исполнительного слоя
• 3:43 — со временем замкнутая петля делает ассистента всё лучше через накопление контекста
• 4:23 — alt-сценарий: AI лишь делает человека на 20–30% лучше — это слабая версия того, что возможно
• 3:56 — пример с YC-карам-чари: агент сам проверяет SQL-запрос, видит, что не работает, переписывает индекс, пушит код в YC codebase
• 5:12 — настоящий AI in the loop vs. AI как 20–30% прибавка к этическому/рутинному труду
• 6:30 — токены — новая валюта; 5% выручки на токены норма, серии A/B будут масштабировать это
• 7:20 — смерть middle management: при правильном AI-loop средний слой управленцев становится избыточным
• 8:15 — построение AI-native компании: записывать всё с первого дня — каждый емейл, Slack, DM, оффис-час
• 8:34 — without recording, there is no AI: если не записано — для AI этого нет
• 9:48 — кейс YC: 2000 часов office hours за 3 месяца, на их основе перегенерён user manual для партнёров
• 10:54 — будущее интерфейсов — on-demand disposable software через Codex 5.5, а не постоянные дашборды
• 12:41 — горизонт 20 лет: всё переплетение человек ↔ модель ↔ инструмент становится одной операционной системой компании

Почему это важно

Аргумент перерисовывает рамку конкуренции в AI-эпоху. Выигрывают не те, кто покупает топ-модель, а те, кто построил sensor layer и company brain — то есть собственный поток зафиксированной реальности, к которому модели можно подключить. Это объясняет, почему YC делает ставку на AI-native стартапы, которые с первого дня логируют всё подряд, и почему Anthropic (через Claude Code), OpenAI (через Codex) и инфраструктурные игроки бьются именно за tool/policy слои — а не за «лучший чат». Проигрывают: компании со знаниями в головах сотрудников, vendor'ы дашбордов, и слой middle management, чья функция — пересборка и трансляция информации между уровнями — автоматизируется первой.

Идеи

• AI-готовность компании измеряется не моделями, а долей операций, фиксируемых в письменном виде
• Запись разговоров через диктофон/clip/smart glasses — не паранойя, а операционное требование AI-native компании
• Office hours YC превращаются в обучающий датасет, который можно «опросить» как 16 партнёров сразу
• Disposable dashboard — фрейм, где UI создаётся под конкретный вопрос, потом выбрасывается
• 5% выручки на токены — текущий бенчмарк затрат у AI-форвард компаний
• Tool layer = API + database + calendar — то, что AI может вызвать, не то, что он генерирует
• Sensor layer питается из продуктовой телеметрии, а не отдельных интеграций для AI
• Policy layer — самый недоопределённый: туда мигрирует решение, которое сейчас принимают люди
• Без записанной коммуникации компания невидима для модели — это новая форма technical debt
• YC переписывает свой user manual каждый раз, когда меняется операционная реальность партнёрства
• AI-агент сам диагностирует, почему его SQL не работает, и пишет patch в codebase — это новая граница автономии
• Middle management — это слой пересборки информации, который повторяется в текстовом виде модели
• Серии A и B следующего поколения будут с сильно более высокой долей токенов в operating cost
• Каждый сотрудник как «авторизация на запись» — этический и операционный вопрос, который компании предстоит решить
• «Записать всё» — не цель, а предусловие для следующих ступеней автоматизации
• Codex-подобные инструменты убирают границу между пользователем и разработчиком внутренних тулзов
• Размер выручки на сотрудника как метрика смещается вниз: «маленькие компании с 100M ARR»
• На 20-летнем горизонте граница между человеком, моделью и компанией размывается — это единая loop-система
• Faked software / faked dashboards — генерация UI на лету по запросу, без бэкенда в традиционном смысле

Инсайты

• AI-преимущество смещается с модели на доступ к собственному корпоративному потоку данных — это меняет стек защищаемых активов
• Замкнутая петля (sensor → policy → tool) — структурно более сильная архитектура, чем «AI как ассистент», потому что аккумулирует обучение во времени
• Доля токенов в P&L становится таким же сигналом зрелости, как доля R&D в выручке в эпоху SaaS
• Управленческие слои, чья ценность — переупаковка информации, исчезают первыми; выживают слои, принимающие необратимые решения
• Запись реальности компании — это новая форма moat: её нельзя купить за 12 месяцев, только накопить
• Интерфейсы движутся от persistent UI (дашборды) к ephemeral UI (сгенерировал → использовал → выбросил) — это меняет всю SaaS-экономику
• Если знание не в письменном виде, оно для AI не существует — это переформулирует ценность всех async-инструментов коммуникации
• AI-native компания — это компания, где наблюдаемость распространяется не только на инфраструктуру, но и на все человеческие коммуникации
• Будущая стоимость интеграций определяется не числом интеграций, а тем, насколько модель умеет действовать в tool layer без человеческого посредника

Фреймворки

AI loop из трёх слоёв (по словам спикера):

1. Sensor layer — источники сигнала: емейлы, support-тикеты, код, логи (cancel subscription, telemetry)
2. Policy / decision layer — что делать с собранным сигналом, «ум» петли
3. Tool layer — исполнительные интерфейсы: API, БД, календарь, Claude Code / Gary's code

Три шага построения AI-native компании (восстановлено из фрагментов):

1. Записывать всё — каждый емейл, Slack, DM, разговор, оффис-час
2. Регулярно перегенерировать user manual / внутренние документы из записанного корпуса
3. Заменять дашборды на on-demand disposable software через Codex

Цитаты

«remove your company from domain knowledge» — 1:44 Уберите из компании узкое место «знание в головах»

«This is not AI, which is 20-30% of the ethical law. This is AI, which is the loop.» — 5:12 Это не AI, который даёт 20–30% к рутине. Это AI в петле.

«one token is not a token» — 6:30 Один токен — это уже не просто токен (это валюта компании)

«If we record everything, then it is with AI. If it is not recorded, then it is not with your knowledge.» — 8:34 Если мы записываем всё — это работает с AI. Если не записано — этого нет в знании компании.

«only middle management is finished» — 7:52 Заканчивается именно средний менеджмент

«on demand software» — 10:54 Программа по требованию

«I will all be able to see the data from a very very much in the form.» — 11:22 Я смогу видеть данные в любой форме, какую захочу

«When we come to our own, we think that we are going to break up.» — 12:41 Когда мы доходим до самих себя, кажется, что границы стираются

Факты

• YC накопил порядка 2000 часов записанных office hours за 3 месяца и использовал их для перегенерации user manual
• Современные AI-форвард компании тратят ~5% выручки на токены (по наблюдению спикера)
• Спикер упоминает Codex 5.5 как инструмент для генерации одноразовых внутренних дашбордов
• В составе YC партнёрства спикер упоминает примерно 16 партнёров (YC partners) как референсную группу
• Tool layer на стороне разработки представлен в речи как Gary's code / Claude Code (API-уровень исполнения)
• Сценарий с агентом, который сам диагностирует SQL-запрос, переписывает индекс и коммитит код в YC codebase, описан как реальный кейс
• Горизонт прогноза — 20 лет для полной интеграции человека, модели и инструментов
• Запись жизни через clip / smart glasses / phone упомянута как практический инструмент построения личной AI-петли
• Серии A и B следующего поколения, по мнению спикера, будут с принципиально более высокой долей token spend

Источники

• Y Combinator (YC) — контекст всего разговора, source записанных office hours
• Claude Code / Gary's code — пример tool layer
• Codex (5.5) — инструмент для on-demand генерации UI
• Gary — упомянут как автор/референс для tool layer (по контексту — Gary Tan, президент YC)
• Не названо книг и формальных публикаций — выступление устное

Итог

AI выигрывают не лучшие модели, а компании, которые с первого дня записывают свою реальность и замыкают её в петлю «сенсор → решение → инструмент».