Генеральный директор обязан быть главным по ИИ

Коротко

Педро Франчески, сооснователь и CEO Brex (в транскрипте — «Brakes»), рассказывает в подкасте Y Combinator, как финтех-компания с жёсткими требованиями к безопасности стала одной из самых глубоко интегрировавших AI: вместо обёрток над инструментами Brex построил сетевой прокси, который анализирует весь HTTP-трафик агентов и пропускает 98% запросов автоматически, отдавая спорные 2% на суд LLM-судьи. Главная управленческая ставка — CEO обязан лично быть Chief AI Officer, потому что только человек с полным контекстом и правом «разбить стекло» может перепроектировать процессы целиком, а не прикрутить AI к старым. Франчески отвергает рамку «AI как экономия костов»: смысл в перестройке структуры компании, где границы между функциями становятся системами и интерфейсами вместо людей. Ключевая метафора — мы находимся «через пять-шесть месяцев после изобретения электричества», и считать ROI токенов сейчас так же близоруко, как экономить на электричестве в XIX веке. Внутри Brex каждое ручное вмешательство человека превращается в eval, а цель — компания как полностью самообучающаяся система.

Главный тезис

Ответственность за AI нельзя делегировать инженерам или продакт-команде: CEO должен ежедневно сам упираться в границы технологии и регулярно отвечать на вопрос «как бы я построил эту компанию, если бы основывал её сегодня» — потому что прикручивание AI к старым процессам проигрывает редизайну с нуля.

Ключевые идеи

• 2:20 — главная ошибка инженеров: относиться к LLM как к дорогому дефицитному ресурсу, дозировать контекст и писать всё самому — это как запереть агента «на фабрике Foxconn»; правильный путь — дать агенту свободу, инструменты и контекст.
• 6:52 — безопасность агентов решается на уровне сети, а не обёртками над инструментами (как у Nvidia NeMo): агент с «собственной волей» всегда может послать сырой HTTP-запрос в обход любого тулинга.
• 7:36 — Brex построил прокси-инструмент, через который проходит весь трафик агентов: каждый запрос становится управляемым, политика allow/deny строится по логам одного рабочего дня.
• 8:09 — HTTP-трафик — это «родной язык» моделей, потому что они обучены на сотнях миллиардов веб-ресурсов: модель, наблюдающая тысячу запросов, понимает происходящее лучше, чем ожидалось.
• 8:59 — AI-сотрудник Jim работает под политикой: 98% запросов одобряются автоматически, 2% решает LLM-as-judge — это и сделало security-команду финтеха комфортной с продакшеном.
• 10:55 — адопшен AI в компаниях делится на три категории: инженеры-паверюзеры, обычные инженеры и «вся остальная компания», для которой AI — просто чат-поиск; ценность для не-технических команд требует отдельной инфраструктуры.
• 12:39 — рабочая метафора внедрения: AI — это «воображаемый сотрудник» с аккаунтом в Slack и почтой, которого можно позвать на встречу, а не «выдать людям права и оставить».
• 15:41 — токены недопотребляются: лишь ~1% пользователей жалуется на лимиты топовых планов — значит, почти никто не упирается в потолок технологии.
• 15:51 — «AI-тест»: при любой проблеме в жизни — идёшь ли ты сначала к AI; в какой-то момент это перестраивает мозг, и думать иначе уже невозможно.
• 16:43 — стартовая гипотеза компании сегодня: «почему не я один?» — начинаешь с компании одного человека и кратно большего расхода токенов вместо найма трёх-семи людей.
• 17:08 — AI — не средство экономии: суть в смене структуры компании, где границы между функциями превращаются в системы, интерфейсы и инструменты вместо людей.
• 21:40 — исполнение коммодитизировано («execution полностью исчез, модель сделает лучше»), осталась мудрость выбора; конкурентное преимущество основателя — сигналы, которых нет в обучающих данных: невербалика клиентов, их картина мира.
• 25:03 — крупнейшее слепое пятно LLM: ты не знаешь, сколько данных модель видела по твоему вопросу; модель, сообщающая частоту сэмплов в трейн-сете, — «отличная идея для стартапа, я заплачу за это».
• 30:01 — мы в самом начале кривой: 84% населения планеты никогда не использовали AI, и при этом разрыв между AI-нативными людьми и корпорациями с огромными бюджетами только растёт.
• 33:51 — кейс KYC: вместо автоматизации старого процесса (80% авто / 20% вручную) Brex переизобрёл онбординг целиком — бесплатный KYC на этапе лида меняет квалификацию, таргетинг и весь sales-процесс, то есть AI меняет границы самой проблемы.
• 39:17 — CEO должен быть Chief AI Officer: только он имеет полный контекст для редизайна систем, и только ему «никто не может отказать, кроме совета директоров — а совет в детали не полезет».

Почему это важно

Разговор фиксирует развилку для всего enterprise-сегмента: побеждают компании, где первое лицо лично владеет технологией и переписывает процессы с нуля, проигрывают те, кто «добавляет AI к старому процессу» — путь, которым, по словам Франчески, идут многие конкуренты Brex (упомянут Capital One как пример среды, где экспериментировать трудно). Контекст — экосистема Y Combinator (хосты признаются, что после обеда с Педро вся команда бросилась строить свои агентные системы), инструменты Anthropic (Claude Code, Opus 4.8) против Codex, гардрейлы Nvidia NeMo, видение Джека Дорси о компании-AI-системе. Ставка макроуровня: токены повторят траекторию электричества — от «плохого ROI» до невидимой бесплатной инфраструктуры, и весь выигрыш достанется тем, кто не ждал, пока посчитается возврат на инвестиции.

Идеи

• Агента нужно рассматривать как сущность «со своей волей и желаниями» — поэтому контролировать его надо на уровне инфраструктуры, а не доверять его намерениям или стандартам.
• Одного дня записи рабочего трафика агента достаточно, чтобы построить качественную политику доступа.
• LLM-судья как комплаенс-механизм: дешёвая замена человеческих эскалаций для «серых» 2% случаев.
• Brex сознательно не добавил в прокси лишние функции: «мы не в бизнесе HTTP-прокси, мы в бизнесе AI» — инструмент построен вынужденно, с надеждой, что кто-то сделает лучше и они купят.
• Социальная динамика — реальный блокер адопшена: сотрудник не пойдёт против security-команды, потому что «будет видеть их каждый день в очереди на обед».
• Эскалация к CEO решает за 10 секунд то, на что у сотрудника уйдёт 10 часов митингов — а чаще всего без эскалации фича просто делается «по-старому».
• Пути эскалации должны быть менее «чувствительными»: компания выстраивает барьер из социальной сплочённости, и инновация об него разбивается.
• Каждое ручное вмешательство человека в работу агента — это eval: оператор фиксирует дефект, дефект превращается в правку промпта/правил, и система улучшается ежедневно.
• Компании тратят массу времени на «обучение» агентов, не выстраивая контур ежедневного улучшения — а контур важнее разовой настройки.
• Нужна роль «сновидца» (dream role): агент, который видит всё происходящее, ищет паттерны и спрашивает «как это воспроизвести?».
• «Модель мира клиента»: Brex агрегирует все взаимодействия клиента с компанией — от кликов по кнопке в дашборде до писем — в единую модель, по которой уже работает sales-команда.
• Ubuntu — это ChatGPT (работает из коробки), Arch Linux — это Claude Code: требует кастомизации, но позволяет собрать «Nintendo Switch под любую задачу» (пример — Valve со SteamOS).
• Claude Code — не магия, а фреймворк на тех же паттернах, что и API; забывая это, люди мистифицируют инструмент.
• Модели смещены к миру своих создателей: при классификации расходов первой категорией вылезает «венчурные инвестиции в AI» — потому что строители моделей думают только об этом.
• Двойное проклятие основателя: curse of knowledge плюс незнание границ собственного знания — кажется, что понимаешь предмет и что модель его понимает.
• Кастдев не заменяется промптом: клиент даёт не готовый ответ, а локальный, встроенный в его картину мира и ограничения — эти сигналы не в трейн-сете.
• Параметров не хватит на всю реальность («атомов во Вселенной недостаточно») — ограниченность распределения моделей структурно гарантирует работу людям.
• Minimal UI как паттерн успешных компаний: Stripe начинался с API, Brex — без веб-интерфейса, Airbnb — с примитивного сайта; интеллект основателей концентрировался на узкой поверхности взаимодействия.
• Опасность AI — бесконечная свобода: возможность попробовать всё убивает выбор того, что действительно важно; если не можешь сузить проблему до чётких границ — ты не нашёл проблему.
• Magby: внутренний инструмент Brex, связывающий каждый доллар, потраченный на токены, с конкретным продуктом, клиентом или внутренним инструментом.
• Гэп аномален: крупные компании с огромными бюджетами тратят на токены $10k в месяц там, где экономически оправдано 10–100x больше.
• Рост числа строк кода как метрика ROI токенов — категориальная ошибка: это учёт свечей в эпоху электричества.
• Личная AI-система хоста: 350 тысяч markdown-страниц, загрузка 60 ГБ Google Takeout, агенты-исследователи, управление голосом через Telegram.
• ChatGPT сгенерировал персону для личного агента на основе всей истории взаимодействий — и попал точно в то, чего хотел пользователь: «эти модели знают о нас очень много».
• «LSD-фича»: случайное комбинирование концептов из заметок сотнями вариантов с последующим ранжированием — машинный брейншторм, который человек бы не сделал.
• Глубокое чтение как сверхспособность: попросить агента день копать все статьи и пейперы по теме — эквивалент «прочитать 500 лучших книг об управлении ресторанами».

Инсайты

• Дефицитное мышление об интеллекте — главный тормоз эпохи: люди оптимизируют расход ресурса, который дешевеет экспоненциально, и тем самым отказываются от его главной ценности.
• Контроль автономных систем надёжнее строить на уровне инфраструктуры (то, что агент физически может сделать), чем на уровне намерений (то, что он «должен» делать).
• Технологический адопшен блокируется социальными издержками, а не техническими, — и иерархия снимает эти издержки асимметрично: нарушение статус-кво дешевле всего обходится тому, кто наверху.
• Когда исполнение коммодитизируется, ценность мигрирует к выбору — а качество выбора определяется доступом к сигналам, отсутствующим в общих обучающих данных.
• Технология общего назначения сначала меняет не способ решения задачи, а границы самой задачи; автоматизация старого процесса — систематически проигрышная стратегия.
• Любой human-in-the-loop — это бесплатный обучающий сигнал: организация, превращающая каждое вмешательство в правку системы, асимптотически избавляется от вмешательств.
• ROI-метрики систематически занижают ценность технологий общего назначения на раннем этапе — прогресс двигает любопытство практиков, а не расчёты бухгалтеров.
• Bias моделей наследует мир их создателей, поэтому немодные домены систематически недообслужены — и это карта возможностей для основателей.
• Физическая невозможность вместить всё распределение реальности в параметры модели — структурная, а не временная гарантия человеческих ролей.
• Понимание границ технологии не делегируется: его даёт только ежедневная личная практика на пределе возможностей инструмента.
• Архитектура обучения на веб-данных делает веб-нативные форматы (HTTP, markdown) самым эффективным интерфейсом к моделям — побеждают те, кто говорит с моделью на языке её трейн-сета.

Фреймворки

• Три категории AI-адопшена в компании: (1) инженеры-паверюзеры с кастомными пайплайнами, (2) обычные инженеры со средней продуктивностью, (3) остальная компания, для которой AI — чат-поиск; настоящий рычаг — построить для третьей группы эквивалент того, что программирование даёт первой.
• AI-тест: при любой проблеме — обращаешься ли ты к AI первым шагом; сначала это механика, потом перепрошивка мышления.
• Три AI компании (внутренняя рамка Brex): продуктовый AI (то, что видят клиенты), «индустриальный» AI (то, что напрямую влияет на операции) и третий компонент (в транскрипте фрагмент обрывается).
• Вопросы основателя в эпоху AI: (1) какие проблемы стоит решать, (2) как делать выбор при бесконечных возможностях, (3) где границы LLM — что модель пока не может и что должен делать ты сам.
• Упражнение на редизайн: игнорируя конкурентов, представь, что с сегодняшними технологиями возвращаешься в момент основания компании — возможность та же, способы постройки другие; сравни с тем, что есть, и переделай онбординг, growth-движок, привлечение и аналитику с нуля.

Цитаты

«You wake up no matter what your problem is in life. Why don't you solve it with AI and start from there?» — 0:00 Просыпаешься — и какой бы ни была твоя проблема, почему бы не решить её с помощью AI и не начать с этого?

«most people still use candles and ask, what can we do with candles and fire?» — 4:35 Большинство людей всё ещё пользуются свечами и спрашивают: а что мы можем сделать со свечами и огнём?

«we are not in the field of building Broxy HT, but in the field of artificial intelligence» — 10:25 Мы не в бизнесе постройки HTTP-прокси, мы в бизнесе искусственного интеллекта

«And people forget that Claude Code is not magic. It's just a framework built on the same patterns that we use in the application software interface» — 13:43 Люди забывают, что Claude Code — не магия. Это просто фреймворк на тех же паттернах, что мы используем в API

«Great ideas are spread in a pillow. What is the size of your pillow?» — 20:16 Великие идеи умещаются на салфетке. Какого размера твоя салфетка?

«if you were not able to narrow the range of interaction and solve the problem with clear limits, you did not find the problem correct» — 19:44 Если ты не смог сузить поверхность взаимодействия и решить проблему с чёткими границами — ты не нашёл правильную проблему

«what I like now is to say to those who hate artificial intelligence software, enjoy the software at 1x speed» — 29:37 Что мне сейчас нравится говорить хейтерам AI-разработки: наслаждайтесь софтом на скорости 1x

«Imagine a person saying in the 19th century, for example, the electricity bill is very high now» — 37:29 Представь человека в XIX веке, который говорит: счёт за электричество сейчас слишком высокий

«Of course, your company will not fail because of digital symbols» — 37:44 Разумеется, твоя компания не разорится из-за токенов

«no one can refuse the executive president except the board of directors, and the board will not interfere in the details» — 39:36 Отказать CEO не может никто, кроме совета директоров, — а совет не станет лезть в детали

«the biggest risk is not the risk, it's the solution» — 43:22 Самый большой риск — не рискнуть (так в транскрипте; по смыслу — отказ от риска)

«We are like Tesla in the field of artificial intelligence. We do not believe in anything that does not have a real use» — 45:06 Мы как Tesla в области AI: не верим ни во что, у чего нет реального применения

«why not be me only? Then you start from there» — 16:43 Почему бы не быть только мне одному? И вот оттуда ты начинаешь

«the ultimate goal, in my opinion, is to make the system a complete learning system» — 47:24 Конечная цель, по-моему, — сделать систему полностью самообучающейся

Факты

• Педро Франчески — сооснователь и CEO Brex, компания основана зимой 2017 года (батч YC W17).
• Транскрипт — машинный перевод дубляжа: «Brakes» = Brex, «symbols/digital symbols» = токены, «Waysi» = YC, «OpenClo/Cloud Code» = Claude Code; часть терминов искажена.
• AI-сотрудник Brex по имени Jim: 98% его запросов одобряются автоматически по политике, 2% — через LLM-судью.
• Сетевой прокси Brex назван в транскрипте «CrapTrap» (написание искажено переводом); политика строится по логам одного дня трафика.
• Внутренний инструмент Magby связывает каждый доллар токен-расходов с продуктом, клиентом или внутренним инструментом.
• Статистика (со слов спикера, по одной картинке из сети): 2500 точек по 3,2 млн человек каждая; 84% населения никогда не использовали AI, 16% хоть раз попробовали бесплатный чат-бот, 0,3% платят $20/мес, и лишь один квадрат из 2500 пользуется агентом в каком-либо виде.
• Исторически процесс KYC в Brex был автоматизирован на 80%, 20% делалось вручную.
• Упражнение «что бы мы сделали иначе, если бы начали Brex в 2024» команда провела примерно 2,5 года назад — вывод: «изменилось бы всё».
• По словам спикера, лишь около 1% пользователей в Twitter жалуются на лимиты топовых тарифов (оценка, не точная цифра).
• Личная система хоста содержит 350 000 markdown-страниц; в неё загружен Google Takeout на 60 ГБ, включая ~4000 писем.
• Хост — веб-инженер с 2013 года, «полмиллиона строк кода» (по транскрипту — на Rails), полностью перешёл на AI-инструменты в январе 2026.
• Франчески получил ранний доступ к GPT-3 ещё в пандемию и счёл его «исследовательским проектом на десять минут».
• Упомянуто, что накануне утром Франчески «играл с workflows и Opus 4.8».
• Реклама в выпуске: школа основателей YC, Сан-Франциско, 25–26 июля.

Источники

• Brex, Stripe, Airbnb, Capital One — кейсы компаний
• Claude Code, Codex, ACP, Opus 4.8, GPT-3 / ChatGPT — AI-инструменты и модели
• Nvidia NeMo (в транскрипте «Nemo Clue») — пример guardrails-подхода
• Jim, CrapTrap, Magby, G-Brain — внутренние инструменты Brex и хоста (названия искажены переводом)
• AquaVoice, Telegram, Slack, Google Takeout — инструменты личного стека
• Arch Linux, Ubuntu, Valve / SteamOS, Nintendo Switch — аналогия кастомизации
• Jack Dorsey — видение «каждая компания строит свой AI», Elon Musk / Neuralink — упомянуты в отступлениях
• Компания по разметке данных (в транскрипте «Mirror», вероятно Mercor) — поиск слабостей моделей
• Книга по психологии об эмпатии и чтении чужих мыслей — упомянута хостом без названия; статья в Wikipedia о признаках AI-текста

Рекомендации

• Возьмите на себя роль Chief AI Officer лично: не делегируйте понимание границ технологии — их невозможно понять, не упираясь в них ежедневно.
• Стройте инструмент под собственную нерешённую проблему — даже ради не прямой выгоды, а реального ощущения возможностей технологии.
• Измеряйте потребление токенов и сознательно давите на границы компании, начиная с гипотезы «почему этим всем не могу заниматься я один».
• Применяйте «AI-тест» к каждой жизненной проблеме: сначала AI, потом всё остальное — даже если решение неидеально, спрашивайте «как сделать его идеальным».
• Регулярно проводите упражнение «как бы мы построили компанию, основывая её сегодня» — и затем действительно перестраивайте процессы, а не добавляйте AI к старым.

Итог

Компании выиграют эпоху AI не экономией токенов и не делегированием технологии инженерам, а тем, что CEO лично, ежедневно упираясь в границы моделей, перепроектирует бизнес так, как если бы основывал его сегодня — заменяя границы между людьми интерфейсами между системами.