На Silicon Valley Camp 1440 пять экспертов из Кремниевой долины обсудили, как использовать AI в бизнесе и какие возможности предприниматели пока недооценивают.
Время чтения статьи: 8 минут
AI меняется быстро. Инструменты, которые когда-то не справлялись с простыми задачами, сегодня пишут код, анализируют документы, проводят исследования и берут на себя часть операционных процессов внутри компаний.
Но главный вопрос не только в том, что AI умеет сегодня. Гораздо важнее, каким он станет через два, три или четыре года — и как к этому моменту изменятся продукты, компании, рынок труда и само принятие решений.
В панельной дискуссии приняли участие пять спикеров с разным опытом в исследованиях, технологиях, бизнесе и кино.
Роман Ямпольский — профессор компьютерных наук и инженерии в Университете Луисвилля, основатель лаборатории кибербезопасности. Изучает безопасность AI, его предсказуемость и риски дальнейшего развития.
Эшли Снайдер помогает компаниям внедрять AI для роста и масштабирования. До этого 14 лет работала в Salesforce и наблюдала, как компания выросла с 7 000 до более чем 85 000 сотрудников.
Микита Микадо — сооснователь и CEO PandaDoc, платформы для автоматизации работы с документами. Под его руководством компания достигла оценки более $1 млрд и выросла до 800 сотрудников и 50 000 клиентов.
Тимур Бекмамбетов — режиссёр, сценарист и продюсер, основатель Bazelevs. Снял «Ночной дозор», голливудский фильм Wanted и другие проекты, в которых технологии становятся частью языка кино.
Александр Самогин занимается планированием AI-инфраструктуры в Google Cloud.
Что большинство людей до сих пор не понимает об AI?
Следующий вопрос модератора был о менее очевидных возможностях AI. Каждый участник должен был назвать то, что уже видит сам, но что пока не стало очевидным для большинства пользователей.
Возможности AI нужно постоянно проверять заново
Ямпольский часто сталкивается с одной и той же ситуацией. Человек пробует использовать AI для определённой задачи, система не справляется, и пользователь делает вывод, что такая возможность ей недоступна. Через год он продолжает повторять то же самое, хотя технология за это время успела сильно измениться.
«То, что система не могла сделать это раньше, не означает, что она не умеет делать это сегодня. Попробуйте снова завтра».
По его словам, представления большинства людей о возможностях AI постоянно отстают от реальности. Часть повседневной работы уже можно автоматизировать. Иногда для этого не нужен новый инструмент — достаточно иначе поставить задачу.
Ямпольский предлагает относиться к модели как к новому младшему сотруднику.
Такой сотрудник может быть умным и мотивированным, но он только пришёл и ничего не знает о компании. Если его просто попросить подготовить предложение, результат будет поверхностным.
Качество работы вырастет, если объяснить историю компании, показать клиентов, предыдущие проекты, переписку и внутренние стандарты. Также важно обозначить аудиторию, формат, ограничения и критерии качества.
То же самое происходит с AI. Чем больше он знает о контексте, тем точнее и полезнее становится результат.
Ямпольский коротко сформулировал этот принцип: данные — это главное.
Используйте AI, чтобы писать промпты для AI
Александр Самогин дополнил мысль Ямпольского простым практическим приёмом: не обязательно самостоятельно придумывать длинный и сложный промпт. Эту работу тоже можно передать модели.
Достаточно кратко описать, какой результат нужен, назвать модель и попросить её подготовить подробный запрос. Затем промпт можно проверить и адаптировать под конкретную задачу.
Во время дискуссии эта идея превратилась в шутку о «промпте для промпта», но сам принцип полезен: пользователю не нужно с первой попытки формулировать идеальную инструкцию.
Можно начать с простого описания задачи, а затем попросить AI задать уточняющие вопросы, предложить структуру промпта и помочь сформулировать требования.
AI может выполнять первый этап продаж
Эшли привела пример из продаж. Во многих компаниях первые этапы работы с потенциальными клиентами выполняют младшие сотрудники: ищут контакты, отправляют письма, звонят, уточняют интерес и пытаются квалифицировать собеседника.
Значительную часть этой работы уже можно передать AI-агенту. Он может самостоятельно находить потенциальных клиентов, начинать коммуникацию, отслеживать реакцию и определять, кто действительно готов к разговору.
Человек подключается позже — в тот момент, когда клиент проявил реальный интерес и готов к разговору.
Эшли не считает, что люди полностью исчезнут из продаж. В сложных сделках по-прежнему нужны доверие, личный контакт, понимание контекста и способность выстраивать отношения.
«Человеческая связь всё ещё нужна. Люди покупают у людей».
AI может взять на себя повторяющуюся часть процесса, а сотрудники сосредоточатся на разговорах, в которых человеческое участие действительно создаёт ценность.
AI — не только собеседник, но и исполнитель
Большинство людей воспринимают языковые модели как умное программное обеспечение, с которым можно разговаривать, советоваться или у которого можно чему-то учиться. Микита считает, что это слишком узкое понимание.
LLM может не только отвечать на вопросы и объяснять, как выполнить задачу, но и выполнять часть работы самостоятельно.
С помощью подключённых инструментов модель способна открыть нужный сервис, получить данные, подготовить документ, отправить сообщение или запустить последовательность действий.
Для этого нужно научиться работать с агентами и подключать к ним инструменты. Именно здесь, по наблюдениям Микиты, пока существует большой разрыв.
Даже компании, которые заявляют об активном использовании AI, часто ограничиваются чатами, генерацией текстов и поиском идей. При этом модели не получают возможности выполнять реальные задачи.
Если значительная часть работы сотрудника проходит за компьютером, часть этих действий уже можно передать AI.
Возможно, не мы используем AI, а AI использует нас
Тимур Бекмамбетов предложил посмотреть на отношения человека и AI с другой стороны.
Мы привыкли считать AI своим инструментом: человек задаёт вопрос, просит создать текст, изображение или видео, а система выполняет запрос. Но одновременно пользователи постоянно дают ей новые данные.
«Мы верим, что используем AI и что он наш слуга. Но всё чаще мне кажется, что происходит обратное».
Каждый запрос, выбор, исправление и опубликованный материал становятся частью среды, на которой развивается искусственный интеллект.
Особенно хорошо это видно в кино и контенте. Обычно считается, что AI производит материалы для зрителя. Но все опубликованные человеком тексты, изображения и видео одновременно становятся материалом для самой системы.
В этой логике AI становится не только производителем, но и главным потребителем создаваемой людьми информации.
Вопрос о том, кто кого использует, остаётся открытым. Но пользователь в этих отношениях не просто получает результат — он сам участвует в развитии технологии.
Бизнес недооценивает открытые модели
Второй инсайт Александра был адресован прежде всего собственникам компаний. Бизнесу не всегда нужно постоянно платить крупнейшему провайдеру за самую дорогую модель.
По его словам, после выхода новой передовой системы открытые модели довольно быстро начинают приближаться к ней по качеству. Иногда достаточно подождать один-два месяца, выбрать подходящую модель и дообучить её под задачи компании.
Результат может быть близок к уровню крупных коммерческих систем, а стоимость — в десятки раз ниже.
Но дело не только в экономии. Если все процессы компании зависят от одного внешнего сервиса, изменение цен, условий использования или доступности функций становится бизнес-риском.
Открытая модель, настроенная под задачи компании, позволяет снизить зависимость от провайдера и лучше контролировать данные, расходы и дальнейшее развитие системы.
Какой практический совет можно дать предпринимателям сегодня?
В завершение модератор попросил каждого участника дать один конкретный совет, который предприниматели могут применить в ежедневной работе.
Не доверяйте AI полностью
Роман советует относиться к AI как к младшему сотруднику: использовать его возможности, но не передавать ему полную ответственность без контроля.
Любой результат нужно проверять. Важную информацию можно сверить с первоисточниками, передать другой модели для дополнительной проверки или самостоятельно оценить логику ответа.
Особенно это важно для текстов и кода, которые выходят за пределы компании и могут повлиять на клиентов, продукт, безопасность или репутацию.
AI увеличивает скорость работы, но вместе с ней может увеличиваться и масштаб ошибки. Поэтому по мере внедрения технологии контроль становится не менее, а иногда и более важным.
Задавайте AI вопросы о собственном бизнесе
Совет Эшли — не только давать AI поручения, но и задавать ему вопросы. Она услышала эту мысль от Майкла Делла, применила её в собственной команде и теперь предлагает тот же подход другим предпринимателям.
В модель можно загрузить описание существующего процесса или рассказать о цели компании, а затем попросить предложить другие способы организации работы, найти слабые места и показать варианты, которые команда пока не рассматривает.
В этом сценарии AI становится не просто исполнителем, а инструментом для поиска слепых зон.
Главное — обсуждать с моделью не только отдельные задачи, но и устройство бизнеса. Это помогает собственнику ненадолго выйти из операционной работы и посмотреть на компанию со стороны.
Подключите AI к своим инструментам
Совет Микиты получился самым коротким:
«Подключите свои инструменты, а затем требуйте того же от команды».
AI начинает выполнять реальную работу, когда получает доступ к почте, документам, CRM, Slack и другим сервисам, а пользователю больше не приходится вручную переносить данные между системами.
Следующий шаг — сделать этот подход общей практикой компании, а не навыком одного собственника или технически сильного сотрудника.
Следуйте интуиции
Тимур Бекмамбетов предложил совет, который напрямую не связан с выбором модели или настройкой агентов.
«Следуйте интуиции, потому что, возможно, это наш последний рубеж».
По мере того как AI становится сильнее в анализе, прогнозировании и поиске рациональных решений, человеку важно не потерять способность чувствовать, сомневаться и принимать решения, которые невозможно полностью объяснить набором данных.
Речь не об отказе от анализа и не о безответственных действиях. Человек просто не должен полностью передавать алгоритму право определять, что для него важно.
Решение может оказаться неправильным, но возможность ошибаться тоже остаётся частью человеческой самостоятельности.
Не тратьте токены без необходимости
Александр советует не использовать самую мощную и дорогую модель по умолчанию. Если задачу может решить открытая или более доступная система, стоит выбрать её.
При работе с крупными платформами он рекомендует включать память и регулярно обновлять базовые инструкции о компании, задачах и ограничениях.
Чем лучше AI понимает контекст, тем меньше времени и токенов уходит на повторные объяснения, а результаты становятся точнее.
Как внедрять AI не на уровне отдельных инструментов, а на уровне стратегии, какие процессы передавать агентам и что оставлять человеку, разбираем вживую на Silicon Valley Camp 1440: пять дней в Калифорнии среди предпринимателей, инвесторов и лидеров технологических компаний.
Руслан Гафаров
Основатель San Francisco Innovation Hub, глобального комьюнити с центром в Кремниевой долине, и некоммерческой организации Neo Entrepreneurship Club.
