Семюел Колвін, генеральний директор Pydantic, прогнозує, що незабаром OpenAI та Anthropic створять закриті «бази даних намірів». У них зберігатиметься кожна взаємодія розробника з ШІ-інструментами для кодування — це корисно, безплатно та неможливо експортувати. Головна перевага: клікнувши на будь-який рядок коду, можна побачити весь ланцюжок міркувань ШІ, що стоїть за ним.
Семюел Колвін, генеральний директор Pydantic, прогнозує, що незабаром OpenAI та Anthropic створять закриті «бази даних намірів». У них зберігатиметься кожна взаємодія розробника з ШІ-інструментами для кодування — це корисно, безплатно та неможливо експортувати. Головна перевага: клікнувши на будь-який рядок коду, можна побачити весь ланцюжок міркувань ШІ, що стоїть за ним.
Pydantic — компанія, що стоїть за створенням одного з найпопулярніших фреймворків у сфері розробки ШІ, — тісно співпрацює з провідними лабораторіями розробки передових моделей та розробниками штучного інтелекту, зокрема з Anthropic та OpenAI. Це дозволяє CEO компанії Семюелу Колвіну безпосередньо спостерігати за стрімкою еволюцією моделей, агентів та інструментів для кодування. В інтерв’ю Business Insider поділився своїм баченням, як може змінитися стратегія техногігантів, щоб міцно прив’язати користувачів до власних ШІ-екосистем.
На думку Колвіна, ще рік тому головним пріоритетом для Anthropic та OpenAI був виторг, тому вони схвалювали будь-яке використання свого інференсу. Однак зараз, на тлі підготовки обох компаній до виходу на IPO, для них надважливою стала маржинальність прибутку.
Він зазначає, що конкуренція суто за якість моделей — це найгірший шлях для утримання високої маржі, адже це вимагає колосальних витрат на навчання ШІ та максимального здешевлення послуг генерації відповідей для користувачів. Саме тому компанії зараз активно шукають альтернативні способи прив’язки клієнтів, які не пов’язані з якістю самих моделей. Колвін переконаний, що саме цим і зумовлена поява таких інструментів, як Claude Code, Codex та інших аналогічних проєктів.
Семюел Колвін зазначає, що причини великих знижок на інструменти на кшталт Codex та Claude Code є очевидними. Хоча користувачі платять за підписку лише близько 200 доларів на місяць, реальні витрати компаній на інференс (генерацію відповідей моделі) для цих запитів можуть сягати тисяч доларів. Таким чином розробники намагаються максимально збільшити свою частку ринку та залучити якомога більше користувачів.
Проте, за словами голови Pydantic, за цим кроком стоїть значно глибша стратегія. Коли клієнти створюють величезні бази даних, фактично повністю написані штучним інтелектом, вони опиняються в точці, де людина фізично більше не здатна самостійно підтримувати такий код. Колвін наводить приклад: якщо за допомогою ШІ за ніч було згенеровано 20 000 рядків коду, то людина вже ніколи не зможе розібратися в них для подальшої підтримки — для виправлення помилок знову доведеться звертатися до моделі.
У підсумку, маючи такі колосальні масиви згенерованого коду, корпоративні клієнти будуть змушені й надалі користуватися ШІ-сервісами від Anthropic та OpenAI. Колвін переконаний, що щойно компанії остаточно прив’яжуть користувачів до своєї екосистеми, вони, найімовірніше, суттєво підвищать ціни на свої послуги.
На думку Семюела Колвіна, вже незабаром компанії розширять можливості своїх корпоративних підписок. Вони запропонують клієнтам не лише генерацію коду та роботу ШІ-агентів, а й збереження повної історії та логіки взаємодії між користувачем і моделлю в процесі написання програм.
СЕО Pydantic пояснює, що в результаті компанії отримають унікальну базу даних, яка дозволить для будь-якого рядка коду миттєво з’ясувати початковий намір розробника. Творці ШІ аргументуватимуть це надзвичайною корисністю функції, яка зробить роботу програмістських ШІ-агентів ще ефективнішою.
Проте Колвін прогнозує й інший бік цієї інновації: найімовірніше, таку опцію надаватимуть безплатно, але закриють можливість її експорту. Таким чином, бізнес опиниться в остаточній залежності від екосистеми того ШІ-провайдера, якого він обрав для своєї роботи.
Колвін пояснив докладніше, як це може працювати. Він пропонує уявити ситуацію, коли в програмному забезпеченні виникає помилка або якась нетипова поведінка коду. Зазвичай розробник — чи то людина, чи то ШІ — залишає коментар, який пояснює логіку цього рядка. Проте надмірна кількість коментарів може зробити текст нечитабельним. Натомість голова Pydantic описує значно ефективніший підхід: можливість просто клікнути на потрібний рядок коду й побачити повну історію взаємодії колеги з ШІ-моделлю під час його створення. Це включає весь ланцюжок міркувань моделі та вхідні дані від людини, що дає вичерпне пояснення.
На думку Колвіна, такий підхід забезпечує набагато глибше розуміння початкового наміру, закладеного в базу коду. Завдяки цьому внесення змін стає значно безпечнішим і менш ризикованим, адже програміст чітко знає, чого намагалися досягти автори коду, і може легко визначити, чи це справді баг, чи запланована логіка роботи програми.
«Я думаю, ця ідея, по суті, „ми зберігаємо ваші траєкторії і ми даємо вам певну базу даних ваших траєкторій“, є привабливою та цінною. Ці дві речі не обов’язково є одним і тим самим, але в цьому випадку це буде насправді цінним, так само як і привабливим».
