После прошлой недели, когда состоялась конференция ShipNYC, мы встретились с генеральным директором Vercel Гильермо Раухом, чтобы узнать его мнение о текущем моменте в сфере ИИ и о том, как платформенные компании, такие как Vercel, в конечном итоге конкурируют с крупными лабораториями. Ниже представлена слегка отредактированная стенограмма.
Кажется, что в этом году в сообществе царит иная атмосфера: меньше пилотных программ и больше внимания уделяется тому, как заставить вещи хорошо работать на практике. Я уверен, вы видели это во взаимодействии с клиентами, но мне интересно, как этот путь выглядел внутри Vercel.
Прошлый год был посвящен прототипированию. Небо — предел, выпускайте агентов, каждый может создавать, и так далее. Мы это делали и многому научились, потому что у нас органически разработались и развернулись сотни агентов внутри компании, а затем мы столкнулись с реалиями агентов в продакшене и некоторыми проблемами.
Главным уроком для меня стали случаи использования, приносящие максимальный эффект, — два «убойных» приложения для агентов. Одно, конечно, — это агент для кодирования. Он потребляет большую часть токенов в мире, но когда вы производите так много программного обеспечения, вам нужно место, куда его поместить. Второе «убойное» приложение агентов — это внутренний агент, который помогает управлять компанией. Проблема здесь в следующем: как безопасно получить доступ к данным? Как аудировать действия агента? Как получить след всех вызовов инструментов и контролей доступа, которые агент должен был использовать для выполнения задачи?
Чтобы решить эту проблему, мы разработали фреймворк под названием Eve, где вы можете изложить инструкции и навыки агента на естественном языке. Другой инструмент — Vercel Sandbox, куда вы помещаете агента в своего рода «клетку». Он по-прежнему может свободно проявлять свой интеллект, но затем вы можете применить политику в отношении того, к каким данным он может получить доступ и какие данные могут покинуть эту «песочницу».
Какие проблемы это помогает вам избежать?
Для Sandbox главное преимущество — это контроль над данными. Реальный риск ИИ, о котором я всегда думаю, заключается в том, что когда вы получаете IDE для кодирования, такую как Devin или Cursor, если вы находитесь в неправильной конфигурации, они могут обучиться на всей вашей кодовой базе. Я помню, как говорил об этом президенту Airbus. У них есть десятилетия накопленного очень специфического кода на C++ для аэрокосмической инженерии. Кто-то приходит, устанавливает неправильный инструмент для разработчиков, и — бум — весь код уходит в облако для обучения.
Мне интересно узнать больше об этом втором «убойном» сценарии использования. Мы все знаем о кодирующих агентах, но как выглядит внутренний корпоративный агент на практике?
Вот, например, менеджер по продажам в офисе [Vercel]. Она работает с клиентской базой. Ее работа — развивать существующие аккаунты. Узким местом для таких людей была не креативность, интеллект или способность строить отношения, а данные. «Я не понимаю, какие аккаунты растут быстрее. Дайте мне пять аккаунтов, которые добавили больше всего мест за последние две недели, чтобы я могла расставить приоритеты в своей работе». В прошлом она не могла задать такой вопрос. Ей приходилось ждать завершения проекта первого квартала по созданию новой панели продаж.
Мы страдали от этого узкого места годами в Vercel, и это было очень расстраивающе, потому что в плане НИОКР мы самая быстроразвивающаяся компания в мире. Но в плане отдела продаж, инженерии Salesforce [я был] настолько некомпетентен. Я никогда в жизни не открывал Salesforce, когда начинал.
Теперь я чувствую, что могу реально влиять на всю компанию, потому что Eve можно использовать как для наших клиентских агентов, так и для повышения производительности. Та же технология, это просто API. Агенты вынуждают компании открываться, и это будет иметь драматические долгосрочные последствия. Так много гигантов SaaS строят свои королевства на удержании ваших данных, и это несовместимо с агентами.
Как, по вашему мнению, меняются отношения клиентов с крупными ИИ-лабораториями?
В прошлом году многие выбирали одного лабораторного партнера — заявляли, что будут строить все на OpenAI или Anthropic. Теперь они говорят: я понимаю, как все это работает — модель, платформа для управления, платформа данных, песочница, шлюз — каждый элемент является подключаемым. Вы можете использовать OpenAI, вы можете использовать Anthropic или Gemini. Мы видим значительный рост Gemini, даже если о нем не так много говорят в новостях, потому что сейчас люди оптимизируют под продакшен. Реальность такова, что когда вы оптимизируете под продакшен, вы начинаете смотреть на соотношение цены и производительности, а модели Gemini обладают потрясающими характеристиками по соотношению цены и производительности. Вы также привлекаете открытые модели, поэтому Deepseek и GLM-5.2 набирают обороты. Данные не лгут.
Есть области, где вы также напрямую конкурируете с лабораториями, верно? Буквально на прошлой неделе OpenAI выпустила новый набор инструментов, которые публикуются непосредственно в Интернете без необходимости покидать анклав OpenAI.
Для них это естественный следующий шаг — размещать небольшие веб-сайты. И это отличная возможность для нас, потому что теперь люди будут думать о ChatGPT как об инструменте для создания веб-сайтов. А затем, если они продолжат задавать модели вопросы о веб-хостинге, модель порекомендует нас. Но вы правы, по мере того как модели или платформы добавляют больше возможностей, они вступают в прямую конкуренцию с существующими инфраструктурными платформами.
Я действительно думаю, что в этот момент мы решаем, будут ли модель и агент связаны.
Получаете ли вы весь свой интеллект из одного места? Или вы получаете модуль, библиотеку или строительный блок от одного поставщика, а затем строите на его основе? Это больше похоже на то, как всегда была разработка программного обеспечения, и именно это мы выводим на рынок. Мы собираемся стать AWS этого поколения, поэтому, очевидно, мы боремся за мир открытых протоколов.
Всегда имейте в виду, что редакции могут придерживаться предвзятых взглядов в освещении новостей.
Автор – Russell Brandom
