Как победить OpenAI? Советы для стартапов от сооснователя компании

По его словам, перспективы у небольших компаний есть, но не в создании универсальных языковых моделей, а в развитии прикладных решений для конкретных отраслей.

Карпатый обратил внимание на успех ИИ-редактора кода Cursor, назвав его примером формирования нового класса продуктов — LLM-приложений. Это не просто «обертки» вокруг больших языковых моделей, а полноценный слой, который собирает, настраивает и управляет работой ИИ под конкретные задачи.

По его мнению, подобные приложения выполняют сразу четыре ключевые функции. Во-первых, они занимаются «инженерией контекста»: подготавливают и структурируют данные, которые подаются в языковую модель, снимая эту сложную работу с пользователя.

Во-вторых, такие системы связывают несколько вызовов ИИ в сложные цепочки и рабочие процессы, балансируя между скоростью, стоимостью и качеством результата. В-третьих, они предлагают специализированный интерфейс для человека, встроенного в процесс принятия решений. И, наконец, дают пользователю возможность самому выбирать уровень автономности ИИ — от подсказок до почти самостоятельных действий.

Карпатый считает, что крупные лаборатории в первую очередь будут создавать универсальные модели — условного «общего студента», способного решать широкий круг задач, но без глубокой специализации. Задача стартапов, напротив, — превратить такие модели в «профессионалов», адаптированных под конкретные индустрии и рабочие сценарии.

Ключевыми преимуществами для небольших компаний он называет доступ к закрытым или уникальным данным, наличие инструментов, позволяющих ИИ не только отвечать, но и действовать — например, отправлять команды, заказы или управлять системами, — а также постоянную обратную связь из реального мира.

Именно сочетание данных, инструментов и практического опыта, по мнению Карпатого, может позволить стартапам удерживать позиции даже на фоне агрессивной экспансии крупных игроков.