Интеллект для дела: почему CEO Databricks не верит в супер-ИИ для бизнеса

В 2013 году Али Годси и его команда чувствовали глубокое разочарование. Технологии обработки данных вроде Hadoop были слишком сложными и неповоротливыми, а технологические гиганты, уже использовавшие ИИ интересными способами, казались недосягаемыми. Крупный бизнес не интересовался инновациями. В итоге из чувства разочарования родилась Databricks. А спустя десять лет компания закрывает раунд Series K с оценкой более чем в 100 миллиардов долларов, доказывая, что реальная польза для энтерпрайза гораздо важнее громких заголовков о создании «божественного» суперинтеллекта.

👉 Смотрите оригинальное интервью CEO Databricks с профессиональным переводом на русский и дикторской озвучкой.

Али Годси уверен, что законы масштабирования, которые работали раньше, больше не приносят взрывных результатов. Простое вливание денег в новые видеокарты и гигантские объемы данных перестало делать модели радикально умнее. Мы видим это по замедлению прогресса в следующих поколениях популярных нейросетей.

По мнению главы Databricks, крупные лаборатории уже перераспределяют средства в пользу вычислений на этапе вывода и методов обучения с подкреплением, которые специализируют модель на конкретных задачах, а не просто увеличивают ее размер.

💡 Глубоко интересуетесь ИИ? Подпишитесь на канал, где я разбираю идеи мировых AI-лидеров и делюсь наблюдениями, как ИИ меняет бизнес, работу и жизнь. Подробнее

Годси прямо называет текущую ситуацию «ИИ-пузырем», указывая на безумные оценки компаний с нулевой выручкой. Его опасения подтверждаются и поведением рынка: некоторые клиенты покупают ИИ-софт, который будет «пылиться на полке», просто чтобы получить повышение до «руководителя отдела ИИ-чего-нибудь». В Databricks стараются фокусироваться только на тех сценариях, где можно реально увеличить выручку клиента или сократить его расходы.

Главная проблема современного хайпа, по его мнению, в том, что разработчики стремятся научить ИИ побеждать на математических олимпиадах мирового уровня. Однако в реальном бизнесе, например, в Goldman Sachs, работают тысячи сотрудников, которым не нужны навыки гениальных математиков. Им нужны инструменты для повседневных задач.

Databricks делает ставку на «агентов» — системы, которые могут самостоятельно зайти в Salesforce, найти нужные данные, обновить поля в CRM и связать разрозненные рабочие процессы. Продукт Agent Bricks родился именно из разочарования в предложениях других ИИ-компаний, игнорировавших такие приземленные нужды. Его суть не в абстрактных тестах, а в создании специальных бенчмарков для задач вроде «обновить Salesforce» и оптимизации агента под них.

Ни один самый продвинутый агент не сможет работать, если в компании царит хаос в данных. Годси называет две фундаментальные проблемы, тормозящие внедрение ИИ:

Если данные разрознены и заблокированы, ИИ просто не получит к ним доступ. Эти вещи реально всё замедляют.

Стратегия Databricks строится вокруг концепции Lakehouse, где данные и ИИ живут в одной экосистеме. Это позволяет не только эффективно обучать модели, но и гарантировать безопасность. ИИ не должен иметь доступа к документам, которые не предназначены для его глаз или глаз конкретного пользователя.

Будущее корпоративного ИИ Али Годси видит в мульти-облачности и открытости. Databricks активно сотрудничает с Anthropic, OpenAI и Palantir, понимая, что клиентам нужна свобода выбора. Разные задачи требуют разных моделей: где-то достаточно маленькой и быстрой нейросети, а где-то нужна мощь гигантов. Философия такая:

Такая гибкость порождает новое явление — «вайб-кодинг», когда разработчики могут быстро накидать прототип системы, просто описывая свои идеи и комбинируя готовые инструменты. Интересно, что всё больше баз данных теперь создаются не людьми, а самими ИИ-агентами, которые пишут код. Для этого сценария в Databricks предлагают LakeBase — базу данных, оптимизированную под работу агентов.

Рост Databricks — не только внутренняя разработка, но и стратегические приобретения. Покупка Mosaic AI позволила в сжатые сроки создать целую исследовательскую лабораторию и линейку ИИ-продуктов.

Покупка Tabular была превентивным шагом для объединения двух зарождающихся стандартов данных в один, что, по словам Годси, было выгодно клиентам, но «хуже для действующих игроков».

А недавнее приобретение Neon связано с гипотезой о новом рынке баз данных, создаваемых и используемых ИИ-агентами. Эти шаги показывают, как компания не просто следует трендам, а активно формирует экосистему.

Что касается глобальных прогнозов, Али Годси сохраняет здоровый скептицизм и высказывает парадоксальную мысль: AGI (Искусственный Общий Интеллект), по его мнению, уже достигнут. Он уверен, что если бы современных чат-ботов показали исследователям 2009 года, те бы признали в них AGI. А индустрия, постоянно повышая планку, просто придумала новые термины вроде «суперинтеллекта» (ASI), который сейчас недостижим.

Пока футурологи спорят о сроках появления ASI, Годси фокусируется на горизонте в 5–10 лет. На этом этапе мы увидим не один «богоподобный» разум, а миллионы эффективных цифровых сотрудников — множество специализированных моделей, каждая хороша в своём деле. Они не заменят людей, но избавят их от рутины, позволяя сфокусироваться на принятии стратегических решений и творчестве.

Смотрите другие видеоинтервью на канале «AI из первых уст». Подпишитесь на телеграм-канал «Кеды профессора», чтобы быть в курсе событий мирового ИИ.