Назад к подкастамEvery
Мы автоматизировали всё с помощью AI и утроили штат
You prompt AI to do something, it blows your mind, you feel inadequate, you feel like,"Oh my god, this thing is going to take my job."
Ты говоришь AI сделать что-то, это сносит тебе крышу, ты чувствуешь себя ничтожным, думаешь: "Боже мой, эта штука заберёт мою работу."
And then it stops working and it looks back at you and says,"What should I do next?"
А потом оно перестаёт работать и смотрит на тебя и говорит: "Что мне делать дальше?"
The further away an agent gets from a human, the less valuable it is.
Чем дальше агент от человека, тем он менее ценен.
If you just ride the models, you're going to be fine.
Если ты просто следишь за моделями, всё будет нормально.
If you care about leading a really ambitious life, I truly think that this is going to make that more possible for more people.
Если ты хочешь жить по-настоящему амбициозной жизнью, я действительно считаю, что это сделает это возможным для большего числа людей.
Every is the only subscription you need to stay at the edge of AI.
Every это единственная подписка, которая нужна тебе, чтобы оставаться на переднем крае AI.
If you care about being on top of the latest models and using latest tools, you have to subscribe to Every to separate out the signal from the noise.
Если тебе важно быть в курсе последних моделей и использовать последние инструменты, ты обязан подписаться на Every, чтобы отделить сигнал от шума.
Go to every.to/subscribe today.
Заходи на every.to/subscribe прямо сейчас.
So, we are here uh because we're going to flip the script a little bit.
Итак, мы здесь, э, потому что немного перевернём сценарий.
I am going to be interviewing Dan Sick.
Я собираюсь брать интервью у Dan Sick.
uh about the piece that he published yesterday, May 21st.
Э, о материале, который он опубликовал вчера, 21 мая.
Uh and we're going to try to understand why he wrote it, what's underneath his reasoning for it.
Э, и мы попробуем разобраться, почему он его написал, что стоит за его рассуждениями.
There's going to be some conflict.
Будет немного конфликта.
I'm going to I'm going to fight with him on it.
Я буду, я буду с ним спорить.
Let's fight.
Поспорим.
and see, you know, bringing some of my opinions, which are more or less aligned, but uh trying to understand does this is this piece going to reflect the future in 10 years, in 5 years?
и посмотрим, знаешь, принесу кое-какие свои мнения, которые более-менее совпадают, но, э, пытаясь понять: отразит ли этот материал будущее через 10 лет, через 5 лет?
And who are you again?
А ты вообще кто?
Um I'm Brandon.
Эм, я Brandon.
I'm our COO.
Я наш финансовый директор.
And that's it.
И это всё.
So, the piece is called After
Так что, материал называется After
And it it comes from this feeling that I have.
И он, он исходит из ощущения, которое у меня есть.
And there's a video about this, and there's there's a piece, but just for people who who have not seen either of those things.
И есть видео об этом, и есть, есть материал, но просто для людей, которые не видели ни того, ни другого.
It comes from this feeling that I have that at Every, we are as AI native, as agent native, as it as you as it gets, you know, if you swing a stick around in our Slack, you're you're as likely to hit a human as you are an
Он исходит из ощущения, которое у меня есть, что в Every мы настолько AI-нативны, настолько нативны по агентам, насколько, насколько вообще возможно, знаешь, если ты замахнёшься палкой в нашем Slack, ты с равной вероятностью попадёшь в человека или в
[snorts]
[хмыкает]
Everyone's using Claude Code and codex and all these tools to do their job every day.
Все используют Claude Code и Codex и все эти инструменты для своей работы каждый день.
Um and yet it feels like there's more human work to do than ever.
Эм, и при этом ощущение, что человеческой работы стало больше, чем когда-либо.
And in fact like since the GPT-3 days like we've grown from four people to like 30 people and we're hiring more now.
И на самом деле, с эпохи GPT-3 мы выросли с четырёх человек примерно до 30 и сейчас нанимаем ещё.
And so it came from me looking at that and then looking at the environment and being like what's going on because the whole information environment if you look at Dario is out there saying like half of entry-level white-collar jobs may be wiped out.
И это пришло от того, что я смотрел на это, а потом смотрел на окружающую среду и думал: что происходит? Потому что весь информационный контекст, если посмотришь на Дарио, который говорит: половина работ начального уровня для белых воротничков может исчезнуть.
Even even people like um like Ken Griffin from Citadel is like you can tell he just had this moment where someone showed him an AI doing like an advanced data or finance question and he was like holy [ __ ] like that's what I would pay PhDs to do for me and it just did it.
Даже такие люди, как, эм, Кен Гриффин из Citadel, видно, что у него был такой момент, когда кто-то показал ему, как AI делает какой-то сложный вопрос по данным или финансам, и он такой: блин, вот за что я платил бы докторантам, а оно просто взяло и сделало.
And I feel like I'm watching a lot of people who maybe don't have a ton of experience with agents and don't have a ton of experience with the curve of improvement that we've been riding for the last like three three and a half years hit it for the first time and then come to all these conclusions about
И мне кажется, я наблюдаю за многими людьми, у которых, может быть, нет большого опыта с агентами и нет большого опыта с кривой улучшений, по которой мы ехали последние примерно три, три с половиной года, как они сталкиваются с этим впервые и приходят ко всяким выводам:
oh my god like all work is going away we're not going to have jobs and I'm just like sitting here being like actually your intuitions when you first see a technology like this are usually very
о боже, вся работа исчезает, у нас не будет рабочих мест, а я просто сижу и думаю: на самом деле твои интуиции, когда ты впервые видишь такую технологию, обычно очень
And we've seen a lot over and over again over the years that
И мы много раз видели на протяжении лет, что
Every is a very good bellwether for where things are going because it's a it's a group of early adopters we have people in doing all sorts of work internally at Every and if something works here it there's a good bet that it's going to spread to other other places other other businesses that are that are adjacent to ours.
Every является очень хорошим индикатором того, куда всё движется, потому что это, это группа ранних последователей, у нас есть люди, которые выполняют всевозможную работу внутри Every, и если что-то работает здесь, есть хорошие шансы, что это распространится на другие места, другие бизнесы, смежные с нашим.
And so when I look around at Every I I see so much automation and I also see way more human work.
И когда я смотрю на Every, я вижу столько автоматизации и при этом гораздо больше человеческой работы.
So I was really um the the whole piece is saying here's the current state of work with agents.
Так что я действительно, эм, весь материал говорит: вот текущее состояние работы с агентами.
And then pulling apart that paradox and sort of explaining why does why does more automation mean more work?
И затем разбирает этот парадокс и объясняет: почему больше автоматизации означает больше работы?
Yeah, when I read the piece it was there wasn't like an explicit call to action in it, but I sort of felt this call to action of like there is actually a massive amount of hope right now in a world that is filled with a lot of doomers.
Да, когда я читал материал, там не было явного призыва к действию, но я как-то ощутил этот призыв к действию: есть на самом деле огромное количество надежды прямо сейчас в мире, где полно нытиков.
And um and this is why.
И эм, и вот почему.
Um
Эм
[snorts]
[хмыкает]
but I am going to come out of the gate and ask you a devil's advocate question.
но я задам тебе вопрос от адвоката дьявола прямо с места.
Which is a couple hours before you publish this piece the CEO of ClickUp came out with this long tweet about why he fired 8,000 people and 3,000 people some
А именно: за пару часов до того, как ты опубликовал этот материал, генеральный директор ClickUp написал этот длинный твит о том, почему он уволил 8000 человек, 3000 человек, каких-то
What?
Что?
I don't I don't think it was 8,000.
Я не думаю, что 8000.
I was 20,000 people.
Было 20 000 человек.
What I mean
Что я имею в виду
[laughter]
[смех]
I think it was like 3,000.
Думаю, было около 3000.
an entire economy.
целая экономика.
like 22% of of his workforce.
около 22% его персонала.
I don't think it was in the thousands, but yes, it was it was a
Я не думаю, что это были тысячи, но да, это было
it was a lot of his workforce.
это было много его персонала.
Yeah.
Да.
Yeah.
Да.
So my question to you is um in a business like every we're growing super fast.
Так что мой вопрос к тебе, эм, в таком бизнесе, как Every, мы растём очень быстро.
Um what you wrote makes a lot of sense to me.
Эм, то, что ты написал, для меня много смысла.
And what you wrote theoretically makes a ton of sense in that AI is not autonomous right now.
И то, что ты написал, теоретически имеет массу смысла в том, что AI прямо сейчас не автономен.
It has to be told what to do and then has to be checked.
Ему надо говорить, что делать, а потом проверять.
We need to have that that sandwich that you described in in the piece.
Нам нужен этот, этот бутерброд, который ты описал в материале.
But in a business that is 8,000 people, 10,000 people that is mature and has built ways of managing like SOPs for managing their business does this manifesto and this thesis still hold true?
Но в бизнесе из 8000, 10 000 человек, который зрелый и выстроил способы управления, как СОПы для управления своим бизнесом, этот манифест и эта тезис всё ещё верны?
It's a
Это
It's a really good question.
Это очень хороший вопрос.
Um
Эм
Are there a couple
Есть несколько
There are a couple different questions here.
Здесь несколько разных вопросов.
The first thing I want to do is like lay out the argument.
Первое, что я хочу сделать, это изложить аргумент.
Why does Why does automation make more work?
Почему? Почему автоматизация создаёт больше работы?
I'm sure many people listening to this also haven't read it.
Уверен, многие, кто это слушает, тоже не читали.
So take a second to explain that in detail.
Так что потрать секунду и объясни это подробно.
I will do that.
Я это сделаю.
So basically, the idea is the way that AI works and the way it functions in the workplace is AI makes yesterday's expert competence cheap.
Итак, по сути, идея в том, как работает AI и как он функционирует на рабочем месте: AI делает экспертную компетентность вчерашнего дня дешёвой.
And by that I mean AI is trained on all of our outputs, all of the code and the writing and the design and and decision-making and everything that's ever been written.
Под этим я имею в виду: AI обучен на всех наших результатах, на всём коде, текстах, дизайне и принятии решений, и на всём, что когда-либо было написано.
And it makes that available to everyone for very cheap.
И он делает это доступным для всех по очень низкой цене.
So uh you can
Так что, э, ты можешь
So anyone now with a prompt can use yesterday's competence to solve a programming problem, build an app, or write a uh write a piece like I did, write a report, or uh or, you know, make a YouTube thumbnail.
Так что теперь любой с помощью промпта может использовать компетентность вчерашнего дня, чтобы решить задачу программирования, создать приложение или написать, э, написать такой материал, как я, написать отчёт или, э, или, знаешь, сделать миниатюру для YouTube.
And the interesting thing is that when you do that when when expert competence is available for cheap, it gets really widely adopted.
И интересное то, что когда ты это делаешь, когда экспертная компетентность доступна дёшево, она становится очень широко востребованной.
So everyone starts to do it.
Так что все начинают это делать.
Everyone starts to like, you know, we see this internal
Все начинают, ну, знаешь, мы видим это внутри
Everyone's making pull requests
Все делают pull requests
[ __ ]
[ругательство]
this is crazy.
это безумие.
Yeah.
Да.
And and and like I'm making pull requests and ops people are making pull requests and you know, engineers are like writing essays and you know, there's all this line crossing basically for non-experts to do the thing that experts used to do.
И, и, и, вот, я делаю pull requests, и операционные сотрудники делают pull requests, и, знаешь, инженеры пишут эссе, и, знаешь, идёт такое смешение ролей, когда не-эксперты делают то, что раньше делали эксперты.
And that feels very threatening to experts.
И это очень пугает экспертов.
They're like,"Well, what's my job going to be now?"
Они такие: "Ну, какой теперь будет моя работа?"
Mhm.
Угу.
And [snorts] what's interesting about that is because these tools are trained on outputs, are trained on yesterday's data the stuff that they do is uh with with default prompt with is it uh the stuff that they do with a default prompt all looks kind of similar and is all kind of right for the current situation, but it's like not actually totally right.
И [хмыкает] интересное то, что поскольку эти инструменты обучены на результатах, обучены на вчерашних данных, то, что они делают, э, с дефолтным промптом, всё выглядит примерно одинаково и всё примерно подходит для текущей ситуации, но это не совсем правильно.
And so what happens is you sort of like flood the zone with tons of stuff that's like close, but not quite right.
И что происходит: ты как бы заполняешь пространство тоннами вещей, которые близко, но не совсем правильно.
And then you need to basically like and and well
А потом нужно, по сути, как, и, ну и
There's a
Есть
There's a lot of that at every too.
И в Every тоже много такого.
There's a lot of
Много
There's a lot of people doing what seems like great work and then you go under the hot under the hood and you're like, this isn't quite right.
Много людей делают то, что кажется отличной работой, а потом заглядываешь под капот и такой: это не совсем правильно.
Maybe like the expert should do it.
Может, лучше это сделает эксперт.
Yeah.
Да.
Yeah.
Да.
Yeah.
Да.
Exactly.
Именно.
Uh me for example.
Эм, я, например.