init: конспект лекции Trillion Dollar Agentic Workflow

конспект.md

@@ -0,0 +1,156 @@
+# Триллионная возможность агентных рабочих процессов
+
+## 1. Контекст: почему SaaS-модель рушится
+
+### Исторический взгляд финансистов на SaaS
+- Среди финансистов существовала поговорка: «все SaaS-компании одинаковы на вкус» ("all SaaS companies taste like chicken")
+- Это означало: все SaaS-компании имеют одинаковые балансы, одинаковые темпы роста и одинаковые метрики — идеальный инвестиционный актив
+- PE-фонды с датами 2026–2028 накупили здоровых SaaS-компаний, которые теперь «тонут»
+
+### Почему SaaS теряет позиции
+- Метрики роста и прибыльности SaaS-компаний резко ухудшились
+- Компании не смогли стать релевантными в мире, где агенты захватывают рабочие процессы
+- PE-фирмы не знают, как продать портфельные SaaS-компании, купленные ранее
+
+---
+
+## 2. Три ключевых игрока на рынке
+
+### Гиперскейлеры (OpenAI, Anthropic)
+- Осознали: нельзя сидеть в конференц-залах и рассуждать об AI — нужно идти «в окопы» к клиентам
+- Подтверждение тезиса Palantir: необходимы **forward deployed engineers** — инженеры, работающие непосредственно у клиента
+- Гиперскейлеры ограничены в капитале несмотря на рекордные раунды финансирования (затраты на AGI, GPU, обучение моделей)
+- Anthropic создал деплой-компанию с Blackstone, Hellman & Friedman и Goldman Sachs — **$1,5 млрд капитала**
+- OpenAI создаёт аналогичный венчур с оценкой около **$10 млрд**
+
+### Private Equity
+- Давление с двух сторон: «push» — нужно спасать старые SaaS-инвестиции; «pull» — нужно внедрить AI в портфельные компании
+- PE-фирмы видят **триллионы долларов** в агентных рабочих процессах
+- Мотивированы создавать AI-нарративы для компаний перед продажей
+- PE как канал дистрибуции: владеют тысячами mid-market компаний (finance, ops, support, procurement, compliance)
+
+### Предприятия (Fortune 500, SMB)
+- До недавнего времени не понимали разницы между чатом и агентом
+- Перелом произошёл в декабре 2025 и ускорился с весны 2026
+- Компании видят возможности, но не имеют экспертизы
+- Обращаются к OpenAI, Anthropic и консультантам за помощью
+
+---
+
+## 3. Ключевой тезис: завершение рабочего процесса на 100%
+
+- Возможность агентов выполнять **целый рабочий процесс на 100%** — новый феномен весны 2026
+- Раньше агенты не могли делать это надёжно, масштабируемо и воспроизводимо
+- Именно в **достижении 100%** сосредоточена непропорциональная ценность
+- Совокупная стоимость этой возможности — **триллионы долларов**
+
+---
+
+## 4. Четыре оси давления на рынок агентных решений
+
+### Ось 1: Frontier-лаборатории движутся вниз по стеку
+- Anthropic и OpenAI раньше поставляли только модель — теперь создают компании по деплою
+- Нанимают инженеров, которые работают внутри компаний-клиентов
+- Выпускают продуктовые решения: Claude Design, финансовые шаблоны, Claude Code (vs. Cursor)
+- Сигнал: **листы найма и анонсы лабораторий** показывают, где они видят ценность
+
+### Ось 2: Консультанты движутся вверх по стеку
+- McKinsey, BCG, Accenture, Capgemini — все участники программы OpenAI Frontier Alliance
+- PricewaterhouseCoopers сотрудничает с OpenAI по офису CFO
+- Консультанты больше не ограничиваются change management — они строят agentive practices и обучают delivery-команды
+- Имеют десятилетия отношений с лицами, принимающими решения — огромное конкурентное преимущество
+
+### Ось 3: Системы записей (Systems of Record) открывают интерфейсы
+- Salesforce, ServiceNow, Workday открыли API и agent frameworks
+- SAP приобрёл Dreamio совместно с Prior Labs специально для управления данными
+- Цель: агент должен вызывать их платформу напрямую с их permission и audit trail
+- **Стартапам всё труднее вклиниться между данными клиента и агентом**
+
+### Ось 4: Private Equity как канал дистрибуции
+- PE может ввести одного партнёра по деплою для всего портфеля
+- Сравнить результаты по компаниям и **стандартизировать playbooks**
+- Масштаб несопоставим с продажами стартапа по одной компании за раз
+- Компании, выигрывающие PE-партнёрство, получают несправедливое преимущество дистрибуции
+
+---
+
+## 5. Слой реализации (Implementation Layer)
+
+### Что такое Implementation Layer
+- Также называется «harness» (обвязка) вокруг модели
+- OpenAI в своём посте Frontier Alliances прямо заявил: **«узкое место для enterprise AI — не модель, а то, как агенты строятся и управляются внутри компаний»**
+- Включает всё, кроме самой модели
+
+### Компоненты Implementation Layer
+
+#### Проектирование рабочего процесса (Workflow Design)
+- Определение: какие решения принимает модель, какие шаги остаются за человеком
+- Где передаются полномочия (handoffs) и что считается «сделанным»
+- Не промпт — это **определённый процесс**, где каждый шаг имеет владельца, вход и выход
+- Большинство команд пропускают этот этап и просто подключают модель к инструменту
+
+#### Доступ к данным (Data Access)
+- Какие источники истины читает агент
+- Какие разрешения применяются на уровне строк и полей
+- Какие записи актуальны, а какие устарели
+- Модель может уверенно отвечать из PDF шестимесячной давности или из live-записи — **implementation layer решает, какой источник использовать**
+
+#### Полномочия (Authority)
+- Что агент может делать с какими системами
+- С какими лимитами затрат и обязательств
+- **Чтение — один профиль риска; запись — совершенно другой профиль риска**
+- Расходы, как правило, необратимы
+
+#### Оценки (Evals)
+- Не бенчмарки — это способ измерить **соответствие вывода агента конкретным бизнес-правилам**
+- Как проверить корректность, полноту и безопасность вывода до его применения
+- «Если вы не можете назвать, что в ваших eval, вы не в позиции сказать, работает ли ваш агент»
+
+#### Audit Trails и восстановление
+- Что логируется и что **должно** логироваться
+- Что аудитор может восстановить после сбоя
+- Как отменить действие агента
+- Кто у клиента поддерживает систему в актуальном состоянии
+
+---
+
+## 6. Стратегический принцип: «Быть ближе к бизнес-объекту»
+
+### Суть принципа
+- Универсальный интеллект становится ценным, когда привязан к **конкретным объектам и действиям**, которые определяют реальную работу
+- Не абстрактное рассуждение, не лучшее резюмирование — а объекты, которые движут бизнес-процессами
+
+### Примеры применения
+
+#### Поддержка клиентов
+- Объекты: кейсы, политики, клиенты, права, пути эскалации
+- Implementation layer строит object model, с которой агент может закрывать тикеты от начала до конца
+
+#### Продажи
+- Объекты: inbound, outbound, motions закрытия сделок, весь sales funnel
+- Object-oriented модель позволяет агенту работать по всей воронке **надёжным и последовательным образом**
+
+### Почему это важно для дифференциации
+- Вендоры без глубокого понимания «покажут карты»: «модель отличная, данные помогут»
+- Строители, понимающие implementation layer, устойчивы к конкуренции со стороны Anthropic/OpenAI
+
+---
+
+## 7. Почему кастомизация — это защитный ров
+
+- Бизнес-модель «SaaS на вкус как курица» предполагала, что ПО может быть **универсальным**
+- В агентном мире **непропорциональная ценность — в кастомизации**
+- Implementation layer слишком сложен, специфичен и глубок, чтобы его мог построить «crack team за выходные в Claude Code»
+- PE-фирмы уже проверяли этот тезис — это не работает
+- **Фактическое плечо системы**: то, как implementation layer собирает модель + harness + данные в исполняемый рабочий процесс
+
+---
+
+## 8. Открытые вопросы рынка
+
+- **Кто владеет?** Кто в итоге «явно заявит о праве собственности» на пространство агентных рабочих процессов — лаборатории, консультанты, системы записей или сами предприятия
+- **Где плечо?** В данных (Salesforce, SAP), в модели (Anthropic, OpenAI), в harness, в памяти (memory) — открытый вопрос
+- **Сервисы vs. SaaS?** Смогут ли модели с глубокой кастомизацией заменить рекуррентную выручку SaaS с точки зрения финансов
+- **Паралич выбора**: как компании будут принимать решения, когда все крупные вендоры сходятся на одном рынке одновременно
+- **Масштабируемость кастомизации?** Может ли бизнес-модель, основанная на глубокой кастомизации, эффективно масштабироваться — «слишком сложно и нюансировано»
+- До ясности в распределении ролей — **ещё годы**