孟醒，партнер із Five Source Capital, нещодавно опублікував звіт про візит до Силіконової долини та висунув висновок, через який він навіть змінив звичку робити нотатки: Силіконова долина входить у етап, коли навіть тих, хто намагається «ловити хвилю», змиває хвиля. Швидкість ітерацій AI вже перейшла з «щомісяця» на «щотижня», і навіть самі в Силіконовій долині не встигають за тим, що створюють.
Коли AI збільшує продуктивність команди в п’ять разів, ви можете скоротити вісімдесят відсотків людей, щоб утримати початковий обсяг випуску, або ж залишити чисельність і робити п’ять разів більше справ. Спостереження Мена Сіна в цій поїздці до Силіконової долини — це фактично чернетка відповіді, даної на місці: коли 100-кратна ефективність не перетворилася на 100-кратну виручку, коли токен-бюджет наближається до вартості людської праці, коли парова машина ще не може обігнати кінну карету, але ніхто не наважується зупинитися, Силіконова долина обрала «спочатку розігнати швидкість». Але до чого зрештою приведе цей шлях — до «можливостей розширення» чи до «стиснення витрат», наразі немає однозначності.
YC з лідируючих індикаторів переходить до відстаючих
У березні цього року Мен Сін сидів у глядацькій залі YC W26 batch Demo Day і, коли виступала п’ята компанія, просто відкладав ручку. Причина: серед понад 100 компаній у цій хвилі приблизно 80% працюють із вертикальними agent, зокрема допомагають юристам систематизувати документи, розподіляють заявки для клієнтської підтримки, а також відбирають резюме для HR.
Якби він побачив ці теми у жовтні минулого року, він би подумав: «Має рацію й цікава ідея». Але коли Claude Code перейшов із інструменту для розробників у майже універсальний інтерфейс, а Opus 4.6 опустив поріг для vibe coding до рівня підлоги, ці вертикальні agent, поки ще не створили бізнес-бар’єри, звичайний інженер може скопіювати за один вихідний.
Система батчів YC — від заявки, відбору, вступу в інкубацію, до шліфування та демо — побудована під світ, який рухається повільніше. За нинішньої швидкості ітерацій AI, 5 місяців достатньо, щоб сталося кілька раундів зміни парадигм. Мен Сін описує це так: YC поступово перетворюється з системи, що орієнтується на випереджальні індикатори, на систему, що орієнтується на відстаючі.
Meta пише код, використовуючи продукти конкурента, всією компанією
Найбільший шок від цієї поїздки Мена Сіна до Силіконової долини — те, що в Meta вся компанія використовує Claude Code. Компанія вартістю в трильйони доларів надає десяткам тисяч інженерів можливість торкатися власного коду через API конкурента — пів року тому це було цілком немислимо.
У середині Meta раніше запускали інструмент під назвою myclaw, щоб спробувати вирішити проблему безпеки коду, але «незручно, ніхто не користувався». Зрештою компанія прямо послабила політики: якщо це не стосується даних клієнтів, співробітники можуть вільно використовувати Claude Code, і почали проводити внутрішні зустрічі та тренінги на тему «як стати AI native організацією».
Google через міркування безпеки в принципі забороняє співробітникам користуватися інструментами конкурентів, але DeepMind — виняток: кілька команд, відповідальних за Gemini та внутрішні застосунки, використовують Claude Code. Водночас власний внутрішній інструмент для кодування Google Antigravity, як стверджується, зараз створює приблизно 50% нового коду за допомогою AI, проте це не зупиняє переваги DeepMind.
Один із ключових моментів — те, що Anthropic зробила приватну інтеграцію для них, а ще міркування та тренування в Anthropic і так у великій частці працюють на TPU в Google Cloud; отже, між сторонами є основа довіри. Інші великі гравці такої історії не мають: вони справді тимчасово відклали безпеку коду й спершу розігнали швидкість.
Токени інженера коштують дорожче, ніж сам інженер
Серед кількох нових AI-native стартапів, які Мен Сін відвідав у Пало-Альто, бюджет на токени для одного інженера на рік — приблизно понад 200 тисяч доларів. Ця цифра вже майже дорівнює річній зарплаті інженера. Здається, що компанія використовує AI, щоб звільняти людей і економити, але насправді загальні витрати, можливо, взагалі не знизилися — просто витрати на людей замінили витратами на токени.
Meta довела це до максимуму: всередині встановили рейтинг споживання токенів — хто використовує більше, той і в рейтингу, а в кінці, можливо, можуть звільнити. Суперництво серед співробітників породило неофіційний титул під назвою «token legend». Але в той самий період Meta провела поспіль два раунди скорочень штату, сумарно — понад 10 тисяч людей. Те, що однією рукою всі «тиснуть токени», а іншою — масштабно скорочують штати, не є суперечністю: це дві сторони однієї й тієї ж історії.
Мен Сін на місці відвідав одну компанію в C раунді: технічний керівник відкрив йому Slack — там усе працює agent. Паралельно запускаються десятки Cursor agent, а потім відкривають ще одне вікно Claude Code, яке відповідає за диспетчеризацію. Найпопулярніша тривога в колі інженерів така: перед сном не знаєш, що робитимуть твої десятки agent — і від цього стає дуже моторошно.
100-кратна ефективність, але це не дало 100-кратної виручки
Багато CTO збуджено розповідали Мену Сіну: «Раніше те, що робили 60 людей за 1 рік, тепер 2 люди з Claude Code за тиждень можуть зробити», — це і є так звані «сторазовий інженер», «десятикратне підвищення ефективності».
Але коли Мен Сін охолонув і задав одне питання: добре, ефективність зросла в 100 разів — то виручка компанії теж зросла в 100 разів? Розширення ліній продуктів — у 100 разів? Він не отримав позитивної відповіді. Факт у тому, що 100-кратне підвищення ефективності, коли доходить до виручки, часто проявляється лише як 50% або як однакратне зростання. Де саме прірва — зараз ніхто не може чітко пояснити.
«Використавши стільки токенів, компанія мала б би переродитися в іншу компанію — як генетична мутація. Але в що саме вона перетвориться, я не знаю». Так йому сказав один із засновників. Навіть у самій Anthropic є сценарії, з якими вони не справляються вчасно. Мен Сін запитав у друга з Anthropic: «Який сценарій для вас найболючіший, коли ви самі використовуєте agent?» Відповідь — oncall із миттєвим реагуванням.
Коли API відповідає повільно, коли обривається обчислювальний вузол для міркування, коли вихідні дані від користувацького зворотного зв’язку мають аномалії, oncall-інженер має швидко з’ясувати, де проблема: у багу коді, у розподілі обчислювальних ресурсів чи в самій моделі. Anthropic — компанія №1 у світі з coding agent, цей сценарій знаходиться настільки близько до їхньої ключової компетенції, наскільки це взагалі можливо, але їхні oncall agent всередині все ще незручні.
Парова машина ще не біжить швидше за карету, але ніхто не наважується зупинитися
Мен Сін описує поточний стан так: парову машину вже винайшли, але інколи вона біжить ще не так швидко, як карета. Ключове в тому, що всі знають: парова машина все одно колись буде бігти швидше, тож і безпека коду більше не хвилює, й токен-бюджет вилітає за межі, і рейтинги починають закручуватися. А от коли саме парова машина справді обжене карету — ніхто не знає, але ніхто не наважується зупинитися й чекати того дня, бо ціна зупинки може бути більшою, ніж витратити токени помилково.
Імовірно, споживання токенів не зростає лінійно. Мен Сін наводить дані дослідницької організації METR: показник, що вимірює, як довго AI agent можуть виконувати завдання зі 50% успішністю (в термінах часу, за який це міг би зробити людський експерт). Станом на березень 2025 року Claude 3.7 Sonnet все ще витрачав 50 хвилин, а до кінця 2025 року Claude Opus 4.6 вже робить це за 14.5 години.
Період подвоєння цього показника за минулі два роки скоротився з 7 місяців до 4 місяців. Щойно надійність agent ще на один крок підніметься, проблема споживання токенів перестане бути «приблизно на 50% щороку» і стане проблемою «на цілий порядок за одну ніч». Мен Сін також згадав прогноз, який звучить як консенсус у його колі знайомств: до кінця цього року багатьом компаніям (включно з технологічними гігантами) фактично буде потрібно лише 20% людей.
( Відповісти на одне запитання: якщо AI підвищує твою ефективність у п’ять разів, ти маєш скоротити 80% витрат чи робити в п’ять разів більше справ? )
Автор у квітні цього року вже ставив у одній статті запитання: коли AI збільшує продуктивність команди в п’ять разів, ти можеш скоротити 80% людей, щоб зберегти початковий обсяг, або ж залишити штат і робити в п’ять разів більше. Aaron Levie в Podcast a16z висловив думку, що в майбутньому кількість agent у компанії може бути в 100–1,000 разів більшою, ніж кількість працівників; а Хуан Ін’сун прямо сказав, що якщо у світі не буде нових креативів, підвищення продуктивності, яке приносить AI, зрештою перетвориться лише на безробіття. Проблема не в AI, а в тому, чи мають ті, хто приймає рішення, уяву.
Спостереження Мена Сіна цього разу в Силіконовій долині — це фактично чернетка відповіді, даної на місці: коли 100-кратна ефективність не перетворилася на 100-кратну виручку, коли токен-бюджет наближається до вартості людської праці, коли парова машина ще не може обігнати карету, але ніхто не наважується зупинитися, Силіконова долина обрала «спочатку розігнати швидкість». Але до чого зрештою приведе цей шлях — до «можливостей розширення» чи до «стиснення витрат», наразі немає однозначності.
Наприкінці статті Мен Сін залишає більш збалансований погляд: за ці півмісяця він бачив так багато «тих, хто не встигає», що це справді викликає тривогу, але якщо AI справді протягом кількох років зможе перетворити рак на хронічну хворобу, а матеріалознавство прискорити на 20 років, то ця «нездатність встигати» може стати найбільшим ривком у розвитку людства в історії.
Для корпоративних осіб, що ухвалюють рішення, справжня проблема ніколи не в тому, чи замінить AI людей. Проблема в тому, що після того, як продуктивність збільшиться у 5, 10 або 100 разів, ви обираєте використати це, щоб звільнити більше людей, чи щоб зробити більше справ. Цей вибір уже відбувається одночасно в конференц-залах Силіконової долини та по всьому світу.
Ця стаття «За допомогою AI підвищувати продуктивність чи знижувати витрати? 100-кратна ефективність не дала 100-кратної виручки, але в Силіконовій долині ніхто не наважується зупинити процес» вперше з’явилася в «Lанцюгові новини ABMedia».
