Я долго изучал вопрос больших языковых моделей на предмет возможностей для стартапов в целом и для своего в частности (я сооснователь b2b стартапа, в который инвестировали Y Combinator и другие известные инвесторы Долины). То есть описан взгляд не с точки зрения инженера (что можно запилить) или пользователя (что прикольно использовать), а со стороны фаундера в b2b - что можно внедрять в процессы бизнеса, чтобы получалась польза (и выручка!)

Дисклеймер: все описанное субъективно, на основе долгого ресерча (в тч в YC), личного опыта, кастдевов и здравого смысла. 

1️⃣ Непопулярное мнение, но я уверен: “проект LLMs” завершен. То есть впереди нас не ждет никаких gpt5 “как человек”. Скорее это похоже на изобретение и внедрение формата USB. Ну вот он появился почти 30 лет назад, изменил многое, выходят новые версии получше-побыстрее. Но никаких прорывов нет и не будет - мы просто живем с этим. Так же и с LLMs - "они изобретены", все про это узнали, API потрогали, технологии достигли уровня решения реальных проблем. Новой революции не будет.

Причин уверенности в этом набралось на целую статью, напишу в следующий раз.

2️⃣ При этом использование LLM будет в некотором смысле стандартом: почти каждая компания может добавить ценности к своему предложению или упростить внутренние процессы. И бизнесы с LLM начнут постепенно (небыстро) выигрывать у бизнесов без LLM.

3️⃣ Забавно, как люди, которые годами занимались языковыми моделями и AI сейчас смотрят на весь хайп вокруг с видом ”а что, так можно было?!” OpenAI конечно мастерски запустил hype cycle в стиле Маска, подогревая тему всякой ерундой вроде “AI поработит мир”, “мы все потеряем работу”, “давайте подпишем письмо” и др. OpenAI - хороший пример того, что доступ к медиаресурсу решает все. Если бы gpt был создан где-нибудь в Джакартском Политехе, то до таких высот никогда бы не добралсся. А Сэм Альтман - плоть и кровь Долины, поэтому в OpenAI так верят.

4️⃣ OpenAI заявляли, что могли выпустить технологию еще прошлым летом. Конечно могли! Но применили классический стартап-прием: хайп-тему приберегли к своему фандрейзингу. Лучшие фаундеры так и делают. Самое простое: объявляют о своем раунде не когда он получен, а перед следующим, чтобы подогреть интерес vc статьей в техкранче. Сэм Альтман и ко. поступили ровно так же, только тема у них покруче.

В общем, хороший момент для фандрейзинга просто завернут в виральные инфоповоды - это можно легко увидеть по датам публикаций, сравнив их с новостями про раунд на $10 миллиардов (!) Всем нам есть, чему поучиться!

5️⃣ Самое главное: муссирование темы в медиа открыло целый спектр возможностей! LLMs из индустрийного термина стали относительно понятны бизнесу. Как минимум на уровне ”давайте попробуем что-то сделать  вместе!” А это ключ к новым возможностям для стартапов - приходить с новым решением к тем, кто раньше закатывал глаза при виде фаундера очередного стартапа. 

Что ж, давайте не упускать эти возможности! И самый лучший шаг к этому - не делать очередное расширение для Хрома или мобильное приложение powered by ChatGPT!

А если все же GPT?

Если хочется поиграться и попробовать API? Для наглядности и отсева зерен от плевел оформил часть из них в виде простой методологии оценки идей.

Формально, критерии использования gpt в том, что мы хотим подавать на вход (промт) и что получать на выходе. 

Пункты ниже я оценил предметно: где возникает (или не возникает) ценность, а значит и ???? бизнес потенциал. Далее важен ????‍???? порог входа в проект - он определяет конкуренцию. А стратегически самое главное - ???? венчурный потенциал (видят ли визионеры решаемую проблему большой).

Начнем с простых тезисов:

1️⃣ На входе и выходе - текст, без другой механики. Самые простые проекты, которых очень много на Product Hunt.  Примеры: chrome-расширения для саммари любых текстов, автогенерация ответов и т.д. Чаще всего решают не заявленную проблему, а “лень копипастить в chatgpt? вот интерфейс поудобнее”.

????‍???? очень низкий - просто api calls. 

???? можно хайпануть несколько недель, но ретеншн будет непотребный.

???? нет.

Хороши для обучения, в частности студентов и школьников. 

2️⃣ На входе и выходе - текст, но есть дополнительная механика. Например когда на основе существующей knowledge base компании можно получать предметные ответы. Или чатботы для CS на основе базы ответов. Решают проблему “огромный массив текста, хочу найти ответ”. По сути конкурируют с поиском, и наверное в итоге многие мимикрируют из QA в привычный паттерн поиска, только умного.

????‍???? низкий. 

???? есть скорее в b2b, причем не горизонтальных. Нужно сильно подкручивать под индустрию, чтобы была реальная польза.

???? низкий, но сильно зависит от индустрии. 

3️⃣ На входе не текст, на выходе - текст. Для видео это например суммаризация видео или сервис “получи ответ из всех YC-видео”. Могут быть механики с картинками, звуком и другими форматами контента. Тут большой спектр идей, и прежде всего я бы смотрел те, которые 1) являются уже существующими кусками бизнес-процессов или целых услуг, за которые платят деньги (два примера выше - мимо); 2) очень сильно улучают процесс, вплоть до 10х, а то и больше.

????‍???? от низкого до среднего.

???? чем больше за ту же ручную работу платят сейчас, тем выше потенциал.

???? низкий, зависит от предыдущего пункта.

4️⃣ На входе и выходе - не текст. В этом случае gpt - это просто часть механики продукта, возможно (и желательно) сильно улучшающий итоговую пользу. Пока хайп в пике, мало кто думает именно о таких способах использования (когда не торчат уши gpt), но очевидно, что в итоге многие к этому придут. GPT - это языковая модель, великолепно работающая с текстом. Эта работа может производится без отображения конечному юзеру, и это будет придавать еще больше магии. И наверняка пользы! 

The Ask

Если вы знаете примеры использования LLM-решений b2b стартапов ранней стадии в реальном бизнесе - прошу писать в комментариях! Желательно когда внутри компании решается настоящая (не выдуманная на Product Hunt) задача. Думаю многим будет интересно узнать о проблемах, которые могут быть решены чьим-нибудь новым стартапом!