Карпати 4/30 на Sequoia Ascent свёл самые полезные объяснения AI этого года в три тезиса. После прочтения у вас изменится взгляд на AI.

1. AI — это не просто «быстрее», а новый парадигмальный подход
Прошедшие 2 года все говорили, что AI ускоряет процессы.
Карпати говорит, что это неправильное восприятие.
Приведу 3 примера, как AI переопределяет задачи:
- menugen: вход-выход изображений, без традиционного кода, всё приложение поглощается LLM
- .md навыки: установка софта без написания .sh скриптов, достаточно написать на китайском/английском объяснение, чтобы LLM сам понял вашу среду и установил всё
- LLM база знаний: то, что не под силу традиционному коду — превращение любого формата неструктурированного текста в вычисляемые знания
Первая категория — «уменьшение кода», вторая — «использование английского как кода»,
третья — «то, что традиционный код изначально не умеет делать».
2. Jagged Edge — почему AI одновременно универсален и глуп
Самый важный тезис.
Почему один и тот же AI может рефакторить 100 тысяч строк кода,
и при этом советовать вам пойти помыть машину? Не сбой модели.
Карпати цитирует:
«Вы либо на рельсах RL-цепей и летите,
либо в джунглях с мачете, срезая путь».
Либо вы летите внутри обученного круга RL,
либо рубите в джунглях.
Два фактора, определяющих, какие задачи попадают в обучающийся распределение:
verifiability (подтверждаемость результата) + economics (стоит ли тратить деньги — frontier labs на RL)
Математические соревнования / программирование / доказательство теорем:
высокая подтверждаемость + высокий TAM → попадает в круг → когда используете — летите
Повседневные советы / редкие языки и литература / длиннохвостовые задачи:
низкий TAM → не попало в RL → вы рубите в джунглях.
Это не линейная история «AI становится всё сильнее».
Это разнородные границы, и вы должны знать, на какой стороне стоите.
3. Экономика, основанная на агенте
Последний тезис: будущее программного обеспечения — это
sensor (вход) + actuator (исполнение) + logic (рассуждение)
Логика полностью работает на LLM,
sensor / actuator — с помощью традиционного кода в качестве сопроцессора.
Смысл: сделать информацию максимально понятной для LLM — это главный ограничитель будущего дизайна софта.
---
Три тезиса — это единая связная структура:
Новая парадигма показывает, что AI может делать то, что раньше было невозможно,
Jagged Edge помогает понять, где AI ещё не справляется,
Agent-native economy показывает, как обернуть оставшиеся задачи для AI.
Это не «AI становится всё сильнее».
А «какие задачи в круге, какие — в джунглях».