Існує одна ілюзія, яка постійно повторюється щоразу, коли з’являються нові технології: коли бар’єри входу знижуються, все стає рівним. Камера в телефоні робить фотографами всіх, Spotify перетворює всіх на музикантів, а тепер AI дозволяє всім кодувати. Логіка проста — базовий рівень зростає, отже конкуренція стає більш відкритою.

Але все, що всі пропускають, — це те, що верхня межа також піднімається. І піднімається швидше. Значно швидше.

Це не випадковість. Це закон ступеня (power law), який зовсім не залежить від ваших намірів. Технології, що обіцяють рівність, навпаки, дають найаристократичніші результати. Щоразу. Без винятків.

Візьмемо Spotify як приклад. Коли Spotify запустили, вони зробили щось радикальне — надали доступ до каналів розповсюдження кожному музиканту у світі, тоді як раніше це могли робити лише великі лейбли з шаленою маркетинговою бюджетом. Результат? Вибух у музичній індустрії. Мільйони нових артистів, мільярди нових пісень. Базовий рівень справді піднявся.

Але потім сталося щось цікаве: топ-1 відсоток артистів тепер отримує більшу частку від прослуховувань, ніж у епоху CD. Не менше — більше. Більше музики, більше вибору, але слухачі, які вже не обмежені географією, рухаються до найкращих робіт. Spotify не створює рівності; він посилює конкуренцію.

Та сама модель повторюється у писемності, фотографії, програмному забезпеченні. Інтернет породив найбільшу кількість авторів у історії, але й створив набагато жорсткішу економіку уваги. Невелика кількість людей отримує більшу частку цінності. Ми дивуємося, бо думаємо лінійно — вважаємо, що продуктивність розподілиться рівномірно, наче воду у плоску посудину. Але складні системи так не працюють, і ніколи не працювали.

Розподіл за ступенем — це не дивина ринку чи збій технології. Це — природний порядок речей у природі. Подумайте про закон Клібера — у всіх живих істот на Землі, від бактерій до синього кита, рівень метаболізму прямо пропорційний ступеню 0,75 від маси тіла. Це співвідношення дуже точне майже у всіх формах життя. Ніхто не проектував це; це просто форма, яка з’являється, коли енергія слідує внутрішній логіці у складних системах.

Ринок — це складна система, а увага — це ресурс. Коли тертя зникає — коли географія, стелажі, витрати на розповсюдження вже не слугують бар’єрами — ринок конвергує у свою природну форму. Ця форма — не колоколоподібна крива нормального розподілу. Це — закон ступеня.

AI прискорить цей процес більше, ніж будь-які технології раніше. Базовий рівень зростає у реальному часі — будь-хто може випустити продукт, розробити інтерфейс, написати виробничий код за один день. Але верхня межа також піднімається, і робить це швидше. Питання, яке варто поставити: що насправді визначає ваше кінцеве становище?

У епоху, коли виконання стає дешевим, естетика стає сигналом. Пам’ятаєте Стів Джобса, який наполягав, що внутрішня плата Macintosh першого покоління має бути красивою? Не зовнішній вигляд — внутрішня частина, яку клієнт ніколи не побачить. Інженери вважали це божевіллям. Але він розумів щось, що легко сприймається як перфекціонізм, але насправді ближче до доказової форми: спосіб, яким ви робите щось, — це спосіб, яким ви робите все.

Той, хто може зробити приховані частини красивими, не демонструє якість, а особисто не може терпіти поганий запуск продукту. Це важливо, бо довіру важко побудувати, але легко зіпсувати. Ми постійно застосовуємо евристики, щоб зрозуміти, хто справді переважає, а хто просто прикидається.

Протягом більшої частини останніх десятиліть цей сигнал був прихований. У часи розквіту SaaS (2012 до 2022), виконання стало настільки стандартизованим, що розподіл став справжнім дефіцитом ресурсу. Якщо ви можете ефективно залучати клієнтів, будувати продажі, досягти Правила 40 — сам продукт майже не має значення. Естетичний сигнал губиться у шумі зростання.

AI справді змінює співвідношення сигналу до шуму. Коли будь-хто може створити функціональний продукт, гарний інтерфейс і репозиторій коду за один день, чи є зручність використання вже фактором відмінності? Питання стає: чи це справді дивовижно? Чи знає ця людина різницю між "добре" і "неймовірно класно"? Навіть без примусу, чи достатньо їй турбуватися, щоб закрити останню прогалину?

Це особливо важливо для критичних бізнес-програмних систем — систем, що обробляють зарплати, відповідність, дані співробітників. Це не продукт, який можна спробувати і залишити на квартал. Витрати на перехід реальні, серйозні збої — цілком можливо, і відповідальність за системи несе той, хто їх впроваджує. Перед підписанням контракту вони пройдуть всі евристики довіри. Гарний дизайн — один із найсильніших сигналів. Він каже: розробники дуже серйозно ставляться.

У світі, де виконання дешеве, естетика — це доказ роботи.

Я виріс у маленькому місті в індійському штаті з населенням 250 мільйонів. Щороку лише близько трьох студентів у всій Індії потрапляють до MIT. Без винятків — всі з дорогих підготовчих шкіл у Делі, Мумбаї або Бангалорі. Я — перший у моєму штаті, хто потрапив до MIT. Це не для хвастовства, а щоб показати мікроаргумент цього: коли бар’єри входу обмежені, фон — передбачає результат; коли бар’єри відкриті, глибина завжди перемагає.

У кімнаті, повній людей із поважним походженням, я — ставка, що виграє, бо маю глибину. Це єдиний спосіб зробити ставку, який я знаю. Я вивчав фізику, математику, інформатику. Найглибші інсайти у цих галузях приходять не з оптимізації процесів, а з розуміння істини, яку пропускають інші.

Магістерська дисертація присвячена зменшенню затримок у розподіленому навчанні машин: коли ви керуєте системою великого масштабу, як оптимізувати ці обмеження, не руйнуючи цілісність системи? Коли мені було двадцять і я дивився на світ стартапів, я бачив картину, де ці глибокі інсайти здавалися неактуальними. Ринок цінує швидкий вихід на ринок, а не сам продукт. Створювати технічно досконале — наївно.

Але наприкінці 2022 року ситуація змінилася. ChatGPT показав — інтуїтивно і з натхненням — що крива вже зігнула. Новий S-кривий почався. Перехід у нову фазу не винагороджує тих, хто найкраще пристосувався до попередньої, а тих, хто здатен побачити безмежний потенціал нової, ще до того, як інші зрозуміють її ціну.

Я пішов з роботи і заснував Warp.

У США понад 800 податкових агентств — федеральних, штатних, місцевих — кожне з власними вимогами до звітності, термінами, логікою відповідності. Немає API, немає програмних інтерфейсів доступу. Протягом десятиліть кожен постачальник зарплатних послуг вирішував цю проблему однаково: наймав додатковий персонал. Тисячі фахівців з відповідності працювали вручну, крутилися у системах, не призначених для масштабів.

Традиційні гіганти — компанії на кшталт Paychex і конкуренти у сегменті payroll — створювали цілі бізнес-моделі навколо цієї складності. Вони не вирішували її, а поглинали, залучаючи більше співробітників і перекладаючи витрати на клієнтів. Це прибутковий бізнес, але на хисткому фундаменті.

У 2022 році я бачив, що AI-агенти ще вразливі. Але я також бачив криву покращень. Людина, глибока у системах розподіленого масштабу і спостерігаючи за еволюцією моделей, може робити точні ставки: технології, тоді ще крихкі, за кілька років стануть дуже потужними.

Тому ми зробили ставку: створити платформу з нуля на основі AI, починаючи з найскладнішого робочого процесу у цій категорії — робочого процесу, який через архітектурні обмеження ніколи не міг бути автоматизований традиційними гігантами. Ми не будемо виправляти складність. Ми позбавимося її з джерела.

Три роки підтвердили цю ставку. Від запуску ми обробили понад 500 мільйонів доларів транзакцій, швидко зростаємо і обслуговуємо компанії, що створюють найважливіші технології у світі. Щомісяця зібрані нами дані відповідності, кейси на межі, інтеграції — все ускладнює копіювання платформи і підвищує її цінність для клієнтів.

Мінний вал вже на початковій стадії, але він формується і прискорюється.

Але є ще третя змінна, яка визначає все, і це — критична помилка, яку робить більшість засновників у епоху AI. Популярний мем у світі стартапів нині: у вас є два роки, щоб втекти з низу. Швидко будувати, швидко залучати фінансування, або виходити — або зруйнуватися.

Я розумію, звідки цей підхід. Швидкість розвитку AI створює відчуття кризи існування. Вікно можливостей зловити цю хвилю здається дуже вузьким. Молоді, що бачать історії швидкої слави у Twitter, природно вірять, що головна гра — у швидкості: переможці — ті, хто біжить найшвидше за найкоротший час.

Це — зовсім інша димензія.

Швидкість виконання справді важлива. Я дуже вірю в це — навіть закарбовано у назві моєї компанії (Warp). Але швидкість — це не вузьке бачення. Найцінніші у світі компанії у епоху AI — ті, що бігали десять років і отримували складний ефект складного відсотка, а не ті, що бігали два роки і швидко зжили свою вигоду.

Найцінніше у програмному забезпеченні — особисті дані, глибокі відносини з клієнтами, реальні витрати на перехід, регуляторна експертиза — вимагає років для накопичення і не може швидко скопіюватися конкурентами, скільки б капіталу або AI вони не мали.

Коли Warp керує зарплатами для компаній у кількох штатах, ми збираємо дані відповідності з тисяч юрисдикцій. Кожне завершене податкове повідомлення, кожен кейс на межі, кожна державна реєстрація — все тренує систему, яка з часом стає дедалі важче копіювати. Це не просто функція. Це — оборонний вал, він з’явився, бо ми довго і глибоко його розробляли, створюючи щільність якості.

Ця складність не проявляється у перший рік. На другий вона вже з’являється натяком. На п’ятий — стає всім ігровим полем.

Френк Слотман, колишній CEO Snowflake, побудував і масштабував більше софтверних компаній, ніж будь-хто інший. Він коротко підсумовує: потрібно звикнути до стану "некомфортності". Не для швидкого бігу, а для того, щоб зробити його постійним.

Туман невизначеності на початкових етапах стартапу — відчуття втрати орієнтиру, неповна інформація, необхідність швидко приймати рішення — не зникне через два роки. Він просто зміниться. Невизначеність замінить стару. Засновники, що виживуть, — це не ті, хто знайде впевненість, а ті, хто навчатимуться діяти чітко у тумані.

Будувати компанію дуже жорстко. Ви живете у постійному легкому страху, іноді з набагато більшим. Ви приймаєте тисячі рішень з неповною інформацією, усвідомлюючи, що низка неправильних рішень може зруйнувати все.

Успіх "завтра" у Twitter — це не просто виняток у розподілі ступеня, а крайній випадок винятку. Оптимізувати стратегію, ґрунтуючись на таких кейсах, — все одно що тренуватися на марафоні, вивчаючи результати тих, хто пішов неправильно і випадково пробіг 5 кілометрів.

Чому ж тоді це робити? Не через комфорт, не через великі шанси на перемогу. А тому, що для деяких — не робити цього — це не справжнє життя. Єдина річ гірша за страх "зробити щось з нуля" — це тихе задушення, яке спричиняє "ніколи не спробувати".

І — якщо ви правильно вгадаєте, якщо побачите істину, яку інші не цінують, якщо будете діяти довго з естетикою і переконанням — результат буде не лише фінансовим. Ви створите щось, що справді змінить спосіб роботи людей. Ви створите продукт, який люди полюблять використовувати. Ви наймете і розкриєте найкращий потенціал людей у бізнесі, який самі побудували.

Це — проект на десять років. AI не може змінити цей факт. Змінює AI — це верхня межа, яку можуть досягти за десятиліття засновники, здатні вистояти до кінця і побачити її безпосередньо.

Яким буде програмне забезпечення майбутнього? Оптимісти кажуть, що AI створює надлишок — більше продуктів, більше розробників, більше цінності, що розподіляється. Вони мають рацію. Песимісти кажуть, що AI руйнує оборонний вал програмного забезпечення — що все можна скопіювати за один день. Вони теж частково праві.

Але обидві групи зосереджені лише на основі. Ніхто не звертає уваги на верхню межу.

З’явиться тисячі одноразових рішень — дрібних інструментів, створених AI, здатних вирішувати вузькі проблеми. Багато з них навіть не будуть створені компаніями, а внутрішніми командами для вирішення власних задач. Для категорій програмного забезпечення з низьким порогом входу і легкою заміною — відбудеться справжня демократія. Конкуренція буде високою, маржа — дуже тонкою.

Але для критичних бізнес-систем — систем, що керують грошовими потоками, відповідністю, даними співробітників, юридичними ризиками — ситуація зовсім інша. Це — робочі процеси з дуже низькою толерантністю до помилок. Якщо зарплатна система зламається, співробітники не отримають зарплату. Якщо податкова звітність буде неправильною — IRS прийде. Якщо виплати зупиняться — реальні люди втратять захист.

Люди, що обирають програмне забезпечення, несуть відповідальність за наслідки. Цю відповідальність не можна перекласти на AI, зібране з "коду за настроєм" у вечірній час.

Для таких робочих процесів компанії будуть і далі довіряти постачальникам. У цьому сегменті динаміка "перемагає все" буде ще більш екстремальною, ніж у попередніх поколіннях софтверних компаній. Не лише через сильніший ефект мережі, а й тому, що платформи на базі AI, що працюють у масштабі, збирають дані про мільйони транзакцій і тисячі кейсів відповідності, мають складний ефект накопичення, що робить нових конкурентів майже неможливим наздогнати миттєво.

Оборонна лінія вже не просто функція, а накопичена якість високоякісної операції у сфері, яка карає за помилки.

Це означає, що рівень інтеграції ринку програмного забезпечення перевищить рівень SaaS. За десять років у сферах HR і payroll не буде 20 компаній із частками ринку по одному знаковому відсотку. Я прогнозую, що дві-три платформи захоплять більшу частку цінності, тоді як довгий список одноразових рішень майже не матиме частки.

Та сама модель повториться у кожній категорії програмного забезпечення, де складність відповідності, накопичення даних і витрати на перехід працюють разом.

Компанії на вершині цієї дистрибуції виглядають дуже схожими: засновані технарями з реальним продуктом; побудовані з перших днів на базі нативного AI; працюють на ринках, де гіганти наразі не можуть реагувати структурно, не руйнуючи вже існуючий бізнес. Вони з самого початку зробили ставку на унікальну глибину — бачення істини, яку AI ще не оцінив — і протрималися досить довго, щоб ефект складного відсотка став очевидним.

Логіка, що привела нас до цього моменту, — це логіка, яку я пояснював упродовж цієї статті: бачити істину. Глибше, ніж будь-хто інший. Створювати високий стандарт, який можна підтримувати без зовнішнього тиску. Триматися довше, щоб побачити, чи ви праві.

Перші компанії у епоху AI будуть створені тими, хто розуміє наступні принципи: доступ — це не рідкісний ресурс, а інсайт; виконання — не оборонна лінія, а естетика; швидкість — не перевага, а глибина.

Закон ступеня не залежить від ваших намірів. Але він винагороджує правильні наміри.