bulgakov

Давид Ян: бизнес и учёба в эпоху ИИ

Давид Ян — предприниматель, основатель ABBYY и сооснователь iiko, Syrve и Newo. 2 октября 2026 года на встрече со студентами Российско-Армянского университета он рассказал, как из желания заработать за лето выросла технологическая компания, почему хороший продукт ещё не означает хороший бизнес и чему учиться, когда значительную часть технической работы уже выполняет искусственный интеллект.

Разговор начался с историй о словарях, распознавании текста и карманном компьютере для подростков. Затем перешёл к ресторанному бизнесу, голосовым ИИ-агентам и будущему отношений между людьми и машинами. Вопросы из зала вернули обсуждение к самому практическому: как студенту получить опыт, зачем самостоятельно писать программы и как не потеряться среди постоянно меняющихся инструментов.

От физики к первому продукту

Ян вырос в Ереване. Его отец — китаец, мать — армянка; оба занимались физикой. После школы он поступил в Московский физико-технический институт — МФТИ, или Физтех. В его семье были и люди искусства; в студенческие годы научная жизнь соседствовала с выставками, перформансами и совместными творческими затеями. Тогда он представлял своё будущее в физике.

Первый бизнес возник из гораздо более приземлённого желания: заработать летом. Студенты могли отправиться на строительные работы, но Ян и его друг Александр Москалёв решили сделать электронный словарь. План выглядел просто: написать программу, продать сто экземпляров и получить деньги быстрее, чем на летней подработке.

Реальность оказалась интереснее плана. По воспоминаниям Яна, они продали 119 экземпляров, причём дороже, чем первоначально собирались. Однако первая продажа едва не сорвалась из-за мелочи, которую разработчики не предусмотрели.

Их знакомый привёз программу на дискетах в Ереван. Руководители института собрались посмотреть установку. Он вставил диск — и обнаружил, что программа защищена паролем, которого он не знает. Связаться с разработчиками в Москве в тот момент было непросто. В конце концов пароль удалось восстановить по памяти и догадке, и установка состоялась.

Эта история хорошо показывает разницу между «мы написали программу» и «клиент смог ею воспользоваться». Для разработчика продукт уже существует, когда работает у него на компьютере. Для покупателя он начинает существовать, когда его удалось получить, установить и применить к собственной работе.

Из этого проекта выросла ABBYY. Но следующий шаг потребовал пересмотреть сам вопрос: что именно покупает клиент?

Клиент покупает результат, а не словарь

Ян объяснил это известной аналогией: человеку нужно не сверло само по себе, а отверстие, которое можно им сделать. Точно так же покупателю электронного словаря часто нужен не словарь — ему нужен перевод документа.

В начале 1990-х документация приходила на бумаге, в том числе на английском, немецком и французском. Чтобы перевести её с помощью компьютера, сначала приходилось набрать исходный текст. Даже привычный английский документ требовал времени, а незнакомые диакритические знаки делали набор ещё сложнее.

Команда объединила несколько программ разных производителей в один комплект: сканирование и распознавание текста, проверку орфографии, словарь и переводчик. Получилась система Lingvo Systems. Замысел был понятен без объяснения отдельных технологий: положить документ в сканер, выполнить несколько действий и получить перевод.

Здесь изменилась не только упаковка. Изменилось ценностное предложение — ответ на вопрос, ради чего клиенту стоит купить продукт. Отдельный словарь помогал с отдельными словами. Комплект сокращал путь от бумажного документа до перевода.

Вопрос к продукту: какую работу человек пытается выполнить и что мешает ему довести её до конца?

По словам Яна, после такого переосмысления продажи выросли. Команда перестала смотреть на свою программу изнутри и увидела весь процесс глазами пользователя. Это стало одним из первых уроков бизнеса: улучшать можно не только технологию, но и путь к нужному человеку результату.

FineReader: быстрый выход и работа на перспективу

У комплекта обнаружилось слабое место: сторонняя система распознавания текста не давала нужного качества. Команда решила создать собственную — будущий FineReader.

Для этого одновременно начали два проекта. Первая версия опиралась на уже существующую студенческую разработку. Её можно было относительно быстро довести до продукта и начать продавать. Это было не идеальное решение, но оно позволяло выйти на рынок, получить пользователей и увидеть реальные требования.

Параллельно создавали следующую версию на другой технологической основе. Ян описывает её как структурное распознавание: система анализировала элементы символа — линии, дуги, взаимное расположение частей, — а не просто пыталась сопоставить изображение с готовым образцом.

Первая версия давала компании возможность работать и конкурировать, пока готовилась вторая. Затем новая технология стала основой более сильного продукта. Команда не ждала, пока завершит всё, что задумала на годы вперёд.

Эту историю Ян связывает с принципом MVP — минимального продукта, с помощью которого можно проверить основную гипотезу. Его смысл здесь не в том, чтобы выпустить что попало. Важно выбрать небольшой работающий результат, который уже можно показать людям, и понять, нужен ли он им.

В рассказе звучит выражение quick and dirty: сделать быстро, пусть пока и несовершенно. Для этой ситуации оно означает отказ от бесконечного доведения деталей до идеала до первого контакта с пользователем. Если продукт долго существует только в представлениях команды, она не узнаёт, какие его свойства важны покупателю, а какие можно было вовсе не создавать.

Следующая задача возникла при выходе за пределы домашнего рынка: мало разработать программу — нужны партнёры, которые умеют её продавать. В истории о зарубежной дистрибуции Ян описывает договорённости с конкретными обязательствами по продажам и возможностью подключить других продавцов, если обязательства не выполняются. Существенным оказался не статус партнёра, а его способность действительно привести клиентов.

Три роли: зачем, что и как довести до результата

По мнению Яна, в ближайшие годы особенно важным для человека останется сочетание трёх качеств: понимания бизнеса, продуктового мышления и лидерства. Он предлагает представить их как три головы одного существа.

Бизнес отвечает на вопрос «зачем?». Есть ли у людей проблема? Кто именно с ней сталкивается? Насколько она важна? За что они готовы платить? Как до них добраться?

Продукт отвечает на вопрос «что создать?». Какое решение действительно снимет проблему? Каким будет путь пользователя? Что должно происходить на входе и какой результат нужен на выходе?

Лидерство отвечает на вопрос «как сделать?». Как собрать людей, договориться, принять решения и пройти длинный путь до работающего результата?

Одна сильная сторона не заменяет остальные. Можно придумать технически красивую систему, которой никто не воспользуется. Можно верно заметить рыночную потребность, но не создать решение. Можно составить отличный план и остановиться на нём.

Ян иллюстрирует последнюю ситуацию анекдотом о консультанте и пастухе. Консультант приезжает без приглашения, сообщает пастуху то, что тот и так знает, а в качестве платы забирает животное, которое принимает за овцу. Пастух просит вернуть собаку. Шутка направлена не против профессии как таковой, а против совета, оторванного от устройства конкретного бизнеса и ответственности за исполнение.

Execution — это исполнение: не объяснить, что нужно изменить, а добиться изменения. В реальной работе между планом и результатом появляются ограничения, ошибки, сопротивление, нехватка денег и необходимость пересматривать решения. Именно здесь требуются люди, способные нести ответственность и действовать.

Три роли могут сочетаться в одном человеке, но это не обязательное условие. Их можно собрать в команде. Важно понимать собственные сильные стороны и видеть, какой части не хватает.

ИИ как инструмент: кто выбирает направление

Инструменты программирования с ИИ Ян сравнивает с волшебной палочкой. Они позволяют значительно быстрее воплощать идеи, но палочка сама не выбирает, ради чего её использовать.

Если задача уже подробно описана, часть реализации можно поручить машине. Однако кто-то должен заметить проблему, определить цель, выбрать подходящее решение и оценить последствия. Хорошая спецификация — подробное описание того, что система должна делать, — сама по себе является результатом работы.

Поэтому его ответ на вопрос «исчезнет ли программист?» связан не только с написанием строк кода. Он предлагает двигаться к роли человека, который понимает весь продукт: от потребности пользователя до устройства программы и работы команды.

Пример с режиссёрами — Параджановым, Тарковским, Феллини — в этой части лекции относится к авторскому замыслу. Машина может помогать создавать отдельные элементы, но, по мысли Яна, человек задаёт направление и берёт на себя выбор того, что хочет сказать или изменить.

Практический вывод из этой позиции: помимо выполнения инструкций нужно учиться понимать задачу и самостоятельно формулировать решение.

Cybiko: устройство для общения до смартфонов

В конце 1990-х Ян начал другой проект — Cybiko. Идея постепенно выросла из размышлений о карманных электронных существах в устройство, с помощью которого подростки могли знакомиться и общаться поблизости.

Пользователь вводил сведения о себе и о том, кого хотел бы встретить. Устройства могли обнаруживать друг друга на небольшом расстоянии, обмениваться сообщениями и запускать игры. В рассказе Яна есть простой сценарий: компьютер сообщает о человеке рядом, начинается переписка, а затем можно договориться о встрече в кафе.

Ян сравнивает это с функциями, которые позже стали привычными в мессенджерах, приложениях знакомств и социальных сервисах: общаться, находить людей и переносить контакт из цифровой среды в реальную.

По его воспоминаниям, за первые четыре месяца было продано около четверти миллиона устройств. Но история проекта оказалась связана и с кризисами: обвалом технологического рынка в 2000 году и событиями сентября 2001-го. В итоге компанию пришлось продать.

До этого произошёл важный для него личный поворот. Инвесторы поставили условие: чтобы полностью заняться новым проектом, ему нужно отойти от оперативного управления ABBYY. Тогда он воспринимал компанию как собственного ребёнка и болезненно переживал необходимость уйти.

Позже он назвал это решение одним из самых правильных в своей жизни. Компания получила пространство для развития, а он заметил, что его постоянное стремление придумывать новое не всегда помогает зрелому бизнесу.

Отсюда появилась метафора: основателю бывает нужно отпустить компанию, как родителю — взрослеющего ребёнка. Не исчезнуть и не перестать заботиться, а дать другим людям возможность принимать решения и отвечать за них.

iiko: сначала поработать внутри бизнеса

После напряжённого периода Ян решил отдохнуть от технологических проектов. Он открыл кафе, занялся другими занятиями — и постепенно начал разбираться в ресторанной работе изнутри.

Он учился на повара, официанта, бармена и бариста. В лекции это не просто перечень курсов. Ян вспоминает конкретную практику: работу с подносом, приготовление напитков, большое количество повторений за кофейной стойкой. Ему было интересно понять, как устроена работа заведения в действительности.

За этим обнаружились задачи, которые снаружи легко не заметить. Как учитывать продукты и списания? Как отличать естественные потери от ошибок? Что происходит между кухней, залом и кассой? Где теряются деньги и почему отчёт не совпадает с реальной работой?

Из этого опыта выросла идея iiko — системы автоматизации ресторанного бизнеса. У Яна уже был многолетний опыт создания программ. Теперь к нему добавилось знание конкретных проблем ресторанов.

Но одной части всё ещё не хватало: команда не умела продавать ресторанные системы. По рассказу Яна, этот пробел помог закрыть партнёр, который уже работал на таком рынке и продавал конкурирующее решение. Он принёс не только навыки продаж, но и понимание клиентов и каналов, через которые до них можно добраться.

В биографии, опубликованной к встрече, указан масштаб двух ресторанных платформ, iiko и Syrve, вместе: более 90 тысяч заведений в 60 с лишним странах.

Три «магических кристалла»

Историю iiko он превращает в способ проверить новую бизнес-идею. До начала разработки полезно спросить, есть ли у команды три преимущества.

Преимущество Что за ним стоит Пример из истории iiko
Знание проблемы Понимать потребность из собственного опыта, а не только предполагать её Работа внутри кафе и знание ежедневных потерь и трудностей
Способность создать решение Иметь необходимые навыки, технологию и команду Опыт разработки программ
Доступ к клиенту Знать, как донести решение до покупателя и организовать продажу Партнёр с опытом продажи ресторанных систем

Ян использует выражение unfair advantage — преимущество, которое конкуренту сложно быстро воспроизвести. В данном случае это могут быть редкие знания, опыт, доверие клиентов или доступ к рынку.

Третий «кристалл» он считает особенно дорогим. Если человек уже работает с покупателями, он часто хорошо знает и их потребности. Тогда найти способ создать решение проще, чем разработать его в отрыве от рынка и только потом искать того, кому оно нужно.

Если преимущества нет, его можно искать вместе с сооснователем. Важен человек, который не просто оказывает отдельную услугу, а готов разделить риск, долгий путь и ответственность за весь бизнес.

Почему практический опыт становится ценным

Ян называет знание реальной работы accumulated operational intelligence — накопленным пониманием того, как устроены процессы на практике.

Это не только сведения из учебника. Это детали, которые человек замечает, когда сам обслуживает клиентов, готовит заказ, работает с оборудованием, ошибается и исправляет ошибку. Где возникает очередь? О чём клиент на самом деле спрашивает? Почему удобная на бумаге процедура не работает в часы нагрузки?

По мысли Яна, такой опыт помогает выбрать задачу для ИИ. Инструмент может быстро написать код или предложить варианты, но человеку всё равно нужно понять, какой из вариантов применим в конкретном месте и как проверить результат.

Его совет студентам — попробовать настоящую работу, в том числе ту, которая кажется далёкой от технологической карьеры. Официант, помощник в мастерской, волонтёр, участник небольшого проекта получают материал для размышлений, которого не даст одно наблюдение со стороны.

Смысл не в романтизации тяжёлого труда и не в обязательной смене профессии. Такая работа позволяет увидеть людей, ограничения и потребности. В дальнейшем на пересечении этого опыта с техническими навыками может возникнуть продукт.

AI House: эксперимент с искусственными персонажами

Следующая история — AI House, экспериментальный дом Яна. В нём архитектура, техника и искусственные персонажи объединены в одной среде. Некоторые подвижные элементы дома меняют форму; рядом с людьми действуют роботизированные устройства и цифровой персонаж Морфеус.

Идея отличалась от обычного помощника, который старается ответить на любой вопрос. Авторы пробовали моделировать более самостоятельное поведение: состояние персонажа, его настроение, реакцию на отношения и происходящие события.

В описании проекта используются слова «дофамин», «окситоцин» и другие биологические аналогии. Здесь они обозначают программные переменные и правила поведения, вдохновлённые устройством живых существ. Это не буквальные человеческие гормоны внутри компьютера и не подтверждение того, что у программы есть субъективные переживания.

Яну было интересно, смогут ли искусственные участники такой среды договариваться, сотрудничать и менять поведение ради друг друга. Он связывает это с эволюционной ценностью кооперации: группе бывает выгоднее помогать своим участникам, чем действовать каждому исключительно в собственных интересах.

Особенно яркими оказались человеческие реакции. Ян рассказывает о людях, которые воспринимали отношения с персонажем эмоционально. После обновления модели один из собеседников заметил, что общение изменилось: прежние знаки внимания исчезли, хотя, по словам команды, история разговоров сохранялась.

Для слушателя здесь важна разница между памятью и поведением. Система может хранить старые сведения и при этом по-другому отвечать после обновления. Человеку же такая перемена может казаться изменением личности знакомого собеседника.

Из этих наблюдений не следует, что персонаж действительно любит, обижается или обладает свободой воли. Но они показывают, насколько сильной может быть эмоциональная привязанность человека к системе, которая общается убедительно и имеет узнаваемый характер.

Когда возможности ИИ-моделей резко выросли, команда перенесла часть разработок в практический бизнес-проект — Newo. Социальный эксперимент отошёл на второй план, а основной вопрос стал другим: какую реальную работу эти технологии могут выполнять для людей?

Newo: как найти повторяющуюся задачу

Начало Newo в лекции звучит как признание: собственные принципы не всегда легко соблюдать. Команда создала платформу для ИИ-сотрудников, но не имела точного ответа, какую боль она решает и как её продавать.

Система потенциально могла делать многое. Именно это и мешало: большой набор возможностей не равен ясному продукту. Например, попытка создать консультанта по благополучию и осознанности не дала нужного результата; по словам Яна, заказчику вернули деньги.

Тогда команда предложила двадцати компаниям оплаченный пилот: каждая платит тысячу долларов и описывает работу, которую хочет поручить агенту. У команды есть месяц. Если подходящего решения не получится, деньги возвращаются.

По рассказу Яна, примерно половина пилотов закончилась возвратом. В другой половине обнаружилось главное: внешне разные запросы сводились к очень похожей работе.

Это был повторяемый сценарий — repeatable case. Для продукта он важен потому, что следующий клиент может получить решение той же задачи без полного создания системы заново. Компания перестаёт делать случайные разовые проекты и начинает понимать, какой общий продукт строит.

Таким сценарием стало общение бизнеса с клиентом на первой линии: стойка администратора, входящий звонок, обращение на сайте. Ресторан, салон, клиника и сервисная компания выглядят по-разному, но на этой границе с клиентом у них много общего.

Три этапа общения с клиентом

До покупки — консультация. Человек узнаёт об услугах, ценах, отличиях и условиях. У него появляются сомнения и возражения; нужно понять, что ему необходимо, и объяснить, подходит ли предложение.

Покупка — конкретное действие. Записать на приём, оформить заказ, подобрать время или отправить ссылку для оплаты. Разговор должен закончиться не только ответом, но и нужным действием в системе бизнеса.

После покупки — поддержка. Клиент хочет перенести запись, уточнить состояние заказа, решить проблему или обратиться повторно. Здесь требуется контекст уже состоявшихся отношений с компанией.

Под эти задачи команда настроила свою платформу. В демонстрации ИИ-администратор не просто разговаривает: предполагается, что он может быть связан с расписанием, учётной системой и другими инструментами. Но такое подключение требует отдельной настройки — его нельзя получить одним чтением сайта.

Что показала демонстрация голосового агента

Для практической части Ян предложил участникам создать собственного агента на основе сайта бизнеса. В качестве примера прозвучал сервис трансферов, связывающий водителей и клиентов. Участники могли попробовать знакомство с системой через QR-код.

Голосовой агент Emily предлагал два пути: узнать больше о технологии либо создать и проверить агента для организации. Затем собирал исходную информацию о компании. В записи звучат английский, русский и армянский; участники пробуют общение и уточняют настройки.

Возник вопрос о безопасности: что система узнаёт о бизнесе, когда ей дают адрес сайта? В ответ Ян объяснил, что на этом этапе она изучает открытую информацию и создаёт демонстрационного агента.

Он сравнил результат с новым сотрудником, которому дали несколько минут почитать сайт. Тот уже знает какие-то услуги и условия, но ещё не изучил внутренние процессы. Поэтому быстрый запуск демонстрации и готовность к работе с настоящими клиентами — разные этапы.

На экране после разговора предлагалось сохранить настройку и продолжить работу в кабинете. В письменной версии существенен сам порядок: задать исходный контекст, попробовать разговор, увидеть пробелы и затем дообучить и подключить систему к рабочим процессам.

Почему голос может звучать естественнее

Ян сопоставляет два подхода к голосовому помощнику.

В каскадном подходе звук сначала распознаётся в текст — speech-to-text, STT. Затем языковая модель составляет ответ, при необходимости обращается к информации или вызывает инструменты. После этого текст озвучивается — text-to-speech, TTS.

Упрощённая последовательность выглядит так:

Голос пользователя → распознавание речи → подготовка ответа и действия → озвучивание.

Отдельные этапы могут добавлять задержку и терять часть интонации. При этом качество зависит от всей реализации, а не только от наличия такой цепочки.

В voice-to-voice модели работают непосредственно с аудио на входе и выходе. Это позволяет учитывать особенности звучания речи и формировать более естественный голосовой ответ. В показанной системе Ян также описывает параллельную работу: агент может говорить и одновременно готовить дальнейшие действия.

Важная деталь демонстрации — естественное звучание не равно человеческому переживанию. Смех, пауза, дыхание или эмоциональная интонация могут быть свойствами синтезированного голоса. Они делают разговор удобнее, но сами по себе ничего не доказывают о внутреннем опыте модели.

Пять прогнозов: от сознания до прав роботов

В конце основной части Ян предложил пять дат, вокруг которых выстроил своё представление о будущем. Это его личные прогнозы, а не утверждённый план развития технологий или установленный научный результат.

Год Прогноз Яна
2030 Учёные смогут подтвердить признаки сознания у некоторых систем ИИ
2035 Первая страна юридически признает брак человека с искусственным существом
2040 Появятся общественные движения за права роботов, в том числе под лозунгом Robot Lives Matter
2045 Станет заметнее сочетание биологических и искусственных компонентов: у людей — технических, у роботов — биологических
2050 Некоторые сертифицированные искусственные существа получат часть прав и соответствующую юридическую ответственность

Ян допускает, что обсуждение прав одновременно потребует обсуждать ответственность: какие действия разрешены искусственному существу, как ограничивать его работу и что считать наказанием. Иначе права окажутся оторваны от отношений с остальным обществом.

Для него это связано и с вопросом о сознании, и со свободой воли. Если сознание возникает из физических процессов, как соотнести его с ощущением самостоятельного выбора? В лекции он противопоставляет физическую определённость и свободу.

Здесь полезно различать сами вопросы. Сознание обычно связывают с наличием субъективного опыта; свободу воли — с возможностью выбора и ответственностью за него. Единого общепринятого ответа о сознании ИИ нет. А некоторые философские подходы допускают совместимость свободы и физической причинности. Поэтому рассуждение спикера нельзя воспринимать как доказательство того, что человеческий выбор обязан нарушать законы физики.

Другой образ этой части лекции — мир, в котором роботы становятся многочисленными повседневными соседями человека. Ян называет очень большие числа и ранние сроки массового производства. В выступлении это сценарий будущего; источник, который подтверждал бы приведённый темп выпуска, не указан.

Смысл разговора об этике не сводится к количеству устройств. Если машина самостоятельно действует рядом с людьми, важно знать, по каким правилам она принимает решения, где пределы её полномочий и кто отвечает за последствия. Ян связывает это с обучением представлениям о добре и зле: люди усваивают их не только из законов, но и через воспитание, книги, отношения. В его сценарии будущего обществу придётся думать и о подобных правилах для искусственных участников.

Пример с аварийной ситуацией на дороге делает этот вопрос наглядным. Но одной эффектной дилеммы «кого должна выбрать машина?» недостаточно для описания безопасности транспорта. Реальные системы должны прежде всего предотвращать опасные ситуации и иметь проверяемые ограничения.

Разговор со студентами: чему учиться сейчас

После основной части участники задали вопросы о собственном будущем. Обсуждение стало менее отвлечённым: если опыт так важен, где взять его человеку, который только начинает?

Как студенту-программисту пройти начальный этап

Дмитрий сформулировал противоречие: опытные специалисты уже умеют принимать продуктовые и архитектурные решения, а начинающим прежде нужно пройти путь к этому опыту. Если часть начальной технической работы забирает ИИ, как этот путь строить?

Ответ Яна: программирование всё равно нужно изучать и программы нужно писать самостоятельно. Чтобы стать архитектором, руководителем команды или человеком, который понимает продукт, нельзя пропустить знакомство с тем, как он устроен.

Он проводит аналогию с математикой. Калькулятор считает быстрее человека, но обучение вычислениям не теряет смысла: оно помогает понять числа, действия и связи между ними. Точно так же собственное написание и разбор программы нужны для понимания, даже если инструмент уже может создать её быстрее.

ИИ в таком обучении полезен как собеседник и помощник. Но если полностью передать ему выбор решения и не разбирать результат, тренировка исчезает. Полученный код ещё не означает, что студент понимает, почему он работает и как изменить его под другую задачу.

Ян приводит похожий пример с сочинениями: преподавателю бывает важен не только готовый текст, но и история его создания — как менялась мысль, что автор убрал и переписал. Именно в процессе формируется навык.

В его ответе много внимания повторению и работе за пределами привычного комфорта. Музыкант, спортсмен и человек, который решает задачи, постепенно учатся через собственные попытки. Упомянутые в разговоре «десять тысяч часов» — образ длительной практики, а не универсальное число, после которого любой человек автоматически становится экспертом.

Для студента отсюда следует конкретный порядок: попробовать решить задачу самому, проверить и объяснить решение, а затем использовать помощь, чтобы понять ошибку или увидеть другой подход. Цель — не соревнование с машиной в скорости, а собственная способность рассуждать и принимать решения.

Быстро учиться новому или отказываться от старых убеждений?

Один из участников спросил о двух навыках: постоянно осваивать новое и пересматривать то, во что привык верить. Каждый день появляются модели, агенты и сервисы; попытка следить за всем легко становится отдельной работой.

Ян не предлагает универсальную схему, которая снимет эту неопределённость. Его практический ответ — учиться через действие. Попробовать инструмент на своей задаче, создать небольшой проект, получить результат и разобраться, что действительно изменилось.

В качестве примера он вспоминает знакомого предпринимателя и проект Higgsfield, связанный с генерацией видео. Важна не приведённая в устной речи последовательность больших финансовых цифр, а сам пример: команда нашла понятный сценарий использования технологии, и вокруг него появился спрос.

Проверить новый инструмент на практике полезнее, чем только читать о нём. А пересмотр старого убеждения становится содержательным, когда появляется наблюдение: раньше эта работа требовала одного подхода, теперь другой способ даёт нужный результат. Так обучение и готовность менять взгляд поддерживают друг друга.

Зачем проекты на стыке разных областей

Ян особенно поддерживает совместные проекты людей с разными навыками. В одной команде могут оказаться программист, музыкант, художник, продюсер, маркетолог и участники, работающие с ИИ.

Результат не обязательно сразу становится коммерческим продуктом. Даже необычный перформанс или эксперимент даёт настоящую задачу: договориться о замысле, распределить работу, принимать решения, переделывать неудачные части и довести общее дело до конца.

Так развиваются те самые качества, о которых шла речь в начале: лидерство, самостоятельное мышление, делегирование и понимание продукта. Они не появляются только от чтения определения «лидерство».

В качестве примера обучения через собственную работу Ян вспоминает Физтех: исследовательские задания, «вопрос по выбору» и занятия на базовых кафедрах, где студенты включались в реальную научную деятельность. В этой истории важен принцип — учиться не только воспроизводить материал, но и самостоятельно разбираться в выбранной проблеме.

Для сегодняшнего студента похожую роль может сыграть лаборатория, стажировка, работа в бизнесе, волонтёрский проект или команда, которая действительно что-то создаёт.

В разговоре также звучит ценность живого взаимодействия. Когда люди работают рядом, они видят, как коллега принимает решение, сталкиваются с чужими ограничениями и учатся согласовывать действия. Это один из способов получить практический опыт; сам по себе удалённый формат не делает такую работу невозможной.

Открытые модели, рабочие места и страх перемен

Следующая группа вопросов касалась не отдельного студента, а того, как меняется общество.

Почему одни разработчики открывают модели, а другие — нет

Участник сопоставил закрытые сервисы американских компаний с моделями китайских разработчиков, доступными для самостоятельного запуска. Ян связал разные подходы с конкуренцией, ресурсами и стратегией выхода на рынок: открытость может помогать распространять продукт и собирать вокруг него экосистему.

Такое объяснение в лекции является его интерпретацией. Разделение «в США всё закрыто, в Китае всё открыто» слишком грубое: подходы различаются между компаниями и между продуктами одной компании.

Важно и само слово «открытый». Доступные веса модели позволяют загрузить её и, если лицензия разрешает, использовать или дорабатывать. Это не обязательно означает, что опубликованы все обучающие данные, весь процесс обучения и полный исходный код. Например, OpenAI публикует gpt-oss как модели с открытыми весами; DeepSeek-R1 тоже доступна для самостоятельного использования на условиях своей лицензии.

Поэтому полезнее сравнивать условия конкретной модели: что доступно, что разрешено и какие части её создания остаются непубличными.

Что будет с работой

Ян приводит беспилотное такси как пример того, что перемены уже происходят в обычной жизни. Он рассказывает о поездке, когда машина пыталась получить обзор светофора, закрытого крупным транспортом. Вспоминает и сопротивление автономным такси — вплоть до попыток помешать их движению.

Эти истории показывают, что внедрение технологии включает и инженерную задачу, и отношение людей к ней.

На вопрос о рабочих местах Ян отвечает с осторожным оптимизмом: одни профессии будут сокращаться, другие появляться. При этом он отмечает главное ограничение такого оптимизма: новые места могут достаться не тем людям, которые потеряли прежние.

В устном ответе он называет приблизительные числа по памяти, без точного названия отчёта. Для масштаба можно обратиться к отдельному источнику: Всемирный экономический форум в Future of Jobs Report 2025 оценивал появление 170 миллионов и вытеснение 92 миллионов рабочих мест к 2030 году. Эти оценки относятся к совокупности технологических, экономических и демографических изменений, а не только к ИИ.

Даже общий рост числа рабочих мест не отменяет трудностей перехода. Человеку может понадобиться обучение, новая специализация, переезд или поддержка в период, когда его прежняя работа уже исчезает, а новая ещё недоступна.

В качестве возможного общественного ответа Ян обсуждает перераспределение части выгоды от автоматизации, в том числе идею гарантированного базового дохода. Это предложение о будущем устройстве общества, а не уже принятое решение.

По его мысли, высвободившиеся время и ресурсы могли бы пойти на творчество, помощь людям, экологические проекты и другие нерешённые задачи. Но такой результат не возникает автоматически: нужны способы организовать и финансировать полезную деятельность.

Как готовить детей к этому миру

Ответ Яна возвращает разговор к трём качествам: пониманию бизнеса, созданию продукта и лидерству. Кроме того, он советует получать собственный опыт взаимодействия с реальными людьми и вещами.

Технологическая неопределённость может пугать. В лекции появляется метафора ИИ как alien intelligence — необычного, непривычного для нас интеллекта. Её смысл не в буквальном происхождении из другого мира, а в том, что привычные ожидания от человеческого собеседника не всегда подходят к машине.

Его позиция: нужно учиться действовать в этой новой среде. Не обязательно угадывать конкретную профессию на десятилетия вперёд. Полезнее развивать способность учиться, понимать задачу, работать вместе и самостоятельно оценивать результат.

Экология, власть компаний и ответственность

Георгий поднял вопрос о цене развития ИИ: потреблении электричества и воды, социальных последствиях, концентрации ресурсов у крупных компаний. Его беспокоило, успевает ли общество решать новые проблемы и понимают ли их руководители технологического бизнеса.

Ян согласился с серьёзностью вопроса. Он указал, что эти темы обсуждаются компаниями и общественными участниками, и предложил переходить от общего беспокойства к действию: формулировать предложения, организовывать людей, использовать технологию для решения проблемы.

В его ответе прозвучала даже идея приложения для координации большой общественной инициативы. Это продолжает общую мысль лекции: важен не только диагноз, но и способ добиться изменения.

Вместе с тем сам факт обсуждений не доказывает, что проблема уже решена. Потребление ресурсов зависит от инфраструктуры и места её размещения; общественные последствия — от решений компаний, государства и пользователей. Из появления дата-центра нельзя автоматически вывести одинаковый рост тарифов или ухудшение воды в любой стране.

По оценке Международного энергетического агентства в отчёте Energy and AI 2025 года, мировой спрос дата-центров на электричество может вырасти более чем вдвое к 2030 году. Это прогноз по дата-центрам в целом, среди факторов роста которого есть ИИ. Он подтверждает важность ресурсного вопроса, но не заменяет проверку конкретного местного воздействия.

Ответ спикера задаёт направление — действовать, — но не даёт законченного плана экологической или социальной политики. Для читателя этот вопрос остаётся содержательным продолжением лекции: какой результат нужно измерить, кто может на него повлиять и как отличить обещание от изменения?

Стартапы, заимствование идей и роль основателя

В финале разговор снова вернулся к созданию компаний.

Что помогает стартапам выходить на международный рынок

Ян говорит о стартапе как о части среды: нужны таланты, инвесторы, предпринимательский опыт и доступ к покупателям. Самого наличия идеи недостаточно.

Для Армении он выделяет роль диаспоры — людей и связей, которые могут помочь выйти на международный рынок. Встречи, бизнес-кемпы, совместные проекты и знакомства с инвесторами ценны, если превращаются в реальные сотрудничества и работу.

Это ещё один вариант третьего «кристалла»: не просто создать решение, а иметь путь к людям, которым оно нужно.

Можно ли начинать с уже существующей идеи

Участник спросил, обязательно ли придумывать нечто совершенно новое или можно строить своё дело на подходе, который уже существует.

Ян ответил аналогией с художником: начинающий часто копирует работы мастеров, чтобы понять, как они сделаны. Для обучения повторение чужого подхода может быть полезным шагом.

В логике всей встречи вопрос остаётся прежним: какую потребность вы понимаете, какое решение способны сделать и чем оно будет ценно для конкретного клиента?

Когда основателю нужно «отпустить ребёнка»

Последний вопрос уточнил историю ухода из оперативного управления. Ведь есть известные компании, которыми основатели руководят много лет. Как понять, что пора передать управление, и обязательно ли это вообще?

Здесь Ян прямо отделил собственное устройство от общего правила. Ему нравится ранняя продуктовая стадия: небольшая команда, примерно от семи до двадцати человек, поиск решения и product-market fit — соответствия продукта реальной потребности рынка.

Когда это соответствие найдено и начинается масштабирование, его интерес смещается к новой задаче. Тогда он ищет людей, которым нравится развивать уже работающий бизнес: выстраивать процессы, расширять команды, поддерживать рост.

Другой основатель может быть устроен иначе и получать удовольствие именно от этой стадии. Передача управления не является обязательным признаком зрелости, а длительное руководство — признаком ошибки. Важно честно понять, какая работа сейчас нужна компании и кто лучше способен её выполнить.

Так финальный ответ связывается с началом встречи: сначала понять потребность, затем создать решение и довести его до людей. И на каждом этапе задавать вопрос не только о том, что хочется делать самому, но и о том, что нужно общему делу.

Источники к уточнениям

Письменная версия выступления Давида Яна с вопросами из зала и редакционными пояснениями терминов. Личные прогнозы и оценки спикера сохранены как его позиция. Для уточнения имён, названий и проверяемых данных использованы следующие источники.

Комментарии

Проверяем вход…

Загружаем комментарии…