OpenAI розуміє дещо особливе й рідкісне, що ховається на видному місці. А саме те, про що Пітер Друкер сказав пів століття тому: мета бізнесу — створювати клієнта.
OpenAI переможе не тому, що має найкращі моделі, найсучасніші чипи, найвигідніше співвідношення ціни та продуктивності чи навіть найкращий продукт, хоча ми вважаємо, що все це в них є. Ми думаємо, що OpenAI переможе, бо вони неймовірно вміють створювати нові типи клієнтів і мають найстійкішу стратегію дистрибуції.
Поки ми пишемо це у вересні 2026 року, рейтинги продуктів «інтелект як послуга» (intelligence-as-a-service) вже не є найважливішим питанням. Інтелект усюди. Будь-хто може зробити майже будь-що; але більшість людей цього ще не робить. Важливо лише одне: чи зможете ви пробудити нову поведінку і чи переможете в дистрибуції.
Аргументація на користь OpenAI зводиться до такого. Щоб побудувати стійкий бізнес на рівні AI Frontier, можна задіяти чотири важелі:
- Створити нові типи поведінки
- Охопити величезну кількість користувачів
- Встановити ціну так, щоб вона відображала цінність продукту
- Забезпечити високі витрати на перехід до конкурентів
Четвертий пункт фактично відпадає. AI Frontier — це перегони Червоної Королеви, принаймні на рівні моделей. Перемикатися між моделями настільки легко, що це можна робити для кожного окремого завдання, а всі гравці постійно стають кращими.
Третій пункт — мрія кожного. Але знову ж таки, конкуренція надзвичайно жорстка, і OpenAI (разом з іншими) рішуче налаштована лідирувати на межі обчислювальних витрат, знижуючи вартість токенів завдяки ефекту масштабу, вертикальній інтеграції та іншим стратегіям. Той, хто зрештою запропонує найкраще співвідношення ціни та продуктивності, і так буде лідером за масштабом.
Тому все зводиться до пунктів 1 і 2. І ми вважаємо, що OpenAI беззаперечно найкраща в першому:
- У сфері ШІ компанія вже має перевірений досвід пошуку простих і очевидних заднім числом проривів, які відкривають нові моделі споживання
І вона також найкраща в другому:
- Зараз кожна AI-лабораторія намагається максимально пришвидшити дистрибуцію, виходячи за межі власних продуктів. І зробити це можна двома шляхами: як платформа або через партнерства. Шлях справжньої платформи вигідніший у довгостроковій перспективі: дохід надходить трохи повільніше, але він набагато стійкіший і цінніший, коли ви його отримуєте.
Є глибша причина, чому OpenAI перемагає в пунктах 1 і 2: компанія володіє одним із найширших і найгармонійніших рівнів загального інтелекту — не лише в своїх моделях, а й у самій організації та базі клієнтів. Вони охоплюють найширшу аудиторію (від звичайних споживачів і просьюмерів до корпоративного сегмента), мають найглибший технологічний стек, що постійно вдосконалюється (аж до власних чипів), і саме тому регулярно знаходять нові патерни та примітиви, які працюють. Вони мислять стратегічно про те, як побудувати платформу-переможця у сфері ШІ, і цей підхід дає результати.
OpenAI чудово вміє знаходити «наступну велику річ»
OpenAI не планувала ставати споживчою компанією. Вони ніби потрапили в цю роль випадково разом із релізом ChatGPT. І це щасливий збіг обставин, адже той момент став одним із поворотних в історії технологій. Якби цього не сталося, світ виглядав би зовсім інакше. ШІ, ймовірно, залишався б під замком у лабораторій та їхніх наближених клієнтів, розвивався б значно повільніше, і ми жили б у таймлайні «за замовчуванням закрито», а не в незрівнянно багатшому світі, який маємо сьогодні.
Сем Альтман нещодавно розповів історію про тижні після релізу ChatGPT, коли більшість людей в OpenAI думали: «Ну, було весело, але, мабуть, час перейти до створення справжніх продуктів. Чат-бот не може бути кінцевою метою, правда ж?» Саме Пітер Тіль порадив Сему: ні, це і є мета. Ви створили новий тип клієнта. Ніщо інше не має такого значення.
І справа не лише в ChatGPT: OpenAI заслуговує на визнання за те, що загалом чудово знаходить проривні патерни та примітиви, які дійсно мають значення, і пробуджує нові моделі поведінки користувачів. Бен Гайлак влучно сформулював це в нещодавній статті: «OpenAI — (майже) непереможний король у пошуку "наступної великої речі". Вона завжди виявляється набагато простішою, ніж здавалося, і абсолютно очевидною заднім числом». Інтерфейс чату GPT, reasoning, виклик інструментів (tool calling) та Computer Use — усе це були великі прориви, які спрощували й фокусували вектор розвитку технологій, роблячи їх придатними для використання. Єдиний серйозний виняток, де OpenAI не була першопрохідцем, — це програмування, але компанія швидко наздогнала лідерів.
Чому їм це так добре вдається? Можливо, на початку вони просто мали ту саму «секретну складову»; ніхто не здатен точно пояснити енергію та магію засновників, яка породжує щось подібне. Але з часом це явно перетворилося на навичку, яку вони свідомо розвивали. Тут є три ключові складові:
- Вони мислять і діють як компанія, яка хоче бути платформою. Слово «платформа» має багато значень, і ми детально розберемо його трохи згодом, але ця компанія щиро вірить, що її користувачі розумні й здатні робити власний вибір у межах ретельно продуманих обмежень.
- Вони подвоюють ставку на технічну глибину, тобто намагаються контролювати кожен рівень свого стека та постійно вдосконалювати платформні примітиви, які потрібні користувачам як будівельні блоки.
- І, мабуть, найголовніше — вони мають колосальне споживче охоплення. Вони залишаються лідерами за різноманітністю типів користувачів і сценаріїв використання як в особистому, так і в робочому житті людей.
Широта аудиторії, яка ними користується, — найбільш недооцінений фактор. Як просто каже Гайлак: «Computer use» [наприклад] — це дуже загальна й неконкретна річ. Щоб стати в цьому кращим, потрібно підвищувати свій інтелект у загальному сенсі. У багатьох доменах, у багатьох робочих процесах.» Люди постійно недооцінюють, наскільки складно перейти від конкретного рішення до універсального. Але зазвичай прості й очевидні (заднім числом), водночас загальні та неконкретні (як проблеми для вирішення) речі можна знайти, лише рухаючись до цього універсального рішення.
Чому більше компаній не прагнуть створювати «універсальні рішення»? Тому що це досить дорого і суперечить більшості найкращих практик управління сфокусованою продуктовою організацією. Вам потрібно збирати дані від величезної кількості клієнтів, їхньої поведінки та дій, дозволяючи їм робити по суті все, що вони захочуть, щоб досягти загального прогресу в домені, а не лише точкового покращення одного продукту.
Це означає, що здатність вбудовувати «загальні знання» у ваш продукт насправді залежить від вашої стратегії дистрибуції. Це неочевидно, але важливо, і OpenAI це розуміє.
Як запропонувати «саме те, що я хочу» (а це може бути дуже специфічна, нестандартна й вибаглива річ) у масовому масштабі, для всіх?
Загалом є три шляхи. Ви можете реалізувати це через окремий продукт, через партнерства або як платформу.
- Окремі продукти мають вигідне обмеження: ваш продукт за своєю природою повинен дозволяти користувачеві «робити все, що він захоче» (тобто запитувати ChatGPT про будь-що). Отже, ви справді створюєте клієнтський досвід — від моменту, коли продукт потрапляє до рук користувача, до того, як він починає користуватися ним щодня.
- Дистрибуція через партнерства дає перевагу швидкого охоплення великої кількості сценаріїв використання. Але зрештою саме партнер володіє та керує бажанням клієнта отримати «все, що я хочу». Тому в довгостроковій перспективі партнер не лише забере собі найпривабливішу економіку, а й контролюватиме, що саме зможе робити користувач і чого система навчиться. Крім того, ваші клієнти можуть навіть не знати, що технологію надаєте ви, тож ви не здобудете їхньої довіри чи лояльності.
- Дистрибуція як платформа означає, що люди будують поверх вас усе, що забажають. Це повільний процес, бо всі нові продукти, які підтримують принцип «все, що я хочу», доводиться створювати з нуля. Але після закріплення це надзвичайно потужний інструмент: навіть якщо дохід надходить повільніше або з меншою комісією, ви формуєте дійсно потужний цикл навчання про світ, оскільки користувачі застосовують ваші примітиви та патерни, навчаючи вас розуміти світ і бажання людей. Не в сенсі «навчання на даних клієнтів», а в сенсі «примітиви стають точнішою картою території».
https://x.com/GavinSBaker/status/2100240010695827959
З часом продукти з'являються і зникають, динаміка партнерств змінюється, а їхня економіка може не виправдати очікувань. Але OpenAI раз у раз повертається до своєї мети — побудувати довговічну платформу. І те, що вони роблять, працює.
Справжні платформи — рідкість, але вони того варті
Платформи складно будувати, і про них складно міркувати. Їх навіть складно визначити!
Зазвичай ми маємо широке, розмите уявлення про платформу: «платформи дозволяють людям створювати те, що відповідає їхнім конкретним потребам».
У програмному забезпеченні це можна реалізувати кількома способами. Дев'ятнадцять років тому Марк написав есе «Три типи платформ, які ви зустрічаєте в інтернеті», яке залишається актуальним і сьогодні. Визначення Марка звучить так: «"Платформа" — це система, яку можна програмувати, а отже, налаштовувати силами зовнішніх розробників — користувачів — і таким чином адаптувати до незліченної кількості потреб і ніш, які початкові розробники платформи не могли навіть передбачити, не кажучи вже про те, щоб мати час на їх реалізацію».
«Три типи» відповідають трьом різним способам організації комп'ютерів, щоб користувач отримував бажаний кастомний результат. Будувати їх стає дедалі складніше (при переході від 1 до 3), але вони стають дедалі магічнішими з точки зору того, яку поведінку та можливості для розробки відкривають.
- Тип 1 — це те, що сьогодні ми назвали б «Headless»: надання користувачам доступу до чогось корисного через API (як Flickr у ті часи, або навіть такі цінні компанії, як Stripe, підпадають під цю категорію).
- Тип 2 використовує те, що ми називаємо «плагінами»: як стара платформа Facebook або більшість додатків Shopify чи HubSpot сьогодні. У вас є основний сервіс, який закриває перші 80% потреб користувачів, а потім — кастомні додатки, що працюють на власному сервері й, імовірно, керуються через якийсь магазин додатків, які дають користувачам бажаний індивідуальний досвід.
- Тип 3 — найважливіший: це справжнє середовище виконання (runtime), яке люди можуть програмувати для створення всього, чого забажають. Такі системи неймовірно складно будувати, але коли вони працюють, це справжня магія. Прикладами є iOS, AWS, Ethereum, а останнім часом і Cloudflare.
Цікаво, що сьогодні в певному сенсі всі компанії, які створюють моделі, та провайдери інференсу претендують на внесок у розвиток «платформ Типу 3». (Моделі — це своєрідне середовище виконання, яким керують через кастомні інструкції!) Але самі по собі моделі не відкривають нових типів поведінки і не є настільки захищеними від копіювання. Як ми побачили на прикладі програмування, де оболонка (harness) має не менше значення, тут важлива саме надбудова з обмежень і примітивів. Пояснимо чому — з теоретичної та практичної точок зору.
Теоретична причина полягає в тому, що для виявлення тих самих очевидних заднім числом патернів і примітивів, які мають значення, вам потрібен доступ до якомога ширшого спектра сценаріїв використання, неявних знань і методу спроб та помилок від ваших користувачів. Лише так можна еволюціонувати від конкретного продукту (локального прориву) до універсального (глобального прориву). І найчистіший спосіб це зробити — дозволити їм писати довільні інструкції (тобто код) для того, що вони хочуть зробити. Правильно налаштувати безпеку, доступ, структури даних та обмеження — це масштабне завдання, якому «продуктово-орієнтовані» компанії насилу надають пріоритет; лише по-справжньому віддані своїй справі досягнуть омріяної мети.
Практична причина для сучасного ШІ полягає в тому, що для корисності агентам потрібно писати код. Це, можливо, неочевидно, але ми переконалися в цьому за минулий рік. Хоча AI-моделі чудово пишуть код, вони напрочуд погано викликають інструменти та виконують інструкції у повсякденній інтелектуальній роботі — хіба що ви зміните підхід і скажете: «напиши програму, яка виконує ці завдання», і тоді вони справляються блискуче. Відкрите питання у впровадженні ШІ в корпоративному секторі зараз звучить так: «як люди та організації підтримають це безпечно?», і, мабуть, варто робити ставку на тих, хто мислить платформно.
Одне з головних відкритих питань сьогодні — які мережеві ефекти, бар'єри для переходу та інші конкурентні рови виникнуть на різних рівнях AI-стека. Наразі рівень моделей залишається вражаюче взаємозамінним. Існує загальне відчуття, що «мультиплеєрний режим» (наприклад, спільна робота над проєктами або довіра між агентами друзів) має непогані передумови для захисту бізнес-моделі, але він ще не вплинув суттєво на загальну боротьбу за «більше використання, менші витрати», яку ми бачимо у споживанні токенів. Головне питання не в тому, «чи ваша модель утримує користувачів», а в тому, «чи створюєте ви нову поведінку?». Як влучно зауважив Стів Хоу: «Важлива не еластичність заміщення між моделями, а еластичність сукупного попиту на ШІ».
Проведення аналогій ніколи не буває ідеальним, але якщо судити з останніх чотирьох років розвитку ШІ, наступні великі прориви у захищеній, мультиплеєрній зручності використання ШІ звичайними людьми народжуватимуться з моментів осяяння. Саме тоді ми знаходитимемо оптимальне поєднання інтелектуальних моделей, обчислювальних примітивів і патернів поведінки, з якого виринатиме щось просте й очевидне. Це може статися завдяки стартапам, які будують на базі модельних компаній як платформ, або завдяки самим модельним компаніям. У будь-якому разі OpenAI очевидно хоче забезпечувати цю роботу та доставляти її користувачам.
У світі надлишку причинно-наслідковий зв'язок працює навпаки
Старі звички вмирають важко. Якщо аналізувати лабораторію AI Frontier як бізнес звичними методами, ви звертатимете увагу на всілякі очевидні речі для оцінки конкурентних переваг: у кого найкращі моделі? У кого найкращі чипи? У кого найкраще співвідношення ціни та продуктивності? У кого найкращі продукти?
Звісно, усе це досі має значення. Але у світі, де інтелекту вдосталь і він доступний на вимогу будь-де, ми, ймовірно, плутаємо причину з наслідком, якщо вважаємо, що наявність усіх цих речей гарантує перемогу. Ми думаємо, що в майбутньому OpenAI матиме найкращі моделі, чипи та продукти саме тому, що має найкращу дистрибуцію, а не навпаки. Компанія вже ухвалила чудові рішення щодо забезпечення достатніх обчислювальних потужностей, надзвичайно ефективного навчання моделей, розробки Jalapeno як оптимізованого чипа та інших практичних кроків, які здатні забезпечити конкурентну перевагу серед наявних AI-рішень. Але в майбутньому, на нашу думку, вони продовжуватимуть перемагати, бо залишатимуться на передовій збору інформації про світ від своїх нових, щойно «пробуджених» користувачів, і на цій основі постійно вдосконалюватимуться.
Нові продукти та моделі можуть привертати загальну увагу на тиждень-два, але в довгостроковій перспективі ми не бачимо, щоб OpenAI поступалася лідерством у тому, що дійсно важливо:
- Вони зберегли статус домінуючого споживчого бренду та широке охоплення користувачів
- Вони пробудили нові типи поведінки користувачів, які очевидні заднім числом і змінюють правила гри щодо можливого
- Вони розширюють межі «найкращих моделей за найкращою ціною» у своїх пропозиціях
- Їхній «маховик» ніколи не зупиняється, і все вдосконалюється одночасно
Сем описує майбутній стан продуктів OpenAI так, що залишаться лише дві пропозиції: або ви можете створити все, що забажаєте, або просто спілкуватися з ChatGPT. Ось як виглядає справжній надлишок у продукті. Ви можете або точно описати, що вам потрібно, щоб це допомогло і одразу це отримати, або повернутися до варіанта: «чи можу я просто поговорити з цим текстовим полем і розібратися, куди рухатись далі».
Цей надлишок доступний загалу вже сьогодні. Є досить невелика група людей, які масово використовують ШІ для всього у своєму житті; і є дещо більша та ширша група тих, хто регулярно користується ChatGPT. Вони ще не стали повноцінними клієнтами. Хто це змінить?
Ми вважаємо, що OpenAI знає як.
