7 важных суждений основателя Claude Code на конференции Sequoia

Организация: А Ying

Борис Черни, основатель Claude Code, поделился на конференции Sequoia, информация была очень насыщенной, многие взгляды я услышал впервые полностью. Этот парень действительно хорошо разбирается в AI.

Позвольте поделиться своим кратким выводом.

01 Код больше не дефицит

Для множества основных сценариев разработки, написание кода вручную уже начинает становиться неэффективным.

Раньше для реализации функции инженер садился, сначала продумывал, как реализовать, затем по строке писал код. В этом процессе основная ценность инженера заключалась в умении писать, качестве и скорости написания.

Теперь подход изменился.

Тот же функционал, инженер делает больше похожего на: сначала четко формулирует требования, разбивает задачу на части, передает их агенту, устанавливает критерии приемки, затем проверяет, правильный ли результат получил агент, если нет — корректирует подсказки и запускает снова.

AI уже может справляться с большинством задач по кодированию. Конечно, не на 100%, есть большие и сложные кодовые базы, редкие языки или особые среды, где модели пока недостаточно эффективны.

В целом, ценность инженера сместилась с умения писать код на умение разбивать задачи, четко формулировать цели, проверять результаты, управлять агентом.

Это изменение очень похоже на промышленную революцию.

До промышленной революции кузнец сам занимался ковкой, шлифовкой и сборкой — весь цикл выполнял один человек. Хороший мастер был ценен.

Потом появилась конвейерная лента. Каждый работник отвечал за свою операцию, а производительность выросла в десятки, сотни раз по сравнению с ручным трудом.

Теперь ценными стали не мастера, умеющие делать конкретную операцию лучше всех, а те, кто умеет проектировать, управлять и оптимизировать поток.

Рабочие не исчезли, но их роли изменились.

В программной инженерии сейчас происходит похожий сдвиг. Сам код уже не является дефицитным ресурсом. Умение писать код превращается в базовый навык, как умение пользоваться PowerPoint.

Настоящая редкость — это умение разбивать неясные требования на четкие задачи, выбирать правильное решение из нескольких вариантов, координировать работу нескольких AI.

Многие старые инженеры изначально не могут принять это. Сам факт написания кода — причина, по которой многие десятилетия любили свою профессию.

Передача этого процесса машине — для многих не просто изменение метода работы, а переосмысление собственной идентичности.

Но тренд есть тренд.

02 Как Гутенбергская печатная машина

Кодирование превращается из профессионального навыка в базовую способность. Это можно сравнить с изобретением печатного станка в Европе XV века.

До изобретения печати в Европе было примерно 10% грамотных. Эти люди часто работали на богатых дворян, помогая им читать и писать.

Затем появилась печать. За 50 лет количество книг, изданных в Европе, превысило за всю предыдущую тысячу лет, а цены на книги снизились примерно в 100 раз. Через несколько сотен лет, с развитием системы образования и экономики, уровень грамотности во всем мире достиг 70%.

Борис считает, что влияние AI на софт — это ускоренная версия революции печати. В течение нескольких десятилетий программное обеспечение станет демократизированным и доступным для всех.

В итоге, умение писать программы станет таким же естественным, как отправка SMS.

03 Какие навыки наиболее важны?

Когда порог для написания кода с помощью AI снизится до минимума, по-настоящему важным станет способность к продуктовой интуиции, глубокому пониманию конкретной области.

Например, два человека должны создать продукт для врачей. Один — быстро пишет код, другой — работал в информационной службе больницы.

Раньше вероятность успеха была у инженера, потому что он мог реализовать идею.

Теперь любой может реализовать идею. В такой ситуации ценнее тот, кто хорошо знает ежедневные рабочие процессы в больнице. Он понимает, какие функции действительно нужны врачам, а какие кажутся логичными, но не востребованы.

То есть, после того как AI сгладил порог выполнения, разница в способности к суждению становится более заметной.

Это напрямую меняет значение слова «гениалист».

Раньше мы понимали гениалиста как инженера, умеющего писать и iOS, и Web, и бэкенд — внутри инженерной области.

В будущем гениалист — это междисциплинарный специалист.

Кто-то одновременно разбирается в продукте, дизайне и инженерии. Кто-то — в продукте, данных и инженерии. Такие комбинации раньше казались невозможными, потому что каждая область требовала долгой специализации.

Но сейчас AI снижает порог выполнения каждой задачи, и человек может охватывать несколько областей, сохраняя глубину.

Команда Claude Code — тому пример. Менеджеры, продакт-менеджеры, дизайнеры, дата-сайентисты, финансисты, исследователи — все пишут код.

Дизайнеры могут самостоятельно создавать прототипы для команды, а не только рисовать макеты для реализации инженерами.

Финансисты могут самостоятельно запускать аналитические инструменты, моделировать сложные финансовые сценарии без очереди в BI. Исследователи начинают самостоятельно анализировать данные, раньше требовавшие участия аналитиков.

Глубина профессиональных знаний у каждого сохраняется. Но благодаря AI, написание кода становится языком общего пользования.

04 Защита SaaS размывается

За последние годы в SaaS-индустрии сложилось несколько аксиом.

Первая — стоимость переключения. Когда компания использует вашу систему, в ней накапливаются годы данных, настроек, прав.

Перенести все это в другую систему — задача сложная и затратная, вызывает нежелание менять.

Вторая — блокировка рабочих процессов. Операции сотрудников, междепартаментное взаимодействие, одобрения — всё построено вокруг SaaS.

Переход на другую систему — это не только перенос данных, но и перестройка всей системы работы.

Эти два фактора создавали глубокую защиту SaaS. Но с появлением мощных моделей ситуация меняется.

Если раньше перенос данных занимал месяцы, то сейчас можно просто дать моделям интерфейсы и структуры данных, и они сами найдут оптимальные связи, за несколько дней получить рабочий прототип.

Что касается блокировки процессов — тут ситуация еще интереснее. Модели вроде Opus 4.7 умеют читать, разбирать и восстанавливать сложные бизнес-процессы, даже лучше, чем раньше. Иногда новые версии работают еще лучше оригинальных.

Так что защита, основанная на накопленных данных и процессах, размывается.

Для SaaS-компаний это плохая новость. Но для клиентов и команд, разрабатывающих новые SaaS-решения, — это шанс.

05 Лучшее время для стартапов

В ближайшие 10 лет компании, меняющие отрасль, могут появиться в 10 раз больше, чем за последние 10.

Почему? Всё просто.

Маленькая команда может создавать продукты уровня больших компаний или даже лучше, используя AI. А крупные компании, чтобы внедрить AI, сталкиваются с внутренними барьерами.

Что значит?

Компания с десятилетней историей уже выстроила процессы, роли, обучение, KPI — всё это активы и барьеры.

Чтобы внедрить AI, нужно перестраивать бизнес-процессы, переобучать сотрудников, сталкиваться с сопротивлением, согласовывать с множеством отделов.

Маленькая команда с нуля, наоборот, сразу делает AI частью своей базы. Нет наследия, нет привычек, никто не убежден. Сегодня — обсудили, завтра — сделали демо, послезавтра — запустили.

Это ускорение — не новость. Но AI увеличивает его в разы.

Почему?

Потому что чем сильнее AI, тем больше рычагов может задействовать один человек за единицу времени. Маленькая команда, хорошо использующая AI, может сегодня достигать результата, который раньше делали десятки человек, а завтра — тридцать.

А крупные компании, несмотря на организационный вес, усложняют внедрение AI, что увеличивает разрыв.

Это и есть Борисов термин «негативные активы». Не в отсутствии денег или желания, а в том, что их «мышцы», приносящие прибыль, сегодня мешают полностью раскрыть потенциал AI.

06 MCP не умрет

MCP не умрет.

Когда Skill стал популярным, многие подумали, что MCP уже не нужен. Основатель OpenClaw тоже так считал.

Но Борис не согласен. Он считает, что MCP станет слоем соединения программного обеспечения в эпоху AI.

Раньше интерфейс соединения — это API.

Но API — это для инженеров. Чтобы его использовать, нужно читать документацию, получать токен, писать код, согласовывать поля, обрабатывать ошибки. Короче, API — для разработчиков.

MCP — это иначе. Оно позволяет моделям напрямую подключаться и использовать интерфейсы без участия программиста, который переводит или настраивает.

Борис называет API Human Developer Interface, а MCP — Model Interface Protocol. Одно для человека, другое — для моделей.

Это очень похоже на прошлое. В эпоху мобильного интернета все сервисы стали API-ориентированными. В эпоху AI — MCP-ориентированными.

07 Использование компьютеров по-прежнему важно

Многие сейчас считают, что использование компьютеров — это не так важно или не работает.

Обоснование — слишком много токенов, медленно, нестабильно. Кажется, это просто демонстрация возможностей, а не реальный инструмент.

Но Борис видит иначе.

Он считает, что использование компьютеров решает главную проблему внедрения AI: в реальном мире много систем без API и MCP.

Особенно в бизнесе.

Зайдите в компанию — увидите, что большинство ключевых систем очень старые. ERP, офисные системы, финансы, внутренние одобрения, цепочки поставок, кастомные системы. Многие не имеют интерфейсов, документации, автоматизации. Они работают ежедневно, управляемые вручную.

Почему не сделать API?

Потому что сделать это сложно. Производители этих систем уже могут не существовать. IT-отделы не хотят и не могут тратить деньги на реконструкцию.

Бизнесу не остановиться, чтобы ждать полгода или год. Эти системы никогда не дождутся идеального API.

На коротком сроке модели будут развивать свои возможности использования компьютеров.