Разработка ИИ для компаний: Sequoia объяснила, почему пора уходить от чужих API

---

Sequoia Capital опубликовала пошаговую методологию sovereign AI, подхода, при котором компания строит собственный интеллект поверх открытых моделей вместо зависимости от внешних API, и венчурный инвестор Саша Журавлев из фонда Mento VC перевёл и адаптировал материал для русскоязычной аудитории.

Sequoia Capital, один из старейших венчурных фондов Кремниевой долины, выпустила видеоразбор для основателей и ИИ-команд. Тема: зачем компании нужен собственный ИИ и как к этому подойти технически и организационно. Саша Журавлев, основатель фонда Mento VC (инвестиции в технологические компании на стадиях Seed и Series A в США), перевёл ключевые тезисы и собрал из них пошаговую инструкцию.

Два сценария: зависимость или контроль?

Sequoia противопоставляет два пути развития ИИ в бизнесе.

Централизованный: несколько крупных лабораторий создают универсальные модели, остальной бизнес подключается к ним по API (интерфейсу для обмена данными между программами) и постепенно попадает в зависимость.

Децентрализованный: базовые модели остаются фундаментом, но каждая компания строит поверх них собственный интеллект на своих данных, под свою индустрию и пользователей. Именно этот сценарий Sequoia называет более здоровым.

Причин для перехода к собственному ИИ четыре: стоимость, скорость, качество и контроль.

Почему компании уходят от чужих моделей?

Стоимость. Чем активнее продукт использует ИИ, тем дороже обходятся запросы к внешним моделям. Для компаний с низкой маржой собственная модель становится не экономией, а необходимостью. Парадокс: первыми на свои модели переходят те, кто больше всех тратит на чужие.

Скорость. Небольшая модель, заточенная под конкретную задачу, может работать лучше большой универсальной просто потому, что отвечает быстрее. Особенно это критично в программировании и кибербезопасности.

Качество. Ещё недавно открытые модели (опенсорс, то есть модели с доступным исходным кодом) выбирали, когда были готовы пожертвовать качеством. Теперь модель, прошедшая дообучение (обучение на данных компании под узкую задачу), в ряде задач работает лучше закрытых универсальных.

Контроль. Sequoia формулирует принцип прямо: «Not your weights, not your product». Если ИИ является ключевой частью продукта, полностью полагаться на чужую технологию рискованно.

Гонка сместилась глубже: от интерфейса к интеллекту

Раньше конкуренция шла за application layer, продуктовый слой: кто сделает лучший интерфейс поверх модели и окажется ближе к пользователю. Создатели базовых моделей (OpenAI, Anthropic) двигались от технологии к продукту сверху вниз, а прикладные компании (Cursor, Harvey, Ramp) шли снизу вверх, от потребностей клиента к ИИ-инфраструктуре.

Теперь гонка смещается к intelligence layer, слою интеллекта. Компании конкурируют не только за продукт и дистрибуцию, но и за то, кто будет владеть самим ИИ внутри продукта.

Граница между «ИИ-лабораторией» и «стартапом, который делает приложение поверх чужой модели» стирается. Harvey, Glean, Ramp уже проводят собственные исследования: разрабатывают свои методы оценки моделей, совершенствуют инфраструктуру, ищут новые подходы к дообучению.

Not your weights, not your product. Если AI — ключевая часть продукта, полностью полагаться на чужую технологию становится рискованно. : Sequoia Capital, видеоразбор для фаундеров

Четыре шага к sovereign AI по методологии Sequoia

Sequoia предлагает конкретный план из четырёх этапов.

• Strategy. Определить, какие части ИИ критичны для продукта и должны контролироваться внутри компании. Это не выбор «всё или ничего»: компания не обязана быть на 100% суверенной. Нужно оценить четыре параметра каждой ИИ-функции: стоимость запросов, критичность скорости ответа, потенциал улучшения качества через дообучение и наличие уникальных данных.
• Team. Собрать отдельную команду под задачу разработки ИИ для компании, не размазывать ответственность по существующим отделам.
• Legibility. Сделать ИИ-экспертизу компании заметной для рынка, чтобы привлекать исследователей и инженеров.
• Technical roadmap. Составить технический план перехода: как именно двигаться от внешних API к собственному ИИ.

Что это значит для вас?

Автору Дзена. Принцип sovereign AI работает и на уровне одного человека. Если вы строите контент-бизнес на промптах (текстовых командах для нейросети) к чужой модели, вы зависите от её обновлений и ценовой политики. Начните собирать собственную библиотеку системных промптов и шаблонов дообучения: это ваш «слой интеллекта».

Маркетологу. Четыре параметра Sequoia (стоимость, скорость, качество, уникальные данные) можно использовать как чек-лист прямо сейчас. Посчитайте, сколько вы тратите на API внешних моделей, и оцените, какие задачи дешевле решить дообученной открытой моделью.

Предпринимателю в РФ. Ограничения доступа к западным API делают стратегию sovereign AI не опцией, а необходимостью. Начните с первого шага Sequoia: определите, какие ИИ-функции критичны для вашего продукта, и проверьте, можно ли закрыть их открытыми моделями с дообучением на ваших данных. Оговорка: для задач, требующих рассуждений на уровне GPT-4, открытые альтернативы пока уступают, и это стоит учитывать при выборе.

Методология Sequoia ценна не размером чека, а структурой мышления: не «перейти на своё целиком», а «понять, какую именно часть интеллекта вы обязаны контролировать сами, и начать с неё».