Transcription
[музыка] Как все себя чувствуют? Прошло уже, э-э, 7 с половиной часов. Мы делаем что? Мы справляемся? >> О, да. >> Отлично. Меня зовут Арман. Э-э, вроде как голос Бога, видимо. Так их называют. Голос Бога, видимо. Э-э, так что меня зовут Арман. Я один из соучредителей и управляющих партнеров компании под названием 10X. Э-э, мой соучредитель — Алекс, который любезно всех объявлял весь день. Мы делаем много классной работы. Мы, э-э, мы помогаем компаниям с их трансформацией в области ИИ. У нас невероятные клиенты по всему миру. Но сегодня я не собираюсь об этом говорить. Я собираюсь поговорить о чем-то гораздо более узком. Я собираюсь поговорить о том, как мы платим инженерам. И мы платим инженерам, как продавцам. Ранее я был в гримерке с группой уважаемых инженеров, которых я, э-э, уважал на протяжении всей своей карьеры. И мы разговаривали, и я говорил им, что мы платим инженерам на основе выполненных ими стори-поинтов. И многие закатили глаза и рассмеялись. И они спросили: «Что ты имеешь в виду?» И я сказал: «Клиенты платят нам за количество доставленных нами стори-поинтов». И мы платим инженерам на основе количества выполненных ими стори-поинтов. И, подобно взглядам, которые я получаю от некоторых из вас, было скептическое отношение. И я знаю, что это звучит безумно, но это работает. Нам удалось нанять невероятных инженеров, многие из которых до этого основали и продали компании. Нам удалось нанять мировых исследователей машинного обучения и ИИ. Мы наняли ракетных ученых из НАСА. Мы отправляем код невероятно быстро, и это поддерживаемый и высококачественный код. Конечно, это мечта каждого. Каждый хочет нанять отличных людей. Каждый хочет поставлять действительно, э-э, быстрый код. Итак, моя цель здесь — не убедить вас всех принять нашу модель. Моя цель — показать вам, как выглядит компенсация в области ИИ, и, надеюсь, дать новую перспективу на тот факт, что вещи могут измениться, когда мы внедрим эту технологию. Прежде чем я начну, я хочу поговорить о том, э-э, как мы к этому пришли. Итак, я по образованию инженер-программист. Я учился в Университете Карнеги-Меллона, а затем преподавал там на факультете компьютерных наук. После этого я пошел в Google и помогал им масштабировать их практики в области ИИ, облачных технологий и мобильных устройств на международном уровне, прежде чем основать несколько венчурных стартапов. И в моем последнем стартапе я работал в WeWork. И я сидел в этом, э-э, WeWork на Ирвинг-стрит, 33. Если кто-нибудь из Нью-Йорка, вы, возможно, работали в этом WeWork. И у них есть эти большие столы, и нас было 12 человек, сидящих вокруг. Никто не разговаривал. У всех были наушники. И я посмотрел налево и увидел, увидел кого-то с открытым Visual Studio Code, верно? Я подумал: «Хорошо, у меня есть коллега-инженер слева». И я увидел, что он печатал, но я не видел окна чата. Этот человек печатал в редакторе кода. Он печатал, как пещерный человек [фыркает]. Этот бедный человек печатал, как будто своими маленькими пальчиками-палочками отдельные символы. Я не мог в это поверить. На моем компьютере было 45 агентов. Трое заказывали мне обед. Двое писали код. Один проводил исследование. Просто разные миры происходили на моем компьютере по сравнению с компьютером этого человека. И мне было жаль. Я подумал, может быть, нам стоит запустить GoFundMe или что-то в этом роде. Но я попытался глубоко разобраться в том, что на самом деле вызывает эту разницу. Почему я использую ИИ так, как я это делаю? И почему этот человек не использует? Есть разные способы, которыми люди пробуют ИИ, и есть разные причины, почему люди его не используют. Мы все слышали людей, которые пробовали его и говорили, что он не так хорош, как я. Мы все слышали людей, которые не пробовали его, потому что не хотят. Но, независимо от этого, я считаю, что это проблема стимулов. Для меня, как для основателя, я хотел выжать каждую крупицу дополнительной ценности и эффективности, которую только мог. И поэтому я сидел в Twitter и LinkedIn, читал блоги и пытался понять, что является передовым в разработке программного обеспечения и что даст мне возможность выдавать больше кода, более высокого качества, быстрее. И из-за этого я использовал все эти, все эти разные агенты. Но этот человек, вероятно, работал в стартапе, вероятно, имел базовую зарплату с ежегодным бонусом и некоторой долей. И это должна была быть модель, которая стимулировала людей быть инновационными, быть инновационными и работать умнее, быстрее и усерднее. Но это не работало. И поэтому, чтобы понять, как мы пришли туда, где мы есть, я сделаю краткую, э-э, историю компенсаций. И это ни в коем случае не точно. Я многое здесь выдумываю. Все иллюстративно. Хорошо, так вот, давным-давно у нас были пещерные люди, которые писали код. Мы, мы, э-э, вероятно, записывали C на планшете где-то, и мы платили людям почасово, верно? Это имеет смысл. Я смотрю на кого-то, сидящего на стуле, и я собираюсь заплатить ему определенную сумму долларов за определенное время. Это имеет смысл для меня, и это имеет смысл для инженера. Но почему это сломано? Я на самом деле хочу услышать от людей. Почему почасовая оплата сломана? >> Медленно. Вывод медленный. >> Нет плюсов. >> Нет плюсов. Нет причин работать быстрее, верно? И на самом деле есть демотивация работать быстрее. И поэтому, что, если я замечу это как покупатель этой технологии и скажу: «Хорошо, сколько времени это у тебя займет? Это займет пять часов. Хорошо, тогда я заплачу тебе 500 долларов, верно? Почасовая ставка 100 долларов. Умножь это на пять». А затем вы, как инженер, если вы работаете быстрее, отлично. Вы можете оставить себе 500 долларов. А если вы работаете медленнее, это ваша проблема. Как инженеры, мы очень, очень плохо оцениваем, сколько времени займут вещи. И поэтому, из-за этого, я не скажу, что это займет пять часов. Я скажу, что это займет 15 часов, 20 часов, чтобы у меня не было риска. И поэтому, опять же, как покупатель, я не хочу платить вам на основе проекта. Так что, если мы наймем людей на зарплату и дадим им бонус, верно? Ну, мы в стартап-сообществе знаем, что происходит, когда это так. Люди приходят в пять, уходят или в девять, уходят в пять. И вот я Ларри Пейдж. Я заметил это и вижу, почему я так усердно работаю в Google? Почему я вкладываю в это свою кровь, пот и слезы? Это потому, что у меня есть часть выгоды. Я владею компанией, верно? И поэтому, когда мы выйдем на рынок за многие, многие доллары, я это увижу. Так что, если я смогу поделиться этим со своими сотрудниками? И вот тут-то и появляется доля. И это работало. Это работало много лет для стимулирования сотрудников. Это основа стартап-сообщества, которое мы все знаем и частью которого являемся. Это невероятно. Но не каждая компания — Google. На самом деле, на каждого одного Google приходится множество неудач. И инженеры-программисты это знают, верно? Те, кто хочет рискнуть, многие просто пойдут в YC или начнут свою собственную компанию. А те, кто не хочет рисковать, выбирают наличные вместо доли. Многие из нас, кто нанимал инженеров, знают, что наличные — это не подлежащая обсуждению доля. Да, конечно. Я возьму часть выгоды. И поэтому я утверждаю, что эта модель нуждается в переосмыслении в эпоху ИИ. Нам нужно напрямую стимулировать людей использовать эти инструменты, использовать их хорошо и при этом поддерживать действительно высокие стандарты качества кода. И вот как это работает для нас. Итак, мы, по сути, просто чтобы сделать шаг назад, мы выполняем два типа работы в 10X. Одно — это дорожная карта, а другое — выполнение. Компании приходят к нам и говорят: «Эй, мы хотим ИИ». Это, как правило, запрос. Иногда он более конкретный. Например: «Эй, я хочу, чтобы моя команда обслуживания клиентов увеличила производительность на 10% с помощью ИИ», верно? Но, как правило, они приходят к нам с запросом. Мы проводим много исследований и обучения, а затем выдаем дорожную карту, и на основе этой дорожной карты они могут взять ее и работать над ней самостоятельно, или мы можем сделать это. Для многих вещей мы используем готовые инструменты, но многое из того, что мы делаем, — это индивидуальные сборки, и именно здесь вступает в силу модель стори-поинтов. Итак, мы составим дорожную карту для многих наших клиентов, но как только они ее увидят, они начнут делать запросы самостоятельно. И у нас в компании есть две клиентские роли. Одна — стратег, другая — инженер ИИ. Стратеги в основном технические. И поэтому у нас есть бывшие менеджеры по продуктам, у нас есть бывшие инженеры. Они выполняют работу, похожую на работу менеджера по продукту, консультационную работу. Они те, кто берет требования к продукту и уточняет их с клиентом. Затем они передают это инженеру, а инженер составляет документ с описанием архитектуры. Они тратят на это много времени. На самом деле, именно на это уходит большая часть нашего инженерного времени. Затем они пишут код и начинают реализовывать этот документ с описанием архитектуры, который включает в себя задачи, и каждая задача оценивается по определенному количеству стори-поинтов. Это очень традиционный метод работы, верно? И когда эта задача принимается, инженер получает плату за каждый стори-поинт, который он выполняет. Наши инженеры имеют фиксированную базовую ставку, а затем каждый квартал мы округляем ее в зависимости от выполненных стори-поинтов. И снова, это позволило нам нанимать невероятных людей, но мы также смогли выполнить невероятную работу. Итак, я пройдусь по паре проектов, которые мы сделали. Вот один. Это компания, занимающаяся наружной рекламой. Если вы сейчас пойдете на Таймс-сквер, вы увидите некоторые рекламные щиты, инвентарь которых они продали. Они продают двумя способами. Один — вы можете позвонить им, традиционные продажи, вы можете купить этот инвентарь, но другой — у них есть продукт типа «Uber для рекламных щитов», где вы можете зайти онлайн, загрузить PNG, выбрать, где вы хотите, чтобы это работало, и как долго, похоже на рекламу в Facebook или Google, очень похоже на этот опыт, и они пришли к нам и сказали: «Эй, мы думаем, что есть возможности для ИИ в нашем продукте». Мы провели анализ и нашли несколько. Одна из них — это. Мы обнаружили, что когда изображение загружается в их систему, оно проходит два этапа модерации. Один — внутренний для компании, другой — с владельцем рекламного щита. Внутренний для их компании. Они тратят на это деньги, чтобы нанять людей для этого, и есть много неточностей, и это занимает много времени. Так что это стоит им денег и стоит им дохода, потому что каждую минуту, когда рекламный щит не работает, они не зарабатывают деньги. И поэтому мы выяснили, что, если бы мы могли создать модель ИИ, которая могла бы фактически выполнять эту модерацию для них. Мы оценили это. Мы составили документ с описанием архитектуры. Мы разбили его на задачи и построили это для них. Мы сделали это за две недели, и мы достигли 96% точности по сравнению с человеком-модератором. Мы также выполнили много других проектов с этой компанией. Это другая компания. Они работают с розничными торговцами по всему миру, и в настоящее время у них есть устройства в этих розничных магазинах, и это устройства с низким энергопотреблением. И поэтому, благодаря этому, они могут запускать одну модель ИИ на устройстве, и эта модель делает тепловое картирование. Представьте, что в этой комнате есть камера, которая смотрит вниз, и она может фактически генерировать тепловую карту трафика в течение дня. И для розничных торговцев, конечно, это очень, очень полезно. Но есть и другие вещи, которые вы можете сделать, верно? Если мы просто посидим здесь несколько минут, мы, вероятно, сможем придумать много идей о том, что вы можете сделать с камерой с чипом, вы можете заработать на этом много денег. Вы можете показать действительно полезную информацию. И вот что мы сделали. Мы придумали, что мы могли бы сделать с этим? Если вы добавите немного больше мощности в этот чип, если вы сделаете модели, если вы их квантуете, чтобы они могли работать параллельно, что вы могли бы сделать? И поэтому мы дали им этот отчет, а затем построили им пять моделей, которые могут работать параллельно. Это включает в себя все: от теплового картирования до обнаружения очередей и обнаружения краж и многого другого. И снова, мы начинаем с документа с требованиями к продукту. Мы разбиваем это на архитектуру. Затем мы строим это, а затем мы платим инженерам на основе вывода. Это большой вопрос. Каковы риски? Верно? Верно? Я только что говорил о одуванчиках и радугах, верно? Э-э, так вот, я обещал вам, что моя цель — не убедить вас сделать это. И часть этого — показать вам потенциальные риски. Вот несколько, которые возникают. Одна из них — что, если инженер завысит количество стори-поинтов, верно? Что, если инженер скажет: «Хорошо, вы хотите, чтобы я добавил кнопку? 45 стори-поинтов». Верно? Что, если инженер торопится и качество падает? Вы говорите, что это заняло две недели. Ну, это было хорошо? Это сработало? И что, если инженеры станут «острыми локтями»? Я начал с того, что сказал, что мы компенсируем инженеров, как продавцов. Это не культура, которую мы обязательно хотим имитировать в разработке программного обеспечения, верно? Так как же нам, как нам, э-э, убедиться, что этого не происходит? Прежде всего, я упомянул, что у нас есть две разные роли, и мы компенсируем их как противовес. Так что стратеги компенсируются на основе NR, что действительно похоже на удовлетворенность клиентов, и каждая задача должна быть одобрена внутренне с несколькими раундами QA, в которых участвует стратег, а также клиентом, и поэтому существует противовес для каждой задачи, которая доставляется. Э-э, я перескочил на второе. Для первого, завышения стори-поинтов, стратеги — это те, кто оценивает. И снова, мы должны все это пересмотреть. И для третьего, как вы убедитесь, что все это правильно? И как вы убедитесь, что нет «острых локтей»? Как вы убедитесь, что все счастливы, и одуванчики и радуги продолжаются на этом параде радости? Ну, вы должны нанять правильных людей, и это то, что я говорю всем. Мы делаем найм невероятно трудным для себя, чтобы все остальное было легко. И это принцип, который мы все знаем и которого придерживаемся. И это невероятно важно с ИИ. Мой соучредитель Алекс всегда говорит: «ИИ делает людей похожими на одно из тех сумасшедших зеркал, где любой из ваших атрибутов он увеличивает в 10 раз». Если вы отличный инженер, ИИ делает вас отличным. Если нет, он делает вас более неряшливым. И это касается всего этого. Вы должны начать с найма. Мы считаем, что ИИ дает людям суперспособности и делает всех нас умнее, быстрее и лучше в том, что мы делаем. Но я считаю, что текущий способ, которым мы компенсируем людей, на самом деле сдерживает их. И я приглашаю вас подумать о том, как вы можете по-другому компенсировать людей в вашей команде, будь то разработка программного обеспечения или что-либо еще. Если вы хотите раскрыть потенциал своих сотрудников, не стесняйтесь обращаться по адресу armon 10x.co. Спасибо. Тепло. [музыка]