Майкл Герстенхабер занимает пост вице-президента по продуктам в Google Cloud и сосредоточен на платформе Vertex AI — комплексной системе для запуска корпоративных ИИ-решений. Это дает ему обзор реального применения моделей компаниями и понимание шагов для реализации потенциала агентных ИИ.
В разговоре особенно впечатлила одна мысль, которую раньше не слышал. Модели ИИ одновременно преодолевают три рубежа: базовый интеллект, скорость отклика и стоимость — возможность работать недорого при огромных, нестабильных нагрузках. Такой взгляд на способности моделей ценен для разработчиков передовых систем.
Путь в ИИ и текущая роль в Google
Расскажите о своем опыте в ИИ и обязанностях в Google.
ИИ я изучаю около двух лет: полтора года провел в Anthropic, а теперь почти полгода в Google. Управляю Vertex AI — платформой для разработчиков. Клиенты в основном инженеры, создающие свои приложения. Им требуются агентные шаблоны, платформа для агентов и вывод наиболее продвинутых моделей. Мы обеспечиваем это, но готовые приложения оставляем на усмотрение партнеров вроде Shopify или Thomson Reuters.
Причины перехода в Google
Что вас привлекло в Google?
Google выделяется полным контролем стека от интерфейса до инфраструктуры. Мы строим дата-центры, закупаем энергию, возводим электростанции. Разрабатываем чипы, модели, слой вывода. Контролируем агентный уровень, API для памяти и чередующегося написания кода. Есть agent engine для обеспечения compliance и governance. Дополняет чат-интерфейс Gemini для бизнеса и пользователей. Вертикальная интеграция — ключевое преимущество, ради которого я здесь.
Три рубежа развития моделей ИИ
Несмотря на различия лабораторий, их возможности близки. Просто гонка за интеллектом или больше?
Выделяю три направления. Модели типа Gemini Pro заточены под максимальный интеллект. При написании кода главное — высшее качество, даже если процесс займет 45 минут: код внедрят в продакшн, его обслуживать.
Второй рубеж — задержка отклика. В службе поддержки нужно быстро применять правила: разрешить возврат, обновить место в самолете. Интеллект теряет смысл, если ответ приходит через 45 минут — клиент просто уйдет.
Третий аспект касается масштаба, как у Reddit или Meta при модерации всего интернета. Бюджеты солидные, но объем токсичного контента непредсказуем. Требуется модель с пиковым интеллектом при доступной цене, способная обрабатывать бесконечный поток запросов. Здесь стоимость выходит на первый план.
Препятствия для агентных систем
Почему агентные системы внедряются так медленно? Модели готовы, демо впечатляют, но прорыва нет.
Технология существует всего два года, базовая инфраструктура еще не готова. Отсутствуют шаблоны аудита действий агентов и авторизации доступа к данным. Перевод в продакшн всегда отстает от демонстраций. За два года сложно оценить реальные возможности интеллекта на практике — здесь основные трудности.
В разработке ПО прогресс быстрее: вписывается в цикл жизни софта. Есть безопасная dev-среда для экспериментов, затем тесты. В Google код проверяют двое, подтверждая безопасность для бренда и клиентов. Такие процессы минимизируют риски. Нужно адаптировать их для других профессий и сфер.