Аналог Jev уже есть в OpenAI и Gemini: что защищает стартап, когда ИИ копирует всё

Стартап делает удачный инструмент, а через какое-то время похожая функция появляется в API крупных лабораторий. С Jev, недорогим и быстрым классификатором, это уже случилось: аналоги выкатили и OpenAI, и Gemini. Народ говорит, что они пока откалиброваны хуже оригинальной модели, но пользоваться ими уже можно.

Что именно скопировали

Классификатор — это маленькая быстрая модель. Она не пишет эссе, а отвечает на узкий вопрос: к какой категории относится запрос, пропускать ли сообщение, нужна ли эскалация. Для таких задач большая модель не нужна, поэтому здесь решают скорость и цена. По ссылкам из поста видно, что и в документации OpenAI, и в AI Studio от Google теперь есть разделы про decisions, то есть про похожий класс задач.

Практический вывод простой. Если вы строили часть продукта вокруг дешёвой классификации, у вас появился выбор. Но проверьте калибровку на своих данных: по отзывам, именно там копии пока проигрывают оригиналу.

Копируют всё, что стоит копирования

Автор канала утверждает, что так будет с любым многообещающим стартапом. На худой конец можно натравить кодового агента (в посте названы Fable и Astra) на сам продукт и на все публичные посты компании и попросить повторить технологию. Модель это сделает.

Возражения известны. Повторит ли она все 100% функционала? А зачем вам 100%, если нужны только 10%? Кто будет поддерживать? Да та же модель. Каждый такой ответ можно оспорить, но для многих покупателей их хватит.

Автор говорит об этом не абстрактно. Его команда в BitGN делает Company Brain и уже начинает внедрять её в другие компании. За системой стоят 9 месяцев исследований, разработки и оптимизаций. И он точно знает, что не одна команда уже натравливала Fable или Codex на все доступные материалы и API, чтобы повторить систему. Остановить это нельзя: бинарники утекают, а по API и документам их реверсят в исходники и воспроизводят.

Где тогда искать защиту

Вывод автора: фишка должна быть не в закрытости. Он сам выложил ключевые слова технического слоя Company Brain: FoundationDB и LMDB, детерминированное тестирование, fault injection и replay, иммутабельные changesets, snapshot isolation, OCC, capability-based авторизацию, версионируемые SDK для каждой компании, поиск с учётом прав доступа, аудит происхождения данных. Это малая часть списка. Любой агент может его прочитать, и автор считает это нормальным.

Логика такая: стоимость разработки и повторения технологий падает, поэтому понятийная база и исходники перестают быть рвом. Ценность и конкурентное преимущество переезжают туда, что пока плохо масштабируется через ИИ. В качестве примера в посте упомянут учебный модуль по progressive disclosure: у кого есть доступ, тот видел код и читал материалы, обязательные для участия в разработке ядра. Я читаю это так: защита лежит в людях и накопленном знании, а не в репозитории.

Сейчас команда планирует следующую версию Company Brain, чтобы она лучше масштабировалась на большие компании.

Что делать с этим на практике

Три вопроса команде, которые стоит задать до релиза, а не после:

• Если агент прочитает наш API, документацию и блог, что из продукта он не повторит?
• Что у нас копится со временем и не лежит в репозитории: данные, опыт внедрений, калибровка на реальных кейсах, доверие клиентов?
• Можем ли мы спокойно раскрыть архитектуру? Если нет, значит, рва у нас, возможно, нет.

Автор подчёркивает, что эту неизбежность нужно закладывать в разработку уже сегодня и делать частью плана. Если так, раскрывать спецификации технического слоя не страшно.

Ограничения

Это мнение практика с интересом: он продаёт собственную технологию, а цифр о том, как часто копии реально заменяют оригинал, в посте нет. Про аналоги Jev есть только «народ говорит», независимых замеров калибровки не приведено. Тезис «нужны только 10% функционала» подходит не всем: в регулируемых отраслях и сложных интеграциях полнота важна. Но направление понятно: если агент повторяет продукт по документам, ставка только на «мы первые» уже не защищает.