Ronak Malde подчеркивает, что будущее продуктов — это живые системы с непрерывным обучением на реальных данных пользователей. Ключ к успеху — построить платформу, которая собирает и использует пользовательский сигнал для постоянного улучшения моделей и автоматизации.
⚡️Every product of the future will be a living system — Ronak Malde, Trajectory.ai
полный разбор ролика · 5 глав ↓
Введение и опыт Ronak
Ronak рассказывает о своем пути от работы в Windsurf, где они впервые экспериментировали с агентами и моделями, до DeepMind, подчеркивая важность быстрого развития и сильной команды.
Он вспоминает, как запускали первые системы с автодополнением кода и как это стало прорывом для компании.
Построение модели sui 1
Команда начала с автодополнения, затем поняла, что пользовательский сигнал от агентов и действий важнее, и создала sui 1 — модель, обученную на этих данных.
Это позволило им превзойти существующие модели и запустить эффективный фидбек-цикл для улучшения продукта.
Поглощение Google и DeepMind
Ronak описывает неожиданный и стремительный переход команды в Google и DeepMind, где они получили доступ к мощным ресурсам и продолжили работу над передовыми проектами.
Подчеркивается важность понимания реального использования моделей пользователями, а не только офлайн-метрик.
Решение создать Trajectory
Он объясняет, что AI становится мощным, но статичным инструментом, который не учится на ошибках и не адаптируется к реальному миру.
Trajectory строится вокруг идеи непрерывного обучения, где модели постоянно обновляются на основе реального пользовательского взаимодействия, что даст конкурентное преимущество.
Подход к непрерывному обучению
Ronak приводит пример Harvey — компании с юридическими агентами, где 80% решения достаточно, а оставшиеся 20% корректируются пользователем, что даёт ценный сигнал для обучения.
Они создают платформу, которая собирает все данные и экспертные действия в единый формат для эффективного обучения и улучшения агентов.