Андрей Карпати: «Код — это уже не то слово». 8 тезисов о мире, где агенты пишут за нас

Андрей Карпати — один из самых влиятельных людей в AI — признался, что не пишет код руками с декабря. Вместо этого он 16 часов в день управляет агентами. И называет это не работой, а «манифестацией воли». Ниже — полный разбор его часового интервью в подкасте No Priors: 8 ключевых тезисов, прямые цитаты с таймингами и выводы для тех, кто строит продукты и маркетинг.

Антагонист этой истории — иллюзия контроля. Мы привыкли, что инженер пишет каждую строку. Что исследователь сам крутит гиперпараметры. Что учитель лично объясняет каждый концепт. Карпати говорит: всё это уже тормозит систему. И самое страшное — мы этого не замечаем.

1. «AI-психоз»: когда возможности бесконечны, а ты — бутылочное горлышко

Первые минуты интервью задают тон всему разговору. Карпати описывает состояние, которое он называет «AI psychosis» — непрекращающееся ощущение, что ты не успеваешь за возможностями.

[1:29] “I still am often in this state of AI psychosis, just like all the time, because there’s so much to do and so much is possible. It’s kind of like, you know, it’s just unlimited, right? Like everything becomes a skill issue.”

«Я до сих пор часто нахожусь в состоянии AI-психоза — всё время. Потому что можно сделать так много, и возможности неограниченны. Всё становится вопросом скилла.»

[1:13] “Code’s not even the right verb anymore, right? But I have to express my will to my agents for 16 hours a day. Manifest.”

«Программировать — это уже не то слово. Я выражаю свою волю агентам по 16 часов в день. Манифестирую.»

Это не метафора. Карпати буквально перестал писать код руками. Вместо этого он формулирует задачи, описывает критерии успеха и запускает агентов — параллельно, в несколько потоков.

[2:50] “I look at my tokens per day, how many tokens I’m generating per day for my agents. And there are days where I’ve had over a million tokens per day of just like directing.”

«Я слежу за количеством токенов в день, которые генерирую для агентов. Бывают дни, когда это больше миллиона токенов — просто на постановку задач.»

Для маркетолога это прямая аналогия: представь, что ты не настраиваешь рекламные кампании, а описываешь бизнес-цели — а система сама создаёт креативы, подбирает аудиторию и оптимизирует ставки. Звучит как будущее? Карпати говорит, что для кода это уже настоящее.

Если ты хочешь понять, сколько стоит твоё внимание в деньгах, калькулятор ROI сотрудника покажет, где человеческие часы создают максимальную ценность — и где их пора заменить автоматизацией.

2. Агенты как «когти»: от чат-бота до автономной сущности

Карпати использует термин «claw» (коготь) для описания нового типа агентов — тех, что работают автономно, без постоянного контроля. Это не chatbot, куда ты пишешь промпт и ждёшь ответ. Это сущность, которая крутится в цикле, имеет собственную память и выполняет задачи, пока ты спишь.

[7:06] “When I say a claw, I mean this layer that takes persistence to a whole new level. It’s something that keeps looping, has its own little sandbox, does stuff on your behalf, even if you’re not looking.”

«Когда я говорю “коготь” — я имею в виду слой, который выводит автономность на новый уровень. Это что-то, что крутится в цикле, имеет свою песочницу и делает что-то за тебя, даже когда ты не смотришь.»

Он особо выделяет OpenClaw (проект Питера Штайнберга) за продвинутую систему памяти и правильно выстроенную «личность» агента:

[8:02] “For example, the soul MD document — he actually really crafted a personality that is kind of compelling and interesting. I feel like a lot of current agents don’t get this correctly.”

«Документ soul.md — он реально продумал личность, которая вовлекает и интересна. Многие нынешние агенты не справляются с этим.»

[8:37] “With Claude, I think they dialed the sycophancy fairly well, where when Claude gives me praise, I do feel like I slightly deserve it… I kind of feel like I’m trying to earn its praise, which is really weird.”

«В Claude хорошо настроили градус угодливости. Когда Claude хвалит меня, я чувствую, что слегка заслужил это. Я пытаюсь заработать его похвалу — это очень странно.»

Для тех, кто строит продукты, это важный сигнал: личность AI-агента — не декорация, а бизнес-метрика. Агент, с которым приятно работать, удерживает пользователя. Мы писали об этом в контексте B2C-агентов и конца воронки продаж — и Карпати по сути подтверждает тот же тезис с позиции разработчика.

3. Dobby the Elf: дом под управлением агента

Одна из самых ярких историй интервью — как Карпати за неделю построил систему умного дома через агентов. Без приложений, без документации, без ручной настройки.

[9:28] “I built a claw that takes care of my home and I call him Dobby the Elf. I used the agents to find all of the smart home subsystems on the local area network. I just told it I think I have Sonos at home. Can you try to find it?”

«Я создал агента, который управляет моим домом. Я назвал его Dobby-the-Elf. Я просто сказал ему: кажется, у меня дома есть Sonos. Попробуй найти.»

[10:16] “And it does. And music comes out. And I’m like, I can’t believe I just typed in, ‘can you find my Sonos?’ And suddenly it’s playing music.”

«И он нашёл. И заиграла музыка. Я не мог поверить — я просто напечатал “найди мой Sonos”, и он играет.»

Dobby управляет светом, HVAC, шторами, бассейном, спа и даже системой безопасности. Камера фиксирует движение, Qwen-модель анализирует видео и отправляет Карпати сообщение в WhatsApp: «Подъехал FedEx, проверь почту».

[11:15] “I used to use like six apps, completely different apps. And I don’t have to use these apps anymore. Dobby controls everything in natural language.”

«Раньше я использовал шесть совершенно разных приложений. Теперь мне они не нужны. Dobby управляет всем на естественном языке.»

Конец эпохи приложений?

Карпати формулирует это прямо:

[13:07] “These apps in the app store for using these smart home devices — these shouldn’t even exist. Shouldn’t it just be APIs and shouldn’t agents be just using it directly?”

«Эти приложения в App Store для умного дома — они не должны существовать. Должны быть API, и агенты должны напрямую их использовать.»

[14:17] “The customer is not the human anymore. It’s agents who are acting on behalf of humans.”

«Клиент — это больше не человек. Это агенты, которые действуют от имени людей.»

Это радикальный тезис для маркетинга. Если твой клиент — агент, то SEO, креативы, лендинги — всё это требует переосмысления. Мы разбирали этот сдвиг в серии про агентный AI в ритейле и матрицу зрелости агентного AI. Карпати подтверждает: переход уже идёт.

4. AutoResearch: агент-учёный, который обошёл 20 лет опыта за одну ночь

AutoResearch — проект Карпати, где агент автоматически проводит ML-эксперименты: меняет гиперпараметры, запускает обучение, оценивает результат и итерирует. Без участия человека.

[16:38] “To get the most out of the tools that have become available now, you have to remove yourself as the bottleneck. You can’t be there to prompt the next thing. You need to take yourself outside.”

«Чтобы выжать максимум из доступных инструментов, нужно убрать себя как узкое место. Нельзя быть тем, кто промптит следующий шаг. Нужно вынести себя за скобки.»

Карпати вручную тюнил свою модель data chat — с 20-летним опытом ML-исследователя. Потом запустил AutoResearch на ночь. Результат?

[18:28] “I let auto research go for like overnight and it came back with tunings that I didn’t see. I did forget the weight decay on the value embeddings and my Adam betas were not sufficiently tuned.”

«Я запустил AutoResearch на ночь, и он вернулся с настройками, которые я не заметил. Я забыл weight decay на value embeddings, и мои бета-параметры Adam были недостаточно подобраны.»

Двадцать лет опыта. Тысячи экспериментов. И агент за ночь нашёл то, что человек пропустил.

[17:04] “The name of the game now is to increase your leverage. I put in just very few tokens just once in a while, and a huge amount of stuff happens on my behalf.”

«Суть игры сейчас — наращивать рычаг. Я ввожу очень мало токенов изредка — а огромное количество работы происходит за меня.»

«Не должно быть человека, который смотрит на результаты. Есть объективные критерии — пусть система оптимизирует сама.»

— Андрей Карпати, No Priors, 2025

Для маркетинга аналогия прямая: A/B-тестирование, подбор ставок, оптимизация креативов — всё это задачи с объективными метриками. Проверь свою эффективность через калькулятор ROI или ROAS — и подумай, какие из твоих процессов можно замкнуть в автономный цикл.

5. Мета-оптимизация: когда агенты улучшают инструкции для агентов

Самый mind-bending момент интервью. Карпати описывает «program.md» — документ, который инструктирует агента, как проводить исследования. И задаёт вопрос: а когда агент сам напишет лучший program.md?

[21:29] “Every research organization is described by program.md. A research organization is a set of Markdown files that describe all the roles and how the whole thing connects.”

«Каждая исследовательская организация описывается файлом program.md. Исследовательская организация — это набор Markdown-файлов, которые описывают все роли и связи.»

[21:50] “One organization can have fewer stand-ups, one organization can be very risk-taking. You can definitely imagine that you have multiple research orgs, and then they all have code. And once you have code, you can imagine tuning the code.”

«Одна организация может проводить меньше стендапов, другая — больше рисковать. Можно представить несколько исследовательских организаций с кодом. А когда есть код — можно тюнить код.»

Это рекурсия: агенты оптимизируют инструкции для агентов, которые оптимизируют модели. Слой за слоем, как луковица.

[22:31] “The LLM part is now taken for granted. The agent part is now taken for granted. Now the claw-like entities are taken for granted. And now you can have multiple of them, and now you can have instructions to them, and now you can have optimization over the instructions.”

«LLM — уже данность. Агент — уже данность. “Когти” — уже данность. Теперь можно иметь несколько, управлять инструкциями и оптимизировать сами инструкции.»

6. Jaggedness: почему суперинтеллект не может пошутить

Карпати описывает парадокс, который знаком каждому, кто работает с AI: модель может за ночь провести 10 000 экспериментов, но не может рассказать новую шутку.

[26:23] “If you go to state-of-the-art model ChatGPT and you ask it ‘tell me a joke’ — do you know what joke you’re going to get? Why do scientists not trust atoms? Because they make everything up. This is the joke you got three or four years ago. This is the joke you still get today.”

«Если ты зайдёшь в ChatGPT и попросишь шутку — знаешь, что получишь? “Почему учёные не доверяют атомам? Потому что они всё выдумывают.” Ту же шутку ты получал четыре года назад. И получаешь до сих пор.»

[24:47] “I simultaneously feel like I’m talking to an extremely brilliant PhD student who’s been a systems programmer for their entire life and a 10-year-old. And it’s so weird because humans have a lot less of that kind of jaggedness.”

«Я одновременно чувствую, что разговариваю с блестящим аспирантом, который всю жизнь был системным программистом, и с десятилетним ребёнком. Это странно, потому что у людей такой “рваности” гораздо меньше.»

Карпати объясняет причину: reinforcement learning оптимизирует только то, что можно верифицировать. Код — можно (тесты проходят или нет). Юмор — нельзя.

[27:13] “The story is that we’re getting intelligence in all domains for free as we get better models. And it’s not exactly what’s going on. There’s blind spots.”

«Нам рассказывают, что с улучшением моделей мы бесплатно получаем интеллект во всех областях. Но это не совсем так. Есть слепые зоны.»

Для маркетолога это значит: не доверяй AI там, где нет объективных метрик. Креативные тексты, тон бренда, эмоциональная подача — здесь человек всё ещё незаменим. А вот цифры и оптимизацию — отдавай машине. Посмотри свою текущую конверсию и подумай, какие участки воронки можно автоматизировать, а где нужен человеческий глаз.

7. Open source отстаёт на 6—8 месяцев — и это хорошо

Карпати — убеждённый сторонник открытого AI. Но его позиция тоньше, чем «всё должно быть открытым».

[49:27] “Roughly speaking, the closed models are ahead, but people are monitoring the number of months that open source models are behind. It started with, there’s nothing. Then it went to 18 months. And now maybe like eight months, six months.”

«В целом закрытые модели впереди. Люди следят за отставанием open source. Начиналось с “ничего нет”. Потом — 18 месяцев. Сейчас — 6—8 месяцев.»

[51:39] “By accident, we’re actually in an okay spot.”

«Случайно мы оказались в неплохой позиции.»

Он сравнивает ситуацию с Linux: закрытые системы (Windows, macOS) лидируют, но Linux работает на 60% компьютеров мира, потому что индустрии нужна общая открытая платформа.

[51:13] “I don’t actually think it’s structurally… I think there’s some systemic risk attached to just having intelligences that are closed and that’s it. Centralization has a very poor track record in my view.”

«Я думаю, есть системный риск в том, чтобы иметь только закрытые интеллекты. У централизации очень плохой послужной список, на мой взгляд.»

Независимость от фронтир-лабов

Отдельно Карпати высказался о том, почему он работает вне крупных компаний:

[44:44] “I feel a lot more aligned with humanity outside of a frontier lab, because I’m not subject to those pressures. I can say whatever I want.”

«Я чувствую себя больше на стороне человечества вне фронтир-лаба. Я не под давлением. Могу говорить что хочу.»

[45:12] “If you’re an employee at an organization, I don’t actually know how much sway you’re going to have on your organization, what it’s going to do. You’re in a room and you’re contributing ideas, but you’re not really in charge.”

«Если ты сотрудник организации — я не знаю, насколько ты реально влияешь на то, что она будет делать. Ты в комнате, предлагаешь идеи — но не управляешь.»

8. MicroGPT и конец обучения людей

В финале интервью Карпати рассказывает о microGPT — 200 строк Python, которые содержат полный алгоритм обучения LLM. И делает неожиданный вывод о будущем образования.

[57:37] “Training neural nets and LLMs specifically, it’s a huge amount of code, but all of that code is actually complexity from efficiency. If you don’t need it to go fast, the algorithm is the 200 lines of Python.”

«Обучение нейросетей — это огромный объём кода, но весь этот код — сложность ради эффективности. Если не нужна скорость, алгоритм — это 200 строк Python.»

[59:02] “Normally, if I had come up with microGPT, I would be tempted to explain to people. But I realized I’m not explaining to people anymore. I’m explaining to agents.”

«Раньше, создав microGPT, я бы захотел объяснить людям. Но я понял: я больше не объясняю людям. Я объясняю агентам.»

[59:41] “If agents get it, they’ll do the explanation. If I don’t understand a particular function, I can ask the agent to explain it three different ways. I’m not going to get that from you.”

«Если агент понимает — он объяснит. Если я не понимаю функцию, я попрошу агента объяснить тремя способами. Этого я не получу от автора.»

Карпати предлагает новую модель: вместо документации для людей — markdown для агентов. Вместо лекций — «скиллы» (инструкции для агента, как обучать человека конкретной теме).

[1:00:23] “Instead of HTML documents for humans, you have markdown documents for agents, because if agents get it, then they can just explain all the different parts of it.”

«Вместо HTML-документов для людей — markdown-документы для агентов. Если агент понимает — он объяснит все части.»

[1:01:31] “The things that agents can’t do is your job now. The things that agents can do, they can probably do better than you, or like very soon. Be strategic about what you’re actually spending time on.”

«То, что агенты не могут — это теперь твоя работа. То, что могут — они, вероятно, уже делают лучше тебя или вот-вот будут. Будь стратегичен в том, на что тратишь время.»

Мы подробно разбирали, как AI меняет ожидания 81 000 пользователей, в исследовании Anthropic. А агентная трансформация бизнеса — в обзоре agent-ready трансформации. Карпати добавляет к этой картине перспективу учёного: сам учебный процесс переходит к агентам.

Роботика: физический мир отстаёт, но рынок там больше

Отдельный блок интервью посвящён робототехнике. Карпати работал над Autopilot в Tesla, и его позиция прагматичная.

[54:54] “Robotics, because it’s so difficult and so messy and requires a huge amount of capital investment — it will lag behind what’s going to happen in digital space.”

«Робототехника отстанет от цифрового мира — потому что это сложно, хаотично и требует огромных капитальных вложений.»

[55:29] “Flipping bits and the ability to copy-paste digital information makes everything a million times faster than accelerating matter.”

«Переключать биты и копировать цифровую информацию в миллион раз быстрее, чем двигать материю.»

Но при этом:

[57:07] “The total addressable market in the physical world is massive, possibly even much larger than what can happen in digital space. So I actually think it’s a much bigger opportunity.”

«TAM физического мира огромен — возможно, даже больше, чем цифрового. Так что это на самом деле большая возможность.»

Рынок недвижимости — один из тех физических рынков, которые уже трансформируются. Смотри, как быстро работают сайты отрасли в нашем рейтинге сайтов недвижимости и следи за трендами в новостях.

Jevons Paradox: почему спрос на инженеров растёт

На вопрос о влиянии AI на рынок труда Карпати ответил неожиданно оптимистично:

[42:25] “The classical example is ATMs and bank tellers. There was fear that ATMs would displace tellers. But what happened is they made the cost of operation of a bank branch much cheaper, so there were more branches. More tellers.”

«Классический пример — банкоматы и кассиры. Все боялись, что банкоматы заменят кассиров. Но банковские отделения подешевели, и их стало больше. Больше кассиров.»

[42:05] “Software was scarce. The reason we don’t have more demand for software is its scarcity and it’s too expensive. So if the barrier comes down, the demand actually goes up. Jevons paradox.”

«Софт был дефицитом. Причина, по которой спрос не больше — дефицит и высокая цена. Если барьер падает, спрос растёт. Парадокс Джевонса.»

Посчитай свою юнит-экономику через калькулятор unit economics — если стоимость разработки падает, какие продукты становятся рентабельными впервые?

---

Тест: насколько ты agent-ready? 5 вопросов

1. Как часто ты используешь AI-агентов для рабочих задач?

• a) Каждый день — 3 балла
• b) Несколько раз в неделю — 2 балла
• c) Иногда — 1 балл
• d) Никогда — 0 баллов

2. Есть ли у тебя задачи, которые ты описал текстом и полностью делегировал агенту?

• a) Да, несколько — 3 балла
• b) Одна-две — 2 балла
• c) Пробовал, не получилось — 1 балл
• d) Нет — 0 баллов

3. Можешь ли ты описать метрику успеха для своей основной задачи так, чтобы агент мог её измерить автоматически?

• a) Да, для большинства задач — 3 балла
• b) Для некоторых — 2 балла
• c) Теоретически да — 1 балл
• d) Не задумывался — 0 баллов

4. Сколько процессов в твоей работе могут работать без тебя ночью?

• a) Несколько — 3 балла
• b) Один — 2 балла
• c) В теории могут — 1 балл
• d) Ноль — 0 баллов

5. Ты когда-нибудь оптимизировал свои инструкции для AI, чтобы получать лучший результат?

• a) Регулярно — 3 балла
• b) Пару раз — 2 балла
• c) Нет, но хочу — 1 балл
• d) Нет — 0 баллов

Результат:

• 12—15: Ты уже в эпохе Карпати. Следующий шаг — мета-оптимизация инструкций.
• 8—11: Хороший старт. Фокусируйся на автономных циклах без твоего участия.
• 4—7: Пора начинать. Выбери одну задачу с объективной метрикой и делегируй её агенту.
• 0—3: Ты — бутылочное горлышко. Карпати бы сказал: «skill issue».

Загадка от Карпати

Карпати говорит, что AutoResearch за ночь нашёл то, что он не заметил за 20 лет. Но при этом он утверждает, что microGPT — его 200 строк — агент написать не может.

Вопрос: почему агент может оптимизировать код лучше человека, но не может создать минимальный код?

Ответ: Оптимизация — это перебор вариантов с объективной метрикой (loss). Создание минимального решения — это вкус, чувство красоты, результат 10-летней одержимости. У агента нет вкуса — есть только метрика. Там, где нет метрики, человек по-прежнему король.

Итог: 4 правила новой эпохи по Карпати

1. Убери себя как бутылочное горлышко. Если ты промптишь каждый следующий шаг — ты тормозишь систему. Опиши метрику, опиши границы, нажми go.

2. Всё, что верифицируемо — отдай агенту. Код, A/B-тесты, подбор гиперпараметров, оптимизация ставок. Если есть число, по которому можно оценить успех — это территория агента.

3. Инвестируй в то, что агент не может. Вкус, эмпатия, видение продукта, нестандартные решения. MicroGPT — 200 строк — это человеческая работа. Всё остальное — нет.

4. Объясняй агентам, а не людям. Документация, обучение, онбординг — всё это скоро будет markdown для агентов. Агент адаптирует объяснение под конкретного человека лучше, чем ты.