Почему основатели IT-гигантов переходят в AI-стартапы

Anthropic как точка притяжения для «полевых» специалистов

Главный пример из материала — Том Бломфилд, основатель GoCardless и Monzo. По данным источника, он отказался от позиции партнера в Y Combinator и присоединился к команде вычислительной техники Anthropic как технический сотрудник.

Это не одиночный ход. В том же ряду упоминаются сооснователь Instagram Майк Кригер, который в 2024 году пришел в Anthropic директором по продукту, и Андрей Карпатый — один из основателей OpenAI и бывший руководитель AI-направления в Tesla. Карпатый, как передает источник, считает ближайшие несколько лет решающим периодом для развития больших языковых моделей.

Для практиков здесь интересен не только список имен. Важнее параметр роли: часть сильных специалистов соглашается на менее иерархичные должности вроде technical staff. В материале также приведен пример Питера Бейлиса, который после позиции CTO в Workday перешел в Anthropic на роль рядового специалиста. Это хорошая подсказка для бизнеса: если вы строите AI-команду, не стоит мерить экспертизу только названием должности. Смотрите на то, кто реально умеет доводить генерацию, контекстное окно, пайплайны данных и интеграции до стабильного результата.

Новые AI-стартапы: ставка на код и отраслевых copilots

Вторая линия тренда — не переход в крупную AI-лабораторию, а запуск новых компаний. Zamin.uz пишет, что бывший топ-менеджер Facebook Чамат Палихапития впервые с 2011 года вернулся к операционному управлению и основал корпоративный AI-стартап для написания кода 8090 Labs. Проект, по данным источника, привлек 135 млн долларов инвестиций при участии Salesforce Ventures.

Еще один пример — Эрик Ву, десять лет руководивший Opendoor. Он запустил NavigateAI, проект AI-помощника для строительной сферы, и собрал 25 млн долларов посевных инвестиций. Его мотивация в пересказе источника звучит предельно прикладно: через десять лет он не хочет оглянуться и понять, что ничего не сделал в AI.

Для SaaS-рынка это означает сдвиг от абстрактных «чат-ботов для всего» к более узким сценариям: генерация кода, отраслевые copilots, автоматизация рабочих процессов. Если выбираете AI-инструмент для команды, проверяйте его так же внимательно, как покупатель в другой нише может проверить состав сыворотки на комедогенность перед покупкой: не по красивой упаковке, а по составу — данным, интеграциям, лимитам, безопасности и понятной экономике внедрения.

Регуляторный фон: большие платформы заходят в AI не в вакууме

Параллельно Vietnam.vn пишет о давлении на технологических гигантов со стороны регуляторов и судов. В материале говорится, что Европейский суд оставил в силе штраф Google и Alphabet на 4,125 млрд евро, примерно 4,7 млрд долларов, по делу о доминировании Android. Также указано, что с 2017 по 2019 год ЕС оштрафовал Google более чем на 8 млрд евро за антимонопольные нарушения, а в сентябре 2025 года Еврокомиссия назначила еще один штраф — 2,95 млрд евро — за приоритет собственных онлайн-рекламных сервисов.

Отдельно источник упоминает Apple: Верховный суд ЕС отклонил апелляцию компании по статусу «контролера» в рамках Закона о цифровых рынках для iOS и App Store, но отклонил претензию Apple по iMessage. В материале также говорится о напряжении вокруг внедрения новых функций Siri на европейском рынке.

Для AI-команд вывод прагматичный: чем крупнее поставщик, тем больше у него не только вычислений и моделей, но и регуляторных хвостов. Поэтому при выборе LLM-платформы или SaaS с AI-функциями стоит держать короткий чек-лист: где хранятся данные, какие есть ограничения по рынкам, как меняются условия доступа, можно ли быстро переключить модель или провайдера. Сейчас AI-революция выглядит как гонка талантов и капитала, но для внедрения в бизнесе выигрывает не самый громкий анонс, а стек, который выдерживает следующую итерацию.