Как искусственный интеллект меняет разработку программного обеспечения в Shopify: интервью с Фарханом Таваром (часть 2)

Оригинальное видео: https://www.youtube.com/watch?v=u-3IILWQPRM

Внутренний меморандум об использовании ИИ

**Ведущий:** Около месяца назад в медиа появился внутренний меморандум Тоби о стратегическом использовании искусственного интеллекта. Насколько я понимаю, документ изначально предназначался для внутреннего пользования, но после утечки Тоби решил опубликовать его полностью. В меморандуме говорилось об ожидании, что каждый сотрудник Shopify будет активно применять ИИ. Не могли бы вы рассказать, какие причины, по вашему мнению, стояли за этим обращением? Какова была реакция внутри компании? Привело ли это к реальным изменениям или просто зафиксировало уже существующую практику?

**Фархан Тавар:** Это было принципиальное заявление о новом этапе развития компании, призванное стимулировать переход всех сотрудников от пассивного наблюдения к активному действию. Да, искусственный интеллект уже существовал в мире, ChatGPT и другие подобные системы были доступны, но мы начали создавать внутреннюю инфраструктуру для упрощения их интеграции в рабочие процессы. Суть нашего послания была следующей: хотя использование ИИ не является обязательным требованием, мы исходим из того, что этот набор инструментов доступен каждому сотруднику. Соответственно, оценка вашей эффективности будет производиться с учетом возможности применения этих технологий.

Представьте ситуацию: вам необходимо провести сложный анализ, но вы отказываетесь от использования Excel или Google Таблиц. Теоретически, вы можете выполнить работу с помощью ручки и бумаги — мы не принуждаем вас к использованию цифровых инструментов. Однако мы исходим из того, что современные средства анализа доступны каждому, и ожидаем соответствующего уровня результатов.

После публикации меморандума наиболее заметные изменения произошли за пределами отдела исследований и разработок. Как я уже отмечал, команды R&D уже активно двигались в этом направлении. Отдел исследований и разработок, объединяющий инженерию, продуктовые команды, аналитику данных и дизайн, традиционно более восприимчив к новым технологиям — эти специалисты стремятся использовать передовые инструменты. Тем не менее, некоторые сотрудники занимали выжидательную позицию, и наше заявление изменило их подход, четко обозначив ожидания компании. Но наиболее значительный эффект мы наблюдали в других подразделениях: продажи, финансы, клиентская поддержка, сервисные центры — все эти направления также начали интегрировать искусственный интеллект в свои процессы, и мы обеспечили им необходимую инфраструктуру.

Мы создали, например, прокси-сервис для языковых моделей, предоставляющий доступ ко всем API и моделям. Сотрудникам не нужно беспокоиться о возможной утечке конфиденциальной информации — они могут уверенно использовать эти инструменты в своей работе.

Инструменты ИИ в Shopify

**Ведущий:** Давайте обсудим технологические решения, которые вы либо разработали самостоятельно, либо внедрили на ранних этапах. Не могли бы вы рассказать подробнее о прокси-сервисе для языковых моделей? Я также слышал упоминание о системе MCP.

**Фархан Тавар:** Позвольте начать с прокси-сервиса для языковых моделей. Изначально мы столкнулись с проблемой: сотрудники обращались напрямую к публичным сервисам — ChatGPT, Gemini или Claude. Однако передача конфиденциальной информации в эти системы сопряжена с серьезными рисками. Мы категорически не рекомендуем загружать туда данные клиентов или персональную информацию о сотрудниках. Недопустимо использовать такие платформы для составления оценок персонала, например, указывая: "У Саймона возникли сложности с определенной задачей", с упоминанием полного имени, проекта и внутренних кодовых обозначений.

Именно поэтому мы оперативно разработали внутренний прокси-сервис для языковых моделей на базе Libra Chat — проекта с открытым исходным кодом, в развитие которого мы вносим значительный вклад. Используя наш прокси-сервис, сотрудники получают доступ к корпоративным API с гарантией безопасности, а мы можем отслеживать, какие команды используют систему и какие расходы несет каждое подразделение или отдельный специалист. После получения персонального токена доступа все взаимодействия с системой становятся прозрачными для аналитики.

Мы даже создали рейтинговую таблицу, где отмечаем сотрудников, наиболее активно использующих токены.

**Ведущий:** Действительно?

**Фархан Тавар:** Да, поскольку мы стремимся поощрять эффективное применение технологий. Разумеется, речь идет о качественном использовании, а не о простом накручивании показателей через скрипты. Когда я вижу, что сотрудник использовал ресурсы Cursor на тысячу долларов за месяц, это может означать, что он создает нечто действительно инновационное — в таком случае, да прибудет с ним сила ИИ-агентов!

Наш прокси-сервис предоставляет возможности для реализации любых творческих идей — достаточно запросить токен и приступить к работе. Кроме того, мы активно развиваем экосистему MCP, участвуя в руководящем комитете и поддерживая все связанные инициативы. Когда сотрудникам требуется доступ к внутренним данным компании, мы быстро создаем соответствующие MCP-эндпоинты для упрощения взаимодействия.

Например, наша внутренняя вики-система The Vault содержит информацию обо всех текущих проектах и архив внутренних обсуждений, включая расшифровки всех значимых совещаний. Вы можете задать вопрос: "Когда была запущена система точек продаж в Shopify?" — и получите исчерпывающий ответ: "В 2012 году состоялся хакатон, положивший начало разработке, а в отчете совету директоров за первый квартал 2013 года проект был официально представлен". Система расскажет вам полную историю развития Shopify. Мы реализовали эту функциональность, интегрировав MCP с Libra Chat, обеспечив таким образом удобный доступ к корпоративным знаниям.

**Ведущий:** Это как внутренний Perplexity или что-то в этом роде?

**Фархан Тавар:** Именно так. И поэтому мы в основном любой внутренний документ... он сканируется этой штукой, и теперь у вас есть доступ к нему через MCP. И поэтому любая новая система, которая появляется онлайн, мы ставим перед ней MCP, и теперь у всех есть доступ к ней.

**Ведущий:** И сколько у вас MCP-серверов?

**Фархан Тавар:** У нас... подождите, два десятка.

**Ведущий:** Два десятка?

**Фархан Тавар:** Да, и их количество быстро растет. Они растут, потому что люди строят что-то новое. Опять же, есть один для Salesforce, есть для Figma, есть MCP перед всем. Но я говорю всем, кто рассматривает возможность создания систем ИИ внутри компании: способ сделать это легко — начать ставить MCP перед всем, и теперь ваши данные доступны.

Нам нужно использовать Libra Chat, вы можете использовать что-то ещё, но вам не нужно быть даже в Cursor, верно? Вы просто используете интерфейс чата.

**Ведущий:** Вы можете использовать чат, вы можете использовать LLM. И мне нравится, как вы создали в основном платформу для создания MCP. Это какая-то платформа ИИ, или просто команда платформы, инфраструктурная команда взяла это на себя?

**Фархан Тавар:** Да, платформа данных. Я не знаю, есть ли у них внешнее название ... я называю их прокси LLM, но они внутри команды платформы данных.

**Ведущий:** И это было больше похоже на то, что вы или кто-то наверху сказал: «Эй, нам нужно это сделать», или они просто сказали: «Это хорошая идея», это было больше снизу вверх или сверху вниз?

**Фархан Тавар:** Это было больше сверху вниз, потому что мы чувствовали, что это будет расти внутри компании, мы хотели убедиться, что мы могли... мы не хотели, чтобы люди регистрировались для своих личных токенов, и это также хороший способ для нас увидеть: «Эй, эта команда растёт, растёт ли использование, что там происходит, использование этого человека растёт».

**Ведущий:** Потому что номер один возражение, которое я получаю от людей или даже от директоров по инженерии, работающих в компаниях, — это проблема безопасности данных, и очевидно, когда вы размещаете это сами, это хорошо, но тогда вам нужна инфраструктура. Так что звучит так, как будто в какой-то момент вы решили... это было месяц назад, это было больше года назад, чтобы действительно инвестировать?

**Фархан Тавар:** Я бы сказал, вероятно, год назад мы начали думать об этом. У нас был прокси LLM, когда вышел ChatGPT, и у нас есть предупреждение, если вы идёте в ChatGPT, оно говорит: «Эй, кстати, вы можете пойти во внутреннюю версию». Это было долгое время, да, долгое время.

**Ведущий:** Теперь вы упомянули стоимость, и я слышу истории о CTO, лидерах инженерии, говорящих: «Хорошо, мы платили за GitHub Copilot, не знаю, 10 или 20 долларов в месяц за инженера, но у нас есть все эти места, или, может быть, у нас есть для всех, и они говорят мне, что Cursor кажется немного слишком дорогим, потому что они теперь берут 30 или 35, и мы не собираемся туда идти». И в целом есть большое сопротивление стоимости, люди говорят: «Смотрите, ИИ должен делать инженеров более продуктивными, но теперь это как бы смешно тратить 1000 долларов на инженера». Вы думаете о стоимости по-другому, расскажите мне об этом.

**Фархан Тавар:** Да, я сделал твиттер-шторм на эту тему, потому что я думаю, что люди смотрят на это по-разному. Подумайте об этом так: если бы я мог дать вам инструмент, который мог бы сделать вашу инженерную команду более продуктивной даже на 10%, вы бы заплатили за него? Ответ — да. Вопрос в том, заплатили бы вы 1000 долларов в месяц за это?

И моя гипотеза здесь в том, что 1000 долларов в месяц — это слишком дёшево, это слишком... если я могу получить на 10% больше, это намного слишком дёшево, это должно быть 5000 долларов в месяц. Это безумие, что люди смотрят на это как на 100 долларов в месяц, что бы то ни было.

Я действительно встретил кого-то, кто сказал, что их инженеры тратят 10 000 долларов в месяц на инженера, и я сказал, что хочу поговорить с ними, потому что я хочу увидеть, либо они делают что-то очень, очень умное, либо очень, очень глупое, но я хочу встретиться с ними. И поэтому я буквально сказал: «Пожалуйста, познакомьте меня, потому что мне непонятно, как вы можете использовать так много». Либо у них настроены и продуктивно работают полчища агентов, строящих удивительные вещи, либо что-то идёт очень, очень не так, но я хотел бы понять, потому что там происходит что-то интересное.

И вы не должны экономить на инструментах ИИ, потому что на самом деле прирост производительности есть. Мы не знаем, какой он, потому что мы на самом деле не знаем, как измерить производительность разработчиков, но ясно, что там что-то происходит, и вы должны быть очень открыты со своим кошельком там. И опять же, мы чествуем тех, кто тратит больше, и, конечно, мы разговариваем с ними.

**Ведущий:** И что они делают? Правильно ли я понимаю, что, хотя вы не можете измерить это прямо сейчас, или, может быть, не так точно, вы верите, что есть прирост производительности, и вы верите, что людям нужно использовать это, чтобы получить эти приросты? Так что вы как бы рассматриваете это как инвестицию прямо сейчас, как на год, на два года, что бы это ни было, а затем...

**Фархан Тавар:** Вероятно, навсегда. Я имею в виду, опять же, если вам нравится... вы бы не отключили проверку орфографии и грамматики, и G Suite, и... вы бы не отключили эти инструменты, верно? Я имею в виду, есть, вероятно, дебаты о том, когда вы отключаете, скажем, отключаете Slack, потому что это может быть... это могло бы быть продуктивностью, но... но... там... мы видим приросты, и я не думаю, что мы должны экономить сейчас.

Со временем мы можем понять, что есть равновесие, и, типа, «О, это количество токенов, которые люди должны использовать». На самом деле, если кто-то здесь использует Cursor, номер один, что я вам скажу, это, пожалуйста, отойдите от модели по умолчанию, потому что модель по умолчанию нигде не близка к, например, использованию сложной модели, и по умолчанию Cursor ставит вас туда. И поэтому мы говорим людям: «Пожалуйста, отойдите от маленьких моделей, перейдите к чему-то более крупному».

Мы даже скажем что-то вроде: «Пожалуйста, используйте 01 Pro для этого проекта» или «Пожалуйста, используйте 03, 03 Pro», потому что они более дорогие, они более дорогие. На самом деле, я пойду ещё дальше, Мики, CTO, скажет что-то вроде следующего: «Если вы лично не платите за 01 Pro, или Gemini Ultra, или Claude, как бы он ни назывался, Advanced, 200 долларов в месяц, вы сумасшедший, потому что вы можете себе это позволить, и на самом деле вы упускаете весь прогресс, происходящий в LLM, потому что вы просто застряли на ChatGPT за 10 долларов в месяц или 20 долларов в месяц». Вот насколько далеко он бы пошёл.

Личные эксперименты с ИИ

**Ведущий:** Одна интересная вещь, которую я слышал, когда разговаривал с инженерами, они говорят, что руководство подаёт пример. Тоби хакает, и если вы пойдёте в его Twitter или социальные сети, вы увидите все вещи, которые он делает, даже год назад. Я хочу спросить вас, что вы делаете не по работе, экспериментируете, или играете с этим, и какие инструменты вас волнуют?

**Фархан Тавар:** Когда я строил, когда я работал в паре с тем инженером из Anthropic, я строил что-то для себя. Я строил пару вещей.

**Ведущий:** Отличный способ использовать рабочее время, я полагаю.

**Фархан Тавар:** Я хотел исследовать возможности разработки, не погружаясь глубоко в API Shopify. Среди множества проектов особенно выделялся коммерческий поток. Я стремился создать его через оператора, где можно записывать сессию браузера. Меня интересовало, как система хранит конфиденциальные данные — информацию о кредитных картах или защищенные токены — при прохождении коммерческого процесса.

Я пытался разработать продукт с подписочной моделью, не используя готовое решение от Shopify. Этот эксперимент позволил нам изучить механизмы хранения учетных данных, особенно платежной информации. Нас интересовало: хранятся ли данные в облаке, у поставщика услуг или в сессии браузера? Так я стараюсь максимально приблизиться к пониманию процесса.

Для создания рабочих процессов я регулярно использую Cursor. В данном случае мы применяли Claude Code. Также мы работаем с Gum — возможно, вы слышали о Gum Loop. Это платформа автоматизации, представляющая особый интерес на своем уровне.

Приведу пример: мы работали над проектом, и параллельно мне понадобилась информация о выходе нового SanDisk Extreme Pro 8 TB TE. Мы потратили час в Claude Code, но не достигли результата, поскольку инструмент работал на неподходящем уровне — пытался обрабатывать JSON, анализировать изображения с сайта SanDisk, чтобы определить наличие 8 TB накопителя. Задача оказалась неожиданно сложной.

В Gum Loop мы решили эту же задачу за две минуты. Преимущество Gum Loop в его браузерной основе — мы просто дали команду: "Перейди на сайт, проверь через поиск наличие продукта", используя обычные английские фразы. Система моментально вернула ответ: "8-терабайтный диск отсутствует". Я настроил еженедельную проверку с отправкой результатов на почту.

Это демонстрирует важность выбора правильного инструмента для конкретной задачи. Час работы с Claude Code не принес результата не из-за недостатков самого инструмента — я часто его использую — просто он не предназначен для веб-скрапинга. Claude пытается создать скрапер с нуля, тогда как Gum Loop уже обладает этой функциональностью. Это разные уровни технологического стека, и важно понимать, какой инструмент лучше подходит для конкретной задачи.

Сейчас мы активно используем автоматизацию через Gum для различных задач: сбор данных с профилей LinkedIn, определение платформ, используемых компаниями, анализ веб-сайтов. Все эти решения созданы для выполнения конкретных задач в нужный момент.

**Ведущий:** У вас есть много больших инструментов, точно.

**Фархан Тавар:** Так что вы должны выяснить, где вы хотите работать, верно? Если вы пишете код, используйте Claude Code, если вы делаете веб-скрапер, используйте Gum Loop.

Найм стажёров и изменение культуры

**Ведущий:** До недавнего времени разговоры об искусственном интеллекте не утихали, и когда это письмо стало достоянием общественности, появилось множество предположений: "Возможно, это изящный способ для Shopify приостановить рост числа сотрудников?" Ведь в письме говорится, что не следует нанимать новых людей, если не проверили возможность выполнения задач с помощью ИИ. Однако затем вы поделились интересной информацией. Я не совсем представляю масштабы Shopify, но вы упомянули о планах нанять тысячу стажёров. Не могли бы вы соотнести это с общим размером компании и объяснить, почему вы привлекаете стажёров в то время, когда многие организации заявляют: "Давайте воздержимся от найма сотрудников начального уровня, поскольку у нас есть ИИ". Что вы видите такого, чего не замечают другие?

**Фархан Тавар:** Существует важный аспект, связанный с поколениями, которые приходят из университетских программ или даже средних школ. Мы стремимся быть в тесном контакте с новым поколением, поскольку они обладают знаниями, которых нет у нас. Именно поэтому мы полностью возобновили нашу программу стажировок в этом году.

В прошлом году у нас было около 25 стажёров за семестр. Я убедил Тоби расширить программу до тысячи стажёров в текущем семестре, основываясь на гипотезе, что они будут более восприимчивы к искусственному интеллекту, чем остальные сотрудники.

В своём твите я отметил: "Я хочу, чтобы вы приходили на работу, вооружённые как языковыми моделями, так и собственным интеллектом, а не чем-то одним". Наша концепция заключается в создании "кентавров ИИ" — специалистов, умеющих эффективно использовать языковые модели в любых рабочих процессах, будь то финансовый аналитик или инженер-стажёр. Мы сосредоточились на том, чтобы эти люди пришли и трансформировали нашу внутреннюю культуру.

Тысяча инженеров в год означает примерно 350 за семестр. Что мы наблюдаем: во-первых, они полны энтузиазма и трудолюбивы. Мы организуем их работу в когортах, что подразумевает присутствие в офисе. Несмотря на то, что мы удалённая компания, мы просим стажёров приходить лично, поскольку считаем, что молодым специалистам важно взаимодействовать со сверстниками, а не работать изолированно из своих квартир. Таким образом мы также меняем корпоративную культуру.

Мы действительно видим, что они приходят с естественным пониманием ИИ. Подобное явление мы наблюдали в мобильной сфере — и вы, и я работали в этой области в последнее десятилетие. Я нанимал множество стажёров, потому что они выросли с мобильными телефонами. Нынешнее поколение формируется в эпоху интернета, смартфонов и языковых моделей, поэтому мы хотим, чтобы они пришли и преобразовали нашу культуру в этом направлении.

**Ведущий:** Вы чувствуете, что люди учатся у стажеров?

**Фархан Тавар:** Стажёры — наше настоящее секретное оружие, у них мы всегда узнаём больше всего. Многие воспринимают стажировки как общественное служение: "Как замечательно, что Shopify помогает новому поколению". Но мы делаем это не поэтому. Наша цель — учиться у стажёров, это всегда было главной причиной.

Если в вашей компании нет программы стажировок или программы развития молодых талантов, я настоятельно рекомендую вам создать её. Вы будете получать от этих молодых специалистов больше, чем отдавать им. Это принесёт вам чистую положительную отдачу. Когда мне пишут в Twitter: "Пожалуйста, не используйте бесплатный труд стажёров, вы должны им платить", я отвечаю: "Разумеется, мы платим им, причём весьма достойно". Я не понимаю, почему люди думают иначе. В этом году мы приняли на постоянную работу около сотни человек из нашего стажёрского пула. Мы придерживаемся принципа, что единственный путь попасть в Shopify на начальную инженерную позицию — через программу стажировок.

**Ведущий:** Полностью согласен с вами насчёт оплаты. Никогда не понимал, почему компании экономят на этом, ведь порой талантливые стажёры отказываются от предложений, которые не покрывают даже их расходы на проживание — это просто нелепо. Конечно, стажёрам нужно платить.

Один из лучших стажёров, с которым я работал, был упущен другой компанией в Амстердаме. Они предложили всего 500 евро в месяц без компенсации жилья. Стажёр очень хотел работать там, ценил возможность получить отличный опыт, но в итоге подал заявку в Uber, потому что предложенная сумма была слишком мала. Мы предложили зарплату на уровне выпускника, благодаря чему человек мог позволить себе жильё и поездки. Этот стажёр мог бы создать удивительные проекты в той компании, а сейчас уже пять лет работает старшим специалистом в Uber. Как говорится, их потеря.

Представьте масштаб: 350 инженеров-стажёров при общем штате около 3000 инженеров — это примерно 10% в любой момент времени.

Продолжение здесь

Предыдущая часть тут