Wywiad a16z: Sam Altman o AGI, Sorze i strategii monetyzacji OpenAI

Rozmowa dotyczyła kluczowych strategii OpenAI: jak firma zmierza do AGI, jakie jest znaczenie Sora i modeli wideo jako „poligonu doświadczalnego” dla nowych interfejsów, jakie schematy monetyzacji są planowane oraz jak rozdzielane są zasoby GPU między produkt i badania. Wszystko to kręciło się jednak wokół kwestii konieczności wprowadzenia subskrypcji personalnej i problemów z zaufaniem użytkowników.

W trakcie rozmowy Altman wielokrotnie powracał do tematu ogólnej sztucznej inteligencji jako głównego kierunku rozwoju oraz potrzeby utrzymania lojalności publiczności. Na tym opiera się cały ambitny plan firmy.

Chcemy być osobistą subskrypcją AI dla ludzi. Myślę, że większość ludzi będzie ją miała. Niektórzy nawet kilka. Będzie ona wykorzystywana zarówno w naszych produktach konsumenckich, jak i podczas logowania do usług zewnętrznych, oraz na oddzielnych urządzeniach. W pewnym momencie będziesz mieć AI, która świetnie cię zna i naprawdę ci pomaga. To właśnie chcemy osiągnąć. Aby to działało, musimy zbudować gigantyczną infrastrukturę. Ale cel, misja, jest taka: zbudować AGI i uczynić ją naprawdę użyteczną dla ludzi.

Z tego punktu wyjścia Altman przechodzi do Sora – produktu, który krytycy skłaniają się do nazywania „rozrywkowymi eksperymentami”, podczas gdy Sam opisuje go jako pomocniczy krok na drodze do modeli świata. Wideo staje się materiałem budowlanym dla nowych interfejsów: ma silniejszy wpływ niż tekst, przybliża interakcję do rzeczywistości, choć niesie ze sobą ogromne ryzyko, od deepfake’ów po nadmiar treści wizualnych.

Logika Altmana jest następująca: Sora została stworzona, aby demonstrować przyszłe możliwości, zanim zostaną masowo wdrożone, tak aby społeczeństwo miało czas na wypracowanie norm i zasad ich użytkowania. Jednocześnie OpenAI nie przeznacza i nie planuje przeznaczać wielu zasobów obliczeniowych na Sora. Z tego punktu widzenia priorytetem były i pozostają badania nad AI.

Po pierwsze, fajnie jest tworzyć świetne produkty, a ludziom podoba się nowa Sora. Po drugie, ważne jest, aby pozwolić społeczeństwu poczuć, co się zbliża, w logice wspólnej ewolucji. Bardzo szybko świat będzie musiał zmierzyć się z niesamowitymi modelami wideo, które potrafią podrabiać kogokolwiek lub pokazać cokolwiek. Ogólnie rzecz biorąc, będzie to wspaniałe, ale społeczeństwo potrzebuje czasu na adaptację. Tak jak w przypadku ChatGPT: świat musiał zrozumieć, gdzie jesteśmy. Ważne jest, aby świat szybko zrozumiał, dokąd zmierza wideo, ponieważ ma ono znacznie silniejszy wpływ emocjonalny niż tekst.

Głównym horyzontem firmy jest stworzenie samodzielnego naukowca AI. Altman mówi, że nie jest jeszcze gotów na głośne deklaracje, jednak w GPT‑5 widać już „maleńkie, maleńkie przykłady” rodzenia się naukowej samodzielności. Przekładając to na język praktyczny: najbardziej znaczący wyścig przenosi się z tabel benchmarków na zdolność modeli do generowania wiedzy, począwszy od poprawnych dowodów skomplikowanych twierdzeń, aż po odkrycia, które fundamentalnie zmieniają przebieg badań naukowych. Jego zdaniem, taki wynik może być uczciwą metryką postępu, a nie kolejnym punktem w statycznym zestawie zadań.

Najbardziej ekscytuje mnie idea naukowca AI. Jeszcze niedawno brzmiało to szaleńczo, a popularne rozumienie testu Turinga już przemknęło obok nas. Przez długi czas wydawało się nieosiągalne, a my nagle to przeskoczyliśmy. Świat pomartwił się przez parę tygodni i poszedł dalej. I po raz pierwszy w GPT‑5 widzimy maleńkie, maleńkie przykłady tego, jak to zaczyna się dziać. Myślę, że za dwa lata modele będą wykonywać bardziej złożone zadania naukowe i dokonywać ważnych odkryć.

Gdy rozmowa zeszła na ekonomię, Altman stał się znacznie bardziej pragmatyczny. Oświadczył, że generowanie wideo jest procesem zasobochłonnym i w związku z tym wkrótce pojawią się modele płatności „za jednostkę” oraz formaty reklamowe.

Kluczowe ryzyko Altman formułuje jednoznacznie: podważone zaufanie źle się odbudowuje, dlatego rekomendacje podyktowane opłatą, a nie jakością, są wykluczone. Jako przykład podaje Instagram, gdzie reklama jest postrzegana jako usługa, a nie jako narzucanie preferencji konsumenckich.

Jestem otwarty na reklamę, ale ostrożny. Dla wielu jest ona nieprzyjemna, dla mnie też, ale ogólnie nie jest to tabu. Po prostu trzeba bardzo uważać, by ominąć oczywiste pułapki. Ludzie mają bardzo wysoki poziom zaufania do ChatGPT: nawet jeśli się myli, czują, że próbuje pomóc i robi właściwe rzeczy. Jeśli to zaufanie zdradzimy… Powiedzmy, że pytasz: 'Jaki ekspres do kawy kupić?’, a my rekomendujemy nie najlepszy, ale ten, za który nam zapłacono, to zaufanie zniknie natychmiast i na zawsze.

Dodatkowo Altman opisuje praktykę i ryzyka monetyzacji. Według niego, zachowania użytkowników Sory okazały się szersze niż oczekiwano: poza profesjonalną produkcją klipów, widoczny jest scenariusz „społecznościowy” – krótkie, zabawne wideo dla przyjaciół i czatów. To zakłada fundamentalnie inną ekonomię użytkowania.

Wideo Sora jest drogie w produkcji. Dlatego dla scenariuszy, w których ludzie generują po sto klipów dziennie, potrzebne będzie inne podejście do płatności… najprawdopodobniej trzeba będzie pobierać opłatę za każdą generację, gdy jest to tak kosztowny proces.

Dopuszcza formaty reklamowe dla „długiego ogona”, ale podkreśla: nie dopuści do żadnych rekomendacji podyktowanych opłatą, gdyż zagrożony jest podstawowy aktyw firmy – zaufanie. Altman przyznaje, że witryny i sprzedawcy podejmują próby manipulowania modelem: uruchamiają generowanie masowych pozytywnych opinii i tworzą „ukierunkowane” zestawienia, mające na celu zmuszenie AI do częstszego rekomendowania ich treści. Altman już spotkał się z tym problemem i postawił przed deweloperami zadanie znalezienia niezawodnych zabezpieczeń przed „spamem SEO nowej generacji”.

Ludzie już to robią… Niekoniecznie fałszywe recenzje, ale masy opłaconych treści, napisanych w taki sposób, aby spodobały się modelowi… Nie wiem jeszcze, jak dokładnie będziemy z tym walczyć, ale rozwiązania na pewno wkrótce się pojawią.

Po stronie twórców treści oczekuje on odwrotnego ruchu: uproszczenie produkcji (m.in. za pomocą Sora) będzie stymulować podaż, a z czasem pojawi się model podziału przychodów (revenue share) w scenariuszach konsumenckich.

Ludzie chcą tworzyć o wiele więcej niż wcześniej… w pewnym momencie dla niektórych formatów może być rev-share (podział przychodów); teraz są to zwykłe 'lajki’, ale motywacja do tworzenia nowych scenariuszy już bardzo wzrosła.

Altman nazywa przychody pośrednią metryką jakości (obok produktywności naukowej), w odróżnieniu od statycznych benchmarków, które łatwo „napompować” i które gorzej odzwierciedlają realną użyteczność.

Podsumowanie strategii OpenAI na najbliższy czas:

• pionowa integracja stosu (produkty/badania/infrastruktura) w celu przyspieszenia rozwoju i kontroli jakości;
• przy deficycie GPU priorytetem będą badania, a nie rozrywkowe masowe konwersacje;
• nacisk na dokładne weryfikacje modeli granicznych pod kątem ich bezpieczeństwa;
• obowiązkowa monetyzacja: płatność za generowanie wideo i ograniczone formaty reklamowe bez konfliktu interesów;
• Sora jako poligon doświadczalny do ćwiczenia interfejsów i zasad przed masowym wdrożeniem.