Recenzja książki: „Wdrożeni bezpośrednio: kulisy frameworka Palantir, który rozwiązał problem AI w przedsiębiorstwach” Ristego Gramatikova

Od czasu publikacji w 2011 roku „The Lean Startup” Erica Riesa powszechnie przyjęta zasada w środowisku SaaS głosi, że należy wprowadzić na rynek minimalny produkt (MVP), zamiast czekać na doskonałą, w pełni funkcjonalną wersję. Lekcja była taka, by szybko udostępnić produkt, zebrać opinie rzeczywistych użytkowników i stale go ulepszać za pomocą niewielkich, stopniowych aktualizacji, zamiast polegać na założeniach.

Inna podstawowa zasada SaaS brzmi: „Sprawdź, zanim zwiększysz skalę”. Zakłada ona, że nie należy inwestować dużych środków w tworzenie kompletnego produktu programowego, zanim nie potwierdzi się, że klienci rzeczywiście go chcą. Należy udostępnić MVP, zweryfikować popyt wśród rzeczywistych użytkowników, a następnie rozwijać funkcjonalność w oparciu o potwierdzone potrzeby.

Inna zasada, ściśle związana z Paulem Grahamem i wczesną filozofią Y Combinator, głosi, że lepiej stworzyć coś, co pokocha niewielka grupa ludzi, niż coś, co jedynie spodoba się dużej liczbie osób. Teoretycznie pozwala to rozwijać produkt wraz z tym, jak coraz więcej użytkowników odkrywa, że nie potrafi funkcjonować bez oferowanego oprogramowania.

Rzecz w tym, że Palantir podważa konwencjonalny sposób stosowania tych zasad. Książka „Wdrożeni bezpośrednio: kulisy frameworka Palantir, który rozwiązał problem AI w przedsiębiorstwach” Ristego Gramatikova pokazuje, jak to się robi. Nie chodzi tu tyle o odrzucenie opinii klientów, ile o pójście znacznie dalej i osadzenie inżynierów w firmach, których problemy próbują rozwiązać.

Jak Palantir opracował koncepcję inżynierów wdrażanych bezpośrednio

Palantir prowadzi działalność, kierując się myśleniem od podstawowych zasad. Podejście to obejmuje zarówno wewnętrzne funkcjonowanie firmy, jak i jej model Forward Deployed Engineer (FDE), w którym inżynierowie oprogramowania pracują bezpośrednio z klientami, by z pierwszej ręki poznać ich problemy, opracowywać dopasowane rozwiązania i nieustannie udoskonalać oprogramowanie w oparciu o jego rzeczywiste zastosowanie.

Zamiast oddzielać programistów od użytkowników końcowych, Palantir tworzy bezpośrednią pętlę informacji zwrotnej między zespołem inżynierskim a klientami. Dzięki temu firma może rozwiązywać bieżące problemy, a jednocześnie wykorzystywać zdobyte doświadczenia do rozwijania swojej podstawowej platformy, zwiększając wartość oprogramowania i ułatwiając jego skalowanie wśród klientów.

Zgodnie z tradycyjnymi zasadami SaaS takie podejście nie powinno dobrze się skalować, ponieważ każda firma ma wyjątkowe wymagania. To prawda, że nie jest to rozwiązanie uniwersalne, ale właśnie ono pozwoliło Palantirowi zbudować trudną do skopiowania przewagę konkurencyjną. Najtrudniejsze jest dostosowanie oprogramowania do realiów łańcuchów dostaw, logistyki, produkcji i zarządzania zapasami, a także do często bardzo specyficznych wymagań instytucji rządowych i firm z listy Fortune 500.

To, co początkowo wygląda na problem ze skalowaniem, może stać się przewagą konkurencyjną, jeśli doświadczenia z jednego wdrożenia usprawniają kolejne. Różnica polega na tym, czy firma za każdym razem tworzy od podstaw niestandardowe oprogramowanie, czy też wykorzystuje pracę dostosowaną do potrzeb klientów, by wzmacniać wspólną platformę.

Jak Palantir unika naśladownictwa

Tym, co wyróżnia tę książkę na tle typowych publikacji biznesowych, jest złożona symulacja oparta na rzeczywistych wdrożeniach Palantiru, przedstawiająca poziom szczegółów operacyjnych rzadko dostępny w jednym opracowaniu. Książka jest niezależną analizą opartą na publicznie dostępnych źródłach, a symulowana firma nadaje tym koncepcjom konkretne ramy.

Studium przypadku MidWest Manufacturing pochłonęło mnie bez reszty. Duże wrażenie zrobiły na mnie również wyjaśnienia dotyczące procesu podejmowania decyzji i tego, jak przyniosły one korzyści zarówno Palantirowi, jak i jego klientom. Śledzenie losów tej samej firmy na kolejnych etapach ułatwia zrozumienie, jak poszczególne decyzje składają się na szerszy model operacyjny.

Peter Thiel pozostawał pod silnym wpływem filozofa René Girarda, którego teoria zakłada, że ludzkie pragnienia mają zasadniczo naśladowczy charakter. Firmy również wpadają w tę pułapkę. W większości przypadków obierają te same strategie, wchodzą na te same rynki i konkurują za pomocą podobnych produktów.

Opis Palantiru w tej książce podsuwa sposób myślenia o tym, jak uniknąć takiego naśladownictwa. Szczególnie zwróciły moją uwagę trzy elementy tego podejścia:

1. Wyjątkowe pozyskiwanie i rozwijanie talentów: Palantir stworzył wyjątkowe środowisko pracy i, co ważniejsze, przyciągał oraz rozwijał utalentowane osoby w nietypowy sposób. Książka omawia te metody, a wśród nich zamieszczoną w dodatku symulację rozmowy kwalifikacyjnej, która pozwala czytelnikom poznać sposób myślenia ceniony w firmie.
2. Efektywność modelu biznesowego: Książka łączy podejście Palantiru ze wzrostem przychodów i marżami operacyjnymi firmy. Zainteresowało mnie to, jak praca, która wydaje się pracochłonna, może wspierać skalowalny biznes programistyczny, jeśli powstałe w jej wyniku rozwiązania można ponownie wykorzystywać.
3. Potwierdzenie w branży: Firmy takie jak Databricks i Salesforce korzystają obecnie z zespołów inżynierów wdrażanych bezpośrednio. Uważam, że potwierdza to skuteczność tego modelu, choć samo skopiowanie nazwy stanowiska to nie to samo, co odtworzenie systemu, który sprawia, że model działa.

Efekt kuli śnieżnej w procesie uczenia się Palantiru

Wielokrotnie robiłem notatki na marginesach książki. Wiele fragmentów przedstawiało niekonwencjonalny punkt widzenia, który po przyjrzeniu mu się przez pryzmat Palantiru okazywał się całkowicie zrozumiały.

Na przykład książka kończy się przedstawieniem wyboru, przed którym stoją przedsiębiorstwa, w bardzo dobitny sposób: czy znajdą się wśród 5%, którym uda się przeprowadzić transformację, czy wśród 95%, które zostaną w tyle. Odczytuję to jako wyzwanie rzucone liderom biznesu: mają przełożyć inwestycje w AI na zmiany w sposobie działania ich organizacji.

I właśnie z taką rzeczywistością mierzą się firmy. Jeśli wszyscy robią to samo, nie ma wyróżnika ani trwałej przewagi konkurencyjnej. Firma staje się kolejnym konkurencyjnym produktem oferującym w zasadzie to samo. Ta książka to rzadki, praktyczny przewodnik pokazujący, jak Palantir uniknął tej pułapki, skupiając się przede wszystkim na inżynierach pracujących bezpośrednio u klientów i unikając naśladowania innych.

Wszystko to zasila samonapędzający się mechanizm uczenia się Palantira. Zasada jest taka, że każde wdrożenie u klienta powinno sprawiać, że podstawowa platforma programowa staje się inteligentniejsza, bardziej funkcjonalna i cenniejsza dla przyszłych klientów.

Dzięki inżynierom pracującym bezpośrednio u klientów Palantir rozpoznaje rzeczywiste problemy, opracowuje rozwiązania i przekazuje zdobytą wiedzę z powrotem do swojego podstawowego oprogramowania. Zamiast za każdym razem tworzyć od zera rozwiązania na miarę, firma przekształca powtarzające się wyzwania w funkcje wielokrotnego użytku, które przynoszą korzyści przy kolejnych wdrożeniach.

Powstaje w ten sposób mechanizm sprzężenia zwrotnego, który z czasem nabiera rozpędu: większa liczba klientów oznacza więcej wniosków, więcej wniosków przekłada się na lepsze oprogramowanie, a lepsze oprogramowanie umożliwia szybsze i skuteczniejsze wdrożenia. Z biegiem czasu zgromadzona wiedza staje się przewagą konkurencyjną, którą coraz trudniej skopiować.

Podsumowanie

Przeczytałem setki książek o AI i modelach biznesowych; często sprowadzają się do tych samych strategii i powtarzają te same wnioski. Ta książka wnosi jednak coś nowego. Daje rzadki wgląd w działanie jednej z najbardziej wyjątkowych i idących pod prąd firm w Dolinie Krzemowej.

Polecam Wdrożeni w terenie każdemu, kto zakłada firmę działającą w obszarze SaaS, łańcuchów dostaw, logistyki, produkcji lub korporacyjnej AI. Dla mnie wartość tej książki polega na pokazaniu, jak trudna praca nad rozwiązaniem konkretnego problemu klienta może stać się fundamentem firmy, która umacnia się z każdym kolejnym wdrożeniem.