AI-анализ встреч и документов
Bioptics: Андрей Дороничев
Не указано: Александр Соколовский
Встреча была посвящена применению искусственного интеллекта в разработке лекарств, трансформации фармацевтической отрасли и стратегии развития AI-стартапов. Рассмотрены кейс Bioptics и Стэнфорда по поиску молекул для терапии болезни Фридрейха, модели монетизации биотехнологических разработок и взаимодействие стартапов с Big Pharma. Отдельно обсуждались AI-пузырь, инфраструктурные последствия технологического бума и трудности внедрения AI в крупные компании. Ключевым смысловым блоком стало системное переосмысление карьеры и жизни: подготовка к изменениям, безопасные эксперименты, работа с неопределённостью и адаптация к новым профессиональным сферам.
Интервью Александра Соколовского с Андреем Дороничевым посвящено не только возможностям AI в разработке лекарств, но и более широкому вопросу: как компании и люди должны адаптироваться к технологическим сдвигам, когда прежняя успешная модель ещё работает, но уже может перестать соответствовать будущему. На примере Bioptics, опыта Google, AI-рынка и личных карьерных кризисов собеседники исследуют одну общую тему — как превратить неопределённость, случайность и страх перемен в систему осознанных действий.
Андрей Дороничев представляет Bioptics как компанию, которая применяет AI прежде всего для ускорения ранних этапов фармацевтической разработки. Модель не создаёт готовое лекарство и не заменяет клинические испытания: она помогает найти в огромном пространстве синтезируемых соединений небольшое число перспективных молекул-кандидатов для заданной биологической мишени. В коллаборации со Стэнфордом система Bioptics отобрала 53 кандидата для мишени, связанной с болезнью Фридрейха; значительная часть проявила активность, а две молекулы, по словам Дороничева, превзошли ранее известные варианты. Результат получил экспериментальное подтверждение на клеточной модели, был запатентован с распределением IP 60% у Bioptics и 40% у Стэнфорда, а также оформлен публикацией в журнале Cell. Для Дороничева это важно как доказательство того, что general-purpose AI-модель может работать с новыми белковыми мишенями, на которых она специально не обучалась.
При этом Дороничев последовательно ограничивает технологический оптимизм. AI уже способен резко ускорять вычислительный поиск молекул: вместо долгого физического перебора в лаборатории можно виртуально просканировать миллиарды вариантов за часы. Однако найденный «хит» — лишь начало пути: далее идут оптимизация, испытания на клетках и животных, клинические стадии, проверка токсичности, дозировок, безопасности и эффективности. Этот процесс требует лет и десятков или сотен миллионов долларов. Полноценное моделирование клетки, а тем более цифрового двойника пациента, который заменит клинические испытания, Дороничев считает пока недостижимым: сложность живой биологии слишком велика. Поэтому AI в фарме следует понимать не как мгновенную машину по созданию лекарств, а как инструмент уменьшения неопределённости и стоимости на тех этапах, где биологическую задачу уже можно выразить в данных.
Бизнес-стратегия Bioptics строится на двух контурах. Первый — текущая сервисная выручка от AI-агента для фармацевтических компаний, который Дороничев сравнивает с Cursor или Codex для фармы. Такой агент может помогать в конкурентной аналитике, поиске и оценке лекарственных активов, обработке научной и коммерческой информации, а также в других процессах на стыке науки и бизнеса. Главная метрика для компании сейчас — не только наличие контрактов, но и реальное использование продукта, измеряемое в токенах; Дороничев говорит о семикратном росте использования за первый квартал и о контрактах с крупными фармкомпаниями. Второй контур — долгие научные ставки: патенты, доли в интеллектуальной собственности, будущие royalties, лицензирование разработок Big Pharma, продажа прав royalty-агрегаторам, стратегическая сделка или IPO на более поздних клинических стадиях. Таким образом, Bioptics не ждёт десятилетиями выручки от одного лекарства, а сочетает прикладной AI-бизнес с созданием долгосрочных научных активов.
Одной из центральных бизнес-идей Дороничева становится дилемма инноватора. По его мнению, у стартапов есть шанс не потому, что они богаче Pfizer, Eli Lilly, Google или других гигантов, а потому, что они быстрее и не обязаны защищать старую бизнес-модель. Крупная фармацевтика естественно консервативна, зарегулирована и ориентирована на принцип «сначала не навреди»; ей трудно пересобрать процессы, которые уже позволили лечить миллионы людей. Большой бизнес также сталкивается с сопротивлением сотрудников, поскольку AI способен менять не только каналы продаж, как интернет, но и саму структуру труда. Дороничев предполагает, что многие крупные компании провалят AI-трансформацию именно из-за инерции, внутренних интересов и нежелания заменять привычные функции людей. Рациональной реакцией для корпораций он считает создание параллельных AI-first-направлений или внутренних стартапов — «запасных аэродромов», которые могут сначала выглядеть периферийными, но при успехе стать основой будущей модели.
Опыт Google для Дороничева служит доказательством того, что прорывные изменения требуют сочетания инициативы снизу и приоритизации сверху. Mobile First, превращение YouTube из веб-сайта в мобильное приложение, запуск Cardboard и развитие XR не возникли из одного приказа руководства: сначала существовали небольшие команды, которые видели технологический сдвиг, проводили эксперименты и формировали компетенции. Но затем основатели и руководство могли сделать новую ставку «большим камнем» компании, перераспределить ресурсы и заставить разные подразделения работать в новом приоритете. Дороничев связывает способность Google к таким шагам с founder-led culture: Сергей Брин и Ларри Пейдж, по его мнению, сохраняли реальное влияние, достаточное для решений, которые могут временно вредить существующему бизнесу, но защищают будущее компании. Внедрение AI-ответов в поисковую выдачу он интерпретирует именно как самодисрапцию: Google рискует частью привычной рекламной экономики, потому что иначе новый пользовательский интерфейс и новые AI-игроки могут разрушить её модель извне.
При этом Дороничев не романтизирует инновации как череду безусловных побед. Его истории о Stadia и редизайне YouTube показывают, что сильная технология не гарантирует product-market fit. Stadia, по его оценке, была чрезвычайно сложной инженерной системой, но проиграла из-за неверной точки входа в рынок, существующих игровых экосистем и недостатка контента. В случае мобильного YouTube запуск новой архитектуры с picture-in-picture сначала привёл к падению watch time примерно на 10–15%. Важным оказался не сам факт ошибки, а реакция на неё: команда не отменила стратегическую ставку автоматически, а за короткий срок провела множество быстрых экспериментов, нашла конкретный дефект пользовательского пути и исправила его. Из этого Дороничев выводит, что инновационная культура — это не игнорирование плохих метрик, а готовность отличать временное «корыто разочарования» после большого изменения от фундаментального провала идеи.
Обсуждая AI-пузырь, Соколовский и Дороничев сходятся в том, что рынок имеет явные признаки перегрева: гигантские оценки, масштабные вложения в GPU, дата-центры, энергетику и циркуляцию капитала между поставщиками инфраструктуры и разработчиками моделей. Дороничев не пытается предсказать конкретный триггер коррекции: им может стать неудачная отчётность, волна сверхкрупных IPO, потеря доверия к экономике отдельных компаний или другой неожиданный фактор. Но он отличает «плохой» финансовый пузырь от пузыря вокруг настоящего технологического сдвига. По его мнению, AI — фундаментальная технология, которая уже встраивается в существующие продукты с миллиардами пользователей и создаёт реальную ценность. Даже если часть оценок и инвестиций исчезнет, останутся дата-центры, системы охлаждения, энергетические мощности и другая материальная база, на которой будет работать будущая интеллектуальная инфраструктура. Его долгосрочная позиция: рыночная волатильность является шумом, если сохраняется базовый тезис, что AI расширяет способность человечества создавать ценность.
Вторая большая линия интервью — личная трансформация. Дороничев переносит продуктовый подход на жизнь: сначала человек должен определить не только новую профессию, а видение собственной жизни и критерии, по которым она будет считаться успешной. Для него таким критерием стала не максимизация денег, а «переработка времени в счастье» — собственное счастье и благополучие близких, команды, аудитории и людей, на которых он может повлиять. Он объясняет переход в биотехнологии тем, что дополнительный доход перестал существенно менять его жизнь, тогда как здоровье близких, старение родителей, собственные дети и уменьшение страданий людей стали более значимыми основаниями для того, чтобы тратить время. Поэтому работа над лекарствами для него — не самый быстрый рынок, а сознательный выбор задачи, обладающей личным смыслом.
Дороничев считает, что главная ловушка успеха — переход от мотивации дефицита к мотивации страха. Пока человеку не хватает денег, безопасности, признания или возможностей, ему понятно, к чему стремиться. Но после достижения основных целей он может начать не создавать новое, а защищать уже накопленное: статус, капитал, карьеру, семью, привычный образ себя. В его личном случае попытка решить эту пустоту через построение «идеальной версии себя» привела к болезненному самоподавлению, эмоциональному онемению и депрессивному эпизоду. Он описывает опасность постоянной дисциплины, если она превращается не в развитие, а в борьбу с нежелательными частями собственной личности. Александр Соколовский в этой точке рассказывает о похожем опыте: страх потерять прежний успех и сомнение в способности создать новое привели его к чрезмерному контролю, жёстким практикам и тяжёлому периоду психологического истощения.
Альтернативой хаотичному бегству от кризиса Дороничев предлагает системную работу с переменами. Он использует модель Amazon о двухсторонних и односторонних дверях: обратимые решения следует принимать быстро, чтобы собирать опыт; необратимые — увольнение, продажа бизнеса, уход из корпорации, смена фокуса компании — требуют подготовки и максимально возможного количества данных. «Прыжок веры» не должен быть первым шагом. До него нужны безопасные эксперименты: обучение, разговоры с людьми из новой сферы, побочные проекты, профессиональные сообщества, защищённое время в календаре, тестирование новых ролей. Так Дороничев готовился к уходу из Google с 2016 года, хотя ушёл лишь в 2021-м; так Bioptics до полного перехода в биотехнологии создавала Biotech Barbecue, проходила обучение, участвовала в небольших задачах по биологии и только затем отделила прежний выручечный бизнес AINote.
Особое место в его подходе занимает окружение. Дороничев считает, что человек не может в одиночку «вытащить себя за волосы из болота», но может построить вокруг себя систему из людей и процессов, которая начнёт его менять. Переход в биотехнологии начался с неформальных встреч с учёными, затем продолжился лекциями, научными статьями, ChatGPT как инструментом для структурирования знаний, преподавателем для команды и практическими экспериментами. Через год команда прошла путь от почти полного непонимания языка life sciences до способности вести содержательные разговоры с учёными, нанимать специалистов и создавать результаты в собственной узкой области. В этой модели адаптация к новой сфере требует не мгновенного превращения в эксперта, а постепенного накопления «профессиональной мышцы».
Итоговый вывод интервью состоит в том, что и технологические инновации, и личные перемены подчиняются сходной логике. Будущее нельзя точно предсказать, а случайность всегда играет роль; однако случайность становится возможностью только для тех, кто заранее оказался в правильной среде, накопил навыки, построил систему, сохранил любопытство и допустил вероятность ошибок. Андрей Дороничев формулирует эту позицию в финальном принципе: быть стратегически оптимистом и тактически пессимистом. То есть верить, что длинная траектория может привести к результату лучше нынешних ожиданий, но не недооценивать стоимость пути, необходимость учиться, переживать падения, отказываться от старой идентичности и снова начинать с малого.
Тема AI-разработки лекарств в разговоре раскрывается через деятельность Bioptics, компании Андрея Дороничева. Её подход состоит не в том, чтобы сразу создать готовый препарат, а в ускорении самого раннего этапа лекарственной разработки — поиска молекул-кандидатов, которые способны взаимодействовать с заданной биологической мишенью. Андрей Дороничев подчёркивает, что теоретически их система может генерировать или находить молекулы для «любой мишени, для любой болезни», однако превращение найденной молекулы в лекарство требует последующих длительных этапов проверки и оптимизации.
В основе модели лежит возможность обработать огромное пространство органических соединений, которые могут быть синтезированы в лаборатории. По словам Дороничева, это пространство может включать десятки миллиардов вариантов. Подавляющее большинство таких соединений не имеет практической ценности, но AI позволяет не перебирать их физически в лаборатории, а виртуально оценивать вероятность активности по отношению к заданному протеину. Таким образом, роль модели заключается в резком сужении области поиска: из миллиардов или десятков миллиардов потенциальных соединений она выделяет небольшой набор наиболее перспективных кандидатов для последующей реальной проверки.
Дороничев противопоставляет этот подход традиционной лабораторной схеме. Раньше исследователи физически перебирали большое количество соединений: роботы и лабораторное оборудование проверяли вещества в пробирках и планшетах. Такой процесс, по его описанию, был чрезвычайно медленным и дорогим, а вероятность найти «иголку в стоге сена» оставалась ограниченной. AI не отменяет необходимость химического синтеза, лабораторных опытов и клинических испытаний, но делает первичный поиск гораздо более масштабным и быстрым: виртуально можно сканировать до миллиарда молекул за часы.
При этом Дороничев не представляет AI как технологию, которая уже полностью заменяет фармацевтические исследования. Его позиция осторожнее: сейчас можно видеть сильное преимущество на ранних, наиболее вычислимых этапах, где речь идёт о молекулах, протеинах и измеряемых свойствах. Но дальше возникает сложность клеток, тканей, животных моделей и человеческого организма, которую нынешние вычислительные методы пока не умеют полноценно воспроизводить. Поэтому AI-разработка молекул в этой модели — это не мгновенное «изобретение лекарства от болезни», а повышение вероятности найти сильную исходную точку для многолетней разработки.
Особое значение для редких заболеваний состоит в том, что такие направления могут быть слишком дорогими и рискованными для традиционного перебора. Если поиск перспективной молекулы требует множества физических тестов, работа над редкой мишенью становится особенно затратной. Вычислительная система, способная быстро проверить огромное пространство вариантов, потенциально меняет начальную экономику исследования. Однако в транскрипте не утверждается, что редкость заболевания сама по себе делает дальнейшую разработку легче: напротив, после обнаружения кандидата сохраняются все фундаментальные сроки, риски и расходы фармацевтической индустрии.
Оглавление:
Александр Соколовский формулирует повод для разговора так: «Я читал твой Telegram-канал. Ты писал, что буквально, мне кажется, пару недель назад учёные из Стэнфорда, применяя ваши технологии, ваши модели, нашли те самые молекулы, которые в действительности могут быть применимы для изобретения лекарств от очень редких болезней. Расскажи, пожалуйста, что это такое, потому что я так понял, что для тебя это как раз тот самый момент гордости, что-то важное».
В ответ Андрей Дороничев уточняет, что речь идёт не просто о найденных молекулах, а о кандидатах для конкретного протеина, который он называет MIR1. Эту мишень он связывает с болезнью Фридрейха, описывая её как редкое и тяжёлое заболевание. По его словам, на момент исследования лучшая известная молекула для данной мишени уже принадлежала лаборатории Стэнфорда, однако учёные обратились к Bioptics, чтобы проверить, может ли AI найти более активные варианты.
Смысл исследования заключался в сравнении эффективности новых, сгенерированных системой молекул с лучшими ранее известными соединениями. AI Bioptics получил данные о последовательности аминокислот в нужном протеине и просканировал большое пространство синтезируемых соединений. Из этого процесса было выбрано 53 молекулы для реальной проверки. По словам Дороничева, значительная их часть показала активность, а две оказались активнее, чем лучшие известные на тот момент молекулы для этой мишени.
Важный аспект этого эпизода — конкретность результата. Дороничев не говорит, что заболевание уже лечится или что создано готовое лекарство. Он подчёркивает, что найденные соединения являются ранними кандидатами: сначала требуется подтвердить их активность, затем оптимизировать, проверить в моделях и только после этого двигаться к клиническим испытаниям. Поэтому практическая ценность исследования на данном этапе состоит в том, что AI помог найти более сильную исходную молекулу по сравнению с прежним уровнем знаний в конкретной задаче.
Для Дороничева этот кейс важен как доказательство работоспособности общей гипотезы Bioptics. Компания заявляет, что может работать с мишенями, на которых она не обучалась специально. В случае MIR1, по его словам, модель не проходила отдельное обучение на данных именно по этому протеину. Это позволяет интерпретировать результат не только как успех одной лабораторной коллаборации, но и как проверку претензии Bioptics на универсальность подхода к поиску активных молекул.
Сотрудничество Bioptics и Стэнфорда в разговоре представлено как пример взаимодополняемости вычислительных и лабораторных компетенций. Андрей Дороничев называет для Bioptics большой удачей сам факт работы со Стэнфордом, поскольку характеризует его как ведущий мировой исследовательский центр. Однако главная ценность коллаборации, по его версии, заключается не только в статусе партнёра, но и в его способности проводить сложные биологические тесты, недоступные для компании, сосредоточенной на AI-моделях.
Роль Bioptics состояла в поиске кандидатов: компания использовала свою систему для анализа огромного химического пространства и отбора молекул, которые могли бы оказаться активными по отношению к заданной мишени. Роль Стэнфорда состояла в проверке этих молекул на биологической модели. Такая конструкция показывает практическую границу возможностей AI: модель способна предложить перспективные варианты, но доказательство активности и потенциальной терапевтической ценности должно происходить в эксперименте.
Дороничев подчёркивает, что именно наличие у Стэнфорда уникальной установки для тестирования делало проект особенно ценным. Для Bioptics это был способ проверить не только теоретические предсказания модели и не только взаимодействие веществ «в пробирке», но и реакцию реальных клеток, связанных с заболеванием. В этом смысле коллаборация стала переходом от вычислительного результата к более биологически содержательной валидации.
Также партнёрство имеет юридическое и научное измерения. По словам Дороничева, результаты были запатентованы, а интеллектуальная собственность распределена между сторонами: Bioptics принадлежит 60% открытия, Стэнфорду — 40%. Одновременно была принята научная статья в журнал Cell. Таким образом, сотрудничество дало Bioptics сразу несколько видов результата: подтверждение технологии на экспериментальных данных, долю в IP, совместную публикацию и возможность дальнейшей монетизации через патент или лицензионную сделку.
В логике разговора Стэнфорд выступает не как внешний подрядчик, а как научный партнёр, без которого AI-результат не получил бы необходимого уровня достоверности. Это соответствует более общей позиции Дороничева: вычислительные методы могут существенно ускорить фарму, но не заменяют сложную инфраструктуру биологических исследований и не позволяют обойти путь реальной проверки.
Тестирование на клетках пациентов Дороничев описывает как ключевое преимущество совместной работы со Стэнфордом. Он утверждает, что лаборатория построила установку с клетками настоящих пациентов, связанных с болезнью Фридрейха. По его словам, исследователи научились работать с клетками мозга и сердца людей, которые болеют этим заболеванием. При этом он отдельно оговаривается, что не знает точно, извлекаются ли клетки напрямую или создаются иным способом, поэтому не детализирует механизм их получения.
Существенно, что Дороничев отличает такое тестирование от обычной проверки активности молекулы в пробирке. В пробирочном эксперименте можно установить, действует ли соединение на отдельную биологическую мишень. Но клетки пациента несут значительно более сложный контекст: в них присутствуют реальные нарушения, связанные с заболеванием, и многочисленные процессы, которые не сводятся к одному изолированному протеину. Поэтому проверка в такой системе, по его оценке, является «совершенно другим уровнем сложности» для ранних кандидатов.
В разговоре клетки пациентов описываются как промежуточное звено между чисто вычислительным предсказанием и тестированием на живом человеке. Дороничев подчёркивает, что путь до реальных клинических исследований долог, а протестировать молекулу непосредственно в организме пациента на раннем этапе невозможно. Наличие клеточной модели позволяет получить более содержательную обратную связь раньше, чем начнутся испытания на животных или людях.
Результат этой проверки стал особенно значимым для Bioptics именно потому, что он не ограничился виртуальной оценкой модели. Из 53 отобранных AI-молекул значительная часть оказалась активной, а две превзошли лучшие существовавшие варианты для данной мишени. В логике Дороничева это подтверждает не готовность лекарства, а качество раннего отбора: система смогла предложить соединения, чья активность выдержала биологическую проверку в модели, приближённой к заболеванию реальных пациентов.
Одновременно этот эпизод показывает ограничения, о которых он говорит далее. Даже клеточная модель — не человеческий организм. Она позволяет приблизиться к реальной биологии сильнее, чем простой химический тест, но не даёт полного ответа о безопасности, токсичности, дозировке, эффективности в организме и клиническом результате. Поэтому тестирование на клетках пациентов является важным шагом в снижении неопределённости, но не заменой последующих стадий разработки.
В контексте работы со Стэнфордом Андрей Дороничев сообщает, что найденные молекулы были запатентованы. Патент для него означает закрепление интеллектуальной собственности на результат совместной работы: Bioptics и Стэнфорд не просто провели исследование, но получили юридически оформленный актив, связанный с обнаруженными молекулами.
По словам Дороничева, распределение прав составило 60% для Bioptics и 40% для Стэнфорда. Он подчёркивает, что для научного мира значимость результата не исчерпывается патентом, однако для компании именно доля в IP создаёт возможность участия в будущей экономической ценности разработки. Если молекула будет развита в лекарство самой Bioptics или другой стороной, компания сможет претендовать на часть будущих выплат, связанных с использованием патента.
Дальше в беседе Дороничев объясняет, как такой актив может быть монетизирован. Один вариант — ожидать дальнейшего развития молекулы и получать royalties, когда на её основе появится коммерческий препарат. Он признаёт, что это долгий сценарий: между ранним открытием и выходом лекарства на рынок могут пройти годы. Но он указывает и на альтернативу — продажу будущего потенциала роялти специализированным royalty-агрегаторам. Такие компании, по его словам, готовы выкупать интеллектуальную собственность или будущие права на выплаты с дисконтом, предоставляя стартапу более раннюю ликвидность.
Другой путь — лицензирование или продажа разработки крупной фармацевтической компании на более поздней стадии. В этой модели ценность патента и молекулы растёт по мере снижения риска. Первичный «хит» имеет ограниченную стоимость, потому что ещё не доказана его клиническая применимость. После доклинических исследований и стадий клинических испытаний актив становится более дорогим, а Big Pharma может приобрести права на него за существенно большую сумму.
Таким образом, патентование в данном случае — это не только формальность после научной публикации. В системе, которую описывает Дороничев, патент превращает результат AI-поиска и лабораторной проверки в экономический объект. Он создаёт основу для будущих роялти, лицензирования, продажи прав или переговоров с крупными фармацевтическими игроками. При этом сам патент не гарантирует коммерческого успеха: его стоимость зависит от того, сможет ли молекула пройти дальнейшие стадии разработки.
Андрей Дороничев говорит, что совместная статья Bioptics и Стэнфорда была принята в журнал Cell. Он характеризует Cell как один из ведущих мировых научных журналов, ставя его в один ряд с Science и Nature. Для него это важный результат наряду с патентом, а в научной плоскости — даже более важный, чем юридическое закрепление прав на молекулы.
Значение публикации состоит в том, что результаты работы получили признание не только внутри компании или в отношениях между коммерческим партнёром и университетской лабораторией. Публикация в таком журнале означает, что исследование стало частью научного поля и прошло путь, необходимый для принятия ведущим изданием. В разговоре это служит доказательством того, что результаты Bioptics не ограничиваются маркетинговым утверждением о возможностях AI, а подкреплены совместной работой с научной лабораторией и её оформлением в статье.
Для Дороничева публикация также имеет символическое значение в личной истории профессиональной трансформации. Позже он рассказывает, что при переходе в биотехнологии сформулировал для себя смелое видение новой версии жизни, в котором допускал, что однажды у него будет статья в Cell. Он связывает это с подходом к жизненным изменениям как к созданию продукта: сначала формируется видение, затем создаются система, окружение и последовательность безопасных шагов. Поэтому статья в Cell становится для него не случайной внешней наградой, а одним из реализованных ориентиров, которые когда-то были частью личного и профессионального замысла.
При этом публикация не означает, что работа завершена. Она фиксирует результат ранней исследовательской стадии: модель помогла найти молекулы, которые подтвердили активность на клеточной системе и превзошли известные варианты для конкретной мишени. Но сама разработка лекарства требует последующего улучшения кандидата, испытаний в живых моделях и клинических исследований. В этом смысле Cell подтверждает качество научного открытия и его значимость, но не заменяет долгий путь к практической терапии.
Александр Соколовский спрашивает: «То есть, смотри: ваша система, ваши нейронные сети генерируют какие-то проекции? То есть модель того, как эта молекула должна выглядеть, или какой-то конечный продукт, который нейронка создаёт?» Андрей Дороничев отвечает через объяснение того, как химическая структура превращается в данные, доступные для вычислительной обработки.
Он напоминает, что молекулы обычно представляют в виде сложных химических формул, но такую формулу можно записать линейно — в форме строки. Эта нотация называется SMILES и используется в вычислительной химии для кодирования структуры молекулы. В такой форме молекула перестаёт быть только изображением из учебника органической химии и становится последовательностью символов, с которой может работать AI-система.
Дальше Дороничев описывает создание embedding space — векторного пространства. Каждая строка, описывающая возможную молекулу, кодируется в вектор. В результате модель получает возможность работать не с десятками миллиардов неструктурированных химических формул, а с их математическими представлениями. Это позволяет сравнивать, классифицировать и оценивать молекулы в едином вычислительном пространстве.
На вход система получает последовательность аминокислот протеина, который предполагается активировать или деактивировать. Одновременно ей задаётся пространство органических соединений, которые можно теоретически синтезировать в лаборатории. Дороничев приводит пример порядка 60 миллиардов таких соединений. После кодирования молекул в векторы нейронная сеть может оценивать, будет ли конкретная молекула активна по отношению к новой белковой мишени.
Содержательная ценность SMILES и векторизации в описанной системе состоит в превращении химического поиска в задачу машинного обучения. Вместо физического перебора вариантов модель анализирует закодированные представления молекул и сопоставляет их с данными о протеинах и известных взаимодействиях. Но Дороничев не утверждает, что строка SMILES сама по себе является лекарством или завершённой молекулой в практическом смысле: это цифровое описание, на основании которого затем выбираются кандидаты для химического синтеза и биологической проверки.
В разговоре подход Bioptics описывается как использование AI для поиска молекул, способных быть активными на заданной мишени. Андрей Дороничев объясняет, что модель обучалась на большом объёме научных данных о взаимодействии молекул с протеинами. Используя накопленные знания, она может оценить, какие соединения из огромного пространства синтезируемых веществ с большей вероятностью окажутся активными для нового протеина.
Хотя в теме используется выражение «генеративные AI-модели», в транскрипте ключевой акцент сделан на сканировании и отборе молекул. Дороничев говорит, что система может «генерировать молекулы», но технически описывает процесс как анализ доступного пространства возможных формул и поиск в нём перспективных вариантов. Модель не действует как традиционная лаборатория, которая физически синтезирует вещество, а работает как интеллектуальный механизм навигации в гигантском пространстве химических возможностей.
Главный практический результат такого подхода — сокращение времени первичного поиска. По словам Дороничева, миллиард молекул можно просканировать виртуально за часы. В традиционном варианте для схожей задачи использовались бы физические эксперименты с большим количеством пробирок, роботизированными системами и дорогостоящей лабораторной инфраструктурой. AI переносит отбор на вычислительный уровень, позволяя в лабораторию направлять уже не бесконечное число вариантов, а относительно узкий набор сильных кандидатов.
Кейс с MIR1 демонстрирует эту логику в числах: после анализа огромного пространства было выбрано 53 молекулы. Значительная часть оказалась активной в эксперименте, а две были активнее лучших известных соединений для данной мишени. Для Дороничева это означает, что модель улучшает вероятность успеха на раннем этапе поиска первого «хита» — первой активной молекулы, которую затем можно улучшать.
Однако он не переносит этот успех автоматически на весь процесс лекарственной разработки. Генеративный или вычислительный AI в данном случае решает задачу поиска и ранней оценки. Он не снимает вопросы токсичности, поведения вещества в организме, дозировки, безопасности и клинической эффективности. Поэтому модель служит усилителем научного поиска, а не полной заменой фармацевтической разработки.
Андрей Дороничев выделяет универсальность как важное отличие системы Bioptics от многих прежних подходов в вычислительной химии. Он противопоставляет её узкоспециализированным моделям, которые создавались отдельными исследовательскими группами на собственных данных для решения одной конкретной задачи. Такие модели, по его описанию, могут помогать находить дополнительные варианты молекул для уже знакомой проблемы — например, более активные или менее токсичные соединения.
Система Bioptics, по словам Дороничева, устроена как general-purpose модель. Её претензия состоит в том, что она может работать с любой биологической мишенью, независимо от того, встречалась ли эта мишень в обучающих данных. Для этого она использует последовательность аминокислот нужного протеина, данные о большом пространстве молекул и знания, извлечённые из массива научной информации о взаимодействиях молекул и белков.
Примером такой универсальности Дороничев называет работу с протеином MIR1. Он подчёркивает, что команда не проводила специальное обучение модели на данных по этой конкретной мишени. Несмотря на это, после получения аминокислотной последовательности протеина и виртуального сканирования десятков миллиардов молекул система нашла 53 кандидата, из которых две оказались лучше известных аналогов по активности.
В его логике это доказывает не абсолютную безошибочность модели, а возможность переноса знаний на новую задачу. Универсальная система ценна потому, что не требует строить отдельную вычислительную модель под каждый новый протеин или заболевание. Это особенно важно для стратегии компании: вместо работы над единичными узкими кейсами она стремится создать инструмент, который можно применять в широком наборе биологических задач.
Но такая универсальность всё равно требует внешней проверки. Дороничев не утверждает, что модель способна окончательно установить терапевтическую ценность молекулы только на основе данных. Напротив, результат должен быть подтверждён синтезом и экспериментом. Универсальная модель делает поиск более масштабным и быстрее формирует гипотезы, но научная достоверность возникает после лабораторной валидации.
Александр Соколовский задаёт вопрос: «Какова вероятность того, что из этого выйдет что-то практическое, что будет помогать лечить болезнь у реального человека? И что для этого должно срастись? Какие-то, я не знаю, тайминги, деньги, ещё что-то?» Андрей Дороничев отвечает, что найденная активная молекула — это только самое начало долгого процесса, а реальная вероятность успеха зависит в том числе от ещё не измеренного влияния AI на эффективность индустрии.
Первый этап он называет идентификацией хита — первой активной молекулы. Именно здесь Bioptics видит наиболее очевидное преимущество вычислительных методов: вместо физического перебора большого числа веществ AI может быстро виртуально проверить гигантское пространство соединений и выделить наиболее перспективные варианты. После обнаружения хита начинается его оптимизация. Это означает, что исходную молекулу нужно улучшать, добиваясь более подходящих характеристик для дальнейшей разработки.
Затем молекула последовательно проходит испытания в более сложных моделях. Сначала это может быть лабораторная мышь, затем более крупное млекопитающее, а в конечном итоге — пациент. Дороничев описывает этот путь как постепенное приближение к реальному человеку: на каждом этапе исследуется, как молекула ведёт себя в более сложной биологической системе.
После доклинических этапов наступают клинические испытания. В разговоре специально упоминается третья стадия клинических исследований как особенно дорогая. Дороничев также отмечает, что на более поздних стадиях снижается риск, поэтому актив становится интереснее для крупных фармацевтических компаний и инвесторов. Он сравнивает этот процесс со строительством: на этапе «котлована» цена ниже из-за высокой неопределённости, а по мере получения разрешений и подтверждений стоимость объекта растёт.
В его модели AI наиболее эффективно работает на ранних стадиях, где объекты исследования ещё сравнительно хорошо описываются данными: речь идёт о конечном числе атомов, молекулах и протеинах. Чем дальше исследование движется к клеткам, организмам и пациентам, тем труднее становится моделирование. Поэтому AI может увеличить шансы на сильный старт разработки, но не избавляет от необходимости проходить весь традиционный путь подтверждения эффективности и безопасности.
Андрей Дороничев описывает фармацевтическую разработку как чрезвычайно долгую, дорогую и высокорисковую деятельность. Каждый этап после поиска первой активной молекулы занимает годы и требует всё большего объёма средств. Если ранний вычислительный поиск можно значительно ускорить, то последующие биологические и клинические проверки сохраняют свою сложность.
Он говорит, что стоимость растёт по мере движения от раннего поиска к клиническим этапам. На первых стадиях речь может идти о миллионах долларов, затем — о десятках миллионов, а третья фаза клинических испытаний может стоить около 100 миллионов долларов. В другом фрагменте он приводит конкретный пример ранней лабораторной проверки: синтез молекул может занять шесть недель и стоить около 20 тысяч долларов, а последующее тестирование — ещё порядка 50 тысяч. В совокупности, по его оценке, около 100 тысяч долларов и четырёх месяцев могут потребоваться лишь для того, чтобы узнать, какие из сотни ранних молекул действительно работают.
Этот временной разрыв особенно важен для понимания бизнеса Bioptics. В области цифрового контента результат можно иногда проверить сразу: изображение выглядит подлинным или фальшивым, детектор сработал или нет. В молекулярной разработке обратная связь приходит с большой задержкой. Между гипотезой AI и реальным экспериментальным результатом находятся договоры с лабораториями, синтез соединений, логистика и биологическое тестирование.
Высокий риск объясняет, почему наука часто финансируется грантами и государством. Дороничев говорит, что наука по своей природе плохо приспособлена к ожиданию быстрой прибыльности: слишком велик риск, слишком длинный горизонт и слишком много капитала нужно вложить до появления практического результата. Поэтому биотехнологический стартап не обязательно строится как компания, которая быстро выходит на операционную прибыль. Его активы могут состоять из патентов, данных, платформы, ранних молекул и способности снижать риски на следующих этапах.
Он также отмечает, что даже после второй фазы клинических испытаний вероятность неудачи может оставаться около 50%. Следовательно, рост стоимости актива по мере продвижения не отменяет неопределённость, а лишь уменьшает её. Именно поэтому крупные сделки с Big Pharma часто происходят после появления более сильных данных: большая корпорация может заплатить за актив существенно больше, когда часть фундаментальных рисков уже снята.
Андрей Дороничев подчёркивает, что современная индустрия ещё очень далека от полноценного компьютерного моделирования клетки, а тем более человека. Он признаёт, что на ранних этапах работы с молекулами и протеинами вычислительные методы уже дают заметный эффект. Но с переходом к клеточному уровню сложность становится качественно иной.
Для объяснения он использует образ клетки как города с 50 миллионами жителей. Внутри клетки одновременно действуют миллионы или десятки миллионов протеинов и молекул, заключённых в липидной оболочке. Их взаимодействия он сравнивает с работой огромного города, где есть жители, транспорт, светофоры, курьеры и множество параллельных процессов. Такая метафора нужна, чтобы показать: клетка не является просто суммой нескольких известных химических реакций, которые можно легко посчитать на компьютере.
По словам Дороничева, человечество пока даже не приблизилось к возможности симулировать хотя бы одну клетку. Из этого он выводит ограничение для наиболее амбициозных сценариев AI в медицине. Нельзя взять нового пациента, создать его достоверного цифрового двойника и полностью проверить на нём действие лекарства вместо реального клинического исследования. На прямой вопрос о такой возможности он отвечает фактически отрицательно: «пока невозможно».
Это ограничение меняет реалистичное понимание роли AI. Технология может драматически ускорять поиск молекул, помогать в анализе данных и, как он позже говорит, автоматизировать отдельные процессы на стыке науки и бизнеса. Но она не позволяет обойти фундаментальную биологическую неопределённость. Чем ближе исследование к реальному организму, тем менее достаточны одни вычисления и тем более необходимы физические эксперименты.
Таким образом, Дороничев защищает одновременно оптимистичную и ограниченную позицию. AI уже способен давать полезные результаты, включая поиск молекул, которые подтверждают активность в клеточных системах. Но между этим успехом и полной виртуальной заменой биологии лежит огромная дистанция. Текущий прогресс не следует интерпретировать как способность симулировать пациента или гарантированно предсказывать исход клинического исследования.
Тему цифровых двойников Андрей Дороничев рассматривает как один из самых амбициозных будущих сценариев для биотехнологий и AI. Он описывает гипотетическую ситуацию: вместо того чтобы вводить новое лекарство реальному пациенту и наблюдать реакцию, можно было бы создать цифрового двойника пациента и протестировать терапию в компьютере. В таком случае клинические испытания могли бы радикально ускориться и стать менее рискованными.
Однако его позиция заключается в том, что сегодня этого сделать нельзя. Дороничев не просто говорит, что технология «ещё неидеальна», а подчёркивает фундаментальную дистанцию до такого уровня моделирования. Причина — крайняя сложность клеток и биологических процессов. Если невозможно полноценно симулировать даже одну клетку, то симуляция организма конкретного пациента оказывается ещё более далёкой задачей.
В разговоре цифровой двойник выступает скорее как предельный ориентир, который показывает, куда может двигаться индустрия. Этот образ помогает различить два уровня AI в фарме. Первый — существующий и практически применимый: поиск молекул, вычислительная оценка, обработка научных данных, автоматизация некоторых функций фармацевтических компаний. Второй — пока недостижимый: полное воспроизведение биологии человека в вычислительной среде.
Дороничев упоминает, что в эту сторону уже направлены крупные исследовательские усилия. Он связывает такие попытки с лабораториями, которые поддерживают Марк Цукерберг и его жена: их тезис, по его словам, состоит в стремлении симулировать клетку и биологию в целом. Но даже наличие крупных ресурсов не меняет его оценки текущего состояния: это чрезвычайно амбициозная цель, а не готовая технология.
В результате тема цифровых двойников в интервью не становится обещанием скорого практического применения. Напротив, она нужна для обозначения границы между реальным прогрессом и технологическим воображением. AI способен сделать фарму более вычислительной дисциплиной, но не отменяет необходимость реальных организмов, экспериментов и клинических исследований.
Андрей Дороничев говорит, что наиболее модные, крупные и дорогие лаборатории нацелены на симуляцию клетки и биологии. В качестве примера он упоминает фонд Марка Цукерберга и его жены. По его словам, их основная идея состоит в том, чтобы научиться моделировать клетку, а затем — биологические процессы в более широком смысле.
Этот пример появляется после обсуждения ограничений нынешнего компьютерного моделирования. Поэтому инвестиции описываются не как подтверждение уже решённой задачи, а как ответ на масштаб и сложность проблемы. Если удастся симулировать клетку, то это может создать основу для более глубокого понимания заболеваний и действия лекарств. Но Дороничев прямо характеризует такую цель как «очень амбициозную».
Сам факт того, что крупные частные ресурсы направляются в эту область, показывает, что моделирование биологии воспринимается как потенциально фундаментальный следующий шаг для AI и биотехнологий. Однако в транскрипте не приводятся конкретные результаты этих проектов, сроки достижения цели или утверждения, что они уже умеют создавать цифровые копии клеток. Речь идёт именно о направлении больших вложений и исследовательском векторе.
Эта тема дополняет позицию Bioptics. Компания работает там, где вычислительные методы уже дают практический эффект: в анализе молекул и раннем поиске кандидатов. Одновременно Дороничев признаёт, что более глубокая симуляция биологии пока остаётся задачей будущего, для которой нужны отдельные масштабные лаборатории, данные и инфраструктура. Таким образом, его собственный проект не противопоставляется таким инвестициям, а занимает более прикладной слой на пути к более полной вычислительной биологии.
Александр Соколовский описывает переход так: «У вас были идеи по поводу проверки оригинальности. Потом, насколько я помню историю, вам инвесторы сказали, что, ребята, вообще-то вот тут гораздо больше перспектив. И кажется, что это так». Андрей Дороничев уточняет, что реальная история была сложнее и что решающим аргументом для смены направления оказался не только размер рынка.
По его словам, AI-лаборатория Bioptics была начата в начале 2022 года, ещё примерно за год до появления ChatGPT. У команды не было окончательного решения, чем именно заниматься. Существовала более общая гипотеза: AI станет серьёзной прорывной технологией, поэтому нужно искать индустрии, где есть много данных, много денег и мало AI-специалистов. Биотехнологии рассматривались как один из вариантов, потому что учёные накопили и опубликовали большой объём открытых данных.
Другой первоначальной гипотезой был блокчейн. В нём команда увидела похожее сочетание доступных данных, больших денег и нехватки специалистов по AI. Эта гипотеза вначале сработала быстрее: Bioptics начала зарабатывать, работая с данными в этой сфере. Однако после кризиса FTX и разочарования в NFT-рынке, по словам Дороничева, стало ясно, что идея децентрализованного будущего контента не реализуется в той форме, на которую рассчитывали многие участники рынка.
Серьёзный переход к биотехнологиям начался после встречи с Артёмом Черкасовым на TED. Дороничев рассказывал ему о том, как команда сканировала триллионы изображений и видео, чтобы определять подделки. В ответ учёный предложил перенести этот принцип на молекулы: если AI умеет анализировать изображения, возможно, он способен анализировать молекулы и их активность. Это стало отправной точкой для более глубоких инвестиций в биотехнологическое направление.
На совете директоров перед Bioptics стоял выбор: продолжить относительно понятный путь в детекции фейков или сосредоточиться на фармацевтическом применении AI. По словам Дороничева, один из инвесторов заметил, что только при разговоре о лекарствах от рака у него действительно «загораются глаза». Именно это стало решающим аргументом. Следовательно, переход был не чисто рациональным движением в самый крупный рынок: он сочетал технологическую гипотезу, случайную встречу, ранние эксперименты и личную мотивацию основателя.
Дороничев при этом специально предупреждает против упрощения этой истории. Он не называет биотех самым лёгким или самым большим рынком для AI. Наоборот, он считает его крайне сложным и признаёт, что vertical AI для более простых отраслей — например, для водопроводчиков — может иметь больший доступный рынок и более быстрый путь к выручке. Выбор биотехнологий объясняется сочетанием смысла, интереса, возможности применить AI и готовности идти в долгую высокорисковую область.
До фокуса на биотехнологиях команда Bioptics рассматривала блокчейн как одну из перспективных сфер применения AI. Андрей Дороничев объясняет, что эта область казалась привлекательной по тем же причинам, что и биотех: данные были открыты, денег в системе было много, а специалистов, способных строить AI-решения, — мало. На раннем этапе эта гипотеза дала быстрый результат: команда почти сразу начала зарабатывать.
Судя по объяснению Дороничева, AI мог использовать доступность блокчейн-данных для анализа и решения прикладных задач. Однако конкретную коммерческую механику он подробно не раскрывает. Гораздо важнее для его рассказа то, что рынок существовал на ожидании определённого будущего: многие рассчитывали, что NFT и децентрализованные технологии станут основой нового контентного интернета, возможно — альтернативой централизованным платформам вроде YouTube.
Кризис FTX стал для команды точкой пересмотра этой ставки. Дороничев говорит, что рынок после этого показал себя «крайне выдуманным, ненастоящим». Он прямо формулирует вывод: стало ясно, что никакого децентрализованного YouTube не грядёт и что NFT не становятся тем будущим контента, на которое рассчитывали и Bioptics, и многие другие участники рынка.
Этот опыт важен в логике интервью как пример отказа от гипотезы, которая сначала казалась успешной. Сам факт ранней выручки не стал достаточным основанием, чтобы продолжать движение в прежнем направлении после того, как изменилась вера команды в фундаментальное будущее рынка. Это соответствует более общей позиции Дороничева о необходимости замечать, когда текущая траектория перестаёт вести к значимой цели, даже если на ней уже есть деньги или работающий бизнес.
При этом переход не был мгновенным скачком от NFT напрямую к лекарствам. После блокчейн-направления компания сосредоточилась на детекции цифровых фейков, а уже затем выделила это направление в отдельную компанию и сфокусировалась на биотехнологиях. Таким образом, кризис FTX стал не единственной причиной появления Bioptics в фарме, а событием, которое освободило место для другой, более долгосрочной гипотезы.
После ухода от блокчейн- и NFT-гипотезы Bioptics продолжала работать с AI в области цифрового контента. Андрей Дороничев рассказывает, что компания занималась детекцией фейков в вебе. Эта деятельность опиралась на предыдущий опыт команды по сканированию огромного числа изображений и видео, чтобы определять, являются ли они подделками.
Дороничев упоминает, что компания AI-Note, или AINote.com, была выделена в отдельную структуру — спин-офф. По его словам, у первоначальной команды сохранилась значительная доля в этой компании, но AINote стала самостоятельным бизнесом. Такое отделение позволило не закрывать работающее направление, а дать ему отдельную траекторию развития.
В разговоре этот шаг описывается как предшествующий более радикальной фокусировке Bioptics на биологии. На момент стратегического выбора детекция фейков была для Bioptics очевидным и прямым направлением: команда уже имела в нём опыт, понятную технологическую основу и коммерческую логику. Но именно потому, что направление было более понятным, оно контрастировало с биотехнологиями, где интерес был сильнее, а риск и сложность — выше.
Позднее Дороничев описывает этот тип деятельности как более удобный для быстрых проверок: в задачах генерации или детекции фейкового контента результат часто можно увидеть почти сразу. Можно глазами оценить, выглядит ли картинка правдоподобно, или проверить корректность детекции. В фарме такая скорость обратной связи невозможна: даже после генерации кандидата нужны месяцы и значительные деньги, чтобы синтезировать и протестировать молекулы.
Выделение AINote показывает, что переход к биотехнологиям не был полным отказом от предыдущей работы. Направление цифровой аутентификации сохранилось как отдельная компания, а Bioptics получила возможность сконцентрировать собственные ресурсы и идентичность на AI для фармы. Дороничев позже описывает этот тип решения как подготовку к «прыжку веры»: компания отделила то, что приносило выручку, и решила строить новый, более рискованный бизнес в биологии.
Андрей Дороничев описывает первоначальный выбор индустрий для AI не как одномоментное прозрение, а как работу с несколькими гипотезами. Общая предпосылка была следующей: AI должен был стать серьёзной прорывной технологией, которая изменит множество отраслей. Поэтому команда пыталась найти сектора, где новая вычислительная способность могла дать непропорционально сильный эффект.
Он формулирует три базовых критерия. Индустрия должна обладать большим количеством данных, поскольку AI требует данных для обучения и работы. В ней должно быть много денег, чтобы существовал платёжеспособный спрос и экономический смысл внедрения. Наконец, там должно быть сравнительно мало AI-специалистов, чтобы у небольшой технологической команды было пространство для преимущества.
По этим критериям биотехнологии выглядели перспективно: учёные накопили огромные массивы данных и опубликовали их, а сама фармацевтическая индустрия обладает значительными финансовыми ресурсами. Блокчейн также поначалу соответствовал этой логике: данные были открыты, денег на рынке было много, а специалистов по AI не хватало. Однако дальнейшее развитие показало, что формального соответствия критериям недостаточно: необходимо, чтобы сама индустрия имела устойчивую и реальную основу.
Дороничев отдельно предостерегает от романтизации биотеха. Он говорит, что это «крайне сложный рынок и вовсе не самый большой». В качестве контраста он приводит vertical AI для водопроводчиков: такая сфера, по его мнению, может иметь даже больший total addressable market и быть проще с точки зрения реализации. Поэтому выбор индустрии не должен строиться только на модности, огромных словах о триллионах долларов или социальном престиже области.
Для него окончательное решение в пользу биотехнологий было связано с личной вовлечённостью. Инвестор заметил, что среди разных направлений у Дороничева по-настоящему загораются глаза только при разговоре о лекарствах от рака. В результате стратегия Bioptics сочетает рациональный фильтр — данные, деньги и недостаток AI-компетенций — с фактором purpose, то есть ощущением значимости и личного смысла. Это важно, потому что биотехнологии требуют долгого горизонта, терпимости к риску и готовности работать там, где быстрые деньги не гарантированы.
Александр Соколовский ставит вопрос так: «Если есть огромные компании, которые готовы инвестировать просто миллиарды долларов, если есть какой-нибудь Google, боюсь соврать... И, поднимая, насколько я помню, не очень большую сумму денег, порядка 11 миллионов долларов, вы начинаете заниматься вот этим, имея просто гигантский вал конкурентов с огромными, абсолютно безлимитными деньгами. В чём здесь логика и на что в этой математической модели расчёт?» Позже он уточняет: «Какие вообще есть варианты реального зарабатывания денег здесь?»
Андрей Дороничев отвечает на этот вопрос через концепцию прорывных инноваций и «дилеммы инноватора». По его версии, крупные фармацевтические компании обладают огромными ресурсами, но одновременно несут груз существующего бизнеса, процессов, регулирования и культуры минимизации рисков. Фармацевтика, как он говорит, живёт по принципу «сначала не навреди», тогда как стартапы обычно строятся вокруг скорости, эксперимента и готовности ломать привычные процессы.
Он использует аналогию с переходом от гужевых повозок к автомобилям. Производители повозок могли постепенно улучшать существующий продукт, но им было крайне трудно отказаться от успешного бизнеса ради более слабой и рискованной на старте автомобильной технологии. Так же и Big Pharma может быть рационально осторожной в отношении нового подхода: у неё уже есть масштабный бизнес, сложная инфраструктура, регуляторные обязательства и огромное количество внутренних процессов, которые трудно быстро заменить AI-моделью.
В этой ситуации преимущество маленькой компании состоит не в превосходстве по капиталу, а в скорости и способности строить новую систему без исторического багажа. Дороничев говорит, что у стартапов «в ДНК компании заложена скорость движения», которая не предусмотрена в больших корпорациях. Маленькая команда может сосредоточиться на новой технологии, экспериментировать, быстро менять направление и строить процессы с нуля, не защищая десятилетиями сложившуюся структуру.
При этом он не утверждает, что стартап обязательно победит крупную корпорацию как независимый глобальный игрок. Его стратегическая логика допускает укрупнение рынка. Один из возможных exit-сценариев — продажа компании Big Pharma или крупной AI-лаборатории. Он говорит, что несколько крупных фармацевтических компаний уже пришли к Bioptics и начали с ней работать, а также упоминает приобретение Anthropic компании, похожей по размеру, примерно за 400 миллионов долларов ради добавления вертикальной компетенции.
Коммерческая модель Bioptics при этом не сводится к ожиданию лекарственных роялти через десятилетия. Основной текущий источник дохода, по словам Дороничева, — сервисная модель AI-агента для фармы. Он сравнивает продукт с Cursor или Codex, но для фармацевтической отрасли: клиенты платят за использование AI для таких задач, как конкурентная аналитика, поиск и оценка новых лекарств, а также других процессов на стыке науки и бизнеса. В этой модели крупные фармкомпании становятся не только конкурентами, но и клиентами.
Таким образом, расчёт стартапа строится на двойственной позиции. С одной стороны, Bioptics пытается создать самостоятельную технологическую ценность и получать регулярную выручку от AI-агентов. С другой — она создаёт интеллектуальную собственность, научные результаты и компетенции, которые могут быть лицензированы, проданы или включены в более крупную структуру. Маленькая компания не обязана победить Pfizer, Eli Lilly или Google в их масштабе; её задача — быстрее освоить новый технологический слой, доказать его ценность и стать значимым участником неизбежной консолидации рынка.
Андрей Дороничев объясняет дилемму инноватора через противопоставление последовательного улучшения существующего продукта и радикального технологического сдвига. В его интерпретации компания, производящая гужевые повозки, может годами улучшать привычный продукт: делать повозки быстрее, комфортнее, красивее, повышать эффективность производства. Это рациональная стратегия внутри уже работающего рынка: улучшения понятны клиентам, инфраструктура существует, а экономический эффект можно измерить. Однако появление автомобиля меняет не отдельный параметр продукта, а саму логику рынка.
Главная проблема в том, что новая технология на раннем этапе часто объективно уступает зрелому решению. Дороничев отмечает, что автомобиль в начале мог быть хуже хорошей лошади с качественной повозкой: менее надёжным, менее удобным, лишённым привычной инфраструктуры. Поэтому для крупного производителя повозок отказ от текущего бизнеса в пользу автомобилей выглядит не как рациональная оптимизация, а как добровольный отказ от работающего источника прибыли ради слабой и рискованной альтернативы.
Именно в этом, по Дороничеву, состоит дилемма: большой бизнес должен решить, в какой момент поверить в новую технологию настолько, чтобы быть готовым разрушить или существенно ослабить собственную текущую модель. Он приводит пример Уильяма Дюранта, который, будучи крупным производителем гужевых повозок, сумел увидеть перспективу автомобилей и создал General Motors. Остальные производители повозок, по его логике, преимущественно держались за существующий бизнес и в итоге проиграли смене технологической парадигмы.
В контексте фармацевтики Дороничев переносит эту модель на противостояние Big Pharma и небольших AI-стартапов. Большие фармацевтические компании существуют внутри крайне зарегулированной, медленной и осторожной среды. Их базовая установка, по его формулировке, — «first, do no harm», то есть «сначала не навреди». Это естественно для индустрии, связанной со здоровьем людей, но такая установка структурно конфликтует с логикой технологического стартапа, где важны скорость эксперимента, допущение ошибок и готовность пробовать неочевидные методы.
Поэтому Дороничев считает, что у небольших компаний появляется окно возможностей не потому, что у них больше ресурсов, а потому, что они способны двигаться иначе. Стартапу не нужно останавливать многомиллиардный существующий бизнес, менять сложившиеся процессы или убеждать тысячи сотрудников отказаться от привычных способов работы. Он может строить новую технологическую модель с нуля, ориентируясь на AI как на основу процесса, а не как на дополнительный инструмент внутри старой системы.
При этом он не противопоставляет стартапы корпорациям как постоянных победителей и проигравших. Напротив, в его картине рынка крупные компании в конечном счёте могут поглощать успешные маленькие команды или становиться их клиентами. Дилемма инноватора не означает, что корпорации не способны меняться вообще; она означает, что им существенно труднее инициировать радикальную трансформацию изнутри. Поэтому небольшие компании получают шанс создать новую практику, а крупные игроки — купить, лицензировать или встроить её в себя позже.
Дороничев также переносит дилемму инноватора на личную жизнь. Человек может быть успешен в своей текущей траектории, эффективно «улучшать повозку» — зарабатывать больше, расти в должности, развивать привычные навыки, — но постепенно почувствовать, что движение перестало вести к желаемой жизни. В этом случае возникает вопрос не о том, как ещё лучше выполнять прежнюю работу, а о том, «в каком бизнесе» человек находится на самом деле. Для самого Дороничева это стало переходом от карьеры в технологических и медиапродуктах к работе в биотехнологиях и AI-разработке лекарств.
Таким образом, дилемма инноватора в разговоре выступает одновременно как бизнес-концепция и как личная метафора. Она описывает ситуацию, когда прежняя система ещё приносит результат, но уже не отвечает будущему. Главная трудность заключается не в том, чтобы заметить новую возможность, а в том, чтобы признать необходимость ослабить привязанность к тому, что уже работает, обеспечивает безопасность и подтверждает прежнюю идентичность.
Андрей Дороничев разделяет инновации на последовательные, или continuous innovation, и прорывные, или disruptive innovation. Последовательная инновация представляет собой регулярное улучшение уже существующего продукта, процесса или бизнес-модели. Это изменения, которые не отменяют базовую систему, а делают её быстрее, удобнее, дешевле или эффективнее. В его примере производитель повозок может улучшать скорость, внешний вид и комфорт повозки, не меняя сам принцип передвижения.
Прорывная инновация устроена иначе. Она не является очередным улучшением привычного решения, а предлагает новую основу для удовлетворения той же или более широкой потребности. Автомобиль в сравнении с повозкой — это не более качественная повозка, а иной способ организовать транспорт. Такая инновация может на начальном этапе выглядеть менее совершенной, но при этом открывать направление, в котором старый рынок перестаёт быть главным ориентиром.
Дороничев подчёркивает, что последовательные инновации особенно важны для больших платформ и зрелых продуктов. Он приводит пример работы над YouTube: глобальная платформа была построена вокруг метрики watch time, то есть времени просмотра. Команды на разных устройствах — вебе, мобильных устройствах, телевизорах — постоянно улучшали интерфейсы и сценарии использования, чтобы пользователи смотрели больше видео. Такая работа состояла из большого числа мелких, системных, измеримых улучшений.
История создания picture-in-picture в мобильном YouTube показывает, как последовательное улучшение может неожиданно потребовать прорывного изменения. Изначально команда хотела решить конкретную пользовательскую задачу: позволить человеку одновременно смотреть видео и искать следующее, особенно в сценарии прослушивания музыки. Идея уменьшить плеер и оставить его поверх других экранов казалась локальным интерфейсным решением. Однако вскоре выяснилось, что существующая архитектура приложения, построенная как последовательность экранов, не позволяет реализовать такую функцию.
Для внедрения нового сценария пришлось не просто добавить функцию, а фундаментально перестроить приложение. В этом смысле исходная задача была последовательной — увеличить удобство и время просмотра, — но её реализация потребовала прорывного изменения в архитектуре продукта. После запуска новый дизайн сначала привёл к падению watch time примерно на 10–15%, вызвал негативную реакцию и давление со стороны руководства. Это показывает, что даже рациональная инновация может на коротком горизонте ухудшить ключевые метрики, если пользователи ещё не адаптировались к новой системе.
Дороничев связывает этот момент с «корытом разочарования»: новая модель сначала ломает привычные паттерны, поэтому её ценность не всегда проявляется сразу. Важна способность команды не интерпретировать первое ухудшение метрик как автоматическое доказательство ошибочности направления. Вместо немедленного отката команда YouTube получила время на быстрые доработки, протестировала множество изменений и обнаружила конкретную проблему интерфейса: в новом дизайне рекомендации стали менее заметны, а пользователи в первую очередь видели комментарии. Корректировка этой логики помогла восстановить показатели.
Таким образом, последовательные инновации у Дороничева связаны с дисциплиной регулярных улучшений, вниманием к данным и накопительным эффектом малых шагов. Прорывные инновации связаны с переходом на новую архитектуру, новую технологическую парадигму или новый способ решения проблемы. Первые позволяют стабильно развивать существующую систему, вторые создают возможность выйти за её пределы, но требуют готовности пережить неопределённость, падение показателей и сопротивление пользователей или сотрудников.
В отношении AI Дороничев считает, что многие компании ошибочно воспринимают технологию как исключительно инструмент последовательного улучшения: например, как способ ускорить отдельную операцию или дополнить существующий процесс. Однако для части отраслей AI может оказаться именно прорывной инновацией, которая меняет структуру труда, принятия решений и создания продуктов. В фармацевтике это означает переход от дисциплины, основанной преимущественно на физических экспериментах в лабораториях, к более вычислительной модели, где огромные пространства молекул можно анализировать виртуально.
Андрей Дороничев рассматривает скорость как одно из главных конкурентных преимуществ небольших технологических компаний перед крупными корпорациями. В его интерпретации стартап отличается не просто меньшим размером команды или отсутствием бюрократии, а иной «ДНК»: он изначально создан для быстрых экспериментов, проверки гипотез и движения в условиях высокой неопределённости. Там, где для большой компании решение требует согласований, защиты существующих процессов и учёта внутренних конфликтов, стартап способен сделать ставку на новую модель быстрее.
Особенно заметна эта разница в фармацевтической индустрии. Дороничев характеризует Big Pharma как отрасль, которая закономерно является медленной, зарегулированной и risk-averse, то есть ориентированной на минимизацию риска. Для неё критично не навредить пациентам, обеспечить соответствие требованиям и защитить уже работающие процессы. Стартап вроде Bioptics, напротив, может строить свои процессы вокруг AI с самого начала, не пытаясь постепенно приспособить новую технологию к многолетней инфраструктуре.
Однако скорость в его позиции не равна безответственности. Быстрое движение возможно тогда, когда компания готова постоянно учиться на ошибках и корректировать направление. В биотехнологиях цена ошибки особенно высока: даже проверка небольшого числа AI-сгенерированных молекул может потребовать месяцев работы и значительных затрат на синтез и тестирование. Дороничев описывает ситуацию, в которой после генерации молекул необходимо заключить договор с лабораторией, синтезировать соединения, отправить их на тестирование и только затем узнать, являются ли результаты перспективными. Поэтому скорость здесь выражается не в отмене научного процесса, а в сокращении числа бесполезных переборов и более точной работе с гипотезами.
Он противопоставляет традиционный поиск активных молекул физическому перебору огромного количества образцов в лаборатории. В прежней модели роботы и исследователи последовательно проверяли вещества в пробирках, что было дорого и медленно. AI позволяет сначала виртуально просканировать миллиарды вариантов за часы и сузить пространство до небольшого набора кандидатов. Это не гарантирует, что лекарство появится быстро, но увеличивает вероятность успешного старта и уменьшает объём дорогих физических экспериментов.
В разговоре с Александром Соколовским Дороничев также подчёркивает, что риск для стартапа является не побочным эффектом, а нормальным условием работы над first-mover-продуктами. Когда компания создаёт то, чего раньше не существовало, вероятность неудачи изначально высока. Он приводит собственный опыт работы над мобильной трансформацией YouTube, VR, Cardboard и Stadia: часть проектов стала масштабным успехом, часть — в частности Stadia — оказалась коммерчески неуспешной. Но сам факт неудачи не отменяет ценность попытки создать технологически сложную систему.
История Stadia иллюстрирует, что готовность к риску не освобождает от необходимости правильно выбирать рынок и учитывать пользовательскую реальность. Дороничев считает, что одной из ключевых ошибок запуска было продвижение облачной игровой платформы в США, где у значительной части пользователей уже были Xbox, PlayStation, накопленные игры, профили и привычки. Кроме того, у Stadia не было достаточного количества игр. Платформа могла быть технологически сильной, но без контента и без правильного рыночного контекста её преимущества не превращались в коммерческий результат.
Скорость в стартапе, по Дороничеву, должна сочетаться с готовностью быстро распознавать ошибки. Это видно на примере редизайна YouTube: после падения watch time команда не просто ждала восстановления метрик, а в краткий срок протестировала большое количество изменений, локализовала причину проблемы и исправила её. В этом смысле риск не означает ставку вслепую; он предполагает способность выдержать первое негативное последствие, не впасть в панику и перейти к интенсивному циклу проверок.
В более широком смысле Дороничев считает, что маленькие компании выигрывают тогда, когда крупные игроки не могут позволить себе быстрое разрушение собственных процессов. Стартап способен принять риск как исходное условие, потому что ему нечего защищать в прежней модели. Но по мере роста он сам может столкнуться с дилеммой инноватора. Поэтому преимущество скорости не является вечным свойством размера компании: оно зависит от культуры, способности сохранять открытость к ошибкам и готовности снова пересобирать себя, когда прежний успех становится ограничением.
Андрей Дороничев описывает поглощения как естественную часть развития AI- и биотехнологического рынка. В его картине небольшие команды получают преимущество на этапе технологического прорыва: они быстрее экспериментируют, легче строят процессы вокруг новой технологии и меньше зависят от существующего бизнеса. Однако если команда создаёт действительно ценную компетенцию, крупным игрокам может оказаться выгоднее приобрести её, чем самостоятельно воспроизводить технологию, культуру и скорость такой компании.
Говоря о рынке фармацевтики, Дороничев отмечает, что крупнейшие компании уже обращаются к Bioptics как к партнёру. Он подчёркивает, что наличие миллиардных бюджетов у Big Pharma не означает автоматического преимущества в создании AI-инструментов. Напротив, крупные игроки могут платить небольшим технологическим компаниям за решения, которые самостоятельно развивать дольше, сложнее и рискованнее. По его формулировке, компании с большими ресурсами «теперь платят эти свои миллиарды нам», поскольку им нужна экспертиза в новых AI-подходах.
Он приводит пример активной M&A-деятельности Eli Lilly, которая, по его словам, приобрела большое количество небольших стартапов. Этот пример используется для подтверждения более общего тезиса: крупная фармацевтическая компания может не успеть или не суметь органично встроить радикальную технологию в собственные процессы, но способна купить команду, уже доказавшую свою состоятельность. Поглощение в таком случае становится способом компенсировать внутреннюю инерцию.
В качестве аналогичного процесса на стороне AI-рынка Дороничев упоминает сделку Anthropic, которая приобрела компанию, сопоставимую с Bioptics по масштабу, примерно за 400 миллионов долларов, чтобы добавить соответствующую вертикаль к своей платформе. В его интерпретации это показывает, что фундаментальные AI-компании заинтересованы не только в создании универсальных моделей, но и в приобретении специализированных прикладных компетенций. Вертикальные решения становятся важными, потому что именно они связывают общие возможности моделей с конкретными задачами индустрии.
Поглощение здесь рассматривается не как единственный возможный результат, а как вероятная логика укрупнения рынка. Дороничев считает, что со временем останется ограниченное число команд, которые действительно смогли сделать что-то ценное в сфере AI и биотехнологий. Именно эти команды будут представлять интерес для крупнейших фармацевтических компаний, технологических лабораторий и платформ. В этой логике стратегия стартапа заключается не обязательно в том, чтобы самостоятельно построить корпорацию масштаба Pfizer или Google, а в том, чтобы занять сильную позицию в узком, но стратегически важном сегменте.
При этом для Bioptics поглощение не отменяет существующую операционную модель. Компания уже зарабатывает на предоставлении AI-агентов фармкомпаниям, развивает собственные научные ставки и накапливает интеллектуальную собственность. Возможная сделка с крупным игроком выглядит как стратегический exit, то есть как вариант выхода для венчурной компании, но не как замена необходимости создавать реальный продукт, наращивать использование и доказывать ценность технологии.
Дороничев также связывает поглощения с различием между маленькими и большими организациями. Стартап может быть местом, где рождается новая логика работы, потому что он не связан прежней архитектурой, штатом и системой стимулов. Крупная компания может стать местом масштабирования этой логики после того, как она уже доказана. Таким образом, поглощение выступает не только как финансовое событие, но и как способ передачи прорывной инновации из гибкой экспериментальной среды в крупную инфраструктуру рынка.
Александр Соколовский формулирует вопрос о стратегии выхода следующим образом: «То есть я правильно понимаю, что, если мы говорим всё-таки не просто идейно — тебе нравится решать эту проблему и вообще в целом идея биотеха тебе близка, на неё горят глаза, — а именно про бизнесовую составляющую, векторы какие? Вектор номер один: вы просто наберёте какой-то масштаб, и появится гигант, которому будет проще купить вас, нежели пытаться самостоятельно строить подобную компанию. Либо какой здесь ещё есть расклад? Я так понимаю, что именно идея сделать прибыльную компанию, чтобы она непосредственно зарабатывала деньги, — почти недостижимая история. Потому что, условно, нужны десятилетия, чтобы эти лекарства каким-то образом реализовались и вы могли получать с этого роялти. Какие вообще есть варианты реального зарабатывания денег здесь?»
Андрей Дороничев в ответ разделяет стратегию выхода и текущую бизнес-стратегию. Для венчурной компании, по его мнению, принципиально важно заранее понимать возможный exit. В случае Bioptics он видит два основных стратегических направления: стать частью крупной фармацевтической компании либо быть приобретённой одной из крупнейших AI-лабораторий. Такой выход связан с тем, что Bioptics работает на стыке двух рынков: фармацевтики и искусственного интеллекта. Поэтому потенциальными покупателями могут быть как игроки Big Pharma, которым нужны инструменты для трансформации разработки лекарств, так и AI-компании, заинтересованные в вертикальной экспертизе.
При этом Дороничев не соглашается с тем, что прибыльная модель в биотехе почти недостижима. Он уточняет, что текущая операционная модель компании не строится на ожидании далёких роялти от будущих лекарств. Основным источником дохода является сервисная модель: фармкомпании платят за AI-агента, который помогает выполнять сложные исследовательские и бизнесовые функции. В этом смысле Bioptics не обязана ждать десятилетия, пока собственная молекула пройдёт клинические испытания и станет лекарством.
Долгосрочные научные активы — патенты на молекулы, доли в интеллектуальной собственности, потенциальные royalties — образуют второй контур стоимости компании. Дороничев называет его направлением «научных ставок». В рамках таких ставок компания может создавать активы, которые сначала имеют ограниченную ценность, но становятся существенно дороже по мере прохождения новых стадий исследований, снижения рисков и появления подтверждённых данных.
Его аналогия со строительством объясняет, почему выход из биотехнологического актива может происходить задолго до появления лекарства на рынке. На стадии котлована недвижимость стоит дешевле, поскольку риски высоки. После получения разрешений и прохождения последующих этапов стоимость растёт, хотя объект ещё не завершён. Аналогично в фармацевтике первая найденная активная молекула уже является активом, но её цена ограничена высокой неопределённостью. После доклинических исследований, первой и второй стадий клинических испытаний вероятность успеха увеличивается, поэтому растёт и стоимость прав на разработку.
Таким образом, Дороничев описывает венчурный биотех не как один длинный путь к продаже готового лекарства, а как последовательность моментов, в которых актив можно оценить, продать, лицензировать или использовать для привлечения нового капитала. Компания может зарабатывать на сервисном продукте уже сейчас, параллельно создавать научные активы на будущее и в подходящий момент выйти через продажу крупному стратегическому игроку, лицензионную сделку или IPO.
Важным условием такой модели является понимание природы риска. Наука, по словам Дороничева, — чрезвычайно долгий и высокорисковый вид деятельности. Поэтому венчурная биотехнологическая компания не обязана быть прибыльной на ранних этапах; её ценность может основываться на качестве данных, интеллектуальной собственности, прогрессе исследований, росте вероятности успеха и способности убедить рынок в перспективе созданного актива.
Александр Соколовский уточняет практическую модель продукта: «То есть, условно говоря, лаборатории будут приходить к вам, чтобы купить эту технологию и дальше с помощью неё решать свои задачи?» Андрей Дороничев подтверждает эту логику и поясняет, что основными клиентами Bioptics уже являются фармацевтические компании, которые покупают AI-агента для решения конкретных задач внутри своих процессов.
Он описывает модель как service revenue, то есть регулярную выручку от предоставления сервиса. В её основе лежит не продажа одной молекулы и не ожидание будущего лекарственного рынка, а автоматизация работы, которую раньше выполняли люди. Дороничев формулирует это через понятную аналогию: «Bioptics Agent — это Cursor для фарминдустрии». Как Cursor помогает разработчикам работать с кодом, так агент Bioptics должен помогать специалистам фармацевтической отрасли работать с научной и бизнесовой информацией.
Такая модель важна потому, что в фармацевтике существует большое количество процессов на стыке науки и бизнеса. Они требуют глубокой предметной экспертизы, ручного анализа больших массивов информации и координации между разными функциями. Дороничев не сводит полезность агента только к генерации молекул. Напротив, он говорит о широком спектре исследовательских задач, которые дорого и медленно выполнять вручную, но которые можно существенно ускорить и масштабировать с помощью AI.
Экономическая логика сервиса строится по модели использования. Дороничев сравнивает её с Cursor или Codex, где клиент платит за токены. В случае Bioptics фармкомпания использует специализированного агента в рабочих процессах, а компания получает регулярную оплату в зависимости от объёма такого использования. Это создаёт более короткий и предсказуемый путь к выручке по сравнению с разработкой собственного лекарства, которая может занимать годы и требовать огромных инвестиций.
Сервисная модель одновременно снижает зависимость компании от судьбы отдельных научных ставок. Даже если конкретная молекула не дойдёт до рынка, агент может продолжать приносить доход, помогая клиентам в других задачах. В свою очередь, работа с фармацевтическими компаниями даёт Bioptics доступ к реальным сценариям применения, помогает лучше понимать ограничения индустрии и развивать продукт в соответствии с потребностями потенциальных крупных заказчиков.
Дороничев подчёркивает, что важной текущей метрикой для Bioptics является именно использование продукта. Он рассказывает, что к концу предыдущего года у компании был один или два первых клиента в новой модели, а затем она начала наращивать число контрактов и объём потребления. За первый квартал года использование, измеряемое количеством токенов, выросло в семь раз. Это показывает, что для компании важен не только сам факт заключения соглашений, но и реальная интенсивность работы клиентов с AI-агентом.
Таким образом, сервисная модель Bioptics соединяет технологическую амбицию с прикладной коммерческой логикой. Компания может одновременно развивать собственные научные исследования и продавать инструменты, которые делают фармацевтические процессы быстрее, дешевле и масштабнее. В позиции Дороничева это является ответом на вопрос, как строить устойчивый бизнес в биотехе, не дожидаясь момента, когда собственное лекарство появится на рынке.
Андрей Дороничев объясняет, что AI-агент Bioptics применяется не только для ранней стадии поиска молекул. Одной из его практических функций он называет competitive intelligence — конкурентную аналитику. В фармацевтической индустрии это связано с необходимостью понимать, какие лекарственные разработки существуют, какие активы создают другие компании, какие направления исследований становятся перспективными и какие возможности для приобретения или лицензирования могут появляться на рынке.
Дороничев также упоминает скаутинг новых лекарств, которые фармкомпании могут приобрести. Это важный сдвиг в его описании Bioptics: AI не просто генерирует новые молекулы внутри одной лаборатории, а помогает компаниям ориентироваться в уже существующем поле научных и коммерческих возможностей. Агент способен поддерживать работу на стыке науки и бизнеса, где необходимо быстро обработать большой объём разнородной информации и преобразовать его в полезную основу для решений.
В этом смысле Bioptics работает с теми задачами, которые традиционно требуют значительного количества высококвалифицированного человеческого труда. Исследователи, аналитики и специалисты по развитию бизнеса должны отслеживать научные данные, публикации, разработки конкурентов, патенты, потенциальные активы и другие элементы сложного рынка. Дороничев считает, что значительная часть этой деятельности может быть ускорена и масштабирована AI-инструментами.
Модель не предполагает, что AI полностью заменяет научное или управленческое решение. Из слов Дороничева следует, что агент выполняет сложные функции, но действует как инструмент для фармацевтической компании, а не как самостоятельный субъект, принимающий стратегические решения вместо неё. Его ценность состоит в том, чтобы быстрее находить релевантную информацию, структурировать варианты и делать процессы, которые вручную стоили бы дорого, более доступными и повторяемыми.
В разговоре о будущей траектории Bioptics Дороничев подчёркивает, что сама компания начинала с идеи генерации молекул, но затем обнаружила большее количество применений AI на поздних стадиях разработки и запуска лекарств. Он признаёт, что пока не знает окончательный ответ на вопрос, где именно AI создаст наибольшую ценность для фармацевтики: в поиске молекул, в выводе препаратов на рынок, в повышении эффективности клинических протоколов или в других частях цепочки. Поэтому стратегия компании состоит в том, чтобы продолжать пробовать разные направления и развивать те из них, которые оказываются полезными для клиентов.
Конкурентная аналитика и скаутинг в этой системе становятся особенно важными, потому что позволяют зарабатывать на AI уже в тех сегментах, где не нужно ждать десятилетнего цикла клинической разработки. Это соответствует общей логике Дороничева: Bioptics одновременно делает долгие научные ставки и строит практическую AI-платформу для задач, которые фармацевтические компании готовы решать сейчас.
Александр Соколовский обращает внимание на долгую финансовую перспективу патентов на молекулы: «Я слышал идею, по-моему, ты где-то про неё рассказывал: что эти молекулы будут применяться, будут создаваться лекарства, и вы можете иметь какое-то там от объёма продаж этих лекарств в будущем. И эта гипотеза как будто бы очень далека...» Андрей Дороничев соглашается с тем, что это действительно долгий горизонт, но объясняет, что права на будущие royalties сами по себе могут быть финансовым активом.
В качестве примера он приводит совместную работу Bioptics и Стэнфорда по молекулам для мишени MIR1. По его словам, в этой сделке Bioptics получила 60% интеллектуальной собственности, а Стэнфорд — 40%. Если из этой молекулы в будущем будет создано лекарство — самой Bioptics или другим участником рынка, — компания сможет получать роялти от коммерческого использования патента.
Однако Дороничев подчёркивает, что стартапу необязательно ждать десять лет или дольше, пока лекарство пройдёт все стадии разработки и появится на рынке. Он описывает существование компаний, которые специализируются на покупке прав на будущие роялти. Такие royalty-агрегаторы оценивают потенциальный доход от патента, применяют дисконт с учётом рисков и времени, после чего могут выплатить владельцу интеллектуальной собственности деньги уже сейчас.
В его примере компания вроде Royalty Pharma может прийти к стартапу и сказать, что оценивает будущий потенциал роялти от определённого патента в конкретную сумму, но готова купить это право с дисконтом. Стартап получает более ранний кэш и снижает зависимость от длительного процесса клинических исследований. Агрегатор, в свою очередь, принимает на себя риск ожидания и дальнейшей монетизации, рассчитывая, что в перспективе доход от актива превысит цену покупки.
Эта схема показывает, что в биотехнологиях объектом монетизации может быть не только готовый препарат и не только выручка от продаж. Сам патент, доля в IP и право на будущие роялти уже представляют собой актив, который можно оценивать и передавать. Чем больше доказательств эффективности, чем выше стадия разработки и чем ниже риск провала, тем выше потенциальная цена такого актива.
Для Bioptics роялти являются не главным источником текущего дохода, а частью более долгой стратегии научных ставок. Основная коммерческая модель компании связана с AI-агентами и service revenue. Но интеллектуальная собственность, созданная в ходе собственных исследований и коллабораций, создаёт дополнительный слой потенциальной ценности. Она даёт компании возможность участвовать в экономике будущего лекарства даже в том случае, если дальнейшую разработку и вывод препарата на рынок будет вести другая организация.
Андрей Дороничев описывает лицензирование фармацевтических разработок как одну из традиционных моделей монетизации биотехнологического стартапа. Компания создаёт интеллектуальную собственность — одну молекулу, набор молекул или платформу, позволяющую создавать такие молекулы, — и развивает этот актив до стадии, на которой крупная фармацевтическая компания готова его приобрести или лицензировать.
Он объясняет, что Big Pharma может заинтересоваться активом не только после полного завершения разработки лекарства. Крупная компания может наблюдать за ходом доклинических исследований и ранних клинических стадий, а затем предложить сделку, если данные выглядят убедительно. В качестве иллюстрации Дороничев говорит о ситуации, когда условный Pfizer следит за развитием проекта, видит хорошие результаты и принимает решение купить молекулу, например, за два миллиарда долларов.
Экономика такой сделки напрямую связана со снижением риска. На ранней стадии у компании может быть только найденный «хит» — первая активная молекула. Это уже создаёт некоторую стоимость, но актив остаётся крайне рискованным: неизвестны токсичность, эффективность в более сложных моделях, поведение в организме и результаты клинических испытаний. По мере прохождения этапов неопределённость сокращается, а цена прав на разработку возрастает.
Дороничев использует аналогию с покупкой квартиры на разных стадиях строительства. На этапе котлована цена ниже, потому что покупатель принимает на себя высокий риск. После получения разрешений, выполнения части работ и приближения к завершению объекта риск снижается, поэтому растёт стоимость. В биотехнологии логика сходная: после нахождения активной молекулы появляется базовая ценность, после успешной первой стадии клинических исследований актив становится значительно более убедительным, а после второй стадии может стать основанием для крупной сделки или выхода на IPO.
Лицензирование позволяет небольшому стартапу не брать на себя весь объём затрат и рисков, связанных с поздними стадиями разработки и глобальным выводом препарата на рынок. Поздние клинические испытания могут стоить десятки или сотни миллионов долларов, а третья стадия, по словам Дороничева, вполне может обойтись примерно в 100 миллионов долларов. Крупные фармацевтические компании лучше приспособлены к финансированию, регулированию и коммерциализации таких процессов.
Для Bioptics эта модель особенно важна, поскольку компания сочетает разработку AI-инструментов с созданием собственных научных активов. Если одна из её молекул или программ станет достаточно убедительной для рынка, Bioptics сможет не обязательно самостоятельно проходить весь путь до коммерческого продукта, а заключить лицензионное соглашение с крупным игроком. В таком сценарии стартап сохраняет ценность созданного знания и интеллектуальной собственности, а крупная фармацевтическая компания получает доступ к перспективной разработке на стадии, когда часть ключевых рисков уже снята.
Андрей Дороничев говорит, что многие небольшие биотехнологические компании выходят на IPO после прохождения второй стадии клинических испытаний. Он подчёркивает, что это не означает окончательную готовность продукта или безусловный успех исследования. Напротив, даже на этой стадии, по его словам, у разработки всё ещё может сохраняться около 50% вероятности неудачи. IPO в таком случае является прежде всего механизмом привлечения капитала для дальнейшего движения, а не моментом, когда основатели могут считать историю завершённой.
Логика выхода на биржу связана с тем, что после второй стадии клинических испытаний у компании появляется значительно более осязаемый актив. Рынок видит не просто теоретическую идею, найденную молекулу или раннюю гипотезу, а данные, подтверждающие, что разработка прошла часть сложного пути. Это снижает неопределённость по сравнению с ранними стадиями и позволяет оценивать проект существенно выше.
Соколовский уточняет, что IPO не является ситуацией, в которой «основатели вышли довольные, уехали на Бали». Дороничев подтверждает эту мысль: компании всё ещё необходимо финансировать последующую разработку лекарства. Публичное размещение не завершает научный путь, а обеспечивает ресурсы для его продолжения, включая дорогостоящие поздние клинические стадии.
В этом контексте IPO выступает частью последовательного финансирования риска. На раннем этапе деньги поступают от основателей, ранних инвесторов, грантов или специализированных венчурных фондов. Когда появляются более сильные данные, к финансированию могут подключаться новые категории инвесторов. После второй стадии клинических испытаний компания может выйти на публичный рынок, чтобы получить доступ к более крупному капиталу, необходимому для дальнейшей работы.
Дороничев подчёркивает, что биотехнологии по своей природе не предполагают ранней прибыльности. Высокая стоимость исследований, длительные сроки и значительная вероятность провала делают невозможным ожидание, что каждая компания будет быстро зарабатывать на продажах. Поэтому IPO в этой отрасли — не исключение из нормальной бизнес-логики, а часть механизма, который позволяет финансировать долгий путь от научного открытия к лекарству.
В разговоре эта тема встроена в более широкую мысль о том, что стоимость биотехнологического актива растёт ступенчато. Каждый новый этап подтверждает жизнеспособность разработки и уменьшает количество неизвестных. IPO после второй стадии — это момент, когда актив уже достаточно зрелый для публичной оценки, но всё ещё требует значительных вложений и сохраняет существенный риск.
Андрей Дороничев объясняет роль грантов и государственных вложений через фундаментальную экономику научных исследований. По его словам, наука — это крайне высокорисковая и очень долгая деятельность. Между первичной гипотезой и коммерческим результатом могут пройти годы, а в фармацевтике — десятилетия. На протяжении этого времени необходимо финансировать эксперименты, исследования, команды, оборудование, синтез веществ, тестирование и клинические испытания, не имея гарантии, что результат вообще появится.
Именно поэтому, по мнению Дороничева, наука живёт на грантах, а государство вынуждено участвовать в финансировании. Обычному бизнесу сложно вкладывать деньги в проекты, где сроки длинные, риски высокие, а положительный исход заранее не подтверждён. Частный капитал может участвовать, но он обычно ищет точки, в которых риск уже хотя бы частично снижен: доказана активность молекулы, пройдены доклинические испытания, получены данные первых клинических стадий.
В фармацевтике эта проблема особенно заметна, потому что стоимость каждого следующего этапа возрастает. По словам Дороничева, ранние этапы требуют миллионов долларов, затем расходы увеличиваются до десятков и сотен миллионов. Третья стадия клинических испытаний сама по себе может стоить около 100 миллионов долларов. При этом даже после существенных затрат разработка может не подтвердить эффективность или безопасность.
Грантовая и государственная поддержка в этой логике выполняет функцию финансирования знаний и исследований, которые слишком рискованны для чисто коммерческого подхода. Она создаёт пространство, в котором можно проводить базовые исследования, проверять гипотезы и строить инфраструктуру, не требуя немедленной выручки. Это особенно важно для тех направлений, где потенциальная общественная ценность высока, но рынок не способен быстро окупить затраты.
Дороничев не противопоставляет государственное финансирование венчурному капиталу или крупной фармацевтике. Скорее, он показывает, что разные источники денег работают на разных участках пути. Государство и гранты помогают поддерживать фундаментально рискованную научную деятельность. Венчурные компании принимают риск на ранних стадиях, рассчитывая на рост стоимости интеллектуальной собственности. Big Pharma подключается к активам, которые уже стали достаточно убедительными для масштабной разработки, регулирования и коммерциализации.
В этом смысле его позиция объясняет, почему Bioptics вынуждена совмещать научные ставки с сервисной AI-моделью. Компания может создавать долгосрочные исследовательские активы, но не строит всё финансирование исключительно на ожидании будущего лекарства. Текущая коммерческая выручка от AI-агентов даёт более короткий горизонт, тогда как исследовательские проекты могут развиваться в логике долгого капитала, грантов, партнёрств и постепенного роста ценности IP.
Александр Соколовский задаёт Дороничеву вопрос: «В твоём случае что это такое? Ты сам говоришь: с точки зрения бизнеса здесь гораздо более понятные сферы, куда можно применить те же самые технологии, тех же самых инженеров и зарабатывать гораздо больше и гораздо быстрее. Скажем так, вероятность заработка просто приближается... И это тоже может быть очень полезная компания, которая поможет сельскому хозяйству, стройке, ещё чему-то, что в действительности нам как человечеству очень нужно. Например, продукты питания — это сегодня большая дилемма, там очень много проблем. Что всё-таки такое движущее зерно?»
Андрей Дороничев отвечает, что для него лечение людей и уменьшение человеческих страданий — одна из самых значимых причин, ради которых можно тратить время жизни. Он противопоставляет эту мотивацию более быстрому заработку в других вертикалях. По его словам, AI можно применять в строительстве, сельском хозяйстве, юридической сфере и многих других индустриях, где деньги могут прийти быстрее. Но лично для него вопрос не сводится к максимизации выручки.
Центральным ресурсом Дороничев называет время собственной жизни. Если человеку приходится ежедневно проводить часы в Zoom, летать, продавать, строить процессы и преодолевать трудности, ему важно чувствовать purpose — предназначение и значимость работы. В этом смысле биотехнологии для него не просто рынок с потенциалом «следующих триллионов долларов», а сфера, где результат связан с жизнью, здоровьем и страданием людей.
Он связывает такую мотивацию со своим жизненным опытом. Дороничев говорит, что дополнительное увеличение капитала перестало заметно менять его повседневную жизнь. Миллион долларов больше или меньше, по его формулировке, уже не оказывает существенного влияния на то, как он живёт сегодня, завтра или послезавтра. Поэтому продолжать тратить время только ради роста того, что не меняет качество его жизни, стало для него недостаточным основанием.
В то же время здоровье близких, стареющих родителей, детей и его самого имеет для него непосредственное значение. Эта тема влияет на жизнь ежедневно и, как он предполагает, будет влиять всё сильнее с течением времени. Поэтому переход к биотехнологиям связан не с абстрактной благотворительностью, а с личной системой приоритетов: здоровье оказалось гораздо более реальным и эмоционально значимым измерением, чем дальнейшее накопление денег или карьерных достижений.
Дороничев использует метафору скалы. Человек может очень эффективно карабкаться вверх, зарабатывать больше, увеличивать статус и достигать новых результатов. Но в какой-то момент возникает ощущение, что подъём происходит «не туда». Тогда вопрос состоит не в том, способен ли человек ещё в десять или сто раз увеличить свой доход, а в том, действительно ли он хочет продолжать подниматься именно по этой скале.
Его переход в биотехнологии представлен как «прыжок веры» к другой скале. Такой прыжок страшен, потому что требует отказаться от понятного, успешного и безопасного пути. Но для Дороничева он становится необходимым, если прежняя траектория больше не соответствует внутреннему ощущению смысла. Лечение болезней оказывается для него той сферой, где сложность, длительность и финансовая неопределённость компенсируются ощущением, что работа направлена на действительно важную проблему.
Андрей Дороничев описывает переоценку роли денег как результат достижения определённого уровня безопасности и успеха. В ранней части карьеры деньги, по его словам, действительно были сильной мотивацией. Это была понятная энергия роста: зарабатывать, строить бизнес, становиться независимее, добиваться признания и расширять возможности. Однако со временем он заметил, что дополнительное увеличение капитала перестало отражаться на его повседневном опыте.
Он формулирует это предельно конкретно: если у него сейчас забрать миллион долларов или, наоборот, дать ему миллион долларов, его жизнь принципиально не изменится. Это не означает, что деньги не имеют значения вообще. Напротив, в разговоре он признаёт, что ресурсы и финансовая подушка помогают мягче переживать крупные перемены. Но после достижения определённого уровня деньги перестают автоматически быть главным критерием выбора деятельности.
На первый план у Дороничева выходит время. Он называет его самым дорогим ресурсом, потому что время жизни нельзя вернуть. Поэтому вопрос для него звучит не как «где можно заработать больше», а как «ради чего стоит тратить ограниченные часы, усилия и внимание». Если работа требует ежедневного напряжения, перелётов, переговоров, управления и продаж, она должна иметь для него значимость, выходящую за пределы финансовой выгоды.
Эта позиция тесно связана с его выбором заниматься биотехнологиями. Дороничев не скрывает, что существуют более быстрые рынки для AI: строительство, право, сельское хозяйство и другие сферы, где можно быстрее увидеть доход. Но он считает, что работа над лечением болезней даёт более сильное ощущение purpose. В его системе ценностей здоровье и уменьшение страданий ближе к тому, что реально влияет на жизнь его самого, его семьи и других людей.
Переоценка денег у него не выглядит как отказ от предпринимательства или как отрицание экономической логики. Bioptics строит коммерческую модель, работает с фармкомпаниями, продаёт AI-агентов, развивает интеллектуальную собственность и рассматривает возможные стратегические выходы. Однако деньги становятся средством поддержания и масштабирования деятельности, а не единственной метрикой, по которой определяется правильность жизненного выбора.
Дороничев связывает этот переход с опасностью двигаться по инерции. Человек может продолжать делать то, что когда-то было осмысленно: увеличивать доход, карьерный статус, влияние, масштаб бизнеса. Но если внутренняя связь с этой целью исчезает, последующий рост может стать просто автоматическим продолжением прошлого. Тогда возникает риск однажды обнаружить, что годы были потрачены на увеличение показателя, который перестал быть важным.
Таким образом, его переоценка строится на различии между внешней и внутренней ценностью. Внешние показатели — деньги, статус, достижения — могут быть необходимы и полезны, особенно на ранних этапах. Но в определённый момент человек должен проверить, превращаются ли они в более качественную жизнь, здоровье, отношения, интерес, удовлетворение и влияние на других. Если не превращаются, продолжение прежней гонки теряет для него убедительность.
Дороничев описывает переосмысление жизненных целей как процесс, который может начаться не только в момент провала, но и на пике успеха. В его случае кризис возник не потому, что внешняя жизнь разрушилась. Напротив, у него была успешная карьера в Google, высокий статус, семья, дети, деньги, хороший дом, профессиональные достижения и ощущение, что он реализовал амбицию стать частью глобальной технологической индустрии.
Он рассказывает, что первоначальная мотивация его карьеры строилась на понятных импульсах: выбраться из ограничений, добиться безопасности, признания, денег и масштабного влияния. Такая мотивация эффективно работает, пока человек чувствует дефицит. Но в определённый момент Дороничев обнаружил, что уже не может придумать, чего ещё хочет в прежней системе координат. У него есть безопасность, репутация, профессиональная востребованность, любовь и материальные ресурсы, а дальнейшее увеличение тех же показателей не отвечает на вопрос «что дальше».
Он формулирует этот парадокс через выражение: «Когда Бог хочет тебя наказать, он исполняет твои желания». Смысл этой фразы в его рассказе состоит не в отрицании успеха, а в том, что достижение всех прежних целей может лишить человека привычной мотивационной опоры. Пока впереди есть дефицит или недостижимая мечта, понятно, куда двигаться. Когда дефицит исчезает, человек может оказаться в состоянии, где вместо стремления к будущему остаётся страх потерять настоящее.
Дороничев называет жизнь из страха особенно разрушительной. Если у человека уже есть семья, капитал, статус и карьера, всё больше решений может быть направлено не на создание нового, а на защиту того, что уже достигнуто. Возникает желание не потерять деньги, здоровье, отношения, должность, репутацию. В его интерпретации такая оборонительная стратегия может постепенно вытеснить любопытство, желание пробовать и способность строить новое.
Попытка решить этот кризис через создание «идеальной версии себя» в его случае оказалась болезненной. Он начал отказываться от кофеина, сахара, алкоголя, привычек, стремился к дисциплине, вставал очень рано, много медитировал и пытался устранить из себя всё, что считал изъянами. Но вместо внутренней свободы это привело его к чрезмерному самоподавлению и депрессивному состоянию. Он описывает, что тратил огромное количество энергии на подавление частей себя, которые не соответствовали идеальной картинке.
После этого опыта переосмысление целей стало для него не поиском ещё более строгой версии себя, а поиском другой мотивации. Он говорит о переходе от мотивации голода и страха к мотивации любопытства. Важным становится не вопрос «чего мне ещё не хватает», а вопрос «что действительно имеет для меня смысл» и «какой вклад я хочу делать». Отсюда возникает интерес к здоровью, биотехнологиям, просветительской деятельности и созданию более свободной версии собственной жизни.
Карьерная траектория в его подходе не должна восприниматься как обязательное линейное движение вверх по одной лестнице. Человек может эффективно развиваться в одной области, а затем осознать, что хочет изменить саму область приложения усилий. Для Дороничева таким переходом стал уход из Google и работа в Bioptics. Он не описывает это как отказ от прошлого: опыт в Google, продуктовые навыки и технологическая экспертиза стали ресурсом для перехода в новую сферу. Но сама цель изменилась — от развития медиапродуктов к попытке влиять на медицину и здоровье.
Андрей Дороничев предлагает применять к жизненным изменениям те же принципы, которые используются при создании новых продуктов. Его исходная мысль заключается в том, что продуктовые методы существуют для системной работы с неопределённостью. Когда компания создаёт продукт для нового рынка, она не может заранее знать правильный ответ. Но она может сформировать видение, определить принципы, проверить гипотезы, провести эксперименты и постепенно превратить неопределённость в набор более понятных решений.
Он описывает типичный процесс построения продукта: сначала возникает product vision — представление о том, каким должен быть продукт и какую проблему он решает. Затем формулируются продуктовые и дизайн-принципы. После этого строится нарратив, выделяются ключевые столпы, формируются функции и в конечном счёте создаётся backlog — набор задач, по которым команда движется к реализации замысла.
Дороничев считает, что к собственной жизни можно подходить подобным образом. Вместо того чтобы действовать исключительно импульсивно, человек может сначала задать себе более глубокие вопросы: что для него действительно важно, какую жизнь он хочет строить, какую роль хотят играть работа, отношения, здоровье, творчество, свобода и влияние на других. Ответ на эти вопросы становится аналогом продуктового видения.
Он подчёркивает, что видение не равно немедленному радикальному действию. Написать желаемую версию будущей жизни недостаточно, чтобы она реализовалась. После этого необходимо построить систему перехода: окружение, привычки, ритуалы, обучающие процессы, безопасные эксперименты и решения, которые можно отменить. Такой подход противопоставляется хаотичному желанию «всё бросить» в надежде, что само изменение внешних обстоятельств автоматически решит внутреннюю проблему.
В качестве личного примера Дороничев рассказывает, что готовился к уходу из Google с 2016 года, хотя уволился только в 2021-м. Он сформулировал видение следующей жизни, которую описывает как наиболее свободную версию себя, и затем несколько лет создавал условия для перехода. Одним из таких условий стало развитие личного бренда: прежде он был известен в американской технологической среде, но не имел присутствия в русскоязычном публичном пространстве. Формирование этого присутствия стало одним из безопасных шагов перед более крупными переменами.
Продуктовое мышление в его подходе также включает различение между обратимыми и необратимыми решениями, которое он связывает с Amazon и концепцией one-way doors и two-way doors. Решения, которые можно откатить, стоит принимать быстро: например, попробовать новое занятие, запустить небольшой проект, познакомиться с людьми из другой сферы, пройти обучение. Решения, после которых нельзя легко вернуться назад, требуют большего количества данных и более тщательной подготовки.
Этот подход важен для Дороничева потому, что позволяет не ждать полной уверенности. Полной уверенности в смене жизни или карьеры, по его словам, не будет. Но можно постепенно собирать информацию через небольшие обратимые шаги, проверять собственную мотивацию, развивать навыки и строить опоры. Тогда момент большого решения становится не случайным срывом, а кульминацией подготовленного процесса.
В итоге продуктовое мышление превращает личную трансформацию из абстрактного поиска себя в последовательную работу с гипотезами. Человек не обязан заранее знать окончательный ответ, но может создавать условия, в которых новые ответы становятся возможными. Именно так Дороничев описывает и переход в биотехнологии, и собственный уход из Google, и более общий способ работать с жизненными изменениями.
Андрей Дороничев говорит, что в определённый момент перестал воспринимать деньги как главную метрику своей жизни. Вместо этого он сформулировал для себя другой ответ на вопрос, «в каком бизнесе» он находится. По его словам, он занимается «переработкой времени в счастье» и «агрегацией счастья» — своего собственного и людей, которые его окружают.
Эта формулировка показывает, что он не ограничивает счастье личным комфортом или удовольствием. В его представлении важна не только собственная удовлетворённость, но и состояние семьи, жены, детей, более широкого круга родных, друзей, коллег и даже людей, которых он лично не знает, но с которыми соприкасается через публичную деятельность. Он говорит, что хочет, чтобы вокруг него было больше счастливых людей, и считает это более важной функцией, чем максимизацию дохода.
Такой подход напрямую связан с его выбором работать в биотехнологиях. Лечение заболеваний для него ценно не только как масштабный рынок и не только как интеллектуально сложная задача. Он воспринимает попытку уменьшить страдания людей как одну из наиболее благодарных форм деятельности. Здоровье близких, родителей, детей и его самого становится не абстрактной категорией, а частью жизни, которая оказывает всё большее влияние с возрастом.
Публичная активность в русскоязычном пространстве также вписывается в эту метрику. Дороничев подчёркивает, что его блог, интервью и выступления не являются для него бизнесом. Он начал писать по-русски в период личного кризиса, когда пытался вернуть более свободную и неформальную часть своей идентичности. Со временем это стало способом делиться доступом к знаниям, опыту Кремниевой долины и другой картиной карьерных возможностей.
Особенно значимыми для него оказываются истории людей, которые говорят, что его публичные материалы повлияли на их путь. Он приводит пример подростка из Нижневартовска, который после фильма о Кремниевой долине начал заниматься математикой и в итоге стал работать в Google. Дороничев говорит, что именно ради таких эффектов продолжает заниматься русскоязычными соцсетями. Для него это опыт влияния, который нельзя просто купить за деньги.
Личная метрика счастья у Дороничева не означает отказ от амбиций. Он продолжает создавать технологическую компанию, работает с научными задачами и говорит о крупных целях Bioptics. Но успех перестаёт измеряться только капитализацией, размером бизнеса или статусом. Важнее становится вопрос, превращаются ли вложенные усилия в более содержательную жизнь, в пользу для других и в ощущение, что время не расходуется впустую.
В этом смысле его подход соединяет личное благополучие и внешний импакт. Человек не должен полностью жертвовать собой ради абстрактной пользы, но и не должен ограничивать горизонт собственной жизни только личным доходом. Дороничев стремится найти деятельность, которая одновременно даёт ему интерес, чувство смысла, возможность быть полезным и ощущение, что окружающий мир становится хотя бы немного лучше.
Андрей Дороничев использует выражение jump of faith — «прыжок веры» — для описания момента, когда человек или компания переходит от прежней траектории к новой. Этот переход не сводится к рациональному расчёту, потому что новая область почти всегда связана с неопределённостью. Человек не может заранее доказать, что новая карьера, новый бизнес или новая страна принесут лучший результат. Но иногда внутреннее ощущение того, что прежняя траектория исчерпана, становится сильнее стремления сохранить стабильность.
Он сравнивает такой переход с прыжком с одной скалы на другую. Старая скала может быть устойчивой: работа приносит доход, карьера развивается, статус закреплён. Однако человек постепенно понимает, что карабкается не туда, куда хочет. Другая скала находится в стороне, до неё трудно добраться, а между ними — неопределённость. Именно поэтому прыжок страшен: он требует отказаться не только от привычного дохода, но и от идентичности, признания, понятного будущего и части накопленных преимуществ.
Дороничев приводит собственные примеры таких решений. При переезде из России он отказался от существующего бизнеса. Уходя из Google, он отказался от акций, стоимость которых, по его словам, впоследствии составила десятки миллионов долларов. Переход в биотехнологии означал отказ от роли человека, который мог уверенно войти в технологическую компанию и опереться на репутацию, в пользу позиции новичка в сфере, где его сначала могли воспринимать как человека без релевантного опыта.
Однако он подчёркивает, что прыжок веры не должен быть первым шагом. Ошибка, по его мнению, состоит в том, чтобы воспринимать крупное решение как единственное действие: «всё бросить», уехать, развестись, сменить профессию или закрыть бизнес без подготовки. В действительности перед необратимым решением можно и нужно совершить множество безопасных шагов. Именно они позволяют собрать данные, понять новую сферу, выстроить сеть контактов, проверить мотивацию и снизить риск.
Для этого он использует модель Amazon о дверях с односторонним и двусторонним движением. Двусторонняя дверь — решение, которое можно отменить: попробовать новое обучение, начать вести блог, встретиться с экспертами, запустить небольшой эксперимент, посвятить часть времени новому направлению. Односторонняя дверь — решение, которое трудно или невозможно откатить: увольнение, продажа актива, окончательный отказ от большой части накопленной позиции. Дороничев считает, что обратимые решения нужно принимать быстро, а необратимые — после накопления достаточного количества данных.
Его переход в биотехнологии показывает эту последовательность. Сначала команда Bioptics изучала разные AI-гипотезы, работала с блокчейном и детекцией фейков, затем начала общаться с учёными, тестировать идею на небольших задачах и участвовать в соревновании по предсказанию функций белков. Лишь после этого был сделан более крупный шаг: направление детекции контента выделили в отдельную компанию AINote, а основная команда сфокусировалась на биологии.
Таким образом, прыжок веры у Дороничева — не романтизация резкого отказа от прошлого. Это финальная фаза длительной подготовки. Он признаёт, что даже подготовленный переход будет болезненным, что человек почти наверняка временно «приземлится ниже», чем находился раньше, и что прежний статус не переносится автоматически в новую сферу. Но системная подготовка позволяет совершить этот переход не с иллюзией полной безопасности, а с максимально возможной осознанностью.
Андрей Дороничев различает осмысленную трансформацию жизни и хаотическую реакцию на внутренний кризис. По его наблюдению, человек может почувствовать, что прежняя жизнь больше не устраивает, но вместо попытки понять источник проблемы начать совершать резкие, плохо связанные между собой действия. В качестве стереотипных примеров он называет развод, покупку спортивной машины, внезапный отъезд на Бали или другие символические попытки «встряхнуть» реальность.
Смысл его критики не в том, что любые радикальные перемены обязательно ошибочны. Он сам уезжал в саббатикал с билетами в один конец, оставлял работу и менял страны. Но он считает опасной надежду, что одно внешнее действие автоматически решит внутреннюю проблему. Если человек не понимает, почему прежняя жизнь перестала работать, то смена декораций может дать краткое облегчение, но не создать новую устойчивую траекторию.
Дороничев сравнивает такие действия с попыткой «потрясти телевизор», чтобы он заработал. Человек может испытывать смутное недовольство, усталость или потерю смысла, но вместо глубокого анализа просто совершает заметный внешний жест. Затем, если этот жест не приносит ожидаемого эффекта, он может сделать ещё один. В его образе это приводит к циклу: сначала резкая попытка сбежать, затем временный эксперимент, затем возвращение к прежней жизни без реального понимания произошедшего.
Он рассказывает, что сам в период тяжёлого эмоционального состояния действительно начал действовать хаотичнее. После достижения карьерного пика и попытки стать «идеальной версией себя» он столкнулся с состоянием пустоты и клинической депрессии. Тогда он ушёл в саббатикал, оставил рабочие обязанности, путешествовал и жил без привычной дисциплины. По его словам, это было реакцией на состояние, в котором ему было настолько тяжело, что нужно было просто начать что-то чувствовать.
При этом его собственный пример не подаётся как универсальный рецепт. Он говорит, что ему хватило примерно трёх месяцев, чтобы начать постепенно восстанавливаться, но не утверждает, что любой человек должен повторять такой путь. Напротив, последующая рефлексия приводит его к выводу, что устойчивые изменения требуют не хаоса, а создания системы: окружения, привычек, безопасных шагов и ясного видения того, к чему человек движется.
Александр Соколовский поддерживает этот мотив, говоря, что желание сделать один резкий шаг понятно психологически. Когда человек устал от бизнеса, корпорации, семейных проблем или внутреннего напряжения, ему может казаться, что стоит «оторвать пластырь» — и всё сразу станет хорошо. Но подготовка альтернативной жизни, работа с психологом, построение финансовых и социальных опор, поиск нового направления требуют гораздо больше усилий. Поэтому разовое радикальное решение кажется привлекательнее, чем сложная и длительная работа.
Дороничев не отрицает полезность действия как такового. Он соглашается, что совершить хотя бы какой-то шаг лучше, чем не совершать никакого. Но если есть возможность, он предлагает заменять хаотические движения системой небольших экспериментов. Это позволяет не просто убежать от дискомфорта, а постепенно понять, что именно нужно менять: работу, окружение, цели, способ отношения к себе или саму модель жизни.
Андрей Дороничев считает, что жизнь невозможно полностью контролировать или предсказать. Он описывает её как поток хаоса, который постоянно проходит через человека. Невозможно заранее знать, что произойдёт в следующую секунду, какие возможности появятся, какие кризисы возникнут, какие люди встретятся на пути и какие технологии изменят рынок. Поэтому задача человека или компании, по его мнению, состоит не в том, чтобы устранить неопределённость, а в том, чтобы подготовить себя к взаимодействию с ней.
Он использует образ: если в человека летит утюг, нужно суметь уклониться; если летит золотой слиток, нужно суметь его поймать. В этой метафоре важна не способность контролировать внешний мир, а готовность реагировать на разные типы событий. Подготовленность означает наличие навыков, людей, процессов, ресурсов, привычек и культурных установок, которые позволяют не разрушиться от угрозы и не пропустить возможность.
Так он объясняет успех прорывных инноваций. Случайность может принести команде неожиданный прототип, идею или технологический сдвиг, но сама по себе она не создаёт большой продукт. В истории Google Cardboard случайным элементом был прототип картонных VR-очков, который привезли сотрудники из парижского офиса. Но чтобы эта идея превратилась в массовый проект, должны были существовать люди, заранее размышлявшие о следующей компьютерной платформе и следующем медиаформате, культура 20% проектов, защищённое время для экспериментов и толерантность к ошибкам.
Дороничев считает, что такие «случайности не случайны» в том смысле, что организация создаёт среду, в которой случайная возможность может быть замечена, поддержана и масштабирована. Если бы в Google не было пространства для побочных инициатив, энтузиастов и готовности попробовать неочевидный продукт, картонный прототип мог остаться курьёзом. Вместо этого он за восемь недель превратился в продукт, который широко распространил первый опыт VR среди пользователей.
Этот же принцип он переносит на личную жизнь. Человек не может «перепридумать себя» только усилием воли изнутри. По словам Дороничева, невозможно буквально вытащить себя за волосы из болота. Но можно построить внешнюю систему, которая постепенно изменит человека: выбрать окружение, сформировать привычки, назначить защищённое время, включиться в профессиональное сообщество, создать ритуалы обучения и сделать ряд безопасных шагов в сторону новой идентичности.
Переход Дороничева в биотехнологии служит примером такой системы. Вместо того чтобы просто объявить себя специалистом по биологии, он вместе с командой создал сообщество Biotech Barbecue, начал регулярно общаться с учёными, слушать лекции, читать статьи, использовать ChatGPT для структурирования знаний и нанял преподавателя для системного обучения команды. За год эта среда позволила ему пройти путь от почти полного непонимания терминологии до способности вести содержательные разговоры с учёными и работать в конкретной профессиональной области.
Системный подход также включает способность выдерживать эмоциональные фазы перемен. Дороничев использует концепцию хайп-цикла: сначала возникает пик завышенных ожиданий, затем — «корыто разочарования», когда новая технология, продукт или жизненное решение кажется ошибкой. Он приводит пример эмиграции: вначале новая страна может восприниматься как красивое и вдохновляющее начало, а затем приходят одиночество, языковые трудности и сожаление. Если человек заранее понимает, что такая фаза вероятна, он с меньшей вероятностью отменит решение только потому, что столкнулся с первым падением эмоционального состояния.
Отдельное место в этой системе занимает различение между безопасными и необратимыми действиями. Дороничев предлагает собирать данные через обратимые эксперименты, а большие решения принимать только после того, как накоплен опыт. Такой подход не избавляет от риска, но делает его осмысленным: человек не ждёт невозможной полной уверенности, а постепенно строит способность к переходу.
Наконец, он сравнивает работу с возможностями с серфингом. Серфер не создаёт волну и не может полностью предсказать её движение. Но он должен быть физически и технически готов, долго грести, выбрать правильную позицию и в нужный момент оказаться там, где волна поднимается. Так же и в жизни: удача важна, но она становится значимой только для того, кто заранее вышел в пространство, где эта удача вообще может случиться.
Александр Соколовский ставит под сомнение слишком рациональное описание появления новых продуктов и жизненных перемен. Его позиция состоит в том, что успешные проекты и карьерные повороты редко возникают из полностью просчитанного решения. По его мнению, на раннем этапе почти всегда присутствует случайный импульс: неожиданная встреча, новая среда, знакомство, поездка, разговор или побочный проект. Он формулирует это так: «И вот, говоря про кризисы, про появление каких-то моделей продуктов, про адаптацию к сегодняшнему миру, мне кажется, основная проблематика в том, что да, есть огромное множество подходов, но, если мы посмотрим почти все успешные случаи в той или иной области, они на самом старте имели какую-то вот эту случайность». Соколовский считает, что хаотичные действия — например, новые знакомства, поездка на Бали, смена контекста — могут быть не бегством от системности, а способом увеличить вероятность столкновения с возможностью.
Андрей Дороничев частично соглашается: бездействие хуже несовершенного действия, и если у человека нет иной системы, «взять, встать и уехать на Бали» действительно может стать допустимым способом сдвинуться с места. Но он проводит принципиальную границу между случайностью как источником импульса и случайностью как полноценной стратегией. По его мнению, великие изменения внешне выглядят случайными, однако команды и люди, сумевшие использовать шанс, обычно заранее создают условия, в которых случайность можно распознать, быстро проверить и превратить в результат.
Дороничев формулирует основной принцип так: «Тебе должно в какой-то момент повезти, но ты должен поставить себя в позицию, где это везение превратится во что-то. Потому что везёт очень многим, и они просто не готовы». В его логике готовность состоит не в способности предсказать будущее, а в наличии людей, процессов, ресурсов времени, привычки ставить гипотезы и терпимости к неудачам. AI, по его мнению, одновременно «свалился» на всех, но для одних стал кризисом, а для других — возможностью. Причина различия не в самой технологии, а в степени готовности действовать в условиях смены парадигмы.
В качестве доказательства он приводит собственный опыт с мобильным YouTube, VR и Cardboard. Сам картонный прототип очков появился почти случайно: его привезли сотрудники из парижского офиса Google. Но этот прототип смог стать значимым продуктом лишь потому, что вокруг уже существовали люди, которые размышляли о следующей вычислительной платформе, культура 20% проектов, возможность быстро выделить команду и терпимость к риску. Иначе картонная конструкция могла остаться любопытной самоделкой.
Таким образом, у Дороничева случайность не отменяется, но перестаёт быть главным объяснением успеха. Случайность приносит «волну», однако человек или команда должны заранее «выгребсти» в правильную точку, чтобы суметь на неё встать. Он сравнивает этот процесс с серфингом: волна возникает непредсказуемо, но серферу необходимы физическая форма, технический навык, верное позиционирование и длительная подготовка. Тот, кто ждёт волну на берегу, может считать себя невезучим, хотя проблема заключается в том, что волны просто не приходят туда, где он находится.
Андрей Дороничев противопоставляет две модели инновационного движения: создание принципиально нового, или first-mover-подход, и движение вслед за уже доказанной моделью, которое он описывает как fast follower или использование second-mover advantage. По его словам, если компания делает продукт, похожий на уже существующий, она идёт «по протоптанной лыжне». Это не исключает сложностей, но снижает неопределённость: известно, что рынок существует, пользовательская потребность хотя бы частично подтверждена, а формат продукта уже понятен.
Первопроходец, напротив, вынужден не улучшать существующую модель, а создавать саму траекторию. Дороничев прямо говорит: «Когда ты делаешь то, что обычно делаю я, а я обычно работаю над first-mover-продуктами, то есть когда ты протаптываешь лыжню, у тебя, как правило, большая вероятность того, что ничего не получится. Как правило, это супервысокорисковое дело». Его опыт мобильной трансформации YouTube, VR, Google Cardboard, Stadia и перехода в AI-биотехнологии подаётся как серия подобных ставок: каждая из них требовала действовать до того, как новая парадигма стала очевидной большинству.
При этом Дороничев не романтизирует first-mover-стратегию как автоматически лучшую. Её отличительная характеристика — не уникальность идеи сама по себе, а высокий риск ошибки. Новая технология может оказаться технически незрелой, рынок — неготовым, пользователи — недостаточно мотивированными, а выбор точки запуска — неверным. В случае Stadia, по его оценке, сама техническая платформа была сильной, однако продукт столкнулся с реальностью уже сформировавшегося игрового рынка, где у пользователей имелись консоли, купленные игры и привычные профили.
Особый вывод Дороничев делает для личной жизни. Он утверждает, что при перепридумывании собственной карьеры или образа жизни каждый человек неизбежно оказывается first mover. Никто ранее не проходил именно его путь, в его возрасте, с его опытом, ограничениями, окружением и целями. Поэтому нельзя полностью скопировать чужую траекторию и ожидать предсказуемого результата. В этом смысле личные изменения требуют не просто вдохновения чужими примерами, а собственной системы работы с неопределённостью.
В этой логике fast follower полезен там, где можно опереться на готовый рыночный или жизненный шаблон. Но если задача состоит в переходе в новую для себя сферу, создании нового продукта или радикальном изменении собственной жизни, то невозможно полностью избежать роли первопроходца. Тогда необходимы не гарантии успеха, а небольшие обратимые эксперименты, подготовка и способность выдерживать период, когда путь ещё не получил подтверждения результатами.
Андрей Дороничев рассматривает инновацию не как единичный всплеск гениальности, а как результат среды, в которой неожиданные идеи могут появиться, быть замечены и получить шанс на развитие. Для него ключевой вопрос состоит не в том, как исключить хаос, поскольку хаос невозможно контролировать, а в том, как подготовить систему к встрече с ним. Он описывает жизнь как поток непредсказуемых событий: «Ты не можешь его контролировать, ты не можешь предсказать, что случится с тобой в следующую секунду». Однако можно подготовить себя и организацию так, чтобы «когда в тебя летит утюг, ты уклонишься. Когда в тебя летит золотой слиток, ты его схватишь».
В корпоративном контексте такая система состоит прежде всего из людей и процессов. Люди должны быть способны формулировать гипотезы, видеть технологические сдвиги и не отбрасывать странные идеи только потому, что они не укладываются в текущую бизнес-модель. Процессы и ритуалы нужны для того, чтобы у таких идей был путь от частного интереса отдельных сотрудников к эксперименту, прототипу и, в редких случаях, к новому направлению компании.
Дороничев показывает это на примере Google Cardboard. Для того чтобы картонный прототип VR-очков, сделанный сотрудниками из парижского офиса, стал массовым проектом, одной идеи было недостаточно. В Google уже существовали люди, системно размышлявшие о будущих платформах и медиаформатах. Также существовала культура, позволявшая сотрудникам заниматься непрофильными инициативами в рамках 20% времени. Наконец, организация допускала вероятность того, что проект не даст результата, и не требовала заранее доказать его коммерческую успешность.
Дороничев переносит ту же конструкцию на личные изменения. Человек, по его мнению, не может «вытащить себя за волосы из болота» одной силой воли. Вместо этого он может построить внешнюю систему, которая затем будет менять его самого. Такая система включает окружение, привычки, календарь, регулярные действия и пространство, где можно безопасно пробовать непривычные роли. В этом смысле изменение личности или карьеры не является одномоментным волевым актом: сначала создаётся среда, затем человек входит в неё и постепенно становится другим.
Инновационная среда у Дороничева не обещает успеха. Напротив, она повышает число попыток, среди которых большинство может оказаться неудачными. Её смысл не в устранении риска, а в создании механизма, при котором отдельная неожиданная возможность не пропадает из-за организационной инерции, нехватки времени или страха ошибиться.
В рассказе Андрея Дороничева культура 20% проектов в Google выступает не просто корпоративной льготой, а инфраструктурой для появления прорывных инициатив. Он объясняет, что сотрудники могли выделять часть рабочего времени на проекты, которые не входили в их прямые обязательства, но лично их увлекали. В случае VR эта практика позволила небольшой группе начать работу над направлением, которое ещё не было признано главным стратегическим приоритетом компании.
В 2013 году Дороничев начал размышлять о виртуальной реальности, исходя из первых принципов. Он находился на пересечении мобильной платформы и видео как наиболее насыщенного медиаформата. Продолжая эту логику, он задавался вопросами: какая платформа станет следующей после мобильных телефонов и какой формат будет более насыщенным, чем обычное видео. Его ответом стала виртуальная реальность. Однако эта идея не была оформлена как утверждённый большой бизнес-проект Google. Она началась как 20% project, которым занялись примерно 20 человек из разных частей компании.
Дороничев подчёркивает, что важнейшее значение имела именно защищённость времени. По умолчанию основная работа поглощает человека полностью, поэтому намерение «когда-нибудь» заняться новым направлением почти никогда не реализуется. Он переносит это на личную жизнь: если человек хочет освоить музыкальный инструмент, новую профессию или иной способ самовыражения, недостаточно просто признать это желанием. Нужно выделить в календаре регулярное время, которое не будет постоянно отдано операционным задачам.
В Google защищённые 20% времени создавали возможность для первых шагов без необходимости сразу доказывать прибыльность, масштабируемость или стратегическую ценность проекта. Это снижало барьер для эксперимента. В случае Cardboard участники направления смогли быстро превратить картонный прототип в продукт, организовать производство, подготовить приложения и представить устройство на Google I/O. Проект получил масштаб уже после того, как первоначальная гипотеза была проверена через действие.
В более широком смысле Дороничев описывает 20% projects как способ бороться с инерцией успешной организации. Большая компания естественно направляет ресурсы на поддержание существующего бизнеса. Выделенное время для новых идей позволяет создать «запасной аэродром» — направление, которое сначала выглядит второстепенным, но при изменении рынка может стать фундаментом следующей трансформации.
Андрей Дороничев считает толерантность к ошибкам необходимой частью инновационной культуры. Он подчёркивает, что команда, создающая принципиально новый продукт, по определению действует в условиях, где вероятность неудачи высока. Если организация требует заранее гарантированного результата, она будет способна преимущественно на последовательные улучшения существующих продуктов, но не на прорывные изменения.
В случае Google Cardboard Дороничев называет терпимость к ошибкам третьим из ключевых условий, позволивших проекту состояться. Первым условием были люди, системно думающие о будущих платформах, вторым — возможность выделить защищённое время на эксперимент, а третьим — понимание, что проект может не сработать и это не будет восприниматься как катастрофа. Он формулирует это как ощущение: «Скорее всего, вот вы это сделаете, скорее всего, ничего не получится — и это окей».
Для Дороничева эта толерантность не означает отсутствия требований к качеству работы или равнодушия к результату. Скорее, она предполагает способность отличать неудачу гипотезы от некомпетентности людей. Команда может действовать разумно, строить сильную технологию, проводить тестирование, опираться на первые принципы — и всё равно столкнуться с тем, что рынок, пользователи или контекст не подтверждают её ставку. Stadia в его рассказе является примером технически амбициозного и, по его собственным словам, выдающегося по сложности инженерного проекта, который оказался коммерчески неуспешным.
Другой пример связан с редизайном мобильного YouTube и запуском функции picture-in-picture. После фундаментального изменения интерфейса watch time, ключевая метрика YouTube, по словам Дороничева, упал примерно на 10–15%. Это вызвало жёсткую реакцию руководства: CEO Google потребовал откатить запуск. Однако непосредственный руководитель Дороничева не согласился на мгновенный откат, а объяснил, что команда находится в «корыте разочарования» после большой прорывной перемены и ей необходимо время для диагностики и исправлений.
Именно в этот момент толерантность к ошибке превратилась в практическое управленческое решение: команде дали срок на быстрые эксперименты, а не закрыли проект после первого негативного сигнала. За неделю были протестированы десятки изменений, после чего удалось выявить причину падения метрик. В логике Дороничева инновационная культура заключается не в том, чтобы игнорировать плохие показатели, а в том, чтобы не принимать первый болезненный результат за окончательный приговор, если у команды сохраняется ясная продуктовая гипотеза и способность быстро учиться.
Андрей Дороничев рассказывает историю Google Cardboard как пример того, как системная подготовка и случайный импульс могут соединиться в масштабную инновацию. В 2013 году, уже добившись успеха в мобильной трансформации YouTube, он начал искать новое направление. Он описывает себя как человека, которому интересно не просто поддерживать и «ращивать» существующие системы, а запускать новые вещи. Размышляя о будущем от первых принципов, он связал две линии: мобильные устройства как наиболее передовая на тот момент вычислительная платформа и видео как наиболее насыщенный медиаформат.
Из этого размышления выросла гипотеза о виртуальной реальности. В 2013 году она ещё не была центральным направлением Google, поэтому Дороничев использовал формат 20% project. К работе подключились около 20 человек из Google и YouTube. Внутри этой небольшой группы оказались двое сотрудников из парижского офиса, которые приехали в головной офис с прототипом VR-очков, собранных из картона и двух линз. В конструкцию вставлялся смартфон, на экран которого выводилось специальным образом искажённое изображение, создававшее стереоэффект.
Дороничев подчёркивает, что прототип был предельно простым и дешёвым — устройство стоило порядка 30–50 центов. Но его ценность состояла не в сложности железа, а в неожиданном снижении входного барьера в VR. Вместо дорогого специализированного оборудования пользователь мог получить первый опыт виртуальной реальности при помощи обычного телефона и картонного корпуса.
По его словам, команда смогла за восемь недель превратить этот ранний прототип в серийный продукт: наладить производство, разработать приложения и демо-сценарии, а затем раздать комплекты участникам Google I/O. Дороничев оценивает запуск как большую победу. Он утверждает, что для многих людей того поколения первое знакомство с VR произошло именно через устройства, построенные по модели Cardboard, где смартфон вставлялся в простую гарнитуру.
История Cardboard важна в разговоре не только как рассказ об устройстве. Дороничев использует её для демонстрации того, что случайность сама по себе не объясняет результат. Картонный прототип приехал из периферийного офиса и мог остаться незамеченным. Но в Google уже существовали люди, способные связать прототип с более широкой гипотезой о будущем платформ, культура свободного времени для экспериментов и готовность дать команде шанс на неудачу. В результате, по его словам, из первоначальной инициативы выросла организация примерно в тысячу человек, а дальнейшее направление стало частью того, что он называет Android XR.
Для Андрея Дороничева мобильная трансформация YouTube была не просто технической адаптацией веб-сервиса к экрану телефона. Он описывает её как сознательную ставку на смену пользовательской парадигмы. В период, когда YouTube воспринимался прежде всего как веб-сайт, он выходил к аудитории и сталкивался с репликой: «Это такой веб-сайт». Его собственная задача формулировалась иначе: добиться, чтобы на вопрос «Что такое YouTube?» люди отвечали: «Это приложение».
Дороничев считает эту ставку особенно рискованной в ретроспективе, потому что на момент начала работы мобильный интернет был распространён крайне слабо. Он говорит, что тогда мобильный интернет был подключён примерно у 1% населения Земли. Следовательно, команда работала не с уже массовым поведением, а с гипотезой о будущем: интернет переместится с домашних компьютеров на мобильные устройства, а телевизионное потребление видео в значительной мере перейдёт в телефоны.
Александр Соколовский подтверждает масштаб этой трансформации современным наблюдением: по некоторым выпускам его YouTube-канала до 85% трафика приходится на мобильные устройства. Внутри разговора этот факт работает как свидетельство того, что ранняя ставка Дороничева на мобильный YouTube в итоге стала частью новой нормы потребления контента.
При этом трансформация не сводилась к созданию уменьшенной версии веб-сайта. Дороничев описывает необходимость заново строить пользовательский опыт под мобильную среду. В последующем рассказе о picture-in-picture он показывает, как даже одна функция — возможность уменьшить плеер и одновременно искать следующее видео — потребовала изменить фундаментальную информационную архитектуру приложения. В старой модели пользователь переходил между последовательными экранами: поиска, просмотра, рекомендаций. В новой модели видеоплеер должен был существовать поверх других уровней интерфейса, то есть фактически появиться в третьем измерении относительно привычного «стека экранов».
Трансформация YouTube в мобильное приложение в его изложении стала примером прорывной инновации внутри крупной компании. Она требовала не только отдельных специалистов, но и команды, способной отстаивать новую модель перед организацией, привыкшей к веб-логике. Успех состоял не в простом переносе контента на другое устройство, а в изменении самого представления о том, где, как и зачем пользователь взаимодействует с YouTube.
Андрей Дороничев описывает свой переход из мобильного YouTube в VR и AR как продолжение карьеры, построенной на ставках на смену технологических платформ. После работы с интернетом и мобильными устройствами он занялся трансформацией видео в интерактивный 3D-формат, включая виртуальную реальность, дополненную реальность и облачный гейминг. Он также говорит, что был первым сотрудником Google, который занимался запуском виртуальной реальности, а затем — дополненной реальности, которую он связывает с современным направлением Android XR.
Его подход к VR строился на попытке продолжить существующие технологические тренды. Если мобильный телефон стал следующей массовой вычислительной платформой после персонального компьютера, то VR представлялась потенциальным следующим шагом. Если видео было наиболее насыщенным массовым медиаформатом, то интерактивный 3D-опыт мог стать его более глубоким продолжением. Именно эта логика привела Дороничева к работе над VR в 2013 году.
Александр Соколовский отмечает двойственность результата. С одной стороны, VR-направление внутри Google стало успешным: из ранней инициативы выросли новые команды и направления. С другой стороны, по мнению Соколовского, VR пока не стало частью повседневной жизни большинства людей, несмотря на наличие сильных устройств и неоднократные ожидания, что «через год мы все будем вот в этой штуке на голове ходить, играть и так далее». Дороничев прямо не спорит с этим наблюдением, но его рассказ подчёркивает, что внутренний успех инновационной программы и массовое принятие технологии — разные показатели.
Опыт VR и AR в его интерпретации показывает, что прорывная инициатива может иметь долгую траекторию. Ранний проект может не привести к немедленной смене поведения всего рынка, но создать компетенции, команды, инфраструктуру и набор технологических решений, которые будут развиваться дальше. Cardboard для Дороничева — не только продукт, но и точка запуска более крупной экосистемы устройств и технологий, связанных с носимыми устройствами и XR.
Этот эпизод также показывает личный тип профессиональной мотивации Дороничева. Он говорит, что не получает такого же удовлетворения от простого масштабирования уже работающей системы, как от запуска новых направлений. Поэтому переход от YouTube к VR был для него не побегом от успешного продукта, а попыткой оказаться на следующем технологическом фронтире, даже если новая ставка выглядела менее очевидной и более рискованной.
Андрей Дороничев описывает Stadia как попытку сделать с играми то же, что стриминговые сервисы и YouTube сделали с видео. Базовая идея заключалась в том, чтобы перенести тяжёлую вычислительную часть игр в облако. Пользователю не нужно было бы покупать дорогой игровой компьютер, Xbox или PlayStation, скачивать большие обновления и ждать установки. Вместо этого любая игра могла бы быть доступна в любой момент через потоковую передачу изображения — аналогично тому, как на YouTube можно в любой момент включить практически любое видео.
Он подчёркивает, что этот проект был чрезвычайно сложным технически. В отличие от видео, игра требует постоянного взаимодействия: пользователь отправляет команды, система должна обработать их и вернуть изображение с минимальной задержкой. Поэтому, по словам Дороничева, Stadia была одним из наиболее сложных продуктов, которые он создавал. Он говорит, что гордится самим фактом того, что такую инфраструктуру удалось построить.
Однако коммерчески продукт провалился. Главную причину Дороничев формулирует очень жёстко: «Самая лучшая игровая платформа не нужна в мире, где у каждого уже есть игровая платформа». Техническое преимущество не оказалось достаточным, потому что значительная часть аудитории уже владела консолями или игровыми компьютерами, уже покупала игры, накапливала достижения и строила собственные игровые профили внутри существующих экосистем.
Стадия также столкнулась с контентной проблемой. На вопрос Соколовского о причинах неуспеха Дороничев отвечает, что у Stadia не было игр. Платформа, по его оценке, могла быть технологически сильной, но без значимого набора контента не представляла достаточной ценности для игроков. Эта часть разговора подчёркивает, что технологическая инфраструктура не может заменить сам продуктовый повод для пользователя перейти в новую систему.
История Stadia в беседе служит примером различия между инженерным успехом и рыночным успехом. Создание технически совершенной платформы не гарантирует, что она решит актуальную проблему пользователя. Если у людей уже есть рабочая альтернатива, если их контент, привычки и социальные связи закреплены в прежней экосистеме, то даже качественное решение может оказаться лишним или появиться в неправильный момент.
Разбирая неудачу Stadia, Андрей Дороничев выделяет две стратегические ошибки: выбор рынка запуска и недостаток контента. По его мнению, выход в США был неверным решением, поскольку американский рынок уже был насыщен игровыми устройствами. У пользователей имелись Xbox, PlayStation или игровые компьютеры, на которых они уже купили игры, накопили достижения и сформировали устойчивые игровые профили. В такой среде новая облачная платформа должна была не просто показать техническое преимущество, а убедить людей отказаться от уже вложенных денег, привычек и цифровой идентичности.
Дороничев считает, что логичнее было бы запускаться, например, в Бразилии, где проникновение игровых платформ, по его словам, было ниже. Важно, что он не утверждает, будто это автоматически обеспечило бы Stadia успех. Его мысль заключается в другом: продукту, который предлагает альтернативу существующему инфраструктурному стандарту, выгоднее искать рынок, где старый стандарт ещё не так прочно укоренился. Там облачный доступ к играм мог бы решать более явную проблему — отсутствие дорогого оборудования.
Вторая причина — отсутствие игр — для Дороничева ещё фундаментальнее. Он говорит, что «платформа была самая лучшая платформа, но без игр она не особо кому нужна». В этом тезисе выделяется разница между технологической основой и пользовательской ценностью. Игрок приходит не ради самой облачной архитектуры, а ради конкретных игровых миров, жанров, привычных франшиз и возможности играть в интересующий его контент.
Таким образом, история Stadia показывает, что запуск платформы требует одновременного совпадения нескольких факторов. Нужен рынок, где новая модель действительно устраняет заметную проблему, а не просто предлагает более элегантную версию уже доступного решения. Нужен контент, который делает переход для пользователя оправданным. И нужна стратегия, учитывающая стоимость переключения: уже приобретённые игры, сохранённые достижения, привычки и привязанность к существующим экосистемам.
В интерпретации Дороничева выбор рынка и контента оказался важнее инженерной силы платформы. Технология могла быть амбициозной и сложной, но без правильной точки входа и содержательного наполнения она не смогла стать коммерчески востребованным продуктом.
Александр Соколовский полностью формулирует свой вопрос так: «Ну вот смотри. Дальше, с точки зрения, опять же, если мы проводим аналогии через компании: если посмотреть на статистику, даже вот про VR можно. Смотри, VR, насколько я понимаю, я могу здесь заблуждаться, поправь меня: де-факто то, что вы сделали, внутри компании стало успешно, и куча людей из этого выросли, новые направления и так далее. Но как таковой в наш мир VR не пришёл. То есть мы до сих пор... Я помню этот период, когда мы: “Вот через год мы все будем вот в этой штуке на голове ходить, играть и так далее”. Причём многие компании создали реально очень крутые девайсы. Ты где-нибудь на выставке пробуешь и понимаешь, что это next level, но это не пришло в нашу жизнь. И получается, то есть, по сути, сделали — оно вроде как успешно, но потом неуспешно.
И вот если посмотреть на то, что делают компании, большие корпорации, элементарно взять статистику стартапов, которые они купили, ты знаешь, что с ними происходит: большинство из них просто-напросто загибаются. И тут мы попадаем в ситуацию, что, с одной стороны, у компаний есть инфраструктура, готовые люди, деньги, толерантность к риску, и они всё это делают. Но в итоге то, что получается на выходе, — всё равно какие-то случайные выстрелы. И зачастую это какой-то человек из компании пришёл и сказал: “Чуваки, вообще всё должно быть в мобиле, и YouTube должен быть не сайтом, а приложением”. И вот оно, собственно. Но это всё равно опять же случайность.
И вот, знаешь, я просто даже пытаюсь ответить на вопрос для самого себя: какая всё-таки твоя жизненная стратегия? Что эффективнее? Пытаться систематично подойти к решению вопроса и построению какой-то модели, которая тебе... Там, не знаю, товарищ очень чётко фильтрует всех людей, с которыми он встречается, потому что он говорит: “Я не хочу тратить своё время на людей, которые, по мне, другого уровня сильно, и я понимаю, что у них нет того network, того капитала и так далее”. А есть люди, которые встречаются со всеми подряд, и какая-то встреча в бане с абсолютно посторонним человеком может привести к какой-то синергии, к новому проекту. Вот где здесь, на твой взгляд, баланс такого и, наоборот, какой-то халатности по отношению ко всему, что ты делаешь?»
Позиция Дороничева состоит в том, что системность и открытость случайности не противоположны. Он признаёт себя скорее хаотичным человеком, чем человеком тотального контроля, но при этом отказывается считать хаос стратегией. Его образ — поток событий, который постоянно проходит через человека и который невозможно предсказать или остановить. Однако можно построить систему, повышающую способность отличать угрозу от возможности и правильно реагировать в нужный момент.
Эта система, по Дороничеву, состоит из людей, процессов и повторяющихся ритуалов. Её функция — не создавать удачу искусственно, а делать человека или организацию более восприимчивыми к возможностям. Поэтому системность не означает закрыться от случайных встреч или действовать исключительно по заранее утверждённому плану. Напротив, она даёт возможность не растеряться, когда случайная возможность всё-таки появляется.
Дороничев отдельно подчёркивает, что толерантность к неудачам — часть такой подготовки. Компания, которая хочет ловить редкие прорывные возможности, должна быть готова к тому, что часть ставок не даст результата. В личной жизни это выражается в готовности переживать закрытие бизнесов, ошибки, утраты и болезненные переходы. По его мнению, сама боль не является доказательством неправильности попытки: иногда она выступает необходимым условием для того, чтобы человек продолжал создавать новые вещи.
Баланс, который предлагает Дороничев, состоит не между жёсткой рациональностью и беспорядочным движением, а между подготовкой и восприимчивостью. Нужно создавать систему, но не пытаться подчинить ей все события. Нужно быть открытым к неожиданным импульсам, но не рассчитывать, что случайная встреча сама по себе заменит работу, компетенции, окружение и готовность рисковать.
Андрей Дороничев считает, что технологический сдвиг сам по себе не делает компанию или человека победителем либо проигравшим. Одно и то же изменение может стать источником кризиса для неподготовленных и источником роста для тех, кто заранее создал соответствующие навыки, процессы и среду. Он приводит AI как наиболее очевидный современный пример: технология «свалилась» на всех, но для одних она выглядит угрозой, а для других — возможностью. Разницу он видит не в доступе к самой технологии, а в готовности что-то с ней сделать.
Подготовка организации, по Дороничеву, не означает способность точно предсказать следующую технологическую волну. В период появления мобильного интернета, VR или генеративного AI никто не мог с полной уверенностью знать, какая ставка окажется верной. Подготовка означает наличие в компании механизмов, которые позволяют выдвигать гипотезы, выделять на них ограниченные ресурсы, сохранять эксперименты достаточно долго и быстро учиться на первых результатах.
В случае Google подобную подготовку создавали 20% проекты, культура экспериментов, развитая инженерная база и возможность инициативы снизу. Сотрудники могли формировать новые направления до того, как они становились официальными приоритетами. Но когда технология достигала критической важности, организация могла резко перераспределить ресурсы и сделать ставку на новое направление уже на уровне всей компании.
Для человека подготовка строится похожим образом. Дороничев говорит, что новую версию себя нельзя построить только внутренним усилием; нужно окружить себя подходящими людьми, создать новые привычки, выделить время на обучение и сформировать процессы, которые постепенно меняют самого человека. В его собственном переходе в биотехнологии такой системой стали профессиональное окружение, Biotech Barbecue, работа с учёными, самостоятельное обучение через лекции, статьи и ChatGPT, а также репетитор для всей команды.
Важный элемент подготовки — признание того, что технологические и личные перемены часто требуют пережить спад. После крупного продуктового изменения может упасть ключевая метрика, после эмиграции может наступить разочарование, после карьерного прыжка может исчезнуть привычный статус. Дороничев считает, что тот, кто заранее понимает неизбежность таких фаз, с меньшей вероятностью откажется от новой траектории при первом негативном результате.
Андрей Дороничев описывает появление генеративного AI как пример ситуации, когда внешняя небольшая организация смогла сделать то, чего не сделала крупная технологическая компания с огромными ресурсами. По его словам, Google обладал фундаментальными исследованиями и технологической базой, но не вывел соответствующий продукт в массовый веб-интерфейс. Это сделала внешняя организация, которую он характеризует как относительно небольшую и связанную с идеями Илона Маска и Сэма Альтмана.
В его описании преимущество внешней команды состояло в отсутствии дилеммы инноватора. У неё не было существующего многомиллиардного рекламного и поискового бизнеса, который новая технология могла бы разрушить. Поэтому она могла «бесстрашно» вывести исследовательские наработки в интернет и дать пользователям прямой интерфейс взаимодействия с моделью. Дороничев связывает это с тем, что у маленького игрока «нечего было терять» в сравнении с корпорацией, которая должна учитывать последствия изменений для огромного действующего бизнеса.
Реакция Google, по его словам, сначала включала «момент абсолютного смущения», когда становилось очевидно отставание в пользовательском выводе технологии. Однако затем компания быстро среагировала. Дороничев видит в этом не просто защитную реакцию, а пример способности крупной организации совершить самодисрапцию. Google не ограничился защитой старой модели поиска, а начал выводить AI-ответы непосредственно в поисковую выдачу.
Этот случай важен для его более широкой логики: крупная компания может проиграть первый момент технологического сдвига, но не обязательно проигрывает весь цикл. Решающее значение имеет способность признать новую реальность, использовать уже накопленные технологические ресурсы и поставить под угрозу собственную прежнюю бизнес-модель, если она перестаёт соответствовать будущему рынка.
Дороничев восхищается Google именно потому, что компания, по его мнению, смогла не только увидеть угрозу, но и начать менять продукт, который десятилетиями был основой её коммерческого успеха. В этом он видит редкое сочетание масштаба, технологической базы и готовности руководителей к резкому стратегическому повороту.
Андрей Дороничев рассматривает размещение AI-ответов в верхней части поисковой выдачи Google как особенно смелый пример самодисрапции. По его логике, поиск исторически связан с рекламной моделью: пользователь вводит запрос, получает результаты, взаимодействует с выдачей и рекламными ссылками. Если AI-ответ закрывает часть потребности пользователя сразу, это потенциально меняет привычную траекторию взаимодействия и может затрагивать рекламную выручку.
Дороничев подчёркивает масштаб риска, хотя отдельно оговаривается, что не знает точных цифр. Он описывает это как решение, которое может означать отказ от очень больших рекламных доходов: «Мы отрубаем свои деньги, потому что понимаем, что всё, жизнь изменится, что мы больше на гужевой повозке дальше не уедем. Если не мы, то они». В этом высказывании AI-ответы интерпретируются не как очередная функция, а как признание того, что старый формат поискового бизнеса может быть недостаточен в новой технологической реальности.
Для Дороничева это прямое воплощение дилеммы инноватора. Компания, построившая прибыльный механизм, естественно заинтересована в его защите. Но если появляется технология, меняющая сам способ получения информации, то продолжение оптимизации старого механизма может стать опаснее, чем его частичное разрушение собственными руками. Поэтому внедрение AI в поиск он воспринимает как выбор в пользу будущей модели даже ценой давления на текущую.
Этот эпизод также иллюстрирует различие между внешними стартапами и крупными корпорациями. Маленькая компания может быстрее выпустить продукт, поскольку не боится каннибализации существующих доходов. Но крупная компания, если она готова к радикальному решению, имеет другой тип преимущества: она может внедрить новую технологию сразу в продукт с огромной существующей аудиторией. В описании Дороничева Google использует именно это преимущество — соединяет новые AI-возможности с уже работающей поисковой инфраструктурой.
Таким образом, AI-ответы в поиске для него символизируют не только внедрение новой технологии, но и управленческую готовность признать, что прежняя бизнес-модель не должна быть неприкосновенной. Если компания не готова поставить под риск собственные доходы, то это, по его логике, рано или поздно сделают внешние игроки.
Александр Соколовский задаёт вопрос о психологической и управленческой природе радикальных решений в Google: «То есть ты представляешь: имея то, что ты имеешь, сидя в совете директоров и особо не погружаясь в эти технические процессы, — что должно быть в голове, какие отклонения и готовность к риску, риски на сотни миллиардов, чтобы прийти и сказать: “Мы, чуваки, берём и отрезаем это, и делаем вот так”? То есть это, ну, я не знаю, единицы людей в мире на такое способны».
Позиция Андрея Дороничева состоит в том, что способность Google к подобным решениям связана с founder-led culture — культурой, где основатели сохраняют реальное влияние на стратегический курс компании. Он говорит, что наблюдал, как принимаются крупные решения, и был впечатлён вовлечённостью Сергея Брина и Ларри Пейджа. По его словам, эта вовлечённость не сводится к символической роли в совете директоров: основатели могут возвращаться в операционную и техническую работу в момент, когда считают это необходимым.
Дороничев связывает эту культуру с особенностями структуры голосующих акций. По его описанию, Ларри Пейдж и Сергей Брин при выходе компании на IPO создали систему, в которой их акции давали непропорционально большой голос в управлении. Обычные инвесторы могли участвовать в росте стоимости компании, но основатели сохраняли возможность проводить решения, которые краткосрочно могут быть непопулярны или рискованны для текущих финансовых показателей.
В его интерпретации это особенно важно во время технологических сдвигов. Наёмное руководство может быть сильным в управлении, оптимизации и выращивании лидеров, однако основатель способен принять решение, которое противоречит инерции существующей системы. Дороничев приводит пример возвращения Сергея Брина к активной работе в AI-направлении: по его словам, Брин «закатал рукава» и снова вошёл в Founder Mode, включая непосредственную работу с командой.
Founder-led культура у Дороничева не отменяет децентрализацию и развитие самостоятельных лидеров. Но она даёт организации особый механизм для моментов, когда нужно выбрать один крупный курс и подчинить ему большое число разрозненных функций. Основатель в такой модели не обязательно лично изобретает каждую технологию, но может увидеть момент, когда накопленные внутри компании компетенции должны стать главным стратегическим приоритетом.
Андрей Дороничев приводит Mobile First в Google как пример настоящей корпоративной трансформации, а не постепенного улучшения существующих процессов. В начале мобильным направлением занималась крайне небольшая группа — примерно десять человек. Сам мобильный интернет тогда воспринимался многими внутри индустрии почти так же скептически, как позднее VR или AI. Однако рост iPhone и Android стал сигналом, что мобильная платформа перестаёт быть периферийным направлением.
Критическим моментом стал переход от локальной инициативы к решению на уровне всей компании. По словам Дороничева, Ларри Пейдж вышел к сотрудникам и объявил принцип Mobile First: если команда хочет запустить новую функцию, сначала она должна быть доступна на мобильных устройствах, а уже потом — в веб-версии. Это не было косметическим изменением стратегии. Оно заставляло огромное число инженеров, привыкших работать с веб-технологиями, менять инструменты, навыки и привычный порядок разработки.
Дороничев описывает реакцию как шок для компании. Веб-инженеры, работавшие с JavaScript и HTML, должны были осваивать C++ или Objective-C. Для части специалистов это выглядело не движением вперёд, а возвращением в более сложную и менее комфортную среду разработки приложений. Поэтому Mobile First демонстрирует, что технологическая трансформация затрагивает не только продукты, но и профессиональную идентичность сотрудников.
В этом примере важна роль централизованного решения. До вмешательства основателя существовали команды, которые уже понимали мобильное направление и создавали необходимые компетенции. Но без общего приоритета они оставались бы одной из многих инициатив. Решение сверху позволило превратить мобильную стратегию в общую обязательную рамку: все продуктовые команды должны были учитывать новую платформу и вкладывать в неё часть своих ресурсов.
Mobile First у Дороничева является примером того, как компания может преодолеть внутреннюю инерцию. Трансформация не происходит потому, что все сотрудники одновременно захотели изменить привычный способ работы. Она происходит, когда в организации уже есть подготовленные люди и технологии, а лидерство на верхнем уровне делает новую ставку одним из главных «больших камней» компании.
Александр Соколовский формулирует вопрос так: «А как же вот эта история про разные уровни руководителей? Внутри компании должны появиться лидеры, культура и так далее. А тут, по сути, это руководитель совсем другого уровня, великой компании, который может прийти и сказать: “Нет, мы делаем так, как я сказал, потому что вы ничего не понимаете, условно, а я вижу, куда это всё идёт”».
Андрей Дороничев отвечает, что противоречия между выращиванием самостоятельных лидеров и сильным централизованным решением нет. По его мнению, это два взаимодополняющих уровня инновационной системы. Децентрализованное лидерство необходимо, чтобы в компании возникали идеи, появлялись ранние команды, строились компетенции и проверялись гипотезы. Один основатель не может лично изобрести Transformer, Android, YouTube и все другие ключевые технологии. Для этого нужна широкая среда сильных людей, способных действовать снизу вверх.
Однако в определённый момент компания должна выбрать, какое из множества направлений получит непропорционально большой объём внимания и ресурсов. Именно здесь требуется централизованное лидерство. Основатель или высшее руководство не обязательно создаёт технологию с нуля, но может увидеть, что одна из уже подготовленных инициатив должна перестать быть второстепенной и стать стратегическим центром организации.
Дороничев иллюстрирует это образом «кактуса в холле отеля». Мобильная команда YouTube сначала была заметной, интересной, но всё же одной из многих инициатив внутри большой компании. Затем собственник условного «отеля» говорит: «Мы вовсе не отель, мы кактусовая ферма теперь». Смысл метафоры в том, что стратегическое решение меняет не существование отдельного проекта, а всю архитектуру внимания и распределения ресурсов вокруг него.
В его модели лидерство снизу строит возможность, а лидерство сверху создаёт масштаб. Без нижнего уровня у руководства не было бы подготовленных команд, работающих продуктов и технологических заделов, на которые можно поставить. Без верхнего уровня инициативы могли бы оставаться разрозненными и не получить достаточного веса, чтобы изменить компанию целиком.
Таким образом, Дороничев рассматривает инновационную организацию как сочетание распределённого поиска и централизованной приоритизации. Снизу возникают эксперименты, компетенции и ранние доказательства. Сверху принимается решение, которое превращает одну из множества возможностей в обязательную стратегическую траекторию.
Андрей Дороничев рассказывает, что в YouTube существовал подход к годовой приоритизации, который он называет «большими камнями». Его задача состояла в том, чтобы управлять распределением ресурсов в большой организации, где работали тысячи человек и одновременно существовали множество важных инициатив. Необходимо было системно определить, какая часть доступного бюджета, людей и времени направляется на каждую задачу.
В этой системе крупная трансформационная цель отличается от обычной продуктовой задачи. Например, превращение YouTube из веб-сайта в мобильное приложение требовало неестественного усилия, поскольку люди должны были начать делать то, чего раньше не делали и зачастую не хотели делать. Команды естественно стремятся продолжать привычную работу: развивать рекомендации, каналы, видеоплеер или другие уже знакомые части продукта. Чтобы направить их в новую сторону, недостаточно просто объявить новую идею интересной.
Поэтому «большой камень» — это не просто стратегическая декларация. Это решение о реальном перераспределении внимания. Дороничев объясняет, что если мобильное направление становится приоритетом, то команды рекомендаций, каналов и плеера должны совместно с мобильной командой искать и создавать мобильные функции, выделяя на это значимую долю своего времени. В его примере речь идёт о 20% усилий команд, которые прежде занимались другими задачами.
Такой подход связывает децентрализованную экспертизу и централизованную стратегию. Мобильная команда могла понимать платформу лучше других и выступать центром компетенций. Но она не могла в одиночку трансформировать весь продукт. После того как руководство объявляло мобильное направление «большим камнем», остальные команды получали не абстрактный призыв поддержать инновацию, а конкретную обязанность встроить её в свою работу.
Дороничев показывает, что крупная инициатива требует организационного принуждения в нейтральном смысле: люди не всегда добровольно выбирают сложный и непривычный путь, даже если он стратегически верен. Поэтому приоритизация нужна для преодоления локальной рациональности. Отдельной команде может быть выгоднее улучшать привычную часть продукта, но компании в целом необходимо инвестировать в новую платформу, чтобы не потерять будущее.
Андрей Дороничев высказывает довольно жёсткий прогноз: «Я придерживаюсь мнения, что большинство больших бизнесов провалят AI-трансформацию». Его аргумент строится на том, что AI меняет не только канал дистрибуции или интерфейс взаимодействия с клиентом, но и саму структуру труда внутри компании. В этом он видит отличие от интернет-трансформации: интернет мог изменить способ продаж и коммуникации, но не всегда напрямую заменял функции сотрудников. AI же способен автоматизировать процессы, которые раньше выполняли люди, а значит, вызывает более сильное и личное внутреннее сопротивление.
Дороничев приводит простой пример: если в компании есть сотрудники, которые вручную переносят неструктурированные данные в формы, то внедрение AI может сделать эту работу быстрее и точнее. Однако для самих сотрудников это означает угрозу их роли. Поэтому сопротивление не ограничивается медленностью бюрократии; оно может принимать форму активного саботажа. Люди защищают своё место в организации, а компания в целом сохраняет старые процессы, потому что они связаны с существующей иерархией, компетенциями и привычным распределением власти.
Александр Соколовский соглашается с тем, что крупным компаниям сложно интегрировать AI, тогда как небольшие молодые команды могут быстрее адаптироваться. По его мнению, у таких компаний уже есть ресурсы и люди, но ещё нет тяжёлого наследия старых процессов. Они способны быстрее чувствовать изменения и внедрять новые инструменты. Дороничев подтверждает эту логику и связывает её с тем, что небольшие компании не несут «багаж» многолетней организационной инерции.
Одной из реакций крупных корпораций Дороничев называет создание собственных AI-first двойников. Вместо того чтобы сразу перестраивать основной бизнес, корпорация может профинансировать отдельный стартап или внутреннее направление, которое пытается делать ту же работу с нуля, но уже с AI в качестве основы. Такая структура выступает «запасным аэродромом»: сначала она может быть небольшой экспериментальной ставкой, но при успехе способна постепенно заменить или трансформировать основной бизнес.
Он сравнивает это с тем, как традиционный ритейлер мог бы на раннем этапе создать e-commerce-направление, ещё не понимая, станет ли электронная коммерция главной моделью рынка. Параллельные ставки, по его мнению, позволяют снизить риск: крупная компания не обязана заранее знать, какая технологическая ветка победит, но может позволить себе финансировать несколько вариантов. В Google он видит подобный подход на примере параллельного существования Chrome OS и Android, которые долго развивались отдельно, несмотря на внешнее сходство.
В конечном счёте Дороничев считает ключевой проблемой AI-трансформации «последнюю милю» — внедрение технологий в реальные процессы конкретных компаний и отраслей. Наличие мощной модели ещё не означает, что её легко встроить в работу отдельного бизнеса, например кабинета дантиста или крупной фармацевтической корпорации. Именно здесь, по его мнению, у небольших AI-first компаний появляется возможность: они могут строить процессы вокруг AI с нуля, тогда как большие организации вынуждены преодолевать сопротивление уже сложившейся системы.
Андрей Дороничев рассматривает сопротивление автоматизации не как второстепенную проблему внедрения AI, а как один из главных факторов, из-за которых крупные компании могут не пройти AI-трансформацию. Его ключевой тезис звучит жёстко: «Большинство больших бизнесов провалят AI-трансформацию». Причина, по его мнению, состоит не только в технологической сложности или недостатке бюджета, а во внутренних силах, которые сопротивляются изменениям, затрагивающим существующие роли людей.
В разговоре с Александром Соколовским Дороничев противопоставляет нынешний AI-сдвиг предыдущей интернет-трансформации. Интернет, по его оценке, в основном менял канал дистрибуции: например, ритейл переносился в онлайн. AI же меняет саму структуру труда, поскольку способен заменять или существенно перестраивать функции работников. Именно поэтому сопротивление оказывается более личным и более активным: речь идёт не просто о новом сайте, канале продаж или интерфейсе, а о том, что часть работы может исчезнуть либо стать ненужной в прежнем виде.
Дороничев иллюстрирует это простым примером: в компании могут работать два человека, вручную переносящие данные из неструктурированной информации в определённую форму. Если появляется AI-инструмент, который делает это быстрее и точнее, то предложение автоматизировать процесс напрямую затрагивает рабочие места этих людей. В такой ситуации, по его словам, сотрудники не остаются нейтральными наблюдателями, а могут саботировать трансформацию. Он подчёркивает, что люди «борются за своё место в компании», поэтому сопротивление имеет не абстрактный организационный, а экзистенциальный характер для конкретных исполнителей.
Важна и более широкая логика Дороничева: крупные организации строились вокруг процессов, ролей, иерархий и способов принятия решений, которые годами доказывали свою работоспособность. Особенно наглядно он описывает это на примере фармацевтической индустрии. Большие фармкомпании уже «вылечили миллиард людей» существующими способами, поэтому их сотрудники и управленцы естественно воспринимают предложение радикально пересобрать процессы как риск, а не как очевидное улучшение. Внутри такой организации AI сталкивается не только с технической интеграцией, но и с культурой осторожности, привычками и защитой уже сложившейся профессиональной идентичности.
Соколовский поддерживает эту мысль, проводя параллель с интернетом: традиционные бизнесы, которые не смогли перейти в онлайн, со временем либо исчезли, либо сильно изменились. Дороничев соглашается с этой аналогией, но уточняет, что AI-трансформация может быть глубже именно из-за прямого влияния на workforce — на людей, выполняющих работу. Поэтому для него сопротивление автоматизации становится не исключением, а почти закономерной реакцией больших систем на угрозу их привычной структуре.
При этом Дороничев не утверждает, что сопротивление обязательно делает трансформацию невозможной. Скорее, оно объясняет, почему технологическое преимущество часто получают новые AI-first-компании: у них ещё нет устоявшегося штата, внутренних политических интересов и процессов, которые надо защищать. В этой логике трудность больших компаний состоит не в отсутствии доступа к моделям или деньгам, а в том, что им необходимо менять себя, пока значительная часть их собственной системы мотивирована этому сопротивляться.
Говоря о том, как большие компании пытаются снизить риск провала в AI-трансформации, Андрей Дороничев описывает практику создания внутренних AI-first-двойников. По его словам, многие корпорации, понимая масштаб внутренних ограничений, не пытаются немедленно полностью перестроить основной бизнес. Вместо этого они «фондируют некий стартап», который начинает делать примерно то же, что и основная компания, но изначально строится вокруг AI.
Логика такого подхода связана с тем, что основной бизнес несёт огромный исторический груз. В нём уже есть сотрудники, процессы, клиентские обязательства, устоявшаяся технология, система управления и внутреннее сопротивление изменениям. Новый небольшой проект получает возможность не наследовать эти ограничения. Он может изначально проектировать процессы так, будто AI уже является базовым элементом работы, а не дополнительным инструментом, который надо встроить в старую систему.
Дороничев сравнивает этот механизм с поведением традиционного ритейлера в эпоху появления e-commerce. Если бы Walmart не был уверен, станет ли электронная коммерция серьёзной угрозой или останется временной новинкой, разумной стратегией было бы создать собственный e-commerce-проект заранее. Пока основной бизнес продолжает работать, у компании появляется «то, на что она сможет переехать», если новая модель начнёт расти и докажет жизнеспособность. Это не гарантирует успеха, но создаёт запасной аэродром.
Существенно, что Дороничев не описывает такой внутренний стартап как обычный инновационный отдел, который улучшает отдельные процессы. Речь идёт именно о параллельной версии бизнеса с другой исходной логикой. Она должна быть AI-first не формально, а по устройству: иначе она быстро унаследует те же ограничения, которые мешают головной компании. Такая структура позволяет делать ставку на будущее, не разрушая моментально существующий источник выручки.
Этот подход напрямую связан с его более общей концепцией работы с прорывными инновациями. В ситуации высокой неопределённости невозможно заранее знать, какая технологическая ставка окажется правильной. Поэтому крупная компания может не выбирать один-единственный путь, а создавать несколько вариантов будущего одновременно. В случае AI-first-подразделения это означает признать: существующая модель бизнеса может не пережить новый технологический сдвиг в исходном виде, и потому необходимо заранее вырастить альтернативную.
При этом в позиции Дороничева есть важное напряжение. Внутренний AI-first-стартап создаётся именно потому, что основной бизнес трудно перестроить изнутри. Но если новая версия действительно окажется эффективнее, ей в перспективе придётся конкурировать с материнской компанией, частично заменять её или постепенно забирать её функции. Следовательно, это не безопасное косметическое обновление, а управляемая форма самодисрапции: корпорация сознательно выращивает структуру, которая в будущем может поставить под вопрос прежнюю организационную модель.
Андрей Дороничев представляет параллельные технологические ставки как рациональный способ действовать в условиях, когда компания ещё не понимает, какая из новых технологий, платформ или форматов окажется определяющей. Его позиция строится на том, что в ситуации прорывной инновации нельзя всегда заранее вычислить победителя. Поэтому крупные компании, если у них есть ресурсы, могут снижать риск, одновременно развивая несколько направлений.
В качестве примера Дороничев приводит Google, где Chrome OS и Android долгое время существовали как параллельные проекты. Со стороны это могло выглядеть нелогично: компания развивала разные платформы, связанные с похожими сценариями использования устройств. Люди, по его словам, «крутили у виска» и спрашивали, зачем одновременно делать лэптоп на Chrome OS и лэптоп на Android. Ответ, который он реконструирует, заключается в признании неопределённости: «мы сами не знаем», но у компании достаточно ресурсов, чтобы не делать единственную необратимую ставку.
Для Дороничева это не признак стратегической неясности, а способ подготовки к будущему. Если компания способна поддерживать несколько вариантов, она получает возможность наблюдать за развитием рынка, технологий и пользовательского поведения, не ставя всё на один сценарий. Когда со временем становится понятно, как именно должны соотноситься направления, компания может объединить или пересобрать их. В приведённом примере Дороничев говорит, что в конечном итоге две платформы «слились».
Параллельные ставки важны именно потому, что новые технологии часто сначала выглядят слабее старых решений. Это соответствует обсуждавшейся в интервью дилемме инноватора: существующий бизнес работает, приносит деньги и кажется более качественным, чем новая технология на ранней стадии. Но новая технология может развиваться в направлении, которое радикально изменит рынок. Поэтому ожидание полной ясности становится опасным: когда ясность появится, может оказаться, что компания уже слишком поздно начала адаптацию.
В применении к AI Дороничев видит похожую логику. Большие компании не обязаны сразу закрывать старые подразделения или целиком переводить операции на AI. Они могут строить параллельные AI-first-версии процессов, запускать независимые команды и проверять разные гипотезы. Такая стратегия создаёт пространство для обучения и уменьшает зависимость от одного решения. В этом смысле параллельные ставки — не отказ от стратегии, а стратегия управления неопределённостью.
Одновременно Дороничев показывает, что возможность делать такие ставки зависит от масштаба и ресурсов. Небольшой стартап часто вынужден выбрать одно направление и сосредоточиться на нём, тогда как крупная корпорация может позволить себе финансировать несколько альтернатив. Но наличие денег само по себе не гарантирует успеха: компания должна сохранять готовность в нужный момент признать, что один из параллельных проектов перестал быть периферийным экспериментом и должен стать основой новой стратегии.
Андрей Дороничев описывает AI-рынок как многоуровневую «пищевую цепочку», где каждый следующий слой зависит от предыдущего. Эта схема нужна ему, чтобы объяснить, почему возможности и выгоды от AI-революции распределяются неравномерно и почему внедрение AI в конкретный бизнес — лишь верхняя часть гораздо более крупной инфраструктурной системы.
Первый уровень этой цепочки — энергетика. Дороничев формулирует это как движение от электричества к интеллекту: чтобы получать вычисления и работу AI-систем, сначала нужно обеспечить огромные объёмы энергии. Он говорит о том, что энергетика становится бутылочным горлышком, потому что масштабирование AI требует резкого роста вычислительных мощностей, а значит, и энергопотребления.
Следующий уровень — чипы. Это устройства, в которые, по выражению Дороничева, «помещают электричество», чтобы на выходе получать полезные сигналы. В этом слое он называет NVIDIA и Google. Именно производители и владельцы критической вычислительной инфраструктуры, по его оценке, становятся одними из главных бенефициаров текущей технологической революции, поскольку без чипов AI-модели не могут обучаться и работать.
Над чипами располагается слой инфраструктурных дата-центров. Здесь Дороничев упоминает Nebius, а также крупные проекты наподобие Stargate. Этот слой включает строительство и эксплуатацию физических мощностей, которые позволяют размещать вычислительные системы: сами дата-центры, системы охлаждения, энергетическое обеспечение и прочую материальную базу. По его словам, таких инфраструктурных проектов будет становиться больше.
Следующий уровень — поставщики фундаментальных моделей. Дороничев относит к ним OpenAI, Anthropic и Mistral AI. Он предполагает, что таких игроков будет оставаться немного и со временем их число может ещё сократиться. Его логика заключается в том, что эти компании уже достигли высокой скорости развития и масштабов, при которых новым игрокам становится всё труднее их догонять. Он использует выражение escape velocity: модели и организации настолько ускорились, что конкурировать с ними становится крайне сложно.
Верхний слой — прикладные решения, то есть компании, которые используют фундаментальные модели для решения конкретных задач реального бизнеса и экономики. Дороничев относит сюда и Bioptics. На этом уровне создаются вертикальные продукты: например, AI-агенты для фармацевтики, инструменты для специалистов или решения для отдельных отраслей. Здесь ценность возникает не только от наличия самой модели, но и от её адаптации к определённому рабочему процессу, данным, пользователям и отраслевым ограничениям.
Схема Дороничева показывает, что AI-рынок нельзя сводить к чат-ботам или разработчикам моделей. Его фундамент — энергия и вычисления; далее идут дата-центры и модели; лишь затем — приложения, которые видит конечный пользователь. При этом верхний слой остаётся критически важным: именно там решается проблема внедрения, поскольку фундаментальная модель сама по себе не объясняет, как конкретному бизнесу заменить ручной процесс, встроить агента в существующую работу и получить измеримый результат.
В модели Андрея Дороничева энергетика — это базовый уровень AI-революции и одновременно одно из её ключевых ограничений. Он предлагает смотреть на развитие AI не только через модели, приложения или стоимость компаний, но через физическую реальность: интеллект в этой системе производится из электричества. Чем больше вычислений нужно для обучения и работы моделей, тем более важным становится доступ к энергии.
Дороничев прямо говорит, что электричество становится бутылочным горлышком. По его оценке, миру потребуется «гигантский апдейт энергетических мощностей». Это означает, что развитие AI перестаёт быть исключительно вопросом программного обеспечения и переходит в область крупной инфраструктуры: электростанций, систем передачи энергии, охлаждения и размещения вычислительных кластеров.
Он упоминает несколько направлений, которые уже обсуждаются или развиваются в этой связи. В частности, говорит об идее запускать дата-центры в космос, чтобы получать энергию непосредственно от Солнца и одновременно решать вопрос охлаждения. Также он отмечает «огромный взрыв в ядерной энергетике», связывая его с осознанием будущей потребности в электроэнергии для AI. В качестве конкретного примера он приводит Microsoft, который, по его словам, инвестирует в собственные частные ядерные электростанции.
В более поздней части разговора, обсуждая AI-пузырь, Дороничев возвращается к энергетике как к одному из долговременных результатов инвестиционного бума. Он допускает, что часть денег, которые сейчас вкладываются в AI, в будущем может превратиться в потери. Однако не всё исчезнет вместе с падением оценок: останутся дата-центры, системы охлаждения, электростанции и другие элементы физической инфраструктуры. На них, по его формулировке, будет работать интеллектуальная инфраструктура будущего.
Эта мысль сближает нынешний AI-бум с предыдущими технологическими пузырями. Дороничев считает, что финансовые пузыри вокруг реально значимых технологий могут выполнять инфраструктурную функцию: они позволяют мобилизовать такой объём капитала, который невозможно было бы получить при строго краткосрочном расчёте окупаемости. В случае AI энергетическая инфраструктура выступает одним из главных объектов этих долгосрочных инвестиций.
Таким образом, в его логике энергетика имеет двойственное значение. С одной стороны, её нехватка ограничивает темпы развития AI. С другой — именно инвестиции в энергию создают основу для дальнейшего масштабирования моделей, дата-центров и прикладных продуктов. Поэтому AI-революция для Дороничева — это не только цифровая, но и материальная трансформация.
Андрей Дороничев выделяет GPU, дата-центры и фундаментальные модели как три взаимосвязанных слоя между энергией и прикладными AI-продуктами. Каждый из них выполняет свою роль: GPU превращают энергию в вычисления, дата-центры обеспечивают физическую среду для этих вычислений, а фундаментальные модели превращают вычислительную инфраструктуру в универсальные интеллектуальные возможности.
GPU Дороничев описывает как один из ключевых узлов AI-рынка. В его схеме это устройства, которые получают электроэнергию и производят полезные вычислительные сигналы. Он называет NVIDIA одним из главных выгодоприобретателей AI-революции и подчёркивает, что спрос на GPU настолько высок, что новые чипы быстро находят применение. В обсуждении интернет-пузыря он противопоставляет нынешнюю ситуацию эпохе «тёмного оптоволокна»: тогда значительная часть инфраструктуры была построена раньше, чем появились реальные пользователи и потребление. Сейчас же, по его словам, нет «тёмных дата-центров», потому что GPU, которые устанавливаются в дата-центрах, почти сразу оказываются востребованы рынком.
Однако Дороничев отмечает уязвимость GPU как инвестиционного актива. В отличие от оптоволокна, которое могло десятилетиями передавать данные, дорогое вычислительное оборудование может быстро устаревать. Он формулирует это предельно резко: GPU, купленный для дата-центра за сотни тысяч долларов, «через полгода становится мусором». Это аргумент скептиков, с которым он частично соглашается. Но он считает, что нельзя сводить инфраструктуру AI только к видеокартам.
Дата-центры включают намного более долгосрочные активы: недвижимость, системы охлаждения, электрическую инфраструктуру, подключение к энергетическим мощностям. Именно поэтому, даже если часть оборудования быстро теряет актуальность, материальная база не исчезает полностью. Дороничев связывает с этим крупные инфраструктурные инициативы вроде Stargate: на его взгляд, они направлены не только на покупку очередных GPU, но и на строительство фундаментальных мощностей, которые будут использоваться дальше.
Фундаментальные модели образуют следующий слой. Дороничев относит к их поставщикам OpenAI, Anthropic и Mistral AI. Эти компании, по его мнению, требуют колоссальных затрат на обучение и последующую настройку моделей. Он говорит о стоимости pretraining, измеряемой десятками, а возможно уже и сотнями миллионов долларов, а также о дополнительных затратах на привлечение экспертов для разных вертикалей — математики, химии и других сфер. Такой масштаб инвестиций объясняет, почему рынок фундаментальных моделей склонен к концентрации.
Роль фундаментальных моделей в этой структуре состоит в том, что они предоставляют базовый интеллектуальный слой для множества прикладных решений. Компании верхнего уровня, включая Bioptics, могут строить специализированные продукты на их основе. Но сами прикладные компании не устраняют необходимость в нижних слоях: их возможности зависят от энергии, GPU, дата-центров и моделей. В этом смысле Дороничев показывает AI как вертикально связанную экосистему, где ценность приложения невозможна без огромной вычислительной и энергетической базы под ним.
Андрей Дороничев связывает перспективы прикладного AI не столько с созданием новых фундаментальных моделей, сколько с задачей их внедрения в конкретные процессы. Он подчёркивает, что между наличием мощной AI-системы и её реальной пользой для бизнеса лежит большая дистанция. Даже если «AI-агенты умеют разговаривать» и «умеют принимать решения», остаётся вопрос: как именно встроить их в работу конкретной организации или отдельного предпринимателя.
В качестве наглядного примера Дороничев приводит восьмидесятилетнего дантиста из Орегона. Для такого человека технология не становится полезной просто потому, что существует. Нужно решить очень практическую задачу: каким образом встроить AI в его рабочий процесс, чтобы, например, ассистентка перестала вручную отвечать на звонки, а эту функцию принял на себя AI-агент. В его логике именно такая конкретизация определяет успех внедрения.
Этот пример показывает, что малый и средний бизнес нуждается не в абстрактном доступе к мощным моделям, а в понятном пользовательском опыте и адаптации под реальные действия. Предпринимателю необходимо не объяснение, что AI способен обрабатывать речь, а работающий сценарий: звонки принимаются, информация фиксируется, процесс не ломается, клиент получает ответ. Поэтому технологическое преимущество возникает у тех, кто закрывает разрыв между возможностями базовой модели и повседневной деятельностью пользователя.
Дороничев допускает, что с бизнесом одного человека или небольшой компанией эта задача в отдельных случаях может быть проще: можно сделать достаточно понятный UX, привлечь пользователя рекламой или иным способом и предложить ему решение. Но он не считает проблему тривиальной. Даже для малого бизнеса важен переход от общей технологической возможности к конкретному встроенному действию. AI должен не просто существовать рядом с бизнесом, а стать частью его процесса.
В разговоре с Соколовским эта мысль связана с преимуществом молодых компаний. Небольшие команды, появившиеся недавно, могут быстрее пробовать такие решения, поскольку у них меньше организационного багажа и выше готовность к изменениям. Они способны чувствовать изменения «на кончиках пальцев» и быстрее встраивать AI в собственную деятельность. Однако Дороничев подчёркивает, что сам по себе размер компании не решает всё: ключевая сложность остаётся в том, чтобы перевести универсальную технологию в конкретную ценность для конкретной профессии и конкретного процесса.
«Последняя миля» AI-трансформации в трактовке Андрея Дороничева — это расстояние между появлением интеллектуальной технологии и её реальным применением в конкретном рабочем процессе. Он считает эту задачу сложнее, чем может казаться при наблюдении за быстрым развитием фундаментальных моделей. Создать систему, которая говорит человеческим голосом или демонстрирует впечатляющие способности, недостаточно: нужно изменить действия людей, процедуры компаний и логику принятия решений в реальной отрасли.
Дороничев формулирует это через контраст между технологическим достижением и внедрением. По его словам, путь от электрона на электростанции до голоса AI в телефонной трубке может оказаться проще, чем путь к тому, чтобы один конкретный дантист или конкретная организация внедрили это решение в работу. Это парадоксальная, но центральная мысль его позиции: самые заметные технологические прорывы могут быть преодолены быстрее, чем организационные, культурные и поведенческие барьеры последней мили.
Особенно сложно это проявляется в больших традиционных компаниях. Дороничев приводит пример фармацевтической индустрии: в ней уже существуют процессы, с помощью которых «вылечили миллиард людей». Эти процессы медленны, сложны, регулируемы и во многом построены на привычных ролях. Когда такой организации говорят, что всё нужно перепридумать из-за AI, она закономерно сталкивается с внутренним сопротивлением. Люди могут отвечать: «идите со своими ChatGPT», потому что новая технология воспринимается не как очевидная помощь, а как угроза проверенной системе.
В этом контексте Bioptics позиционируется как компания, которая помогает закрывать именно такую последнюю милю в фарме. Дороничев рассказывает, что их AI-агенты могут выполнять задачи на стыке бизнеса и науки: конкурентную аналитику, поиск и оценку лекарственных активов, другие сложные операции, которые при ручном выполнении стоят дорого и требуют много времени. Компания не просто создаёт модель, а пытается встроить её в процессы фармкомпаний, чтобы те могли использовать AI для практических задач.
Дороничев также отмечает, что применение AI не ограничивается ранними этапами поиска молекул. Bioptics начинала с разработки молекул, но затем увидела возможности и на поздних стадиях вывода лекарств на рынок. AI может помогать с задачами, связанными с тем, как врачи разбираются в препаратах и начинают их назначать. Этот пример важен для понимания последней мили: ценность технологии обнаруживается не только там, где она технически наиболее эффектна, но и там, где она встраивается в реальные, сложные и дорогостоящие процессы отрасли.
Таким образом, последняя миля — это не единичный технический шаг, а процесс перевода AI в работающую отраслевую практику. Он требует понимания конкретной профессии, существующего потока работы, интерфейса, мотивации людей и организационных ограничений. Именно поэтому Дороничев видит большой потенциал в прикладных вертикальных компаниях: они могут решать не проблему создания интеллекта как такового, а проблему его реального использования.
Андрей Дороничев проводит прямую аналогию между самодисрапцией компаний и радикальным переосмыслением личной карьеры. В обоих случаях речь идёт о ситуации, когда текущая модель по-прежнему работает, приносит результат и даже может улучшаться, но перестаёт отвечать будущему или внутреннему ощущению смысла. Главная опасность, по его мнению, заключается в том, что человек или организация продолжают эффективно двигаться по траектории, которая уже не является правильной.
На уровне бизнеса эту идею Дороничев связывает с дилеммой инноватора. Производитель повозок может годами улучшать существующий продукт: делать повозку красивее, удобнее или быстрее. Но появление автомобиля требует не очередного улучшения, а смены определения собственного бизнеса. Вопрос уже не в том, как делать лучшие повозки, а в том, занимается ли компания повозками или транспортом. Если она осознаёт себя транспортной компанией, то может решиться на переход к новому, менее зрелому и более рискованному решению.
Ту же логику Дороничев переносит на Google и AI. Он восхищается тем, что Google, имея огромный рекламный бизнес вокруг поиска, начал размещать AI-ответы поверх поисковой выдачи. В его интерпретации это означает, что компания готова потенциально уменьшить часть привычной рекламной выручки, потому что понимает неизбежность изменения поведения пользователей. Формула здесь такова: если не разрушить старую модель самостоятельно, это сделают другие. Самодисрапция становится способом не быть вытесненным внешней инновацией.
На уровне личной жизни Дороничев описывает аналогичное переживание через вопрос: «А я, в кавычках, в каком бизнесе?» Он говорит, что в какой-то момент перестал воспринимать себя как человека, находящегося в «бизнесе зарабатывания денег». Его ответом стало другое определение: он занимается «переработкой времени в счастье», пытаясь максимизировать счастье своё и людей вокруг. Этот сдвиг меняет критерий решений: продолжение карьеры ради дополнительного дохода может быть нерациональным, если деньги уже не меняют качество жизни, а время и ощущение смысла становятся важнее.
При этом Дороничев не романтизирует самодисрапцию. Он подчёркивает цену таких решений. Уезжая из России, он отказался от бизнеса; уходя из Google, оставил акции, которые к моменту разговора оценивает уже в десятки миллионов долларов. По его словам, это «цена, которую ты платишь за то, чтобы создать новую версию своей жизни». Аналогично Google платит цену, меняя выдачу и рискуя привычной экономикой поиска.
Самодисрапция в его модели не равна импульсивному разрушению всего существующего. Она требует подготовки, безопасных экспериментов и готовности к периоду, когда новая версия ещё слабее прежней. Однако решающий момент всё равно остаётся: в какой-то точке необходимо перестать лишь улучшать старое и вложиться в новую траекторию. Именно эта готовность, по Дороничеву, отличает компании и людей, способных переживать технологические и жизненные сдвиги, от тех, кто удерживается за работающую, но устаревающую модель.
Андрей Дороничев использует подход Amazon к решениям как один из ключевых элементов своей системы личных и карьерных изменений. Он ссылается на различие, которое приписывает Джеффу Безосу: существуют двери с двусторонним движением и двери с односторонним движением — two-way doors и one-way doors. Смысл различия состоит в обратимости последствий.
Решение с двусторонним движением можно попробовать и затем отменить. Ошибка в таком случае неприятна, может потребовать времени или денег, но не определяет всю дальнейшую жизнь. Дороничев считает, что такие решения нужно принимать быстро. Не следует долго ждать абсолютной уверенности, потому что информация о правильности шага часто появляется только после действия. Если решение оказалось неверным, его можно откатить и попробовать другой вариант.
Необратимые решения устроены иначе. Они меняют ситуацию так, что вернуться к прежнему состоянию уже невозможно или крайне трудно. В качестве примера Дороничев называет уход из Google и отказ от значительной части будущих акций. Это не просто эксперимент, который можно отменить через неделю: после такого решения меняются финансовые условия, карьерная траектория и степень ответственности за следующий этап жизни.
Для one-way door decisions Дороничев предлагает противоположный подход: к ним нужно приходить с максимально возможным количеством данных. Но эти данные, по его мысли, нельзя получить, оставаясь неподвижным. Они накапливаются через обратимые действия. Человек сначала пробует, исследует, разговаривает с людьми, строит отдельные элементы новой жизни, получает опыт и только затем принимает необратимое решение.
Эта логика позволяет Дороничеву оспорить представление о «прыжке веры» как о внезапном отказе от всего прежнего. Он не предлагает сразу бросать работу, уезжать в другую страну или менять профессию без подготовки. Напротив, радикальный шаг должен быть последним звеном цепочки обратимых экспериментов. В его собственном случае уход из Google в 2021 году не был спонтанным: подготовка началась ещё в 2016 году, когда он сформулировал видение следующей версии своей жизни.
Важность этой модели состоит и в психологическом эффекте. Она снижает риск двух крайностей: парализующего ожидания полной уверенности и хаотичного решения «всё бросить». Обратимые шаги дают возможность двигаться, не требуя от себя немедленной ставки всей жизнью. Необратимый выбор остаётся трудным и болезненным, но к нему можно подойти не из паники, а из накопленного опыта и более ясного понимания последствий.
Андрей Дороничев считает, что большие изменения не должны начинаться с немедленного разрушения существующей жизни или бизнеса. Его подход строится вокруг «безопасных шагов» — действий, которые позволяют исследовать новую траекторию, не принимая сразу необратимое решение. Он подчёркивает, что страх перед переменами нормален, но важно понимать: прыжок веры не является первым шагом.
В разговоре Дороничев приводит намеренно контрастный пример: если человек решил оставить позицию вице-президента Microsoft и стать бариста, не стоит немедленно увольняться. Начать можно с работы по выходным. Смысл не в самой профессии бариста, а в принципе: прежде чем менять всю жизнь, можно проверить, что именно привлекает в новой деятельности, как человек себя в ней чувствует и выдерживает ли он её реальность.
Безопасные шаги связаны у Дороничева с идеей двусторонних дверей. Это решения, которые можно отменить или скорректировать. Через них человек собирает данные о себе, рынке, новой сфере и собственных реакциях. В отличие от внезапного переезда «на Бали» или резкого увольнения, такой путь не обещает мгновенного облегчения, но создаёт более прочную основу для последующего серьёзного решения.
Дороничев признаёт, что спонтанный резкий шаг иногда может привести к удаче. Он соглашается с Соколовским, что действие лучше полного бездействия и что хаотичное движение способно породить новые знакомства, события и возможности. Однако он считает этот путь менее системным: можно сделать один случайный выстрел и надеяться, что он попадёт в цель, а можно заранее определить направление, собрать окружение, выделить время и постепенно подойти к моменту, когда большой риск будет обоснованнее.
Система безопасных шагов у него начинается с осознания того, что важно человеку. Затем нужно сформулировать видение новой жизни или новой версии себя. После этого формируется набор людей, ритуалов и маленьких экспериментов, которые постепенно изменяют обстоятельства и самого человека. В этой конструкции новая жизнь не возникает из единственного эмоционального решения; она строится через последовательность действий, которые сначала обратимы, а затем подводят к неизбежной необратимой точке.
Пример Bioptics особенно ясно показывает, как Дороничев переносит этот принцип в бизнес. До полного фокуса на биотехнологиях команда не сразу закрыла прежнее направление. Сначала были небольшие эксперименты, включая участие в соревновании по предсказанию функций белков. Эти действия почти ничего не стоили, но дали первые сигналы, что новая область может быть перспективной. Только после серии таких шагов компания отделила направление AINote, генерировавшее выручку, и сфокусировалась на биологии. Таким образом, безопасные эксперименты не заменили риск, а сделали его более осознанным.
Андрей Дороничев описывает свой уход из Google не как внезапный побег из корпорации, а как результат многолетней подготовки. Центральный факт его истории состоит в том, что он ушёл в 2021 году, оставив значительную стоимость будущих акций, но внутренне начал готовиться к этому переходу ещё в 2016 году. Это должно показать, что внешне резкое решение может быть итогом долгой, почти незаметной работы.
По словам Дороничева, в 2016 году он написал видение своей следующей жизни — «самой свободной версии», которой впоследствии стал. Важным для него было не только внешнее описание будущих проектов или доходов, но эмоциональное состояние: как он будет себя ощущать в этой новой жизни. Такое видение стало ориентиром, вокруг которого можно было строить дальнейшие решения.
Следующие четыре-пять лет он не совершал резких движений, а последовательно создавал условия для перехода. В частности, он строил личный бренд, которого прежде у него не было. Дороничев отмечает, что был известен в американской технологической среде, но не присутствовал в русскоязычном публичном пространстве: его не приглашали в русскоязычные подкасты. Постепенное развитие публичности стало частью подготовки к более независимому этапу.
В его интерпретации это и есть практическое применение системы двусторонних дверей. Он не отказался от работы и акций в момент появления первой мысли о переменах. Вместо этого он создавал дополнительные возможности, связи, публичность и понимание будущего направления, сохраняя прежнюю опору. Когда наступил момент ухода, это всё равно было болезненно и означало потерю значительных активов, но решение принималось уже не в полной неопределённости.
Важно, что для Дороничева подготовка не устраняет риск. Он прямо говорит, что человек никогда не будет уверен на сто процентов и что после прыжка почти неизбежно «приземлится ниже, чем был». Новое направление потребует восстанавливаться, наращивать компетенции и двигаться вверх заново. Но системная подготовка увеличивает вероятность того, что это падение не окажется разрушительным.
История ухода из Google также служит у Дороничева иллюстрацией более общего принципа: успешное прошлое делает прыжок одновременно легче и труднее. Наличие денег, статуса и опыта помогает мягче приземлиться, но повышает цену отказа от привычной позиции. Поэтому подготовка нужна не только для материальной безопасности, но и для психологической готовности отпустить уже достигнутую идентичность — директора Google, участника больших технологических запусков, человека с понятным статусом и траекторией.
Андрей Дороничев использует серфинг как метафору соотношения удачи, подготовки и правильного момента. Эта метафора появляется в споре с идеей Александра Соколовского о том, что многие успешные повороты начинаются со случайности. Дороничев не отрицает роль везения, но утверждает, что шанс становится значимым только для того, кто заранее подготовил себя к его использованию.
Он подчёркивает, что серфинг — это вид спорта, в котором человек очень мало времени проводит непосредственно на волне и очень много гребёт. По его шутливой формулировке, серфинг скорее следовало бы назвать «греблей с периодическими паузами на серфинге». Этот образ нужен, чтобы показать: видимый момент успеха — короткая поездка на волне — скрывает длительную подготовительную работу.
Для успешного серфинга необходимо быть в хорошей физической и технической форме, долго грести и правильно расположиться в океане. Затем нужно предсказать, где и когда сломается волна, и в точный момент на неё запрыгнуть. В отличие от сноуборда, где гора остаётся на месте, в серфинге «горы не было, вдруг она появилась». Ошибка всего на метр — оказаться слишком впереди или слишком позади — означает упустить возможность.
Дороничев переносит эту логику на карьеру, предпринимательство и технологические сдвиги. Возможности не приходят к человеку, который просто ждёт их на берегу. Нужно «выгрести на lineup»: получить навыки, сформировать окружение, изучить область, выделить время на эксперименты и оказаться там, где возможны важные изменения. Только после этого фактор удачи может сработать.
Эта позиция уточняет его взгляд на случайность. Он согласен, что неожиданные события, знакомства или технологические прорывы нельзя полностью спланировать. Например, AI «свалился на всех». Но для одних он становится кризисом, а для других — возможностью. Разницу Дороничев видит в готовности: одни могут превратить смену парадигмы во что-то полезное, другие — нет. Следовательно, задача не в том, чтобы предсказать каждую волну, а в том, чтобы подготовить себя и систему вокруг себя к моменту её появления.
Метафора серфинга объединяет два элемента, которые в разговоре часто звучат вместе: дисциплину и неопределённость. Человек не может управлять океаном, но может управлять своей формой, положением, вниманием и готовностью встать на доску. В этом для Дороничева и заключается системный подход к возможностям: не контролировать хаос, а стать способным схватить «золотой слиток», когда он прилетит, и уклониться, когда прилетит «утюг».
Александр Соколовский прямо спрашивает Андрея Дороничева: «И тут ты зачем-то начинаешь делать какие-то русские соцсети. Даже с точки зрения книги, например, у меня был вопрос: зачем тебе это? Ты много ходишь по разным интервью, подкастам. <…> И ты делаешь большое количество активностей именно тут, в русскоязычном пространстве. <…> Что это для тебя и какая мотивация здесь?» Дороничев отвечает, что это не запасной аэродром и не бизнес: «Для меня это творчество такое. Для меня это отдушина».
Этот ответ принципиален для понимания его публичной активности. Он специально отказывается описывать русскоязычные соцсети через прагматические категории масштаба, выручки или альтернативного карьерного плана. По сравнению с Bioptics, говорит он, это «сильно более маленький бизнес», но затем уточняет, что бизнесом это вообще не является. Его мотивация лежит в области самовыражения и эмоционального восстановления.
Публичность возникла для Дороничева достаточно случайно. В 2017 году он согласился по просьбе друга сняться в русскоязычном подкасте. К тому времени он около десяти лет почти не был связан с русскоязычной средой. Однако этот опыт стал точкой, из которой выросли блог, посты, интервью и более широкое присутствие в русскоязычном пространстве.
Дороничев рассказывает, что не знал о собственной способности писать по-русски. Когда он начал публиковаться в Instagram, это неожиданно оказалось естественным и сильным способом проявления. Публичная деятельность дала ему не только аудиторию, но и возможность говорить без корпоративных ограничений. В роли senior-руководителя в крупной компании он не мог свободно высказываться обо всём; в русскоязычном цифровом пространстве он ощущал меньшую зависимость от PR-логики и мог экспериментировать с тоном, темами и образом себя.
Творческий характер этой активности связан у него с тем, что она не требует немедленной монетизации. Дороничев говорит, что его много лет спрашивают, когда он начнёт зарабатывать на аудитории и зачем вообще делает всё это бесплатно. Его ответ — в ощущении смысла и влияния. Встречи с людьми, которые рассказывают, что его публичные материалы повлияли на их выбор учиться, заниматься математикой или строить карьеру в технологиях, дают ему переживание ценности, которое нельзя купить за деньги.
В конце этого рассуждения Дороничев даже утверждает, что с точки зрения непосредственного влияния посты в соцсетях могут быть сильнее книги. Книга для него важна, но посты быстрее входят в повседневность аудитории и могут непосредственно менять чьи-то представления о возможностях. Поэтому публичная русскоязычная деятельность у него становится формой творчества, личной свободы и purposeful action — действия, которое ощущается значимым, потому что влияет на жизни других людей.
Андрей Дороничев описывает своё возвращение к русскому языку и русскоязычной аудитории как восстановление части собственной идентичности, которую он сознательно подавил во время эмиграции и адаптации к глобальной технологической среде. По его словам, когда он уезжал из России, у него была миссия построить «глобальную версию себя». Он хотел выйти из локального технологического контекста и стать частью мира, где создаются продукты уровня iPod, iPhone, Android и YouTube.
Для этой адаптации он, по собственному признанию, отрезал от себя часть прежних привычек, связей и моделей поведения. Дороничев объясняет это тем, что, руководя людьми с другим культурным опытом, в том числе выпускниками Гарварда, нельзя было вести себя так же, как он привык в Москве. Он стремился интегрироваться в англоязычную среду, строить карьеру в видимой международной позиции и соответствовать новой профессиональной культуре.
Этот процесс оказался эффективным в карьерном смысле. Дороничев говорит, что ему удалось почти полностью отрезать «русскую версию себя»: он не говорил и не писал по-русски, не поддерживал связей с русскоязычной средой за пределами семьи, жил в англоязычном мире и старался не смотреть назад. Такая стратегия помогла ему добиться значительных успехов, но позднее стала частью внутренней проблемы.
Переломным моментом стал кризис 2017 года, когда внешне он находился на пике: получил важное повышение, выступал на Google I/O, имел семью, финансовую безопасность и профессиональное признание. При этом он испытывал ощущение пустоты и депрессивное состояние. В этот период он начал постепенно отпускать жёсткую дисциплину и образ «идеальной версии себя». Вместе с этим начал возвращаться доступ к тем частям личности, которые ранее были подавлены.
Именно тогда Дороничев стал писать в Instagram по-русски. Он подчёркивает, что сделал это почти без расчёта: ему было настолько плохо и безразлично к прежней идеальной конструкции себя, что он позволил выйти «старому себе», «Андрею из Медведкова». Русский язык оказался не просто коммуникационным инструментом, а способом вернуть живую, менее корпоративную и менее отфильтрованную часть личности.
В этом смысле восстановление русскоязычной идентичности у Дороничева не означает отказ от глобальной карьеры или попытку вернуться к прошлой жизни. Напротив, он сохраняет опыт интеграции в международную технологическую среду, но перестаёт воспринимать русскую часть себя как нечто, что необходимо уничтожить ради успеха. Публичная деятельность становится пространством, где эти две части могут соединиться: человек с опытом Google, YouTube и биотехнологий говорит по-русски, не скрывая происхождение, личную историю и эмоциональную сложность своего пути.
Для Андрея Дороничева личный блог стал не инструментом продвижения, а безопасной психологической средой, возникшей в период тяжёлого внутреннего кризиса. Он рассказывает, что в 2017 году, переживая клиническую депрессию и ощущение утраты чувствительности к жизни, начал публиковаться по-русски в почти заброшенном Instagram-аккаунте. Это происходило параллельно с его выходом в русскоязычный подкаст и стало неожиданным способом вернуть себе способность проявляться.
Дороничев описывает себя того периода как человека, который не понимал, кто он и чего хочет. Он сомневался в собственных ролях и идентичностях: является ли он директором, человеком, который может ругаться матом, петь, строить продукты или делать что-то другое. В обычной корпоративной среде такие эксперименты были ограничены статусом и ожиданиями. Будучи senior-руководителем в Google, он не мог публично говорить и делать всё, что хотел, потому что его поведение неизбежно соотносилось бы с ролью представителя большой компании.
Русскоязычный блог, напротив, позволил ему почувствовать, что ставки невысоки. Он подчёркивает: в этом «русском пузырьке» его почти никто не знал, ему было «нечего терять», а значит, можно было говорить и проявляться свободнее. Эта относительная анонимность и дистанция от основной корпоративной среды создали пространство для проб и ошибок, не требующее соответствовать публичному образу идеального руководителя.
Блог стал для него своеобразной экспериментальной площадкой, где можно было вернуть подавленные элементы личности. Дороничев называет эту среду безопасной и сравнивает её значимость для психического состояния с медитацией и психотерапией. Он не утверждает, что блог заменил эти практики, но говорит, что его влияние было «не больше, но сравнимо» с ними. Через регулярное письмо и контакт с аудиторией он начал снова чувствовать, пробовать разные способы выражения и осознавать собственные мысли.
Существенно, что эффект возник не из-за заранее выстроенной контент-стратегии. Дороничев не начинал блог как медийный продукт, не видел в нём бизнес и не стремился сразу к росту аудитории. Его ценность заключалась в свободе от внешнего расчёта. Именно отсутствие прямой корпоративной, финансовой или репутационной задачи позволило блогу стать пространством восстановления.
Позже эта личная практика приобрела общественное значение: аудитория стала задавать вопросы, реагировать на тексты и видеть в Дороничеве пример иной профессиональной и жизненной траектории. Но первоначально блог был нужен ему самому — как среда, где не нужно подавлять части себя ради соответствия чужим ожиданиям. Это делает его историю не просто кейсом развития личного бренда, а примером того, как публичное высказывание может выполнять внутреннюю функцию самоисследования и возвращения к себе.
Андрей Дороничев описывает свою русскоязычную публичную деятельность как способ передавать опыт и картину мира, к которым у значительной части его аудитории нет прямого доступа. Он использует формулировку «арбитраж знаний»: у него есть доступ к профессиональной и культурной среде, в которую он глубоко интегрировался благодаря работе в международной технологической индустрии, а у многих русскоязычных людей такого доступа нет.
Этот доступ включает не только факты о Google, YouTube, AI или стартапах. Дороничев говорит и о «способе мышления», и о возможности показать «картину другой жизни», возникающей, когда человек успешно встроен в американское общество и глобальную технологическую среду. Поэтому его просветительская роль состоит не просто в объяснении технологий, а в расширении горизонта возможного для аудитории.
Он приводит пример людей, которые лично рассказывали ему о влиянии его материалов. Один из описанных случаев — молодой человек, который в десятом классе в Нижневартовске посмотрел выпуск «Кремниевая долина» Юрия Дудя, увидел иной жизненный путь, начал заниматься математикой и позже оказался в Google. Дороничев пересказывает такие истории как подтверждение того, что публичные действия могут менять чью-то траекторию. Для него это особенно ценно, потому что такое переживание невозможно получить простым увеличением дохода.
Его позиция не строится на утверждении, что он способен напрямую «создавать» чужой успех. Скорее, он показывает людям, что существуют другие модели движения: можно заниматься технологиями, учиться, интегрироваться в глобальную среду, менять карьеру и осваивать новые области. Для аудитории, не имеющей вокруг таких примеров, сам факт видимости подобной траектории может стать важным импульсом.
Дороничев говорит, что именно ради таких последствий продолжает вести соцсети, хотя не монетизирует их. Это выражение его более общей идеи purposeful actions — действий, которые имеют ощутимый смысл и воздействуют на жизни других. Он считает, что, если найден способ совершать такие действия, то формат не принципиален: «ну, типа соцсети так соцсети». То, что раньше казалось ему несерьёзным и «детским» занятием, стало восприниматься как вполне благородная деятельность.
Особое значение здесь имеет сравнение соцсетей и книги. Дороничев предполагает, что его посты, вероятно, уже оказали больше влияния, чем сможет оказать даже хорошая книга. Это не обесценивание книги, а признание силы регулярной, доступной и непосредственной коммуникации. Посты могут попадать к человеку в момент, когда ему особенно нужен пример, мысль или информация о другом возможном будущем.
В этой части интервью Александр Соколовский задаёт Андрею Дороничеву прямой вопрос: «В чём была первопричина? <…> И что это было у тебя? Это был какой-то, я не знаю, может быть, страх того, что вот оно пройдено и дальше ты не сделаешь ничего больше, или ощущение чего? То есть что стало катализатором проблемы?» Позиция Дороничева состоит в том, что не было одного внешнего катализатора — «ничего не было». Проблема возникла именно тогда, когда его исходные желания в значительной степени исполнились.
Дороничев описывает раннюю мотивацию как сочетание дефицита, амбиций и стремления к признанию. Он вышел из Медведкова, не имея денег, но хотел построить глобальные продукты, стать похожим на Стива Джобса, добиться славы, финансовой устойчивости и успеха. Такая мотивация давала мощную энергию: можно было постоянно двигаться к чему-то, чего пока не хватает.
Однако в определённый момент эта схема перестала работать. Он достиг профессионального статуса, финансовой безопасности, семейного благополучия и признания. По его словам, ему больше не нужно было рассылать резюме, он был высоко ценим в дорогой и сложной индустрии, имел достаточно денег, был здоров, любил жену и воспитывал детей. В такой ситуации он не мог ясно ответить на вопрос: чего ещё хочет в рамках прежней системы координат.
Дороничев использует фразу «Когда Бог хочет тебя наказать, он исполняет твои желания». Для него это не просто эффектная метафора, а описание перехода, при котором мотивация голода и нехватки исчезает, а новая ещё не сформирована. Пока человек движется из недостатка денег, безопасности, славы или признания, ему понятно, зачем расти. Но когда эти цели достигнуты, возникает риск перейти не к свободе, а к страху потери.
По его словам, после достижения внешнего успеха всё, что остаётся, может восприниматься как необходимость защищать уже имеющееся: не потерять деньги, карьеру, семью, здоровье детей, статус. Он называет жизнь из страха «чудовищной мотивацией». В такой логике будущего больше нет как пространства мечты: оно превращается в набор угроз, которых нужно избежать. Дороничев не хотел прожить остаток жизни в режиме поддержания уже достигнутого на автопилоте.
Поиск новой мотивации начался с попытки заменить страх и голод любопытством. Он задал себе вопрос, на что ещё способен, и стремился к «лучшей версии себя». Но позже он понял, что выбрал нездоровую интерпретацию этой идеи. Лучшей версией он начал считать версию без изъянов, а значит — версию, из которой нужно вырезать всё, что кажется слабостью, зависимостью, неидеальностью или социально не одобряемой частью личности.
В дальнейшем Дороничев пришёл к другой мотивации: не максимизировать деньги, а перерабатывать время в счастье — своё и людей вокруг. Эта формула не отменяет амбиции и профессиональную деятельность, но меняет критерий их ценности. Биотехнологии, работа с болезнями, публичная деятельность и новые проекты получают смысл не потому, что обещают самый быстрый финансовый результат, а потому, что позволяют чувствовать значимость времени, влияние на других и внутреннее соответствие выбранному пути.
Андрей Дороничев описывает свой депрессивный эпизод как следствие не внешней катастрофы, а длительного и чрезмерного самоподавления. Он подчёркивает контраст: в 2017 году внешне всё выглядело успешно. Он получил важное повышение до директорского уровня, впервые представлял продукты на Google I/O, был долларовым миллионером, имел двоих детей и находился в хорошей физической форме. Он медитировал, вставал в четыре утра, придерживался дисциплины. Однако именно в этот период однажды проснулся и «не чувствовал вообще ничего».
Это состояние он описывает не как обычную грусть или временную усталость. Ему было страшно именно потому, что он хорошо понимал, что делать, когда плохо: можно искать способы улучшить ситуацию. Но в переживании пустоты не было даже боли, за которую можно было бы ухватиться. Он говорил, что хотел бы хотя бы почувствовать что-то плохое, потому что полное отсутствие чувств казалось ещё страшнее.
Причину Дороничев видит в стремлении построить идеальную версию себя через отказ от всего, что не соответствовало его внутреннему стандарту. После того как прежние цели — деньги, статус и профессиональные достижения — перестали давать ощущение движения, он решил исследовать, каким может стать «лучший» он сам. Эта идея постепенно превратилась в систему ограничений: отказ от кофеина, сахара, алкоголя, мата, стремление вставать очень рано, постоянная дисциплина и попытка убрать из жизни всё, что казалось недостатком.
При этом он отмечает, что отказ от алкоголя имел для него отдельное основание: он говорит о себе как о человеке, которому нельзя пить, и подчёркивает, что не употребляет алкоголь около десяти лет. Но проблема, по его описанию, возникла не в одной конкретной привычке, а в общей логике непрерывного отсечения. Он начал убирать не только потенциально вредные стимуляторы, но и обычные удовольствия, желания, спонтанность, а также разрешение себе на несовершенство.
Дороничев формулирует это как suppression — подавление частей себя. По его словам, к моменту кризиса он тратил около 95% жизненной энергии на то, чтобы не проявлялись те стороны личности, которые ему не нравились или не вписывались в идеальную картинку. Он ссылается на исследования, которые, по его словам, показывают высокую психоэнергетическую затратность постоянного подавления. Его личная интерпретация состояла в том, что мозг, пытаясь адаптироваться к этой нагрузке, начал выключать чувствительность не только к нежелательным импульсам, но и к жизни вообще.
Выйти из этого состояния Дороничеву помогло не дальнейшее усиление самоконтроля, а временный отказ от него. Он ушёл в sabbatical, оставил работу и команду, получил поддержку жены и уехал путешествовать с билетами в один конец. Период занял около трёх месяцев. Он рассказывает, что жил очень просто, иногда в дешёвых местах на Бали, перестал поддерживать прежнюю идеально настроенную систему жизни и позволил себе перестать соответствовать собственному образу.
Существенным элементом восстановления стало возвращение ранее отсечённых частей личности: русского языка, более свободной манеры говорить, права на публичное самовыражение, творческих проб. Дороничев не представляет это как универсальный рецепт лечения, но в рамках собственной истории связывает улучшение с тем, что перестал тратить всю энергию на внутреннюю борьбу с собой.
Александр Соколовский в ответ рассказывает о похожем переживании: страх потерять достигнутый статус и сомнение, что он сможет создать что-то ещё, подтолкнули его к ужесточению режима — ранним подъёмам, тренировкам, отказу от мяса, стоянию на гвоздях. Он называет последующие полтора года худшими в своей жизни и говорит об опыте приёма антидепрессантов и тяжёлом периоде адаптации к ним. Дороничев отмечает, что не принимал антидепрессанты, но многое в описании Соколовского ему знакомо.
В этой части беседы оба спикера сходятся в одном: страх потери, попытка удержать контроль и стремление стать безупречной версией себя могут не привести к устойчивости, а, наоборот, лишить человека способности действовать и чувствовать. Для Дороничева выход связан с отказом от фиксированного образа себя, с признанием права на несовершенство и с созданием условий, в которых можно безопасно пробовать новые формы поведения, не требуя немедленно стать идеальным.
Саббатикал в рассказе Андрея Дороничева возникает не как заранее спланированный карьерный инструмент, а как экстренная реакция на состояние глубокой внутренней пустоты. К 2017 году он, по собственному описанию, находился на внешнем пике: получил значимое повышение до уровня директора в Google, выступал на Google I/O, был долларовым миллионером, имел семью, двоих детей, хорошую физическую форму и выстроенную дисциплину. Однако однажды утром он проснулся и «не чувствовал вообще ничего». Это состояние он отличает от обычного переживания боли или тревоги: когда человеку плохо, он хотя бы понимает, что нужно сделать, чтобы стало лучше; когда «никак», исчезает сама эмоциональная обратная связь с жизнью.
На вопрос Александра Соколовского: «Ну, на год, да, во всяком случае?» — Андрей уточняет, что путешествие длилось не год, а около трёх месяцев. До этого он ушёл в саббатикал, оставил работу и команду. Важной опорой в этом решении стала реакция его жены, которая, по словам Андрея, сказала ему «делай что надо, возвращайся в то, что это не ты». То есть уход из операционной жизни не был представлен как бегство от ответственности ради удовольствия; он был попыткой выйти из среды, в которой прежние механизмы контроля, достижений и самодисциплины больше не помогали.
Путешествия носили намеренно неструктурированный характер. Андрей рассказывает, что уезжал с билетами в один конец, мог прилететь в страну, провести там день и решить двигаться дальше. Он жил в дешёвых местах, в том числе на Бали «за двадцать долларов с тараканами», и постепенно отказывался от идеально выстроенной жизненной системы. Этот отказ от контроля был противоположностью тому режиму, который предшествовал кризису: ранее он стремился к оптимизированной, дисциплинированной и «правильной» жизни, а во время саббатикала перестал поддерживать эти конструкции.
Смысл путешествия в его рассказе состоял не в поиске готового решения или новой профессии. Андрей говорит, что ему было уже «всё равно» на внешние условия, а целью было снова начать что-то чувствовать. Путешествие стало пространством, где можно ослабить постоянное самоограничение и вернуть чувствительность. По его словам, спустя это время его стало постепенно «отпускать», но ключевым результатом была не сама смена географии. Он пришёл к пониманию, что раньше тратил значительную часть психической энергии на подавление тех сторон себя, которые не соответствовали его идеальному образу.
Таким образом, саббатикал в этой истории работает как временное снятие обязательств, ролей и ритуалов, которые перестали быть поддерживающими. При этом Андрей не описывает его как универсальный рецепт и не утверждает, что переезд или хаотичные поездки сами по себе решают кризис. Напротив, его опыт показывает, что путешествие стало лишь частью процесса: оно дало дистанцию от прежней жизни и возможность перестать контролировать себя настолько жёстко, но дальнейшее восстановление было связано с принятием собственной неоднозначности, возвращением к русскоязычному самовыражению и поиском новой мотивации.
Тема идеализированной версии себя раскрывается в разговоре как один из факторов, приведших Андрея Дороничева к тяжёлому эмоциональному состоянию. Александр Соколовский прямо спрашивает: «В чём была первопричина? Ну то есть вот я, например, проходил похожий этап своей жизни и потом уже со временем постепенно-постепенно это всё обтёсывается, и ты начинаешь понимать, что было источником твоей апатии, депрессии, неважно, можно как угодно называть, но вот этого отсутствия желания что-то делать. И что это было у тебя? Это был какой-то, я не знаю, может быть, страх того, что вот оно пройдено и дальше ты не сделаешь ничего больше, или ощущение чего? То есть что стало катализатором проблемы?» Позиция Андрея состоит в том, что внешнего единичного триггера не было: кризис сложился из завершения старой мотивации и последующей попытки создать из себя человека без изъянов.
Андрей описывает, как после достижения значимых карьерных, финансовых и семейных целей почувствовал внутреннюю пустоту. Вместо прежней мотивации — денег, безопасности, признания, желания реализовать амбиции — он попытался поставить перед собой новую позитивную цель: понять, на что ещё способен, стать лучше как отец, профессионал и человек. Однако сам этот импульс он оформил нездоровым образом. «Лучшая версия себя» в его представлении стала версией, из которой нужно исключить всё, что кажется слабостью, зависимостью, несоответствием идеалу или общественно не одобряется.
На практике это выразилось в последовательном отказе от различных источников удовольствия и спонтанности. Андрей много медитировал, ограничивал кофеин, сахар, алкоголь, стремился вставать очень рано, не ругаться матом, соблюдать дисциплину, контролировать образ жизни и даже отказывал себе в покупках, которые мог позволить. Он рассказывает, что его жизнь внешне стала «очень красивой», но внутренне — некомфортной. Важен именно накопительный характер этого процесса: не один запрет привёл к кризису, а постоянное расширение списка того, что необходимо подавить или убрать из себя.
Андрей формулирует механизм через понятие подавления. По его словам, он тратил до 95% жизненной энергии на подавление тех частей личности, которые не соответствовали его образу идеального себя. Он называет это психоэнергетически затратным процессом и говорит, что постепенно мозг адаптируется к постоянному подавлению, снижая чувствительность не только к нежелательным импульсам, но и к остальным эмоциональным переживаниям. В его интерпретации именно так возникло состояние эмоционального онемения: стремясь отсечь всё «неправильное», он перестал чувствовать и то, что могло бы приносить радость.
Александр Соколовский отмечает, что переживал похожую динамику в предпринимательском контексте. На фоне страха потерять достигнутое он начал выстраивать жёсткую систему контроля: ранние подъёмы, тренировки по расписанию, отказ от мяса, стояние на гвоздях. Он описывает эти полтора года как худшие в своей жизни. Его пример усиливает общий вывод разговора: строгая дисциплина сама по себе не рассматривается как проблема, но она может стать разрушительной, если служит не развитию, а попытке устранить тревогу, страх или неприемлемые стороны себя.
Опасность стремления к идеалу у обоих собеседников заключается в подмене движения к жизни постоянной самокоррекцией. Человек перестаёт спрашивать, что ему действительно важно и что приносит ему смысл, а начинает бесконечно исправлять себя под абстрактный образ. Андрей не отрицает любопытство к собственному потенциалу, но показывает, что любопытство становится вредным, когда превращается в проект по ликвидации всех несовершенств. В его опыте выходом стало не достижение ещё более совершенной формы, а постепенное разрешение себе быть разным, несовершенным и живым.
Страх потери достигнутого в беседе связан с парадоксом успеха: когда основные цели уже реализованы, мотивация движения вперёд может смениться мотивацией обороны. Андрей Дороничев объясняет, что в начале его карьеры всё было устроено понятнее: он вышел из Медведкова с ограниченными ресурсами, хотел выжить, заработать деньги, построить глобальный продукт, стать заметным в технологическом мире. Эти мотивы — дефицит, амбиция, стремление к безопасности и признанию — давали ясный вектор действий.
По его словам, кризис начался не потому, что он потерпел внешнюю неудачу, а потому, что в определённый момент получил почти всё, за чем двигался. Он чувствовал себя в безопасности, обладал деньгами, профессиональным статусом, семьёй, здоровьем и связями. Тогда возник вопрос: что делать дальше, если прежние желания исполнены? Андрей формулирует это жёстко: когда «Бог хочет тебя наказать, он исполняет твои желания». В этой формуле успех представлен не как гарантия удовлетворённости, а как ситуация, в которой исчезает привычный двигатель.
После этого, по наблюдению Андрея, возникает риск жить не ради новой мечты, а ради сохранения уже построенного. Вместо того чтобы стремиться к чему-то впереди, человек начинает бояться болезней детей, разрушения семьи, потери карьеры, денег и статуса. Он описывает такое существование как «чудовищную мотивацию — жить из страха». В этом состоянии все будущие изменения воспринимаются не как возможность, а как угроза тому, что уже накоплено.
Александр Соколовский приводит собственный вариант того же переживания. После раннего предпринимательского успеха его начал преследовать страх, что ему просто повезло и что он больше не сможет создать ничего нового. Когда внешние обстоятельства изменились, в частности поменялся Facebook, страх потерять бизнес и статус стал доминировать над пониманием, что ему было только двадцать пять лет, впереди оставалось много времени, энергии и ресурсов. Вместо действий, которые могли бы открыть новое направление, он начал «ужимать» жизнь и бизнес, отрезать возможности и действовать по инерции.
В разговоре страх потери связан не только с деньгами как таковыми. Андрей ранее говорит, что дополнительный миллион долларов перестал менять его повседневную жизнь, но решение отказаться от акций Google на десятки миллионов всё равно оказалось очень дорогим психологически. Стоимость перемен определяется не только денежной суммой, но и необходимостью отказаться от понятной идентичности: успешного человека в большой компании, человека с высокой репутацией, налаженными отношениями и гарантированным будущим.
При этом Андрей подчёркивает, что наличие ресурсов делает приземление после «прыжка веры» мягче, но сам прыжок — сложнее. У человека, который уже имеет деньги, статус и успешную карьеру, на другой чаше весов лежит гораздо больше, чем у того, кому, по его выражению, «терять нечего». Поэтому страх не трактуется как признак слабости или ошибка. Он признаётся естественной реакцией, но становится опасным, когда начинает маскироваться под рациональность: «ещё пару лет посижу здесь», «сначала накоплю больше», «сейчас не время». В логике Андрея эти голоса могут быть голосами страха, который не даёт человеку создать новую версию жизни.
Андрей Дороничев описывает свой жизненный перелом как переход от мотивации дефицита к попытке жить из любопытства. В первой части его карьеры стимулы были предельно конкретными: не хватало денег, безопасности, признания, возможностей и ощущения причастности к глобальной технологической индустрии. Эти цели давали человеку высокую энергию и понятный маршрут: нужно работать, учиться, строить продукты, переезжать, рисковать и добиваться следующего уровня.
Проблема, по его словам, возникла, когда эта логика перестала работать. Он достиг положения, в котором не мог представить новую цель внутри прежней системы координат: дополнительное количество денег, ещё один карьерный титул или ещё один технологический продукт уже не обещали качественно изменить жизнь. Андрей подчёркивает, что многие люди могут продолжать жить мотивацией дефицита всю жизнь, поскольку никогда не чувствуют, что у них достаточно денег, безопасности или признания. В его случае наступил редкий для него момент, когда базовый голод оказался в значительной мере удовлетворён.
Первые попытки заменить прежний двигатель были связаны с идеей любопытства: «на что я ещё способен?» Внешне это выглядит конструктивной, даже вдохновляющей формулой. Вместо страха и нехватки человек начинает интересоваться собственным потенциалом, новыми ролями и возможностями. Однако Андрей показывает, что такая смена мотивации не происходит автоматически. Любопытство может быть искажено, если человек трактует развитие как необходимость сделать себя безупречным.
Именно это произошло в его случае. Он не просто начал исследовать новые стороны жизни, а направил любопытство на создание идеальной версии себя. В результате вместо открытости возникла новая форма контроля: стремление убрать из себя всё «лишнее», слабое, неидеальное. Поэтому переход к любопытству сначала не освободил его, а привёл к депрессивному эпизоду. Этот фрагмент разговора важен тем, что мотивация любопытства не романтизируется: она требует более здорового отношения к собственной неоднозначности.
Позже Андрей находит другой вариант этой мотивации. Любопытство для него становится не попыткой усовершенствовать себя до безупречности, а стремлением переживать новое чувство «вау», открывать незнакомые области и делать то, что может быть значимо для других. Он объясняет, что именно это внутреннее желание испытывать новое стало одной из причин работы в AI и биотехнологиях. Переход от дефицита к любопытству связан и с его более широкой личной метрикой: не максимизировать количество денег, а перерабатывать время жизни в счастье — своё и людей вокруг.
В этом смысле новая мотивация строится не вокруг защиты накопленного и не вокруг бесконечного роста показателей. Она связана с вопросом, какая проблема действительно волнует человека и ради чего он готов тратить невозвратное время жизни. Для Андрея такой проблемой становится здоровье и уменьшение человеческих страданий; для его публичной деятельности — возможность передавать опыт и расширять представление аудитории о доступных жизненных траекториях. Любопытство в этой модели превращается в двигатель не самооптимизации, а осмысленного исследования и действия.
Тема fixed mindset появляется в разговоре после того, как Александр Соколовский рассказывает о страхе не суметь создать что-то новое после прежнего успеха. Андрей Дороничев отвечает, что подобное убеждение — «мне один раз повезло, а теперь всё закончилось» — является ошибкой и самообманом. Он связывает его с фиксированным мышлением: представлением о том, что существует некий неизменный человек с жёстко заданным набором способностей, которому доступно лишь то, что уже было доказано прошлым опытом.
По Андрею, фиксированное мышление может проявляться в самых разных формулировках: «я могу быть учёным, но не могу быть коммерсантом», «я умею работать только в этой профессии», «у меня была одна удачная жизнь, а новой уже не будет». Человек начинает воспринимать собственную идентичность как окончательно сформированную. Это особенно усиливается после кризиса, закрытия бизнеса, переезда, потери работы или резкого изменения рынка. Вместо того чтобы считать себя способным освоить новую роль, человек делает прошлый опыт границей своих будущих возможностей.
В качестве исторической параллели Андрей упоминает поколение родителей, пережившее распад Советского Союза. Для людей, которые долгое время идентифицировали себя с одной профессией или социальным устройством, необходимость начать новую жизнь могла восприниматься как невозможность: «ну я же учёный, ну как я пойду там…». Андрей отмечает, что часть людей смогла адаптироваться, а часть нет. Его тезис состоит в том, что различие не обязательно определяется врождёнными способностями: способность меняться можно развивать.
Он прямо говорит, что fixed mindset — это «тумблер, который можно переключить». Внутри разговора это не означает, что перемены становятся лёгкими или что достаточно просто убедить себя в успехе. Напротив, смена мышления требует опыта действий, в которых человек выходит за пределы привычной экспертной роли. Пока человек не пробует новое, он сохраняет убеждение, что не способен к нему. Поэтому развитие способности к изменениям строится через конкретные, пусть небольшие, столкновения с непривычным.
Этот подход согласуется с более широкой системой Андрея: перед радикальным «прыжком веры» нужно проходить через обратимые решения, собирать данные, формировать окружение и тестировать новую идентичность в безопасных условиях. При этом человек не обязан сразу бросать работу, переезжать или закрывать бизнес. Сначала он может совершать малые шаги, которые не уничтожают прежнюю систему жизни, но дают опыт: изучить новую область, вступить в новое сообщество, начать публично делать то, в чём он пока слаб, попробовать проект в ограниченном масштабе.
Таким образом, fixed mindset в беседе — не диагноз и не постоянное качество личности. Это состояние, которое закрепляется страхом, статусом и стремлением не ошибиться. Альтернативой становится не беспочвенная уверенность, а способность видеть себя как человека, который может приобретать новые навыки, менять роль и строить новую систему вокруг себя. Для Андрея доказательство этой возможности — его собственный переход от технологических платформ и развлечений к биотехнологиям и AI-разработке лекарств.
«Кринжотерапией» Андрей Дороничев называет практику безопасного публичного выхода за пределы собственной экспертности и привычного статуса. Он вводит этот термин в разговоре о fixed mindset: человек, который долго был компетентным, успешным и признанным, постепенно покрывается «коркой экспертности». Высокий статус начинает ограничивать поведение: появляется ощущение, что нельзя выглядеть глупо, ошибаться, делать что-то плохо или публично начинать с нуля.
По Андрею, эта ситуация особенно опасна для тех, кто хочет изменить карьеру или жизнь. Если человек не разрешает себе быть новичком, он не сможет сделать переход в новую область. Он приводит бытовой пример: успешный человек не может позволить себе начать петь в Instagram, потому что это кажется несерьёзным или стыдным. Но именно такой поступок может разрушить внутренний запрет на несовершенство. Речь не о том, чтобы добиться высокого результата в пении, а о том, чтобы пережить опыт публичной неловкости и убедиться, что он не разрушает личность, репутацию и жизнь.
Андрей уточняет, что полезны именно безопасные, видимые, но низкоставочные ошибки. Например, можно плохо спеть караоке на корпоративе, оказаться смешным, услышать реакцию окружающих — и обнаружить, что это не катастрофа. В этой логике «кринж» становится тренировкой способности к риску. Если человек выдерживает небольшой публичный дискомфорт, ему проще совершить более значимые действия: начать учиться новому, сменить сферу, отказаться от должности, запустить компанию или проявиться в непривычной роли.
Важна связь этой идеи с личной историей Андрея. Его русскоязычные социальные сети выросли из периода кризиса и стали для него безопасным пространством, где он мог проявляться без корпоративного PR-контроля. После многих лет интеграции в англоязычную технологическую среду он фактически отрезал русскоязычную версию себя. Возвращение к русскому языку, публичным постам и менее отредактированному самовыражению стало способом проверить, кем ещё он может быть за пределами роли директора Google и технологического руководителя.
Кринжотерапия у Андрея не является самоцелью, призывом к бессмысленной провокации или отказу от профессиональных стандартов. Её функция — вернуть человеку право на эксперимент. Если статус и стремление выглядеть компетентно блокируют любые новые действия, то небольшая публичная неидеальность способна ослабить этот блок. В результате человек получает не гарантию успеха, а доказательство собственной психологической пластичности: он может пережить ошибку, не потерять себя и продолжить движение.
Александр Соколовский использует спорт как понятную модель того, почему большие результаты почти никогда не возникают мгновенно. Он говорит, что долго занимается разными видами спорта, а в последние годы особенно увлечён тренировками. В качестве примера он приводит калистенику и работу с большими весами. Когда он приглашает друзей на совместные тренировки, даже люди спортивного телосложения часто не могут выполнить упражнения, которые для него уже кажутся привычными и несложными.
Главный вывод Александра состоит в том, что в спорте особенно очевидна невозможность перепрыгнуть через этапы. Человек не может за неделю сделать то, на что у другого ушли годы тренировок. Но если ему понравится процесс и он будет заниматься системно, то на длинной дистанции он способен прийти к сопоставимому результату. Спорт делает причинно-следственную связь между регулярным усилием и навыком более наглядной, чем бизнес или жизненные изменения, где результат часто кажется зависимым от удачи, связей или единичного решения.
Александр переносит эту логику на предпринимательство и профессиональную жизнь. После успеха особенно трудно снова делать маленькие шаги: человек привык к большим ставкам, заметным результатам и решениям большого масштаба. Однако при освоении нового направления он снова оказывается на начальном уровне. Спортивная метафора помогает принять это без ощущения унижения: старт с простых действий — не признак деградации, а естественная часть развития.
Андрей Дороничев соглашается и связывает этот пример с continuous innovation — последовательными улучшениями. В его трактовке важны не только прорывные инновации, когда компания или человек делает резкий переход в новую категорию, но и постоянная работа над небольшими улучшениями. Он приводит пример Google Search, качество которого может расти по чуть-чуть каждый день на протяжении десятилетий. Это требует не разового вдохновения, а дисциплины, процесса и способности поддерживать улучшение в течение долгого времени.
В контексте личной адаптации спортивная модель дополняет подход Андрея к смене сфер. Когда он входил в биотехнологии, он не мог за один день стать учёным. Сначала были разговоры с несколькими учёными на Biotech Barbecue, затем обучение, лекции, работа с научными статьями, репетитор для команды, небольшие эксперименты и постепенное расширение компетенций. Как и в спорте, результат создаётся не одним героическим усилием, а накоплением повторяемых действий, которые со временем формируют новую профессиональную «мышцу».
Андрей Дороничев противопоставляет continuous innovation прорывным, или disruptive, инновациям, но не считает последовательные улучшения чем-то второстепенным. Disruptive innovation — это смена самой модели: переход от гужевых повозок к автомобилям, от веб-сайта YouTube к мобильному приложению, от традиционной фармы к вычислительной дисциплине с AI. Continuous innovation — это регулярная работа внутри уже существующей системы, когда продукт становится немного лучше, удобнее или эффективнее день за днём.
По словам Андрея, такая работа тоже крайне сложна. Он приводит пример качества поиска: чтобы оно улучшалось каждый день в течение двадцати лет, необходимы устойчивые процессы, постоянные тесты и большое количество небольших решений. В отличие от громкого прорыва, который легко заметить и объяснить одной историей, последовательное развитие редко имеет один яркий момент. Его сила — в накопительном эффекте: множество маленьких изменений постепенно создают огромную разницу в качестве продукта и масштабе бизнеса.
История создания picture-in-picture в мобильном YouTube показывает, как continuous innovation может привести к необходимости более крупного архитектурного решения. Команда Андрея работала с основной метрикой YouTube — временем просмотра. Уже оптимизировав множество элементов интерфейса, команда искала дополнительные способы увеличить watch time. Идея уменьшить видеоплеер, чтобы пользователь мог одновременно продолжать просмотр и искать следующее видео, выросла из конкретного наблюдения за поведением пользователей, особенно слушающих музыку.
Однако реализация этой относительно локальной продуктовой идеи потребовала фундаментальной перестройки приложения. Прежняя модель YouTube строилась как последовательность экранов: экран поиска сменялся экраном просмотра, затем возвращался поиск. Миниатюрный плеер должен был существовать поверх других экранов, то есть добавлять новое измерение к архитектуре приложения. Так небольшое улучшение пользовательского опыта стало причиной масштабного редизайна.
В этом и состоит важный нюанс темы: последовательные улучшения не всегда остаются малыми по последствиям. Иногда команда, постоянно внимательно работающая с продуктом, обнаруживает, что для следующего шага уже недостаточно «подкрутить кнопку» или добавить отдельную функцию. Нужно пересобрать основу системы. Поэтому continuous innovation и disruption не существуют изолированно: регулярное улучшение может подготовить данные, гипотезу и необходимость для большого скачка.
Для личной жизни эта логика у Андрея также значима. Радикальная смена профессии или образа жизни не совершается одним решением. Ей предшествуют маленькие регулярные действия — чтение статьи в день, обучение, новые знакомства, защищённое время на проект, пробные шаги через обратимые решения. Ценность continuous innovation состоит в том, что она создаёт готовность к будущему прорыву, но не требует немедленно разрушать существующую жизнь.
Андрей Дороничев рассказывает, что является обладателем патента на функцию picture-in-picture в мобильном видео: возможность свернуть ролик в небольшое окно и продолжать использовать приложение. История относится примерно к 2012–2013 годам, когда мобильное приложение YouTube уже приближалось к половине всего трафика платформы. К этому моменту мобильное направление перестало быть маргинальной ставкой: команда получила признание внутри YouTube и работала как один из полноценных источников роста основной бизнес-метрики.
Ключевой валютой YouTube Андрей называет минуты просмотра, или watch time. Именно они затем монетизируются и превращаются в выручку. Поэтому команда мобильного YouTube постоянно искала способы увеличить время, которое пользователь проводит за просмотром. Внутри этого процесса анализировалось поведение аудитории, и особенно заметным был сценарий музыкального контента: пользователь слушает одну композицию, но параллельно хочет найти следующую.
На компьютере подобное поведение было естественным: видео можно оставить открытым в одной вкладке и одновременно искать контент в другой. На мобильном устройстве с небольшим экраном воспроизвести этот сценарий было сложнее. Пользователь должен был либо прерывать просмотр ради поиска, либо оставаться в плеере без возможности комфортно изучать другие ролики. При этом лицензия, как объясняет Андрей, не позволяла просто сделать режим, в котором видео полностью исчезает, а пользователь слушает только аудио.
Дизайнер команды предложил решение: уменьшить плеер до небольшого окна, которое остаётся на экране, пока пользователь открывает другие разделы приложения. Андрей подчёркивает, что идея родилась не как абстрактная попытка «изобрести функцию», а как ответ на конкретную продуктовую задачу: совместить просмотр и discovery, то есть поиск следующего контента. Если пользователю не нужно останавливать текущий ролик, чтобы выбрать следующий, общая сессия просмотра может стать длиннее.
Функция оказалась технически и архитектурно сложнее, чем выглядела на уровне интерфейса. Прежнее мобильное приложение было построено на модели последовательных экранов. Плеер был связан с конкретной страницей просмотра и не мог свободно существовать над другими экранами. Для picture-in-picture нужно было сделать так, чтобы видео «воспаряло» над всей навигацией приложения. Это потребовало не локальной доработки, а переосмысления информационной архитектуры YouTube.
История picture-in-picture иллюстрирует несколько особенностей продуктовой работы Андрея. Во-первых, важная функция появилась из наблюдения за реальным поведением пользователей и связи с измеримой метрикой. Во-вторых, хороший продуктовый инсайт может потребовать непропорционально большой технической перестройки. В-третьих, даже функция, которая со временем кажется очевидной, на момент появления была результатом работы команды, готовой пересобрать привычную конструкцию приложения ради нового пользовательского сценария.
История редизайна мобильного YouTube показывает, насколько уязвимы крупные цифровые продукты к изменениям привычного интерфейса. Андрей Дороничев объясняет, что создание picture-in-picture потребовало перестроить не отдельный экран, а всю архитектуру приложения. Для продукта на миллиард пользователей это означало высокий риск: даже небольшое изменение вроде цвета кнопки может иметь заметные последствия для поведения пользователей и потенциально отражаться на выручке.
Александр Соколовский подтверждает эту мысль на собственном пользовательском опыте. Он рассказывает, что даже изменение жирности шрифта у ключевых метрик в YouTube Studio раздражало его первые дни, хотя объективно речь шла о незначительной визуальной правке. Этот пример иллюстрирует логику Андрея: пользователи привыкают не только к ключевым функциям, но и к микродеталям интерфейса. Поэтому редизайн не оценивается лишь по красоте или логичности новой схемы; он сталкивается с инерцией привычек.
В случае YouTube новая структура приложения действительно была слишком большой переменой для обычного A/B-тестирования. Команда могла тестировать отдельные кнопки на небольшой доле аудитории, но не могла легко показать один процент пользователей совершенно другую архитектуру продукта: новая система была слишком глубоко связана со всеми сценариями использования. Поэтому момент запуска стал «прыжком веры» — решением, которое нельзя было полностью проверить экспериментально до раскатки.
Команда проводила подготовительные исследования: лабораторные тесты, закрытые проверки, фокус-группы. Логика нового дизайна казалась убедительной: если пользователь может одновременно смотреть ролик и искать следующий, то суммарное время просмотра должно вырасти. Людям, которым объясняли новый интерфейс и давали время привыкнуть, он нравился. Однако первоначальная реакция широкой аудитории оказалась другой: после запуска watch time упал на 10–15%.
Этот эпизод показывает, что продуктовая метрика отражает не только качество новой идеи, но и стоимость переучивания аудитории. Даже если новый дизайн объективно открывает более сильный сценарий, пользователи могут временно хуже ориентироваться в продукте, не находить привычные элементы или не использовать новые возможности. Снижение метрик после релиза не обязательно доказывает, что стратегическая идея неверна; оно может означать, что новая система пока плохо проводит пользователя к нужному действию.
Андрей называет этот период «trough of disillusionment» — «корытом разочарования». В контексте редизайна это состояние, когда команда уже сделала крупную ставку, а немедленные цифры противоречат её ожиданиям. Управленческая задача состоит в том, чтобы отличить ошибочную стратегию от временного падения, вызванного непривычностью интерфейса или исправимыми дефектами нового опыта. Именно этот момент определяет, будет ли продукт немедленно откатан или получит время на доработку.
После фундаментального редизайна мобильного YouTube команда столкнулась с резким падением watch time — примерно на 10–15%. На следующий день после запуска руководители увидели отрицательную динамику, а CEO Google Ларри Пейдж потребовал объяснений и предложил откатить изменения. Андрей Дороничев описывает ситуацию как ожидаемо болезненную: до запуска он предупреждал команду, что будет негативная реакция пользователей, давление внутри компании и критика в прессе и Twitter.
Ключевую роль в управлении кризисом сыграла позиция непосредственного руководителя Андрея, CEO YouTube. Он не согласился на моментальный откат. Вместо этого он объяснил Ларри Пейджу, что команда совершила большую прорывную перемену, у которой есть логика долгосрочного роста: новый продукт должен приводить к более высокому уровню вовлечённости, хотя в моменте он находится в «корыте разочарования». Руководитель попросил время, чтобы команда смогла понять причину падения и исправить продукт.
Это решение демонстрирует, что управление метриками после запуска требует не слепой защиты первоначальной идеи, а способности удержать пространство для диагностики. Если бы компания автоматически откатила релиз в момент первого негативного сигнала, она могла бы отказаться от перспективного направления из-за проблем внедрения. Но если бы команда игнорировала данные, это также было бы опасно. В данном случае был выбран промежуточный путь: крупную ставку не отменили, но поставили команде короткий и жёсткий срок на поиск причины.
Андрей подчёркивает значение организационной культуры. Для инноваций недостаточно иметь идею и инженеров; необходимо, чтобы в момент провала система не уничтожала проект автоматически. Толерантность к ошибке здесь не означает терпимость к плохим результатам без действий. Она означает готовность признать, что радикальные изменения могут сначала ухудшать показатели, и дать команде возможность быстро проверить, является ли это временной проблемой или фундаментальным провалом гипотезы.
В более широком контексте беседы этот пример переносится на жизненные изменения. После эмиграции, смены профессии, увольнения или другого «прыжка веры» человек может сначала оказаться в худшей точке, чем был до него. Первое разочарование не обязательно означает, что решение было ошибочным. Однако оно требует не пассивного ожидания, а быстрой и системной работы: понять, что именно не работает, какие привычки или условия мешают адаптации, что можно скорректировать, а чему надо дать время.
После того как watch time в обновлённом мобильном YouTube упал на 10–15%, команде дали примерно неделю на поиск решения. Андрей Дороничев описывает этот период как режим максимальной мобилизации: команда начала быстро проверять множество гипотез, тестировать разные изменения и искать конкретный механизм, из-за которого новая версия продукта стала хуже удерживать пользователей.
По его словам, за неделю команда попробовала около пятидесяти различных вариантов. Это важная деталь: после крупного необратимого запуска работа не свелась к спору о том, хорош ли редизайн в целом. Команда разложила проблему на множество более мелких вопросов и перешла к серии быстрых проверок. Такой подход позволяет не делать вывод из одной общей метрики, а искать конкретную точку, где новый пользовательский путь нарушается.
Причина в итоге оказалась сравнительно простой. В старой версии приложения пользователи могли горизонтальными свайпами переходить между вкладками: например, от комментариев к рекомендованным видео. После появления механики минимизации плеера горизонтальный жест понадобился для другой функции — сворачивания видео. Кроме того, в новом дизайне по умолчанию отображались комментарии, тогда как рекомендации перестали быть так же заметны. Пользователи хуже находили следующие видео, а значит, меньше продолжали просмотр.
Этот случай показывает, что падение ключевой метрики может быть связано не с центральной инновацией, ради которой запускался редизайн. Функция picture-in-picture и новая архитектура могли быть стратегически верными, но один изменённый жест и новая стартовая вкладка нарушили привычный путь к рекомендациям. Проблема лежала не на уровне общего замысла, а на уровне конкретного поведения пользователя внутри интерфейса.
Андрей связывает этот опыт с необходимостью сочетать прорывную инновацию и continuous innovation. Большой скачок был сделан — приложение фундаментально изменили. Но дальше требовалась серия мелких, быстрых и точных улучшений, чтобы продукт начал реализовывать заложенную в него ценность. В этом смысле запуск не является финалом разработки: он открывает самый напряжённый этап, когда команда получает реальные сигналы от аудитории и должна быстро превратить их в исправления.
Этот подход также поддерживает мысль Андрея о том, что инновации не являются чистой случайностью. Даже если новая идея требует смелого прыжка, её дальнейшая судьба зависит от наличия процессов, команды, скорости реакции и способности быстро учиться на данных. Успешный запуск — не отсутствие падений, а умение не разрушить стратегическую ставку из-за первых трудностей и одновременно не игнорировать конкретные ошибки, которые можно устранить.
Андрей Дороничев использует хайп-цикл как модель того, как общество переживает появление новых технологий. По его описанию, сначала возникает «пик завышенных ожиданий»: после появления AI создаётся ощущение, что уже через короткое время технология заменит всех людей, полностью автоматизирует работу и решит все ключевые проблемы. В этой фазе ожидания опережают реальную зрелость инструмента и способность организаций внедрять его в процессы.
После пика, по словам Андрея, наступает «корыто разочарования». Люди сталкиваются с реальными ограничениями технологии, сложностями интеграции, ошибками моделей, стоимостью инфраструктуры и неочевидностью бизнес-эффекта. Тогда настроение может резко меняться в противоположную сторону: появляются заявления, что технология была лишь хайпом, не работает и не имеет будущего. В качестве похожего цикла он упоминает биткоин, который уже проходил через периоды бурного энтузиазма и последующего разочарования.
Андрей связывает эту общественную динамику с историей редизайна YouTube. После большого запуска команда сразу попала в «корыто разочарования»: новая продуктовая логика обещала более высокий потенциал, но на первом этапе метрики ухудшились. Важно, что это понятие не используется как оправдание любого провала. Оно описывает предсказуемый период, в котором новая система ещё не реализовала свой потенциал, а прежние привычки и несовершенные детали мешают пользователям принять изменение.
Особый акцент Андрей делает на том, что хайп-цикл применим не только к технологиям и рынкам, но и к личным переменам. Когда человек переезжает в другую страну, меняет профессию или начинает новую жизнь, он тоже может пережить пик завышенных ожиданий: сначала всё кажется освобождающим, красивым и правильным. Затем приходит период, когда исчезает новизна, появляются одиночество, языковые трудности, бытовые проблемы, падение статуса или ощущение, что раньше было лучше.
В такой трактовке «корыто разочарования» становится психологической фазой адаптации. Если человек не знает, что она вероятна, он может решить, что сам переход был ошибкой, и быстро вернуться назад. Поэтому Андрей считает важным заранее готовить себя к этой эмоциональной траектории. Осведомлённость не отменяет трудности, но помогает не интерпретировать естественное ухудшение состояния как окончательный доказательство того, что новая технология, новый продукт или новая жизнь не имеют смысла.
Андрей Дороничев прямо переносит модель хайп-цикла на опыт эмиграции и крупных жизненных изменений. Он говорит, что при переезде человек может сначала пережить пик завышенных ожиданий. В качестве личного примера он вспоминает свой переезд в Прагу перед Рождеством: снег, новизна, ощущение, что всё прекрасно. Это эмоциональный подъём начала перемены, когда новая среда кажется почти автоматически лучшей, чем прежняя жизнь.
Однако после этого приходит другая фаза. Андрей описывает состояние, в котором человек спрашивает себя: «Блин, а что я здесь вообще делаю? У меня нет никаких друзей, на языке я не говорю, всё плохо, всё сильно хуже, чем там, откуда я приехал. Зачем я это вообще сделал?» В этом переживании эмиграция уже не выглядит романтическим началом. На первый план выходят утрата привычного окружения, невозможность свободно общаться, потеря ориентиров и снижение качества повседневной жизни.
Для Андрея важно, что эта фаза не обязательно означает ошибочность самого решения о переезде. Она может быть закономерной частью адаптации к новой системе. Как и в продуктовом редизайне, новая среда поначалу может давать худший пользовательский опыт, потому что человек ещё не освоил её правила, не построил связи и не научился пользоваться новыми возможностями. Прежняя жизнь была привычной и оптимизированной, а новая пока остаётся незнакомой.
Эта логика распространяется и на другие изменения: уход из корпорации, смену профессии, запуск бизнеса, отказ от старой идентичности. Сначала возникает воодушевление от свободы и нового выбора, затем — тяжёлый этап, когда прежние гарантии утрачены, а новые ещё не возникли. Андрей считает, что человек должен заранее понимать возможность такого сценария и не принимать поспешных решений исключительно на пике разочарования.
В разговоре этот вывод связан с принципом обратимых и необратимых решений. До радикального шага полезно совершать небольшие, безопасные действия и собирать данные. Но даже после большого решения нельзя ожидать постоянного эмоционального подъёма. Готовность выдерживать ухудшение состояния, корректировать путь и не путать временную адаптационную яму с окончательным провалом становится частью способности к переменам.
Александр Соколовский формулирует вопрос так: «И помяни моё слово: с AI тоже будет. А какое твоё видение, кстати? Сейчас, мне кажется, только ленивый не говорит, что это пузырь. И в целом, по законам физики, как говорится, должно что-то произойти. Потому что то, что мы видим, — это огромное количество компаний с гигантскими оценками, которые не подкреплены реальными метриками и выручками. Ты на это смотришь и понимаешь, что это точно пузырь. Я не говорю “пузырь” в плохом смысле, что это окажется пустышкой. Я в плане того, что этот пузырь должен чуть-чуть лопнуть, чтобы рынок откристаллизовался. Как ты думаешь, в каком виде этот переход может произойти и что мы в этом случае вообще увидим? Какие изменения с точки зрения компаний, структуры этого рынка или ещё чего-то?»
Позиция Андрея Дороничева состоит в том, что AI-рынок действительно имеет признаки пузыря, но сам пузырь не означает, что базовая технология является пустышкой. Он определяет пузырь как маниакальное вливание денег в определённую технологию или рыночный сегмент, основанное на коллективной вере в будущее. В его логике подобные периоды регулярно сопровождают крупные технологические сдвиги: железные дороги, электричество, интернет, а теперь AI.
Андрей разделяет «хорошие» и «плохие» пузыри. Плохим он называет кризис 2008 года, который связывает с финансовыми схемами вокруг деривативов и недвижимости, а не с созданием новой технологической возможности. Хорошие пузыри строятся вокруг реального технологического прорыва, хотя и сопровождаются спекулятивными оценками, потерями капитала и будущими банкротствами части компаний. AI он относит именно к этой категории.
Он не сомневается, что AI является фундаментальной и крайне значимой технологией, способной изменить жизнь людей и будущих поколений. В качестве подтверждения он приводит не абстрактные обещания, а собственный опыт Bioptics: AI помог найти молекулы, которые показали эффект на клетках пациентов. Поэтому возможная финансовая коррекция не отменяет ценности технологии, так же как крах части интернет-компаний не отменил развитие интернета.
При этом Андрей признаёт, что оценки и структура инвестиций вызывают тревогу. Он использует выражение «лёгкий пылесос ликвидности» для описания ситуации, когда крупные AI-компании получают огромные оценки и притягивают капитал. Он также соглашается с наблюдением Александра о циклическом движении денег внутри индустрии: NVIDIA инвестирует в OpenAI, OpenAI затем покупает оборудование NVIDIA, а следующие компании строятся поверх моделей и инфраструктуры. Такая самоподдерживающаяся схема действительно напоминает признаки перегрева.
Однако Андрей указывает на отличие от раннего интернета: многие AI-компании уже имеют реальную выручку и могут быть встроены в существующие продукты с гигантской аудиторией. Он упоминает Cursor как пример компании, возникшей относительно недавно, но уже генерирующей значительный доход. В отличие от эпохи, когда нужно было сначала создать пользователей, сайты, продавцов и новые способы потребления, AI может быть встроен в уже существующие Google Search, Amazon, YouTube и другие сервисы.
Андрей Дороничев рассматривает финансовые пузыри не только как источник потерь, но и как механизм, который позволяет финансировать инфраструктуру в масштабах, недоступных при обычной краткосрочной логике бизнеса. По его словам, чтобы пересадить мир на электрическую тягу, было недостаточно изобрести электричество: требовались электростанции, распределительные сети, линии передачи и огромное количество капитала. Такие проекты могут финансироваться государством либо рынком, переживающим период массовой веры и переоценки будущего.
В качестве исторического примера он приводит железнодорожные пузыри. В период коллективного энтузиазма строилось множество железнодорожных веток, включая те, которые потом оказались ненужными. После краха инвесторы теряли деньги, а часть инфраструктуры оставалась недозагруженной или заброшенной. Но сама логика такова: без чрезмерного оптимизма и избытка капитала было бы значительно сложнее быстро создать базу для масштабной трансформации экономики.
Такую же функцию, по мнению Андрея, выполнил интернет-пузырь. Он подчёркивает, что dot-com bubble был во многом телекоммуникационным пузырём. Значительные инвестиции шли в прокладку оптоволоконных кабелей и сетевую инфраструктуру под предположение, что в будущем появятся миллиарды пользователей, сайтов, продавцов и сервисов. В момент строительства этого будущего спроса ещё не существовало: оптоволокно оставалось «dark fiber» — инфраструктурой, по которой фактически не шёл свет, поскольку не было достаточного числа потребителей и производителей контента.
После обвала часть компаний рухнула, но созданная инфраструктура не исчезла. Позднее именно по этим сетям начали работать сервисы и продукты, ставшие основой цифровой экономики, включая видеостриминг. Андрей обращает внимание, что крупнейшие современные компании — Apple, Google, Amazon, Facebook — начали развиваться до или во время интернет-пузыря. Поэтому ретроспективно крах рынка не отменяет того, что пузырь профинансировал технологическую среду, на которой потом возникла реальная долгосрочная ценность.
По этой логике AI-пузырь может сыграть схожую роль. Для обучения огромных моделей, создания дата-центров, электростанций, систем охлаждения и вычислительных кластеров нужны сотни миллионов и миллиарды долларов. Если каждое такое вложение оценивать только через ближайший квартальный отчёт, многие проекты не были бы профинансированы. Пузырь создаёт условия, в которых рынок готов вкладывать в мощности раньше, чем полностью понятна их будущая окупаемость.
При этом Андрей не утверждает, что все такие инвестиции будут оправданы. Напротив, он ожидает, что существенная часть капитала «превратится в пыль». Но в его интерпретации это не противоречит созданию полезной инфраструктуры: часть компаний, оценок и оборудования может исчезнуть, тогда как энергетические мощности, недвижимость дата-центров, охлаждение и другие базовые элементы останутся основой будущей интеллектуальной инфраструктуры.
Андрей Дороничев помещает AI-бум в длинный ряд технологических циклов, включающих железные дороги, электричество, индустриальную революцию и интернет. Общий паттерн, по его мнению, повторяется: появляется реальная технология с большим трансформационным потенциалом, вокруг неё возникает коллективный оптимизм, в сектор направляются избыточные деньги, оценки растут быстрее устойчивой экономики, затем происходит резкая коррекция. История, как он говорит, не повторяется буквально, но «часто рифмуется».
Сходство AI-бума с интернет-пузырём Андрей видит прежде всего в инфраструктурной природе инвестиций. В эпоху интернета инвесторы финансировали кабели и телекоммуникационные мощности, рассчитывая на будущую массовую цифровую экономику. Сегодня капитал направляется в GPU, дата-центры, энергетику, охлаждение и фундаментальные модели. В обоих случаях рынок финансирует не только текущую выручку, но и предполагаемую инфраструктуру будущего.
Однако Андрей подчёркивает существенное отличие AI от раннего интернета. Во время dot-com bubble инфраструктура часто создавалась для мира, которого ещё не было: не существовало миллиардов пользователей интернета, огромного количества контент-создателей, привычки покупать онлайн и многих бизнес-моделей. Кабели были проложены в ожидании будущего спроса. В AI уже есть действующая цифровая среда: миллиарды пользователей, существующие платформы, огромные объёмы данных и устоявшиеся каналы дистрибуции.
Поэтому AI можно быстрее превратить в полезный слой существующих продуктов. Андрей говорит, что нейросеть можно встроить в уже работающие Amazon, YouTube или Google Search, и она сразу получает доступ к аудитории масштаба миллиардов людей. Это не устраняет риск перегрева, но делает текущую ситуацию менее похожей на строительство полностью пустой инфраструктуры. По его мнению, спрос на вычисления сейчас также более непосредственный: GPU, которые подключаются к дата-центрам, не простаивают, а быстро находят применение из-за высокого спроса.
В то же время он признаёт важное различие между оптоволокном и вычислительным оборудованием. Кабель, проложенный во времена интернет-пузыря, продолжает передавать данные десятилетиями. GPU, купленный сегодня за сотни тысяч долларов, по его выражению, может быстро устареть и через короткое время превратиться в «мусор». Это делает AI-инфраструктуру более капиталоёмкой и зависимой от быстрого технологического обновления. Но Андрей отмечает, что вокруг GPU существует множество долговечных компонентов: здания дата-центров, охлаждение, энергетическая инфраструктура и электростанции.
Сравнение с индустриальными циклами позволяет Андрею сформулировать долгосрочную позицию. Он ожидает, что рыночная коррекция неизбежна, но рассматривает её как шум на горизонте десятилетий, если базовая вера в технологию остаётся неизменной. Его основной тезис — AI увеличивает потенциал человечества к созданию ценности. Если этот тезис верен, то будущие колебания котировок и даже глубокий обвал не отменят направление движения.
Андрей Дороничев предполагает, что возможный крах или коррекция AI-рынка не уничтожит все последствия текущего инвестиционного бума. Напротив, даже если значительная часть оценок окажется завышенной, останется материальная инфраструктура, созданная на деньги периода ажиотажа. Он относит к ней дата-центры, системы охлаждения, электростанции, энергетические мощности и недвижимость, необходимую для размещения вычислительных ресурсов.
В беседе ранее Андрей описывает AI-цепочку как последовательность уровней: сначала производство энергии, затем чипы, затем дата-центры, провайдеры фундаментальных моделей и, наконец, прикладные решения. Уже на первом уровне он видит изменения: рост интереса к ядерной энергетике, частным электростанциям, попыткам строить дата-центры в космосе ради доступа к солнечной энергии и охлаждения. AI, по его формулировке, превращает электричество в интеллект, поэтому доступ к энергии становится одним из узких мест новой экономики.
Особое значение он придаёт тому, что инфраструктура может пережить компании, которые её финансировали или использовали. Аналогия с интернет-пузырём строится именно на этом: часть телеком-компаний исчезла, но проложенное ими оптоволокно стало основой будущих сервисов. В AI аналогичным долгосрочным активом могут стать не обязательно сами сегодняшние модели или GPU, а физическая среда, позволяющая будущим поколениям моделей работать: электросети, охлаждение, земельные участки, здания, дата-центры и выстроенные цепочки поставок.
В то же время Андрей признаёт, что не вся инфраструктура одинаково устойчива. GPU быстро обесцениваются, поскольку новые поколения чипов могут резко превосходить предыдущие. Поэтому часть капитала действительно может быть потеряна в оборудовании, которое не успеет окупиться. Но он не сводит AI-бум к такой технике: вокруг чипов формируется гораздо более широкий набор активов, которые рассчитаны на длительный срок.
В этой перспективе возможный пузырь имеет двойственное последствие. Для инвесторов и отдельных компаний он может означать болезненные списания, падение оценок, закрытие проектов и потери. Для технологической системы в целом он может создать избыточные мощности, которые позднее станут дешевле и доступнее для новых игроков. В разговоре это не описывается как гарантированный позитивный исход, но как исторически знакомый механизм: финансовый перегрев способен оставить после себя базу для следующей стадии реального развития технологии.
Александр Соколовский обращает внимание на замкнутую логику части AI-финансирования: «Но самое стрёмное даже не то, что в будущем, а то, что эти деньги по кругу гоняются. NVIDIA инвестирует в OpenAI, чтобы OpenAI у NVIDIA купила». Андрей Дороничев соглашается: «Да, да, да. Ну серьёзно, это кроме шуток так». В их разговоре такая циркуляция капитала рассматривается как один из наиболее явных признаков перегрева рынка.
Схема устроена так, что поставщики инфраструктуры инвестируют в компании, которые затем покупают у них инфраструктурные ресурсы. Производители чипов и вычислительных мощностей получают спрос со стороны разработчиков моделей, а разработчики моделей, в свою очередь, получают инвестиции и повышают свои оценки. Поверх них возникают прикладные компании, использующие модели, и цепочка продолжает расширяться. Андрей с иронией замечает, что затем «Cursor получает» от модели, а вся система начинает самораскручиваться.
Опасность этой конструкции состоит в том, что часть спроса может поддерживаться не только конечной экономической ценностью, но и взаимным финансированием участников. Деньги инвестора превращаются в закупку GPU, выручка поставщика оборудования поддерживает его капитализацию, а высокая капитализация позволяет делать новые инвестиции в следующий слой рынка. Внешне это создаёт ускоряющийся рост, но при изменении ожиданий такая система может быстро потерять устойчивость.
При этом Андрей не делает из этого вывод, что AI-индустрия представляет собой исключительно финансовую пирамиду. Он подчёркивает различие между замкнутыми потоками капитала и реальными технологическими результатами. В рамках текущего бума, по его словам, создаются инструменты, которые раньше были невозможны: модели находят применение в существующих продуктах, а в случае Bioptics AI помог получить конкретный биологический результат — молекулы, показавшие защитный нейронный эффект в клеточной модели пациента.
Таким образом, циркуляция инвестиций является для Андрея одновременно тревожным сигналом и частью более сложной картины. Она подтверждает наличие пузыря и вероятность будущей коррекции, но не опровергает фундаментальную полезность создаваемой технологии. В его позиции необходимо разделять две вещи: финансовая структура рынка может быть нестабильной, а технологический прогресс — реальным. Поэтому возможный обвал способен разрушить отдельные оценки и инвестиционные конструкции, но не обязательно остановит развитие AI как базовой инфраструктуры и прикладного инструмента.
Александр Соколовский формулирует вопрос так: «Что, на твой взгляд, может стать вот этим катализатором? Что должно в этой математической модели сломаться?» Вопрос возникает после обсуждения признаков перегрева AI-рынка: высоких оценок компаний, масштабных расходов на дата-центры, GPU и энергетику, а также циркуляции денег между участниками одной экосистемы — когда, например, поставщик инфраструктуры инвестирует в разработчика моделей, а тот затем закупает у него мощности.
Андрей Дороничев не берётся назвать конкретный катализатор и прямо подчёркивает, что «никто толком не знает». Его позиция состоит в том, что рынок невозможно надёжно предсказать именно потому, что при наличии предсказуемого момента коррекции он уже был бы учтён участниками рынка. Он приводит историческую аналогию: «история никогда не повторяется, но часто рифмуется», то есть следующая коррекция, по его мнению, будет иметь знакомую логику, но не обязательно повторит сценарии прошлых кризисов.
В качестве возможных источников напряжения Дороничев рассматривает волну очень крупных IPO. Он говорит, что делал ставку на то, что рынок может не «проглотить» несколько триллионных размещений таких компаний, как SpaceX, Anthropic и OpenAI. В его логике крупное IPO может стать не причиной проблем само по себе, а символическим или фактическим моментом, в котором рынок начнёт переоценивать способность финансировать одновременно множество сверхдорогих компаний. Он отдельно замечает, что SpaceX пока не стал таким триггером, но считает, что совокупность будущих размещений Anthropic и OpenAI может создать серьёзное давление.
Дороничев также указывает на возможность внезапного разочарования в финансовых показателях. В разговоре Соколовский приводит пример MicroStrategy, где пересмотр отчётности и ухудшение цифр, по его мнению, стали катализатором обвала. Дороничев соглашается с общей логикой: вероятен не заранее известный макроэкономический сценарий, а какое-то событие, которое ретроспективно будет выглядеть как «соломинка, сломавшая спину верблюда». Таким событием может стать пересмотр ожиданий, отчётность, осознание несоответствия между оценками и экономикой отдельных компаний либо потеря доверия к устойчивости цепочки финансирования.
При этом Дороничев не трактует возможную коррекцию как опровержение ценности AI. Для него важнее разделять колебания рынка и фундаментальный технологический тезис. Он признаёт, что часть денег «в какой-то момент превратится в пыль», а оценки могут резко снизиться, но считает такие движения шумом в масштабе десятилетий. Его вывод: момент обвала и глубину падения предсказать нельзя, однако сам факт коррекции он считает практически неизбежным следствием текущего перегрева и концентрации капитала вокруг AI.
Долгосрочная позиция Андрея Дороничева предельно определённа: он не сомневается, что AI является «самой прорывной технологией за нашу историю» и изменит в лучшую сторону жизнь нынешних поколений, их детей и внуков. Это убеждение не отменяет его признания того, что текущий рынок содержит признаки пузыря. Напротив, он считает, что масштабный финансовый перегрев может быть частью механизма, через который общество финансирует строительство инфраструктуры для радикальной технологической трансформации.
Дороничев различает «плохие» и «хорошие» пузыри. Под плохим пузырём он понимает ситуацию, где финансовые конструкции не создают технологического прорыва, и в качестве примера называет кризис 2008 года, связанный с недвижимостью и деривативами. Текущий AI-цикл он считает «хорошим пузырём», потому что за высокими оценками и агрессивным привлечением денег, по его мнению, стоит реальная технология, уже способная делать ранее недоступные вещи. В качестве практического доказательства он приводит работу Bioptics и Стэнфорда: AI-система компании нашла молекулы, которые показали активность на клетках пациентов и стали предметом патента и научной публикации.
Исторической опорой для этого тезиса служит сравнение с интернет-пузырём. Дороничев напоминает, что во время dot-com bubble создавалась телекоммуникационная инфраструктура для будущего спроса: прокладывались оптоволоконные кабели, хотя тогда ещё не существовало достаточного числа пользователей, создателей контента, интернет-магазинов и сервисов доставки. Значительная часть этой инфраструктуры долго оставалась «Dark Fiber», то есть фактически неиспользуемым оптоволокном. Пузырь лопнул, компании потеряли в стоимости, но сами кабели остались и позднее стали базой для интернет-сервисов, включая видеостриминг.
Текущий AI-цикл, по мнению Дороничева, отличается от раннего интернета тем, что AI встраивается в уже существующую цифровую среду. Не нужно отдельно создавать миллиарды пользователей, новые устройства доступа или базовую интернет-аудиторию: модели можно сразу интегрировать в Google Search, Amazon, YouTube и другие действующие сервисы. Поэтому он считает, что AI-компании не просто строят инфраструктуру под гипотетический спрос, а получают возможность быстро подключать технологию к существующей базе пользователей и действующим бизнес-процессам.
Одновременно Дороничев признаёт уязвимость текущей модели: GPU быстро устаревают, и дорогостоящее оборудование может терять ценность значительно быстрее, чем оптоволоконные сети. Однако он считает, что AI-инвестиции не сводятся к GPU. В них входят дата-центры, недвижимость, охлаждение, электрификация и энергетические мощности. Именно эти элементы он считает долгосрочными активами, которые переживут возможный спад. Даже если часть капитала будет потеряна, останутся дата-центры, системы охлаждения и электростанции, на которых будет работать «интеллектуальная инфраструктура будущего».
Таким образом, долгосрочный взгляд Дороничева построен на разграничении двух уровней. На краткосрочном уровне он ожидает волатильность, завышенные оценки и возможный обвал. На долгосрочном уровне он видит AI как фундаментальное изменение способности человечества создавать ценность. Если сохранять верность этому базовому тезису, то падения акций и локальные рыночные провалы выглядят для него не определяющими событиями, а временными колебаниями вокруг более крупного технологического перехода.
Александр Соколовский задаёт переходу Андрея Дороничева в новую сферу следующий вопрос: «Что меня зацепило конкретно в твоём кейсе: ты никоим образом до этого не был связан ни с медициной, ни с чем подобным. И здесь очень тонкий момент. Когда ты говоришь про какую-то социальную платформу, ты всё равно пользователь, ты человек, ты понимаешь, как примерно это должно быть на уровне ощущений. Ты примерно понимаешь, хороший дизайнер или плохой дизайнер, если у тебя есть чувство вкуса. Здесь, когда ты приходишь, это абсолютно новые вводные данные. Не разбираясь в которых, я, например, не могу представить, как можно нанять человека, если ты не можешь оценить, хороший это специалист в данной области или нет. Как это произошло? Как произошла быстрая адаптация? Это какие-то правильные партнёры, которые закрывают этот блок, или как это у тебя работает?»
Дороничев отвечает на этот вопрос через идею «перепридумывания» себя. Он подчёркивает, что речь идёт не о смене должности внутри привычного поля, а о создании новой версии человека, который способен думать и действовать так, как раньше ему казалось невозможным. Для него переход в биотехнологии означает выход из сферы развлечений, контентных платформ и цифровых продуктов — областей, которыми он занимался большую часть карьеры, — в область здоровья, химии, биологии и фармацевтики.
Внутренней причиной такого перехода стала смена мотивации. Дороничев говорит, что ранее его привлекали контент, самовыражение, распространение информации и свобода слова. Но со временем он почувствовал, что этот набор задач больше не даёт ему прежнего драйва. Кроме того, он разочаровался в части последствий социальных платформ: по его словам, то, что виделось инфраструктурой свободы, в ряде стран стало инфраструктурой репрессий. В отличие от этого, проблема здоровья стала для него фундаментально важной и, по его словам, будет волновать его с возрастом всё сильнее.
Переход не начинался с готовой компетенции или уверенности в том, что команда сможет сразу работать в life sciences. Он начинался с вопроса о том, зачем вообще проходить через сложность обучения и профессиональной перестройки. Дороничев считает, что сначала должна появиться сильная причина: понимание того, ради чего человек готов терпеть неопределённость, осваивать незнакомый язык и сталкиваться с тем, что в новой среде его не воспринимают как признанного эксперта. Для него такой причиной стало стремление использовать AI для помощи в борьбе с заболеваниями.
В его описании сам переход состоит из нескольких взаимосвязанных стадий, но не выглядит как одномоментный поворот. Сначала формируется видение новой профессиональной идентичности, затем создаётся среда из людей и процессов, после чего совершаются безопасные эксперименты. Лишь накопив знания, контакты и первые подтверждения гипотез, команда Bioptics пошла на необратимый шаг: отделила прежнее направление AINote, приносившее выручку за счёт аутентификации цифрового контента, в самостоятельную компанию и сфокусировалась на биологии.
Дороничев не скрывает, что в новой области его статус резко снизился. В технологической среде его имя и опыт открывали двери, а в биотехнологиях, по его словам, он мог прийти к учёному и услышать: «Кто ты? Где у тебя... Откуда ты? Ты, мальчик, вообще что здесь делаешь?» Однако именно это он считает неизбежной ценой профессиональной трансформации. Человек «приземляется ниже», чем был, но затем постепенно наращивает новые компетенции, связи и доверие. В результате переход из технологических продуктов в биотехнологии у Дороничева представлен не как случайная смена индустрии, а как осознанный процесс смены личной миссии, профессионального языка, окружения и способа создавать ценность.
В ответ на вопрос Александра Соколовского о быстрой адаптации к совершенно незнакомой предметной области Андрей Дороничев описывает освоение биотехнологий как системный, а не индивидуально-героический процесс. Его ключевая мысль заключается в том, что невозможно просто «самому себя» превратить в специалиста усилием воли. Вместо этого нужно построить внешнюю систему, которая начнёт менять человека: окружение, повторяющиеся практики, инструменты обучения и безопасные эксперименты.
Первым условием Дороничев называет наличие сильного личного смысла. В его случае это не абстрактное желание войти в перспективный рынок, а интерес к проблемам здоровья и лечению заболеваний. Он считает, что без такой причины человек не выдержит объём сложностей, связанных с освоением новой области. Нужна не только рациональная оценка рынка, но и ответ на вопрос, ради чего изучать химию, биологию, фармацевтическую разработку, читать статьи и общаться с людьми, чьей терминологии сначала не понимаешь.
После появления этого мотива Дороничев предлагает формировать «видение» новой версии себя. В его примере это было видение себя как человека, способного работать в биотехнологиях и даже стать соавтором статьи в журнале Cell. Важна не гарантия того, что такое видение сбудется, а направление, которое оно задаёт. Оно помогает превращать большую и пугающую цель в последовательность действий: участвовать в профессиональном сообществе, учиться с нуля, разбирать научные материалы, нанимать людей, пробовать технологии на ограниченных задачах.
Существенную роль в его подходе играет постепенное расширение способности понимать предметную область. Дороничев не заявляет, что за год стал учёным в полном смысле слова. Он говорит о более реалистичном результате: команда прошла путь от непонимания базовой терминологии до способности вести содержательный разговор с учёными, задавать адекватные вопросы, ориентироваться в структуре знаний и глубоко разбираться в собственной узкой области. Эта разница важна: освоение нового домена не означает мгновенно стать экспертом во всём, но означает обрести достаточную компетентность для действий, партнёрств, найма и принятия решений.
Обучение у Дороничева тесно связано с действием. Команда не ограничилась чтением или лекциями, а начала с небольших практических проб: в частности, участвовала в соревновании по предсказанию функции белка. Этот шаг почти ничего не стоил, но позволил получить первый опыт применения технологических навыков в биологическом контексте. Через такие обратимые решения накапливаются данные, после чего можно переходить к более дорогим и рискованным действиям.
В результате освоение новой области в его трактовке строится не на единственном партнёре, который «закрывает» недостаток экспертизы, а на создании полноценной среды обучения. В ней присутствуют учёные, коллеги, наставники, специализированные инструменты, ежедневное чтение и слушание материалов, а также реальные задачи. Такая система позволяет не просто получить знания, а постепенно изменить собственную профессиональную идентичность и способность действовать в новом домене.
Biotech Barbecue в рассказе Андрея Дороничева — это неформальное сообщество, с которого начался практический вход его команды в биотехнологии. Инициатором был его сооснователь Рома: он создал в Сан-Франциско чат под названием Biotech Barbecue и добавил туда двух или трёх знакомых учёных. Первоначальная идея была намеренно простой: собраться во дворе, приготовить барбекю и хотя бы услышать, какими словами и в каких категориях мыслят специалисты из life sciences.
Этот стартовый формат подчёркивает глубину первоначального незнания. Дороничев вспоминает, что на первых встречах учёные обсуждали антитела, программы и другие профессиональные темы, а он почти ничего не понимал. Его реакцией было не притворное ощущение компетентности, а осознание масштаба дистанции: он не понимал, как можно заниматься этим направлением, учиться в нём и тем более нанимать людей, когда базовый язык профессии воспринимается как «дичайший язык».
Однако именно регулярность встреч превратила первоначальную растерянность в механизм обучения. Дороничев описывает динамику: первое барбекю — около трёх участников, второе через две недели — уже примерно пятнадцать, затем сообщество выросло до чата на 150 человек. По его оценке, это мог быть крупнейший русскоязычный life science-чат в Америке. Важен не формальный статус этого сообщества, а его функция: оно постепенно погружало участников в профессиональный контекст и давало возможность учиться через живое общение.
Biotech Barbecue помогал не только получать знания, но и строить профессиональную карту новой индустрии. Через разговоры с учёными становилось понятнее, из каких сегментов состоит биология и фармацевтика, какие существуют роли, темы, компетенции и способы постановки задач. Дороничев подчёркивает, что вначале речь шла хотя бы о способности сегментировать область в голове: не знать всё, но начать различать её составные части и понимать, о чём следует спрашивать.
Этот пример поддерживает более общий тезис Дороничева о профессиональной трансформации. Новая идентичность строится не только через внутреннее решение «стать биотехнологом», а через создание внешней среды, которая постепенно меняет способ мышления и уровень компетенции. Неформальный формат барбекю оказался важен именно потому, что снижал барьер входа: вместо попытки сразу стать признанным учёным можно было начать с разговора, любопытства и повторяющегося контакта с людьми из новой сферы.
Андрей Дороничев рассматривает современные инструменты обучения как способ резко сократить входной барьер в сложную научную область. По его словам, с YouTube и ChatGPT «научиться можно чему угодно» в том смысле, что доступ к базовому образовательному материалу больше не ограничен университетом, местом жительства или формальным статусом. Он подчёркивает, что в открытом доступе есть лекции MIT и Гарварда по молекулярной биологии, которые можно слушать бесплатно.
Роль YouTube в его модели — дать доступ к знаниям тех же преподавателей, которые обучают будущих специалистов высокого уровня. Но сам по себе видеоконтент не решает проблему понимания. Поэтому Дороничев выделяет роль ChatGPT как инструмента сопровождения обучения. По его описанию, модель может разъяснять сложные темы, помогать формулировать вопросы, структурировать информацию и направлять дальнейшее исследование: подсказать, к кому обратиться, какое видео посмотреть или какие темы изучить дальше.
При этом его подход не сводится к самостоятельному обучению через цифровые сервисы. Команда Bioptics наняла репетитора — учёного, преподавателя, химика и биолога, который системно обучал всю команду. Обучение было выстроено как последовательный курс, начинавшийся с базового школьного уровня и доходивший до тем генной терапии. Такой выбор показывает, что даже при доступности ChatGPT и лекций Дороничев видел необходимость в наставнике, способном задать траекторию, поддерживать дисциплину и последовательно связывать знания.
Содержание этого курса строилось от основ к более сложным уровням биологии. Команда изучала, как атомы образуют молекулы, как молекулы формируют клетки, что происходит внутри клеток, как клетки образуют ткани, ткани — органы, а органы — живое существо. Для Дороничева это была попытка не выучить отдельные термины ради терминов, а собрать связную картину предметной области, которая позволила бы понимать место конкретных задач AI в биологии.
Научные статьи занимали отдельное место в его обучении. Дороничев рассказывает, что ежедневно в машине слушал в аудиоформате современные papers по AI в биологии. Здесь важна не разовая интенсивность, а накопительный характер практики: одна статья в день, несколько занятий в неделю, постоянное возвращение к предмету. Он сопоставляет это с постепенным наращиванием спортивной формы: невозможно за один день оказаться на профессиональном уровне, но систематические малые шаги за год дают качественно другой результат.
Таким образом, в описанной модели YouTube даёт широкий доступ к учебному материалу, ChatGPT помогает разбирать и структурировать его, научные статьи обеспечивают связь с актуальной исследовательской повесткой, а репетитор превращает разрозненное потребление информации в управляемый учебный процесс. Их сочетание позволяет человеку без исходного профильного образования стать компетентным участником профессионального разговора и начать действовать в конкретной узкой области.
Вопрос о найме в незнакомом домене для Александра Соколовского является одним из центральных сомнений: если основатель не разбирается в медицине или биологии, как он может оценить, действительно ли перед ним сильный специалист. Андрей Дороничев отвечает, что эта проблема реальна, но не уникальна для биотехнологий. По его мнению, лидер компании в принципе должен уметь нанимать людей в областях, где он сам не является предметным экспертом.
Дороничев не предлагает магического способа заменить глубокую экспертизу. Вместо этого он говорит о сочетании доступных управленческих инструментов. Он упоминает проверку рекомендаций, «vibe check» и оценку того, насколько человек способен разговаривать с командой на одном языке. В его логике важны не только технические знания кандидата, но и лидерские качества, культурная совместимость, ясность мышления и способность встроиться в систему компании.
Существенную роль играет и постепенное повышение базовой компетенции самого основателя. До начала биотехнологического направления Дороничев и его команда не понимали даже значительной части профессиональной терминологии. Однако через общение с учёными, лекции, наставника и научные материалы они приобрели достаточный уровень, чтобы хотя бы понимать контекст, задавать содержательные вопросы и замечать, насколько кандидат способен объяснить свою работу. Это не делает основателя равным профильному учёному, но уменьшает асимметрию информации.
Дороничев связывает найм со строительством системы, а не с одиночным решением. Первый учёный в компании становится одним из элементов такой системы, наряду с профессиональным сообществом, внешними партнёрами, учебными процессами и доступом к знаниям. В этой конструкции правильность найма подтверждается не только интервью, но и тем, как человек действует в реальной работе, взаимодействует с остальными участниками и помогает компании двигаться в выбранной области.
Важно, что Дороничев признаёт неизбежную уязвимость такой позиции. Переходя в биотехнологии, он не мог использовать прежний авторитет из YouTube и Google как замену научной репутации. В новой среде ему приходилось начинать с более низкой позиции. Но именно поэтому он делает акцент на универсальных навыках лидера: строить отношения, собирать референсы, видеть способность человека сотрудничать, формировать процессы и постепенно повышать качество собственных решений за счёт обучения и окружения.
Андрей Дороничев формулирует свой подход к переменам через принцип: человек не перепридумывает жизнь или профессиональную роль «изнутри себя» в изоляции, а строит систему вокруг себя. Эта система включает людей, привычки, ритуалы, процессы и условия, в которые человек помещает себя. После этого уже система начинает менять его поведение, знания и траекторию. Он сравнивает попытку изменить себя без внешней опоры с попыткой вытащить себя за волосы из болота.
В профессиональном переходе в биотехнологии эта логика проявилась буквально. Команда начала формировать окружение из учёных через Biotech Barbecue, затем добавила системное обучение с преподавателем, использовала YouTube, ChatGPT и статьи, начала решать практические задачи и искать партнёров для синтеза и тестирования молекул. Каждый элемент по отдельности не делал технологическую команду биотехнологической компанией, но в совокупности они создавали среду, в которой новая экспертиза могла возникнуть.
Для Дороничева люди в этой системе не являются только источником найма. Они создают язык, стандарты, обратную связь и доступ к профессиональному мышлению. Общение с учёными помогает понять, как устроена область; преподаватель даёт последовательную образовательную рамку; партнёры позволяют проверить результаты в реальных экспериментах; новые сотрудники добавляют компетенции, которых прежде у команды не было. Через это первоначально внешняя система постепенно становится частью самой компании.
Процессы нужны для того, чтобы изменения не оставались случайными. Дороничев описывает ежедневное прослушивание статей, регулярное обучение, повторяющиеся встречи с сообществом, последовательные эксперименты и переход от обратимых решений к необратимым. В этом смысле процесс — это способ работать с неопределённостью не через хаотический рывок, а через накопление данных и опыта. Он не исключает роль случайности, но считает, что готовность использовать случайную возможность создаётся заранее.
Эта же логика распространяется у Дороничева и на организационную трансформацию. Когда Bioptics решила сосредоточиться на биологии, недостаточно было объявить новую стратегию. Потребовалось отделить прежнее направление, назначить отдельного CEO, сформировать новую команду, найти научных партнёров, создать продукт и выстроить отношения с фармой. Профессиональная трансформация основателя и трансформация компании в его рассказе происходят параллельно: обе требуют не единичного решения, а архитектуры из людей, ролей, знаний и повторяемых действий.
Андрей Дороничев использует модель Amazon с «двусторонними» и «односторонними» дверями для описания того, как компания готовилась к переходу в биотехнологии. Решения с обратным ходом можно принимать быстрее, потому что их можно отменить или скорректировать. Решения с необратимыми последствиями требуют большего количества данных и подготовки. В его представлении радикальная смена фокуса должна быть не импульсивным отказом от прошлого, а итогом серии безопасных проверок.
Для Bioptics одним из таких первых шагов стало участие в соревновании по protein function prediction — предсказанию функции белка. Сооснователь компании попробовал решить эту задачу, получил некоторый результат, и команда восприняла это как сигнал к дальнейшему исследованию направления. Дороничев подчёркивает, что этот шаг почти ничего не стоил. Его ценность была не в немедленной монетизации, а в получении первого практического опыта и проверке того, способна ли технологическая команда применить свои навыки к биологической задаче.
Другим безопасным шагом стало создание профессионального окружения через Biotech Barbecue. Вместо немедленного найма большой научной команды или закрытия существующего бизнеса команда начала с разговоров с несколькими учёными. Это дало возможность постепенно освоить язык новой области, понять её внутреннюю структуру и увидеть, насколько интерес к биотехнологиям выдерживает столкновение с реальной сложностью предмета.
Безопасные эксперименты продолжились в системном обучении и изучении актуальных работ по AI в биологии. Дороничев описывает этот период как последовательное накопление компетенции: чтение и слушание статей, занятия с преподавателем, знакомство с фундаментальными принципами химии и биологии. Такой путь позволял проверять не только технологическую гипотезу, но и способность самой команды переучиваться и работать в новой среде.
После серии таких обратимых шагов наступил момент необратимого решения. Bioptics отделила направление AINote, связанное с аутентификацией цифрового контента и приносившее выручку, в самостоятельную компанию с отдельным CEO и инвесторами. Сама Bioptics стала фокусироваться на биологии. Дороничев описывает этот шаг как «прыжок веры»: компания отказалась от более понятного источника дохода и оказалась в ситуации, где ещё не было ни выручки, ни клиентов, ни признания со стороны научного рынка.
Главный смысл этого подхода — не избегать риска, а управлять последовательностью рисков. Сначала команда собирает знания и сигналы через дешёвые, обратимые действия. Затем, когда появляется достаточно оснований, принимает дорогое и трудное решение. В контексте Bioptics безопасные эксперименты стали мостом между прежней технологической компанией и новой биотехнологической специализацией.
Отвечая на вопрос Александра Соколовского о текущих чекпоинтах компании помимо научных публикаций и миссии, Андрей Дороничев называет главным показателем использование продукта. Для Bioptics в текущей стадии важнее не только наличие интеллектуальной собственности или исследовательских результатов, но и то, насколько активно фармацевтические компании применяют AI-агента в своих рабочих процессах.
Дороничев описывает исходную точку: в конце прошлого года у компании был один внешний фармацевтический клиент в новой модели автоматизации фармы при помощи AI. При этом у Bioptics уже были партнёры, с которыми синтезировались молекулы и заключались крупные контракты, но именно AI-агент как продукт для регулярного использования в фармацевтических операциях находился на раннем этапе коммерциализации. К декабрю команда доработала агента так, чтобы открыть его большему числу клиентов.
Продуктовая аналогия, которую использует Дороничев, — Cursor или Codex для фармацевтики. Вместо написания программного кода агент работает с задачами фармацевтической отрасли. Ранее он называл среди таких задач competitive intelligence, поиск и скаутинг лекарственных активов, а также другие процессы на стыке науки и бизнеса. Поэтому количество токенов, которые используют клиенты, становится для компании индикатором реальной востребованности и глубины внедрения продукта.
В качестве конкретной динамики Дороничев говорит, что за первый квартал текущего года использование продукта в токенах выросло в семь раз. Для него это важнее абстрактного интереса к AI, потому что отражает повторяющееся взаимодействие клиентов с системой. Он также отслеживает, сколько среди пользователей и клиентов приходится на фармацевтические компании из первой двадцатки, то есть крупнейших игроков Big Pharma.
Отдельно он подчёркивает сложность продаж в отрасли. По его словам, контракт с крупной фармацевтической компанией обычно может согласовываться около двух лет. На этом фоне Bioptics начала переговоры с одной из топ-3 фармкомпаний в ноябре, а уже в феврале подписала с ней контракт. Кроме того, на момент разговора компания находилась на финальной стадии оформления документов со второй фармацевтической компанией. Эти сделки для Дороничева служат подтверждением того, что продукт способен преодолевать высокий барьер внедрения в консервативной и сложной индустрии.
Цель Bioptics на год он формулирует как расширение присутствия среди ключевых игроков Big Pharma и вывод графика использования на экспоненциальную траекторию. При этом Дороничев не утверждает, что уже знает окончательный продуктовый ответ для отрасли. Компания начала с генерации молекул, но обнаружила возможности и на поздних этапах запуска лекарств. Поэтому текущие метрики — клиенты, контракты и токены — нужны не только для оценки выручки, но и для поиска наиболее ценных точек применения AI в фармацевтике.
Андрей Дороничев описывает разработку лекарств как длинную цепочку этапов, каждый из которых отличается по стоимости, срокам и уровню риска. Ранний этап — это поиск первого «хита», активной молекулы, которая взаимодействует с нужной биологической мишенью. Далее начинается оптимизация хита, тестирование на моделях, движение от лабораторных систем к животным и затем к клиническим исследованиям на людях. По его словам, традиционно каждый следующий этап занимает годы и требует всё больших расходов — от миллионов до десятков и сотен миллионов долларов.
На ранних стадиях AI, по позиции Дороничева, уже способен существенно повышать эффективность. Вместо физического перебора молекул в лаборатории можно виртуально сканировать миллиарды вариантов за часы. В кейсе Bioptics модель получает последовательность аминокислот целевого белка, рассматривает огромное пространство потенциально синтезируемых молекул и прогнозирует, какие из них могут быть активны. Именно так в сотрудничестве со Стэнфордом компания получила 53 сгенерированных кандидата, из которых две молекулы оказались активнее лучших известных на тот момент кандидатов для конкретной мишени.
Однако Дороничев не переносит этот оптимизм автоматически на все стадии разработки. Он подчёркивает, что сложность живой клетки огромна, а возможность полноценно симулировать даже одну клетку пока недостижима. Поэтому идея цифрового двойника пациента, на котором можно заменить реальные клинические испытания компьютерной симуляцией, на текущем этапе для него нереализуема. Чем ближе разработка к человеку и реальной биологии, тем меньше индустрия способна заменить физические эксперименты вычислительными методами.
При этом развитие Bioptics показывает, что применение AI не ограничивается ранним поиском молекул. Дороничев говорит, что компания начала именно с молекул, но затем нашла большое количество применений на поздних стадиях вывода лекарств. Он упоминает процессы, связанные с запуском уже почти готового препарата: например, помощь в том, чтобы врачи разобрались с препаратом и начали его назначать. Это расширяет исходную концепцию AI в фарме: технология может создавать ценность не только в лаборатории, но и в сложных операционных, коммерческих и информационных процессах вокруг лекарства.
В более ранней части разговора Дороничев также описывает AI-агента Bioptics для задач конкурентной аналитики и поиска лекарственных активов. Такие процессы находятся на стыке бизнеса и науки, стоят дорого при ручном выполнении и могут быть ускорены за счёт специализированного агента. Поэтому AI в его модели действует вдоль всей фармацевтической цепочки, но неодинаково: на ранних стадиях он помогает искать и оптимизировать молекулы, на более поздних — автоматизировать аналитику, подготовку и внедрение препаратов в существующие процессы.
Ключевой вывод Дороничева состоит в том, что компания пока не фиксирует окончательный ответ, на каком именно участке фармацевтического процесса AI создаст наибольшую ценность. Миссия Bioptics остаётся общей — использовать возможности AI, чтобы помочь человечеству справляться с болезнями, — но практические формы этой миссии могут включать и поиск молекул, и помощь в запуске существующих лекарств, и повышение эффективности клинических или коммерческих процедур.
Александр Соколовский задаёт короткий вопрос: «Что бы ты никогда не доверил технологиям?» Андрей Дороничев отвечает: «Я бы никогда не доверил технологиям интерпретировать мои собственные чувства. Слышать себя должен только ты сам».
Его позиция не сводится к отрицанию полезности технологий вообще. На протяжении разговора Дороничев подробно говорит о возможности использовать AI для обучения, научного поиска, автоматизации фармацевтических процессов и профессиональной трансформации. Однако именно интерпретацию внутреннего эмоционального опыта он считает границей, которую нельзя передавать модели.
В качестве конкретного примера он упоминает знакомых, которые загружают в AI записи с психотерапевтических сессий и получают от системы объяснения того, что они «на самом деле чувствуют». Для Дороничева это неприемлемо. Его формулировка категорична: он «никогда не доверит» это технологиям. Смысл позиции в том, что внешняя система может помогать формулировать вопросы, учиться или структурировать информацию, но не должна становиться окончательным интерпретатором личных переживаний.
Этот ответ согласуется с его собственным опытом депрессии, самоподавления и поисков новой жизненной мотивации, обсуждённым ранее в разговоре. Дороничев много говорит о необходимости слышать себя, замечать внутренний «зов к переменам» и не подменять личное понимание внешними готовыми схемами. Поэтому в его модели технологии могут быть мощным инструментом действия, но не заменой субъектности в вопросе о собственных чувствах и смысле.
Александр Соколовский спрашивает: «А что помогает тебе оставаться любопытным?» Андрей Дороничев отвечает, что воспринимает жизнь как «время, переработанное в ощущения». Для него чувство открытия, новое переживание и детское ощущение «вау» относятся к самым сильным и приятным эмоциям, которые он испытывает.
Любопытство в его трактовке не является дисциплиной, которую нужно искусственно поддерживать через силу. Оно выступает внутренним стремлением пережить контакт с новым — увидеть неизвестное, понять непривычное, испытать новый experience. Именно это, по его словам, отчасти объясняет выбор его профессиональной траектории: от раннего интернета и мобильных продуктов к VR, AI и биотехнологиям.
Этот мотив особенно важен на фоне его описания жизненного кризиса после достижения прежних целей. Когда деньги, статус, безопасность и карьерные достижения перестали давать прежнюю мотивацию, он пытался перейти от голода и страха к любопытству. Однако первоначально этот переход принял у него нездоровую форму — стремление выстроить «идеальную версию» себя через подавление нежелательных частей личности. Позднее он пришёл к более живой версии любопытства: не к самонаказанию ради совершенства, а к интересу к новым возможностям, знаниям и формам действия.
В этом смысле любопытство у Дороничева связано с его личной философией переизобретения себя. Оно помогает выходить за пределы уже освоенной роли, не застывать в статусе эксперта и сохранять готовность начинать в новой области с низкой позиции. Любопытство становится не просто эмоциональной чертой, а источником энергии для длинного процесса обучения, риска и профессиональной трансформации.
На вопрос Александра Соколовского «Какая неудача изменила тебя сильнее всего?» Андрей Дороничев называет непоступление в МГУ. Он описывает этот эпизод как крупнейший провал своей жизни на тот момент: ничего страшнее, по его словам, с ним тогда не происходило.
Дороничев целенаправленно готовился поступать на ВМК МГУ. Начиная с десятого класса, он сам работал, чтобы оплачивать занятия с репетиторами. Он регулярно решал экзаменационные задания на высокие оценки и считал себя хорошо подготовленным. Однако в момент испытаний у него проявилась сильная тревожность, которую он называет test anxiety. На экзамене он почти потерял сознание, не смог сфокусироваться и даже полноценно записать задания. Этот сценарий повторился дважды — на предэкзамене и на самом экзамене.
В тот период непоступление воспринималось им как личная катастрофа. Он говорит, что ощущал себя «каким-то конченым» и считал, что его «надо сдать в психушку». Важно, что в ретроспективе он не романтизирует саму боль момента: для него это действительно был тяжёлый, разрушительный опыт, а не заранее осмысленная полезная неудача.
Однако именно этот провал направил его в другой институт, который он с иронией называет «заборостроительным» — по выражению преподавателя из МГУ. Там в первый же день на лекции по физике он увидел девушку, которая затем стала его женой на следующие двадцать лет. Ещё через полгода он разочаровался в качестве учёбы и решил пойти работать в компанию «Камбелго» в службу поддержки интернет-клиентов.
Эта ранняя работа, по его оценке, открыла ему дорогу в дальнейшую жизнь: через неё он стал интернет-профессионалом, затем девелопером, продакт-менеджером и основателем первого бизнеса. Поэтому Дороничев выстраивает причинную цепочку очень прямо: значительная часть последующих достижений произошла потому, что он не поступил в МГУ. Этот пример поддерживает его более широкий тезис о том, что болезненные неудачи не обязательно определяют потолок возможностей человека; они могут радикально изменить маршрут и открыть траекторию, которую изначально невозможно было спланировать.
Ранняя работа Андрея Дороничева в интернет-индустрии возникла после неудачи с поступлением в МГУ и последующего разочарования в учёбе. Через полгода после поступления в другой институт он решил, что обучение не даёт ему нужного содержания: по его описанию, вокруг было много неинтересных предметов и среды, в которой «все бухают». Тогда он устроился в компанию «Камбелго» в службу поддержки интернет-клиентов.
Важная деталь состоит в масштабе раннего рынка: в службе поддержки, по его словам, было всего два человека. Это подчёркивает, насколько ранней и неинституционализированной была для него интернет-индустрия. Работа не выглядела как карьерный шаг в крупную технологическую корпорацию; скорее, она стала точкой входа в формирующуюся сферу, где можно было быстро получить практический опыт и увидеть возможности нового технологического уклада.
Дороничев связывает с этой работой всю дальнейшую профессиональную цепочку. Именно она сделала его интернет-профессионалом, затем привела к разработке, продуктовому менеджменту и первому предпринимательскому опыту. Поэтому ранняя роль в поддержке рассматривается не как второстепенный эпизод, а как начало его реальной профессиональной идентичности.
В других фрагментах встречи Дороничев говорит, что его первая деятельность была связана с популяризацией и внедрением интернета. Позднее он работал над мобильным контент-магазином в России ещё до iPhone, затем переехал в Прагу, оказался в Google, занимался мобильной трансформацией YouTube, VR, AR, облачным геймингом и AI. Но в его собственном рассказе корень этой траектории находится именно в раннем решении уйти из неудовлетворявшей его образовательной траектории и войти в интернет-индустрию через практическую работу.
Этот опыт также соответствует его подходу к жизненным изменениям. Он не был следствием идеального долгосрочного плана: сначала произошёл провал, затем — попадание в неинтересную среду, после чего последовал конкретный шаг в новую сферу. В ретроспективе именно этот шаг создал доступ к профессии, которую он позже смог развить в международную технологическую карьеру.
На вопрос Александра Соколовского «Книга, которая изменила тебе жизнь?» Андрей Дороничев сначала упоминает, что есть книги, которые структурировали его жизнь, но затем меняет ответ и называет The Google Story — «История Google». Имя автора он не помнит, но роль книги в собственной судьбе описывает как поворотную.
Он прочитал её в 2007 году, находясь в Праге с ребёнком на руках. К этому моменту он уехал из России с намерением строить международный бизнес, но столкнулся с тяжёлой ситуацией: сооснователи, по его словам, вытеснили его из оставшегося в России бизнеса, денег не было, новый проект ещё не приносил дохода, а оплачивать жильё было нечем. Перед ним стояла необходимость искать работу, хотя сама идея найма тогда воспринималась им крайне болезненно.
Дороничев говорит, что прежде считал работу по найму почти унизительным шагом — чем-то вроде тюрьмы или катастрофического отступления. The Google Story изменила не его финансовую ситуацию напрямую, а его представление о том, что может означать работа в компании. Читая о Google, он увидел организацию, которая уже реализовала то, о чём он мечтал в наиболее смелых представлениях о технологиях и продуктах.
Его реакция была радикальной: он понял, что готов был бы даже доплачивать за возможность оказаться внутри такой компании и увидеть, как она устроена. Эта формулировка показывает смену мотивационной рамки. Работа в Google перестала быть компромиссом из-за нехватки денег и стала возможностью приблизиться к людям и процессам, создающим продукты мирового масштаба.
В ретроспективе книга стала для Дороничева источником конкретной карьерной ориентации. Она дала ему образ среды, в которой он хотел быть, и перевела его от сопротивления найму к стремлению присоединиться к организации, способной научить тому, что он хотел понять. Позже он действительно провёл в Google 14 лет, участвовал в мобильной трансформации YouTube, запуске VR и других крупных технологических инициативах. Поэтому The Google Story в его рассказе — не просто вдохновляющее чтение, а текст, который изменил отношение к одному из ключевых карьерных решений.
В финале встречи Александр Соколовский просит: «Финальный совет себе восемнадцатилетнему?» Андрей Дороничев отвечает сформулированным им принципом: «Будь стратегически оптимистом и тактически пессимистом». Он уточняет смысл этой формулы: нужно верить, что итоговый результат может оказаться лучше нынешних мечтаний, но понимать, что путь к нему будет значительно сложнее, чем представляется в начале.
Стратегический оптимизм у Дороничева связан с верой в долгую траекторию. Он сам прошёл путь от непоступления в МГУ и работы в маленькой службе поддержки интернет-клиентов до международной технологической карьеры, Google, YouTube и запуска Bioptics. Его опыт показывает, что первоначальные ограничения, неудачи и низкая стартовая позиция не определяют окончательный масштаб возможностей. Поэтому стратегический оптимизм — это не обещание лёгкого успеха, а готовность видеть в будущем больше возможностей, чем видно из текущей точки.
Тактический пессимизм, напротив, предполагает трезвость в отношении ближайших шагов. В разговоре Дороничев многократно описывает сложность переходов: нужно долго учиться, создавать окружение, собирать данные через обратимые решения, сталкиваться с недоверием, переживать падение метрик и быть готовым к тому, что после «прыжка веры» придётся приземлиться ниже прежнего уровня. Его подход к переменам не состоит в наивном призыве бросить всё и ждать удачи.
Этот принцип также связан с его метафорой серфинга. Чтобы поймать волну, недостаточно верить, что она появится: нужно долго грести, быть физически и технически готовым, занять правильное место и уметь действовать в короткий момент возможности. Оптимизм отвечает за готовность выйти в океан и верить, что волна существует; пессимизм — за подготовку к тому, что путь до неё будет тяжёлым, а ошибка в позиции или моменте приведёт к потере шанса.
В контексте AI Дороничев применяет ту же логику. Он стратегически уверен, что искусственный интеллект фундаментально изменит мир и расширит способность человечества создавать ценность. Но тактически он признаёт возможность пузыря, коррекции рынка, провалов отдельных компаний, сопротивления корпораций трансформации и ограничений технологий в биологии. Таким образом, финальная формула объединяет два его сквозных тезиса: не отказываться от больших перспектив из-за временных трудностей и не путать веру в дальнюю цель с недооценкой сложности реального пути.