Dlaczego milionerzy z Doliny Krzemowej wracają do AI od zera

W maju 2025 roku Andrej Karpathy — współzałożyciel OpenAI i były szef AI w Tesli — dołączył do zespołu pre-trainingu w Anthropic jako szeregowy pracownik techniczny. Nie jako dyrektor, nie jako doradca, ale jako member of technical staff: celowo płaski tytuł, który w Anthropic i OpenAI nosi niemal każdy inżynier bez względu na staż. Ten detal mówi więcej o aktualnym stanie branży sztucznej inteligencji niż niejedna analiza rynkowa — ludzie, którzy już wygrali, dobrowolnie wracają na sam dół drabiny, bo boją się przegapić coś, co może okazać się ważniejsze niż wszystko, co zrobili wcześniej.

Co napędza powrót technologicznych weteranów do pracy w AI?

Motorem zmian jest połączenie strachu przed wykluczeniem i przekonania, że duże modele językowe (ang. Large Language Models, LLM) wchodzą w fazę, której nie można oglądać z boku. Tom Blomfield, współzałożyciel GoCardless i Monzo, ogłosił w lipcu 2025 roku urlop od roli partnera w Y Combinator, by dołączyć do zespołu obliczeniowego Anthropic — właśnie jako member of technical staff, nie menedżer.

Blomfield spędził 4,5 roku mentorując startupowców w Y Combinator, jednym z najbardziej prestiżowych akceleratorów na świecie. Mimo to zdecydował się zejść z pozycji eksperta-doradcy do roli technicznego wykonawcy w laboratorium AI. Jego decyzja niemal dosłownie powtarza słowa Karpathy’ego, który uzasadniał swój wybór stwierdzeniem, że „najbliższe kilka lat na froncie LLM będzie szczególnie formacyjnych”.

Eric Wu, który przez dekadę prowadził Opendoor i odszedł w 2023 roku, powiedział wprost w rozmowie z TechCrunch: „Wiedziałem, że gdybym spojrzał za siebie za 10 lat i nie zrobił czegoś z tym związanego, prawdopodobnie żałowałbym tego”. Wu uruchomił NavigateAI — asystenta AI dla pracowników budowlanych — z 25 milionami dolarów w rundzie seed.

Kto konkretnie wraca i z jakim bagażem?

Lista nazwisk, które w ciągu ostatnich 18 miesięcy dokonały podobnych zwrotów, jest zaskakująco długa jak na środowisko, gdzie „odejście na emeryturę” oznaczało dotąd siedmio- lub ośmiocyfrowe oszczędności.

Peter Bailis to przypadek szczególnie wymowny: w marcu 2025 roku opuścił stanowisko CTO Workday — firmy o przychodach rzędu 8 miliardów dolarów rocznie — po mniej niż roku pracy, wymienił je na tytuł member of technical staff w Anthropic. Dla każdego obserwatora spoza branży brzmi to jak degradacja. Dla kogoś wewnątrz — wygląda jak rozsądny ruch.

Redakcja IWD Partner: Oglądamy coś, co można by nazwać odwróconą logiką kariery: im wyżej ktoś wspinał się po drabinie tytułów, tym chętniej ją teraz odrzuca. To zjawisko bardziej przypomina zachowanie naukowców tuż przed przełomem w fizyce cząstek elementarnych — kiedy doświadczeni eksperci porzucają prestiżowe katedry i wracają do laboratoryjnych stołów — niż typowy trend korporacyjny. Pytanie, które wisi w powietrzu, brzmi: czy ta fala powrotów to sygnał nadchodzącego przełomu, czy może efekt zbiorowej paniki przed FOMO na skalę przemysłową?

Dlaczego tytuł „member of technical staff” stał się symbolem nowej hierarchii?

Member of technical staff to celowo niezhierarchizowany tytuł stosowany przez Anthropic i OpenAI dla niemal wszystkich pracowników technicznych, niezależnie od doświadczenia i seniority. Firmy te konsekwentnie unikają klasycznych struktur korporacyjnych w rodzaju „senior vice president” czy „distinguished engineer” — tytułów, które w tradycyjnym Big Tech sygnalizują lata spędzone na przepychaniu się przez kolejne szczeble.

Efekt jest paradoksalny: tytuł, który w Google czy Microsofcie oznaczałby juniorski start, w Anthropic nosi były CTO firmy wartej miliardy. Czyni go to równym wiekowym kolegom po fachu z pięcioletnim stażem w modelowaniu językowym. Zrównanie hierarchii ma sens pragmatyczny — w środowisku, gdzie wiedza na temat architektury transformerów i technik pre-treningu ewoluuje szybciej niż w jakiejkolwiek innej dziedzinie inżynierii, doświadczenie z poprzedniej dekady ma ograniczoną wartość transferowalną.

Blomfield sam wskazał ten aspekt, decydując się nie na rolę przywódczą, lecz na bezpośrednią pracę techniczną przy obliczeniach. Sygnał jest czytelny: żeby rozumieć, co naprawdę się dzieje, trzeba być przy kodzie — nie przy slajdach PowerPoint.

Co oznacza ta fala powrotów dla ekosystemu startupów AI?

Migracja doświadczonych założycieli do laboratoriów AI i nowych startupów ma konkretne konsekwencje dla całego rynku. Chamath Palihapitiya, znany jako „SPAC King” i gospodarz podcastu „All In”, ogłosił w lipcu 2025 roku objęcie roli CEO w 8090 Labs — swojej firmie zajmującej się AI dla programistów korporacyjnych. Runda Series A opiewała na 135 milionów dolarów i była prowadzona przez Salesforce Ventures. Palihapitiya napisał na platformie X: „Jestem przekonany, że to, co teraz budujemy, jest jeszcze ważniejsze, więc nie było żadnej decyzji do podjęcia — tylko pełne zaangażowanie”.

Po stronie startupów widać wyraźny wzorzec: założyciele z historią budowania firm na skalę globalną — Monzo, Instagram, Opendoor — wnoszą do projektów AI nie tylko sieć kontaktów i zdolność do pozyskiwania kapitału, ale przede wszystkim rozumienie product-market fit w warunkach szybkiego skalowania. NavigateAI Erica Wu celuje w segment budownictwa, który jest historycznie jednym z najbardziej opornych na cyfryzację sektorów gospodarki. Seed w wysokości 25 milionów dolarów zebrany na ten projekt wskazuje, że inwestorzy widzą w nazwisku założyciela gwarancję wykonania.

Antropic, zbierając do jednego laboratorium Karpathy’ego, Kriegera, Bailisa, Blomfielda i innych weteranów, tworzy środowisko, gdzie gęstość wiedzy domenowej jest prawdopodobnie najwyższa w historii prywatnych firm technologicznych. Efekt synergii między osobami, które rozumiały jednocześnie skalę inżynieryjną, wzrost produktu i rynki finansowe, jest trudny do przecenienia.

Dlaczego powrót weteranów technologii do AI ma znaczenie?

Zjawisko powrotu technologicznych weteranów do aktywnego budowania sygnalizuje coś, czego nie widać w żadnym raporcie analitycznym: ludzie z pełnym dostępem do informacji rynkowych i bez finansowej presji do pracy uważają, że obecny moment w rozwoju AI jest wyjątkowy. Anthropic, założone w 2021 roku przez byłych pracowników OpenAI, zdołało przyciągnąć w ciągu 18 miesięcy co najmniej czterech byłych CTO lub C-suite z firm o łącznej wycenie przekraczającej dziesiątki miliardów dolarów — wszystkich na stanowisko bez tytułu kierowniczego.

Dla sektora AI i uczenia maszynowego konkretna implikacja jest następująca: koncentracja talentów z udokumentowaną historią skalowania produktów w pojedynczych laboratoriach może dramatycznie skrócić czas od przełomu badawczego do wdrożenia rynkowego. Poprzednie fale technologiczne — internet mobilny, chmura obliczeniowa — trwały latami, zanim dojrzałe talenty zaczęły migrować do nowych platform. Tym razem migracja następuje, zanim rynek zdążył się uformować.

Powiązane pojęcia z AI i uczenia maszynowego

• Large Language Model (LLM) — duży model językowy trenowany na masywnych zbiorach tekstu, zdolny do generowania i rozumienia języka naturalnego w szerokim zakresie zadań.
• Pre-trening — pierwsza faza uczenia modeli językowych, w której model uczy się ogólnych reprezentacji danych na dużym, nieoznakowanym korpusie, zanim zostanie dostrojony do konkretnych zadań.
• Member of Technical Staff (MTS) — płaski, niezhierarchizowany tytuł pracowniczy stosowany w Anthropic i OpenAI dla pracowników technicznych niezależnie od poziomu doświadczenia.
• Architektura transformerów — dominujący schemat budowy modeli AI, oparty na mechanizmie uwagi (attention mechanism), który umożliwia przetwarzanie długich sekwencji danych z uwzględnieniem zależności kontekstowych.
• Product-market fit — stan, w którym produkt technologiczny odpowiada realnym potrzebom wystarczająco dużego segmentu rynku, by umożliwić rentowne i skalowalne pozyskiwanie klientów.

Na podstawie materiałów źródłowych.