Ілон Маск планує навчати модель штучного інтелекту Grok на думках і робочому досвіді співробітників SpaceX — власної аерокосмічної компанії. За даними Speka, йдеться саме про внутрішню експертизу інженерів компанії, а не про публічні дані з інтернету.

Це логічний наступний крок для xAI: компанія Маска вже конкурує з OpenAI та Anthropic на рівні базових моделей (нещодавно ми писали, як xAI випустила Grok 4.6 і збила ціни на ринку LLM), і тепер шукає спосіб вирізнитися не розміром моделі, а якістю даних, яких немає в жодного конкурента.

Ідея проста: SpaceX накопичила роки інженерних рішень — від розрахунків траєкторій до діагностики відмов ракетних двигунів — які ніде публічно не описані. Якщо ці знання перетворити на тренувальні дані, Grok отримає компетенцію, яку неможливо купити чи скопіювати з відкритих джерел.

Що конкретно хоче зробити Маск?

За наразі відомою інформацією, Маск хоче використати саме «думки та роботу» співробітників SpaceX як джерело для донавчання Grok. Таке формулювання натякає не на офіційну документацію на кшталт специфікацій чи звітів, а на менш формалізовані артефакти: внутрішнє листування, обговорення інженерних рішень, робочі нотатки — тобто ту «тиху» експертизу, яка зазвичай існує лише в головах співробітників.

Це відрізняється від типового підходу до донавчання LLM, коли компанія просто завантажує в модель корпоративну вікі чи код-репозиторій. Тут ідеться про спробу вловити сам процес мислення інженера, а не лише готовий результат його роботи.

Навіщо взагалі тренувати модель на роботі співробітників?

Причина проста: найцінніші знання в інженерних командах рідко записані у формальних документах. Досвідчений інженер SpaceX знає, чому певне рішення провалилося кілька років тому, які компроміси стоять за вибором матеріалу чи чому конкретний тест провели саме так — і ця інформація живе в розмовах, а не в базах знань компанії.

Якщо xAI справді зможе перетворити цей масив на тренувальні дані, Grok отримає перевагу, яку не купиш більшим датасетом із відкритого інтернету. Ймовірно, саме тому Маск бачить у цьому шлях розвитку моделі — конкурувати не розміром, а унікальністю джерела даних.

Які тут ризики?

SpaceX — компанія, що працює під експортним контролем ITAR і виконує контракти для NASA та Пентагону, тож будь-яке перетворення внутрішніх матеріалів на тренувальні дані для комерційної моделі одразу піднімає низку питань.

• Хто перевіряє, що в датасет не потрапляють дані з обмеженим доступом чи технічні деталі, захищені експортним контролем.
• Чи погоджувалися самі співробітники на те, що їхні робочі нотатки й обговорення стануть частиною комерційної моделі.
• Де проходить межа між «корпоративним знанням» компанії та особистим внеском конкретної людини.

Наразі невідомо, чи SpaceX планує окрему процедуру згоди для співробітників, чиї матеріали можуть потрапити в тренувальний датасет — а це питання, яке рано чи пізно постане перед кожною компанією, що піде цим шляхом.

Що з цього випливає для AI-білдерів?

За нашою оцінкою, ідея навчати модель на думках співробітників окремо взятої компанії — це наступний рубіж у гонці даних. Великі лабораторії вже вичерпали дешеві публічні джерела — текст інтернету, код на GitHub, наукові статті, — і тепер конкурентна перевага переходить туди, де дані досі не масштабувалися: у внутрішню, не задокументовану експертизу конкретних команд. Хто першим навчиться легально й безпечно перетворювати робочий досвід співробітників на дані для донавчання, той отримає модель, яку конкуренти не зможуть відтворити навіть з необмеженим бюджетом на обчислення.

Для AI-білдерів це сигнал: варто вже зараз думати над тим, як структурувати внутрішні знання команди — рішення, ретроспективи, код-рев'ю — так, щоб їх можна було використати для донавчання власних моделей чи агентів, а не просто зберігати у вікі, яку ніхто не читає. Ігнорувати це питання означає віддати перевагу конкурентам, які раніше зрозуміють, як безпечно перетворити корпоративну пам'ять на актив.

Чи означає це, що Grok стане кращим саме в інженерії?

Ймовірно, так — якщо xAI справді реалізує задум, Grok отримає перевагу в задачах, пов'язаних з аерокосмічною інженерією та суміжними технічними галузями, де бракує публічних тренувальних даних. Але це залежить від того, наскільки якісно компанія зможе структурувати «думки» співробітників у формат, придатний для донавчання моделі.

Чи стосується це лише SpaceX?

Формально новина стосується саме SpaceX, але Маск керує кількома компаніями — Tesla, xAI, Neuralink, — і схожий підхід, донавчання моделі на внутрішній експертизі команди, теоретично застосовний до будь-якої з них.