# All-In. Adam Foroughi (AppLovin CEO): 92%-os zuhanás túlélése, a hirdetés mint ML 1.0 és az 50 milliárd dolláros mobiljáték-hirdetési piac **Műsor:** All-In Podcast (Chamath, Jason, Sacks, Friedberg) **Epizód:** Adam Foroughi, AppLovin CEO (All-In Summit 2026 sorozat, AIS26_Foroughi) **Dátum:** 2026-09-20 (vasárnap) **Házigazdák:** Chamath Palihapitiya, Jason Calacanis, David Sacks, David Friedberg **Vendég:** Adam Foroughi (AppLovin társalapító és vezérigazgató) **Hossz:** 23:52 **Forrás:** **MP3:** (34,4 MB, 192 kbps) **Chapter lista:** (0:00) Adam Foroughi joins the Besties! • (3:07) Discovery vs search & is your phone listening? • (10:04) IPO tumble & becoming your own best investor • (16:00) Privacy rules, Apple's crackdown & how agents change people's shopping • (20:00) How a lean team beats the giants, margin moats & building in China --- ## Bevezetés és az epizód kontextusa Ez a 24 perces beszélgetés az All-In Summit 2026-on rögzített sorozat része, és egy olyan cégvezetőt ültet le a Bestie-kkel szemben, aki szinte soha nem ad interjút. Adam Foroughi az AppLovin társalapítója és vezérigazgatója, és az epizód nyitányában Jason rögtön rá is tapint a furcsaságra: „Adam is probably the best founder no one's ever heard of.” Az AppLovin egy hirdetési platform, amely mobiljátékokon belül működik, és Chamath a bevezetőben a számokkal érzékelteti a léptéket: a COVID utáni ezer IPO közül az AppLovin a legértékesebb, és idén várhatóan mintegy 6 milliárd dollár készpénzt termel. A beszélgetés íve három nagy blokk köré szerveződik. Az első a hirdetés mint gépi tanulási rendszer természetéről és a keresés kontra felfedezés különbségéről szól, valamint arról a közönséges felvetésről, hogy a telefonunk lehallgat minket. A második és legdrámaibb rész az AppLovin tőzsdei története: hogyan esett a cég 28 milliárd dolláros értékelésről 3,8 milliárdra, és hogyan fordította ezt Foroughi a saját legjobb befektetésévé. A harmadik blokk a privacy-szabályozásról, az Apple szigorításáról, a játékstúdió-felvásárlásokról és az agentic commerce jövőjéről szól. A legfontosabb tanulságok: - **A mobiljáték-hirdetési piac évi mintegy 50 milliárd dollár**, és az AppLovin saját platformján ennek a fele, körülbelül 20 milliárd dollár folyik át. - **A hirdetés volt az ML 1.0**: az első valódi implementációja azoknak a technológiáknak, amelyek ma az AI-t hajtják. - **A keresés nem teremt gazdasági expanziót, a felfedezés igen.** A bottom-of-funnel keresés lezár egy tranzakciót, ami amúgy is megtörtént volna. A discovery olyat mutat, amiről a fogyasztó nem tudta, hogy létezik. - **Az AppLovin részvénye 92%-ot zuhant**, a cég mégis 1 milliárd dollár EBITDA-t termelt abban az évben. Foroughi szerint a tőzsdei ár a befektetők minőségét tükrözi, nem a vállalkozásét. - **A saját részvény lett a legjobb befektetésük**: mintegy 6 milliárd dollárért vásároltak vissza, és a részvényszám 20-25%-át kivonták. A csúcsidőszakban ez a 6 milliárd több mint 50 milliárdot ért. - **A privacy-szigorítás után a felhasználók relevánsabb hirdetéseket követeltek**, nem kevesebbet. A szabályok tisztasága teszi lehetővé, hogy a technológia pontosan azt tegye, amit elvárnak tőle. ## Összegzés Az epizód központi gondolata, hogy az AppLovin nem azért tudta legyőzni a Meta és a Google szintű óriásokat a saját pályáján, mert nagyobb vagy okosabb volt, hanem mert szűkebbre szabta a fókuszt és karcsúbb maradt. Foroughi szerint a hirdetési technológia a gépi tanulás első nagy ipari alkalmazása volt, és ezen a területen egy szűk domainben, mobiljátékokban felépített differenciált adat és modell olyan védelmi árkot képez, amit nehéz utolérni. A beszélgetés másik szála a tőzsdei dráma: a cég 2021-ben 28 milliárd dolláros értékeléssel ment tőzsdére, majd 2022-ben 3,8 milliárdra zuhant, miközben a működés javult. Foroughi ezt a pillanatot nem elszenvedte, hanem kihasználta: leállította a befektetői kommunikációt, és a megtermelt készpénzt a saját részvényébe forgatta. A harmadik tanulság a privacy és a technológiai adaptáció kapcsolata, valamint az a higgadt észrevétel, hogy az agentic commerce várhatóan csak a fogyasztók egy szűk, technológiailag fejlett szeletét érinti, mert az átlagos vásárló a felfedezés élményéért vásárol, nem a hatékonyságért. ## A hirdetés mint ML 1.0, és miért más a felfedezés, mint a keresés Chamath az első blokkot azzal a megfigyeléssel nyitja, hogy az első hullám internetes hirdetése sok kritikus technológia szikrája volt, amelyek aztán szétterjedtek a világban. Az AdWords, az AdSense és az Applied Semantics olyan technológiákat hoztak létre, amelyek máshol is megalapozóvá váltak. Chamath azt kérdezi, igaz-e ez a mostani generációra is. Foroughi válasza szerint a hirdetés az ML 1.0 volt. „Advertising is like ML 1.0, but was the first implementation of all these technologies that now are driving AI today.” A nagy nyelvi modell gazdasági értéke ma nagyobb, mint a hirdetésé, de a hirdetés egy nagyon jövedelmező implementációja egy mélytanulási modellnek. Az ajánlórendszerek szerkezetileg másképp épülnek fel, mint a nagy nyelvi modellek, de sok szempontból ugyanazt a pályát követik, és a kutatás kétirányban áramlik közöttük. A hirdetési üzlet előnye, hogy amikor modellt építesz, egy jövőbeli kimenetet jósolsz meg, és a jóslat értékét azonnal le lehet fordítani pénzre. A beszélgetés élesebb része a felfedezés és a keresés szétválasztása. Foroughi kétfelé bontja a hirdetést. A bottom-of-funnel hirdetésben a fogyasztó már tudja, mit akar venni, és kutat, hogy lezárja a tranzakciót. Ez a Google keresési üzlete, és ezt a nagy nyelvi modellek szinte kizárólag ezzel a területtel fogják felvenni a versenyt. Az AppLovin ezzel szemben olyan világban működik, ahol nem ismert a felhasználó szándéka, ezért előbb létre kell hozni a szándékot: megmutatni egy ajánlást, és elérni, hogy a felhasználó azt mondja, ez nagyon menőnek tűnik, hadd vásároljam meg gyorsan. Foroughi érvelése szerint ebben rejlik a lényegi különbség. A keresésen vagy a nyelvi modellen keresztüli tranzakció amúgy is megtörtént volna. Ha a nyelvi modell nem létezne, és a Google Ads soha nem jött volna létre, de a Google keresés igen, akkor a tranzakció, a zárt kör, megtörtént volna. Ezért ebből nem származik jelentős gazdasági expanzió. Amikor viszont olyan terméket mutatsz, amiről a fogyasztó nem tudta, hogy létezik, és nem tudta, hogy meg kell vennie, akkor gazdasági expanziót teremtesz. Ez az, amit a Meta olyan jól csinál, és amire az AppLovin is törekszik. > „When you show a consumer an ad for something that they had no idea existed, they didn't know they needed to buy. Complete discovery. You create that discovery moment. Not only is it a really fun moment for the consumer, because then they're excited about what they bought, they wait for the package, they're excited to open it up, but you create economic expansion.” — Adam Foroughi Jason ezután arra kérdez rá, hogy az emberek vásárlási szokásai változtak-e 2006 és 2026 között. Foroughi 2005-ben kezdte a pályáját, és emlékszik rá, hogy akkoriban a hirdetések teljes szemét voltak, csupa spam, mert a technológia nem volt elég erős. A Meta, Jason korábbi cége jól ismerte fel, hogy ha a rendelkezésre álló adatot jó technológiával párosítják, a hirdetés relevánssá válhat. Ma a legtöbb ember vásárlási ajánlása az Instagramról érkezik, és a hirdetések nagyon hasonlóvá váltak a tartalomhoz. Az AppLovin saját domainjében is ez a helyzet: az emberek szeretik a látott hirdetéseket, és rengeteg interakció van azokkal a mini játékokkal, amelyek más játékokon belül jelennek meg. ## Lehallgatja-e a telefonunkat, és mit kezd a szabályozás a hirdetéssel A beszélgetés legszórakoztatóbb szakasza az a közkeletű feltevés, hogy a telefonunk mikrofonja lehallgat minket. Chamath felidézi a jelenetet: az emberek azt mondják, hogy az ebéden említettek valamit, és hirtelen megjelennek az arra vonatkozó hirdetések. Sacks rögtön hozzáteszi a saját elméletét: az appok ismerik a helyzetünket, csoportba sorolnak minket, és amikor Friedberg távozóban rákeres az órára, hogy elmentse, akkor a hirdetést mind a négyüknek megadják. Foroughi határozottan cáfolja mindkettőt. Állítása szerint a hirdetési cégek nem tudnak helyzetet követni, az AppLovin egyáltalán nem követ helyzetet, és az, hogy valaki a mikrofont folyamatosan bekapcsolva tartja, majd elemzi a tartalmat, hogy hirdetéssé fordítsa, nem reális: „a heavy concept to track people's precise location to then render an ad, and then to imagine the amount of data that's transferring if you're mic on to then parse the mic on content to try to translate to an ad, not realistic.” A magyarázat szerint a felhasználónak vannak más nyomon követhető cselekvései, például keresés, weboldal-böngészés vagy termékkutatás, és ezekről nem is tud. Aztán valami kapcsolódót mond, és elkezdi látni a releváns hirdetéseket. A közösségi hálózatok esetében más a helyzet, mert ott a kapcsolatok valóban alakíthatják a hirdetési élményt. Ha Chamath rákeres valamire, lehet, hogy mások látnak valami relevánsat. Foroughi ezt nem tartja problémának. Elismeri, hogy van egy kellemetlen tényező, ami megijeszti az embereket, de hozzáteszi, hogy amit az emberek elfelejtenek, az a hirdetések relevanciájából származó gazdasági érték. A hirdetés, amit láttál, felismerhető volt, húsz évvel ezelőtt nem lett volna az, és a GDP jelentős része ma ebből a digitális hirdetési gazdaságból származik. Minél jobbak ezek a technológiák, annál gyorsabb a GDP-növekedés. A privacy-szigorítás kapcsán Sacks és Jason az Apple és az EU fellépésére kérdez rá, valamint arra, hogy néhány játékfejlesztő nem szereti, ha adatot gyűjtenek a felhasználóikról, és hogy Zuckerbergnek is szembe kellett néznie ezzel. Foroughi válasza a szabályozás tisztasága mellett érvel. Ha a szabályok világosak, a technológia képes kezelni őket. Ha valakit öt évvel ezelőtt pontosan lehetett célzottan elérni iOS-en, és ma azt mondják, hogy ne célzottan érjék el, akkor csoportba rendezik, és gyengébb hirdetést szolgálnak ki neki. A szabályozás legérdekesebb mellékhatása Foroughi szerint az volt, hogy az Apple változtatása után rengeteg panasz érkezett a felhasználóktól, akik azt kérték, hogy szolgáljanak ki relevánsabb hirdetéseket, mert spammet látnak. Ez rávilágít arra a kettősségre, hogy a fogyasztók mégis releváns hirdetéseket akarnak, mert az segít felfedezni a termékeket. Ha valaki egy játékban harminc másodpercig néz egy hirdetést egy ingyen életért, akkor valami pénzbeli értéket kap. Ilyenkor inkább relevánsat akar nézni, mint szemetet. A privacy-zaj után a szabályokat megírták, a technológiai cégek alkalmazkodtak, és a mélytanulási hálózatok elég erősek ahhoz, hogy azt tegyék, amit elvárnak tőlük. A játékstúdiók felvásárlásáról szólva Foroughi elmondja, hogy mindet eladták. Eredetileg adatjátékból vették meg őket: amikor megépítették az első mélytanulási modelljüket, adatra volt szükségük a tanításhoz, és a játékstúdiók nem szívesen osztották meg az adataikat harmadik felekkel, ezért saját stúdiókat vásároltak és azokkal vetették be a tanítóadatot az első modellbe. Miután a modell sikeres lett a piacon, és a cég gyorsan növekedni kezdett, a harmadik felek maguktól jöttek, és a stúdiókat eladták. Ez fontos részlet: a felvásárlás nem az üzleti modell része volt, hanem a tanítóadat megszerzésének eszköze, és amint a platform elég vonzóvá vált a külső hirdetőknek, az eszköz feleslegessé vált. ## A 92%-os zuhanás: hogyan lesz a krízisből a saját legjobb befektetés Ez az epizód érzelmi központja. Chamath kérdezi meg, hogyan kezeli az ember a belső kultúrát, amikor a részvény 92%-ot esett. Foroughi először is tisztázza a tényeket: 2021-ben mentek tőzsdére 600 millió dollár EBITDA-val és 28 milliárd dolláros piaci értékkel, felmentek 40 milliárdig, majd 2022-ben a részvény szó szerint minden nap esett, és eljutottak mintegy 3,8 milliárd dolláros piaci értékig. Abban az évben egymilliárd dollár EBITDA-t termeltek. > „Your price in the markets is determined by the quality of your investors.” — Adam Foroughi Foroughi pénzügyi háttérrel érkezett, ezért volt elméleti felkészültsége arra, ami történt. Az elemzése szerint a cégnek privát piaci befektetői voltak, köztük magántőke-befektetők és korábbi társalapítók, valamint csapattagok, akik a tőzsdére lépéskor el akartak adni. Mivel a COVID idején túl sok cég ment tőzsdére, mire ők megjelentek, a nagynevű befektetők már nem végeztek kutatást, hogy kiderítsék, mi ez a furcsa nevű cég. Így nulla kereslet és sok kínálat alakult ki, és ez a konstrukció zuhanást eredményezett. A többszörös a viszonylag magasról, nagyjából ötvenszeres EBITDA-ról abszurdan alacsonyra, négyszeres alá esett. Foroughi ekkor nem a befektetők felé fordult, hanem befelé. Azt mondta a csapatnak, hogy többé egyáltalán nem beszél a befektetőkkel, mert nem vesznek részvényt, és ez időpazarlás. De a cég rengeteg készpénzt termel, ezért kezdjék el visszavásárolni a saját részvényüket, és legyenek a saját legjobb befektetőjük. Elindítottak egy nagyon agresszív visszavásárlási programot, és azóta körülbelül 6 milliárd dollár értékben vásároltak vissza a cég részvényéből, kivonva a forgalomban lévő részvények 20-25%-át. A csúcsidőszakban ez a 6 milliárd több mint 50 milliárd dollárt ért. Az a pillanat, ami nagyon nyomasztónak tűnik, hatalmas lehetőséggé alakítható. Az érzelmi oldal ennél sokkal keményebb volt. Foroughi elmondja, hogy családtagoktól és barátoktól kapott telefonhívásokat, amelyekben azt kérdezték, nem gondolkodik-e öngyilkosságon. A válasza az volt, hogy nézzék meg a számokat: ők egy centért kapták a részvényt, ami még mindig tíz dollár körül van, tehát még mindig sokat emelkedett. De elismeri, hogy ez akkor nagyon nehéz, mert a vezérigazgatóként az ember rájön, hogy a csapata ugyanazokat a telefonhívásokat kapja a saját családtagjaitól, és nekik nincs sem akkora tekintélyük, sem akkora tulajdonrészük, mint neki. A válasz egy „mi a világ ellen” mentalitás és egy teljesítményrészvény-program lett. A teljesítményrészvény-programot általában vezérigazgatóknak adják, de ők a cég kulcsemberei között osztották ki, azzal az üzenettel, hogy értik, most nehéz, és értik, hogy azt hitték, van egy házuk, és most nincs, de ha kitartanak és talpra állnak, akkor a felfelé menetben nagyon sokat fognak keresni. A fordulat technológiai volt: az ML 1.0-ról áttértek az ML 2.0-ra, egy regressziós modellről egy mélytanulási modellre. A kimenet az lett, hogy a hirdetési algoritmus hajtja a céget. Minél jobban működik, annál jobb a hirdető megtérülése a platformon, és mivel minden teljesítményalapú, gyakorlatilag árbevételt adnak el a hirdetőknek, ahogy azok skálázódnak. A cég elkezdett nagyon gyorsan növekedni. 2023-ban, áprilisban indították a modellt, és továbbra sem beszéltek a befektetőkkel, ezért az emberek nem fedezték fel. Aztán 2023 szeptembere körül Foroughi elment New Yorkba, amikor a részvény már nyolcvan dollár körül volt, és azt mondta, elkezd újra beszélni a befektetőkkel, mert a piaci érték elég magas ahhoz, hogy ne tudjanak olyan agresszívan visszavásárolni. Abban a hétben a részvény nyolcvanról százötven dollárra ment, és a piaci érték 28 milliárdról 55 milliárdra. A beszélgetésből kiderül a teljes amplitúdó. A részvény kilenc dollárról hétszázötven dollárra ment két és fél év alatt, a piaci érték pedig 3,8 milliárdról 250 milliárdra. Foroughi szerint kevés ember kontrariánus, ezért mindkét irányban szélsőségek alakulnak ki. Hozzáteszi a higgadt megfigyelését arról, hogy a tőzsdei befektetők nem sokban különböznek a privát piaci befektetőktől: követik a trendeket, csak gyakran később, mint szeretnéd. A legkifinomultabbak korán elkapják a trendeket, és ezért van nagyon jó és átlagos kockázatitőke-befektető, valamint nagyon jó és átlagos tőzsdei befektető. ## Hogyan győzi le egy karcsú csapat az óriásokat, és mit hoz az agentic commerce Chamath utolsó nagy kérdése a legérdekesebb stratégiai felvetés: a világ két legokosabb cége, a Meta és az Alphabet rengeteg mérnökkel szintén hirdetésből él, saját modelljeiket építették, és egy-két évtizede csinálják. Hogyan tudott egy kis cég ezen a területen versenyezni és nyerni, és milyen működési modell ad előnyt a további nyeréshez? Foroughi válasza a fókusz és a karcsúság kombinációja, de egy szokatlan mentalitással kezdődik. Sosem gondolják, hogy nyertek. Minden nap úgy ébrednek, hogy valószínűleg most fognak megbukni, és jobb, ha keményen dolgoznak. Ez a cég karcsú, sok szakterületi szakértővel, akik nagyon fókuszáltan dolgoznak a mobiljáték-élményen, és fordítják át azt tranzakciós viselkedéssé a másik oldalon. A következtetése szerint akkor lehet óriásokat vállalni, ha nagyon fókuszált vagy, karcsú maradsz, és egyszerűen gyorsabban tudsz mozogni náluk. Chamath az Amazon-analógiával kérdez rá a szivárgásokra. Azt meséli, hogy egy évtizeddel korábban az Amazonnál az volt a nagy felismerés, hogy megnézték, hol szivárog a cég, és tudták, hogy az Amazon egyszerűen felszívja ezeket, és új üzletágakká alakítja. Chamath azt kérdezi, hol van az AppLovinnál a szivárgás, például fizetési infrastruktúra vagy más területek. Foroughi először a marginnal válaszol: az EBITDA-marginuk 84%, ami szerinte piaci első hely. A mechanizmust így magyarázza: a hirdető belép a platformra egy tranzakciós modellel, mondjuk rúzst ad el, és ők arbitrázst adnak neki. A hirdető tőlük megvásárolja a fogyasztót, a fogyasztó tranzakciót hajt végre, és a hirdető azonnal fedezi a fogyasztó költségét. A fogyasztó húsz dollárért megveszi a rúzst, a hirdető kevesebbet fizet nekik, mint a húsz dollár mínusz az eladott áruk költsége, és elégedett, ezért skálázódik. Ez a teljesítménymodell nagyon jól skálázható. A szivárgásuk abban áll, hogy nem ők a teljes lánc, nem ők a hirdető az egyenletben, de az a céljuk, hogy a hirdetőket eljuttassák a fogyasztóhoz. Nagyon karcsúan működnek, és annyira algoritmus- és automatizálás-központúak, hogy nem sok szivárgási pontjuk van. Chamath ezután az „over-earning” vádra kérdez rá: amikor valakinek 85%-os EBITDA-marginja van, a piac azt mondja, hogy túl sokat keres, és jön a verseny, amely hajlandó lenne 60 vagy 50%-on is csinálni, hogy elvegye a marginokat. Ez mégsem történt meg, és Chamath arra kíváncsi, miért tartós ez. Foroughi válasza szerint ezek a technológiák nagyon összetettek, és ha innoválsz és differenciált adatod van, akkor előnyt építhetsz. Az analógiája szerint ugyanezen az alapon az Anthropicnak sem kellene elszaladnia a nagy nyelvi modell területén, de egy modell ereje, amely elér egy skálapontot és egy nagy közösség elfogadja, olyan védelmi árokká válik, amelyet nehéz másoknak leküzdeni. Az epizód utolsó témája az agentic commerce, és Foroughi itt a legmegfontoltabb. Sacks és Jason felvetik, hogy az ügynökök mindenhol lesznek, az emberi számítógép-interfész megváltozhat, és talán a Meta szemüvege vagy más eszköz lesz a belépési pont. Foroughi szerint a világ egy része elkezdi használni az ügynököket bizonyos, konzisztens vásárlói viselkedés optimalizálására. Például egy kiegészítő-előfizetést betesz egy ügynökbe, hogy minden hónapban optimalizálja és időben szállítsa. De ezek a felfedezési platformok nem erről szólnak, és a tipikus vásárló nem az, aki mélyen benne van az ügynökökben, a Twitteren ül, és azonnal átveszi a legújabb technológiát. A megfogalmazása szerint az ő közönségük a New York Times közönsége. Rengeteg ember használja a Yahoo tulajdonában lévő oldalakat minden nap. A tipikus vásárló meg akar találni egy terméket, és végig akarja csinálni a vásárlói élményt: kirakatot akar nézni, össze akar hasonlítani, nyomon akarja követni. Ha utólag elmondanák neki, hogy egy ügynök meg tudta volna csinálni helyette, és 20%-ot spórolt volna, az szerinte nem számít egy ötvendolláros tranzakciónál, mert a dopamin, amit a folyamat átélése ad, az, amit élvez. > „I think we really over index on the Twitterverse and forget that the average shopper is not that.” — Adam Foroughi A beszélgetés zárása a kínai csapatról szól. Foroughi elmondja, hogy a mérnöki irodák Palo Altóban, Pekingben és Szingapúrban vannak, és a kínai kollégákról elismerően beszél: nagyon szerények, nagyon szorgalmasak és nagyon élesek, és ha valaki velük dolgozhat, akkor a világ legfényesebb elméivel dolgozik. Az egyik célja a cég alapításakor az volt, hogy nagyszerű emberekkel dolgozzon, és kitalálják a dolgokat. Amikor a csapatával egy szobában ül, tudja, hogy valószínűleg ő a legbutább azon a szobában, és ez izgatja, hogy megjelenjen. Az epizód azzal a barátságos jelenettel zárul, hogy a Bestie-k megtapsolják, és Jason megjegyzi, hogy ez az érzés neki is megadja a lendületet, hogy minden héten megjelenjen a podcastban. ## Forrás - **Transcript:** (4756 szó, 643 sor, 25,4 KB) - **Epizód weboldal:** - **MP3:** (34,4 MB, 23:52, 192 kbps, Libsyn CDN) - **RSS feed:** (425 item) - **Házigazdák:** Chamath Palihapitiya, Jason Calacanis, David Sacks, David Friedberg - **Vendég:** Adam Foroughi (AppLovin társalapító és vezérigazgató) - **Epizód kulcsszavak:** AppLovin, Adam Foroughi, mobiljáték-hirdetés, ML 1.0, discovery vs search, ajánlórendszer, IPO zuhanás, 92% drawdown, részvény-visszavásárlás, performance stock plan, privacy szabályozás, Apple ATT, agentic commerce, EBITDA margin, kínai mérnöki csapat - **Chapter lista:** (0:00) Adam Foroughi joins the Besties! • (3:07) Discovery vs search & is your phone listening? • (10:04) IPO tumble & becoming your own best investor • (16:00) Privacy rules, Apple's crackdown & how agents change people's shopping • (20:00) How a lean team beats the giants, margin moats & building in China - **Transcript forrása:** OpenAI Whisper `ggml-medium.en.bin` (whisper.cpp, M-series Metal GPU), saját futtatás 2026-09-20 (23:52 audió → 4756 szó, 0 hallucináció, 159 sec wall-time, ~9,0× realtime) - **Feldolgozás:** Henky-pipeline (single-chunk self-write, 4756 szó transcript → ~2900 szó summary, 2026-09-20) - **Megjegyzés:** Az RSS feed nem tartalmaz `podcast:transcript` taget, és Libsyn CDN-en hosztolt a show, ezért nincs natív transcript API. A Whisper az egyetlen járható transcript forrás. Az epizód az All-In Summit 2026 (AIS26) sorozat része, ezért a fájlnév az AIS26_Foroughi azonosítót használja (összhangban a Dina Powell epizód AIS26_Dina jelölésével), nem kitalált E-számot. ## Kapcsolódó külső - [AppLovin hivatalos oldala](https://www.applovin.com/), a cég és a hirdetési platform - [Adam Foroughi az X-en](https://x.com/adamforoughi), a vezérigazgató profilja - [All-In Podcast az X-en](https://x.com/theallinpod), az epizód és a közösségi visszhang - [All-In Summit 2026](https://www.allin.com/summit), a konferencia, ahol az epizód rögzült ## Kapcsolódó belső - [2026-09-17_brad_gerstner_no_ai_bubble.md](2026-09-17_brad_gerstner_no_ai_bubble.md). Brad Gerstner az AI-buborékról és a szemi-iparágról, ugyanarról az AIS26 színpadról - [2026-09-17_allin_dina_powell_data_centers_ai_job_boom.md](2026-09-17_allin_dina_powell_data_centers_ai_job_boom.md). Meta adatközpont-stratégia és AI munkaerő-hatás, szintén AIS26 - [2026-09-18_nick_shirley_gov_fraud.md](2026-09-18_nick_shirley_gov_fraud.md), a sorozat előző epizódja - [2026-09-15_allin_e292_satya_nadella.md](2026-09-15_allin_e292_satya_nadella.md). Satya Nadella a Microsoft AI master planről - [2026-09-14_allin_e290_jensen_huang_doomer_hoax_president_trump.md](2026-09-14_allin_e290_jensen_huang_doomer_hoax_president_trump.md). Jensen Huang az AI-diskurzus állapotáról - [2026-09-11_allin_e289_ai_kills_everybody_doomer_psyop_nike_collapse.md](2026-09-11_allin_e289_ai_kills_everybody_doomer_psyop_nike_collapse.md). OpenAI matematikai áttörés és a Nike piaci értékének zuhanása ## Hogyan kapcsolódik a saját rendszerünkhöz **A „discovery vs search” megkülönböztetés közvetlenül releváns a saját tudásbázisunkra.** Foroughi érvelése szerint a keresés csak lezár egy tranzakciót, ami amúgy is megtörtént volna, ezért nem teremt gazdasági expanziót, míg a felfedezés olyat mutat, amiről a felhasználó nem tudta, hogy létezik. Ugyanez a minta működik a wiki topic-rendszerünkben: a témák közötti kereszthivatkozások és a kapcsolódó belső források pontosan azt a felfedezési élményt hozzák létre, amit a keresés önmagában nem tud. Ez érv amellett, hogy a topic-fájlokban a kereszthivatkozások karbantartása nem adminisztratív teher, hanem a rendszer értékének része. **A 84%-os EBITDA-margin és a „nincs szivárgás” gondolat párhuzamos a saját pipeline-jaink karcsúságával.** Foroughi szerint az AppLovin azért tudott óriásokat vállalni, mert szűk fókuszú és karcsú maradt, és mert nem hitte el, hogy nyert. Ez ugyanaz az elv, amit Henky a podcast-pipeline tervezésénél megfogalmazott: „ne legyen túl komplikált, mert akkor fenntarthatatlan lesz”. A mai maintainance-sessionök során szerzett legfontosabb tanulságok is ebbe az irányba mutatnak: a kereszt-könyvtár prioritási hiba javítása nem új absztrakciós réteggel történt, hanem egyetlen matcherrel és rendezett bejárással, ami egyszerűbb, mint a korábbi kód. **Az NTS-időszinkronizáció és az AppLovin történet ugyanarra a mintára épül: a deklarált állapot nem bizonyíték.** Az epizódban Foroughi elmondja, hogy „your price in the markets is determined by the quality of your investors”, és hogy a cég 3,8 milliárd dolláros piaci értéken egymilliárd dollár EBITDA-t termelt. A piaci ár nem a vállalkozás értékét mérte, hanem a befektetői bázis minőségét. Ugyanezt a tanulságot hozta a mai rendszer-karbantartás is: a wiki hirdette a markdown-változatot, az nginx `Vary: Accept`-et küldött, és mögötte nem volt implementáció. Mindkét esetben a mért valóság volt az egyetlen megbízható forrás. **A „sosem gondoljuk, hogy nyertünk” mentalitás a saját hibakeresési gyakorlatunkra is alkalmazható.** Foroughi szerint minden nap úgy ébrednek, hogy valószínűleg most fognak megbukni. A mai session két valódi hibát talált, amelyek közül az egyik (a kereszt-könyvtár prioritási hiba) hónapokig csendben hozott hamis döntéseket, és csak azért került elő, mert a jelenséget a tünet helyett a gyökérig követtük. A tanulság, hogy a zöld teszt és a zöld ellenőrzés nem jelenti azt, hogy nincs hiba: a saját javításomba épített tie-break hibát is csak az a teszt tárta fel, amelyet kifejezetten a determinizmus ellenőrzésére írtunk.