Что значит быть человеком, когда машины умнее
- -
- 100%
- +
Вступление. Ваш телефон умнее вас. Привыкайте
Книга для тех, кто хочет остаться человеком в эпоху искусственного интеллекта
Артём Демидов
Актуально на август 2026 года
У меня для вас плохие новости.
Ваш телефон знает о вас больше, чем вы сами. Он помнит, где вы были в прошлый четверг. В каком магазине задержались на сорок минут. Кому звонили после полуночи. Колонка на кухне помнит, что вы покупали полгода назад, и подсовывает «похожие товары» каждый раз, когда вы открываете маркетплейс. А нейросеть за пятнадцать минут пишет текст, за который копирайтер брал пятьдесят тысяч и неделю времени.
Хорошие новости тоже есть. Мир не заканчивается. Просто меняются правила.
Правила эти уже не те, что были в 2022-м, когда ChatGPT только появился. Не те, что были в 2024-м, когда нейросети научились писать код. Даже не те, что были прошлой весной.
Всё меняется так быстро, что если вы сели читать эту книгу с мыслью «наконец-то разберусь с ИИ раз и навсегда» — приготовьтесь. Часть примеров устареет за год. Это нормально. Названия моделей меняются каждый квартал. Принципы — нет. Про принципы и книга.
Кто я и почему пишу уже третью книгуМеня зовут Артём Демидов. Я основатель AINEX LAB — студии, которая собирает для бизнеса AI-автоматизацию: ботов, системы поиска по базам знаний, агентов, которые работают сами.
Если по-простому: мы делаем так, чтобы один сотрудник работал за пятерых. А ещё пятеро — не работали вовсе, потому что их работу делает система.
За последние годы я внедрял ИИ в компаниях с оборотом от миллиона до миллиарда. Видел, как одна правильная автоматизация превращает хаос в порядок за месяц. Видел и обратное: «внедрение революционных технологий» превращает нормальный бизнес в дорогой цирк, где вместо клоунов — роботы.
Это моя третья книга про ИИ.
Первая — «Хватит ныть. Пора зарабатывать на ИИ» — была про то, почему начинать надо было ещё вчера. Вторая — «Тебя заменят. Смирись или адаптируйся» — жёсткое предупреждение тем, кто считал свою профессию особенной. Обе есть на Литресе. Порядок чтения не важен, начинать можно с любой.
Эта книга — другая.
Она не про то, как заработать. Не про то, почему надо адаптироваться. Она про то, что остаётся от человека, когда машина умеет почти всё.
За годы внедрений я понял главное. Проблема не в том, что машины становятся умнее. Проблема в том, что люди перестают думать. А те, кто думать не перестал, становятся не просто востребованными. Они становятся незаменимыми — в мире, где вроде бы «заменить можно каждого».
Об этом парадоксе и книга.
Что изменилось к августу 2026-гоКогда я писал первую версию этой книги, всё было проще. Был ChatGPT — и всё остальное. Российские нейросети только раскачивались. Картинки рисовал в основном Midjourney. Видео не генерировал никто.
Август 2026-го — совсем другой мир. Важных перемен четыре.
Первая. Моделей стало слишком много.
Раньше выбор был: ChatGPT или ничего. Сейчас у любого предпринимателя на столе десяток рабочих вариантов. Линейка GPT-5.x от OpenAI. Claude от Anthropic. Gemini от Google. Китайские DeepSeek и Qwen — дешёвые и злые. В России — GigaChat от Сбера, YandexGPT от Яндекса, модели от Т-Технологий, VK, МТС.
Только за один февраль 2026-го вышло девять крупных обновлений от семи разных лабораторий. Один месяц. Девять моделей.
Звучит как праздник. На деле — головная боль. Раньше вопрос был «где взять нейросеть». Теперь — «какую из тридцати выбрать под мою задачу». Отвечать на этот вопрос я буду всю книгу.
Вторая. Нейросети перестали ждать команд.
Главная перемена последних двух лет — агенты. Раньше вы писали запрос, получали текст, дальше работали руками. Теперь система сама решает, что делать: сходить в базу, дёрнуть таблицу, отправить письмо, проверить результат, переделать, если вышло криво.
Агенты пишут код. Принимают звонки вместо колл-центра. Ведут каналы за блогеров. Разбирают резюме вместо эйчаров.
По данным Deloitte, около трети компаний в мире только присматриваются к агентам, ещё 38% гоняют пилоты — и лишь 11% реально используют их в работе. Шума вокруг агентов в девять раз больше, чем самих агентов.
Gartner при этом прогнозирует: больше 40% агентных проектов закроют, не доведя до результата, ещё до конца 2027 года. Почему — разберу в двенадцатой главе. Спойлер: дело не в технологии.
Третья. У ИИ в России появился закон.
Это главная новость года, и она случилась прямо перед выходом этой книги.
26 июля 2026 года президент подписал Федеральный закон 243-ФЗ «О поддержке развития технологий искусственного интеллекта в Российской Федерации». Госдума приняла его 8 июля. В силу закон вступает 1 сентября 2026 года — то есть, скорее всего, через несколько дней после того, как вы откроете эту книгу.
Закон рамочный. Он не расписывает каждую мелочь, а задаёт каркас: закрепляет само понятие «искусственный интеллект», вводит термин «большая фундаментальная модель», определяет, что государство поддерживает и в какую сторону всё двигает. Детали дорегулируют подзаконными актами — их будет много, и они будут выходить весь следующий год.
Но одна норма касается вообще всех, кто хоть раз генерировал картинку или озвучку.
Это маркировка ИИ-контента.
Формулировку тут важно понять точно, потому что в интернете её уже переврали раз двести. Закон даёт пользователям возможность помечать аудио- и видеоматериалы, сделанные с помощью больших моделей. А владельцев крупных площадок — с аудиторией больше 500 тысяч человек в сутки — обязывает обеспечить техническую возможность такой маркировки. Проще говоря, кнопка «это сделано ИИ» должна появиться. Формат и порядок определит правительство отдельно.
Что это значит на практике, если вы не юрист.
Направление задано, и оно однозначное: прозрачность. Сегодня отметка добровольная. Завтра площадки начнут проставлять её сами, автоматически. Послезавтра отсутствие отметки там, где она должна быть, станет проблемой — сначала репутационной, потом административной. Так было с маркировкой рекламы: сначала «можно», через полтора года — «попробуй не сделай».
Мой совет простой. Не ждите, пока прижмёт. Если вы делаете контент с ИИ — начинайте помечать сейчас, добровольно. Это не слабость, это профессионализм. Клиент, который узнал сам, что вы что-то от него скрыли, обходится куда дороже, чем клиент, которому вы честно сказали заранее.
Четвёртая. Рынок труда развернулся.
Эта перемена — самая болезненная.
Ещё в начале 2024 года на одну вакансию приходилось примерно три с половиной резюме. Рынок принадлежал соискателю: люди выбирали работодателя, торговались, уходили за плюс двадцать процентов к зарплате.
К апрелю 2026-го, по данным hh.ru, на одну вакансию — больше десяти резюме. Нормой считается до восьми. В IT ситуация ещё резче: на «Хабр Карьере» число вакансий за год сократилось больше чем вдвое, а количество соискателей выросло.
При этом безработица в России держится на историческом минимуме — около 2,2%. Работа есть. Людей не хватает. Одновременно — на каждое место десять кандидатов.
Как так?
Дефицит стал качественным, а не количественным. Нужны не «сотрудники вообще». Нужны конкретные люди с конкретными навыками. А тех, кто десять лет делал одну и ту же операцию руками, теперь слишком много — потому что эту операцию делает алгоритм.
Одна из формулировок, которую я услышал в этом году от кадровиков, звучит жёстко, но честно: сокращения 2026-го — это не антикризисная мера. Это плановое отсечение устаревших навыков.
Почему при всём этом почти ни у кого не получаетсяТеперь самое интересное.
По опросам McKinsey, ИИ регулярно применяют 88% организаций хотя бы в одной функции. Почти все. Доля тех, кто видит реальный эффект на прибыль всей компании, — примерно 39%. Это ещё оптимистичная оценка: по данным BCG, ощутимую отдачу в масштабе получают около 5% компаний.
Российская картина не лучше. СберАналитика по итогам 2025-го отчиталась: 39% компаний используют ИИ-агентов и ассистентов. Звучит внушительно — почти каждая третья. Но стоит платформам автоматизации посмотреть на реальный трафик внутри сценариев, на реальный трафик внутри сценариев, выясняется: доля действительно автоматизированных операций измеряется единицами процентов.
Между «мы используем ИИ» и «ИИ делает нам деньги» — пропасть. В неё уже упало несколько сотен компаний вместе с бюджетами.
Почему?
Причина простая: ИИ — не волшебник. Он ничего не чинит. Он умножает то, что уже есть.
Есть порядок — умножит порядок. Есть бардак — умножит бардак. Размножит его с такой скоростью, какой раньше просто не существовало в природе.
Об этом — вся книга.
Для кого онаНе для вас, если:
Вы ищете инструкцию «10 шагов к успеху с ИИ за выходные». Таких книг сотни, и большинство из них про теорию, а не про практику. Эта — про то, что я делал руками и на чём обжигался.
Вы верите, что нейросеть решит ваши проблемы одним промптом. Не решит. Она усилит ваши решения — хорошие или плохие, как получится.
Вы хотите философии про будущее человечества и этические дилеммы. Тут этого почти нет. Тут про работу и жизнь.
Вы думаете, что технологии — это магия, которую надо «просто освоить». Нет. Это инструменты. Пользоваться инструментом — ежедневная работа, а не разовый подвиг.
Для вас, если:
Вы устали от шума вокруг ИИ и хотите понять, что там правда, а что маркетинг.
Вы работаете с людьми и задачами, а не только с компьютером, и чувствуете, что мир меняется быстрее, чем вы успеваете.
Вы подозреваете, что половину вашей рутины можно отдать машине, но не знаете, с чего начать и как не угробить полгода на эксперименты.
Вы уже пользуетесь ИИ — но чувствуете, что выжимаете из него процентов десять, а кто-то рядом выжимает девяносто.
Вы хотите остаться человеком в мире, где машины умеют почти всё. Не ретроградом, который принципиально не пользуется технологиями. Не оператором нейросети, который сам превратился в приставку к клавиатуре. А именно человеком — с сохранённой способностью думать, чувствовать и отвечать за результат.
О чём эта книгаФормально — о том, как использовать ИИ в работе и жизни в 2026 году.
На самом деле — о том, что значит быть человеком, когда машина умеет всё то же, что и вы. Только быстрее. Дешевле. Без отпуска.
Это книга о балансе. Между скоростью и смыслом. Между автоматизацией и творчеством. Между «ИИ делает за меня» и «я делаю с помощью ИИ».
Разница между этими двумя фразами огромна. В первом случае вы постепенно исчезаете как специалист. Во втором — становитесь незаменимым.
В книге четыре части.
Часть I — «Основы». Как вообще устроена работа человека с нейросетью. Реальные кейсы из моей практики. Разбор мифов — их в инфополе миллион. Главное: как разговаривать с моделью, чтобы она делала то, что нужно вам.
Часть II — «Работа». Как ИИ меняет конкретные профессии. Копирайтеры, дизайнеры, финансисты, эйчары, учителя. Кто уже проиграл, кто выиграл, кто ещё в игре. Без прогнозов на тридцать лет вперёд — только то, что происходит сейчас.
Часть III — «Агенты». Самая техническая часть. Что такое агенты, чем они отличаются от чат-ботов и почему у большинства компаний они не взлетают. И отдельно — про то, что будет, когда покупать начнёт не человек, а программа от его имени.
Часть IV — «Жизнь». Самая сложная. Потому что ИИ лезет не только в работу. Он меняет то, как мы общаемся, влюбляемся, воспитываем детей, защищаем свои данные. Здесь — про то, что остаётся человеческого.
Каждая глава — реальная история. С реальными людьми, решениями и ошибками. Без воды и без «синергии человека и машины». Только то, что работает. Не работает — объясняю почему.
Имена и детали в некоторых историях изменены. Суть — нет.
ГлавноеИИ не заменяет человеческое мышление. Он его усиливает.
Вопрос в том, что именно вы собираетесь усиливать.
Если в голове хаос — ИИ умножит хаос. Если ясность — умножит ясность. Если вы понимаете, что делаете и зачем, он даст вам сделать это в десять раз быстрее. Если у вас в голове «вроде надо что-то внедрить» — он раздует эту растерянность до размеров катастрофы с бюджетом.
Эта книга не о том, как стать «человеком будущего». Это лозунг из инфобизнеса, и я его терпеть не могу.
Она о том, как остаться собой в эпоху, когда всё вокруг пытается превратить вас в приставку к нейросети. Как пользоваться ИИ и не потерять себя. Как работать с ним и не ждать того, на что он не способен. Как жить среди умных машин и не разучиться быть человеком.
Машины умнеют каждый день. Люди остаются примерно такими же.
Поэтому будущее принадлежит не самым продвинутым пользователям нейросетей, а тем, кто при всей продвинутости сохранил способность думать, чувствовать и отвечать за свои решения.
Эта книга для них. Может быть, и для вас. Поехали.
ЧАСТЬ I. ОСНОВЫ
Глава 1. Как эта штука вообще работает
Двадцать минут чтения, после которых всё остальное станет понятнее
Мне часто задают этот вопрос на выступлениях, и почти всегда стесняясь.
— Артём, извините за глупый вопрос. А как оно вообще работает? Я пользуюсь каждый день, но не понимаю, что там внутри.
Вопрос не глупый. Он самый важный.
Потому что человек, который не понимает механику, обречён то ждать от машины невозможного, то не пользоваться тем, что она умеет. Он удивляется, что нейросеть выдумала цитату. Обижается, что она забыла вчерашний разговор. Не понимает, почему одна стоит копейки, а другая дорого.
Все эти вопросы снимаются одним объяснением. Оно займёт двадцать минут и не потребует ни одной формулы.
Предупрежу сразу: я упрощаю. Специалист найдёт здесь неточности. Но эта глава не для специалистов — она для того, чтобы вы понимали, с чем имеете дело, и принимали решения на основе механики, а не на основе слухов.
Главная мысль всей главыНачну с конца, чтобы дальше было легче.
Языковая модель не знает фактов. Она предсказывает, какое слово будет уместным следующим.
Всё. Это вся суть.
Не «понимает вопрос и ищет ответ в базе». Не «думает». Не «вспоминает». Предсказывает следующее слово, потом ещё одно, потом ещё — пока не сложится ответ.
Звучит примитивно. Из этого примитивного механизма получается почти всё, что вас в нейросетях удивляет, — и хорошее, и плохое.
Дальше объясню, как из предсказания слов рождается что-то похожее на разум.
Откуда она вообще что-то умеетПредставьте, что вы дали человеку прочитать всё, что написано в интернете. Книги, статьи, форумы, документацию, переписку, рецепты, учебники.
Не понять — прочитать. Просто пропустить через себя гигантский объём текста.
Дальше вы даёте ему задание: я буду показывать начало фразы, а ты угадывай, чем она заканчивается. Миллиарды раз подряд.
«Волга впадает в…» — Каспийское море. «Чтобы установить пакет в Python, нужно набрать…» — pip install. «Уважаемый Иван Петрович, направляю вам…» — коммерческое предложение.
Сначала он будет угадывать наугад. Потом начнёт замечать закономерности. Через миллиарды попыток он станет угадывать очень точно.
И вот здесь происходит неочевидное.
Чтобы хорошо угадывать продолжение текста, недостаточно запомнить фразы. Приходится улавливать то, что за ними стоит: что после «Волга впадает» идёт водоём, а не фамилия. Что в деловом письме после обращения идёт суть, а не анекдот. Что если в начале текста упомянули убийцу, к концу его обычно находят.
То есть модель, обучаясь угадывать слова, попутно усваивает структуру мира — ровно в той степени, в какой эта структура отражена в текстах.
Отсюда странное свойство, которое сбивает всех с толку. Модель может грамотно рассуждать о вещах, которых никогда не видела, и одновременно ошибаться в простом счёте. Она не знает мир. Она знает, как люди о мире пишут.
Это разные вещи, и разница объясняет почти все её странности.
Почему она врёт с уверенным лицомТеперь главное практическое следствие.
Раз модель предсказывает уместное слово, а не извлекает факт из базы, у неё нет способа отличить «я знаю» от «звучит правдоподобно».
Спросите про закон, которого не существует, — и она с высокой вероятностью его опишет. Спросите про исследование, которого не было, — назовёт авторов, год и выводы. Попросите ссылку — сконструирует адрес, который выглядит абсолютно настоящим.
Она не обманывает. Обман предполагает знание правды. Модель просто складывает слова, которые в таком контексте выглядят уместно.
Это называется галлюцинациями, и это не поломка. Это оборотная сторона того же самого механизма, благодаря которому она вообще что-то умеет.
Отсюда правило, которое стоит вбить намертво: тон уверенности ничего не значит. Модель говорит правду и выдумку абсолютно одинаковой интонацией. Отличить по звучанию невозможно — только проверкой.
Чем более узкий и редкий факт вы спрашиваете, тем выше риск. Про то, что написано в тысяче источников, она ответит точно. Про то, что упоминалось трижды, — начнёт достраивать.
Именно поэтому в книге я буду повторять: любую цифру, дату, цитату и ссылку проверяйте перед публикацией. Теперь вы знаете, почему, а не просто следуете совету.
Почему она забывает вчерашний разговорВторой вопрос, который задают чаще всего.
У модели нет памяти в человеческом смысле. Каждый раз, когда вы отправляете сообщение, она получает всю переписку заново — целиком, с самого начала.
То есть она не «помнит» ваш разговор. Ей просто каждый раз подкладывают его текст.
Отсюда три следствия.
Длина разговора ограничена. Есть предел объёма текста, который влезает за один раз. Он большой — сотни тысяч слов у современных моделей, — но конечный. Когда разговор перерастает предел, начало отбрасывается. Модель «забывает» то, о чём вы договорились в начале, и вы искренне недоумеваете.
Новый чат — чистый лист. Никакого накопленного знания о вас там нет. Функции памяти между чатами существуют, но это надстройка: часть сведений сохраняется отдельно и подкладывается в начало новых разговоров. Ограниченная и настраиваемая.
Длинный разговор дороже и медленнее. Каждое ваше сообщение тянет за собой всю историю. Поэтому под новую тему лучше открывать новый чат — не из аккуратности, а потому что так точнее и дешевле.
Практический вывод: если вам нужно, чтобы модель постоянно знала контекст вашей работы, — это делается отдельно. База знаний компании, к которой система обращается перед каждым ответом. Именно этим я в основном и занимаюсь у клиентов, и об этом будет разговор дальше.
Что происходит, когда вы нажимаете вводСоберём цепочку целиком, коротко.
Ваш текст разбивается на кусочки — примерно слоги или части слов. Модель прогоняет их через свои внутренние связи и выдаёт не одно продолжение, а список вариантов с вероятностями. Из этого списка выбирается одно слово. Потом всё повторяется для следующего.
Обратите внимание на слово «выбирается». Модель не всегда берёт самый вероятный вариант — иначе тексты выходили бы одинаковыми и мёртвыми. Есть настройка, определяющая, насколько смело она отходит от очевидного.
Отсюда ответ на вопрос, который тоже задают постоянно: почему на один и тот же запрос приходят разные ответы. Потому что выбор слова содержит элемент случайности. Это не сбой — без него вы бы получали одну и ту же фразу вечно.
Практический вывод: если ответ не понравился, иногда достаточно просто попросить ещё раз. Получится другое.
Почему одни модели дороже другихМодели различаются размером — количеством внутренних связей. Больше связей означает более тонкие закономерности, но и больше вычислений на каждое слово.
Отсюда прямая экономика. Крупная модель умнее и дороже. Мелкая быстрее и дешевле. На простых задачах разница почти не видна, на сложных огромна.
Поэтому нормальная практика — не «взять самую лучшую», а раскладывать задачи: рутину на дешёвую модель, сложное на дорогую. Компании, которые гоняют всё через топовую, платят за пересказ писем по цене архитектурного проектирования.
Отдельно про режимы размышления. У современных моделей есть возможность перед ответом «поработать вчерне» — сгенерировать рассуждение, которое вы не видите, и только потом дать результат. Качество на сложных задачах растёт заметно, скорость и цена — тоже. Для письма это лишнее, для разбора договора обязательно.
Что такое агент, в одном абзацеВсё описанное выше — это модель, которая только пишет текст.
Агент — та же модель, которой дали инструменты: доступ к базе, к файлам, к почте, к сторонним сервисам. Она сама решает, каким инструментом воспользоваться, смотрит на результат и решает, что делать дальше.
Разница не в уме, а в том, что появились руки. Отдельная часть книги посвящена тому, почему это меняет всё — и почему у большинства компаний не работает.
Чего внутри нетКороткий список, снимающий большинство завышенных ожиданий.
Нет базы фактов. Есть закономерности, извлечённые из текстов. Поэтому проверять надо всё.
Нет понимания в человеческом смысле. Есть очень хорошее моделирование того, как люди пишут о понимании. Практически разница видна редко, но она есть — и вылезает в нестандартных ситуациях.
Нет намерений. Модель ничего не хочет. Она не стремится вам понравиться в том смысле, в каком стремится человек, — но её настраивали быть полезной, и поэтому она склонна соглашаться. Помните об этом, когда приходите к ней с готовым решением за одобрением.
Нет доступа к текущему моменту. Данные обучения обрываются на определённой дате. Всё, что позже, для модели не существует, если не подключён поиск.
Нет ответственности. И это, в конечном счёте, главное. Машина не отвечает за последствия — ни юридически, ни как-либо ещё. Отвечает человек, который её применил.
Что даёт это знаниеПробегитесь по списку и заметьте, что каждый пункт — это готовое рабочее правило.
Знаете про предсказание слов — понимаете, почему нужна проверка фактов, и не удивляетесь выдуманным ссылкам.
Знаете про отсутствие памяти — открываете новый чат под новую тему и не удивляетесь, что модель забыла договорённость из начала длинного разговора.
Знаете про случайность выбора — просто просите переделать вместо того, чтобы переписывать запрос с нуля.
Знаете про размер и цену — не гоняете рутину через самую дорогую модель.
Знаете про склонность соглашаться — не принимаете подтверждение своей идеи за независимую проверку.
Это и есть разница между человеком, который «пользуется нейросетью», и человеком, который понимает, что делает. Первый удивляется и разочаровывается. Второй получает результат.
Что остаётся человекуРаз механика такая простая — предсказание следующего слова, — почему результат производит впечатление разума?
Потому что человеческая речь несёт в себе гораздо больше, чем мы думаем. Всё, что мы знаем о мире, отложилось в том, как мы об этом пишем. Модель вытащила эти закономерности и научилась их воспроизводить.