Когда интеллект стал дешёвым. Том 1: Человек Как оставаться нужным, когда ИИ меняет работу, карьеру и ценность специалиста

Дешёвый двигатель есть у многих;

машину всё ещё надо собрать.

«Выиграют те, кто лучше всех проявляет инициативу».

Искусственный интеллект сделал умственный труд дешёвым. Ценным стал тот, кто владеет результатом и отвечает за него.

История человечества — это история того, что мы автоматизировали.

Сначала мышцы. Паровой двигатель, конвейер, ткацкий станок — всё это забрало у человека физический труд. Было страшно. Потом оказалось, что открылись новые виды работы, которых раньше не существовало. Человечество адаптировалось.

У этой адаптации всегда был один и тот же маршрут. Машина забирала физическое — человек уходил вверх, в умственное. Ткач вставал к станку, оператор станка дорастал до инженера, инженер — до управленца. Чем дешевле становился труд рук, тем дороже становилась работа головой. Голова была убежищем: что бы ни автоматизировали внизу, наверху всегда оставалось место для человека.

Сегодня автоматизируют само убежище.

Впервые в истории машина забирает не мышцы, а голову. Не физический труд, а умственный. Анализ, письмо, юридическую экспертизу, медицинский диагноз, финансовый расчёт, код. То, чему вы учились пять лет. То, из чего строили карьеру и профессиональную репутацию.

ИИ2 за минуты делает то, на что раньше уходили дни. Что теперь значит ваш опыт?

Это честный вопрос. Не риторический. И эта книга — попытка дать на него честный ответ.

Моя цель проста. Не напугать и не продать вам светлое будущее, а помочь разобраться: что на самом деле происходит с ценностью вашего труда, когда интеллект подешевел, и дать путь вперёд. Конкретный, не лозунговый. Для трёх ролей: специалиста, руководителя, предпринимателя. И отдельно — для наших детей: им в этом мире жить дольше, чем нам.

Без паники — она мешает думать. Без обещаний золотых гор — считать всё равно придётся.

Они сами об этом говорят

Здесь легко отмахнуться: «Журналисты преувеличивают. Посмотрим через пять лет.»

Но это не журналисты.

Сэм Альтман, основатель OpenAI — компании, создавшей ChatGPT, пишет: стоимость интеллекта со временем должна приблизиться к стоимости электричества, а «интеллект, слишком дешёвый, чтобы его измерять», уже в пределах досягаемости.3 Он не предупреждает о будущем — он описывает то, что его компания уже развернула.

Сатья Наделла, глава Microsoft: компания встраивает ИИ-агентов (программы, которые отвечают на вопросы и сами выполняют задачи: ищут информацию, пишут письма, принимают решения, запускают процессы) в корпоративную работу как инструменты, которые действуют от имени человека, а не только отвечают в чате.4

Андрей Карпати, один из создателей технологий, лежащих в основе GPT, описывает это как цикл генерации и проверки: ИИ производит варианты, а человек должен быстро и надёжно проверять, что получилось.5

Это не сценарий из научной фантастики. Это описание того, что уже работает прямо сейчас.

И дело не только в корпорациях — это уже в обычной работе, прямо за соседним столом. Юрист просит ИИ собрать первый вариант договора или претензии и получает за минуты то, на что уходил час. Аналитик загружает в модель стостраничный отчёт и читает выжимку, пока наливает кофе. Программист пишет код заметно быстрее — это уже измеряли в контролируемых экспериментах.6 Маркетолог за вечер делает то, ради чего раньше нанимал агентство: тексты, лендинг, десяток вариантов рекламы. Предприниматель готовит бизнес-план и презентацию для инвестора сам, без команды.

А по оценке OpenAI, ИИ уже сейчас выполняет заметную часть рабочих задач многих профессий на уровне специалиста — за минуты и несравнимо дешевле человеческого времени.7 Не «когда-нибудь». Уже.

И вот что отличает этот сдвиг от всех прежних. Каждая революция: промышленная, цифровая уносила какие-то профессии, но всегда по частям: одна отрасль, один цех, один склад. ИИ бьёт иначе — не по отрасли, а по самому умственному труду, то есть по всем сразу. Водитель, юрист, бухгалтер, маркетолог, врач, учитель, переводчик — впервые под одной волной оказались почти все. Такого в истории ещё не было.

Отсюда легко скатиться к «нас заменят». Но вывод неверный. ИИ работает не вместо человека, а вместе с ним. Он берёт на себя рутину, а за человеком оставляет то, что машине не под силу: решать, что делать, проверять и отвечать за итог. У этого «вместе» одно жёсткое условие: оно достаётся не всем, а только тем, кто научился. Заменит не ИИ. Того, кто не научился работать с ИИ, заменит тот, кто научился.

Поэтому учиться придётся каждому. Не программировать (ИИ уже инструмент не только для программистов, забудьте об этом) — пользоваться: ставить задачу, давать контекст, проверять, доводить до результата. Это не разовый курс, а новая базовая грамотность.

Почему я это пишу и как сам перестроил свою работу с появлением ИИ

О будущем работы сейчас рассуждают все. Я бы не стал добавлять к этому ещё одну книгу, если бы смотрел на ИИ только со стороны.

Двадцать лет я строю цифровые продукты для банков и финтеха: платёжные платформы, цифровые конвейеры, корпоративные сервисы, от которых зависит ежедневная работа больших корпораций. Поэтому ИИ для меня — не абстрактная тема из новостей и не модное слово из презентаций, эта технология уже с нами. Раньше я уже написал книгу «Digital Bank: настольная книга по цифровизации финансовой отрасли» — о том, как цифровизация меняет банки и финансовые сервисы. Я не отказываюсь от той книги: она была важным срезом своего времени. Но сейчас фокус на другом. Эта книга — не столько про индустрию, сколько про человека внутри новой технологической реальности: как перестроить свою работу, мышление и профессиональную ценность, когда ИИ становится доступен каждому.

За последние пару лет ИИ перестал для меня быть темой для докладов, прогнозов и красивых слайдов. Он стал рабочим инструментом, вокруг которого я начал перестраивать собственную работу: писать, анализировать, проектировать, готовить коммерческие предложения, проверять документы, собирать прототипы и запускать новые идеи быстрее, чем раньше было возможно.

Поэтому дальше речь пойдёт не о том, что «когда-нибудь изменит ИИ». Речь пойдёт о том, что уже меняется сейчас: в работе конкретного человека, команды и бизнеса. Именно этот опыт, как превратить ИИ из темы для разговоров в рабочий инструмент, я и хочу передать в этой книге.

Утро. Я открываю не почту, а её выжимку: из сотни писем — пять важных на сегодня, по каждому уже ясно, что отвечать. Рядом — ночной дайджест: более сотни телеграм-каналов сжаты в пару страниц того, что и вправду случилось. Утром, до прихода в офис, воронка сделок уже просмотрена: где зашевелилось, где пора напомнить, где риск. Пока я пил кофе, первый вариант коммерческого предложения новому клиенту уже собран — мне остаётся поправить и решить. Ничего из этого не делали мои сотрудники: всю эту систему я собрал сам, вечерами (открытый код — в моём профиле на GitHub, ссылка в конце как доказательство и руководство для вас).

Там, где раньше я звал юриста, теперь хватает пары промптов (запросов к ИИ): получаю полный разбор договора и письмо с правками и аргументами. Сам, без аналитика, делаю ревью бизнес-требований к проекту, нахожу дыры и противоречия, на которые ушли бы дни согласований. Сам набрасываю стратегию переговоров с заказчиком. Полгода назад мы вдвоём, я и мой коллега, руководитель проектов, параллельно с основной работой за два месяца собрали продукт для управления B2B-сделками, подготовили сайт и материалы для его продажи, а затем показали рабочее демо десяткам клиентов — от ведущих банков до производственных и медиакомпаний. Ещё недавно такое казалось просто невозможным.

Расскажу совсем бытовую историю. Я не собирался становиться бухгалтером. За пару лет у меня скопились некоторые возвраты по налогам, и я решил наконец этим заняться. Нужно было поднять выписки примерно за пять лет (от работодателя поступления, вклады, счета у брокера, оплата медицинских услуг и другие — всего более 60 документов), разобраться с налогами по прогрессивной ставке на базе массы законов, найти возможные вычеты, собрать и подать документы в налоговую службу — и потом самому за это отвечать. Раньше я бы отложил это на потом (как делал последние пару лет), потом ещё раз на потом, потом искал бы специалиста, пересылал документы специалисту, объяснял контекст и всё равно держал бы в голове тревогу — точно ли ничего не пропустил? С ИИ получилось иначе. Примерно за полтора дня я разобрал массив выписок (а если быть точным не я, а машина с помощью моих команд), вытащил возможные вычеты, собрал логику проверки и получил рабочую функцию, которой раньше у меня не было: помощника-бухгалтера. Не человека, которому можно слепо доверить подпись. Систему, которая читает, раскладывает, спрашивает о пропущенном, показывает риск и помогает собрать черновик решения. По сути, я сам прошёл значимую часть работы, ради которой обычно зовут налогового консультанта. Но финальная ответственность осталась на мне.

И вот что здесь главное. Ради всего этого раньше понадобилась бы целая команда — разработчики, аналитик, дизайнер, юрист, администратор — и в разы больше времени. А теперь хватило пары месяцев и одного человека. Я сам, на себе, стал той «компанией из одного», о которой пойдёт речь дальше. Не потому что я особенный, а потому что инструмент стал таким.

Я рассказываю это не ради резюме. А чтобы вы знали: всё, что дальше, проверено на себе. Я своими руками испытал и силу этой технологии, и её предел. Поэтому здесь не будет ни паники «всех уволят», ни обещаний «100 промптов — и вы богаты». Это не прогноз с трибуны, а заметки из практики.

Но это не магия

Пределы здесь принципиальны. Если бы ИИ был всемогущ, эта книга была бы не нужна — как, впрочем, и вы. Сила без границ не оставляет места человеку. К счастью, границы есть. Разобраться, где они проходят, — часть новой грамотности.

Первое ограничение — неровная граница. ИИ силён там, где кажется трудно, и спотыкается там, где кажется просто. Напишет связный юридический текст и не сумеет надёжно сосчитать, сколько в нём слов. Решит непростую задачу и уверенно соврёт про дату, известную школьнику. Исследователь Итан Моллик называет это зубчатой границей: заранее не угадать, по какую сторону окажется именно ваша задача.8 Карту этой границы каждый рисует сам, на ощупь — и в этом уже навык.

Второе ограничение — галлюцинации: случаи, когда ИИ не просто ошибается на границе возможностей, а уверенно выдаёт неправду. Модель не проверяет факты, она предсказывает правдоподобное продолжение. Поэтому с одинаковой уверенностью назовёт реальный закон и несуществующий, настоящую цитату и выдуманную. Уверенность интонации не говорит ничего о правдивости — а звучит ИИ всегда уверенно.

Третье ограничение, самое дорогое на практике. Показать впечатляющую демонстрацию легко, а вот довести до реальной, ежедневной работы трудно. На показе всё гладко. Но бизнесу мало «почти всегда» — ему нужно, чтобы работало безотказно, раз за разом. И этот шаг от «впечатляет» до «можно положиться» лечится не удачной формулировкой, а месяцами труда. Чем длиннее цепочка действий, которую вы доверили ИИ, тем вернее где-нибудь да сорвётся.

Вывод не «ИИ слаб». ИИ силён — и стал силён очень быстро. Вывод другой: между «ИИ может» и «на это можно положиться» лежит работа — проверка, контекст, ответственность. Кто умеет её делать, тот и нужен. Именно об этом — вся остальная книга.

Хорошая новость внутри плохой

На этот вызов люди реагируют одним из двух способов: игнорируют («это не про меня») или паникуют («всё пропало»). Есть третий путь.

Инженер и автор Дан Лу написал заметку о том, как попасть в 95-й перцентиль любого навыка, то есть в верхние 5% людей в своей области. Его наблюдение неприятно простое: большинство людей никогда по-настоящему не пытается развивать свои навыки глубоко. Не потому что они глупые или ленивые. Просто не пытаются системно.9

С ИИ работает та же логика — причём в обе стороны.

95% людей будут использовать ИИ поверхностно: спросить что-то, получить ответ, скопировать. Как более умный поиск. Не потому что не хотят большего, просто не знают, как. Войти же в 5%, которые используют ИИ системно, сейчас легче, чем в любой другой технологический переход в истории. Инструменты доступны всем за несколько долларов в месяц. А системное применение ещё нет.

Что значит «системно»? Не секретные промпты — привычки.

Большинство берёт первый ответ. Те, кто в 5%, с ним спорят: просят альтернативы, заставляют обосновать, сталкивают две версии. Первый ответ ИИ — не финал, а черновик для разговора.

Большинство пишет «составь письмо клиенту» и получает общее. Те, кто в 5%, дают модели контекст: свои прежние письма, факты по клиенту, критерии. На входе ваше — на выходе ваше, а не усреднённое.

Большинство копирует ответ как есть. Те, кто в 5%, проверяют всегда: цифру, цитату, ссылку сверяют до того, как поставят подпись. Про галлюцинации ИИ — уверенные, но неверные ответы модели — помнят постоянно.

Ни один из этих приёмов не требует диплома — только дисциплины. И того опыта, который подсказывает, где ИИ мог ошибиться.

Вот здесь ваш опыт возвращается. Но не там, где вы привыкли его искать.

Где ценность — конкретно, а не общими словами

Ещё Адам Смит в «Богатстве народов» почти двести пятьдесят лет назад показал простую вещь: платят за то, что нужно другим. Ценность задаёт рынок. Любой бизнес стоит на двух опорах.

Первая — привлечь клиента и сделать так, чтобы он заплатил. И заплатил больше, вернулся снова, привёл других. Это не только продажи: это качество, сервис, забота, доверие, скорость — всё, за что клиент платит охотнее.

Вторая — расходы и их сокращение. Тот же результат меньшими затратами.

Всё остальное: обоснование одной из этих двух опор. В этом суть предпринимательства. И это же — мера ценности наёмного сотрудника: вас ценят ровно настолько, насколько вы умеете двигать одну из опор — приносить выручку или сокращать затраты.

К этому добавился новый закон, про то, как ценность смещается. Когда какой-то ресурс дешевеет и его становится много, дорожает всё, что с ним в связке и чего по-прежнему мало. Экономист Тайлер Коуэн говорит об этом коротко: в мире дешёвого интеллекта того самого, что забирает ИИ, в цене не ум, а инициатива, воля привести его в действие.

ИИ отлично справляется с производством. Он быстрее пишет тексты, собирает отчёты, помогает с кодом, делает черновики презентаций, раскладывает документы по полочкам. Он резко снижает стоимость того, что в технологической среде называют output — видимого результата работы: текста, файла, отчёта, функции, списка, черновика.

Но бизнесу нужен не только output. Ему нужен outcome — польза, эффект, изменение в реальности.

Я специально оставляю здесь английские слова output и outcome. В мире технологий и ИИ это важное различие: output — то, что система произвела, outcome — то, что изменилось благодаря этому результату. Дальше мы ещё не раз будем возвращаться к этой паре понятий.

Проведённый урок — это output. Ученик, который начал уверенно говорить на языке, — outcome. Выпущенная функция — output. Меньше жалоб, выше конверсия и довольнее клиенты — outcome. Налоговый черновик, список документов и разбор выписок — output. Корректная налоговая позиция, найденные вычеты и готовность отвечать за принятое решение — outcome.

ИИ удешевляет первое. Но он сам по себе не знает, что именно стоит производить, зачем и для кого. И главное — он не несёт ответственности за последствия.

Когда интеллект дешевеет, дорожает всё, что вокруг него: постановка задачи, выбор направления, понимание контекста, вкус, ответственность и способность довести результат до пользы. Поэтому опыт не исчезает. Он просто меняет место: перестаёт быть монополией на производство текста, кода или презентации — и становится умением превращать дешёвый output в ценный outcome.

Опыт не исчезает. Он просто смещается туда, где цена ошибки особенно высока. Я вижу четыре такие зоны, и каждая держится на одной из двух опор: умении проверять и умении выбирать направление.

Первое: поймать ошибку до того, как она дорого обошлась

ИИ-модель (языковая программа, обученная на огромном массиве текстов) предсказывает вероятный правильный ответ. Не проверяет — предсказывает. В большинстве случаев «вероятно правильный» и «правильный» совпадают. Но есть случаи, где они расходятся, — и там вся цена ошибки.

Опытный юрист видит: договор формально безупречен, но один пункт при споре будет трактован иначе, чем написано. ИИ не видит — у него нет отраслевого контекста, только текст. Опытный врач знает: ИИ хорошо читает типовые снимки, но вот этот артефакт на рентгене стоит проверить отдельно. Обзоры клинического ИИ показывают тот же разрыв: впечатляющие результаты в узких тестах не всегда выдерживают сложность реальной практики, а чрезмерное доверие к подсказкам модели само становится источником ошибок.10

Гарри Каспаров проиграл компьютеру Deep Blue в 1997 году. После этого предложил новый формат — «продвинутые шахматы»: человек плюс компьютер против компьютера. Результат удивил всех: команда из двух любителей с хорошим алгоритмом обыграла гроссмейстеров с более слабым алгоритмом. Не потому что лучше играли — потому что лучше понимали, когда доверять машине, а когда нет.11

Ценность сместилась от умения играть к умению судить об игре. Когда у всех одинаковые инструменты, выигрывает тот, кто умеет надёжно проверить результат.

Второе: знать то, чего нет ни в одном тексте

Есть знание из учебника — и есть знание «как на самом деле». Первое ИИ впитал: модель обучена на том, что люди записали, и научилась это обобщать. Второе — нет. Потому что лучшие профессиональные нюансы никто не записывал. Они живут в практике, не в тексте.

Опытный мастер слышит поломку по звуку двигателя — и не всегда может объяснить, как именно понял. Руководитель проекта по двум фразам в переписке видит, что срок уже сорвался, хотя в отчёте ещё зелёный статус. Хороший продавец чувствует, когда замолчать и дать клиенту решить самому. Такое знание редко попадает в инструкции: оно накапливается годами практики.

Философ Майкл Полани сформулировал это ещё в 1966 году: «Мы знаем больше, чем можем рассказать». Экономист Дэвид Аутор позже связал это с автоматизацией: машину нельзя научить тому, что человек сам не умеет выразить словами. Современные модели частично обошли преграду — выучили те нюансы, что просочились в тексты. Но то, чего нет ни в одном тексте, не попадает и в данные, на которых модель училась. По определению.12

Это несгораемый остаток экспертизы: не то, что вы знаете из книг — это знают все и знает ИИ, — а то, что вы знаете из практики.

Третье: отношения, которые не автоматизируются

ИИ напишет идеальное коммерческое предложение. Но клиент позвонил вам лично — потому что доверяет вам, а не письму. Это доверие строилось годами. Оно и генерирует повторные сделки, рекомендации, прощение ошибок.

В банковской практике это видно особенно хорошо: персональный менеджер может быть важнее разницы в тарифе, потому что клиент покупает не только продукт, но и доверие к человеку, который понимает его ситуацию. ИИ-ассистент это не удержит. Исследования лояльности давно показывают направление: удерживать подходящего клиента обычно дешевле, чем снова покупать его внимание с нуля.13 ИИ снижает стоимость первого контакта. Но он не создаёт причину вернуться — это делает человек.

Четвёртое: вкус — отличить работающее от просто красивого

Есть ещё одно, что дешевеет последним, — вкус. Когда сгенерировать может каждый, ценность переходит к тому, кто умеет выбрать.

ИИ выдаёт десять заголовков, пять вариантов дизайна, три стратегии. Все звучат разумно, все «нормальные». Но какой из них по-настоящему хорош, какой попадёт в клиента, а какой просто хорошо собран, модель не знает. Она умеет производить, но не умеет предпочитать.

Это не про эстетику, а про суждение: что выделить, что выбросить, что дотянуть. Когда производство резко дешевеет, редким становится не умение сделать, а умение отличить. Фильтр дороже генератора.

Как это выглядит у предпринимателя: три кристалла

На предпринимательском языке это выглядит так. Давид Ян, основатель ABBYY и предприниматель из Силиконовой долины, сформулировал рамку «трёх магических кристаллов»: уметь создать продукт, иметь канал до клиента и понимать настоящую боль пользователя.14 В его нынешней работе с голосовыми ИИ-агентами для малого бизнеса хорошо видно, почему эта рамка стала ещё жёстче: красивая демка уже не редкость, а доверие, надёжность и доставка в реальный процесс остаются трудными.15

Первый кристалл — знать боль. Не «автоматизация вообще», а конкретная потеря: бизнес теряет часть входящих звонков, потому что некому отвечать вне рабочих часов, — и клиент уходит к конкуренту.

Второй — сделать таблетку. И вот ключевое: красивую демку ИИ-приёмщика студент соберёт за вечер. Но для бизнеса недопустимо, чтобы агент хоть изредка пригласил клиента, когда салон закрыт. Нужна почти безупречная надёжность — а она, как мы видели, достигается месяцами. «Ров не в промпте, а в продакшен-качестве» — если перевести это на язык этой книги.

Третий — доставить таблетку. И он стал самым дорогим. Раньше дорого было создать продукт, теперь, когда ИИ удешевил разработку, дорого — донести его до клиента. Малому бизнесу не продать «в лоб»: владелец занят, не доверяет, боится менять процессы. Выигрывает тот, у кого есть канал — отношения с теми, кто уже стоит между бизнесом и клиентом. Инвесторы из a16z формулируют это короче: «строить дёшево, доставлять дорого».

Замечаете? ИИ обнулил второй кристалл, то, что раньше и было защищённым, дорогим куском. А ценность переехала в первый и третий: знать настоящую боль и иметь доступ. Это те же рвы — глазами того, кто строит бизнес. Output подешевел; всё, что вокруг него, подорожало.