Индустральная революция ИИ: мы до сих пор используем старые рабочие процессы?

Автор: Уилл Аван

За последний год я посещал несколько отраслевых конференций на тему ИИ. На сцене спикеры по очереди демонстрировали трюки ИИ, а в зале люди снимали экраны на телефоны, публиковали посты в ВКонтакте и снова начали листать ленту. Но вернувшись в офис, всё оставалось прежним: те же еженедельные совещания, те же согласования, те же еженедельные отчёты. Крупные компании уже включили расход токенов в KPI, и кто-то стал образцовым работником благодаря скриптам для накрутки. Те, кто в ВКонтакте, сегодня — революция Claude, завтра — Codex крут, послезавтра — Gemini во всём великолепен — это действительно стремление к революции или просто беготня по мероприятиям?

Это весь шум, а не тот ответ, который я хотел.

Сама проблема не в том, насколько силен ИИ — паровой двигатель уже создан, проблема в том, кто первым разберет старую мастерскую.

День, когда промышленная революция действительно началась, — не день, когда Уатт усовершенствовал паровую машину, а день, когда фабриканты Ланкашира решили отказаться от рек и перестроить свои цеха вокруг паровой машины. То же самое и с важнейшим моментом ИИ — не день, когда были созданы крупные модели, а день, когда первая организация решила разобрать старые процессы и перестроить производство вокруг ИИ. Этот день еще не наступил. Но он уже на пути.

Два человека заметили это очень рано. Генеральный директор Notion Чжао Иван в конце 2025 года написал статью «Steam, Steel, and Infinite Minds», оценив ситуацию как крайне холодную: мы все еще находимся на этапе «замены водяных колес» — добавляем ИИ-чат-ботов к существующим инструментам, но никто не перепроектирует завод. Бывший сотрудник OpenAI Леопольд Ашенбреннер пошел другим путем: написал 165-страничную работу «Situational Awareness», а затем создал фонд, который вырос с 225 миллионов до 13,68 миллиардов долларов, полностью инвестировав в инфраструктуру ИИ. Один смотрит внутрь, другой делает ставку наружу.

Эта статья не о них. Она о нас — где мы сейчас находимся и какую историю мы повторяем.

(Ткачество на мощном станке, гравюра Дж. Тингла по Томасу Аллому, 1835 г. / Wikimedia Commons)

Большинство людей проводят день так: утром с помощью ИИ написали письмо, сэкономив десять минут; затем потратили два часа на заседание, которое можно было не проводить; днем копировали и вставляли одни и те же данные между тремя инструментами; вечером опубликовали пост в соцсети: «ИИ действительно классный». Сэкономленные десять минут были полностью потрачены обратно на старые процессы.

Точно так же, когда появилась паровая машина, фабриканты сначала просто заменили водяное колесо на паровую машину, оставив всё остальное без изменений — фабрики по-прежнему строились у реки, оставались многоэтажными, а вся линия приводилась в движение центральным валом. Мы устанавливаем ChatGPT в Slack, добавляем Copilot в Office, встраиваем окно AI-чата в рабочий процесс — делаем то же самое. Инструменты обновились, но цех остался прежним.

Но смена машины не означает смену цеха. Маклюэн хорошо сказал:

Мы движемся в будущее, глядя в зеркало заднего вида. Использовать старые процессы для размещения новых инструментов — это то же самое, что ранние фильмы, которые были просто записанными театральными постановками. Настоящий прорыв произойдет только тогда, когда кто-то полностью освободит паровую машину от реки и перепроектирует весь производственный процесс вокруг новой силы.

Сопоставив хронологию Промышленной революции с развитием ИИ, можно примерно определить, где мы находимся на карте:

Сейчас временные рамки чрезвычайно сжаты. Промышленная революция заняла 60 лет от парового двигателя до железнодорожного бума, а ИИ — всего 7 лет от Transformer до волны строительства центров обработки данных.

Скорость — не проблема, проблема в том, где мы застряли — первые четыре строки всё ещё находятся на этапе установки новых машин в старых цехах: паровые машины установлены, железные дороги прокладываются, но методы производства остались неизменными. Шестая строка — настоящая точка отсчёта. С большой вероятностью мы застряли именно между этими двумя шагами.

Паровой двигатель уже в руках, но цех всё ещё старый.

Инфраструктура всегда переоснащается. В конце концов, разоряются инвесторы, а не инфраструктура.

В 1846 году британский парламент одобрил 263 закона о железных дорогах, разрешив построить 9500 миль новых железнодорожных линий. Инвестиции в железные дороги достигли пика, составив 13% ВВП Великобритании. Акции железных дорог можно было приобрести, внесив всего 10% задатка, и средний класс хлынул на рынок. Пузырь лопнул в 1847 году. Треть одобренных линий так и не были построены, и множество инвесторов потеряли все свои средства. Дарвин потерял 60% на акциях железных дорог, причем его удача была намного лучше, чем у большинства.

Но железная дорога осталась.

Сегодняшняя инфраструктура ИИ идет по тому же пути. Согласно последним оценкам Goldman Sachs, глобальные капитальные затраты на инфраструктуру ИИ достигнут 765 миллиардов долларов в 2026 году и, по прогнозам, составят 1,6 триллиона долларов ежегодно к 2031 году. Доля капитальных затрат крупнейших облачных провайдеров в операционном денежном потоке выросла с примерно 40% в 2023 году до почти 70% в 2025 году. Инвестиции, связанные с ИИ, уже составляют около четверти всех инвестиций в США. 13,68 миллиарда долларов Ашеннбреннера ставятся именно на этот уровень — он делает ставку не на то, какое приложение победит, а на саму базовую вычислительную мощность.

Этот капиталовый цикл структурно аналогичен недвижимостному развитию. Строительство центров обработки данных — это то же самое, что строительство зданий: земля — это электричество, строительные материалы — это GPU и хранилища, подрядчики — компании, строящие центры обработки данных, застройщики — облачные провайдеры, арендаторы — компании, разрабатывающие ИИ-приложения, а арендная плата — это доход от API. Бизнес-модель облачных провайдеров основана на принципе «аренда финансирует кредит» — доход от API покрывает капитальные затраты на центры обработки данных, ожидая роста оценки при взрывном росте ИИ-приложений.

Хэш-рейт недвижимости: у каждого поколения свои инфраструктурные проекты

Такая же основная проблема: скорость падения цены API компенсируется ли ростом объема запросов? Если арендная плата опустится ниже линии погашения кредита — это кошмар, с которым наиболее знакомы застройщики. Урок 2008 года заключался не в избыточном строительстве домов, а в несоответствии структуры построенных домов реальному спросу. Эквивалентная рискованность ИИ заключается в избытке универсальных вычислительных ресурсов, в то время как специализированные возможности, способные эффективно обрабатывать высокодоходные сценарии, такие как финансовая комплаенс и медицинская диагностика, остаются дефицитными.

Железные дороги, недвижимость, ИИ — три эпохи инфраструктурных инвестиций, объединённые одной и той же закономерностью: избыточное строительство — норма, производители стройматериалов всегда теряют ценовую власть, а долгосрочная прибыль всегда остаётся у владельцев «ключевых локаций». Взгляните на портфели фондов Уолл-стрит за первый квартал — скорее всего, 80% средств сосредоточены на этом инфраструктурном уровне: NVIDIA, центры обработки данных, облачная инфраструктура. Но безумие железнодорожной эпохи учит нас одному: это не полная картина ИИ-революции и даже не самый прибыльный её сегмент.

Ядро ИИ — это уникальные отраслевые данные и глубоко интегрированные рабочие процессы. Для человека настоящим «ядром» является не владение акциями, а его незаменимая способность к суждению и отраслевые знания — при условии, что он уже перестроил способы их использования вокруг ИИ.

Настоящая отдача — на следующем уровне. Но между инфраструктурой и созданием ценности нет бесшовного перехода. Между ними существует зазор — исторически этот зазор поглощал десятилетия.

Люди, которые разбирают цеха, и люди, которые «используют ИИ для повышения эффективности», делают не одно и то же.

Симон, сооснователь Чжао Ивана, ранее был «программистом, увеличивающим производительность в десять раз», но теперь редко пишет код самостоятельно — он одновременно управляет тремя-четырьмя AI-агентами для кодирования, достигая эффективности в 30–40 раз. В Notion сейчас 1000 сотрудников и более 700 AI-агентов. Разница не в инструментах, а в том, что Симон разобрал свою старую мастерскую, в то время как большинство просто заменили водяное колесо.

600 миллионов китайских пользователей использовали генеративные ИИ-инструменты, что на 142% больше, чем в прошлом году — это крупнейший в мире рынок спроса на ИИ. Однако почти ни одна китайская компания не перестроила свои ключевые рабочие процессы вокруг ИИ. Крупнейший в мире спрос при почти отсутствующих изменениях в организации предложения. Сам этот контраст является сигналом: проблема не в недостатке инструментов, а в том, что организация не успевает за ними. Контекст знаний разбросан по десяткам инструментов и десяткам человеческих голов, результаты невозможно проверить, и никто не знает, как оценить эффективность стратегической записки.

(Влияние ИИ на рынок труда: Новый показатель и первые данные)

Anthropic уже действует в более масштабном порядке. Они выпустили Economic Index, который на основе реальных данных о использовании показывает, какие задачи и отрасли AI заменит в первую очередь, и строит свою стратегию на основе этой карты: создает совместное предприятие с Goldman Sachs, Blackstone и Hellman & Friedman для запуска AI-натуральной корпоративной сервисной компании; формирует глобальный альянс с KPMG, подключая 276 000 сотрудников к Claude; Accenture создает бизнес-группу, обучая 30 000 человек с акцентом на финансы, биотехнологии и здравоохранение.

Эти консалтинговые компании играют роль не пользователей ИИ, а инженеров железных дорог — они не создают паровые машины и не укладывают рельсы, а помогают компаниям снести старые цеха и перестроить производственные линии вокруг новой силы. Без этой роли большинство владельцев заводов не знают, с чего начать.

Сигналы уже мигают. Самый острый исходит с рынка труда.

Молодые люди в возрасте 22–25 лет, вступающие в профессии с высокой степенью воздействия ИИ, имеют на 14% меньшую вероятность найти работу по сравнению со сверстниками, вступающими в профессии с низкой степенью воздействия ИИ. Вакансии на начальном уровне уже сокращаются.

Если я выпускник, это число напрямую влияет на мои поиски работы. Если я менеджер, следующая волнаjunior-позиций, которых я нанимаю, может уже не быть людьми.

Организации распадаются, а что насчет меня? Мое образование, мой опыт работы, мой отраслевой опыт, накопленный за эти годы — это мои водяные колеса. Они когда-то приводили в движение всю мою производственную линию, но уже пришел паровой двигатель. 985 и 211 больше не являются рвом — они лишь доказывают, что когда-то я построил неплохой завод у реки.

Сейчас вопрос в том, есть ли у нас возможность покинуть ту реку.

Данные Anthropic показывают, что пользователи, использующие инструменты ИИ более 6 месяцев, имеют на 10% более высокий успех в выполнении задач по сравнению с новыми пользователями. Те, кто начал на полгода раньше, уже на 10% впереди — эта разница будет расти со временем за счет сложного процента.

Однако пока ни одна компания не обанкротилась из-за отсутствия ИИ — по крайней мере, мой юридический офис продолжает активно продвигать ИИ. Победители еще не определены рынком. Кривая обучения реальна — те, кто начал раньше, уже накапливают преимущества, но большинство все еще находятся на старте.

Будет ли моя нынешняя профессиональная должность существовать через десять лет? Сколько инструментов, которыми я пользовался ежедневно пять лет назад, остались в использовании сегодня? Ответ, вероятно, отрицательный. Но я не знаю, как называются заменяющие их вещи — потому что эти вещи пока не существуют.

Так всегда было в истории. Новое не планируется — оно появляется само, когда исчезают старые ограничения.

До строительства железных дорог Великобритания состояла из изолированных местных экономик. Цена на манчестерский хлопок могла отличаться от лондонской на 30%. Каждый город имел собственный стандарт времени, и никто не считал это проблемой. За двадцать лет после строительства железных дорог всё изменилось. Впервые появился национальный единый рынок, ценовые различия были устранены; стандартное время было введено из-за железных дорог, а не изобретено; такие профессии, как станционный супервайзер, телеграфист, агент по путешествиям, полностью отсутствовали до появления железных дорог.

Никто, прокладывая железные дороги, не предвидел появления универмагов. Ни один из создателей паровых машин не предвидел появления стандартного времени.

(Пар, сталь и ИИ бесконечного интеллекта)

История городов рассказывает одну и ту же историю. Столетия назад города были масштаба человека — сорок минут пешком, чтобы пройти через Флоренцию. Стальные конструкции сделали возможными небоскребы, железные дороги соединили города с прилегающими территориями, за ними последовали лифты, метро и автострады. Токио, Чунцин, Даллас — это не больше Флоренции, а совершенно новый образ жизни.

Современная интеллектуальная работа также остается в человеческих масштабах: команды из десятков человек, ритм задают встречи и письма — более нескольких сотен человек уже не справляются. Мы строим Флоренцию из камня и дерева. ИИ делает возможным «Токио» — организации из тысяч AI-агентов и людей, рабочие процессы которых работают непрерывно через часовые пояса. Старые еженедельные встречи, квартальные планы и годовые оценки могут утратить смысл.

Саймон больше не пишет код — его работа превратилась в «управление AI-агентами». Два года назад такой должности не существовало. Моя следующая профессиональная должность, возможно, пока не имеет названия. Но кто-то уже строит то будущее, которому мы еще не придумали имени.

После сноса старого цеха что строить? Ответ YC: пусть компания улучшает себя сама.

Их внутренняя система теперь самостоятельно изменяет свой код ночью. Один из сотрудников отправил запрос днем — он завершился с ошибкой. Один из мониторинговых агентов зафиксировал эту ошибку, проанализировал причину, написал код для исправления, отправил на проверку и развернул обновление. На следующий день тот же запрос выполнился успешно. Всё это произошло, пока все спали.

Это не то, что ИИ помогает людям увеличить производительность на 30%. Это система сама завершила весь цикл и самостоятельно нашла способы стать лучше.

Партнер YC Том Бломфилд в внутренней речи назвал эту форму компании «рекурсивным циклом самосовершенствования ИИ». Его вывод прост: большинство компаний все еще являются римскими легионами — иерархическая передача информации сверху вниз и обратно, где люди служат каналами для передачи данных. ИИ разрушает не эффективность отдельного звена, а саму основу, на которой существует вся эта иерархическая структура.

Его новая логика: сжигать токены, а не люди. Узкое место переходит от человеческих ресурсов к вычислительной мощности. Данные, которые увидел YC, показывают, что средний доход на сотрудника в компаниях, дошедших до Demo Day, вырос примерно в пять раз по сравнению с 18 месяцами назад. Роль среднего менеджмента была передана ИИ — «координация» больше не требует участия человека. Каждый должен быть IC, builder или operator, и за каждое дело должен отвечать конкретный человек, а не комитет.

Еще одно условие: компания должна быть «читаемой» для ИИ. То, что не зафиксировано, для ИИ равно не происходившему. YC теперь архивирует все письма партнеров, записывает все сообщения в Slack и аудиозаписи офисных часов. Один из партнеров, используя 2000 часов аудиозаписей, накопленных за три месяца, заставил ИИ создать заново 150-страничное внутреннее руководство — намного лучше оригинала. Это руководство автоматически обновляется ежемесячно и превратилось в «живой мозг», который постоянно обновляется.

Том оставил вопрос:

Если бы сегодня вы начинали свою компанию с нуля, построили бы её так же? Если ваша компания уже имеет иерархическую структуру, вам нужно ответить на другой, более сложный вопрос: будет ли боль от перестройки меньше, чем стоимость продолжения работы по принципу римского легиона?

Люди не находятся в центре цеха, а находятся на периферии — отвечают за те области, куда пока не могут дотянуться ИИ: оценка в офлайн-режиме, новые ситуации, моменты с высокими ставками и сильными эмоциями. Центр компании — это «мозг компании», составленный из данных, записей и отраслевых знаний. Программное обеспечение, работающее на нем, является расходным материалом: если его можно сгенерировать, его можно сгенерировать снова. Ценность сосредоточена в головах людей — как работает бизнес, какие этапы требуют принятия решений; именно это понимание является настоящим активом.

Чжао Иван в книге «Steam, Steel, and Infinite Minds» описывает другую сторону этого направления — организацию из 1000 сотрудников и более 700 AI-агентов, где люди отвечают за принятие решений, а агенты — за выполнение. Ашенбреннер делает ставку на инфраструктуру вычислительных мощностей, Чжао Иван — на реструктуризацию организаций. Оба пути ведут к одной и той же цели: новому типу производственных отношений, построенному вокруг ИИ.

Между 1840-ми и 1850-ми годами — железные дороги уже были построены, а фабрики еще не были восстановлены.

Где мы? Саймон уже не пишет код. Его водяное колесо он разобрал сам.

Проблема никогда не в том, насколько хороша паровая машина, а в том, кто первым разобрал старую мастерскую.

Я не собираюсь предсказывать будущее универмагов, я просто хочу делать свою работу — достаточно просто убедиться, что я нахожусь вдоль железнодорожных путей, а не у реки, которая высыхает.

А ты?