Самое жестокое в ИИ — не то, что он не дает ответов бедным.

Наоборот, оно дает ответы всем.

Он предоставляет студентам структуру для дипломных работ, сотрудникам — шаблоны писем, предпринимателям — бизнес-планы, обычным людям — юридические пояснения, инвестиционные советы и карьерное планирование. Ответы впервые стали настолько дешевыми, настолько доступными и настолько правдоподобными.

Но проблема в том, что, когда ответы доступны всем, настоящим дефицитом становится не сам ответ, а способность оценивать ответы.

Новые бедные — это не те, кто исключен из ИИ, а те, кто уже получил ответы, но не может оценить их и не имеет возможности превратить эти ответы в реальные возможности.

В эпоху интернета информационными бедняками являются те, кто исключен из сети. Решение кажется очевидным: подключиться к интернету, обеспечить доступ к устройствам и повысить уровень грамотности. В эпоху поисковых систем всё немного сложнее: нужно научиться выделять ключевые слова, отбирать источники, оценивать их надежность и, желательно, немного знать английский язык. Но порог доступа остаётся видимым и измеримым.

Информационный разрыв в эпоху ИИ имеет совершенно другую структуру.

Крупные языковые модели — это не поисковые системы; они напрямую генерируют для вас выводы. Вам не нужно больше «искать» ответ — ответ будет представлен в виде плавных абзацев, четких шагов и уверенного тона, прямо перед вами. На поверхности порог входа значительно снижен. Но здесь скрывается холодная структура: когда ответы становятся дешевыми, ошибки тоже становятся дешевыми; а способность отличать «является ли этот ответ надежным», наоборот, становится более редкой и ценной, чем когда-либо.

Каждое распространение универсальной технологии в истории следует одной и той же логике: новые технологии сначала награждают тех, кто уже обладает комплементарным капиталом. Печатный станок сначала помог тем, кто умел читать; компьютеры — тем, кто владел офисными программами и программированием; интернет — тем, кто хорошо владел английским языком и обладал навыками поиска. Комплементарным капиталом для ИИ являются образование, профессиональные знания, критическое мышление, организационная автономия, платёжеспособность и самое трудное для количественной оценки — способность к суждению.

Новые технологии редко сначала награждают тех, кто в них больше всего нуждается. Обычно они сначала награждают тех, кто может лучше всего их использовать.

Первая трещина неравенства уже появилась до того, как вы открыли приложение.

В апреле 2026 года исследовательская организация в области ИИ Epoch AI и опросная компания Ipsos провели опрос около 5000 взрослых американцев. В трех раундах опроса задавался, казалось бы, простой вопрос: какие сервисы ИИ вы использовали на прошлой неделе? Однако ответы не просто отражали предпочтения продуктов, а выявили карту, в которой переплетаются доходы, точки входа и распространение.

Среди еженедельно активных пользователей Claude около 80% приходят из семей с годовым доходом более 100 000 долларов США; у пользователей Meta AI этот показатель составляет всего 37%. Напротив, около 32% пользователей Meta AI происходят из семей с годовым доходом менее 50 000 долларов США, тогда как среди пользователей Claude этот показатель составляет лишь 7%.

Эти цифры важны не потому, что они доказывают, что «богатые используют продвинутый ИИ, а бедные — бесплатный ИИ». Это самая поверхностная интерпретация. Более важный вопрос: почему разные люди сталкиваются с разными ИИ в повседневной жизни?

Один человек просит ИИ придумать ужин для остатков еды в холодильнике, осветлить фон на фотографии и переформулировать сообщение более вежливо. Другой человек просит ИИ обработать интервью с клиентами, сравнить предложения поставщиков и выявить слабые предположения в отчете. Оба используют одну и ту же технологию. Но первый ограничивается удобством, а второй вовлекается в цикл доходов, должностей и переговорных позиций.

Различия существуют не только среди пользователей, но и в точках входа. Путь использования Claude требует активного поиска, сравнения продуктов, понимания различий в возможностях, выбора платной версии и интеграции инструмента в рабочий процесс — каждый шаг отсеивает пользователей. Путь Meta AI почти противоположен: он встроен в социальную платформу, бесплатен и имеет низкий порог входа, и пользователи часто сталкиваются с ним пассивно во время прокрутки ленты, отправки сообщений или просмотра фотографий.

Это не рынок вкусов, а рынок распределения. Пользователи, казалось бы, выбирают инструменты, но цены и доступ к инструментам также выбирают пользователей.

Источник: epoch.ai

Даже если вы найдете хороший инструмент ИИ, вас ждет второй этап внедрения в компании.

В обычном офисе появление ИИ редко проявляется в виде «уведомлений об увольнении». Сначала он берет на себя ведение протоколов встреч, черновиков писем, упорядочивание таблиц, классификацию клиентов и черновики отчетов. Для менеджеров эта автоматизация освобождает время, чтобы сосредоточиться на принятии решений; а для новичков и сотрудников низшего звена автоматизация лишает их возможности доказать свою состоятельность, отработать навыки принятия решений и выйти на более высокий уровень работы.

Данные холоднее этого сценария: совместное исследование Financial Times и исследовательской организации по отслеживанию использования ИИ в рабочей силе Великобритании и США (февраль–март 2026 года, охватывает более четырех тысяч респондентов в Великобритании и США) показало, что 63% работников с самой высокой зарплатой используют ИИ в обычные рабочие дни, в то время как среди двух самых низких групп этот показатель составляет всего 17% и 16%. Это не пологий склон — это обрыв.

Более важным открытием являются факторы, влияющие на использование ИИ. Регрессионный анализ этого исследования рабочего места показал, что влияние заработной платы на уровень использования ИИ практически исчезает при контроле других переменных — ключевыми являются четыре фактора: возраст, стаж, отрасль и обучение. Наибольший эффект оказывает обучение: компании, предоставляющие формальное обучение ИИ, имеют на 37 процентных пунктов более высокий среднедневный уровень использования ИИ по сравнению с аналогичными компаниями без обучения. Даже неформальное наставничество повышает этот показатель на 24 процентных пункта.

Однако реальность такова: на начало 2026 года только 14% сотрудников сообщили, что проходили формальное обучение по ИИ, предоставленное работодателем, а две трети вообще не проходили никакого обучения.

Обучение ИИ — это не техническая проблема, а проблема распределения. Кто выбран для обучения, тот получает доступ к траектории роста производительности; кто не выбран, тот видит инструмент просто как иконку на экране, которую нельзя открыть.

ИИ на потребительском уровне — это приложение, на рабочем уровне — это привилегия. А привилегии никогда не распределяются равномерно.

Источник: Focaldata

Это самый скрытый и самый фундаментальный канал разделения.

Представьте себе недавнего выпускника, только что устроившегося в консалтинговую компанию. Он сгенерировал черновик отраслевого аналитического отчета с помощью ИИ — структура полная, данных достаточно, тон уверенный. Его руководитель, человек с десятилетним опытом в этой сфере, бросил на него взгляд и отметил, что два источника данных содержат методологические недостатки, а третий вывод основан на ошибочной причинно-следственной связи. Руководитель не потому что работает усерднее, а потому что обладает этой основой — знает, где легко ошибиться, знает, какая плавность настоящая, а какая — просто заполнение пробелов машиной.

Это именно то, что означает контринтуитивное открытие из данных опроса о работе: наиболее активными пользователями ИИ на рабочем месте являются не самые молодые сотрудники, а те, кто уже работает на текущей должности от 2 до 10 лет. Связь между уровнем использования ИИ и стажем остается значимой даже после контроля возраста. Это не потому, что молодые сотрудники не хотят использовать ИИ, а потому, что ценность ИИ сильно зависит от уже существующих способностей пользователя к принятию решений.

Опыт — это наиболее важный дополнительный капитал для ИИ, а опыт нельзя подписаться.

ИИ снизил стоимость «звучания как понимающий», но не снизил同等 стоимость «настоящего понимания». Существует даже более опасное последствие: чем меньше основы у пользователя, тем больше вероятность, что он будет слепо принимать выводы ИИ; а чем больше он принимает их слепо, тем труднее развивается его способность к суждению. Когда агент принимает решения за вас, вы потребляете интеллект, а не накапливаете его.

Нобелевский лауреат по экономике, профессор МИТ Дарон Ачмоглу не минует слов: использование инструментов ИИ требует определенного уровня образования, абстрактного мышления, количественных навыков и знакомства с технологиями. «Практически точно, что ИИ усилит неравенство», — говорит он.

Новая информация бедных вот здесь проявляется: они не те, у кого нет ИИ, а те, у кого есть ИИ, есть доступ, есть ответы, но нет подготовки, чтобы оценивать ответы; есть инструменты, есть сценарии, но нет прав превращать результаты инструментов в возможности; каждый день потребляют интеллект, но никогда не накапливают его.

Но связь между ИИ и неравенством не ограничивается только расширением разрыва.

Несколько экспериментальных исследований показали, что в контролируемых условиях ИИ чаще всего оказывает более значительное влияние на людей с низкими навыками — таких как сотрудники колл-центров, начинающие авторы и новички в консалтинге. Это неудивительно: у топ-экспертов ограниченный прирост от использования ИИ; а для человека, который никогда не мог позволить себе профессиональные услуги, первый опыт использования ИИ для понимания договора — это настоящий качественный скачок.

Но здесь есть важное различие, которое нужно подчеркнуть: экспериментальные исследования измеряют «улучшение после использования», тогда как реальные данные измеряют «кто фактически использует», «кому разрешено использовать» и «кто после использования может превратить результат в возможность». Оба набора данных не лгут — они измеряют совершенно разные вещи.

Технология может сокращать разрыв в лабораторных условиях, но расширять его в реальном мире — если само внедрение неравномерно, если контекст неравномерен, если само суждение неравномерно.

ИИ обладает техническими характеристиками, способствующими равенству, но функционирует в неравной социальной структуре. Только одновременное существование этих двух истин раскрывает истинную суть проблемы.

Каждое поколение склонно верить, что универсальные технологии своего времени разрушат старый порядок.

После появления печатного станка грамотные люди получали выгоду в течение нескольких столетий. В начале распространения компьютеров их возможности усиливались у тех, кто уже умел пользоваться офисными программами и писать код. Ранние преимущества интернета достались тем, кто знал английский язык, умел искать информацию и имел время и мотивацию для арбитража. На каждом технологическом волне звучали громкие заявления «на этот раз всё по-другому», но структурное расслоение часто становилось заметным лишь спустя десятилетия.

Скорость отклонения ИИ может быть выше, а раскол — глубже, поскольку он затрагивает не одну категорию задач, а почти все работы, зависящие от суждений и языка. А это как раз те способности, которые最难 стандартизировать и最难 перераспределить.

Некоторые считают, что разрыв в конце концов сократится. Такую точку зрения разделяет экономический историк, профессор Оксфордского института интернета Карл Бенедикт Фрей, опирающийся на исторический опыт: неравенство, вызванное распространением компьютеров, со временем уменьшилось по мере снижения барьеров для их использования. Эта аналогия не лишена оснований.

Проблема в том, что даже при принятии этого оптимистичного исторического аналога Фрей сам признает ключевое ограничение: «Это зависит от того, сколько времени потребуется, чтобы закрыть этот разрыв. Если это десять или двадцать лет, то это более тревожно».

Десять или двадцать лет — это не временной масштаб, который можно легко ждать — особенно для тех, кто в этот период должен искать работу, вести переговоры о зарплате и накапливать опыт.

Это странная историческая минута: впервые у нас появилась технология, которая заставляет всех чувствовать, что они становятся умнее.

Это ощущение часто является концом.

Проблема в том, что в эпоху, когда победа и поражение определяются только здравым суждением, принимать чувства за конечную цель — возможно, самая дорогая ошибка.