Автор: TT3LABS, платформа для удалённой рекрутинга в Web3/AI/SaaS
26 февраля 2026 года финансовая технологическая компания Block объявила о сокращении более чем 4000 сотрудников, сократив численность команды с более чем 10 000 до менее чем 6000 человек. Генеральный директор Джек Дорси упомянул в письме акционерам:
Smart tools have changed what it means to create and run a company... a significantly smaller team, using the tools we're building, can do more and do it better.
Дорси также дал свой крайне суровый прогноз:
Я считаю, что большинство компаний уже опоздали. В течение следующего года большинство компаний придут к тому же выводу и внесут аналогичные структурные изменения.
После закрытия рынка当天, акции Block выросли более чем на 20%. Это — реальный ответ рынка капитала: платят за использование ИИ и повышение эффективности компании.
Обычный человек, не знающий программирования, с помощью крупной языковой модели может за одну ночь самостоятельно запустить полнофункциональное приложение. Тогда рынок капитала неизбежно задаст острый вопрос: какова еще ценность огромных затрат на персонал у технологических гигантов, которые нанимают десятки тысяч программистов для поддержания повседневной работы суперприложения?
Тренд на замену человеческого труда ИИ неизбежно заставит больше крупных компаний последовать этому пути. Тревога неизбежна, но беспокоиться бездейственно. Мы должны начать с изменения общей ситуации и постепенно перейти к стратегиям выживания отдельных лиц.
ИИ — это не просто инструмент, он становится средством производства
На рынке некоторые люди начинают использовать термин «Web4» для определения текущего этапа. Чтобы прояснить развитие, сначала рассмотрим различные этапы эволюции интернета:
Web2
Суть заключается в взаимодействии между программным обеспечением и человеком; различные платформы с помощью алгоритмов захватывают внимание пользователей, и по сути это борьба за трафик.
Web3
Пытается решить проблемы подтверждения прав на цифровые активы и распределения стоимости. Многие просто приравнивают его к криптовалюте, но по сути он по-прежнему остается на уровне игры в правила распределения богатства и не затрагивает отношения "производства" цифровых продуктов.
Накануне Web4
ИИ впервые коснулся изменения самих производственных отношений. Он больше не просто инструмент повышения эффективности, а становится новым видом средств производства. Тот, кто лучше им пользуется, сможет увеличить предел производства на порядок.
В традиционной командной работе существует множество скрытых издержек: способности и отраслевая интуиция выдающихся лидеров трудно передаются подчиненным, а при совместном выполнении задач неизбежны ошибки в понимании и потери на переделки. Это — «скрытые налоги» функционирования организации, для которых ранее не существовало четких решений. ИИ значительно снижает эти скрытые издержки: у него нет кривой обучения, при четких инструкциях он способен выполнять задачи высокого качества и одновременно обрабатывать несколько потоков задач. Стратегическое суждение одного человека, усиленное исполнительным рычагом ИИ, позволяет достичь результата, равного продуктивности целой команды.
Конечно, ИИ пока ещё иногда «серьёзно несёт чушь», что делает человеческий контроль и суждение по-прежнему незаменимыми. Однако надёжность моделей растёт ежемесячно, и временной запас для чисто исполнительских ролей гораздо короче, чем большинство считают.
Эффективность равенства и глубокий кризис: после того, как барьеры входа были устранены
В краткосрочной перспективе обычные люди могут получить выгоду от повышения эффективности за счет использования инструментов ИИ. Однако, если рассмотреть ситуацию в перспективе, то, когда ИИ устранит базовые различия в эффективности и значительно снизит барьеры для входа в профессию, компании обнаружат: после значительного повышения производительности одного сотрудника, если общий объем бизнеса не расширяется пропорционально, сохранение прежнего численного состава персонала становится отрицательным активом.
Сегодняшний разрыв в заработной плате ясно это демонстрирует. Согласно данным мониторинга вакансий TT3LABS, начиная с 2025 года на рынке труда в области ИИ неоднократно фиксировались пакеты вознаграждений в размере более чем «десятки миллионов долларов», причем кандидатами были молодые инженеры-исследователи в области ИИ, не обладающие значительным опытом управления командами. При рекрутировании ключевых исследователей из OpenAI Meta выплатила одни только бонусы за заключение контракта более чем на 100 миллионов долларов; средняя стоимость акций у сотрудников OpenAI достигла 1,5 миллиона долларов, а базовая годовая зарплата старших исследовательских инженеров в Anthropic достигала максимума в 690 000 долларов (без учета акций).
Эти деньги тратятся на приобретение редкого навыка: усиление самого ИИ. Те, кто способен продвигать эволюцию базовых моделей, могут увидеть свою ценность, геометрически увеличенную по всей бизнес-сети. А все остальные, чья работа может быть заменена ИИ с меньшими затратами, могут столкнуться со снижением своей оценки.
Это также вызывает более глубокий потенциальный кризис. Все больше людей, сталкиваясь с проблемами, сразу обращаются к ИИ за ответом, пропуская этап собственных рассуждений, проверки и экспериментов — со временем это приведет к потере способности мыслить. Проблема в том, что именно этот «трудный путь» формирует ваше чутье к проблемам. Длительное использование ИИ вместо выполнения этого процесса превратит вашу роль на работе в «переводчика требований»: вы будете только преобразовывать требования других в входные данные для ИИ, а затем переносить выходные данные ИИ обратно. А именно этот промежуточный этап легче всего сможет пропустить следующее поколение ИИ.
Impact Map: Where do you stand?
Страх без координат — это просто тревога. Прежде чем обсуждать меры реагирования, нам нужно сначала составить «карту ударов». Это не для распространения паники, а чтобы каждый мог определить свое положение.
Работы с высоким риском, задачи которых могут быть четко описаны в инструкциях
Написание базового кода, базовый анализ данных, генерация стандартизированных отчетов, шаблонный дизайн, обычный перевод и редактирование. Общая черта этих должностей заключается в том, что их работа может быть четко разбита на «ввод→обработка→вывод». Среди уволенных Block более 4000 человек значительная часть попадает именно в этот диапазон. Их профессиональные навыки не плохи, но их задачи как раз те, которые могут выполнять крупные языковые модели.
Стандарт, который стоит себе задать: если весь ваш объем работы можно описать одним AI-командом, значит, машина уже готова заменить вас — осталось только узнать, когда компания примет это решение.
Опытные средние трейдеры считают, что боковик сжимается
Менеджеры проектов, операционные руководители, инженеры среднего звена. Их работа включает принятие решений и координацию — ИИ в краткосрочной перспективе не сможет заменить их, но они находятся под давлением. Раньше для управления всей бизнес-цепочкой требовалось пять средних менеджеров, каждый из которых отвечал за свой участок и должен был согласовывать действия с другими; теперь ИИ берет на себя выполнение задач на верхнем и нижнем уровнях, и всю цепочку может эффективно запустить всего один-два человека.
Эта группа сталкивается с ситуацией, когда «мест становится меньше». Ваши способности не ухудшились, но спрос на вашу роль на рынке резко снизился. Путь для такой группы — использовать ИИ для усиления исполнения внизу и завоевать право определять проблемы сверху.
Владыка неопределенности роста
Существует тип работы, суть которого не в «правильном выполнении», а в принятии решений при постоянной неполноте информации и несении ответственности за последствия. Сложные коммерческие переговоры, управление кризисами в общественном мнении, управление межкультурными организациями, оценка высокорискованных инвестиций. ИИ может предоставлять анализ и рекомендации, но не может подписать за вас документы, не может взять на себя вину, не может прочитать за столом интересы собеседника по одному лишь взгляду.
Такие роли не только не обесцениваются, но и благодаря значительному снижению базовых затрат на выполнение с помощью ИИ один и тот же бюджет позволяет реализовывать более масштабные проекты, увеличивая рычаги, находящиеся в распоряжении лиц, принимающих решения.
В реальной жизни многие люди работают сразу в нескольких уровнях. Простой способ самопроверки: подумайте, сколько из вашего ежедневного рабочего содержания можно описать одной инструкцией, а сколько требует от вас самостоятельного принятия решений в условиях неопределенности. Чем выше доля первого, тем скорее вам нужно внести изменения.
Остановите тревогу из-за инструментов и превратите общие вычислительные мощности в частные барьеры
В конце января OpenClaw («ракообразный») появился на свет, и за несколько дней количество звёзд на GitHub превысило 170 000. Производители моделей быстро последовали за ним: Alibaba Cloud выпустила одношаговое развертывание, Tencent представила CoPaw в качестве аналога, а MiniMax и Kimi также выпустили свои совместимые решения.
Затем вы заметите интересное явление: многие люди в этом месяце тратят на «исследование, как развернуть креветок» и «сравнение, какой набор выгоднее», больше времени, чем на реальное использование ИИ для получения бизнес-результатов. Все гонятся за инструментами, но после того, как вы развернете свою конфигурацию, кто-то другой сможет скопировать её полностью за два часа.
Все крупные языковые модели — OpenAI, Anthropic, Meta, Google, xAI — обучены на одних и тех же открытых данных интернета. Поэтому они по сути одинаковы, и именно поэтому они быстро становятся товарами.
— Ларри Эллисон, телефонная конференция по финансовым результатам Oracle за второй квартал финансового года 2026
И наоборот: если ваша работа зависит только от общедоступных возможностей крупных моделей, ваш результат будет однородным, даже если ваши инструкции будут самыми изысканными — у вас не будет конкурентного преимущества.
The real barrier lies in moving from public to private.
Сейчас наблюдается четкая тенденция: все больше организаций — от крупных корпораций до стартапов — внедряют локализованные частные модели. Прямая причина — информационная безопасность: никто не хочет передавать свои ключевые бизнес-данные сторонним API. Однако у этой тенденции есть недооцененное побочное последствие: когда основные игроки отрасли замыкают свои данные и знания в частных развертываниях, информация, доступная для обучения общих моделей в открытом интернете, становится все менее объемной и все более устаревшей. На первый взгляд ИИ снижает барьеры для доступа к знаниям для всех, но действительно ценные отраслевые знания ускоренно исчезают из открытой сети, погружаясь в частные базы знаний каждой компании.
Таким образом, ваша многолетняя накопленная отраслевая «скрытая информация» не обесценивается, а растет в ценности — при условии, что вы начнете ее применять.
Соберите неструктурированный опыт, рассеянный в вашей памяти, переписке и исторических письмах, структурируйте его и превратите в «контекст», который ваша частная модель сможет усвоить. Данные бэкенда TT3LABS показывают, что уровень прохождения первоначального отбора кандидатами с опытом более двух лет в Web3-индустрии значительно выше, чем у технических специалистов из крупных компаний без отраслевого бэкграунда — ключевая причина в том, что вес отраслевых знаний намного выше, чем универсальные технические навыки. Человек с тремя годами опыта в CEX-операциях понимает логику соблюдения нормативных требований и скрытые правила листинга, человек, прошедший два цикла DAO-управления, способен оценить дизайн предложений и точки перелома в настроениях сообщества, специалист, углубленно работающий в нишевом контенте, обладает интуитивным пониманием психологии аудитории и ритма повествования — все это не встречается ни в одном из открытых обучающих наборов данных.
Когда вы структурируете эти частные знания и подключаете их к модели, ваш ИИ перестает быть универсальной энциклопедией и становится исключительно вашим партнером, который работает только для вас и знает только вашу нишу. Такая глубина результата недоступна другим, даже если они используют ту же универсальную модель.
Единственная ключевая логика: ИИ превосходит всех в обработке открытых знаний, но в обработке частного опыта полностью зависит от ваших данных. Те, кто может сочетать глубокие отраслевые компетенции с ИИ, станут ключевыми активами в новой модели разделения труда.
Твоя база опыта — это настоящая «модель»
Искусственные интеллектуальные модели стремительно развиваются: сегодняшние GPT, Claude и Gemini через полгода могут быть заменены более мощными версиями. Но для вас смена более мощной модели — это просто смена API-интерфейса. То, что не будет заменено или устареет, — это ваши собственные данные и база опыта, которые вы вводите в неё.
Модели — это универсальная инфраструктура, доступная всем. Но те отраслевые знания, бизнес-суждения и опыт ошибок, которые вы в них закладываете, являются вашими уникальными «обучающими данными». Чем сильнее ИИ, тем лучше он усваивает ваши данные, и тем выше ваша частная барьерная защита. Поэтому не беспокойтесь о том, «не устареет ли ваша база знаний слишком быстро» — ваша база знаний является единственным активом, который не обесценивается из-за обновлений моделей. Модели меняются, но ваша Data Moat только растет вместе с ростом возможностей ИИ.
В то же время традиционная логика профессиональной конкуренции также переписывается. Раньше сотрудники могли демонстрировать свою преданность делу, работая допоздна, но машины работают 7×24, и все стратегии, основанные на «я могу работать дольше других», обесцениваются перед лицом ИИ.
Многие говорят: «Я всё ещё предоставляю эмоциональную ценность в команде». Да, это уникальная способность человека, но её премия зависит от вашего уровня. Когда базовая команда сокращается с десяти человек до двух человек и ряда AI-агентов, «смазка команды» теряет свою среду. А на уровне принятия решений — сложные коммерческие игры, высокорисковое установление доверия, урегулирование конфликтов между разными заинтересованными сторонами — глубокая человеческая связь становится ещё более ценной благодаря снижению базовых затрат. Эмоциональная ценность не исчезает — она перемещается вверх.
В конечном счете, самое важное, во что стоит инвестировать личности в эпоху ИИ — это не освоение того или иного инструмента, а постоянное развитие той уникальной частной ИИ-системы, которая есть только у вас. Инструменты будут обновляться, а база опыта — нет.
Три действия, которые можно начать прямо сейчас
В случае с Block: кто-то был уволен, но кто-то остался — разница в том, кто останется незаменимым после того, как ИИ станет стандартным производственным инструментом. Не ждите, пока компания сама организует для вас обучение ИИ — начиная с сегодняшнего дня, мы можем попробовать следующие действия:
01、Переход от «самостоятельного выполнения» к «созданию рабочих процессов»
Самая распространённая ловушка для сотрудников — использовать ИИ, чтобы «лениво» справляться с задачами (например, заставить ИИ написать еженедельный отчёт или отредактировать письмо). Это всё ещё мышление на уровне исполнителей. То, что вам действительно нужно сделать, — это воспринимать себя как «подрядчика» и перестроить ключевой результат вашей текущей должности в виде автоматизированной производственной линии на основе ИИ.
Не пытайтесь одновременно тестировать десятки новых моделей — выберите одну из самых зрелых на данный момент (например, ChatGPT Plus или Claude) и заставьте её вмешаться в самый трудоёмкий и требующий опыта этап вашей работы. Преобразуйте свою первоначальную однопоточную процедуру «ручной сбор данных → анализ и сравнение → вывод» в «настройку автоматизированного сбора → передачу данных в AI-аналитическую систему → ручная корректировка и настройка». Когда вы сможете сократить работу, которая раньше занимала неделю, до одного дня при высочайшей стабильности качества, вы перестанете быть просто отдельным узлом вычислительной мощности — вы сами превратитесь в высоколеверный «микрокомпанию».
02、Закрепите неявный опыт в виде вашего персонального цифрового двойника
Крупные модели обучаются на открытых данных, они знают все теории, но они абсолютно не понимают, какие скрытые привычки у вашего крайне сложного клиента, и не знают, какие зоны риска существуют при взаимодействии вашего отдела с бухгалтерией. Эти «тёмные знания», которые вы приобрели, пройдя через множество ошибок, — это ваш самый ценный актив.
Но эти активы не могут приносить сложный процент, если остаются только в вашей голове. Ваша текущая задача — использовать доступные на данный момент функции настройки крупных моделей (например, Custom GPTs или Claude Projects), чтобы превратить свой опыт в «системные предустановленные инструкции» для неё. Накормите её всеми вашими обработанными крайними случаями, отчётами о провалах и неформальными правилами индустрии. Ваша цель — не создать статичную базу знаний или блокнот, а «приручить» цифрового помощника, который будет нести вашу ярко выраженную индивидуальную бизнес-стилистику и работать исключительно на вас 24/7. Когда ваш «цифровой двойник» будет готов, никто с универсальным ИИ не сможет конкурировать с вами.
03、Укрепите свою способность определять проблемы и свою ответственность
В команде начните намеренно передавать машине задачи по «поиску ответов», а себе оставляйте право «задавать вопросы» и «принимать решения». AI — идеальный движок для поиска ответов, но он никогда не сможет распознать настоящую бизнес-мотивацию, стоящую за потребностью. Босс говорит: «Мне нужна новая стратегия удержания», — и AI мгновенно предлагает 10 теоретических моделей роста. Но только вы можете, учитывая текущий бюджет и ресурсы разработки, указать: «Решение B идеально, но его невозможно реализовать сейчас; решение C, сокращенное наполовину, лучше всего соответствует нашему текущему темпу».
В то же время вы должны понимать одно: ИИ не сядет в тюрьму и не возьмет на себя ответственность. Компании платят вам высокую зарплату, часто покупая вашу "гарантию" коммерческих результатов. Когда вы представляете код или решение, сгенерированное ИИ, вы должны быть уверены, чтобы сказать: «Я проверил результаты ИИ с помощью своего профессионального опыта и несу ответственность за конечный результат». Такой «премиум за ответственность» — способность принимать решения в нечетких зонах и брать на себя конечные коммерческие риски — машины не смогут заменить никогда.
Дорси сказал: «Большинство компаний уже опоздали». Но для отдельных лиц это утверждение также верно в обратном порядке: большинство людей еще не начали готовиться и не осознают эту тенденцию.
Не каждому нужно становиться экспертом в ИИ. Но каждому нужно четко ответить на вопрос: в вашей работе какие части машина рано или поздно сможет выполнять, а какие — только вы, и перенести свое время и усилия с первого на второе.
Если однажды ИИ превзойдёт человечество во всех областях — возможно, в 2027 году, возможно, в 2030 году — это не изменение, которое вы сможете наблюдать со стороны.
Оно не ждёт, пока ты будешь готов.