Автор: TT3LABS, веб3/ШІ/SaaS платформа для віддаленого найму
26 лютого 2026 року фінтех-гігант Block оголосив про звільнення понад 4000 осіб, скоротивши чисельність команди з більше ніж 10 000 до менше ніж 6000. Генеральний директор Джек Дорсі згадав у листі до акціонерів:
Інструменти штучного інтелекту вже змінили значення створення та управління компанією... значно менша команда, що використовує інструменти, які ми розробляємо, може робити більше і краще.
Дорсі також дав свою надзвичайно холодну прогнозу:
Я вважаю, що більшість компаній вже запізнилися. У наступному році більшість компаній прийдуть до того ж висновку і зроблять подібні структурні зміни.
Після закриття ринку того дня ціна акцій Block зросла більше ніж на 20%. Це — реальна відповідь ринків капіталу: платять за AI-лівередж та ефективність компанії.
Звичайна людина, яка не має ніякого уявлення про програмування, за допомогою великих моделей може за одну ніч самостійно запустити функціонально повний додаток. Тому інвестори неодмінно поставлять гострий питання: яку цінність має величезна вартість праці десятків тисяч програмістів, які підтримують повсякденну роботу супер-додатку?
Тенденція заміни людських ресурсів штучним інтелектом змусить більше великих компаній дотримуватися цього напрямку. Хвилювання не уникнути, але лише хвилюватися — безглуздо. Ми повинні починати з змін у загальній обстановці і поступово переходити до стратегій виживання окремої особи.
Штучний інтелект — це не просто інструмент, він стає засобом виробництва
На ринку деякі люди почали використовувати термін "Web4" для визначення поточного етапу. Щоб розібратися в логіці, спочатку розглянемо різні етапи розвитку інтернету:
Web2
Суть полягає у взаємодії між програмним забезпеченням та людиною; різні платформи за допомогою алгоритмів отримують увагу користувачів, що є суттєвою боротьбою за трафік.
Web3
Спроба вирішити проблеми визначення прав на цифрові активи та розподілу вартості. Багато людей спрощено ототожнюють це з криптовалютами, але з суті це все ще залишається грою у правилах розподілу багатства, не торкаючись відносин «виробництва» цифрових продуктів.
Напередодні Web4
Штучний інтелект вперше торкнувся зміни самих виробничих відносин. Він більше не просто інструмент для підвищення ефективності, а набуває форми нового виду засобів виробництва. Хто краще ним користується, той зможе підняти межі виробництва на порядок.
У традиційній командній роботі існує багато прихованих витрат: здатність та галузеве інтуїція видатного лідера важко передати підлеглим, а помилки у розумінні та витрати на переділку при багатоосібному виконанні неуникнені. Це — «приховані податки» організаційного функціонування, для яких раніше не було чіткого рішення. Штучний інтелект значно зменшує цей прихований податок: він не має кривої навчання, при отриманні чіткого запиту виконує завдання якісно та може одночасно обробляти кілька завдань. Стратегічна здатність однієї людини, поєднана з виконавчим важелем ШІ, дозволяє досягти результату, який раніше вимагав цілої команди.
Звичайно, штучний інтелект ще іноді «серйозно брехне», що робить людський контроль і судження все ще незамінними. Але надійність моделей зростає щомісяця, і час для чисто виконавчих посад коротший, ніж більшість людей вважають.
Ефективність рівності та глибока криза: після зняття бар’єрів для входу
У короткостроковій перспективі звичайні люди, використовуючи інструменти ШІ, отримують перевагу в ефективності. Але якщо прослідкувати розвиток подій далі, то коли ШІ згладжує базову різницю в ефективності і значно знижує бар’єри для входу в професію, компанії зрозуміють: після значного зростання продуктивності одного працівника, якщо загальний обсяг бізнесу не зростає пропорційно, підтримка початкової кількості працівників стає негативним активом.
Дивіться на поточну різницю в заробітній платі. За даними моніторингу вакансій TT3LABS, з 2025 року на ринку праці з штучним інтелектом неодноразово з’являлися пакети заробітної плати в розмірі «понад мільйон доларів США», причому кандидатами були молоді інженери з штучним інтелектом, які не мали значного досвіду «керівництва командами». Коли Meta запрошувала ключових дослідників з OpenAI, лише одноразові бонуси за підписання перевищили 100 мільйонів доларів США, а середній пакет акцій для співробітників OpenAI досяг 1,5 мільйона доларів США, а базова річна заробітна плата старшого дослідницького інженера в Anthropic досягла 690 000 доларів США (без акцій).
Ці гроші витрачаються на придбання рідкісної здатності: зробити саме ШІ сильнішим. Ті, хто може сприяти еволюції базових моделей, мають цінність, яка може бути геометрично збільшена в усьому бізнес-мережі. А інші, чия робота може бути замінена ШІ за меншою вартістю, можуть втратити в оцінці.
Це одночасно викликає глибшу потенційну кризу. Все більше людей, зіштовхуючись із проблемою, першою реакцією є запитати AI за відповіддю, пропускаючи проміжний етап власного міркування, перевірки та експериментування — і з часом втрачають здатність мислити. Проблема в тому, ще саме ця «груба робота» формує ваше почуття проблеми. Довготривала залежність від AI, який замінює вас у цьому процесі, призведе до того, що ваша роль у роботі деградує до ролі «перекладача вимог»: перетворювати вимоги інших на вхідні дані для AI, а потім передавати вихідні дані AI іншим. А саме цей проміжний етап — саме те, що наступне покоління AI найлегше зможе пропустити.
Карта ударів: на якій позиції ви знаходитесь?
Страх без координат — це просто тривога. Перш ніж обговорювати стратегії, нам потрібно спочатку створити «карту ударів». Це не для розповсюдження паніки, а щоб кожен міг визначити своє місце.
Посади, де завдання можуть бути чітко визначені інструкціями
Написання базового коду, базовий аналіз даних, генерація стандартизованих звітів, шаблонне проектування, звичайна перевірка перекладів. Спільною рисою цих посад є те, що роботу можна чітко розкласти на «вхід → обробка → вихід». Серед тих 4000+ осіб, яких Block звільнив, значна частина саме в цьому діапазоні. Їхні професійні навички не були поганими, але саме ці завдання підходять для великих моделей.
Стандарт, який варто собі задати: якщо весь ваш обов’язок можна описати одним рядком AI-інструкції, це означає, що машини вже здатні замінити вас — залишається лише дізнатися, коли компанія зробить це рішення.
Коливання під тиском досвідчених середніх учасників
Менеджер проектів, керівник операцій, інженер середнього рівня. Їх робота включає прийняття рішень та координацію — AI短期内 не зможе їх повністю замінити, але вони піддаються «стисненню». Раніше для ведення однієї бізнес-ланцюжки потрібно було п’ять середніх менеджерів, кожен з яких керував своєю частиною та мав згідовуватися з іншими, зараз AI береться за виконання завдань на початку та в кінці ланцюжка, і цілий процес може бути налагоджений двома-трьома людьми.
Цій групі стикається зі зменшенням кількості місць. Ваші здібності не знизилися, але попит на вашу роль на ринку різко скоротився. Шляхом для цієї групи є використання ШІ для підсилення виконання внизу та отримання права визначення проблем угорі.
Володар невизначеності зростання
Існує тип роботи, суть якої не в тому, щоб "зробити правильно", а в тому, щоб "приймати рішення за відсутності повної інформації та брати на себе відповідальність за наслідки". Складні комерційні переговори, кризовий паблік-релейшнз, міжкультурне управління організаціями, оцінка високоризикованих інвестицій. ШІ може надавати аналіз і рекомендації, але не може підписати замовлення за вас, не може взяти на себе вину за вас і не може зрозуміти за столом інтереси, що стоять за одним поглядом.
Ці ролі не тільки не знецінюються, але й через значне зниження витрат на виконання завдяки ШІ однаковий бюджет дозволяє розпочати більш масштабні проекти, а ліверидж у руках приймачів рішень збільшується.
У реальному житті багато людей працюють у кількох рівнях одночасно. Простий спосіб самоперевірки: подумайте, яка частина вашої щоденної роботи може бути чітко описана однією командою, а яка вимагає від вас самостійного прийняття рішень в умовах невизначеності. Чим вища частка першого, тим швидше вам потрібно змінити ситуацію.
Зупиніть тривогу щодо інструментів, перетворіть загальнодоступні обчислювальні потужності на приватні бар’єри
Кінець січня: OpenClaw («ракоподібний») з’явився, і за кілька днів кількість зірок на GitHub перевищила 170 000. Всі виробники моделей швидко відреагували: Alibaba Cloud запровадила розгортання з одного кліка, Tencent випустила CoPaw як аналог, MiniMax і Kimi також представили свої сумісні рішення.
Потім ви помітите цікавий феномен: багато людей цього місяця витрачають на дослідження «як розгорнути креветок» та «порівняти, який набір вигідніший», більше часу, ніж на реальне використання ШІ для отримання бізнес-результатів. Усі гоняться за інструментами, але після того, як ви розгорнули свою конфігурацію, інші можуть скопіювати її за дві години.
Всі великі мовні моделі — OpenAI, Anthropic, Meta, Google, xAI — навчалися на тих самих відкритих інтернет-даних. Тож вони суттєво однакові, і саме тому швидко стають товарами.
— Ларрі Елісон, телефонна конференція з результатів Oracle за другий квартал фінансового року 2026
Іншими словами: якщо ваша робота залежить лише від загальних публічних здібностей великих моделей, ваш результат буде однорідним, навіть якщо ваші інструкції будуть найбільш витонченими — ви не матимете конкурентної переваги.
Справжнім бар’єром є перехід від публічного до приватного.
Зараз існує чітка тенденція: від великих корпорацій до стартапів, все більше організацій впроваджують локалізовані приватні моделі. Прямою причиною є інформаційна безпека — ніхто не хоче передавати свої ключові бізнес-дані стороннім API. Але ця тенденція має недооцінений ланцюговий ефект: коли основні гравці галузі замкнуть свої дані та знання в приватних розгортаннях, інформація про галузь, доступна для навчання загальних моделей у відкритому мережевому просторі, буде все меншою та все більш застарілою. На перший погляд ШІ знижує бар’єри для отримання знань усіма, але справді цінна галузева інформація прискорено зникає з відкритої мережі й опиняється в приватних базах знань кожної компанії.
Отже, ваші роки накопиченого галузевого «темного знання» не втрачають вартості — вони зростають у ціні. За умови, що ви почнете їх використовувати.
Зберіть нестандартизовані професійні досвіди, розкидані в голові, чатах та історії листів, структуруйте їх і перетворіть на «контекст», який ваша приватна модель зможе опрацювати. Дані фону TT3LABS показують, що частка кандидатів із досвідом понад два роки у сфері Web3, які проходять початковий відбір, значно вища, ніж у технічних фахівців з великих компаній без галузевого досвіду — основна причина полягає в тому, що галузеві знання мають набагато більший ваговий коефіцієнт, ніж універсальні технічні навички. Людина, яка три роки працювала в CEX, розуміє логіку відповідності та приховані правила лістингу; той, хто пройшов два цикли DAO-управління, вміє оцінювати дизайн пропозицій і точки злому спільнотного настрою; фахівець, що глибоко працює з вузьким контентом, має інтуїтивне розуміння психології аудиторії та ритму повідомлень. Це все не зустрічається в жодних відкритих навчальних даних.
Коли ти структуруєш ці приватні досвіди та підключаєш їх до моделі, твій AI більше не є загальною енциклопедією, а стає виключно твоїм партнером, який працює тільки для тебе і розуміє лише твій напрямок. Така глибина результатів — це те, чого інші не зможуть досягти, навіть використовуючи ту саму загальну модель.
Єдина основна логіка: AI перевершує всіх у обробці відкритих знань, але у обробці приватного досвіду повністю залежить від вашого введення. Ті, хто зможе поєднати глибокі галузеві знання з AI, стануть ключовим активом у новій формі розподілу праці.
Твоя база досвіду — це справжня «модель»
Моделі ШІ швидко еволюціонують: сьогоднішні GPT, Claude, Gemini через півроку можуть бути замінені потужнішими версіями. Але для вас заміна на потужнішу модель — це просто зміна API-інтерфейсу. Незмінним залишиться те, що ви вводите — ваша власна база даних і досвід.
Моделі — це універсальна інфраструктура, якою може користуватися хто завгодно. Але ті галузеві знання, бізнес-рішення та досвід помилок, які ви вкладаєте в них, є вашою власною «навчальною вибіркою». Чим потужнішою стає ШІ, тим краще вона засвоює вашу вибірку, і тим вищий стає ваш приватний бар’єр. Тож не хвилюйтеся про те, чи швидко застаріє ваша база знань — ваша база знань є єдиним активом, який не втрачає цінності зі зміною моделей. Моделі змінюються, а ваша дана бар’єрність лише зростає разом із зростанням можливостей ШІ.
Тим часом традиційна логіка професійної конкуренції також переписується. Раніше працівники могли демонструвати свою відданість, працюючи до пізньої ночі, але машини працюють 7×24 години, і всі стратегії, засновані на «я можу працювати довше, ніж інші», перед лицем ШІ зводяться до нуля.
Багато хто каже: «Я все ще надаю емоційну цінність команді». Так, це унікальна здатність людини, але її премія залежить від вашого рівня. Коли базові команди скорочуються з десяти людей до двох людей та ряду AI-агентів, «змащувач команди» втрачає контекст. А на рівні прийняття рішень — складні бізнес-гри, високоризиковане встановлення довіри, вирішення конфліктів між різними інтересами — глибокі людські зв’язки, навпаки, набувають більшої цінності через зниження базових витрат. Емоційна цінність не зникає — вона мігрує вище.
В кінцевому підсумку, найважливішим інвестицією для окремої особи в епоху ШІ є не вивчення того чи іншого інструменту, а постійне розвиток тієї унікальної приватної ШІ, яка є лише у вас. Інструменти будуть оновлюватися, а база досвіду — ні.
Три дії, які можна розпочати зараз
Повертаючись до випадку Block, хтось був звільнений, а хтось залишився — різниця в тому, хто залишається незамінним після того, як ШІ стає стандартним інструментом виробництва. Не чекайте, поки компанія надасть вам навчання з ШІ — вже сьогодні ми можемо спробувати такі дії:
01、Перехід від «роботи власноруч» до «створення робочих процесів»
Найпоширеніша помилка працівників — використовувати ШІ, щоб «зробити собі лінь» (наприклад, за допомогою ШІ написати тижневий звіт або відредагувати листа), але це все ще мислення на виконавському рівні. Ви справді повинні стати «підрядником»: перебудувати найважливіший результат вашої посади у автоматизовану виробничу лінію з використанням ШІ.
Не намагайтеся одночасно тестувати десятки нових моделей — виберіть одну з найбільш зрілих інструментів (наприклад, ChatGPT Plus або Claude) і змусьте її втілитися в найбільш витратний та досвідозалежний етап вашої роботи. Перетворіть свій первісний лінійний процес «ручне збирання даних → аналіз і порівняння → виведення висновків» на «налаштування автоматизованого збору → передача даних у AI-фреймворк → ручна корекція та налаштування». Коли ви зможете за допомогою цього робочого процесу скоротити роботу, яка раніше займала тиждень, до одного дня, при цьому забезпечивши надзвичайно стабільну якість — ви більше не будете просто окремим вузлом обчислювальної потужності, ви станете високоліквідним «мікрокомпанією».
02、Закріпіть неявний досвід у вашому власному цифровому двійнику
Великі моделі навчаються на відкритих даних, вони знають усі теорії, але вони абсолютно не розуміють, які приховані пристрасті має ваш надзвичайно складний клієнт, і не знають, які міни не можна торкатися під час взаємодії вашого відділу з фінансовим відділом. Ці «темні знання», які ви здобули, пройшовши через безліч помилок, — це ваш найцінніший актив.
Але ці активи не можуть генерувати складний відсоток, якщо залишаються лише в твоїй голові. Твоя поточна задача — використовувати наявні функції налаштування великих моделей (наприклад, Custom GPTs або Claude Projects), щоб перетворити свій досвід на «системні передзаписані інструкції» для неї. Навчи її всім крайнім випадкам, які ти розглядав, провалених аналізах та неформальних правилах галузі. Твоя мета — не створити статичну базу знань чи блокнот, а «навчити» цифрового асистента, який має твій сильний особистий бізнес-стиль і працює виключно для тебе 24/7. Коли твій «цифровий двійник» буде готовий, інші зі звичайними AI не зможуть з тобою змагатися.
03、Посилення власного "права на визначення проблеми" та відповідальності
У команді починайте свідомо передавати машині завдання «знайти відповідь», а собі зберігайте право «ставити питання» та «приймати рішення». AI — це ідеальний двигун для пошуку відповідей, але він ніколи не зможе виявити справжній бізнес-мотив за потребою. Бос каже: «Мені потрібна нова стратегія збереження користувачів», — AI миттєво надасть 10 теоретичних моделей гейміфікації зростання. Але саме ви, поєднуючи поточний бюджет і ресурси розробки, зможете сказати: «Варіант B хоча й ідеальний, але зараз його неможливо реалізувати; варіант C, зі скороченим на половину функціоналом, найкраще підходить для нашого поточного темпу».
Також ви повинні розуміти один важливий момент: ШІ не сидить у в’язниці і не несе відповідальності. Компанії платять вам високу зарплату, часто купуючи вашу "гарантію" щодо комерційних результатів. Коли ви подаєте код або рішення, згенеровані ШІ, ви повинні мати мужність сказати: «Я перевірив вихідні дані ШІ за допомогою своєї професійної експертизи і несу відповідальність за кінцевий результат». Ця "премія за відповідальність" — здатність приймати рішення в сірих зонах і брати на себе кінцеві комерційні наслідки — ніколи не зможе бути замінена машинами.
Дорсі сказав: «Більшість компаній вже запізнилися». Але для окремих осіб це твердження також справедливе у зворотному порядку: більшість людей ще не почали готуватися і не усвідомлюють цю тенденцію.
Не кожен повинен стати експертом з ШІ. Але кожен повинен чітко відповісти на питання: у вашій роботі які частини рано чи пізно зможе виконати машина, а які — лише ви, і перенести свій час і зусилля з перших на останні.
Якщо коли-небудь ІІ в усіх галузях повністю перевершить людину — можливо, у 2027 році, можливо, у 2030 році — це не зміна, яку ви можете спостерігати з боку.
Воно не чекає, поки ти будеш готовий.