🔑 Главный тезис

" Чем больше мы автоматизируем, тем больше экспертной человеческой работы появляется".

Основатель Every Дэн Шиппер провёл открытый эксперимент: постепенно начиная с версий GPT 3 в 22 году и постепенно переходя на Claude Code, Copilot и кастомных агентов к кодированию, текстам, дизайну и поддержке в 26 году. Ожидали оптимизации, он получили обратное - нагрузка на людей выросла, а штат увнеличился.

ИИ забрал рутину, но освободил время для задач, которые раньше откладывались из-за нехватки рук. Менеджеры стали коммитить код, а инженеры напрямую общаются с клиентами.

95% рабочей почты обрабатывает модель, но финальное решение, стратегический контекст и оценка качества осталась за людьми. Работа изменилась радикально, но потребность в экспертах только усилилась.

🔍 Почему же так происходит?

1. Коммодитизация вчерашней экспертизы

ИИ упаковывает накопленный человеческий опыт в доступный инструмент. Навыки, которые раньше были редкостью (написать скрипт, сверстать лендинг, провести базовый анализ), теперь доступны любому. Это снижает порог входа, но одновременно заполняет рынок одинаковым результатом.

Шаблонность обесценивается мгновенно, а планка «приемлемого» поднимается до уровня среднего по больнице.

2. Модель «человеческого сэндвича»

Компания выделила рабочую архитектуру для сложных задач: человек задаёт фрейм и контекст → агент исполняет черновик или набор вариантов → человек верифицирует, корректирует и принимает решение.

ИИ не работает полностью автономно. Там где важна точность, он требует постоянного участия на старте и на финише. Без этой петли обратной связи качество быстро деградирует.

3. Ловушка бенчмарков и парадокс Зенона

Модели бьют рекорды в тестах, но каждый пройденный рубеж просто меняет рамку задачи. Как только ИИ осваивает текущий уровень, люди смещают фокус на более сложные, неформализуемые аспекты. Гонка не заканчивается заменой, а ускоряет перенос планки.

Человек остаётся тем, кто решает, какую задачу решать дальше и какие критерии успеха выставить.

4. Агентность против автономности.

ИИ может выполнять задачи часами, но у него нет собственных целей, любопытства или вкуса. Он оптимизирует под внешнюю метрику, а не под внутренний интерес или этический контекст.

Это фундаментальный разрыв: техническая автономность есть, человеческая агентности нет. Поэтому направление движения, границы допустимого и финальный выбор всегда требуют человеческого вмешательства.

🔮 Как это относится к РФ рынку и что нас ждет?

В финтехе и консалтинге уже есть спрос на аналитиков и валидаторов вывода ИИ. В региональных администрациях автоматизация аналогично, привела к росту задач, связанных с интерпритацией выводов

Но конечно у нас есть свои особенности. Например часто процессы в компаниях не формализованны, данные "грязные", а требования меняются слишком часто. Специалист, который обладает навыком фрейминга (стандартизировать процесс и отлаживать процесс), будет все больше "расти в цене".

Что нас ждет в ближайшие 12-24 месяца?

🔸 Однозначно автоматизация рутинной аналитики (отчеты, первичная обработка, собственный мини разработки, больше задач с высокой добавленной стоистоимость)

🔸 ИИ не заменит человека (ии готовит черновик, но валидирует всегда человек)

🔸 Агентные системы с жесткими ограничениями ( не полный доступ, а строго прописанные доступы, как и у сотрудников)

🔸 Повышение спроса на навык связи между Бизнесом и ИИ (декомпозиция задач, подбор метрик)

🧭 Вместо вывода

«Будущее - не в меньшем количестве людей. Будущее - в другой работе, новых ролях и лучших вознаграждениях для тех, кто принимает изменения».

Автоматизация не убирает людей из уравнения. Она убирает посредников между идеей и реализацией, оставляя на месте только тех, кто умеет мыслить рамками, а не инструкциями. ИИ берёт на себя исполнение, человек - смыслы, контекст и финальное решение.

#ИИ #автоматизация #продуктивность #управление #стратегия #Every #будущееработы #экспертиза #организация