Главное про AI - Вадим Жартун

ФУНДАМЕНТАЛЬНЫЕ ОГРАНИЧЕНИЯ AI

1: Нет тела, нет тактильности, нет физического опыта. Гуманоидный робот 2025 года спотыкается о провод, не отличает сырое яйцо от камня, не умеет перехватить скользкий пакет. Брукс в «Why Today’s Humanoids Won’t Learn Dexterity» фиксирует: передовое направление в dexterous manipulation работает в лаборатории и ломается в поле. Пока этого нет — нет и замены сантехнику, массажисту, хирургу.

2: Нет биографии, нет идентичности, нет репутации, которую терять. AI не стыдится ошибки и не боится суда за неё. Юридически и этически он не субъект. В профессиях, где цена ошибки — тюрьма или репутация, человек остаётся обязательным звеном.

3: Нет устойчивой памяти между сессиями. Контекстное окно растёт, миллион токенов и больше у топовых моделей, но это не замена отношениям. Врач, который помнит пациента десять лет, знает то, чего нет ни в одном окне контекста. Семейный юрист, помнящий историю трёх поколений бизнеса клиента, не может быть заменён AI без переноса всей этой памяти в систему.

4: Нет совести, нет этического суждения в конфликте ценностей. Когда правильного ответа нет, увольнять ли сотрудника, выдавать ли кредит заёмщику с просрочкой, AI выдаёт ответ по статистике, а человек — по совести, биографии и готовности отвечать. Дарон Асемоглу (Daron Acemoglu) в соавторстве с Саймоном Джонсоном (Simon Johnson) формулирует это политически в книге «Power and Progress» (2023): направление технологического прогресса — это выбор, и общество может потребовать, чтобы AI усиливал человека, а не заменял его в зонах этического выбора.

5: Нет уверенного сигнала «я не знаю». Большие языковые модели (large language models, LLM) генерируют правдоподобный текст с одинаковым тоном, независимо от того, существует факт или нет. Юрист Шварц и десятки его коллег в 2024–2026 годах потеряли работу и репутацию, потому что не отличали уверенный тон от проверенного факта. Это свойство архитектуры трансформера (подробно — в главе 1), а не баг конкретной версии.

6: Нет здравого смысла в физическом и социальном мире. Исследование на препринт-сервере arxiv.org «Challenges for Language Models in Abstract Common-Sense Reasoning» (февраль 2025) зафиксировало: LLM стабильно проваливаются на задачах, требующих «все знают, что», — что упадёт раньше, что оскорбит, что нарушит негласный контракт. Исследование Apple Machine Learning Research (внутренний исследовательский блог Apple) в июне 2025 («The Illusion of Thinking») показало, что reasoning-модели (модели с цепочкой рассуждений) теряют точность на задачах выше определённого уровня сложности даже при увеличении вычислительных ресурсов.

ЧЕК-ЛИСТ: СЛАБОСТЬ AI ИЛИ ПРОСЧЁТ В НАСТРОЙКЕ?

Пять диагностических вопросов. Этот чек-лист работает как фильтр: пройдите его последовательно, и к пятому вопросу у вас будет ясный ответ — задача для AI, для человека или для их связки.

– Вопрос 1. Требует ли задача физического присутствия, моторики, тактильного контакта? Если да — AI в этой задаче уступит в обозримом будущем (хирургия, массаж, сборка). Если нет — идём ко второму вопросу.

– Вопрос 2. Конфликт, горе, раздражение, страх — в задаче есть эмоциональный заряд? Если да — AI уступит как исполнитель, но может помочь как ассистент «за кулисами». Если нет — идём к третьему вопросу.

– Вопрос 3. Имеется ли в задаче проверяемый правильный ответ: тест, бенчмарк, шаблон, норматив? Если да — AI справится, останется вопрос стоимости и скорости (раздел 1). Если нет — это серая зона, идём к четвёртому вопросу.

– Вопрос 4. Редкая задача или типовая? На длинном хвосте распределения у AI не хватит данных, и он начнёт галлюцинировать. Если задача относится к частым сценариям — AI справится. Если попадает в редкие — остановитесь и подумайте, прежде чем переходить к пятому вопросу.

– Вопрос 5. Готовы ли вы лично нести ответственность за результат, если AI ошибётся? Если да — AI применим как рабочий инструмент с вашим контролем. Если нет — AI в этой задаче не применим, это зона человека.

КАК ОСТАВАТЬСЯ ВОСТРЕБОВАННЫМ В БЛИЖАЙШИЕ ДВА ГОДА

1: Проведите аудит своего рабочего дня. Выпишите все задачи за последнюю неделю и классифицируйте каждую по двум осям: «повторяется ли» и «проверяем ли результат за минуты». Задачи, попавшие в «да + да», — это ваша зона риска. Сокращайте долю этих задач уже сейчас, перекладывая на AI.

2: Сместитесь вверх по пирамиде абстракции. Если вы были исполнителем — становитесь валидатором AI-вывода. Если вы были валидатором — становитесь архитектором процесса. Если вы были архитектором — становитесь тем, кто задаёт AI вопрос, который раньше никто не задавал. Каждый уровень — рост цены вашей работы.

3: Развейте одну «неавтоматизируемую» компетенцию до уровня сеньор. Эмпатия в переговорах, судебная практика, сложная диагностика, управление конфликтами, менторство, продажи на длинном цикле. WEF Top Skills 2030: лидерство, социальное влияние, управление талантами, креативность. Выберите одну и вложитесь в неё на тысячу часов.

4: Перейдите из «я работаю с данными» в «я принимаю решения с помощью данных». AI берёт обработку, человек берёт интерпретацию и решение. Это требует развития в сторону отраслевой экспертизы и в сторону понимания возможностей и ограничений модели. PwC AI Jobs Barometer 2025 фиксирует премию 56% к зарплате за AI-навыки, рост с 25% годом ранее. Это самый быстрорастущий компонент зарплаты в корпоративном секторе.

5: Станьте «мостиком» между AI и людьми в своей команде. Человек, который умеет объяснить коллегам, что AI умеет и не умеет, как его внедрять безопасно, как проверять его выводы, — это редкий и востребованный навык. Через два года роль «AI-facilitator» будет в каждой компании с более чем пятьюдесятью сотрудниками.

ЭВОЛЮЦИЯ ГРАНИЦЫ ОТВЕТСТВЕННОСТИ С 2023 ГОДА

Граница «AI может / AI не может» — это береговая линия, которую рисует прилив. Когда я смотрю на снимок 2022 года, мне кажется, что AI тогда «ещё не умел писать код». Когда я смотрю на снимок 2026 года, он уже пишет код быстрее, чем я успеваю прочитать задание. Но если я выйду на берег в 2026-м и буду спорить с отдыхающим: «вот увидишь, в 2027-м AI будет писать и фронтенд», он посмотрит на меня с усталой улыбкой. Потому что он помнит, что в 2023-м граница проходила по elementary, в 2024-м по джуниор, а сейчас по сеньор.

Снимок берега делается каждый квартал, и каждый следующий отличается от предыдущего. Глупо фиксироваться на текущей карте.

Anthropic с февраля 2025 года выпускает Economic Index — регулярный отчёт о том, как реально используется Claude в 150+ странах. Первая волна данных показала: 57% диалогов с AI работают