Вы только что наняли миллион плохих сотрудников

Предполагалось, что ИИ заменит человеческий труд.

Но произошло обратное.

Впервые в истории люди стали дешевле программного обеспечения.

И искусственный интеллект создает больше рабочих мест, чем уничтожает.

Технологии всегда решали одну проблему, создавая другую

В 1830-х годах появление железных дорог запустило один из крупнейших инфраструктурных рывков, которые когда-либо видел мир. За десятилетие протяжённость железнодорожных путей в США выросла в 120 раз.

А затем система сломалась. 5 октября 1841 года два поезда столкнулись на Западной железной дороге в Массачусетсе. Причиной стала простая ошибка координации.

По мере роста сложности железнодорожной сети отдельных кондукторов уже было недостаточно, чтобы обеспечивать безопасность движения. Поэтому железнодорожные компании начали многолетнюю работу: нанимали управляющих для каждого региона, письменно определяли роли и выстраивали понятные иерархии с линиями подчинения.

Так родился современный менеджмент. Вместе с ним железные дороги стали одной из первых в мире индустрий стоимостью в миллиарды долларов, а на пике на них приходилось примерно 60% фондового рынка.

Искусственный интеллект снова cломал систему

Мы фактически дали каждому сотруднику, даже самому слабому, неограниченный штат и бюджет.

Управлять ИИ сложнее, чем людьми, потому что ИИ мгновенно масштабирует хаос. К счастью, мы можем учиться на прошлом.

Команды ИИ-агентов и команды людей совершают ошибки одинаково.

Понимание семи главных параллелей между ними откроет следующий триллион долларов создаваемой ИИ ценности:

7 параллелей между агентными и человеческими командами

1. Максимизация токенов — это попытка завалить проблему людьми

Цикл хайпа вокруг максимального расходования токенов прошёл полностью меньше чем за месяц. Но реальная проблема никогда не заключалась в количестве потраченных токенов. Люди тратят так много токенов, потому что не знают, как ими пользоваться.

Возможно, только один сотрудник из ста умеет давать ИИ контекст. Это редкий тип человека: он способен ясно описать процесс, достаточно терпелив, чтобы сопереживать загрязнённому окну контекста, и вообще понимает, что это значит.

Дайте агентную обвязку остальным 99 людям — и они начнут производить «циклы».

2. Циклы — это совещания о совещаниях

В Claude Code, Claude Cowork, Copilot, Autoresearch Карпати или любой другой агентной оболочке циклы — это пластырь на проблеме, которая состоит в том, что почти никто не умеет правильно ставить задачи.

Циклы — это грубая попытка компенсировать человеческую неадекватность. Агенты вызывают сами себя, чтобы исправить самих себя, только потому, что человек не смог ясно сформулировать задачу. Перебор становится единственным способом системы хоть как-то двигаться вперёд.

Всё это начинается с того, что человек изначально не смог правильно понять задачу.

Вы тратите токены на трату токенов.

3. Потраченные впустую токены — это новая раздутая численность персонала

Большинство компаний сегодня плохо управляются.

Огромная часть сотрудников почти никак не влияет на бизнес. Они винтики в машине: ставят согласования на каждом уровне и нанимают новых винтиков, чтобы поддерживать машину, существующую ради собственного существования.

Они тоже зациклены.

Часто эффективнее просто разорвать цикл. Илон Маск сократил 80% сотрудников X, и компания стала работать лучше. Операционные партнёры фондов прямых инвестиций зарабатывают на арбитраже этой простой истины.

Так же как 80% сотрудников ничего не делают, 80% токенов сегодня тоже ничего не делают.

Люди создают новых людей. Токены создают новые токены. Зацикливание — это новая форма построения империй.

4. Токены с рычагом 100X — это новые 10X инженеры

Обещание программного обеспечения заключалось в том, что мы один раз его создадим, затем будем запускать бесконечно с низкими затратами и без постоянного надзора. ИИ сломал это обещание. Как только программное обеспечение смогло делать что угодно, оно перестало делать хоть что-то одно предсказуемо.

Токены ведут себя как рабочая сила. И как только вы начинаете смотреть на токены как на сотрудников, обещания ИИ начинают рассыпаться.

• «Токены точнее людей» — но только если им правильно поставить задачу
• «Токены быстрее людей» — но скорость ничего не значит, если нужно сто повторных попыток
• «Токены не играют в политику» — но они строят империи расходования токенов
• «Токены не увольняются» — но они умирают между выпусками новых моделей и новыми сессиями
• «Токенам можно доверять» — но они уверенно ошибаются с идеальным форматированием

Единственная область, где ИИ действительно превосходит людей, — масштабирование. Масштабирование людей требует огромных затрат на найм, адаптацию и борьбу с текучкой. Масштабирование токенов происходит мгновенно. Именно поэтому неправильное управление ими так дорого обходится. И именно поэтому нужно находить и масштабировать токены с рычагом 100X.

10X инженеры построили прошлую эпоху. 100X токены построят следующую.

Точно так же, как несколько сотрудников способны сделать остальных в 10 раз продуктивнее, для каждой задачи существует некоторый объём контекста, который может сократить усилия ИИ на порядки. Такие токены дают вам в 100X большую силу.

В среднем люди дешевле токенов. Но хорошие токены дешевле в масштабе.

Менеджмент превращает одно в другое.

5. Накопление контекста — новая тактика сохранения рабочего места

Внутри компаний возникает огромная политическая проблема, связанная с ИИ, и дальше она будет только усиливаться.

Сотрудники не хотят обучать ИИ-системы своим секретам.

Они начинают понимать, что эти системы нужны не только для того, чтобы «помогать им» или «повышать продуктивность».

Посмотрите на Meta*: сотрудники, владеющие акциями и крайне заинтересованные в успехе ИИ, возмущены тем, что компания использует их рабочий контекст как обучающие данные. И это происходит в технологической компании. Такой конфликт — уменьшенная модель того, что скоро случится во всех отраслях.

Неформальные знания веками были способом сохранить работу. Средневековые гильдии держали свои методы в секрете. ИИ — первая технология, которая просит работников отдать всё это сразу.

Никто не обучает свою замену бесплатно.

Люди, владеющие 100X токенами, меньше всех заинтересованы в том, чтобы их передать. Эмоционально, структурно и политически компании устроены так, что будут отвергать самую важную технологию для своего будущего.

6. Оценочные наборы — это новые OKR

Лучший способ управлять рабочей силой токенов такой же, как и лучший способ управлять людьми: определить, как выглядит хороший результат.

Единственный массовый сценарий применения ИИ, который избежал политической ловушки, — программирование. Он расширил рынок и сделал инженеров сильнее.

Механизм — оценочные наборы. Сегодня 99% выручки от ИИ приходится на программирование, потому что в программировании есть встроенные проверки. Код либо работает, либо нет.

Более широкие междоменные сценарии применения ИИ появятся только тогда, когда кто-то создаст необходимые оценочные наборы. Конкретные проверки важнее, чем обучение сотрудников промптингу или выдача им чат-оболочки. С ними ИИ сможет съесть те части экономики, до которых код раньше не добирался.

Настоящая работа управления — превращать расплывчатые человеческие процессы в код и выражать качественное через количественное.

Набор оценок компании станет её самым ценным ресурсом.

Как OKR позволяют направлять человеческую рабочую силу к оптимальному результату, так оценочные наборы станут ключом к использованию бесконечно масштабируемой токенной рабочей силы. Они являются путём к запуску 100X токенов.

Более того, у двух компаний не будет одинаковых наборов оценок. Именно они станут источником конкурентного преимущества. Организация, использующая типовые оценки или типовых агентов, не имеет преимущества.

7. Следующая возможность на триллион долларов — трансформационная компания

Корпорации уже несколько лет покупают обязательства поставщиков базовых моделей, прикладной слой и внутренние разработки. Всё это скрывает жёсткую правду об экономике:

Пока ни у кого ИИ не работает надёжно.

Кремниевая долина настолько убеждена в этом провале, что её новая одержимость — ставка против сегодняшнего бизнеса. Стартапы нового типа, «неофирмы» или «ИИ-нативные сервисы», получают финансирование, чтобы захватить 21 триллион долларов расходов на услуги в экономике знаний. Предположение такое: действующие компании, погрязшие в собственной политике и процессах, не смогут самостоятельно пройти переход.

Неофирмы вполне могут создать конкурентное давление, которое ускорит внедрение ИИ в традиционных компаниях. Но величайшие ИИ-активы всё ещё находятся внутри действующих игроков: уникальные процессы, которые уже работают, и каналы распространения, которые уже существуют.

На самом деле следующие крупнейшие бизнесы не будут просто съедать существующие расходы на услуги. Они будут продавать действующим компаниям принципиально новый тип услуги.

«Компании ИИ-трансформации» будут в 10 раз крупнее любой неофирмы.

Трансформация звучит как разовый проект. Но здесь работает парадокс Джевонса: каждый внедрённый сценарий использования может выявить ещё десять. Чем более ИИ-ориентированной становится компания, тем больше трансформации она потребляет, а граница возможного каждый день сдвигается вперёд. Постоянная ИИ-трансформация может стать единственным способом конкурировать.

Возьмём Palantir — на бумаге самую уязвимую для Claude компанию в программном обеспечении: бизнес стоимостью в полтриллиона долларов, который вручную создаёт индивидуальные приложения для корпораций. По логике, из-за которой инвестиции в SaaS почти потеряли привлекательность, Palantir должен был бы обнулиться раньше ServiceNow.

Но этого не происходит, потому что Palantir никогда не продавал просто программное обеспечение. Он продавал трансформацию.

Однако сама трансформация изменилась со времён старого Palantir. В мире, где ИИ стоит на первом месте, это больше, чем онтологии, заказное программное обеспечение и редкий индивидуальный промпт. Настоящая работа находится в оценочных наборах, минимизации токенов и настолько глубоком понимании бизнеса, что вы можете его запрограммировать.

Кодирование нюансов каждой компании в агентов может стать крупнейшей экономической задачей следующего десятилетия.

Пора управлять

У каждой фазы ИИ-бума было свое главное клише.

Нам говорили продавать кирки во время золотой лихорадки — и мы построили инфраструктуру. Нам говорили продавать «сервис как программное обеспечение» — и мы построили неофирмы. Инфраструктуры уже достаточно. Сервисов уже достаточно. Теперь задача — заставить поезда ходить по расписанию.

Пора провести обследование предприятия: найти 100X токены, зафиксировать работающие циклы и направить интеллект, который сейчас массово тратится впустую.

Люди только что стали дешевле программного обеспечения.

Но кто-то всё ещё должен объяснять и тем, и другим, что делать.

Источник