ИИ заберёт часть нашей работы. А на что мы будем жить?
Сложный SQL-запрос занял у меня три часа вместо нескольких дней. Это приятно — пока не задаёшься вопросом, кому достанутся сэкономленные дни и зарплаты.
Три часа и неудобный вопрос
На работе я с помощью нейросети написал сложный SQL-запрос за три часа. Я бизнес-аналитик, такие задачи для меня обычны. Сам бы, по моей прикидке, провозился несколько дней, возможно неделю. Контрольного эксперимента без ИИ я не проводил, но разница по ощущениям огромная: задача, которой я заранее отвёл несколько рабочих дней, закончилась в тот же день.
Сначала я обрадовался. Потом посмотрел, чем занимался все эти три часа. Переносил информацию между нейросетью и рабочими системами, проверял её ответы, возвращал ошибки. Был посредником и фильтром: корпоративные данные нельзя просто целиком отправить внешней модели. Проверка была настоящей работой, но именно эта ручная передача контекста заставила меня задуматься. Если однажды её уберут, сколько моей роли останется?
Вопрос шире одной профессии. Представим отдел из десяти человек, который благодаря агентам справляется с прежним объёмом втроём. Семеро автоматически не получают семь новых интересных задач. И не факт, что компания отдаст им сэкономленное время. Меня тревожит не сценарий, в котором робот торжественно забирает чей-то пропуск. Достаточно не открывать новые вакансии, когда люди уходят сами. Профессия остаётся, рабочих мест в ней становится меньше.
Почему человеческий контроль не гарантирует прежний штат
Самое сильное возражение я слышу так: ИИ всё равно нужно ставить задачу, проверять и отвечать за результат. Согласен. Если проверка и исправления займут весь день, экономии не будет. Но это не доказывает, что людей потребуется столько же, сколько прежде.
Мой руководитель понимает бизнес, умеет работать с данными и распределять задачи. Сотрудники нужны ему в том числе потому, что самому на всё не хватает времени. Если агенты подготовят типовые результаты, а руководитель сосредоточится на проверке и сложных случаях, состав команды может сократиться. У разработчиков это могли бы быть специалисты, которые формулируют задачи, просматривают код и отвечают за продукт. У бухгалтеров — люди, которые проверяют расчёты и решают спорные случаи. Я не приравниваю эти профессии друг к другу: цена ошибки и правила работы разные. Общий вопрос только один — сколько людей нужно для того же объёма.
Сокращение может пройти почти незаметно. Сначала уходит один человек, замену не ищут, сроки выдерживают. Потом то же происходит ещё раз. В одних командах упрётся в сложность задач и ответственность, в других — нет. Поэтому я не утверждаю, что каждый отдел обязательно превратится в одного оператора. Но привычный аргумент «кто-то же должен проверить» сам по себе меня не успокаивает.
Почему переход не произойдёт мгновенно
Между хорошим ответом в чате и самостоятельной работой внутри компании много препятствий. У нас закрытая среда, конфиденциальные данные и правила доступа. Внешней модели нельзя показать всё подряд. Внутреннюю модель надо выбрать, запустить, подключить к системам и проверить на реальных задачах. Это стоит денег и тоже требует специалистов.
Когда агент вынужден работать через экран, он иногда медленно ищет вкладку, нажимает кнопку и ждёт следующего окна. Человек успевает закончить раньше. В моём случае с SQL нейросеть ускорила совместную работу, а не автономно заменила аналитика. При этом строить долгосрочный прогноз на медленных кликах странно: способы прямого подключения программ и скорость моделей меняются. В августе 2026 года OpenAI, например, сообщала о снижении задержек в испытаниях своего процессора. Это результат производителя в его условиях, не обещание ускорить всю офисную работу в десять раз.
Надёжность, стоимость внедрения и ответственность за ошибки гораздо серьёзнее, чем скорость одного ответа. Из-за этого изменения будут идти по компаниям и профессиям с разной скоростью. Я увереннее в том, что часть задач будет автоматизирована, чем в конкретных сроках и масштабе увольнений.
Новые задачи появятся. Старые счета останутся
Исследования не показывают, что массовая безработица из-за генеративного ИИ уже наступила. Международная организация труда в 2025 году оценила: примерно четверть работников мира занята в профессиях, на задачи которых технология может повлиять. Авторы считают изменение содержания труда более вероятным, чем полную замену человека. Это оценка воздействия на задачи, а не прогноз, что четверть людей уволят.
Есть и хороший сценарий. Аналитики глубже разбираются в данных, небольшие компании берутся за проекты, которые раньше не потянули бы, появляются услуги и продукты. Когда выполнение задачи дешевеет, спрос на неё иногда растёт. Вполне возможно, что часть освобождённых людей найдёт работу в новых направлениях.
Но вопрос в скорости и доступности такого перехода. Сотый дашборд не нужен лишь потому, что его стало легко сделать. Новая компания может появиться в другом городе, а новая профессия потребует месяцев обучения. Человеку платить за квартиру надо сейчас. Даже если экономика в целом выиграет, конкретный бухгалтер или аналитик может годами восстанавливать прежний доход. Рост производительности и благополучие каждого работника — разные вещи.
Учиться пользоваться ИИ стоит, но это личный ответ
Для себя я выбрал осваивать новые инструменты: понимать, что они умеют, на чём ошибаются и как проверять результат. Не пользоваться полезной технологией из принципа мне не хочется. Но совет «просто научитесь ИИ» решает прежде всего личную задачу — как сохранить ценность своей работы сегодня.
Если каждый из десяти сотрудников научится управлять агентами, а компании для прежнего объёма достаточно троих, сами навыки не создадут ещё семь ставок. Молодым может быть особенно непросто войти в профессию, если простые начальные задачи достанутся моделям. У Anthropic в 2026 году появились предварительные данные о положении молодых работников в США; там возможны разные объяснения, и делать из одного сигнала универсальный приговор рано.
Можно сказать: пусть все откроют по компании. Примеры бизнеса, который создаётся с небольшой командой, действительно есть. Но не каждый хочет становиться предпринимателем, и не каждая идея находит покупателей. Создать продукт и организовать устойчивый доход — две разные задачи. Если предпринимательство станет единственным советом людям, потерявшим работу, это будет слабая поддержка.
Кому достанется экономия
Мне хочется обсуждать не только количество новых рабочих мест, но и распределение выгоды. Если машина помогает делать прежний объём быстрее, можно оставить людям зарплату и сократить часы. Можно направить высвободившиеся средства на переобучение и поддержку тех, чьи навыки стали менее востребованы. А можно оставить весь выигрыш владельцам систем и компаниям. Технология сама этот выбор не делает.
На одной стороне — больше полезных открытий и возможностей. Например, AlphaFold помог предсказать структуры огромного числа белков; это важный исследовательский инструмент, хотя сами предсказания не равны готовым лекарствам. На другой стороне — опасение, что выгоду получат немногие, а остальным достанется менее стабильный труд. Обе перспективы можно держать в голове одновременно, не объявляя сегодняшний чат доказательством ни утопии, ни катастрофы.
В моей задаче я, по собственной прикидке, сэкономил несколько дней. Если таких дней станет много, я хотел бы получить из них время на жизнь, в том числе на игры и близких, а не только повод нервничать из-за следующей зарплаты. Поэтому вопрос для меня звучит так: как сделать, чтобы свободное от работы время осталось временем, на которое есть средства жить?