How Human Work Will Remain Valuable in an AI World

Как человеческий труд останется ценным в мире ИИ

Введение

Вопрос, который сегодня доминирует в дискуссиях об искусственном интеллекте: заменит ли ИИ всех нас? Исчезнут ли рабочие места в ближайшие 18 месяцев? Неизбежен ли крах рынка труда? Одни говорят об этом с тревогой, другие — с энтузиазмом. Но почти никто не останавливается, чтобы посмотреть на реальные данные. Эта статья — не слепая защита технологического оптимизма и не отвержение пессимизма. Это попытка прочитать реальность такой, какая она есть: с её трениями, ограничениями и возможностями. Как говорил Фридрих Хайек: «Никто не может быть великим экономистом, если он только экономист, и я даже склонен добавить, что экономист, который является только экономистом, скорее всего, станет помехой, если не прямой угрозой». То же самое применимо сегодня к любому, кто смотрит на ИИ через одну призму. Чтобы понять, что ИИ реально делает с нашей действительностью, нужно пересечь технологию, экономику, историю и философию.

Реальность как конкурентное преимущество

Дэвид Бейер (David Beyer) опубликовал анализ, который точно улавливает центральное напряжение этого момента. Представьте две медицинские компании. Первая обрабатывает миллионы рентгенологических снимков. Вторая работает с миллионами страховых медицинских требований.

Первая компания имеет проблему, которую ИИ может блестяще решить. Снимки не меняются; знания конвергируют через данные. При достаточных вычислительных мощностях любой может достичь того же уровня точности. Это статическая проблема.

Вторая компания сталкивается с чем-то совершенно иным: связанная система в постоянном движении. Регулирования, политики, коды выставления счетов, которые обновляются, споры, которые развиваются. Операционные знания там нельзя изучить или симулировать извне; они зарабатываются получением отказов от системы, корректировкой и повторными попытками.

Бейер называет это «рубцовой тканью» (scar tissue): знания, которые только реальный мир может дать вам, через трение, в реальном времени. ИИ может ускорить обучение, когда правила фиксированы. Но он не может генерировать сюрпризы реального мира. Он не может заставить регуляторов менять правила быстрее или конкурентов атаковать раньше, чем вы будете готовы. Скорость обучения в этих системах ограничена скоростью реальности, а не скоростью вычислений.

Реальность сама по себе — ваше самое трудновоспроизводимое конкурентное преимущество.

Кризис внедрения: рекурсивная технология ≠ рекурсивное внедрение

ИИ-модели улучшаются рекурсивно: модели обучают лучшие модели. Это реально и экстраординарно. Но многие люди экстраполируют эту рекурсивность на экономику и предполагают, что массовая замена труда столь же неизбежна и экспоненциальна.

Анализ Citadel Securities под названием «Глобальный интеллектуальный кризис 2026 года» убедительно разрушает эту логику: рекурсивная технология — это не то же самое, что рекурсивное внедрение. Реальное внедрение сильно ограничено факторами, которые не масштабируются со скоростью программного обеспечения:

Физический капитал и строительство инфраструктуры
Доступность и мощность энергетических сетей
Регуляторные одобрения
Организационные изменения — самый медленный из всех факторов

Чтобы увидеть эти физические пределы в действии, обратимся к строительным расходам в обрабатывающей промышленности США. Обещание ИИ требует колоссальной физической поддержки: полупроводниковые фабрики, дата-центры и энергетические сети.

Расходы выросли с приблизительно 75 миллиардов долларов до более чем 240 миллиардов долларов между 2021 и 2024 годами — это самый большой зафиксированный скачок. И эта физическая поддержка занимает годы, а не месяцы.

Более того, продуктивные шоки, вызванные ИИ, исторически являются положительными предложениями: они снижают предельные издержки, расширяют производство и увеличивают реальный доход. Кейнс предсказал (ошибочно, как обычно) в 1930 году, что благодаря росту производительности к XXI веку мы будем работать 15 часов в неделю. Он ошибся, потому что недооценил эластичность человеческого желания. По мере того как технология снижает издержки, мы не перестаем работать; мы просто расширяем границы потребления, требуем более высокого качества, новых услуг и создаем отрасли, которые ранее были немыслимы.

Реальные данные это подтверждают: в США произошел беспрецедентный скачок в образовании новых предприятий с 2020 года, и эти уровни оставались исторически высокими в последние годы.

Вопреки нарративу о массовом вытеснении, спрос на технические профессии, такие как разработка программного обеспечения, нашел прочную основу, стабилизировавшись на уровне 2019 года, несмотря на послекоронавирусную коррекцию.

Это подчеркивает, как технология действует как дополнение к нашему труду: реструктуризируя работу, а не устраняя её полностью.

Заменит ли ИИ нас? Неправильный вопрос

> «ИИ заменит всех нас.» > «Все рабочие места будут автоматизированы за 18 месяцев.»

Если вы следите за последними новостями об ИИ и подкастами, вы, вероятно, читали что-то подобное. Часть этого — сенсационное преувеличение; часть была сказана CEO, основателями и известными фигурами в крупных компаниях и стартапах. Но вопрос, который нам нужно задать, не в том, заменит ли ИИ нас; это как мы остаемся ценными в том, что мы делаем.

Автор не верит, что все рабочие места будут автоматизированы, и что не будет места для разработчиков, бухгалтеров, юристов и многих других. Не в ближайшее время. То, во что автор верит — мы войдем в режим работы с помощью систем и агентов ИИ, что потенциально сделает нашу работу гораздо более эффективной. Но это требует от нас другого вида усилий.

Вопросы, которые мы должны задавать:

Как мы остаемся ценными в том, что мы делаем?
Как мы продолжаем улучшаться и учиться?
Как мне сохранить мой разум активным и мое критическое мышление острым?
В мире, где моя работа заключается в создании промптов и управлении автономными агентами, как мне использовать ИИ наилучшим образом?

Быть более эффективным, не теряя сути того, что я делаю. Наша основная работа в этом новом мире будет включать:

Проектирование систем и архитектуры решений
Создание стратегии, которую агенты могут выполнить
Понимание бизнеса и перевод в конкретные планы
Навыкосозидание вместе с ИИ
Критическое мышление для управления работой с ИИ в правильном направлении
Глубокое исследование вместе с агентами для решения реальных проблем
Метрики, оркестрация, мониторинг и управление системами и агентами

Но в то же время нам нужно поддерживать постоянные усилия читать, учиться, анализировать, ставить под сомнение и проверять то, что мы делаем. Ответы, которые дают нам агенты, должны дополняться временем, усилиями и активным использованием нашего собственного разума, нашего критического мышления и способности делать нетривиальные перекрестные ссылки, которые ни одна модель не может сделать сама по себе.

Что, если мир не закончится? Сценарий, который никто не учитывает

Есть анализ от The Kobeissi Letter, который, по мнению автора, необходим для завершения этой картины: «Это слишком очевидно. Что, если ИИ на самом деле не положит конец миру?»

Центральный аргумент мощен: когда нарратив становится слишком очевидным, рынок уже учёл его в ценах, и реальность имеет тенденцию удивлять с другой стороны. Рынок уже поглотил апокалиптический сценарий: IBM пережила худший день с 2000 года, когда Claude автоматизировал код COBOL; Adobe упала на 30%, когда ИИ сжал творческие рабочие процессы; CrowdStrike потерял 20 миллиардов долларов рыночной капитализации за два торговых дня, когда Anthropic запустил автоматизированный инструмент безопасности; даже Nvidia испытывала трудности. Эти движения реальны и имеют смысл: рынки переоценивают стоимость когнитивного труда в реальном времени.

Но катастрофическое рассуждение содержит фундаментальную логическую ловушку: оно предполагает, что спрос фиксирован. Медвежий цикл: ИИ заменяет работников → заработная плата падает → потребление сокращается → компании автоматизируют дальше, чтобы защитить маржи → цикл подпитывает себя. Это совершенно статическая модель экономики.

Технологическая история систематически противоречит этой логике. Когда стоимость производства чего-либо падает, спрос не остается плоским — он расширяется. Когда вычисления стали дешевыми, мы не потребляли то же количество вычислений по более низкой цене: мы построили целые отрасли на этой основе. Цена персональных компьютеров упала на 99,7% между 1980 и 2025 годами:

Результат? Никакого краха. Появился интернет, мобильные телефоны, электронная коммерция, стриминг, социальные сети, облачные вычисления и целая цифровая экономика, которая сегодня employs hundreds of millions of people in categories that simply didn't exist in 1980.

Kobeissi вводит две концепции, которые стоит удержать: «Призрачный ВВП» — выпуск, который появляется в данных, но не приносит пользы домохозяйствам, — и «ВВП изобилия» — рост в сочетании с реальным падением стоимости жизни. Оптимистический сценарий ИИ не требует, чтобы номинальная заработная плата росла; он требует, чтобы цены на услуги падали быстрее, чем доход. Если ИИ снижает стоимость администрирования здравоохранения, юридических услуг, бухгалтерского учета, образования и технической поддержки, домохозяйства получают реальную покупательную способность, даже если их зарплата не сдвинется ни на доллар.

И самый важный сигнал заключается в том, что это уже происходит. Производительность труда в США ускорилась до самой быстрой скорости за два десятилетия:

Заштрихованная зона отмечает эру генеративного ИИ. Индекс не просто продолжает расти — он растет быстрее. Это именно то, что мы ожидали бы увидеть от положительного шока предложения: больше продукции на отработанный час, что исторически переводится в больший совокупный уровень благосостояния.

Вопрос, который поднимает Kobeissi: что, если наиболее недооцененный сценарий — это не дистопия, а изобилие? Это правильный вопрос. Не потому, что изобилие гарантировано, а потому, что рынки и общественное мнение чрезмерно сосредоточились на нарративе коллапса, оставив сценарий расширения драматически недо представленным в общественной дискуссии.

Наиболее недооцененный сегодня сценарий — не дистопия. Это изобилие.

Заключение: что всё это означает

Мы рассмотрели три различных перспективы на один и тот же вопрос: что ИИ делает с нашей реальностью?

Бейер говорит нам, что у реальности есть трения, которые ИИ не может симулировать: операционные знания, заработанные через трение в сложных системах, — это самое трудновоспроизводимое конкурентное преимущество.

Citadel Securities напоминает нам, что технологическая скорость не равна скорости внедрения. Физический, регуляторный и организационный мир устанавливает свой собственный скоростной предел, независимо от того, насколько быстро улучшаются модели.

Kobeissi предлагает, что наиболее недооцененный сценарий — это изобилие, а не коллапс. Что когда когнитивные издержки падают, человечество не стоит на месте — оно создает.

Эти три точки не противоречат друг другу — они дополняют друг друга. Вместе они формируют когерентную картину: ИИ — это реальная и мощная трансформирующая сила, но она встроена в реальность со своими правилами, временными рамками и трениями. Симуляция — это не реальность. И в этом промежутке, между тем, что ИИ может вычислить, и тем, что реальный мир требует, живет возможность для тех, кто готов продолжать учиться, думать и строить.

ИИ демократизирует доступ к возможностям, которые ранее требовали многолетней технической подготовки. Что он не может демократизировать — это суждение, проницательность, опыт, заработанный через трение в реальном мире, и готовность делать работу, которую никто другой не хочет делать. Это та «рубцовая ткань», которую никто не может у нас отнять.

Это только начало. В следующих эпизодах мы продолжим распутывать эти динамики, связывающие технологию, науку, экономику, историю и нашу собственную человеческую природу.

📢 Информация предоставлена телеграм-каналом: Data&AI Insights

🤖 Data&AI Insights - Ваш источник инсайтов о данных и ИИ