Фатальная ошибка бизнеса в эпоху ИИ или как новую технологию использовать во благо. — 6 мая 2026 г. в 07:20:06.831
Фатальная ошибка бизнеса в эпоху ИИ или как новую технологию использовать во благо. Это финальный пост серии про утопичность нейросетей и про грядущий системный кризис при сохранении существующей модели потребления ИИ. В нескольких прошлых постах я аргументировал, почему ИИ нас уже сейчас ведет к кризису, гораздо более сильному, чем все предыдущие за последние 200 лет. Этот пост – резюме моих размышлений в попытке найти выход, через который мы все всё-таки попадем в светлое будущее. ) И выход есть. Но обо всем по порядку. Три сигнала из новостей последних недель, которые подтверждают гипотезы моих предыдущих постов. (Для понимания: в момент подготовки своих текстов, я не видел этих новостей, некоторые из них вышли в сеть позже публикации моих постов) Сигнал первый: ИИ оказался дороже людей. По данным Axios, содержание ИИ-инфраструктуры для многих компаний обходится дороже, чем зарплаты профильных специалистов. Технический директор Uber потратил годовой бюджет на ИИ уже в начале 2026-го. Вице-президент Nvidia признаёт: расходы на вычисления «значительно превышают» затраты на людей. Сигнал второй: ИИ заваливает работу мусором. Стэнфорд и BetterUp Labs придумали термин «workslop» - контент от ИИ, который выглядит прилично, но не продвигает задачу. 40% работников получают такой мусор, 15% всего контента в компаниях уже синтезировано ИИ. Люди тратят время на проверку и переделку. Один участник опроса сказал: «Я потратил больше времени на проверку данных, потом на встречи, чтобы разобраться, и в итоге всё равно переделывал сам». Сигнал третий: нагрузка на сотрудников выросла, а не упала. Исследование ActivTrak на 164 тысячах сотрудников: время взаимодействия с ИИ выросло в 8 раз, объём задач увеличился, а доля сфокусированной работы снизилась. Число писем выросло на 104%, сообщений в чатах — на 145%. В Amazon рассказывают, что внутренние ИИ-инструменты часто ошибаются, и людям приходится проверять, исправлять, консультироваться. В итоге больше времени на задачу, производительность не растёт. Знаете, что объединяет эти все ситуации и результаты? Одна скрытая установка бизнеса: «ИИ нужен, чтобы заменить людей и сэкономить на зарплатах». На этом не делают акцент и не говорят вслух, когда начинают внедрять, но каждый менеджер именно на это надеется. Именно эта идея превращает ИИ в инструмент разрушения, а не созидания. Связь как оказалось не очевидна даже для гигантов бизнеса, а она на поверхности: закрыли функции специалистов нейросетями, сократили специалистов, модели дороги - а результат сырой, проверять некому, оставшиеся сотрудники тонут в ИИ-мусоре, нагрузка растёт и производительность падает. А если сменить цель? Как вам, например, цель — ускорить процессы, снизить риски, улучшить решения, а не сэкономить на зарплатах? Что тогда произойдет? Люди остаются. Их экспертиза, опыт и интуиция в центре системы. ИИ подключается как ассистент: собирает данные, пишет черновики, мониторит метрики. Специалист тратит не три часа на отчёт, а пятнадцать минут. Освободившееся время на анализ и стратегию. Руководитель получает не гору таблиц, а сводку ключевых показателей и прогноз кассового разрыва. Компания экономит не на людях, а на минимизации ошибок и задержек, а за счёт снижения нагрузки на сотрудников повышает их эффективность. Кстати, такой подход рождает спрос на новые профессии и это уже один из критериев технологических революций. Например: Оператор ИИ – подбирает стек ИИ решений под задачи бизнеса, настраивает процессы для сотрудников, обучает ИИ, сопровождает настройки, обеспечивает бесперебойную работу системы. При наличии такого специалиста в компании остальным сотрудникам не нужно погружаться в тонкости всех нейросетей и интеграций. Они остаются обычными пользователями ещё одного инструмента. Это позволит бизнесу сэкономить на обучении всех сотрудников, ускорить внедрение и получение первых результатов. По сути нужно взять в команду сисадмина для ИИ. Продолжение ниже...