«Происходит что-то масштабное». «Большинство людей не узнает об этом, пока не станет слишком поздно».
Более 85 миллионов человек увидели этот пост. Поделились. Поддержали.
И все ушли с совершенно неправильными выводами.
Не потому что данные неверны — данных не было изначально. А потому что Мэтт Шумер очень хорошо рассказывает страшные истории. Так, что читатель впадает в гипноз и принимает каждый аргумент за чистую монету.
Он пишет «масштабнее, чем Covid» — и не приводит ни одной цифры по занятости. Он говорит «поделитесь, пока не поздно» — транслируя собственную тревогу по поводу собственной работы в ИИ-компании.
Потом, в продолжении, он сказал CNBC, что «не хотел никого пугать» и что «если бы знал, насколько это станет вирусным, переписал бы некоторые части».
Конечно.
Если вы прочитали его пост так, как прочитало большинство, и решили действовать на его основе — вы принимаете неправильное решение. Вы либо сократите людей, от которых всё ещё зависите, либо побежите без плана, либо подмените реальную стратегию блестящими инструментами.
Я покажу вам одну простую кривую спроса, которая опровергает каждое заявление из серии «ИИ всех заменит».
К концу этого текста вы сможете избежать трёх ошибок, которые прямо сейчас совершают 80 миллионов человек — и с которыми данные активно спорят.
Первая ошибка: сокращать слишком быстро
Отдельно от поста Шумера, неделей позже Anthropic опубликовала отчёт. Один из графиков породил тысячу публикаций в LinkedIn о том, что обратный отсчёт для профессии разработчика начался. Подтверждая тезисы Шумера.
Но это лишь половина истории. Как всегда.
Вот что показывает график. Синяя область — теоретическое покрытие ИИ для 22 профессий. Простым языком: что ИИ мог бы делать для каждой из перечисленных должностей.
Например, LLM теоретически может покрыть 94% задач в области компьютерных наук и математики. И 90% в офисном администрировании.
Но вот о чём говорили значительно меньше: о реальной картине.
Те же графики. Те же профессии. Те же данные. Перестаньте смотреть на очевидную синюю часть. Посмотрите на красную — и на разрыв между красной и синей.
Потому что именно это происходит (или не происходит) на рабочих местах прямо сейчас.
Например, Claude на данный момент покрывает лишь 33% задач в IT. Разрыв в 61 пункт между тем, что ИИ мог бы делать, и тем, что кто-либо реально делает с ИИ.
Я отслеживаю именно этот вопрос с 2023 года, основываясь на той же работе (Eloundou et al., 2023), на которой Anthropic построила свою рамку в 2026-м. И результат остаётся прежним: разрыв между теоретическим и наблюдаемым — огромен.
Именно этот разрыв — всё доказательство, которое вам нужно, чтобы увидеть: есть нечто, чего люди вроде Шумера не понимают — или что не в их интересах объяснять. Потому что если объяснить, паника становится значительно менее вирусной.
Однако именно здесь совершается первая ошибка.
Многие руководители узнают, что ИИ теперь может выполнять 90%+ задач — и нажимают на курок, чтобы уволить людей завтра.
Помните, что происходило во множестве историй «ИИ-трансформации» с 2023 года? Руководители бросались в «ИИ-трансформации», сокращали штат, а потом обнаруживали, что инструменты работают не так хорошо, как на демо. И через месяцы лихорадочно восстанавливали человеческие ресурсы, которые только что устранили.
Ошибка 1: воспринимать «ИИ может делать большинство задач на бумаге» как зелёный свет для сокращения людей, которые заставляют эти задачи реально работать в реальном мире.
Если вы хотите понять реальные возможности ИИ на своих задачах — а не паниковать из-за вирусных постов — попробуйте сами. BotHub собирает ведущие нейросети — GPT-5.4, Claude 4.6 и другие — в одном интерфейсе. Тестируйте, сравнивайте, оценивайте, насколько ИИ реально закрывает ваши задачи.
Для доступа не требуется VPN, можно использовать российскую карту.
По ссылке вы можете получить 300 000 бесплатных токенов для первых задач и приступить к работе с нейросетями прямо сейчас!
Почему ИИ «заменяет» вашу работу уже шесть лет — и до сих пор не заменил
Что создаёт этот разрыв?
В 2020 году, когда вышел GPT-3, аналитики уже писали, что замена всей клиентской поддержки ИИ — «лишь вопрос времени». Это было шесть лет назад. Клиентская поддержка до сих пор не автоматизирована.
Самая медленная часть любой системы определяет скорость всей системы.
Представьте, что готовите ужин. Овощи режутся за две минуты, паста варится восемь, но если соусу нужно 30 минут на медленном огне — ужин занимает 30 минут.
И самая медленная часть в нашей системе — не ИИ.
Вспомните последний раз, когда вы брали нового человека. Впечатляющее резюме, теоретически может делать всё.
Но в первый день он не знает, какому клиенту нужен звонок, прежде чем что-либо сдвинется с места. Не знает, что юридический отдел рассматривает любого нового поставщика три недели. Даже через три месяца он всё ещё не знает обходной путь для незадокументированной унаследованной системы.
Разрыв между тем, что он мог бы делать, и тем, что реально может выдать, — это две разные вещи.
Хочу подчеркнуть: дело не в задаче, а во всём, что вокруг неё. Запутанные системы, регуляции, узкие места, политика и все неписаные правила, которым люди следуют, даже не осознавая этого.
ИИ на самом деле хуже нового сотрудника. Потому что ИИ никогда полностью не догоняет — организации сами продолжают меняться. Новые клиенты, новые регуляции, новая внутренняя политика. Контекст сбрасывается быстрее, чем любая модель успевает его выучить.
Работа, которая всегда была — но до которой никогда не доходили руки
А теперь — та самая кривая. Кривая, которая поможет вам сохранить здравый смысл в отношении ИИ на ближайшие 10 лет.
Левая сторона — голова кривой. Здесь живёт весь массовый софт. Инструменты, которые вы используете каждый день. Каждая SaaS-компания, которой вы пользуетесь, была создана для решения проблем в этой области.
Salesforce существует, потому что миллионам команд продаж нужна CRM. Canva существует, потому что сотни миллионов людей хотят быстро что-то оформить без профессиональных инструментов вроде Photoshop.
Экономика работала, потому что рынок достаточно велик, чтобы оправдать разработку.
Но внутри каждой из этих компаний — и внутри каждой компании, использующей эти инструменты, — есть другой список.
Внутренний отчёт, который нужно отправить одному клиенту в определённом формате, — больше никто его не использует. Процесс согласования, уникальный для вашей системы комплаенса. Дэшборд, который очень хочет ваш финансовый директор и который чуть-чуть отличается от того, что генерирует ваш BI-инструмент.
Эти задачи тривиальны — да. Но они же составляют большинство ежедневной работы.
Эти автоматизируемые задачи всегда были в бэклоге. Не потому что никто не хотел их решить. А просто потому что стоимость разработки никогда не оправдывала результат. Важно — да, но никогда не настолько срочно, чтобы подняться на вершину приоритетов. И задача сидела там. Год за годом.
ИИ делает эти задачи снова видимыми — и впервые реально выполнимыми.
Может, силами инженеров. Может, самими внутренними пользователями. Спрос всегда был. Мощностей не хватало.
Вот почему Citadel Securities зафиксировала рост вакансий для разработчиков на 11% год к году в январе 2026-го. И почему BLS прогнозирует, что роли, затронутые ИИ, продолжают расти — а не сокращаться.
Бэклог наконец стал адресуемым в 2026-м.
Но это создаёт новую проблему, о которой говорят значительно меньше. Когда один человек теперь может делать то, что раньше требовало троих, вы не автоматически получаете более компактную организацию. Вы получаете более быструю.
Более быстрая машина без направления просто убьёт вас раньше.
Ошибка 2: воспринимать «больше ИИ» как план — вместо того чтобы решить, что действительно нужно менять.
Рынок, который наконец можно адресовать
Теперь посмотрите на правую сторону кривой — хвост.
Здесь тысячи реальных, болезненных проблем десятилетиями ждут решения, и ни одна компания не построила подходящего продукта. Не потому что никому не было нужно. А потому что рынок был слишком мал, чтобы оправдать команду разработчиков.
Процесс получения разрешений в Калифорнии, который занимает 627 дней, потому что одна ссылка на нормативный акт чуть-чуть неверна. Кардиолог в Брюсселе, наблюдающий, как пациенты забывают половину сказанного, не успев дойти до машины. Дорожный техник в Уганде, который физически не может объехать достаточно дорог, чтобы оценить их состояние.
Эти проблемы реальны. Люди, живущие в этих ситуациях, точно знают, что сломано. Но ни один венчурный фонд это не финансировал, потому что экономика никогда не сходилась. До сих пор.
ИИ-инструменты для кодинга меняют это уравнение. Один человек, глубоко понимающий проблему, может теперь построить что-то полезное для 200 пользователей — и это будет реально работать.
Ошибка 3: покупать более быстрый двигатель, когда вы всё ещё не выбрали пункт назначения.
Люди, которые воспринимают пост Шумера всерьёз, не задают правильный вопрос. Они спрашивают: «Что мне делать, чтобы меня не заменил ИИ?» Вместо: «Какую проблему я уже понимаю лучше, чем кто-либо?»
Это логика наоборот.
Большинство людей думают сначала об инструменте — и надеются, что достойная проблема появится сама. И это производит очень специфический паттерн: новые подписки каждую неделю, курсы по промпт-инжинирингу, обновлённые LinkedIn-биографии с пометкой «AI-native».
Движение, похожее на прогресс, но не имеющее направления.
Разрыв между «ИИ мог бы» и «ИИ делает» — ваше преимущество
Этот разрыв — не предупреждение и не обратный отсчёт, как говорят все вокруг.
Это ваша возможность и рабочая среда на ближайшие несколько лет.
Компании проваливали ИИ-трансформации, потому что краевые случаи глубоки и широки, а знания, на которых держалась система, жили в людях, которых сократили. Это Ошибка 1.
ИИ замедляется сильнее всего в ролях с неявными знаниями, переплетёнными отношениями и негласными правилами. Без чёткого организационного направления ускорение только убьёт вас быстрее. Это Ошибка 2.
А если вы всё ещё спрашиваете «какой инструмент мне нужен?» вместо «какую проблему я уже глубоко понимаю?» — это Ошибка 3.
Шумер сжимает все оговорки — что ИИ мог бы, что затронуто, что развёрнуто, что произойдёт с рабочими местами — в одну предвзятую историю ради очень узкого результата. Своего.
А вот вы — человек, который знает проблему достаточно глубоко, чтобы точно направить инструмент, — вас не заменяют. Совсем наоборот.
Автор: cognitronn
