Индустриальная «Книга учета эпохи ИИ» инженеров Кремниевой долины: эффективность выросла в 10 раз, а я стал уставшеее

Рабочий результат значительно вырос, но усталость накапливается всё быстрее. AI-инструменты значительно сокращают время выполнения задач, но при этом не уменьшают нагрузку на человеческое принятие решений, а наоборот — увеличивают её. Когда технологии постоянно говорят нам: «Можно быстрее», возможно, более важный вопрос — «Можно ли делать медленнее?» Эта статья основана на статье Tencent Tech, подготовленной, отредактированной и написанной Foresight News.
(Предыстория: За 150 тысяч долларов в год — AI за 500 долларов решает всё, полная разборка системы агентства)
(Дополнительный фон: Конец эпохи антивирусных программ? Claude AI обнаружил 500 нулевых дней уязвимостей, напугав Уолл-стрит, CrowdStrike упала на 18%)

Содержание статьи

Переключить

• 01 AI не устаёт, а вы — да
• 02 AI меняет объём работы, но не перераспределение
• 03 Верхняя граница возможностей расширяется, нижняя — исчезает
• 04 Рабочий день нужно переосмыслить

Чем мощнее AI-инструменты, тем больше у человека усталости — возможно, именно это и есть настоящий вопрос эффективности этой революции.

В начале 2026 года в области программной инженерии возникла любопытная картина.

Новый поколение AI-инструментов для программирования, таких как Claude Opus 4.6, выводит эффективность разработчиков на невиданные ранее уровни. Внутренние данные Microsoft показывают, что после выбора инструментов, Claude Code быстро занял доминирующее положение, что некоторые наблюдатели воспринимают как естественный выбор «пути наименьшего сопротивления».

Но одновременно в сообществе разработчиков активно обсуждается «выгорание». Бывший инженер Google и Amazon Стив Йегге (Steve Yegge) в недавней автобиографии описывает явление, которое он называет «атака дремоты»: после долгого погружения в кодинг он внезапно засыпает в течение дня без предвестников.

Инженер-программист с 40-летним опытом в Кремниевой долине, Йегге

Сейчас всё больше разработчиков открыто говорят о общем опыте: результат работы значительно вырос, но усталость накапливается всё быстрее. Технологии существенно сокращают время выполнения задач, но не уменьшают нагрузку на принятие решений, а наоборот — увеличивают её.

Изображение из интернета

01 AI не устаёт, а вы — да

По мнению Йегге, ранее обсуждение о «ограниченной помощи AI в реальной работе» потеряло актуальность после внедрения Claude Code в сочетании с Opus 4.5 и 4.6. Эта комбинация значительно снижает издержки при переходе от постановки задачи к рабочему коду, позволяя опытному инженеру за единицу времени выдавать в несколько раз больше результата, чем по традиционной схеме.

Йегге отмечает, что когда производительность увеличивается более чем в два раза, появляется явление, которое он называет «эффект вампира»: технологии перестают быть просто инструментами и начинают формировать ритм работы и психологическое состояние пользователя.

Рисунок Йегге — «Вампирский извлекающий аппарат AI»

Сиддхант Каре (Siddhant Khare), инженер, подробно описавший этот процесс в блоге, в статье «Усталость от AI — реальность», пишет, что за последний квартал его кодовая отдача достигла рекордных значений, но при этом он ощущает сильное психологическое истощение.

Каре описывает фундаментальное изменение режима работы. До внедрения AI он целиком день сосредотачивался на одной задаче, поддерживая непрерывный мыслительный поток. После внедрения AI он одновременно работает с пятью-шестью разными областями. Каждая задача с помощью AI занимает примерно час, но частая смена задач создает новый когнитивный груз.

«AI не устаёт между задачами, — пишет он, — а я — да.»

Каре сравнивает свою новую роль с «контролёром на конвейере»: запросы поступают непрерывно, их нужно проверять, принимать решения, утверждать. Процесс не прерывается, но полномочия по принятию решений остаются за человеком. Он остается на месте судьи, а AI подает ему дела, ответственность — на человеке.

Недавние исследования Harvard Business Review подтверждают этот феномен.

Исследователи проследили за 200 сотрудниками американской технологической компании и обнаружили, что хотя вначале использование AI значительно ускоряет выполнение задач, это вызывает цепную реакцию: повышение скорости увеличивает ожидания по срокам, что ведет к более сильной зависимости сотрудников от AI, расширению объема задач и, как следствие, увеличению рабочей нагрузки и когнитивного напряжения.

Этот механизм они назвали «расширением объема работы». Он не управляется приказами, а возникает в результате повторяющейся и самоподдерживающейся итерации между ростом эффективности и изменением ожиданий.

Сомо Корошец (Samo Korošec), специалист по дизайну цифровых продуктов, в LinkedIn ответил Йегге, отметив схожие наблюдения.

Он указал, что в соцсетях полно демонстраций «за минуту — десять вариантов UI». Эти материалы постоянно показывают специалистам и руководителям, формируя скрытые стандарты.

Поскольку инструменты могут так быстро генерировать решения, их производство должно быть столь же быстрым. Но такие демонстрации редко показывают последующие этапы — от отбора и внедрения до межфункционального согласования, — за которые всё равно отвечает человек.

Технологии сокращают время производства, но не сокращают время принятия решений. А последнее становится новым узким местом — человеческим вниманием и волей.

02 AI меняет объём работы, но не перераспределение

Йегге предлагает упрощённую аналитическую модель.

Предположим, что после освоения AI-инструментов производительность инженера за единицу времени выросла в 10 раз. Тогда, кто получит эту разницу — зависит от того, как пользователь распределяет свою рабочую нагрузку.

Например, в сценарии А инженер продолжает работать те же часы, а весь прирост отдаёт работодателю. Тогда работодатель при тех же затратах получает почти 10-кратный результат. Доход инженера при этом не увеличивается пропорционально, но его нагрузка и психологическая нагрузка растут. Йегге называет это «выжиманием до последней капли».

В сценарии В инженер сокращает рабочее время, выполняя за те же часы только 10% от прежнего объема. Тогда весь прирост получает он сам, получая больше свободного времени. Но в условиях конкуренции такой режим долго не продержится: если все внутри организации начнут так работать, то её общий результат отстает от конкурентов, и в долгосрочной перспективе она рискует выжить.

Йегге считает, что оптимальный баланс — где-то посередине. Но в текущей организационной структуре регулировка этого баланса неравномерна. Организация склонна к тому, чтобы сдвигать стрелку в сторону А, а индивидууму нужно активно противодействовать этому.

Эта модель переводит вопрос эффективности технологий в вопрос перераспределения. AI не меняет фундаментального факта, что «ценность создается трудом», — она лишь меняет масштаб создаваемой за единицу труда ценности. Когда этот масштаб меняется, баланс распределения обязательно нарушается.

Йегге вспоминает свой опыт работы в Amazon в 2001 году. Тогда его команда испытывала сильное давление по срокам, а отдача была очень неопределенной. Он написал коллегам формулу: $ / час. Объяснил, что числитель (фиксированная годовая зарплата) в краткосрочной перспективе практически неизменен, а знаменатель (фактическое рабочее время) — очень гибкий параметр.

Он предлагает переключить внимание с «как заработать больше» на «как работать меньше». Этот сдвиг казался тогда чуждым, но через несколько недель он заметил, что на доске в переговорной всё ещё висит эта формула.

Через 25 лет Йегге считает, что эта формула актуальна и в эпоху AI. Разница в том, что AI значительно усилил влияние изменения знаменателя на числитель, но контроль над знаменателем у человека не вырос.

Пользователь LinkedIn Джозеф Эмисон (Joseph Emison) подошел к вопросу с другой стороны.

Он заметил, что большинство успешных в креативных сферах — писатели, дизайнеры, исследователи — работают эффективно не более четырех часов в день. Остальное время — отдых, прогулки, погружение. Это не вопрос эффективности, а физиологического ограничения когнитивных процессов.

Если AI дополнительно разделит «работу» и «эффективную работу», то, возможно, нужно переосмыслить не инструменты, а «длина рабочего дня».

03 Верхняя граница возможностей расширяется, нижняя — исчезает

Йегге признается, что сам тоже часть проблемы.

У него более 40 лет опыта, он руководил крупными командами, быстро читает и обладает достаточными ресурсами для экспериментов. Он способен часами использовать Claude Code для построения рабочей системы и публиковать её в открытом доступе. Его результаты широко распространены, и некоторые руководители считают его «примером достижимого уровня инженера».

Он пишет: «Работодатели, скорее всего, начнут смотреть на меня и на таких, как я, — и скажут: “Эй, все ваши сотрудники могут так же”».

На платформах вроде LinkedIn некоторые ранние пользователи начали делиться своим уровнем использования AI: кто-то платит за это тысячи долларов в месяц, кто-то показывает десятки активных диалогов. Эти материалы привлекают внимание техсообщества и формируют неявные стандарты.

Йегге называет это «нереалистичным красивым стандартом». Он признает, что его стиль работы трудно повторить большинству, и сам не уверен, сможет ли долго так работать. Но когда он выступает на сцене или пишет книгу, его посыл сводится к «это реально».

Пользователь LinkedIn Лейх Ашофф (Leigh Aschoff) поднимает более глубокий вопрос. Он считает, что взаимодействие человека с AI отражает долгосрочные границы в межличностных отношениях. Многие не умеют распознавать и выражать свои пределы, и эта неспособность переносится в отношения человек-машина. Инструменты не умеют самостоятельно останавливаться или чувствовать усталость пользователя.

Когда технологии расширяют верхнюю границу возможностей, способность распознавать нижнюю становится всё более редкой.

04 Рабочий день нужно переосмыслить

Йегге выдвигает конкретное предложение: эффективный рабочий день в эпоху AI должен сокращаться до трёх-четырёх часов.

Это не строгое научное число, а опытное предположение. Он заметил, что AI автоматизирует множество исполнительных задач, оставляя человеку только высокоуровневые когнитивные процессы — принятие решений, оценку, переосмысление проблем. Эти процессы требуют много внимания и эмоциональных ресурсов, и их трудно сжать или параллелить.

Во время визита в технологический парк он увидел среду, которую назвал «регулятор, настроенный на нужное положение» — открытые пространства, много естественного света, зоны отдыха и общения, где сотрудники свободно переключаются между работой и восстановлением. Он не уверен, сможет ли такая среда сохраняться при полном проникновении AI, но уверен, что нынешние модели — без изменения рабочего времени, только с увеличением плотности результатов — недолговечны.

Он не считает проблему «AI — вампир», а — «мне нужно лучше понять свои пределы».

Он пытается снизить «регулятор». Он уменьшил публичную активность, отказался от множества встреч, перестал гнаться за каждым технологическим трендом. Он продолжает писать, создавать продукты и общаться с коллегами. Но он также закрывает ноутбук по вечерам и гуляет с семьёй. Он говорит, что не знает, насколько сможет вернуть стрелку назад, но уверен, что направление — правильное.

Для более широкого профессионального сообщества эта проблема пока не стала коллективной повесткой. Истории о повышении производительности с помощью AI всё ещё доминируют, а обсуждения усталости — в личных и фрагментарных форматах. Но всё больше сигналов свидетельствуют о том, что эти два тренда сходятся.

Технологии сокращают путь выполнения задач, но не сокращают рабочий день. Инструменты помогают выполнять, но не берут на себя ответственность. Производительность растёт, но растёт и издержки.

Когда AI всё время говорит нам: «Можно быстрее», — возможно, более важный вопрос — «Можно ли делать медленнее?»