Автор: TT3LABS, платформа удаленного найма в сфере Web3/AI/SaaS
26 февраля 2026 года крупный финтех-гигант Block объявил о сокращении более 4000 сотрудников, и численность команды снизилась с более чем десятитысячной до менее 6000 человек. Генеральный директор Джек Дорси в письме акционерам отметил:
«Интеллектуальные инструменты уже изменили смысл создания и управления компанией… значительно меньшая команда, использующая наши разрабатываемые инструменты, способна делать больше и лучше.»
Дорси также дал очень жесткий прогноз:
«Я считаю, что большинство компаний уже опоздали. В течение следующего года большинство из них придут к тому же выводу и проведут аналогичные структурные перестановки.»
После этого в тот же день цена акций Block взлетела более чем на 20%. Это — реакция рынка капиталов: за эффективность и уровень AI-рычага компаний платят реальные деньги.
Обычный человек, не разбирающийся в программировании, с помощью больших моделей уже способен за одну ночь запустить полноценное приложение. И капиталовложения в такие технологии неизбежно вызовут острый вопрос: какова ценность огромных затрат на содержание тысяч программистов для поддержки работы суперприложения в условиях, когда эффективность и автоматизация растут в разы?
Тенденция замещения человеческого труда AI будет усиливаться. Чем больше компаний последует этому примеру, тем сильнее возрастет тревога. Но только одних тревог недостаточно. Необходимо начать с анализа глобальных изменений и постепенно возвращать фокус к индивидуальной стратегии выживания.
AI — не просто инструмент, он становится средствами производства
На рынке появляются идеи о том, что мы сейчас находимся в стадии Web4. Чтобы понять, что происходит, стоит вспомнить этапы развития интернета:
Web2
Основа — взаимодействие программного обеспечения и человека. Различные платформы привлекают внимание пользователей через алгоритмы, что по сути — борьба за поток трафика.
Web3
Пытается решить проблему подтверждения прав собственности на цифровые активы и распределения ценности. Многие сводят его к криптовалютам, но по сути он остается в рамках игры правил перераспределения богатства, не затрагивая отношения производства цифровых продуктов.
Накануне Web4
AI впервые начал затрагивать саму природу производственных отношений. Он перестает быть просто инструментом повышения эффективности и превращается в новый вид средств производства. Кто лучше умеет его использовать, тот сможет значительно расширить свои возможности по выпуску продукции.
В традиционной командной работе существует множество скрытых затрат: трудно копировать интуицию и профессиональный чутье руководителей, а при выполнении задач несколькими исполнителями неизбежны недопонимания и переработки. Это — «скрытая налоговая ставка» организации, решение которой раньше отсутствовало. AI значительно снижает эти издержки: у него нет кривой обучения, он может выполнять четко сформулированные подсказки и одновременно обрабатывать несколько задач. Стратегическое мышление человека в сочетании с исполнительским потенциалом AI способно в разы увеличить производительность целой команды.
Конечно, сейчас AI иногда «серьезно говорит ерунду», что требует человеческого контроля и оценки. Но надежность моделей улучшается ежемесячно, и буфер для чистого исполнения — гораздо короче, чем думают многие.
Равенство эффективности и глубокий кризис: когда входные барьеры исчезают
Краткосрочно — обычные люди получают выгоду от внедрения AI-инструментов. Но если проследить дальше, то когда AI нивелирует разрыв в базовой эффективности и значительно снижает порог входа в профессиональную деятельность, компании столкнутся с проблемой: если производительность одного человека резко возрастает, а масштаб бизнеса остается прежним, то поддержание прежнего штата становится убыточным.
Это видно по текущему уровню зарплат. Согласно данным мониторинга TT3LABS, начиная с 2025 года, на рынке AI-работы неоднократно появлялись предложения с зарплатами выше 10 миллионов долларов, причем кандидатами были молодые AI-инженеры без богатого управленческого опыта. Meta привлекла ключевых исследователей OpenAI с бонусами, превышающими 100 миллионов долларов, а средняя доля акций у сотрудников OpenAI достигла 1,5 миллиона долларов. Высококлассные инженеры в Anthropic зарабатывают до 690 тысяч долларов в год (без учета акций).
Капитал вкладывает эти деньги в развитие редких навыков: в усиление самой модели AI. Те, кто способен продвигать развитие базовых моделей, могут в геометрической прогрессии увеличивать свою ценность в бизнес-сетях. А те, чья работа может быть заменена AI по более низкой стоимости, рискуют потерять в стоимости.
Это порождает более глубокий потенциальный кризис. Всё больше людей реагируют на проблему, просто прося AI дать ответ, пропуская этапы собственных размышлений, проверки и экспериментов. Со временем это ведет к утрате навыков критического мышления. А именно — эти «глупые» усилия формируют ваше чутье на проблему. Постоянная зависимость от AI в этом процессе превращает вас в «переводчика требований»: вы переводите запросы в команды для AI и передаете его результаты другим. И именно этот промежуточный этап — самый уязвимый для следующего поколения AI, которое сможет его легко пропускать.
Карта воздействия: где вы находитесь?
Если у страха нет координат — это просто тревога. Перед обсуждением решений важно нарисовать «карту воздействия». Это не для того, чтобы сеять панические настроения, а чтобы понять свое место.
Работы с высоким риском, которые можно четко прописать в командах
Начинающие программисты, базовая аналитика данных, стандартные отчеты, шаблонные дизайны, рутинное редактирование и перевод. Эти позиции характеризуются возможностью четко разбить работу на «ввод → обработка → вывод». Среди тех, кто был уволен из Block, значительная часть попадает в эту категорию. Их профессиональные навыки хороши, но задачи — те, что легко решаются большими моделями.
Критерий для самопроверки: если все ваши обязанности можно свести к одной AI-команде, значит, машина уже способна заменить вас, и остается только ждать, когда руководство примет решение.
Опытные middle-менеджеры и специалисты, которых «давит» автоматизация
Менеджеры проектов, операционные руководители, инженеры среднего уровня. Их работа включает оценку и координацию, и AI в краткосрочной перспективе не сможет полностью заменить их. Но уже сейчас AI «сжимает» их роль: раньше один бизнес-процесс требовал участия пяти менеджеров, каждый отвечал за свою часть. Теперь AI берет на себя выполнение всей цепочки, и одна-две персоны могут управлять всей системой.
Эта группа сталкивается с ситуацией «их позиций становится меньше». Их навыки не ухудшились, но спрос на их роль резко падает. Выход — использовать AI для усиления своих возможностей снизу и расширения сферы влияния сверху.
Управляющие добавленной стоимостью и рисками
Работы, где важен не только «правильный результат», а умение принимать решения при неполной информации и нести ответственность за последствия. Сложные бизнес-переговоры, кризисные коммуникации, межкультурное управление, оценка высокорискованных инвестиций. AI может анализировать и давать советы, но не подписывать документы, не нести ответственность за результат, не читать между строк в деловой переписке.
Эти роли не утратят ценности, а наоборот — за счет снижения издержек их стоимость возрастет. Бюджет, выделяемый на них, сможет реализовать более крупные проекты, а рычаги у руководителей станут длиннее.
На практике многие работают сразу в нескольких уровнях. Простая проверка: подумайте, сколько из ваших ежедневных задач можно четко прописать командой, а сколько требуют вашего личного участия в условиях неопределенности. Чем больше — тем быстрее нужно менять подход.
Перестаньте бояться инструментов, превращайте общие вычислительные ресурсы в приватные барьеры
В конце января появился OpenClaw («Маленький рак»), за несколько дней его звездный рейтинг на GitHub превысил 170 тысяч. Конкуренты быстро последовали, Alibaba Cloud запустила однокнопочную установку, Tencent представила CoPaw, MiniMax и Kimi выпустили свои совместимые решения.
И тут возникает интересный эффект: многие тратят больше времени на «изучение развертывания Маленького рака» и «сравнение тарифов», чем на реальное использование AI для бизнеса. Все гоняются за инструментами, но после их внедрения конкуренты за пару часов могут скопировать вашу конфигурацию.
«Все крупные языковые модели — OpenAI, Anthropic, Meta, Google, xAI — обучены на одних и тех же открытых данных интернета. Поэтому по сути они одинаковы, и именно поэтому их быстро превращают в товар.»
— Ларри Эллисон, конференция по финансовым результатам Oracle за Q2 2026
Это означает: если ваша работа полностью зависит от публичных возможностей универсальных моделей, ваш продукт — однороден, и даже самые изощренные команды командных подсказок не создадут у вас конкурентного преимущества.
Истинный барьер — это переход от публичных моделей к приватным.
Сейчас наблюдается явный тренд: крупные корпорации и стартапы все активнее разворачивают локальные приватные модели. Основная причина — безопасность данных: никто не хочет отдавать свои ключевые бизнес-данные сторонним API. Но есть и менее очевидная цепная реакция: когда все ведущие игроки переводят свои данные и знания в приватные системы, информация, доступная для обучения универсальных моделей, становится все менее актуальной и все более отстающей. На поверхности AI снижает порог входа в знания, но ценная отраслевая экспертиза исчезает из открытых источников и уходит в частные базы данных.
Таким образом, накопленные годами «скрытые знания» отрасли не обесцениваются, а наоборот — растут в цене. Главное — уметь их использовать.
Перестраивайте свои разрозненные бизнес-опыты, переписки, старые письма в структурированные «контексты», которые сможет усвоить ваша приватная модель. Согласно данным TT3LABS, у кандидатов с опытом в Web3 более двух лет уровень прохождения первичного отбора выше, чем у специалистов из крупных компаний без отраслевого опыта. Почему? Потому что отраслевое знание — важнее универсальных технических навыков. Понимание правил регулирования, тонкостей токеномики, оценки предложений DAO, интуиция по психологии аудитории и ритму нарратива — все это не попадает в открытые датасеты.
Когда вы структурируете эти приватные знания и подключаете их к модели, ваш AI перестает быть просто универсальной энциклопедией, а превращается в личного ассистента, который работает только на вас и понимает именно вашу нишу. Такой глубинный уровень производства — то, что не смогут повторить конкуренты, использующие одинаковые универсальные модели.
Главная идея — AI превосходит всех в обработке публичных знаний, но в работе с приватным опытом он полностью зависит от вашего «кормления». Те, кто умеет сочетать глубокие отраслевые знания с AI, — это и есть новые ключевые активы в новой специализации.
Ваши личные знания — это настоящий «модель»
Модели AI быстро развиваются: сегодня GPT, Claude, Gemini — через полгода их заменят более мощные версии. Но для вас это — всего лишь смена API. Настоящая ценность — это ваши собственные данные и опыт, которые вы «загружаете» в модель.
Модель — это универсальная инфраструктура, которой может пользоваться любой. Но ваши отраслевые знания, бизнес-решения, опыт ошибок — это уникальный «тренировочный корпус». Чем мощнее модель, тем лучше она усваивает ваши данные, и тем выше ваш приватный барьер. Поэтому не стоит переживать о том, что «знания быстро устареют» — ваш личный «знанийский фонд» не обесценивается с обновлением моделей. Пока модели меняются, ваш приватный опыт только растет в ценности.
В то же время, традиционная конкуренция на рынке труда тоже меняется. Раньше можно было показывать отношение через ночные переработки. Теперь же, когда машины работают 24/7, стратегия «я лучше всех выношу» становится бессмысленной.
Многие говорят: «Я еще даю эмоциональную поддержку в команде». Это — уникальная человеческая способность, но ее ценность зависит от уровня. Когда команда из десяти человек сокращается до двоих и одного AI-агента, роль «командного связующего» исчезает. А в руководстве, где важны сложные бизнес-игры, доверие, управление конфликтами — глубокие человеческие связи становятся еще более ценными, потому что их стоимость снижается. Эмоциональная ценность не исчезает, она просто переходит на более высокий уровень.
В конечном итоге, самое важное для человека в эпоху AI — не учиться пользоваться каким-то конкретным инструментом, а постоянно развивать свой уникальный приватный AI. Инструменты будут меняться, а ваш опыт — нет.
Три действия, которые можно начать прямо сейчас
Вернемся к примеру Block: кто-то уволен, а кто-то остался. Разница — в том, кто после внедрения AI остается «незаменимым». Не ждите, пока компания организует обучение AI — начинайте прямо сегодня:
01. Перейдите от «личных усилий» к «построению рабочего процесса»
Самая распространенная ловушка — использовать AI для «лентяйства» (например, писать отчеты или редактировать письма). Это — мышление исполнителя. На самом деле, нужно воспринимать себя как «подрядчика», который создает автоматическую линию производства ключевых результатов.
Не стоит одновременно пробовать десятки моделей. Выберите одну — например, ChatGPT Plus или Claude — и внедрите ее в самый трудоемкий и требующий опыта участок работы. Вместо ручного сбора данных → анализа → вывода, настройте автоматический сбор → подачу в анализ → корректировку человеком. Когда эта цепочка позволяет сократить неделю работы до одного дня с высокой стабильностью качества, вы превращаетесь из простого узла вычислений в «микро-компанию» с высоким рычагом.
02. Зафиксируйте скрытый опыт в виде личного цифрового двойника
Большие модели учатся на открытых данных, они понимают теорию. Но они не знают, что именно скрыто внутри вашей компании — особенности крупного клиента, тонкости взаимодействия с отделом финансов, «подводные камни». Эти знания — ваши главные активы.
Если оставить их только в голове, они не принесут прибыли. Ваша задача — использовать возможности кастомизации моделей (например, Custom GPTs или Claude Projects), чтобы превратить свой опыт в «настройки» для модели. Обучите ее на своих кейсах, ошибках, внутренней информации. Не создавайте статический «записной книжки», а сформируйте «личного ассистента», который работает 24/7 и полностью отражает ваш стиль. Когда такой «цифровой двойник» сформируется, конкуренты, использующие универсальные модели, уже не смогут вас обогнать.
03. Усильте свою «проблемную дефиницию» и ответственность
Практикуйте в команде делегировать поиск ответов машинам, а самому сосредоточиться на постановке вопросов и принятии решений. AI — отличный инструмент для поиска решений, но он не знает ваших бизнес-целей и мотиваций. Например, руководитель говорит: «Нам нужен новый стратегический план по удержанию клиентов». AI предложит десятки вариантов. Но только вы можете, исходя из бюджета и ресурсов, выбрать наиболее подходящий — например, «вариант C — снизить функциональность, чтобы быстро реализовать».
Также важно понять: AI не несет ответственности. За ваши решения платит компания, и вы должны иметь уверенность, что результат — ваш личный вклад. Когда вы сдаете AI-решения, говорите: «Я проверил их профессионально и беру на себя ответственность за их реализацию». Такой уровень ответственности — ваш «преимущество», которое машина не сможет заменить.
Дорси говорит: «Большинство компаний уже опоздали». Но для каждого человека это — обратная истина: большинство еще не начали подготовку и не осознают тренд.
Не обязательно становиться экспертом по AI. Но важно понять: какие части вашей работы рано или поздно сможет делать машина, а какие — только вы. И сосредоточиться на развитии именно этих уникальных компетенций.
Когда AI в разных сферах полностью превзойдет человека — возможно, уже в 2027 году, а может — в 2030 — это не будет просто событие, а трансформация, которую вы не сможете игнорировать.
И она не ждет, пока вы подготовитесь.
