Когда ИИ становится инфраструктурой. За что нам будут платить?

Я начинала свой путь в ИТ с Java. Тогда умение написать программу давало вполне конкретное преимущество: если бизнесу требовалась система под его правила, без людей, которые умеют писать код, она просто не появлялась. Сейчас я сама проектирую системы с ИИ и всё чаще думаю о судьбе этого преимущества. Кажется, мы, программисты, рискуем оказаться в положении наездников после появления автомобиля. Ездить верхом по-прежнему можно. Просто для каждой поездки навык уже не понадобится.
Моя гипотеза звучит так: любой труд, требующий интеллектуальной предсказуемости, со временем перейдёт к ИИ. Предсказуемость здесь — свойство способа работы. Приложение может быть единственным в своём роде, а заключение — разбирать ситуацию, в которой раньше никто не бывал. Если система умеет надёжно пройти путь от исходных данных до результата, проверить его и справиться с обычными исключениями, работу можно автоматизировать. Вопрос в полной стоимости: с ошибками, исправлениями и сопровождением.
Представим, что мы уже по ту сторону перехода. Чипов хватает, конкуренция убрала зависимость от одного поставщика вычислений, а по цене ИИ доступен семье и небольшой мастерской. Изменилась и привычка: руководители, сотрудники и клиенты умеют работать с ИИ, и под него уже перестроены процессы. Роботы в физическом мире могут распространяться в своём темпе — для них по-прежнему нужны оборудование, монтаж и обслуживание.
В этой реальности мне интересно, что произойдёт с работой, что мы начнём делать быстрее и у кого будут деньги, чтобы покупать результаты нашего ускорения.
Программисты, операторы ИИ и хозяйка мастерской
Представим небольшую мастерскую. У неё есть запись, мастера с разной специализацией и заказы, которые по телефону звучат как «на двадцать минут», а в расписании занимают половину дня. Раньше владелице приходилось либо подгонять работу под готовую программу, либо заказывать доработку. Теперь она показывает ИИ реальные записи и исключения, объясняет правила оплаты и получает приложение под свой процесс. Через месяц меняются часы работы и условия предоплаты. Приложение меняется вместе с ними.
Сначала посредником между хозяйкой и её новой системой будет оператор ИИ. Он собирает требования, связывает сервисы и разбирается, почему субботняя запись опять исчезла. Затем часть его действий становится повторяемой, и система берёт их на себя. К постановке задачи, архитектуре и проверке применима та же логика, что и к набору кода. Усложнение работы передвигает границу автоматизации, и сама граница продолжает двигаться.
Так я понимаю фразу «ИТ становится commodity». Изготовление и изменение софта превращаются в доступную производственную функцию. Софт будет появляться даже там, где отдельный проект прежде никому бы не пришло в голову заказывать. Общая инфраструктура платежей, учёта и обмена данными останется востребованной, а поверх неё будут появляться приложения под отдельные мастерские, семьи и команды. При этом высокий спрос на софт вполне совместим с падением цены ручной разработки и сокращением команд, которые ею занимаются.
Математическое мышление я бы тут со счетов не списывала. Если попросить ИИ увеличить число записей в мастерскую, он может преуспеть: календарь забит, клиенты ждут, мастера устают, а прибыль падает. Кто-то должен заметить, что записи, оплаченные работы и прибыль — три разные величины. Это умение формализовать задачу, проверить допущения, увидеть крайний случай и поменять критерий, когда он ведёт к абсурду. ИИ сможет помогать и с этим. А человек с таким мышлением сможет работать с более сложными задачами в своей области, будь то программирование, логистика или семейное обучение.
Работы может стать больше, а рабочих мест — меньше
Допустим, раньше на одну услугу уходило пять часов человеческой работы, а теперь — один. Даже если клиентов станет втрое больше, суммарно работы для людей будет на 40% меньше. Чтобы часов осталось столько же, спрос должен вырасти в пять раз. Если из-за низкой цены откроется рынок, на котором услугу станут покупать в восемь раз чаще, человеческих часов, наоборот, прибавится. Поэтому для каждой индустрии я бы спрашивала отдельно, сколько человеческого времени остаётся в одной услуге и насколько может вырасти спрос. Есть и второй круг эффектов: сэкономленные деньги люди и компании могут потратить в других отраслях. Дарон Аджемоглу и Паскуаль Рестрепо — об автоматизации и появлении новых задач.
Меня особенно занимает вход в профессию. Откуда возьмутся люди, которым через десять лет можно доверить сложную работу, если сегодня новичкам перестанут давать простую? В американской выборке платёжных ведомостей по июнь 2026 года исследователи увидели, что занятость молодых людей 22–25 лет в профессиях с высокой подверженностью ИИ отставала от динамики их менее подверженных сверстников главным образом из-за сокращения найма. Авторы считают это ранним наблюдением, из которого пока нельзя установить причину. В Дании за первые два года после появления ChatGPT менялся состав рабочих задач, а исследователи не обнаружили заметного сдвига в заработках и учтённых часах. Для меня это ещё один повод смотреть на вакансии для начинающих и способы научиться профессии: средние зарплаты могут измениться гораздо позже. Stanford Digital Economy Lab · Humlum и Vestergaard, исследование Дании.
В типовой бухгалтерии, клиентской поддержке и административной работе одна команда сможет обслуживать гораздо больше случаев. В праве и финансах часть работы переместится к сложным спорам, контролю существенных решений и ответственности организаций. При этом дефицит работников сам по себе не обещает высокой зарплаты. Можно очень нуждаться в людях, которые ухаживают за пожилыми, и плохо им платить, если у семей и учреждений ограничен бюджет. OECD — о спросе на работников долгосрочного ухода.
Наука ускорится. У опытного производства прибавится работы
Больше всего меня в этом сценарии интересует наука. Когда можно быстро прочитать и сопоставить огромный массив работ, перебрать варианты и спроектировать эксперимент, меняется число гипотез, которые вообще имеет смысл рассматривать. Но если одна лаборатория по-прежнему проверяет десять вариантов в месяц, перед ней просто вырастет очередь. Настоящее ускорение начинается, когда замыкается цикл «гипотеза → эксперимент → данные → следующая гипотеза».
Отдельные элементы уже видны. AlphaFold 3 улучшил вычислительное предсказание структур молекулярных комплексов. В материаловедении проект A-Lab связал вычислительный отбор с физическими экспериментами в автоматизированной лаборатории. Из этого я вывожу вполне земное следствие: по мере удешевления поиска идей особую ценность получат качественные измерения, приборы, автоматизация экспериментов и независимая проверка результатов. AlphaFold 3 в Nature · A-Lab в Nature.
Дальше начинается внедрение. Прототип цифрового инструмента можно дать людям почти сразу. Новый промышленный материал нужно произвести в нужном объёме, проверить на долговечность и убедить первого покупателя изменить технологический процесс. В энергетике расчёты ускорятся раньше, чем монтаж сетей. В строительстве можно быстро перебрать варианты проекта, но стройплощадка всё равно живёт своим календарём. Я ожидаю, что больше работы и инвестиций уйдёт туда, где расчёт встречается с физическим миром: в опытные производства, испытательные площадки и системы эксплуатации.
Есть и вопрос, на который вычислительная скорость сама по себе ответа не даст. Кто задаёт направление исследования и платит за внедрение? Можно ускорить разработку дешёвых систем хранения энергии, инструментов для ухода или способов удерживать людей в приложении. У каждой цели свои заказчики. Прогресс может стать быстрее, а его направление по-прежнему будет зависеть от того, кто принимает решения и распоряжается ресурсами.
Персональные сервисы становятся доступнее. Человеческое участие всё ещё имеет цену
В Capybara мне особенно хорошо видна разница между двумя типами персонализации. Составить для ребёнка упражнения под конкретный пробел, подобрать темп и подготовить материал к следующему уроку становится дешевле. А понять, почему после хорошего разбора дома снова никто не хочет открывать тетрадь, — это ещё и работа с семейными привычками, ожиданиями и договорённостями. За участие ментора семья может платить, если ей важно, чтобы конкретный человек знал ситуацию и мог посмотреть через две недели, что действительно сработало.
Похожая экономика может сложиться в уходе, ремонте, наставничестве, бытовых услугах и творческой работе. ИИ берёт на себя часть подготовки, перевода, записи и согласований. Небольшая команда может браться за заказы, каждый из которых раньше был слишком мелким или нестандартным. В медиа тот же процесс даёт почти обратную картину: выпуск цифрового контента растёт, цена отдельной работы может падать, а аудитория и живые отношения с авторами приобретают больший вес. В обоих случаях доступные инструменты уменьшают стоимость производства. Доход исполнителя зависит ещё и от того, сколько клиентов он может найти и за что они готовы платить.
Здесь я вижу прямую связь с тем, что проектирую в DOGEstonia. Представим, что предложения небольших магазинов и сервисов можно найти через разные ИИ-помощники. Тогда маленькая мастерская получает шанс быть найденной по конкретной задаче, даже если покупатель никогда о ней не слышал. Если же большинство людей выбирает через одного помощника, который контролирует выдачу и сделку, у мастерской появляется новый привратник. Меня в идее открытого реестра бизнес-нод интересует именно это: кто решает, какие предложения видит покупатель, когда поиск и выбор всё чаще делегируются машине. OECD — о конкуренции и ИИ-агентах.
На что мы будем покупать всё это изобилие?
Для меня это главный вопрос всей конструкции. Экономия от автоматизации может остаться у покупателей в виде более низких цен, у работников в виде дохода или свободного времени, у владельцев в виде прибыли, у общества в виде услуг, оплаченных из налогов. При одинаковой доступности ИИ результат может получиться очень разным.
Представим семью, у которой сократился трудовой доход. Она может бесплатно получить перевод, учебные материалы и собственное приложение. Это реальная выгода. Но если большую часть её расходов составляют жильё, еда, энергия и уход, покупательная способность зависит прежде всего от этих цен. Там, где предложение ограничено, например жильём в удобном районе, часть высвободившихся денег может уйти владельцам дефицитного ресурса. В экономике при этом могут бурно расти инвестиции в оборудование и науку, даже если семьи осторожнее тратят деньги на себя.
Я вижу несколько вариантов, которые вполне могут существовать рядом.
- Доход концентрируется у владельцев активов и каналов сбыта. Дешёвые цифровые услуги становятся массовыми, а персональное человеческое участие чаще покупают обеспеченные семьи и крупные организации.
- Доля дохода от производительности распределяется шире через собственность. Это могут быть доли работников, кооперативы, пенсионные или общественные фонды. Семья получает дополнительный доход, когда за её долей стоят активы, которые действительно приносят выручку.
- Часть выигрыша возвращается через публичные услуги, выплаты и договорённости о рабочем времени. Более короткая неделя даёт время детям, учёбе и собственным проектам, если дохода хватает на жизнь. Выплаты увеличивают возможность выбирать, а доступность ухода или жилья зависит ещё и от того, сколько таких услуг или жилья можно предоставить.
МВФ — о распределении выгод от генеративного ИИ · Korinek и Suh — экономические сценарии глубокой автоматизации.
Недавно я писала о том, на кого учиться, когда профессии меняются быстрее учебных программ. На уровне одной семьи это вопрос о том, какие навыки и интересы помогут человеку выстроить свой путь. На уровне экономики к нему добавляется другой. Если люди могут произвести больше, работая меньше, кто получает высвободившееся время и кто получает доход? От ответа зависит, сможет ли семья воспользоваться достижениями этой экономики, оплатить помощь, которая ей нужна, и выбрать, чему посвятить собственное время.
Для бизнеса
Начнём с одного процесса в вашей компании
Если команда вручную собирает отчёты подрядчиков, уточняет данные в переписке и переносит согласованное в документы, опишите один такой процесс. Разберём, что можно автоматизировать и какие решения оставить вашей команде — начнём письменно.
Разобрать мой процесс


