Когда интеллект стал дешёвым. Том 1: Человек Как оставаться нужным, когда ИИ меняет работу, карьеру и ценность специалиста

Сэм Альтман, глава OpenAI, описывает этот горизонт ещё резче. В одном из эссе 2025 года он пишет, что «интеллект, слишком дешёвый, чтобы его считать, — уже в пределах досягаемости», и что стоимость интеллекта в итоге придёт к стоимости электричества. Это намеренная отсылка к старому обещанию атомной эры: «электричество, слишком дешёвое, чтобы ставить счётчик». В буквальном смысле оно не сбылось. Поэтому фразу стоит держать в голове с лёгкой иронией. Но как вектор она честная: стоимость единицы интеллектуальной работы действительно падает на глазах.21

Дальше работает знакомая экономическая логика. Когда минута связи стоила заметных денег, люди говорили короче. Когда сообщения стали почти бесплатными, объём общения вырос. Когда фотография стоила плёнки и проявки, снимков было мало. Когда камера оказалась в телефоне, фотографирование стало бытовым действием.

С интеллектуальной работой происходит то же самое. Если раньше дорого стоило попросить анализ, сравнение, план, объяснение, черновик договора, сценарий переговоров или разбор выписки, таких попыток было меньше. Теперь попытка дешевле. Значит, попыток больше.

Но отсюда не следует, что результат стал бесплатным.

Дешёвый output не равен дешёвому outcome

Здесь важно развести два слова, которые будут идти через всю книгу: output и outcome. Это не спор о терминах. Это бухгалтерия смысла.

Output — то, что сделано: текст, таблица, презентация, список идей, черновик письма, код, отчёт, краткое резюме. Его можно показать, переслать, положить в папку, вставить в документ. В бизнесе это ещё называют выходом работы: продуктом, услугой или объёмом выполненного.

Outcome — польза, эффект или изменение, ради которого работа делалась: клиент понял и подписал, ошибка найдена и исправлена, налоговая позиция собрана корректно, просрочка снижена, процесс стал быстрее, решение принято, деньги не потеряны, риск закрыт.

Если совсем просто: output — список рисков по договору, outcome — подписанное решение без лишнего риска. Output — черновик презентации, outcome — встреча, после которой клиент понял и согласился. Output — сгенерированный план, outcome — работа, которую действительно сделали.

Раньше разница между ними была спрятана. Первый черновик был дорогим, поэтому казалось, что основная ценность сидит в самом производстве текста, таблицы или анализа. Когда первый черновик дешевеет, разница становится видимой. Текст можно получить быстро. Правильное решение всё равно требует контекста, ответственности и проверки.

На примере из вступления: разбор выписок, список документов и черновик логики проверки — это output. Корректная налоговая позиция, найденные вычеты и готовность отвечать за принятое решение — outcome. ИИ удешевил вход в задачу; ответственность за результат осталась на мне.

Так устроена почти вся новая работа с ИИ. Он удешевляет вход, черновик, перебор вариантов, объяснение, перевод между языком специалиста и языком клиента. Но outcome остаётся дороже, потому что в нём есть мир за пределами текста.

У результата есть владелец. У output владельца часто нет: его можно сгенерировать и забыть.

Парадокс дешёвого интеллекта

Когда интеллект на единицу ответа дешевеет, расходы не всегда падают. Иногда они растут.

Это звучит странно только на первый взгляд. Если один ответ стоит дешевле, компания начинает задавать больше вопросов. Если агент может проверить десять вариантов, он проверяет десять. Если можно получить не один сценарий, а двадцать, человек просит двадцать. Если ассистент способен читать длинные документы, в него загружают всё больше документов.

Дешёвая единица рождает новый спрос.

У этого есть и техническая сторона — и её уже измерили. Когда инженеры Anthropic сравнивали обычный чат и систему из нескольких агентов, работающих над одной задачей, оказалось, что агенты съедают кратно больше токенов: простой агент — в несколько раз, а система из нескольких агентов — примерно в пятнадцать раз больше, чем чат. Более того, в их замерах сам объём израсходованных токенов объяснял бóльшую часть разницы в качестве результата. Перевожу на человеческий: чтобы агент работал заметно лучше, он должен заметно больше «думать» — а значит, больше тратить.22

В личной работе это выглядит приятно: можно быстрее изучить тему, подготовить письмо, сравнить решения. В бизнесе появляется другая сторона: кто контролирует качество, стоимость, безопасность, доступ к данным, логику принятия решений? Если один сотрудник запускает чат — это эксперимент. Если сотни процессов начинают расходовать модельную работу каждый день — это уже инфраструктура со своей экономикой.

Поэтому фраза «интеллект почти бесплатен» опасна, если понимать её буквально. На единицу — да, дешевеет. В масштабе — нет. Он дорожает как система управления. Считать нужно не только цену ответа, но и цену ошибки, проверки, интеграции, данных, повторных попыток, контроля качества.

Именно здесь многие первые проекты с ИИ дают неправильное чувство. Человек видит быстрый output и думает: всё, задача решена. Руководитель видит быстрый пилот и думает: всё, можно масштабировать. Предприниматель видит дешёвого помощника и думает: всё, теперь у меня вместо команды одна подписка.

Масштаб всегда задаёт скучные вопросы. Где данные? Кто проверяет? Кто видит расходы? Кто останавливает систему, если она уверенно едет не туда?

Иногда это правда даёт скачок. Но устойчивый результат появляется позже — когда вокруг модели собрана рабочая машина.

Модель — двигатель. Но едет машина

До этого места нам помогала метафора розетки: доступ к интеллекту появился почти везде, как доступ к электричеству. Но розетка объясняет только вход. Она не объясняет, почему результат всё ещё надо строить.

Для результата лучше подходит другой образ.

Представьте двигатель на полу цеха. Он мощный, новый, дорогой — или, наоборот, дешёвый и доступный. Можно включить его и показать, как он ревёт. Но сам по себе двигатель никуда не везёт.

Чтобы он поехал, нужны рама, колёса, топливо, тормоза, руль, приборы, правила движения, водитель, сервис, страховка, маршрут. В бизнесе ещё нужны владелец процесса, метрики, контроль качества, безопасность и право остановить машину, если она едет не туда.

С моделью то же самое. Модель — двигатель. Обвязка вокруг неё — машина.

В англоязычной инженерной среде для такой обвязки используют слово harness. В этой книге мы не будем прятаться за термином. По сути, это контур управления вокруг модели. Смысл простой: ценность создаёт не только модель, а вся система вокруг неё.

• Контекст: что модель знает о вашей задаче, клиенте, отрасли, ограничениях.

• Инструменты: куда она может сходить за свежими данными, что открыть, что посчитать, какой документ создать.

• Память: что сохраняется между задачами, какие выводы не надо повторять заново.

• Проверка: как система отличает правильное от правдоподобного.

• Ограничения: что нельзя делать без человека, какие решения требуют подтверждения.

• Ответственность: кто подписывает результат.

Это не только моя метафора. Андрей Карпати, один из самых известных инженеров в области ИИ, описывает современную модель как процессор нового компьютера, а всё, что вокруг неё, — как операционную систему: без неё процессор сам по себе ничего полезного не делает. Китайский предприниматель Чжоу Хунъи говорит проще и ближе к нашему образу: модель — это двигатель, а агент — машина, которая на этом двигателе решает задачу. Разные люди, разные страны, одна и та же мысль: сила не в моторе, а в собранной вокруг него машине.23

Без этой обвязки ИИ остаётся сильным генератором output. С ней он становится частью рабочего процесса.

Вот почему ценность смещается. Когда сама модель доступна многим, преимущество не в факте доступа. Преимущество в том, кто лучше собрал вокруг неё контекст, инструменты, проверки и дисциплину. У кого машина действительно едет к результату, а не ограничивается красивым шумом.

Банкинг уже показал этот маршрут

Бретт Кинг в книге «Bank 4.0» формулирует это как «banking everywhere, never at a bank» — «банкинг повсюду, но не в самом банке». Смысл не в исчезновении банков как организаций. Смысл в том, что банковская функция встраивается в жизнь: платежи, кредитование, идентификация, риск, доверие, сервис. Клиент не обязательно приходит «в банк», чтобы получить банковский результат.24

Для этой главы это не красивая цитата, а схема.

Сначала технология существует как место. Сайт. Приложение. Чат. Отдельный экран. Потом она становится функцией внутри другого действия. Мы не «идём в калькулятор», когда приложение само считает комиссию. Не «идём в навигатор» как в учреждение, когда маршрут строится внутри поездки. Не «идём в банк» в старом смысле, когда платёж проходит в два касания внутри покупки.

Интеллект будет двигаться по такому же пути. Мы всё реже будем специально «идти в ИИ». Он будет появляться внутри письма, таблицы, CRM, бухгалтерии, обучения, поддержки, банковского сервиса, юридической проверки, интерфейса управления задачами.

Это не делает человека лишним автоматически. Но меняет место, где человек создаёт ценность.

Если интеллект встроен в процесс, ценность человека уже не в том, что он первый нашёл ответ. Ответов много. Ценность в том, что он понимает, какой ответ нужен, на каких исходных условиях, с каким риском, для какого клиента, в каком процессе и с какой ответственностью.

Это переход от владения знанием к владению результатом.

Что подешевело в вашей работе

Эта глава не требует от вас срочно внедрять AI-агента, покупать новый сервис или перестраивать всю работу за один вечер. Для первого шага достаточно одного честного вопроса: что в моей работе уже подешевело?

Не в мире вообще. Не в чужой профессии. А именно в вашей работе.

• Подешевел ли первый черновик письма?

• Подешевело ли объяснение сложной темы?

• Подешевел ли перевод с языка эксперта на язык клиента?

• Подешевел ли разбор длинного документа?

• Подешевел ли поиск вариантов?

• Подешевела ли подготовка к встрече?

• Подешевел ли первичный код, макет, план, структура или список рисков?

Если хотя бы на часть вопросов ответ — «да», дальше начинается главный разговор: за что тогда платят?

Платят не за сам факт текста, файла, слайда или черновика. Платят за правильный вопрос. За выбор критерия. За доступ к контексту. За понимание клиента. За проверку. За вкус. За доверие. За способность довести работу до состояния, где кто-то принимает решение, подписывает документ, меняет процесс, экономит деньги или зарабатывает больше.

Для первого самоаудита достаточно простой таблицы.

Эта таблица важнее любого списка «профессий будущего». Профессии — слишком крупная единица. Работа меняется не целыми должностями, а слоями. Один слой дешевеет. Другой дорожает. Третий исчезает. Четвёртый становится новым центром ответственности.

В следующей главе мы разберём эту новую цену подробнее: какие рычаги дорожают, почему output перестаёт быть достаточным и где появляется новая полезность. Сейчас важно закрепить базовую мысль.

Дешёвый интеллект снижает цену первого шага. Дорогой результат требует системы.

Где проходит граница

Есть соблазн сразу уйти в большие споры: какие профессии исчезнут, сколько людей потеряют работу, кто выиграет, кто проиграет, что делать детям, какие компании станут AI-native. Всё это будет дальше.

Но если перескочить через экономику первого ответа, остальная книга будет звучать как набор советов. А советы без механизма быстро устаревают.

Механизм такой:

1. Интерфейс стал человеческим: можно ставить задачу обычным языком.

2. Первый output стал дешевле: черновик, объяснение, сравнение, план доступны быстрее.

3. Дешёвый output увеличивает число попыток: люди и компании начинают использовать интеллект чаще.

4. В масштабе появляются новые затраты: данные, безопасность, проверка, управление, качество.

5. Ценность уходит к тому, кто владеет outcome: ставит задачу, собирает обвязку, проверяет и отвечает.

Это и есть начало новой полезности. Не прогноз. Бухгалтерия нового труда.

Не в том смысле, что старые знания больше не нужны. Нужны. Но знание без результата дешевеет быстрее. Умение сделать красивый output дешевеет быстрее. Способность звучать уверенно дешевеет быстрее.

Дорожает другое: довести дело до результата в мире, где убедительный черновик может произвести почти каждый.

Сравнение с электричеством напрашивается само — с него и начинается эта глава. Образ удобный, но к нему нужна честная оговорка. Андрей Карпати возражает: интеллект — это не совсем электричество, а скорее новая операционная система; ток везде одинаков, а интеллект можно настраивать, программировать, собирать под себя. И всё же экономический урок электрификации остаётся в силе.25

Электричество тоже когда-то воспринимали как чудо. Потом оно стало инфраструктурой. Ценность приносил уже не ток сам по себе, а то, что люди построили вокруг него: фабрики, процессы, города, продукты и новые способы организации труда.

Те, кто просто заменил паровой привод электромотором и оставил прежнюю логику работы, выиграли немного. По-настоящему выиграли те, кто перестроил производство под новую силу энергии.

С интеллектом будет похоже.

Розетка появилась. Теперь главный вопрос — не как к ней подключиться, а что вы построите вокруг неё.

Практикум к книге

К этой главе в Практикуме будут лежать обновляемые ссылки по агентам, стоимости модельной работы, терминам output / outcome и схеме «модель — двигатель, обвязка — машина»: https://cheap-intelligence.vercel.app/

Глава за минуту

Логика главы.

1. От чатов к агентам. ChatGPT сделал простой язык интерфейсом к модели: вместо кода человек получил разговор. Следующий шаг — ИИ внутри процессов и агенты, которые не только отвечают, но и выполняют цепочку действий.

2. Цена первого шага упала. Дешевле стали вход в задачу, первый черновик и перебор вариантов, но не само правильное решение.

3. Парадокс масштаба. Дешёвая единица рождает спрос; агент тратит токенов кратно больше. В масштабе интеллект не бесплатен.

4. Ценность — к outcome. Output дёшев и часто без владельца; outcome требует контекста, проверки и ответственности.

Что забрать каждому.

• Специалист: подешевел вход в вашу работу, а не результат. Растите по слоям — к постановке задачи, проверке, суждению и ответственности за outcome; собирайте вокруг себя обвязку: контекст, инструменты, источники, критерии качества и проверку.

• Руководитель: быстрый пилот ≠ масштаб. Считайте цену ошибки, проверки, данных и интеграции, а не только цену ответа; назначайте владельца outcome и встраивайте проверку в процесс.

• Предприниматель: дешёвый помощник ≠ команда в подписке. Преимущество не в доступе к модели — он есть почти у всех, а в обвязке вокруг неё: процессе, данных, экспертизе, канале продаж, доверии клиента и способности довести помощь до результата.

Дешёвый интеллект снижает цену первого шага. Дорогой результат требует системы. Розетка появилась — вопрос в том, что вы вокруг неё построите.

Глава 2. Новая цена интеллекта: что дешевеет, что дорожает

Дешёвого — изобилие; ценно теперь дефицитное.

«Все счастливые компании разные: каждая зарабатывает монополию, решая уникальную проблему. Все несчастливые одинаковы: они так и не сумели уйти от конкуренции».

— Питер Тиль, предприниматель и инвестор, сооснователь PayPal, из книги «От нуля к единице», 201426

ㅤ

Я много лет наблюдал в банках один и тот же цикл: преимущество появляется, быстро становится заметным — и так же тихо исчезает.

Сначала кто-то один запускал новое: перевод по номеру телефона, кешбэк, удобное мобильное приложение, голосового помощника. На внутренних презентациях это называли прорывом, на рынке — конкурентным преимуществом. Полгода, иногда меньше, это правда работало: клиенты приходили «потому что у вас удобнее».

А потом наступало неизбежное. Конкуренты выпускали ровно то же самое — иногда лучше, иногда дешевле. Преимущество, на которое мы потратили год разработки, переставало быть преимуществом за один квартал. «У нас есть современный мобильный банк» быстро превратилось из аргумента в базовую норму: его наличие уже ничего не доказывало, зато его отсутствие сразу выглядело отставанием.

В какой-то момент я перестал считать новую функцию преимуществом по умолчанию. Я научился задавать другой вопрос: а это вообще можно повторить за квартал? Если да — это не преимущество, это входной билет.

Возьмём собирательный банковский сюжет. Один банк запускает в приложении «финансовый радар»: сервис сам находит лишние подписки, предупреждает, что до зарплаты может не хватить денег, и показывает, где незаметно уходят деньги. Первые месяцы это выглядит почти как магия. Клиенту не нужно копаться в выписке — банк сам замечает проблему раньше него.

Потом конкуренты повторяют видимую часть: категории расходов, уведомления, графики, «советы месяца». На экране всё начинает выглядеть одинаково. И выясняется, что ценным был не сам экран с советом. Ценность была в данных, доверии к рекомендации и способности банка сразу перевести совет в действие: отменить подписку, поменять тариф, оспорить списание, собрать заявку. Кнопку скопировали. Контекст и доверие — нет.

После нескольких таких циклов становится ясно: сама способность «сделать фичу» перестаёт быть отличием, потому что её скопируют. Отличие живёт там, где скопировать трудно: в доверии к бренду, в данных о клиенте, в дистрибуции, в дисциплине исполнения и в причине, по которой человек выбирает именно вас, а не конкурента с такой же кнопкой.

Этот сюжет важен для всей главы. Ровно то же самое ИИ сейчас делает почти с любой умственной работой — только быстрее и шире, чем банковский рынок когда-либо делал это с продуктами и каналами.

В прошлой главе мы выяснили, что подешевел вход в интеллектуальную работу: первый черновик, объяснение, анализ, перебор вариантов. Дешёвый output (то, что сделано: текст, отчёт, код, презентация) не равен дорогому outcome (пользе, ради которой это делалось). Глава закончилась вопросом, на который я обещал ответить: если сделать теперь может почти каждый, за что тогда платят?

Эта глава — про деньги. Не в смысле «как заработать миллион на нейросетях». В смысле более скучном и важном: куда вообще смещается ценность, когда производить становится дёшево. Если это понять, остальная часть книги перестаёт быть набором советов и становится картой.

За что вообще платят

Начну с упрощения, которое многих злит своей грубостью, но работает почти всегда.

Любой бизнес и любой специалист создают ценность всего тремя способами. Назовём их рычагами ценности. Рычаг — это канал, по которому в вашу сторону вообще могут пойти деньги.

Первый рычаг — новые деньги. Вы делаете что-то новое, лучшее или такое, чего другие не умеют. Клиент готов платить больше, потому что получает рост, преимущество, скорость, удобство или эффект, которого раньше не было. Это зона премии. Зона «магии».

Второй рычаг — экономия. Вы делаете дешевле и быстрее то, что и так нужно делать. Результат тот же или лучше, но затрат меньше: меньше времени, меньше людей, меньше ошибок, меньше ручной работы. За это платят не восторгом, а высвобожденными деньгами.

Третий рычаг — внимание и доверие. Вы приводите клиента и удерживаете его: спрос, аудитория, репутация, дистрибуция. Без этого первые два рычага некому показать.

За эти три вещи платили всегда и будут платить. Всё остальное — обслуживание этих трёх. Красивый отчёт, который не принёс ни новых денег, ни экономии, ни клиента, — это не ценность. Это занятость.

У этой простой картины есть строгая опора. Гарвардский профессор стратегии Феликс Оберхольцер-Ги предлагает измерять ценность «ценностной палкой»: сверху — готовность клиента платить (сколько он максимум отдаст за результат), снизу — ваши издержки. Выиграть можно только двумя движениями: поднять готовность платить (сделать что-то, за что хочется отдать больше) или снизить издержки (сделать дешевле). В нашей рамке это первый и второй рычаги. Третий — внимание и доверие: до кого эта ценность вообще дойдёт и почему человек поверит именно вам.27

Держите эти три рычага в голове. Сейчас через них пройдёт ИИ — и пройдёт очень неравномерно.

Что ИИ делает с этими рычагами

ИИ бьёт по всем трём рычагам, но с разной силой. Главный сдвиг начинается с перекоса.

Сильнее всего ИИ удешевляет типовой output: черновик, сводку, перевод, стандартный код, первичный анализ, ответ на частый вопрос клиента. То, что раньше требовало человеко-часов, теперь часто делается гораздо быстрее и почти без затрат.

Казалось бы, прекрасно. Но есть ловушка, и она в одном слове: для всех.

ИИ удешевляет рутинную работу не для вас одного. Он удешевляет её одновременно для вас, ваших конкурентов, ваших поставщиков и ваших клиентов. А преимущество, которое появилось у всех сразу, — это не преимущество. Это новая норма.

То, что становится дешёвым и доступным каждому, экономисты называют коммодитизацией (когда товар или навык превращается в стандартный, легко заменяемый — и на нём перестают зарабатывать). Когда-то соль перестала быть роскошью. Калькулятор перестал быть профессией. Умение быстро сделать приличный текст, приличную таблицу или приличную картинку идёт той же дорогой.

Вернёмся к банковской истории из начала главы. Та же логика: как только фичу (функцию) можно повторить, она перестаёт приносить ценовую премию. ИИ просто ускорил этот цикл и распространил его почти на любую умственную работу. Раньше преимущество жило кварталами. Теперь — иногда недели.

Значит, на втором рычаге — одной только эффективности — становится всё труднее выделиться. Экономия с помощью ИИ превращается в базовую норму: её ждут по умолчанию, как мобильное приложение у банка. Без неё уже нельзя, но сама по себе она не становится причиной платить больше.

А раз эффективность стала общей, ценность смещается туда, где ещё остался дефицит. Дефицит теперь в двух местах: в том, что другие не могут быстро повторить, и в том, кому уже доверяют. Первое относится к рычагу новых денег. Второе — к рычагу внимания и доверия.