Опустим мечты учёных и фантастов 1950-ых годов о создании кибернетического сверхмозга и перейдём к практике: начиная с 1960-ых, ключевым направлением применения Искусственного Интеллекта стала автоматизация процессов управления и принятия решений. Грубо говоря, программисты думали как заменить менеджеров. В итоге получилось наоборот: менеджеры думают как заменить программистов.

Недавно менеджеры открыли для себя чатботы и обнаружили, что общаться с ними гораздо приятней, чем с коллегами. Некоторые впали буквально в игровую зависимость и потеряли связь с реальностью. Ощущение повышения своей эффективности помножилось на осознание бесплатности результата. Окрылённый менеджер созывает совещание и, попирая принципы и философию Agile, объявляет: “коллеги, с завтрашнего дня все должны внедрять ИИ”.

Первая ошибка менеджера – непонимание, что его работа ускорилась именно потому, что ИИ изначально создавался с целью заменить менеджеров. Замена других профессий не предполагалась и не согласуется с принципами, на которых построен классический ИИ.

“Если ИИ делает половину моей работы, значит он может делать половину работы программистов и дизайнеров” – рассуждает менеджер. Вера в практически бесплатное получение любых услуг с помощью ИИ, грёзы о новом типе общества (от каждого по способностям, каждому по ИИ-агенту), как и грёзы о новом типе человека (труженик, подчинивший энергию мирного ИИ) породили идею “экономики нового типа”. Кажется, люди не сделали выводов из краха экономики, в которой “всё было бесплатно”.

Вторая ошибка – непонимание разницы между индустриальной и постиндустриальной экономикой. Управленцы рассуждают так: чем больше автомобилей производить, тем дешевле они станут, стало быть, чем больше людей начнут использовать ИИ, тем дешевле станут ИИ-сервисы. Но ИИ – не автомобиль, и даже не SaaS. Чем больше людей претендует на один и тот же ресурс (электроэнергию, микросхемы памяти), тем дороже он становится.

10 лет назад, когда я работал в Acronis, руководство ждало от нас идей как внедрить блокчейн в продукты компании. Просили ли об этом наши пользователи? Конечно, нет. Тогда зачем? Я так понимаю, руководство боялось упустить волну хайпа. И мы внедрили сервис цифровых подписей на основе Ethereum. Через год посчитали во сколько обходится поддержка инфраструктуры, сколько теряем, и проект свернули. Можно ли было посчитать это заранее? Конечно, можно. Но руководство надеялось, что блокчейн заживёт по законам конвейерного производства начала XX века и подешевеет. Казалось бы, предсказать последствия можно было даже на примере Bitcoin: чем больше людей используют криптовалюту, тем дороже майнинг, затратней поддержка инфраструктуры, выше комиссия и обменный курс… Эх, жаль, что с блокчейном нехорошо получилось, но с ИИ-то всё будет иначе!

Третья ошибка – непонимание архитектуры нейросети и её ориентации на средний результат. Датасет, на котором обучают нейросеть, не состоит сплошь из шедевров. Гениально написанных картин, программ, песен, стихов единицы, а для обучения нужны миллионы. На каждый сонет Шекспира придётся сотня бездарных любовных романов и однообразных детективов. Обучение нейросети состоит в балансировке коэффициентов и обретении системой подобия равновесия, в итоге любое проявление гениальности будет восприниматься нейросетью как аномалия, не соответствующая решению задачи.

Некто попытался сгенерировать стишок с помощью ИИ и остался в восторге от результата. Значит, этот некто – никудышний поэт, вот и всё. Менеджер с помощью ИИ пробует себя в новых ролях – генерирует картинку, сочиняет интерфейсный текст, верстает html-страничку, остаётся доволен собой и рассуждает: “если даже я могу получить такой прекрасный результат, то каких высот достигнет профессионал с этим инструментом!” Нет, так не работает. Профессионал получит точно такой же средний результат, ибо именно так устроены нейросети. Профессионалу придётся вручную дотягивать результат до приемлемого качества.

Но ведь можно научиться промпт-инженирингу, и тогда с первого раза получится то, что надо! – скажет ИИ-энтузиаст. Отлично, давайте научим промпт-инженирингу менеджеров, чтобы они смогли всё делать сами – классно же!.. Догадываетесь, почему это не сработает?

Четвёртая ошибка – доверчивость рекламе и пиару. Инженеры десятилетиями бились над тем, чтобы сделать ответ компьютера мгновенным. ИИ уничтожил интерактивность и вернул нас в эпоху IBM 360 с изнурительным ожиданием завершения пакетной обработки данных. Рекламщики мастерски обратили недостаток в достоинство: “выпейте чашку кофе, пока ИИ делает вашу работу”. И ведь кто-то на это повёлся!

На конференциях Apple, Microsoft, Figma любят показывать фокус: выступающий диктует ИИ-агенту: “анимируй этот интерфейс” или “спроектируй дачный дом”, и через минуту всё готово. Публика в восторге, но мало кто обращает внимание на ремарку ведущего “It’s fun to play with this”. Если компания даст понять, что такие фокусы применимы в реальной работе, их просто засудят. Приходится делать оговорку. Для профессионала и без оговорки ясно, что это всего лишь игрушка. Неспециалист же верит, что вот-вот ещё немного допилят, и ИИ всё будет делать сам, так что покупать и внедрять нужно как можно скорей. Главное только выучить правильные промпты-заклинания. А то, что презентация построена от обратного – ИИ сгенерил что смог, а выступающий придумал промпт под это – людям невдомёк.

Кстати, куда подевались все те промпт-инженеры поисковых систем типа AltaVista и раннего Яндекса, утверждавшие, что без знания специального синтаксиса не выжить в цифровую эпоху?

Есть ещё один источник обмана, на который поддаются менеджеры – свои же сотрудники. Редко кто признается, что сделал работу плохо. Дизайнер сгенерит нейрослоп и будет убеждать, что сейчас так модно. Программист сгенерит говнокод и заверит, что его легко поддерживать. Все будут рапортовать об ускорении работы благодаря ИИ, забывая учесть внерабочие часы, потраченные на наладку процесса. Одна девочка не внедрила ИИ, и её уволили. Никто не хочет стать такой девочкой. Поэтому сотрудники строят потёмкинские ИИ-деревни внутри компании – это тоже своего рода реклама и пиар, только внутренний. Да и сам менеджер, наверняка, рапортует наверх об ИИ-прорывах по той же причине.

Пятая ошибка – незнание того, что сотрудники давным-давно используют ИИ. Автоматическая трассировка растровых изображений и перевод в вектор появились в продуктах Adobe более 30 лет назад. Инструмент spot healing brush, устраняющий дефекты фотографий на основе окружающего контекста, уже 20 лет доступен в Photoshop. Всё это – искусственный интеллект. Автоподстановка в редакторах кода применяется уже лет 40, а с пониманием контекста – лет 25. Технологии под капотом совершенствуются, но пользовательский опыт остаётся примерно тем же. Интеллектуальные оптимизирующие компиляторы существуют испокон веку, а 8 лет назад палитра используемых ими средств пополнилась нейросетями.

ИИ давно проник всюду, но менеджер об этом не знает. Он читает новость 2025-го года: “Figma, наконец, интегрировала ИИ” и требует от сотрудников “начать использовать ИИ чтобы ускориться”. Но нормально там работает только функция удаления фона с картинки (ваш телефон умел так ещё 4 года назад) и перевод текста на другой язык (маленькими фрагментами, иначе Figma не справится). На каком основании менеджер решил, что без него сотрудники не разберутся как им упростить и ускорить свою работу? Они же прекрасно осваивали автоматизацию и ИИ-инструменты за 10 лет до того, как менеджер узнал само слово “ИИ”.

А как правильно?

Мне нравится ИИ, я знаком с ним уже 30 лет и активно использую. Но мне не нравится религиозный фанатизм тех менеджеров, которые вообразили себя миссионерами и с одержимостью неофитов заставляют сотрудников приносить жертвы и молитвы ИИ-идолу. Пора вспомнить, что мы не в церкви, а в IT, где работа менеджера по системе Agile состоит совершенно в другом.

Итак, есть два варианта.

Первый подход – дать понять сотрудникам, что компания готова их услышать. Люди сами попросят о том, что считают важным для своей работы и для успеха компании. Например, программисты могут пожаловаться на чрезмерное количество созвонов. Тогда задача менеджера – придумать как сократить число звонков. Пусть запустит свой любимый ChatGPT и посоветуется с ним. Дизайнеры могут пожаловаться на то, что тратят много времени на анализ конкурентов. Менеджер вооружится ChatGPT и с изумлением узнает, что анализ конкурентов – обязанность отдела маркетинга, и нечего сваливать её на дизайнеров. Дальше с помощью ИИ придумает как помочь маркетологам, а дизайнеров освободить. Серьёзно, ИИ придумывали именно для того, чтобы менеджер лучше делал свою работу. Раньше приходилось скидывать её на других под лозунгами “вовлечённости”, “понимания целей бизнеса”, “проактивной коммуникации” и “синьорского уровня”. Теперь появился ИИ – скидывайте ему! Он ведь создавался как раз для автоматизации процессов управления. Менеджеры, наконец, смогут выполнять свою работу. А остальные сфокусируются на производстве.

Второй подход – если вам до смерти нужно внедрять ИИ (например, чтобы пускать пыль в глаза инвесторам) – определите и озвучьте бюджет на модернизацию. Допустим, 20000$ разово и 5000$ ежемесячно отделу дизайна. Дизайнеры предложат как расходовать бюджет: купить 3 Макбука (с достаточным для запуска локальных моделей количеством памяти и вычислительной мощности), нанять одного DesignOps (чтобы поддерживал ИИ-инфраструктуру и тренировал локальные модели), а на сдачу оформить несколько подписок. Все будут в выигрыше. Расстроятся лишь те, кто верит в “бесплатные квартиры”, “лучшее в мире бесплатное образование” и “повышение качества дизайна/кода благодаря подписке за 20$ в месяц”. Но они в любом случае обречены на страдания.