«Грядут тектонические сдвиги». «Подавляющее большинство осознает масштаб перемен, когда будет уже слишком поздно».
Этот пост охватил более 85 миллионов человек. Лайки, репосты, волна поддержки — аудитория была заворожена.
Но практически каждый, кто его прочитал, сделал в корне неверные выводы.
Дело не в искажении статистики — фактических данных там не было вовсе. Секрет успеха Мэтта Шумера в его таланте рассказывать пугающие истории. Он погружает читателя в своего рода гипноз, заставляя принимать любые гипотезы за неоспоримую истину.
Он бросается фразами вроде «масштабнее, чем Covid», не подкрепляя их ни единой цифрой из сферы занятости. Он призывает «распространять, пока не поздно», транслируя лишь собственную тревогу за будущее своего ИИ-стартапа.
Позже, оправдываясь в эфире CNBC, он заявил, что «не преследовал цели кого-то запугать» и «переписал бы некоторые части, если бы предвидел такой вирусный эффект».
Разумеется.
Если вы восприняли его тезисы как руководство к действию, вы рискуете совершить фатальную ошибку. Это путь к необоснованным увольнениям ценных специалистов, хаотичным действиям без стратегии или попытке заменить живые процессы блестящими, но бесполезными инструментами.
Я представлю вам одну простую кривую спроса, которая вдребезги разбивает миф о том, что «ИИ заменит всех и каждого».
Дочитав этот текст, вы поймете, как избежать трех ловушек, в которые сейчас попадают десятки миллионов людей, игнорируя реальные рыночные показатели.
Ошибка первая: поспешная зачистка штата
Всего через неделю после хайпа Шумера, компания Anthropic опубликовала свой отчет. Один из графиков мгновенно стал основой для тысяч постов в LinkedIn о том, что для программистов начался обратный отсчет. Казалось бы, тезисы Шумера подтвердились.
Но это лишь вершина айсберга. Как и всегда.
Взгляните на график: синим цветом обозначено теоретическое покрытие ИИ для 22 профессий. Простыми словами: то, что нейросети *потенциально* могли бы выполнять вместо человека.
Согласно этим данным, LLM теоретически способны закрыть 94% задач в области компьютерных наук и 90% в административной работе.
Однако гораздо важнее то, о чем критики предпочли умолчать: реальная картина внедрения.
Те же профессии, те же данные. Но теперь перестаньте смотреть на синюю область и обратите внимание на красную, а главное — на колоссальный разрыв между ними.
Именно этот разрыв отражает то, что на самом деле происходит в офисах.
Возьмем IT: на текущий момент Claude эффективно справляется лишь с 33% задач. Между теоретическим потенциалом и практическим применением зияет пропасть в 61 пункт.
Я внимательно изучаю эту проблему с 2023 года, опираясь на те же исследования (Eloundou et al., 2023), которые легли в основу отчета Anthropic. Вывод неизменен: дистанция между тем, что ИИ «мог бы», и тем, что он реально делает, огромна.
Эта разница — лучшее доказательство того, что манипуляторы вроде Шумера либо не понимают контекста, либо намеренно его игнорируют. Ведь если признать реальное положение дел, паника мгновенно утихнет.
И здесь многие совершают первую критическую ошибку.
Руководители, ослепленные цифрой в 90% теоретической автоматизации, спешат подписывать приказы об увольнении.
Вспомните волну «ИИ-оптимизаций» 2023 года: компании сокращали штат, а затем выясняли, что инструменты пасуют перед реальными вызовами. В итоге спустя месяцы им приходилось судорожно искать и возвращать тех самых специалистов, которых они только что выставили за дверь.
Ошибка №1: Принимать бумажные возможности ИИ за «зеленый свет» к ликвидации человеческого капитала, который обеспечивает жизнеспособность процессов в реальности.
Если вы стремитесь трезво оценить возможности ИИ в контексте своих задач, а не поддаваться коллективной тревоге — проверьте их на практике. BotHub объединяет флагманские нейросети — GPT-5.4, Claude 4.6 и другие — в едином, удобном интерфейсе. Тестируйте, сравнивайте и делайте выводы на основе личного опыта.
Сервис работает без VPN и принимает к оплате российские карты.
Переходите по ссылке, чтобы получить 300 000 бонусных токенов для старта и начните внедрять ИИ в свою работу уже сегодня!
Почему ИИ «захватывает мир» уже шесть лет, но так и не захватил
В чем истинная причина этого разрыва?
В 2020-м, с выходом GPT-3, аналитики предрекали скорую смерть классической клиентской поддержки. Прошло шесть лет, но полная автоматизация в этой сфере так и не наступила. Почему?
Скорость любой системы всегда ограничена её самым медленным звеном.
Представьте приготовление ужина: вы можете нарезать овощи за минуту и сварить пасту за восемь, но если соус должен томиться полчаса, весь процесс займет 30 минут.
И самое медленное звено в бизнесе — это не технологии.
Вспомните процесс найма нового сотрудника: блестящее портфолио, теоретически он может всё.
Но в первый рабочий день он не знает, кому из клиентов нужно позвонить лично, чтобы проект сдвинулся. Он не догадывается, что юридический отдел согласует договор не быстрее чем за три недели. Спустя месяцы он всё еще может не знать о костылях в старой IT-системе, которой нет в документации.
Разница между «что он умеет в теории» и «что он выдает в контексте компании» — это две разные вселенные.
Подчеркну: проблема не в сложности задачи, а в её окружении. Это хаос внутренних регламентов, бюрократия, офисная политика и сотни неписаных правил, по которым живет любая организация.
В этом плане ИИ даже уступает новичку. Организации меняются быстрее, чем модели успевают обучаться. Новые законы, смена курса, внутренняя ротация — контекст обновляется быстрее, чем нейросеть успевает его усвоить.
Работа, до которой вечно не доходили руки
А теперь взгляните на кривую спроса, которая станет вашим компасом в мире ИИ на ближайшее десятилетие.
Левая часть — «голова» кривой. Здесь живет массовый софт. Те инструменты, которыми мы пользуемся ежедневно. Весь SaaS-рынок построен вокруг этих глобальных задач.
Salesforce процветает, потому что миллионам компаний нужна CRM. Canva востребована, так как миллионы людей хотят быстро сделать дизайн без навыков работы в Photoshop.
Экономика здесь проста: рынок огромен, разработка окупается сполна.
Но внутри любой компании существует и другой список дел.
Специфический отчет для одного-единственного клиента. Уникальный процесс согласования под конкретные требования безопасности. Дашборд, который нужен только финдиректору и который чуть-чуть отличается от стандартного отчета BI-системы.
Эти задачи кажутся мелкими, но именно из них состоит львиная доля ежедневной рутины.
Они годами пылились в бэклоге. Не из-за лени, а из-за того, что стоимость их автоматизации превышала потенциальную выгоду. Это было важно, но никогда не было приоритетом №1. И задачи ждали своего часа. Годами.
ИИ делает эти задачи видимыми и, что важнее, решаемыми.
Силами инженеров или самих пользователей — спрос на автоматизацию этих «мелочей» был всегда, но не хватало мощностей.
Вот почему Citadel Securities зафиксировала 11-процентный рост вакансий для разработчиков в начале 2026 года. И почему прогнозы занятости в сферах, затронутых ИИ, продолжают расти, а не падать.
В 2026 году бесконечный бэклог наконец-то начали разбирать.
Но это порождает новую проблему: когда один человек начинает работать за троих, компания не становится компактнее. Она становится быстрее.
А скоростной автомобиль без водителя, знающего маршрут, — это просто гарантированная авария.
Ошибка №2: Считать внедрение ИИ самоцелью, забывая о необходимости четкого стратегического вектора.
Рынок, который ждал своего часа
Теперь посмотрите на правую часть — «хвост» кривой.
Здесь находятся тысячи сложнейших проблем, которые десятилетиями оставались без внимания. Никто не создавал для них продукты, потому что рынок казался слишком узким для венчурных инвестиций.
Бюрократический ад с получением разрешений в Калифорнии, длящийся годами из-за одной неверной ссылки. Кардиолог в Европе, видящий, как пациенты теряют нить лечения сразу после выхода из кабинета. Дорожный инспектор в развивающейся стране, который физически не успевает фиксировать все повреждения покрытия.
Эти проблемы реальны и болезненны. Люди на местах знают, как их решить, но экономика разработки классического ПО раньше просто не сходилась. До сегодняшнего дня.
Инструменты ИИ-разработки меняют правила игры. Теперь один специалист, обладающий глубокой экспертизой в нише, может создать продукт для 200 пользователей, и это будет прибыльно и эффективно.
Ошибка №3: Гнаться за «мощным двигателем» (новыми инструментами), когда вы еще не определились, куда ехать.
Те, кто принимает панику Шумера за чистую монету, задают неверный вопрос. Вместо: «Что мне делать, чтобы ИИ меня не заменил?», нужно спрашивать: «Какую проблему я понимаю лучше всех остальных?»
Это логика от обратного.
Многие сначала покупают инструмент, надеясь, что задача под него найдется сама собой. В итоге мы видим лишь имитацию деятельности: бесконечные подписки на нейросети, курсы «промпт-инженеров» и плашки «AI-native» в профилях.
Это движение, лишенное направления.
Разрыв как ваше главное преимущество
Дистанция между тем, что ИИ «мог бы», и тем, что он «делает» — это не угроза.
Это ваше пространство для маневра на ближайшие годы.
Трансформации в компаниях терпят крах, потому что краевые кейсы слишком глубоки, а уникальные знания ушли вместе с сокращенными сотрудниками. Это Ошибка №1.
ИИ буксует там, где важны личные связи, негласные правила и глубокий контекст. Без четкого плана автоматизация лишь ускорит организационный хаос. Это Ошибка №2.
А поиск идеального инструмента вместо поиска реальной проблемы — это Ошибка №3.
Шумер намеренно упрощает реальность, смешивая прогнозы с фактами ради виральности своей личной истории.
Но вы — эксперт, который видит проблему изнутри и способен направить технологию в нужное русло, — сейчас нужны рынку больше, чем когда-либо. Вас не заменяют. Вашу значимость просто возводят в степень.
