Монетизация человеческого потенциала: уроки BitClout и Friend.tech и условия для их успеха

Данный материал намеренно оставляет за рамками правовые аспекты внедрения подобных инноваций. Фокус заключается в другом: практически все инфраструктурные решения для потенциальной токенизации человеческих ресурсов уже созданы и активно функционируют.

Процесс токенизации различных активов давно отлажен, а в отношении людей уже существуют рабочие прототипы.

BitClout (2021) стал первой масштабной попыткой оцифровать личность. Каждый участник получал персональный актив («Creator Coin»), стоимость которого коррелировала с его медийностью. Инвесторы спекулировали на репутации друг друга, обеспечив приток 200 миллионов долларов, однако проект потерпел крах из-за юридических претензий к токенизации без согласия самих владельцев.

Friend.tech (2023), позиционировавшийся как «социальная биржа», позволял приобретать «акции» пользователей ради доступа к закрытым чатам. Котировки зависели исключительно от рыночного спроса. К 2024 году платформа фактически прекратила работу: разработчики сложили полномочия по управлению смарт-контрактами, обрушив курс нативного токена FRIEND более чем на 90%.

Mande Network (2024) предложила концепцию «Human IPO», где пользователи переводят собственные навыки и профессиональный авторитет в цифровой эквивалент, привлекая инвестиции в собственный капитал. Проект задействует непередаваемые токены, привязанные к конкретной идентичности (Soulbound Tokens), и доказательства с нулевым разглашением (Zero-Knowledge) для прохождения верификации.

Personal Tokens (академическая инициатива из Польши) развивает площадку personaltokens.io с 2017 года. Здесь участники выпускают монеты, обеспеченные их личными компетенциями — менторством, образовательными курсами или профильными услугами. Исследователи подчеркивают главное преимущество: персональные активы дают возможность окружающим напрямую софинансировать ваш путь к успеху.

Один из самых ярких практических экспериментов — молодой человек выпустил индивидуальный токен, передав владельцам право голоса в принятии его повседневных решений. Сообщество определяло его рацион, режим тренировок и карьерные шаги, а курс актива напрямую зависел от дисциплины подопечного.

Приведенные примеры доказывают жизнеспособность базовой механики, упирающейся исключительно в модель оценки. Инвестору критически важно понимать внутреннюю логику ценообразования, достоверность котировок и потенциальную траекторию движения актива.

Наиболее системно этот подход реализует упомянутая Mande Network (2024). Платформа трансформирует человеческий капитал в цифровые показатели и формирует прозрачное поле репутации: каждый участник зарабатывает индекс доверия (CRED) посредством децентрализованного голосования держателей токена MAND. Это закладывает прочный фундамент для взаимодействия, опираясь на реальную историю оценок, а не на обезличенные криптокошельки.

Что если пойти дальше и спроектировать экосистему, способную конвертировать будущие доходы человека в инвестиционный инструмент? Логика идентична корпоративным акциям: бизнес генерирует прибыль — инвесторы получают дивиденды; человек зарабатывает — держатели его токенов делят доход. Личность обретает мощнейший финансовый рычаг. Получив рыночную оценку и доступ к торговой площадке, индивид может монетизировать свои активы, формировать портфели и торговать чужими долями. Речь идет о формировании рынка с многотриллионным потенциалом, где стоимость монеты определяется прогнозируемым денежным потоком конкретного человека.

Представьте реальность, где каждый выпускает персональные акции, гарантирующие инвестору процент от всех будущих заработков на протяжении всей жизни.

Однако человек кардинально отличается от корпорации. Компания способна показывать феноменальную прибыль, но не выплачивать дивиденды годами — совет директоров может принять решение о реинвестировании или премировании топ-менеджмента, оставив акционеров ни с чем.

В случае с физическим лицом такой сценарий исключен. Как только поступает доход, смарт-контракт мгновенно отчисляет причитающуюся долю держателю. Никаких советов директоров и бюрократических голосований. Деньги поступили — транзакция прошла. Автоматически, с неумолимостью гравитации.

Более того, человек как плательщик надежнее любой транснациональной корпорации. Гиганты вроде Lehman Brothers с наивысшим кредитным рейтингом испарялись за одну ночь, тогда как человек способен адаптироваться, переквалифицироваться и начать жизнь с чистого листа. Единственный абсолютный дефолт — тяжелая болезнь или смерть, но эти риски давно покрываются страховыми механизмами.

Масштабному запуску подобных платформ сегодня мешает лишь пара барьеров, ключевой из которых — абсолютный контроль над денежными потоками. Чтобы защитить инвесторов от неисполнения обязательств, все доходы должны аккумулироваться внутри замкнутого контура.

Адаптируя концепцию нобелевского лауреата Милтона Фридмана, для бесперебойной работы системы требуются три базовых условия:

Программируемая валюта. Абсолютно все поступления фиксируются на цифровом счете, исключая любые возможности сокрытия средств, а положенный процент спихивается автоматически.

Полный отказ от наличных. Инфраструктура охватывает все финансовые операции — от крупных гонораров до покупки кофе. Теневые расчеты становятся невозможными.

Глобальный охват. Единое мировое пространство исключает попытки избежать обязательств через переезд в другую юрисдикцию.

Что мы наблюдаем сегодня? Биткоин, цифровой юань, цифровой рубль, рупия и евро находятся на разных стадиях внедрения. Полный переход мировой экономики на государственную цифровую валюту — лишь вопрос времени. Следовательно, проблема контроля доходов уже не является препятствием для теоретической токенизации человеческого потенциала. Главной задачей остается интеграция в платежные шлюзы, а также разработка безупречных алгоритмов оценки и завоевания доверия к аудиторам. Учитывая темпы прогресса, элементы для создания такой системы уже у нас в руках.

Банковские кредитные скоринговые модели могут послужить прообразом будущей оценки. Подобные алгоритмы уже применяются в системах социального мониторинга — например, в Китае действует система социального кредита. Несмотря на отсутствие единого общенационального стандарта и жесткий запрет властей (с 2019 года) на наказание граждан на основе частных баллов без правовых оснований, сама технологическая база уже отработана.

Какие еще параметры имеют значение?

Физическое состояние. Ведущие производители гаджетов насытили рынок фитнес-трекерами и умными часами, круглосуточно собирающими телеметрию — от ритма сердца и уровня стресса до фаз сна. Интеграция этих данных с цифровыми медкартами позволяет формировать исчерпывающий медицинский профиль.

Административно-правовой индекс. Взаимодействие с государственными институтами: налоговая дисциплина, отсутствие штрафов, соблюдение законов и электоральная активность формируют прозрачную административную историю.

Социально-этический показатель. Общественная позиция: помощь соседям, волонтерство, семейные узы, паттерны поведения и потребления контента в социальных сетях, круг читаемой литературы и транслируемые ценности.

Материальный индекс. Объекты собственности, структура покупок, регулярность обязательных платежей, накопления и инвестиционный портфель — всё это уже оцифровано.

Все эти разрозненные элементы уже существуют в цифровом пространстве. Для их объединения в единый комплекс не требуются прорывные технологии — нужен лишь агрегирующий алгоритм.

Консолидация этих массивов данных под эгидой государства позволяет сформировать исчерпывающий реестр граждан. Превращение разрозненных метрик в единый рейтинг — чисто техническая задача. Существующие ограничения на обработку персональных данных пока сдерживают процесс, но находятся под жестким государственным контролем.

Цифровое досье не является застывшей константой. Это динамичная среда, чутко реагирующая на изменения и предоставляющая обратную связь. Рассмотрим работу этого механизма на примере наиболее продвинутой в цифровом плане юрисдикции — Китая.

Чжан Вэй, 32 года, инженер промышленного предприятия в Шэньчжэне. Его гипотетический цифровой профиль выглядит следующим образом:

Метрика	Значение	Расшифровка
Learning Velocity	78/100	Высокий — быстро осваивает новое оборудование
Contribution Index	65/100	Средний — выполняет план, но не превосходит
Network Value	52/100	Ниже среднего — мало контактов вне завода
Reliability Score	91/100	Высокий — нет долгов, нарушений, опозданий
Health Factor	73/100	Хороший — носимое устройство, регулярная активность, оценка здоровья удовлетворительная.
Adaptability Quotient	81/100	Высокий — осваивает новые платформы, готов к переобучению
Material Score	68/100	Средний — стабильный доход, умеренная экономия
Civic Score	85/100	Высокий — активный пользователь госуслуг
Values Score	72/100	Выше среднего — публикует мало, но содержательно
Social Score	58/100	Ниже среднего — мало общественной активности
Eco Score	63/100	Средний — использует Ant Forest, но нерегулярно

Система анализирует профиль и формирует персональные рекомендации:

Триггер	Возможная рекомендация системы
Learning Velocity 78 + Adaptability Quotient 81	Пройти курс по промышленному ИИ (4 недели, бесплатно через платформу госуслуг). После завершения — возможен переход на позицию «оператор автоматизированной линии», повышение зарплаты на 25%.
Network Value 52	Участие в отраслевом сообществе инженеров (через WeChat Mini Program). Расширение контактов может повысить Network Value и открыть доступ к вакансиям технологических парков.
Social Score 58	Участие в программе «Соседский патруль» (2 часа в неделю). Может повысить Social Score, что может влиять на приоритет при распределении муниципального жилья.
Eco Score 63	Перейти на электросамокат вместо мопеда (оформление через Alipay, скидка 15%). Может повысить Eco Score, бонус — 200 баллов в Ant Forest.

Чжан Вэй сохраняет абсолютную свободу воли. Он может проигнорировать курс по ИИ или отказаться от участия в волонтерстве. Система не применяет санкции — она лишь подсвечивает возможности. Однако каждый шаг влечет за собой измеримые изменения метрик, влияющих на карьерные перспективы, жилищные условия, кредитные лимиты и социальные привилегии.

Спустя четыре месяца после прохождения обучения показатель Learning Velocity достигает 85. Алгоритм мгновенно актуализирует досье и автоматически подбирает три вакансии в ведущем технопарке с окладом на 40% выше текущего. Одновременно индекс эффективности (Contribution Index) поднимается до 72 благодаря практическому применению навыков на производстве, а сетевая ценность (Network Value) возрастает до 64 за счет интеграции в профильное сообщество. Профиль балансируется заново.

Описанный сценарий — не антиутопическая фантастика, а синергия уже работающих сервисов: образовательные модули интегрированы в госуслуги, скоринг обеспечивается платформами вроде Sesame Credit, трудоустройство идет через WeChat Mini Programs, а экологический след учитывается в Ant Forest.

Гипотеза заключается в том, чтобы замкнуть эти разрозненные контуры в единый контур обратной связи.

Рассмотрим применение этого подхода в корпоративном рекрутинге.

Производственное предприятие «Хуаньцюй» в Шэньчжэне планирует нанять 300 инженеров для нового цеха. Раньше этот процесс занимал квартал: HR-отдел публиковал вакансии, перелопачивал тысячи резюме, устраивал изнуряющие собеседования и тесты, при этом изрядная доля новобранцев отсеивалась на испытательном сроке. Затраты колоссальны, результативность сомнительна.

При наличии единой системы метрик сценарий найма выглядит иначе:

1. Рекрутеры задают жесткие фильтры: 300 инженеров, возраст 25–40 лет, Learning Velocity не ниже 70, Adaptability Quotient от 75, Reliability Score от 85, Health Factor от 65.

2. Алгоритм сканирует базу кандидатов в радиусе полусотни километров. В расчет берутся не субъективные резюме, а объективные поведенческие метрики.

3. Программа за пару минут отбирает 847 подходящих специалистов.

4. Из них 312 человек обладают индексом результативности выше 70.

5. Система ранжирует соискателей на основе комплексного скорингового балла, учитывающего приоритеты нанимателя.

6. Топ-300 кандидатов получают автоматические офферы через WeChat. 287 принимают приглашение в течение двух суток.

7. Из них 261 специалист проходит собеседование (выступающее простой формальностью, поскольку метрики уже сказали всё) и 254 выходят на работу.

8. Испытательный срок успешно преодолевают 240 человек из 254 (94% против прежнего 61%).

Две недели вместо трех месяцев. 94% успешности вместо 61%. Колоссальная экономия средств и идеальное попадание кадров на рабочие места. Соискатели не тратили время на составление резюме и сдачу тестов — они просто жили, учились и вели финансовую активность, а их паттерны поведения сами ответили на все вопросы работодателя.

Это не фантазия, а логичное развитие существующих практик. Системы вроде Sesame Credit уже позволяют выдавать кредиты без заявок, опираясь исключительно на цифровой след. Масштабирование этой практики на рынок труда — вопрос настройки алгоритмов, а не технологий.

Стоит оговориться, что наименования метрик вроде Learning Velocity или Contribution Index являются авторской гипотезой, однако технологический фундамент для их автоматического расчета уже сформирован.

Возвращаясь к центральной теме: можно ли придать человеческому профилю строгий математический смысл?

Как только алгоритмы научатся взвешивать совокупность этих метрик для прогнозирования будущих доходов, откроется путь к абсолютной токенизации человеческого потенциала, переведенного на язык цифр.

Первая ступень — унифицированный цифровой профиль. Вторая — токенизация потенциала.

Данный материал не претендует на статус пророчества. Это экспертная оценка принципиальной реализуемости токенизации человеческих возможностей на базе актуального технологического стека.

 

Источник