Последние заявления Сэма Альтмана звучат неожиданно мягко: искусственный интеллект, по его словам, скорее всего, не приведёт к массовому исчезновению рабочих мест.
Странный разворот. Ещё недавно говорили про «минус 30–40% задач», разрушение профессий и кризис рынка труда.
Но реальность пошла по другому сценарию.
Иллюзия эффективности
За последнее время появились важные триггеры:
- франчайзи Pizza Hut подаёт иск на $100 млн: внедрение ИИ замедлило доставку и ухудшило продажи
- Uber сомневается в окупаемости инвестиций в ИИ
- Starbucks отказывается от ИИ в учёте товаров
- Microsoft сокращает использование нейросетей в разработке кода из-за высокой стоимости
Ранее Gartner прогнозировал, что к 2027 году закроется более 40% AI-проектов.
Главная ошибка — генеративный ИИ используется локально
Сегодня ИИ внедряют как:
- ИИ-маркетолога
- ИИ-бухгалтера
- ИИ-логиста
- ИИ-разработчика
Каждому из ИИ-агентов отдают выполнение локальной задачи, и ждут, что система управления станет лучше.
Но происходит обратное. Потому что компания — это не набор функций, это система взаимосвязанных решений.
Локальный ИИ не видит систему целиком и оптимизирует часть системы.
Почему человек пока умнее
Человек в управлении делает то, что ИИ пока не умеет:
- учитывает неформальные сигналы
- чувствует риски, которых нет в данных
- понимает скрытые взаимосвязи
- мыслит последствиями
Это работа с глобальным контекстом.
ИИ-агент этого не видит. Он работает в рамках заданных данных и заданной цели. И если цель локальная — решение будет локально «правильным», но системно разрушительным.
Как ухудшается система управления компанией
Давайте рассмотрим пример: ИИ-агент в логистике снижает стоимость доставки, но при этом увеличивает сроки доставки. В итоге производство простаивает, а продажи падают.
ИИ-агент в маркетинге увеличивает лиды, но снижает качество этих лидов. В итоге отдел продаж перегружен некачественными лидами, а конверсия из лида в сделку падает.
ИИ в разработке генерирует 37 000 строк кода, но код неэффективен, и построенный с его помощью продукт становится сложно развивать в будущем.
ИИ-психоз: новая болезнь управления
Недавно появился термин AI-психоз. CEO Y Combinator заявил, что управляет «армией ИИ-инженеров» и генерирует десятки тысяч строк кода в день. Звучит как прорыв. Но при проверке этого кода одним из экспертов оказалось, что он содержит сотни лишних запросов к серверу, пустые файлы и раздутый код.
Цифры, которые отрезвляют
- 90% компаний не увидели роста продуктивности благодаря использованию ИИ
- только 20% инвестиций в ИИ дают ROI
- 95% AI-пилотов не доходят до внедрения
Самая опасная особенность генеративного ИИ
ИИ — подхалим. Он соглашается, хвалит, подтверждает.
В результате руководитель теряет критическое мышление, начинает верить в слабые решения и перестаёт проверять реальность. Это и есть управленческая деградация.
Когда ИИ действительно становится сильнее человека
Есть важный нюанс. ИИ может быть лучше человека, но только если он работает в глобальном контексте. Проблемы в следующем: человек не успевает учитывать всё, а ИИ не имеет доступа ко всем данным в системе. Возникает парадокс: человек мыслит шире, но медленнее. ИИ быстрее человека, но мыслит узко.
Мы понимаем все эти проблемы (и многие другие) и ищем системные решения, которые позволят повышать эффективность с использованием цифры и ИИ, устраняя описанные проблемы. Например, мы используем подходы MBSE и онто-семантику, чтобы создавать реальные глобальные контексты знаний предприятия.
Как Кибермозг решает проблему
1. Цифровой двойник предприятия
Вместо дашбордов и отчётов создаётся формальная модель компании. Компания описывается как Q(L, T, R), где L — объекты (процессы, задачи, подразделения), T — время, R — ресурсы. Это и есть цифровой двойник бизнеса.
2. Управление как вычисление
Любое изменение — это не «решение менеджера» и не «ответ ИИ». Это расчёт изменения состояния системы: есть текущее состояние, есть дефицит, считается, какое действие его устранит. Решение становится не мнением, а результатом вычисления.
3. Никаких галлюцинаций
Обычный ИИ, если не знает ответ, придумывает его. А Кибермозг в ситуации, если данных не хватает, выдаёт сообщение, что «модель неполна». Это принципиально: в управлении ошибка стоит дороже, чем отсутствие ответа.
4. Единая система вместо набора агентов
Вместо набора агентов (ИИ-маркетолог, ИИ-логист, ИИ-финансист) создаётся единая модель всей компании, в которой любое решение проверяется на всей системе, учитывает последствия и оптимизирует общий результат.
5. Управление через дефициты
Кибермозг работает так:
- находит дефицит ресурса
- определяет работу
- находит исполнителя
- формирует контракт
- пересчитывает систему
Цикл: дефицит → действие → результат → обновление модели.
Главное отличие Кибермозга от генеративного ИИ в том, что он не угадывает лучший ответ, а вычисляет состояние системы.