HR должен не просто поднимать ИИ на флаг — ему пора уже махать этим флагом с трибуны. Это больше не модный эксперимент для цифровых энтузиастов, это вопрос стратегического выживания. В большинстве компаний по всему миру уже используют ИИ точечно: автоматизируют обучение, делают первичный отбор резюме, адаптируют контент для развития сотрудников, составляют вакансии, отвечают на типовые вопросы, анализируют фидбэк. Результат? Рост производительности в отдельных HR-функциях — на 20–40%. Нам пора переходить от точечного внедрения к системному. Нам пора делать HR/AI стратегию.

Но как и с любым прорывом, вместе с потенциалом приходят страхи. Последний опрос Bain Consulting называет три главных барьера внедрения ИИ: тревога по поводу увольнений, этические сомнения и нехватка людей, способных с ИИ работать. Хорошая новость в том, что все три преодолимы. Плохая — что придется включать голову.

Начнём с первого страха: «А не заберет ли ИИ мою работу?» Ответ: нет, если вы не планируете саботировать его внедрение. Свежий анализ рынка труда (Humlum & Vestergaard, 2025) показывает, что генеративные модели пока не повлияли ни на уровень занятости, ни на зарплаты, ни в одной из сфер. Кое-какие функции автоматизируются, происходят локальные высвобождения людей, но в целом зарплаты не падают, видимо потому что вместе с автоматизацией появляются новые роли специалистов по ИИ. Главная задача бизнеса здесь — показывать людям, какие новые возможности для них открываются, насколько более производительной и менее рутинной становится их работа.

Второй барьер: этика. Иногда ИИ принимает ошибочные решения, и непонятно, кто потом за них должен отвечать. Данные могут быть предвзятыми, и ИИ начнет воспроизводить старые ошибки, только теперь от лица ИИ. Уже были случаи, когда системы отбора кандидатов дискриминировали по полу или возрасту — просто потому, что обучались на перекошенных выборках. Решение здесь не технологическое, а организационное: внедрять принципы Responsible AI и назначать конкретных людей, отвечающих за прозрачность, справедливость и объяснимость решений. Если ИИ ошибется — кто-то в компании должен быть готов это признать и исправить.

Третье: где взять людей, которые будут всё это делать. На рынке огромный дефицит ИИ-талантов – квалифицированных разработчиков, аналитиков данных, ML-инженеров. Ответ звучит слишком просто, чтобы быть модным: не нанимайте, переучивайте. Большинство задач, связанных с генеративным ИИ, не требуют редких гениев в области машинного обучения. Гораздо чаще нужен человек, хорошо разбирающийся в своей сфере, достаточно вербальный, чтобы объяснить чего он хочет от ИИ на естественном языке и готовый к экспериментам, имеющий желание работать с новыми инструментами. Апскиллинг и рескиллинг — не просто баззворды (простите мой французский), это реальный способ масштабировать ИИ в компании, но на него нужно выделять время и другие ресурсы.

Генеративный ИИ в HR – это новая реальность. ИИ ускоряет рутинные процессы, персонализирует опыт, дает данные для взвешенных решений. Внедрение ИИ неизбежно: оно выгодно как бизнесу, так и большинству сотрудников. Наша задача — подходить к внедрению осознанно, ставить людей в центр, соблюдать этические нормы, развивать новые навыки. Именно поэтому ИИ — это повестка, которая требует активного включения HR-лидеров в организациях.

Алексей Каптерев, канал The Quest

И теперь наш пост.

Не все так однозначно с этим вашим ИИ.

Отовсюду летят новости про то, как кто-то внедрил ИИ-агентов - и сразу в его компании все зацвело и заколыхалось и запело, эффективность выросла, а людей теперь почти не надо. И хочется в это верить, но есть, как обычно, нюансы. Достаточно вспомнить, как год назад основатель Klarna рассказывал, что избавился от нескольких SaaS-систем и уволил кучу народа, заменив их агентами. А на прошлой неделе вдруг переобулся, ибо качество сервиса сильно упало, и теперь компания делает «ящик водки и всех обратно».

Почему так происходит? Для этого нужно понять, что такое ИИ-агенты, что они делают и как это работает с тем зоопарком автоматизации, который в компаниях уже есть. Итак, ИИ-агент – это и правда очень классная штука, которая может фактически сама, на основании предложенных правил и набора данных, принимать решения и совершать действия.

Неплохой пример – это агент, который на основании политики представительских расходов и принятых до того решений по одобрению может сам одобрять или отклонять расходы ваших сейлзов, понесенные ими в командировках. Работает это примерно так: агенту скармливают существующую политику по представительским и набор одобренных и отклоненных расходов, и пишут набор дополнительных правил типа «если не одобрил, зови финконтролера Матильду».

Дальше сейл после командировки грузит в этого агента фотографии своих чеков, агент их переваривает, задает сейлу несколько доп вопросов типа «сколько человек вы накормили в Сан-Франциско на 1500 долларов и почему в чеке фигурирует сорокалетний вискарь?», а потом предварительно отклоняет расход и зовет Матильду утвердить исключение.

Преимущество использования агента против традиционной алгоритмической автоматизации в том, что для создания такого агента не нужно быть инженером, а еще этот самый агент стоит значительно дешевле, чем сопоставимое SaaS-решение. Но нюансов тут просто гора.

Во-первых, если у вас большая компания, то ваше SaaS-решение, скорее всего, уже умеет распознавать чеки и предварительно одобрять расходы (а еще его создатели тоже не дураки и встроили туда LLM, которая может и вопросы позадавать). А во-вторых, это самое SaaS-решение, скорее всего, после одобрения расходов автоматически передает их в ERP, а агент такого не умеет, а чтобы научился, нужно его с ERP-системой сопрягать через API, а это уже вполне себе ИТ-проект (хоть и небольшой), где нужны самые настоящие инженеры, а не вайб-простихосспади-кодеры.

Во-вторых, без Матильды все равно не обойтись. Иногда потому, что агенты имеют обыкновение галлюцинировать, а иногда – потому что агента к ответственности не привлечешь, а человека – можно. Собственно, наше глубокое убеждение, что в далеком прекрасном будущем только эта функция у человека и останется – нести её, родимую, ответственность.

В-третьих, агентские системы (то есть несколько агентов, которые общаются друг с другом, передают данные в зависимости от принятых решений и вызывают хьюмана, когда это необходимо) – это пока штука максимально ненадежная. Нормальных стандартизированных сред для их размещения пока почти нет. Конечно, все приличные бигтехи такие среды уже разрабатывают, но зрелость этого способа автоматизации для сложных многоступенчатых процессов стоит ждать совершенно непонятно когда.

Голубая мечта агентофилов от эйчара (к коим мы себя относим) – это «агент-как-сотрудник», который получит права доступа как у сотрудника, и с этими правами будет логиниться в разные системы, брать оттуда данные, делать выводы, аналитику и рекомендовать решения для хьюмана, а тот будет пить кофе и только иногда с важным видом нажимать «Да» или «Неа». Более того, ведущие производители LLM уже научили своих агентов логиниться в разные системы как человек, так что до этого момента, может, и недалеко.
Но он еще не тут, и прямо сейчас эти самые агенты через раз творят лютую дичь, а еще их очень легко хакнуть с помощью довольно простых средств.

Мы при этом мы не будем недооценивать значимость использования LLM в чисто эйчарских кейсах типа «обнови учебный материал, основываясь на изменениях в политиках и практиках, которые лежат вот тут» или «прочитай все стопицот отзывов на наших пятьдесят сотрудников и скажи, кто из них самый токсик», и тем более индивидуальных кейсах типа «предложи 5 аргументов за или против того, чтобы удерживать людей против нанимать, и дай источники». Это огромная экономия времени и сил, и это круто.

В общем, если вы эйчар, то мы вам рекомендуем поднимать ИИ на флаг, но не очень высоко, и размахивать этим флагом с некоторой осторожностью, а лучше тихонечко пробовать без особой огласки, чтобы не оказаться на месте основателя Кларны.
Если у вас маленькая быстрорастущая компания почти совсем без автоматизации с простыми процессами, то у вас довольно много возможностей для быстрых побед и ускорения собственной работы, и это дело может помочь вам не нанимать некоторое время дополнительных людей. Вам только понадобится один дружественный инженер, чтобы иногда кодить и постоянно оскорбительно шутить про гуманитариев.

Но если вы здоровенная с ног до головы автоматизированная корпорация с HRIS, ATS, LMS, WMS и бог его еще знает какими -S (которые, еще, не дай бог, неплохо интегрированы и вполне работают), то автоматизация с помощью LLM и агентов на текущем этапе будет таить для вас столько открытий чудных, и давать при этом настолько нематериальные экономические эффекты, что мы бы честно сказали «ну его», и подождали бы нормальных надежных инструментов – ждать не очень долго, на нашем веку они точно появятся. Такие дела.

Ну и напоследок шутка для многолетних читателей канала. «А кстати, помните, была такая Цифровая Трансформация?»

Всем привет! Давненько мы не брали в руки шашек.

И теперь будем брать исключительно эпизодически и по важным поводам. Регулярного постинга несколько раз в неделю больше не будет, но про самое интересное мы-таки намереваемся писать, так что не отписывайтесь, будет меньше, да лучше, как завещал великий сами знаете кто.
Изменится и формат. Вместо стандартного, величиной в одну страницу, чтобы успеть прочитать в метро по дороге на работу, мы будем писать разное – иногда коротко, а иногда и по нескольку страниц текста. Что-то мы будем разбивать на части, а что-то комментировать, что называется, одним ударом. Но главное – мы постараемся писать с тем же огнем, что и раньше, ибо иначе непонятно, зачем все это вообще. Надеемся, вам все это будет интересно

Тут произошла штука, важность которой для мира работы понимают, что называется, не только лишь все. Дональд Фредович Трамп со товарищи установили тариф в 100 тысяч долларов за визу H1B – основную визу, по которой разные там корпорации и стартапы завозили в Америку людей из разных стран, чтобы те там поднимали американскую айтишечку, фарму и прочий хайтек.

Виза эта используется для привлечения квалифицированных специалистов. Ее условием была и остается зарплата не хуже, чем у такого же местного специалиста. При этом H1B – это так называемая «рабская» виза, которая привязана к конкретному работодателю, и после увольнения от этого самого работодателя она превращается в тыкву в течение 60 дней, если не найти нового хозяина, ой то есть спонсора.

В целом тот факт, что за каждого завозимого индуса, ой то есть иностранного разработчика или исследователя теперь придется выкладывать аж 100 000 американских рублей – это серьезное препятствие. Если мы берем среднюю зарплату сотрудника Гугла в 200 тысяч долларов до налогов, то это означает увеличение расходов на 50%.
Но гуглы этого мира как раз могут справиться с тарифом, если уж они очень хотят, а вот для стартапов это означает практически остановку найма людей из-за рубежа. Извольте, господа стартаперы, подбирать крошки со стола тех, кто может себе позволить завезти таких персонажей, а потом благополучно их сократить.

Дональд Фредович совершает стандартную ошибку любого популиста – он, как и его электорат, всех мигрантов чешет одним гребнем, не отличая нищего латиноамериканского мигранта от его образованных друзей по несчастью из Азии или Восточной Европы. Собственно, и из Западной Европы в Америку ехало работать приличное количество людей небедных и неглупых, и теперь это количество сократится.
Считать всех мигрантов вредными – это в целом не так уж ненормально, потому что бедные и инокультурные мигранты – суть (иногда неиллюзорная) угроза безопасности местным бюргерам, а переплаченные айтишники, со своими налоговыми скидками скупили всю недвижимость и задрали на нее цены. Особенно это актуально для Европы, но и в Америке сантимент похожий.

Кто выиграет от всей этой катавасии? Те страны, в которых драконизация образованной миграции пока не началась, а лайфстайл может быть и получше, чем в Америке (например, Голландия и Германия). Учитывая, что американские корпорации явно не перестанут нанимать, но теперь будут это делать вне США, то и стартап ушедшему из корпорации айтишнику с шилом в известном месте теперь можно делать не на Калифорщине, а в Берлине или в Амстердаме – в Европу поедут многие из тех, кто раньше собирался в Штаты.

В безусловном выигрыше от этого решения останется Великобритания – сравнительно культурно близкая к Америке страна, при переезде в которую не нужно учить местный язык, и так уже выдала половине русских айтишников визу глобального таланта, к тому же в Лондоне офис большинству международных компаний открывать скорее всего не надо, ибо он там уже есть.

И, наконец, некоторое количество людей, которое принципиально хотело исключительно в Америку, останется в местах своего проживания. Россию это вряд ли хоть сколько-нибудь заметно затронет - массовая эмиграция образованных людей из России давно закончилась (а многие успели уже и вернуться), к тому же масштаб отмены не так чтобы глобально страшен (Америка ежегодно выдает около 70 000 таких виз).

К тому же, зная Трампа, тариф этот может быть не навсегда, а может вообще оказаться накачиванием переговорной позиции перед новыми переговорами с Индией (мы тут про индусов шутили не зря, у них тут прямой интерес). Но событие, что называется, знаковое, и Америка заметным образом отдает позиции главного глобального магнита для талантов. Интересно, как все будет дальше.

​​Забавно, как многие весьма разумные люди начинают что-то себе думать просто потому, что в новостях об этом заговорили. Вот, например, случилась очередная волна возвращения людей в офисы, и весь айтишный мир такой: ну чего, давайте уже всех в офисы загонять, Майкрософт же загоняет, значит и нам надо.

Майкрософт действительно загоняет. И другие корпорации – тоже. Потому что у них есть и нужда, и возможность. У них есть офисная недвига, которую не просто так покупали или снимали на долгий срок. Для них важно, чтобы у людей случалась, прастихосспади, серендипность – и на их масштабе эта самая серендипность, а также знаменитый management by walking around реально дает плоды.
Менеджеры, которые так и не научились структурировать свою работу чуть более сложно, чем «1:1 с каждым подчиненным раз в неделю», действительно работают эффективнее, когда у них есть возможность зайти в любой момент к любому сотруднику физически и проверить, чем он там занят, или проговорить внезапные важные изменения.

А для сотрудников двух департаментов, у которых ближайший общий функциональный начальник сидит не четыре иерархических уровня выше и в другом часовом поясе, встретиться у кулера и проговорить, как на самом деле эффективно делать идиотский спущенный из штаб-квартиры смежный процесс – реально помогает сильно лучше, чем зумчик со всеми начальниками до седьмого колена, где демонстрация и сравнение причиндалов друг друга занимают большую часть встречи.

Еще, конечно, умиляют исследования в стиле «люди, которые остаются в офисах, растут по карьерной лестнице быстрее, чем удаленщики, и это свидетельствует о том, что они быстрее учатся и развиваются». Нет, это свидетельствует прежде всего о том, что они постоянно физически пред светлым ликом начальства, и вид при этом имеют лихой и придурковатый, дабы разумением своим начальство не смущать.
Но даже при этом для корпораций ценность присутствия людей в офисе абсолютно очевидна.

Но представьте, что вы эйчар, и у вас в компании пара сотен человек, два офиса (один в престижной локации, а второй – у моря), и еще треть конторы сидит на удаленке, как в несбывшейся мечте евроинтеграторов, от Лиссабона до Владивостока, ибо экономия, а еще ни в престижной локации, ни у моря, не находится нужных кадидатов, потому собственно удаленка у трети компании. И приходит большой босс и говорит человеческим голосом: «резко вернуть всех в офис, ибо так продуктивность повысится, как в Майкрософте». Представили? Вот и мы тоже грустно улыбаемся.

В такой компании лучше думать другими категориями. Например, «если мы не можем поместить всех в одной локации, то кто у нас должен сидеть в одном физическом офисе?». Ответов может быть множество, например «все начальство», или «все инженеры», в общем, те, у кого реально должна ежедневно случаться пресловутая серендипность.

А с остальными – давайте тренировать манагеров, чтоб учились в асинхронную коммуникацию, умели организовывать процессы и встречи, а ежели есть такое благословение как бюджет на командировки – то и серендипность (а заодно просекко, например) можно в рамках отдельно взятой недели организовать. В общем, смотрите внимательно, что вы за компания и какова у вас специфика, прежде чем за трендами больших компаний гоняться.
Как говорили древние римляне, «Кесарю – кесарево, а слесарю – слесарево».

Несколько лет назад, когда компании «большой четверки» отделились от своих глобальных сетей и переименовались, мы писали ехидный пост про беспощадный русский нейминг.
Время прошло, но нейминг остается нашим любимым развлечением. И не только нашим – ведь в рамках противостояния с Западом право называться разными именами и названиями потеряли не только аудиторы, но и рекрутеры. И поверьте, это достойно отдельного рейтинга, к которому мы и приступим немедленно.

На третьем месте самый скучный кейс - HAYS. Это имя на российском рынке уже мало кто помнит, потому что команда HAYS после позорного побега из страны материнской организации организовала свое ООО и назвала его GetExperts.
Скучен этот кейс прежде всего потому, что название вышло удачным – фраза «здравствуйте, я из компании GetExperts» никого не смущает, и сразу понятно, чем люди занимаются. Как говорят на загнивающем Западе, no-bullshit.
Так что ёрничать остается исключительно над исследованиями компании, в которых респонденты сенсационно утверждают, что трава зеленая, вода мокрая, а «найти работу можно или легко». Но этому мы уже посвятили немало текстов, а сейчас давайте перейдем к более неоднозначным вариантам.

На втором месте коллектив компании Odgers Berndtson Russia, который потерял право называться звучными англосаксонскими фамилиями по истечении лицензионного соглашения, а от названия страны отказался самостоятельно, вместо этого подняв на флаг бренд The Edgers.
Зачем ребятам понадобился определенный артикль, непонятно, потому как с английского название теперь переводится как «те самые люди, которые обрезают края». Беглый гуглинг выдает, что в странах, где английский родной, так могут назвать швейную мастерскую или барбершоп, вот теперь и хантерское агентство.
Впрочем, тот же беглый гуглинг выдает и сайт Urban Dictionary, специализирующийся на молодежном сленге, описывающий сексуальную практику под названием edging, которой можно заниматься как одному, так и, гхм, с клиентом.
В общем, тот случай, когда в наших широтах звучит красиво, но при выходе на международные рынки коллег могут не понять.

Но все меркнет перед первым местом нашего рейтинга – бывшей компанией Manpower. Один бог знает, кто надоумил коллег принять наименование «Адвирос». В пресс-релизе пишут, что новое название «подчеркивает философию человекоцентричного консультирования, где в центре всех решений компании стоит человек», но нам почему-то кажется, что в центре названия стоят слова «ад» и «вирус», а любой носитель английского языка незамедлительно услышит название как «рекламный вирус».

Наверняка, агентство, получившее от коллег денежки за бренд с аптечного стеллажа со средствами от кишечных заболеваний, втирало начальству Мэнпауэр Россия, что в названии должно быть слово «advice», и какой-нибудь еще красивый латинский корень, а еще это можно воспринимать как адви-Рос, то есть и патриотический намёк присустствует, и еще много-много позитивных ассоциаций с новым брендом, вот и фокус-группы из трех пенсионеров подтвердили, что лекарство отличное, надо брать. Но нам кажется, что это тот самый случай, когда лучше жевать, чем говорить.

Впрочем, привыкнуть можно ко всему, в том числе и новым странным названиям своих партнеров. Так что желаем всем коллегам удачи в новом мире, и главное – побольше креатива.

Мы тут давно урывками по мелочи писали про то, кого, как и за что заменит этот ваш ИИ, а также кому и на что учить детей. Но тема очевидно заслуживает здоровенного цельного лонгрида, за который мы наконец решили взяться и вот он, вашему вниманию, в виде цикла постов, которому мы посвятим всю эту неделю. Наслаждайтесь!

Часть первая. Как сейчас используется ИИ
Андрей Карпатый, бывший начальник всего машинного обучения в Тесле и не дурак поговорить, сравнил текущее состояние ИИ с 60-ми годами в компьютерной индустрии. Тогда персональных компьютеров не просто не было, а даже и не предполагалось, и разные гуру индустрии в них категорически не верили, потому что не понимали зачем.

А компьютеры представляли собой огромные мейнфреймы размером со спортивный зал, которые могли себе позволить только большие корпорации и правительства, и задачи у них были соответствующие – большие статистические упражнения, макроэкономический анализ, или, например, расчет траектории баллистических ракет.

Сейчас все примерно так же, только с точностью до наоборот. Последняя версия ИИ – генеративные модели и их производные – используется в основном индивидуальными людьми для их индивидуальных задач. И даже когда эти люди работают в корпорациях, они используют ИИ не как часть большой корпоративной системы, а в основном для выполнения сравнительно простых однократных задач типа «создай мне веб-страничку».

Как к этой штуке подступиться корпорациям и правительствам так, чтобы это стало революцией и дало им такой же рывок в автоматизации, как, например, ERP-системы, пока не на 100% очевидно.
Большинство корпораций (например, Гугл, Майкрософт и продуктовые компании поменьше, типа разработчиков Notion, Slack или SalesForce) пытаются просто запихнуть LLM во свои продукты, чтобы создать дополнительный интерфейс взаимодействия с системой на естественном языке и сэкономить пользователю время. Обобщение цепочек писем и больших текстов, автоматическое создание стенограмм встреч, умный поиск внутри большого массива переписок и т.д.

Но это тоже не что-то, что вытесняет целые профессии. Стенографисток и прочих работников протокола за стенами межправительственных переговоров последний раз видели лет двадцать назад, а профессия бизнес-ассистента высшего руководителя или руководителя аппарата (Chief of Staff), который занимается протоколом, просто стала несколько менее муторной, но по своей сути не изменилась.

Ситуация, когда на уровне корпораций ИИ не приносит серьезной автоматизации – не навсегда. Человеки – существа сообразительные, и через какое-то время найдут, как решать большие коллективные задачки (вплоть до угрозы уничтожения себя как вида) и с помощью этой технологии.
Например, считается, что ИИ-агенты, вскормленные и обученные на виртуальных «тренажерах», собранных по образу и подобию реальных корпоративных систем, смогут автоматизировать большие сложные процессы, которые сейчас ворочают люди своими руками.

Но пока весь B2B-бизнес вокруг генеративного ИИ – это по большому счету тот же B2C, только в корпоративной среде. Если ты умеешь правильно пользоваться ИИ, то ты будешь иногда чуть эффективнее, чем твой коллега (а в редких случаях – сильно эффективнее). Впрочем, как обычно, есть нюансы, о которых завтра.

Часть вторая. Где есть заметный бизнес-эффект от генеративного ИИ

На данный момент есть две признанные функции, в которых есть внятный и очевидный бизнес-результат от GenAI: это колл-центры и разработка. Разберем их по отдельности.

Можно сказать, что колл-центры (а также базовые холодные продажи и прочее подобное, где делать особо ничего не нужно, а нужно только предоставлять информацию по понятному сценарию) – это единственные пока организации, работу которых чат-боты на основе GenAI действительно «задизраптили».
Теперь люди, которые отвечают на вопросы по скриптам, больше не нужны. Но есть одна важная штука – нейросетка может хорошо ответить вам на вопрос, если ничего не нужно делать. А вот там, где нужно и правда решать проблемы, ИИ пока не особо хорош. Нейросетка может выдать вам инструкцию, как поменять настройки в вашем телефоне или отправить платеж за услуги. Но если платеж застрял из-за неуказанных реквизитов и нужно поговорить с бухгалтером, чтобы тот перенаправил его в системе компании на правильный счет, нейросетка унизительным образом провалится. Собственно, даже операция под названием «посмотри на состояние моего счета и расскажи, прошел ли платеж от такого-то числа» нейросетке далеко не всегда под силу.
Поэтому на второй и третьей линии поддержки без людей пока не обойтись. Но самые бешеные тыщи людей в поддержке всегда сидели именно на первой линии, поэтому экономия для компаний тут будет и ощутимая.

Теперь к разработке.
Исследования, которые изучали влияние ИИ на продуктивность разработчиков, в основном сходятся на том, что умеренное использование ИИ может обеспечить рост производительности до 30%. То есть в лучшем случае разработчики будут на треть эффективнее – не в три раза, не «сейчас мы всех заменим», а просто делать чуть больше чем за день то, что раньше делалось за полтора. Неплохо, можно уволить треть разработчиков? Нет.
Проблема в том, что 30% ИИ показывает на простых отдельных задачах без особого контекста и на распространенных языках программирования – то есть ровно там, где опытные разработчики и так не особо нужны. Часть джунов будет уволена, да, но только часть и только джунов.

Самый интересный эффект GenAI-технологий на данный момент – это не радикальное повышение эффективности работы профессионалов в своих областях (его не наблюдается), а демократизация ранее сакральных знаний и навыков.
Хорошего фулстек-программиста на большом проекте со сложной архитектурой нейросетка даже близко не заменит еще очень долго. Но он может отдать Cursor простую часть своей работы, особенно там, где речь идет об экспериментировании.
Без контекста и понимания архитектуры продукта генеративный ИИ скорее всего напишет что-то такое, что придется отлаживать больше, чем нужно, чтобы написать все с нуля, а вот маленькую отдельно стоящую функцию он написать может легко.

При этом для человека с хорошим пониманием задачи, но без навыков программирования (например, продакт-менеджера с техническим прошлым, который может читать код, но не умеет его нормально писать) тот же самый инструмент совершит революцию – то, для чего он раньше днями ждал, пока освободятся коллеги-разработчики (например, сделать дэшборд с данными из базы данных), он сейчас сможет сделать сам за час, используя естественный язык.

Та же самая история с дизайнерами, верстальщиками, иллюстраторами, копирайтерами, и всеми прочими специалистами, которых раньше нужно было для маленькой задачи искать или ждать. Теперь на мелких простых задачах они не нужны – их отлично сделает ИИ. Эти спецы теперь нужны на задачах сложных, требующих контекста и минимального количества ошибок, в том числе как «вторая линия» после работы AI.
Поэтому в ближайшее время, если вы где-то около этих профессий, ваша задача – просто научиться хорошо пользоваться самым продвинутым в вашей сфере GenAI, чтобы освободить себе время и делать задачки быстрее. И тогда вам c очень большой вероятностью не грозит вытеснение с рынка.

Но почему же тогда людей массово увольняют из крупных корпораций? Об этом завтра.

Часть третья. «Сокращения из-за ИИ»

Тут, конечно, пытливый читатель спросит – но как же так? Ведь мы же видим, как большие технологические компании сокращают персонал из-за ИИ? Ведь увольняют людей, чью работу начинают выполнять нейросети?
На самом деле мы пока не видели массовых сокращений квалифицированного персонала, произошедших на почве полной замены людей нейросетями.
И даже с относительно неквалифицированным видели несколько попыток (история с поддержкой Klarna – классический пример), которые обычно заканчивались тем, что людей нанимали обратно, причем за другие деньги.

Наши инсайдеры из больших техкомпаний рассказывают, что никакой замены программистов на ИИ не происходит – и уж точно не происходит вещей типа «половину кода в нашей компании теперь пишут нейросети». Некоторое повышение эффективности наблюдается, особенно в области быстрого экспериментирования, но ни одна команда не запустит в прод код, написанный нейросеткой. Да и вообще концепция «давайте всех людей заменим роботами, чтобы делать столько же за меньшие деньги» далеко не всегда в голове у руководителей компаний.

Мы бы сказали, что имея выбор «делать столько же денег меньшими ресурсами» и «делать больше уже имеющимися ресурсами» настоящий капиталист чаще выберет второй вариант (если, конечно, на горизонте не просматривается чумовой опции «делать больше денег меньшими ресурсами»).

Почему же людей увольняют? Действительно, увольняют из-за ИИ, но совершенно не так, как это представляют себе обыватели. Дело в том, что гонка генеративных нейросетей стоит огромных - никогда прежде не виданных - бюджетов, и все приличные бигтехи сейчас думают, что именно это и выведет их в лидеры следующего технологического рывка.

А стало быть, все подняли на флаг лозунг Цукерберга про то, что лучше спалить несколько лишних триллионов, чем проиграть в гонке за сверхразум.
Нужно вкладывать любые деньги в те области, которые либо напрямую связаны с ИИ, либо получат волшебный пендель после его внедрения. А все остальное можно подсократить – и сокращают старыми давно понятными способами – ищут, где, например, можно из двух региональных штаб-квартир сделать одну, где можно избавиться от дублирующих функций, а где – заменить персонал на более дешевый (кто сказал «индусы»?).

Ничего принципиально нового в сфере сокращений не происходит, и процент сокращений, обусловленных именно автоматизацией процессов с помощью ИИ – (пока) минимален. Скорее сначала приходит задача всех сократить, а уже потом оставшиеся начинают пользоваться нейросетками для повышения эффективности.

Манифесты некоторых CEO в стиле «мы заменим всех и убьем SaaS» смотрятся хорошо только до тех пор, пока не смотришь, насколько вырос хэдкаунт в их компаниях за период с последнего такого заявления. Например, в компании SalesForce, основатель которой товарищ Бениофф громче всех кричит про нейросетки, количество персонала за последний год выросло на 4%, а оборот на 6%. Другими словами, привел ли год усиленного внедрения этого вашего эй ая к повышению эффективности – большой вопрос. Правильный ли горизонт 1 год, чтобы судить об эффектах внедрения эй ая - еще больший вопрос.

Так что же, получается, что от ИИ пока вообще нет никаких глобальных эффектов на рынке труда? Очень даже есть, и они меняют целые индустрии, но об этом завтра.

Часть четвертая. Что уже происходит
Надо понимать, что мы находимся в «долине разочарования» на кривой хайпа Гартнера, когда уже даже Альтман с Цукербергом неуверенно бормочут про пузыри. На этом этапе, как известно, первоначальные ожидания от нового инструмента оказываются нереалистичными, но зато все начинают понемногу понимать, где эта штука на самом деле полезна. И тут настало время удивительных историй.

Конец прикладного IT-образования
Мы уверены, что внедрение ИИ окончательно разрушит программистскую аристократию, низведя среднего программиста до примерно автослесаря. Не поймите неправильно, автослесарь – это небедный человек, особенно в развитых странах, но точно не боярин, каковым мнил себя недавно самый последний джун в российском бигтехе.

Инсайдеры рассказывают, что демократизация разработки уже привела к падению спроса на прикладное IT-образование. Шарашкиным конторам, учиившим людей за три месяца приручать питона, чтобы немедленно получать сотни тыщ, не поздоровится. Выживут только те, кто научится готовить условных сантехников. Многие подобные платформы будут пытаться выжить за счет программ в стиле "мы научим вас за месяц освоить ИИ и не потерять работу", но это сильно менее маржинальный бизнес чем питон за три месяца.

При этом настоящее фундаментальное физмат образование своей ценности не потеряет, потому что кто-то должен промптить нейросетку со знанием дела, а не как средний гуманитарий. Так что если ваш ребенок оказался в хорошем вузе на техническом факультете, не переживайте. Переживайте, если в плохом.

Конец SaaS для малого бизнеса
LinkedIn полон историй про то, как юзернейм в одно лицо за пару недель пишет CRM, систему управления заказами, или биллинг для малого и микро-бизнеса. Причем не простенькую стандартизированную, а развесистую и заточенную под процессы конкретной компании.

Если пишет опытный человек, то много букаф обычно посвящено тому, как он этот код отлаживает и добивается его максимальной безопасности. Но даже проблема неряшливого кода и уязвимостей не убьет вайб-кодинг.

Рынок заказной разработки будет стремительно трансформироваться, и через некоторое время мы вместо задачек «нарисуйте мне веб-страницу за день» увидим на фрилансерских сайтах заказы в стиле «напишите мне CRM за неделю».

Заказной софт – это как ремонт в квартире: никогда не понимаешь заранее качество и цену. А главное – со стороны заказчика нужен человек с видением конечного результата, что в малом бизнесе бывает не всегда. Но тем не менее, мы вполне верим, что вайб-код убьёт почти весь SaaS для малого и микро-бизнеса в его текущем виде.

(Продолжение)

Вайб-консалтинг
Должность младших аналитиков в консалтинге уже умерла с появлением функций Deep Research в ведущих моделях. Но ИИ не убьет консалтинговую индустрию, потому что консалтинг – это не способ получения сакральных знаний. Это способ снять с себя ответственность за принятие решений, а избегание ответственности будет существовать, пока живо человечество.

Зато мы вангуем расцвет бутикового и индивидуального консалтинга, в котором сбор и структурирование контента будет брать на себя LLM, а человек будет презентовать это все уважаемым клиентам, жать руки и налаживать отношения.

Особенно повезет тем, кто ведет командные сессии, потому как техник работы с LLM при подготовке и проведении будет просто тьма. Мы уже видели, как проводят сессии, разбивая участников на группы, работающие в диалоге с LLM, а потом выводя на «пленарную часть» их выводы, после суммаризации этими самыми LLM. Дешево и сердито.

Единорог в одно лицо
А еще LLMки позволяют писать полноценные приложения в одно лицо, не будучи программистом, а это значит, что количество людей в успешных компаниях сократится до невиданных прежде значений. Сорок лет назад, в доинтернетное время в компании, которая стоила миллиард, работали тысячи человек. Тридцать лет назад (в эпоху интернета) – сотни. Пятнадцать (в эпоху соцсетей и мобильных устройств) – десятки, а теперь единицы, а то и единицА
(тут, кстати, очень видно, что ИИ – это не «новая промышленная революция», а просто очередная мощная технология, дающая инкрементальное повышение эффективности).

Да, такому персонажу придется не только запилить приложение, но и «завирусить» его, ибо денег на полноценное продвижение нет (хотя есть тикток). Да, вокруг будет много консультантов (юристы, налоговики, финансисты и прочая подобная публика).
Да, в таком навайбкоденном приложении будет куча багов и уязвимостей. Да, скорее всего такая компания не проживет долго.
Но если вы найдете, как решить простую потребность миллионов людей, и вам очень повезет, то вы сможете продать компанию за миллиард, не деля ее ни с кем.

Так что эффекты очень даже есть. Впрочем, по сравнению с тем, что нам предстоит, это все цветочки. Но об этом завтра в финальной части нашего лонгрида.

Часть пятая. Смелые прогнозы

Ну что, давайте на ночь глядя набросаем сценарий для «Черного Зеркала».
Для начала, ИИ ускорит и углубит все процессы, которые уже и так происходят. В ситуации, когда вы можете нарисовать, оформить и накодить все что угодно и нужно только уметь объяснять это словами, количество разного рода одиночек и бутиков превысит все ПДК.

Все это наложится на то, что разнообразных отношений работника и работодателя уже и так пруд пруди. Вокруг этого выросла целая индустрия из фирм и платформ, предоставляющих услуги различной степени легальности по оплате разных услуг в разных странах. Бизнес этому только рад – традиционный социальный контракт работодателя и работника со льготами и верностью друг другу разрушается на наших глазах.

А теперь прибавьте к этому еще и стремительно разрушающуюся лояльность самих сотрудников к своим работодателям. Оверэмплоймент, когда у вас две работы и еще пара фриланс-проектов, для приличного профессионала станет нормой.

Джунов на прикладные специальности перестанут нанимать совсем, за них ИИ будет делать почти все. Общество, государство и система образования отреагируют на это увеличением срока и сложности обучения и созданием новых форматов.
Студенты-фундаментальщики будут учиться до возраста, который сто лет назад считался глубокой старостью. А вот студенты прикладных специальностей будут одновременно работать и учиться, а работодатель будет платить им стипендию, которая меньше, чем рыночная зарплата.

Да-да, миллениалы переизобрели стажировки и целевое обучение, только вот выполнение KPI компании будет условием получения диплома на равных правах с академической успеваемостью. Компания тебя уволила – поздравляем, ты отчислен, и у работодателя нет никаких обязательств тебя нанимать по окончании обучения. Если ты рельно хорош - наймут. Такие модели уже существуют, их станет больше.

Ну и самое, на наш взгляд интересное. Многие думают, что капиталисты хотят совсем убрать людей из бизнеса, но это не так. Капиталисты хотят убрать людей, которые не приносят ценность. А кто у нас не приносит ценность? Топ-менеджеры и ведущие специалисты – очень даже приносят. Узкие спецы «на земле», которые делают руками конретные, подчас сложные, недоступные машинам штуки - тоже вполне приносят.
А вот менеджеры среднего звена существуют для того, чтобы декомпозировать спущенные сверху задачи, раздавать указания, проверять выполнение, суммаризировать полученный результат и отчитываться начальству. Ничего не напоминает?

Правильно, по зловещему совпадению, последнее поколение больших языковых моделей этот набор задачек выполняют на отличненько. Да, они пока тупят, да, они плохо держат меняющийся контекст организации, да, они иногда галлюцинируют. Но пусть первый бросит в нас камень тот, кто никогда не тупил, всегда отлично держал меняющийся контекст, и никогда ничего не выдумывал. И ИИ-агенты довольно скоро научатся все это делать - не идеально, но лучше среднего менеджера.

В общем, если наши фантазии сбудутся, что следующее поколение работающих людей будет делиться на две части – небольшую касту штатных корпоративных самураев в башнях из слоновой кости и множество индивидуальных исполнителей-фрилансеров, работащих на трех работах, из которых существенная часть будет этой работой оплачивать собственное непрерывное образование с постоянным риском этот процесс не по своей воле прекратить. А между этими двумя группами будет всемогущий ИИ. Такие дела.

Ну что, дорогие читатели, успели уже забыть про нас? А мы, тем временем, живы и решили вас развлечь серией свежих зарисовок про дивный новый мир.
И первая зарисовочка - про то, что эйчары теперь действительно будут вынуждены работать с “ИИ-сотрудниками” - только совершенно не так, как планировалось. Сегодня будет только присказка, но она хороша сама по себе, ибо она про зависимость.

В предыдущих сериях мы увидели, как из LLM возникли ИИ-агенты, то есть сущности, которые могут не только ля-ля, но и мешки ворочать - например, программировать или автоматизировать корпоративные процессы. И это всем настолько понравилось, что корпорации наперебой ринулись внедрять их в работу.

Тут-то и выяснилось, что приличный агент, построенный на модели первого эшелона (например последний Claude или чатик наш GPT) для выполнения реально сложных задач - кодинга, сложной автоматизации, дизайна, видео и тому подобных вещей - кушает очень много токенов (то есть элементов, из которых LLM собирает свои мысли, каждый из которых равен примерно одному слову из четырех-пяти символов). А токены стоят денег.

А нужно сказать, что работа с LLM-агентом (не важно, кодит он, пишет музыку, генерит видео или дизайн) - страшно увлекательная штука с не на 100% предсказуемым результатом. Вы пишете промпт, запускаете машинку, ждете, и на выходе получаете что-то похожее, но не идеально соответствующее замыслу.
Вы чуть правите промпт, чтобы он точно соответствовал идеалу, и перезапускаете агента - а он, зараза, исправляется в нужном вам месте, но косячит в другом. Вы снова правите промпт (и, может быть, что-то еще правите руками) и снова запускаете черный ящик. И так много раз - и чем сложнее задача, тем больше шансов на отклонение в каждом.

Наши источники, увлекающиеся подобным, рассказывают, что за этой игрой в казино с неизвестными, но не нулевыми шансами получить нужный (а может быть и более интересный, чем ожидалось) результат, можно проводить часы и бессонные ночи, и тратить при этом сотни и тысячи долларов на токены.

Психиатрам-наркологам явно будет с чем работать в этом прекрасном будущем, но речь не об этом, а о том, что тысячи долларов, как правило, уходит не из собственного бюджета, а из корпоративного. Уже широко известна история про UBER, технический директор которого жаловался на то, что за пару месяцев просадил годовой бюджет на ИИ из-за того, что программисты постоянно использовали агентов.

Выяснилось, что особо ретивый игрок в рулетку вайб-кодинга может потратить несколько своих зарплат в месяц на токены, написав миллионы строк кода, но при этом результат в виде надежно работающего функционала совершенно не гарантирован. И вот тут все те, кто утверждали, что увольняют джуниор программистов, чтобы не тратить зарплату на решение простых задач, начали грустно шутить в стиле “мы наняли джуниор-разработчика, чтобы не тратить токены на простые задачи”. А что это значит для эйчаров, мы поговорим в следующем посте завтра.

Итак, вчера мы остановились на том, что этот самый ИИ может стоить значительно дороже среднего программиста при, скажем так, не особо стабильных результатах. Не особо стабильных - не означает плохих, иногда бывают очень даже хорошие. Но означает непредсказуемых.
Как мерить затраты на ИИ в сравнении с дополнительной производительностью - никто толком не знает. Но есть мнение, что и так сомнительная история с резкой заменой людей на ИИ уткнулась в стоимость этого самого ИИ при текущем способе его использования.

Но при этом консультанты из Bain&Co уверенно выдают прогноз, что через три-четыре года средние затраты на ИИ-сотрудников в технологических компаниях будут равняться трети от ФОТ.
Что это значит для эйчаров? Много забавного.

Во-первых, насмотревшись на опыты с массовой заменой людей на LLMки и потом наймом их назад, многие компании притормозят планы по увольнению всех и вся. Хотя бы на время, пока не научатся гарантированно повышать эффективность с помощью агентов и понимать, какие затраты для этого нужны.

Во-вторых - и это самое веселое - HR и ИТ-департаменты теперь будут фактически иметь общий бюджет. Часть из этого бюджета будет уходить на людей, а часть на LLMки. Какая часть? Почему? И главное, кто будет принимать решения? Все это отличные вопросы, и если и когда этот зоопарк реализуется на практике, мы желаем всем участникам удачи.

В-третьих, товарищи рекрутеры и C&Bшники - возможно, вам пора готовиться к тому, что инженеры на собеседованиях начнут спрашивать “а какой на этой позиции бюджет на токены?”
Ходят слухи, что в некоторых компаниях уже планируют включить бюджет на токены в список плюшек, и начать переманивать разработчиков из компаний, где им его не дают или дают всем одинаково.

Ну и если это все недостаточно весело, то вот вам налоговый вопросик. В большинстве стран мира подоходный налог - один из самых важных источников поступления дохода в казну. Подоходный налог берут с зарплат, и если вместо зарплат компании начнут тратить деньги на токены, то рано или поздно правительства этот трюк заметят, и начнут пытаться облагать налогом траты на компьют. В силу разных там бухгалтерских трюков это будет очень веселое упражнение, так что мы ждем с нетерпением.

В общем, дивный новый мир будет и правда дивным для эйчаров, так что закупайтесь попкорном и пристегивайтесь. Завтра опять про AI-сотрудников, и опять не так, как в легендах и мифах.

В далекие времена, когда про чатик GPT еще слыхом не слыхивали, в наших широтах мирно сосуществовали Сири и Алиса. И если Сири начать жаловаться на жизнь, она пыталась жалеть и поддерживать, а Алиса запросто могла сказануть что-то типа “А никто не обещал, что будет легко”.

Еще до LLM компании делали ассистентов с разными персонами. И теперь эти персоны продолжают существовать, но уже на новом уровне. Теперь у нас есть не только тон разговора, и даже не только уровень сложности решаемых задач. У агентов на основе разных моделей есть почти человеческие черты - упорство или нерешительность, склонность к соблюдению правил или к импровизации, быстрота или задумчивость.

Сейчас у каждого уважающего себя чатика под капотом несколько моделей - посложнее для размышлений, попроще для разговоров. И это особенно заметно, если работать с разными моделями - а разные модели хороши для разного, и пользоваться несколькими - не роскошь, а средство достижения оптимального результата.

И тут, наверное, правильный момент, чтобы рассказать об ограничениях агентов. Знающие люди пишут, что пока агенты в реальной жизни - штука довольно ненадежная. На задачах из реального мира (а не из олимпиады или открытого бенчмарка, где есть правильный ответ и на него явным образом можно натренировать модель) они правильно выполняют задачи чуть более чем в половине случаев.

То есть на новой для себя задачке из реального мира у агента в среднем ничего не получится в половине случаев. Погодите хихикать - эта цифра довольно сильно варьируется в зависимости от собственно задачки (у некоторых моделей на некоторых типах задач она достигает более 80%), а с ростом производительности моделей и общие цифры будут расти. Мы это уже видели на чатиках, которые сначала глючили все время, а теперь - довольно редко, и с агентами будет то же самое.

Главная проблема агентов - не в качестве выполнения задач, а в том, что агент, в отличие от человека, совершенно не в состоянии оценить правильность выполнения незнакомой ранее задачи. И как подступиться к этой проблеме, пока не очень ясно.
Это значит, что для большинства профи, которые в состоянии грамотно поставить задачу, в которой нет однозначно правильного ответа, и оценить успешность ее выполнения, у нас хорошие новости - их работа в обозримом будущем будет в полной безопасности.

Но если вернуться к изначальной теме этого поста, то стоит добавить, что несмотря на всю антропоморфизацию, перед нами просто новый способ автоматизировать разные штуки. Только с новым уровнем адаптивности к пользователю - не на уровне двух конкурирующих SaaS-вендоров типа SAP и Workday, а на уровне “есть с десяток фундаментальных моделей, у каждой из них есть по нескольку версий, и почти на каждой из этих версий можно построить сотни видов агентов”. И довольно большая часть ИИ-грамотности - это понимать различия и использовать правильные штуки для правильных вещей. Авось и токены сэкономим.

Давайте что ли про роботов поговорим, раз уж мы увлеклись опять этим ихним ИИ.
Производители роботов, а вслед за ними и бескорыстные технооптимисты типа почетного говоруна вся Яндекса товарища Себранта уважаемого, уже провозгласили век завоевания модельками физического мира, а китайские роботы, показывающие отчаянное кунг-фу на хорошо размеченной сцене по четкому алгоритму, создают полное впечатление, что кожаным скоро хана.

К тому же, если смотреть на прогресс LLM и агентов, то и правда становится страшновато - а последняя версия мечты про роботов звучит как “а давайте засунем в робота LLM и пусть себе работает без человека, ибо LLM - это же симуляция мышления, почему бы ей не работать так же в физическом мире”.

А потому что. Задачка “автономный многоцелевой агент, анализирующий табличку в экселе и дающий рекомендации, что делать по результатам данных” и задача “автономный многоцелевой робот, принимающий решения и действующий в физическом мире” различаются по сложности не на проценты, и даже не на порядки, а, как бы это правильно сказать, на измерения.

Например, большие языковые модели первым делом скушали примерно весь Интернет, чтобы научиться статистически предсказывать следующее слово, которое сказал бы в этих ваших интернетах средний человек (умными словами это называется pre-training). Для физического мира ничего подобного претрейну на открытых данных не существует. Скачать все человеческий действия в физическом мире, и потом на этом тренировать роботов - неоткуда.

И из этого (на нашем дилетантском уровне) есть два вывода.
Первый - что прогресс в отношении развития физического ИИ не будет таким же взрывным, как в области больших языковых моделей. То есть не будет условного аналога чатика GPT 3.0, который такой ррраз - и начнет делать все как человеки. Для этого нужно собрать огромное количество данных, которые лежат в разных местах, если вообще где-то лежат.

Второй - что разные роботы будут друг от друга отличаться значительно сильнее, чем разные модели. Потому что, как говорят знающие люди, одна и та же модель, обученная на одном и том же наборе данных. не всегда одинаково работает даже на двух одинаковых роботах, выполняющих одинаковые действия. И это мы еще не начали про то, что параметров качества этих самых действий значительно больше, чем параметров речи, но не являясь специалистами, мы в эту степь не пойдем.

В общем, при выполнении заданий в реальном мире нас ждут многие и многие поколения роботов, которые будут не просто отчаянно тупить, нарушая все понятия о человеческом здравом смысле, но и представлять из себя некоторую опасность - врезаться в предметы, натурально биться в судорогах, вызывая у окружающих лютый кринж, случайно травмировать людей, и к тому же постоянно нарушать три закона Азимова потому что внутри робота будет слишком умная пробабилистическая модель, которая подумает и решит, что знает лучше, чем не причинять вред себе и человеку своим действием или бездействием.

И так еще лет… сколько? Мы не знаем, но надеемся, что получится быстрее, чем с беспилотными автомобилями, которые, спустя пятнадцать лет после лозунгов “кожаным - хана” до сих пор ездят в по пальцам пересчитанных городах мира, и там с серьезными ограничениями.

Один из авторов этого уютного канальчика в юности довольно серьезно увлекался музыкой - писал песни, работал диджеем, писал фонограммы для КВН и прочей самодеятельности, и даже зарабатывал этим большую часть своего дохода на последних курсах университета.

Потом юность прошла, а вместе с ней исчезло и свободное время на занятия музыкой. Карьера пошла в гору, появились деньги, и наш герой даже купил себе оборудование и софт для записи музыки, но обнаружил, что количество времени, которое требуется, чтобы создать полноценное музыкальное произведение, заставляет его делать тяжелый выбор между хобби, семьей и работой.

И так бы наш автор и продолжал мечтать о том, что когда-нибудь заработает миллионы, выйдет на пенсию и будет там целыми днями писать музыку, но появился этот самый ИИ.
А точнее, Suno.
Сначала это самое Суно создавало восьмибитные мелодии, которые нарушали все правила композиции и пело страшным голосом, но в последний версиях начало выдавать вполне приличное звучание, и наш герой попробовал - и пропал. Теперь сидит в Suno в свободное время и выдает на гора все те мелодии, которые роились годами в его голове за максимум пару часов, а не пару суток, как раньше.

А дело в том, что пресловутая “ИИ-демократизация” чего бы то ни было - начиная от кодинга и заканчивая музыкой, текстами и сайтами - не дает преимущества тем, кто раньше ни черта не понимал в теме. Она дает возможность не тратить лишнее время тем, кто хорошо понимает в теме.

Если вы хорошо уметее писать спецификации продуктов, но так себе кодите - вы идеальный вайб-кодер. Если отлично разбираетесь в визуальном стиле и у вас есть идея, но лень рисовать - поздравляем, вы прекрасный вайб-дизайнер.
Если у вас есть красивая мелодия, вы хорошо понимаете, как должна строиться композиция, но при этом вам лень тратить двенадцать часов на поиск правильных сэмплов для вашего инструмента - то музыкальный ИИ для вас!

В этом смысле ИИ открывает для человечества прекрасную эпоху, когда вы можете не выбирать между хобби, работой и семьей, а делать и то, и другое и третье почти без ущерба для себя.
Вы думали, ИИ изменит мир работы, а он дал нам возможность заниматься хобби. С чем мы человечество и поздравляем.

А чтобы ваша пятница стала чуть романтичнее, послушайте мелодию, созданную нашим героем за пару часов вместо пары суток. Хороших выходных!