Нас заменят LLM? Нужен план сопротивления!

В 1998 году я поступал на факультет программирования, и нас (почему-то) пытались от этого отговорить: «Программированию скоро не будут учить самому по себе, оно просто будет не нужно без специальных знаний. Нормальный инженер и без вас будет программировать в нужных ему пределах! Идите на автоматизацию производства, а еще лучше – на самолетостроение».

Тогда это звучало как дикость. Программирование казалось вполне себе скиллом, которому можно и нужно учиться самому по себе. Но оказалось, что инженеры действительно спокойно пишут программы на встроенном в Автокад Лиспе, физики и математики – в Матлабе, веб-аналитики изучили SQL, а менеджеры по продажам – Visual Basic или на чем там пишут скрипты в Экселе. С современными LLM мы видим, что любой может навайбкодить себе какой-нибудь лендинг или приложение, которые, конечно же, будут работать через жопу, но интернет всегда так работал, а кто мы такие, чтобы нарушать традиции?

Давайте вместе подумаем о том, как нам выжить в этой смертной любви Клода и Директора, который спит и видит, чтобы всех сократить!

Почти интеллект почти решает серьезные задачи

Что вообще такое современные LLM? Не в техническом, а в концептуальном смысле. Конечно это никакой интеллект, а пусть и мощная, но система решения формализуемых задач. И траектория их развития до боли напоминает развитие какого-нибудь кодера. Сначала они писали «Hello, World!», потом начали решать все более и более сложные задачи, а сейчас уже могут неплохо проходить собеседования в бигтехи (правда, в первую очередь, потому что там задают идиотские вопросы, ну да оставим это на следующий раз).

Но концептуальная природа задач остается прежней, она вообще никак не усложняется. Качество работы LLM над кодом напрямую зависит от наличия спецификации, документации, формализуемости задачи, четкости критериев приемки, подробности аналитики и так далее.

В принципе подобное движение в крупных компаниях было и по отношению к белковым разработчикам: дробление компетенций позволяет лучше управлять командой, делать задачи более атомарными, а исполнителей – заменяемыми. Поэтому часто можно было встретить системных аналитиков, которые разбирают задачу до детального описания функции и конкретных вызовов API, а разработчику остается только перевести с английского на Java.

Вообще бизнес-аналитики – опасные люди. Они давно задумали убрать программистов с поля зрения, и мы можем это доказать! В конце 50х появился COBOL (Common Business Oriented Language), его создатели обещали невероятную простоту: вы пишете программу на простом английском языке, а она чудным образом работает. В принципе по сравнению с тем, что считалось программированием в те годы (ассемблер, машинные коды, это вот всё), Кобол действительно выглядит как чистый английский! Но разработчики никуда не делись, они просто стали кобол-разработчиками, а потом – просто разработчиками (согласитесь, напоминает путь вайб-кодеров). После этого было еще несколько попыток создания AI-систем, которые бы принимали на вход человеческие команды и выдавали программу. Не буду вдаваться, но каждый раз на реальных бизнес-задачах получалась полная херня (история неплохо изложена здесь).

А сейчас системным аналитикам действительно больше не нужны кодеры. LLM идеально справляются с формализуемыми задачами, когда есть быстрая обратная связь и единая функция оценки.

Последние модели могут даже написать документацию за аналитика, но эта часть решается уже заметно хуже, особенно если нет очень подробного ТЗ с четкими критериями оценки результата, ну то есть некоторой бизнес-аналитики.

Кому замена не грозит?

Если сегодня попросить LLM перевести на эсперанто справочник по Python, то он справится с этим быстрее и лучше человека. Ему сложнее ошибиться, он всегда может заглянуть в исходный код и уточнить текст, убедиться в том, что примеры кода из книги действительно работают и так далее. Я думаю, что он даже напишет учебник с нуля лучше многих авторов.

Но если вы попросите его перевести «Гамлета» на русский, то он не справится лучше Пастернака, точнее он может сделать это в его стиле, но уже после того, как Пастернак родился и написал свой перевод.

Так что с развитием технологий генеративные модели точно смогут «снять» второй Pulp Fiction, но они никогда не смогут снять первый!

Разница между «сверхразумом» искусственного интеллекта и Тарантино не в том, что ИИ знает меньше про кинематограф или не способен выделять паттерны успешного визуального произведения. Нет, он наверняка и знает больше, и анализирует лучше. Но режиссер способен эти паттерны сознательно игнорировать, проявляя собственный голос. Каждый раз, выпуская фильм, он рискует репутацией ради своего видения. И именно это так ценит зритель, а вовсе не способность складывать кадры друг за другом. Вы спросите почему же тогда так много сгенерированного текста с трудом отличимого от человеческого? Тут все просто: многие люди писали полную херню и до появления LLM.

Еще одно преимущество белкового тела над кремниевым – бесплатная и постоянная интеграция в реальность. Может ли робот завтра заменить повара? В теории да: рецепты формализованы до технических карт и в идеальном мире у нас уже бы стояли на кухнях пищевые комбайны. Но что делать с неидеальным миром? Содержание сахара в двух морковках будет отличаться, два одинаковых блюда при формальном подходе из них не получится. Технически можно проводить химанализ каждого корнеплода перед тем, как сварить борщ, как будто повар решил во что бы то ни стало не пробовать суп перед подачей, но зачем? В реальности цифровизация даже формализуемой части нашей жизни, может оказаться дороже результата.

Давайте резюмируем: мы не будем бороться с акулой в воде, а с нейросетями там, где критерий успеха – точность и формализуемость. Теперь это чужая территория, а наша находится там, где ценится собственный голос и интеграция в реальность.

Но менеджеры-то тоже вымрут?

Менеджмент, как и остальные профессии, будет расслаиваться. Агенты уже сейчас отлично выполняют функции линейного руководителя: распределение задач, формальный контроль сроков, эскалация и так далее. То, в чем раньше помогали обычные детерминированные системы, сейчас будет усиливаться нейросетями, и постепенно полностью уйдет от человека. Поэтому если вас достал тимлид тем, что ничего не делает, только спрашивает: «Ну когда там?», то можете открывать шампанское, скоро эти вопросы вам будет задавать автопилот.

Но у менеджера есть важное свойство – он обладает легитимностью, потому что является участником системы управления. За принятые решения он отвечает репутацией и своим будущим. Если на очень автоматизированном молочном заводе в продукцию попадет инородный компонент (а такое, к сожалению, бывает) отвечать будет не робот и даже не наладчик конвейера, а управляющий. Ответственность не может быть делегирована за пределы человеческой системы власти. За решениями агентов ничего не стоит, они не несут никакого риска, поэтому какой бы идеальной ни была рекомендация, она навсегда останется рекомендацией. И чем больше в нашем мире будет сгенерированных рекомендаций, тем ценнее и важнее роль принимающего решения менеджера. Очень Senior Developer может проводить весь рабочий день соглашаясь с Клодом, у которого он попросил: «Create a product, make no mistakes», но в случае проблем уволят его, а Клод никуда не денется.

Младший и средний менеджмент в больших организациях во многом работает, как коммуникационный слой. Топ-менеджмент физически не может обладать информацией и принимать участие во всех процессах, пропускная способность любого человека ограничена. Информация должна агрегироваться на разных слоях, фильтроваться, часть решений должны приниматься на месте по формальным факторам. Но если эту часть берут на себя агенты, то организация будет «уплощаться», и вместо шести слоев управления может остаться три, потому что часть коммуникационных издержек исчезнет в принципе.

И сейчас, пристегните ремни, будет градостроительная метафора. При желании шестиэтажный дом тоже можно сплюснуть так, чтобы он стал высотой с трехэтажный, но жить в нем будет хуёво абсолютно всем, включая верхние этажи!

Социальный лифт дальше не идет, просьба освободить кабину

Благодаря тому, что начальные позиции лучше всего формализуются и заменяются, профессии расщепляются. Исследователи из Стэнфорда и ADP Research в августе 2025 года проанализировали payroll данные, чтобы понять как развитие ИИ реально влияет на занятость специалистов в наиболее затронутых отраслях.

Занятость младших разработчиков упала на 20% относительно пика 2022 года, младших сотрудников поддержки – на 11%. В тот же период занятость разработчиков возрастом 26-30 осталась прежней, а всех групп от 30 лет – повысилась.

Можно конечно подумать, что люди просто расхотели вкатываться в айтишечку, но звучит менее вероятно, чем сжатие найма за счет младшего персонала. Это подтверждается и данными постинга junior-вакансий, здесь нет точных данных и падение оценивают от 35% (Revelio Labs) до 67% (Stanford/ADP, IEEE Spectrum).

Идея может показаться свежей, зачем нам джуны, если LLM уже решают их задачи? Зачем нам первая линия поддержки, если мы можем заменить ее агентом? Зачем нам живые продавцы, если они все равно, как роботы, работают по скрипту?

Передавая AI простые формализуемые задачи мы своими руками ломаем нижнюю (а скоро и среднюю) ступень карьерной лестницы. Если бойлерплейты, дебаг и написание тестов больше не нужно делать человеку, то на чем набивать руку джунам? Если первая линия поддержки не нужна, то откуда появятся люди с глубоким знанием потребностей пользователей? Служба поддержки в любой компании – это кадровый резерв для всех сортов менеджеров, аналитиков, customer expierence. Этот эффект нам еще предстоит посчитать, но лично для меня поразительно, как легко компании разрушают саппорт, хотя эта позиция вообще уникальна, нигде в компании человек не оказывается одновременно вовлеченным и в собственный продукт, и в реальные потребности клиентов.

Структурный парадокс, с которым мы столкнемся уже через 5-10 лет состоит в том, что «уплощение» компаний ведет к росту потребности в senior специалистах, но без сегодняшних джунов завтра нам будет негде их получить. Forrester прогнозирует падение заявок на поступление на Computer Science специальности на 20%, и рост сроков заполнения вакансий вдвое.

Мы привыкли к тому, что университет дает только базу в обучении, или даже учит самой возможности обучаться всю жизнь. Сейчас, когда тренировать мозги на реальных задачах становится сложнее, понадобится перестройка образования, его роль впервые за последние десятилетия должна будет вырасти и стать более практической. Период онбординга (оплачиваемого, но условно бесполезного для компании времени работы персонала в найме) вырастет, а для тренировки новобранцев придется использовать тот же AI.

В этой части лично меня греет один момент: разворот от механизированных скриптами людей в сторону более человечных продаж и поддержки уже происходит. Сейчас компании, в которые можно позвонить или написать, чтобы поговорить с живым человеком, уже получают конкурентное преимущество. Процесс, конечно, не новый, Delivering Happiness вышла в 2010 году, но тогда подход Zappos, который полностью переложил маркетинговые деньги в customer service, был очень непопулярным.

Это все с человечеством уже было?

Если обратиться к философам и экономистам, которые работали в периоды прошлых промышленных революций, то сложно удержаться от проведения некоторых аналогий. Еще Адам Смит заметил, что формализация труда и разделение его на более простые части увеличивает производительность, но заставляет людей деградировать даже без автоматизации. Маркс пошел дальше, и решил, что машина не освобождает рабочего, а подчиняет его, становится в центре процесса, потому что именно она, а не рабочий теперь обладает «общественным знанием» – очень точная метафора современных LLM обученных на корпусе накопленных за всю историю человечества текстов. Фредерик Тейлор в 1911 году описал процесс, при котором знание «извлекается» из специалиста, превращается в набор формальных процедур и возвращается обратно человеку. Теперь уже не он, а процедура является носителем знания, а человека можно заменить в любой момент.

Операисты и постопераисты описывали достаточно утопическое будущее. Общественное знание, аккуратно собранное со всех людей, становится общественным же достоянием и освобождает людей. Уже не их труд, но оно само по себе является источником производства и прибыли. «Вкалывают роботы, счастлив человек!», – если хорошенько упростить. Реальность мы видим немного другой, знание действительно общественное, но стоимость токенов становится все выше, а владеют ими корпорации. Обобщенные знания стали средствами производства, но рабочим принадлежать не начали (и не начнут, спойлер).

Чем наша реальность отличается от концепций прошлого? В первую очередь – резкое ускорение процессов. Тейлору и не снилась скорость и легкость, с которой сегодня можно достать общественное знание и превратить его в веса моделей. При чем для этого даже не обязательно привлекать самих людей. Нейросеть отлично обучится на базе данных тикетов поддержки и локальной wiki, никакой опыт саппорта первой линии ей для этого не нужен. У нее уже есть все необходимые метрики для обучения: скорость ответа, NPS, отток пользователей. То же самое с разработкой и менеджментом процессов. Все, что мы с вами сделали за годы личного развития, может и будет использовано против нас!

Следующая проблема в том, что несмотря на опасения Смита, все предыдущие технические революции приводили к трансформации профессий в более интеллектуальные. Ещё никогда за всю историю развития общества, технологии на самом деле не упрощали процессы. Они сжимали количество операторов, но повышали требования к ним!

Рабочие сначала должны были обучиться станку (напомню, тогда люди массово не умели читать и писать!), а потом научиться станку с ЧПУ и тоже стать немного программистами. Бухгалтеры с появлением 1С никуда не делись, им пришлось обучаться новым процессам и развиваться (и тоже начать программировать). Технологии всегда охотились за ручным, физическим и не слишком интеллектуальным трудом. Счеты сменились арифмометрами, те – калькуляторами, потом экслем с формулами и скриптами. Но впервые главными жертвами инноваций стали по сути их авторы.

Последняя глава о том, как же это все херово (ну правда)

Когда-то давно тренер по публичным выступлениям кратко раскидал нам предстоящую большую презентацию: «Пашино дело нас в жопу засунуть, а Машино – вынуть». Сегодня я за двоих, так что прошу глубже за мной!

Сломанная внизу и в середине лестница сильно бьет по тем, кто живет выше всех. Функция топ-менеджмента по большей части не в том, что принято считать управлением. В основном она в создании смыслов (простите за банальность) и принятии ответственности. Качество топ-менеджера не абсолютно, а реляционно, и прямо связано с теми, кто его окружает. Суждения на этом уровне рождаются из множества диалогов с глубокими экспертами, находящимися на 1-2 уровня ниже него. Топ приносит стратегическую рамку, цели, ответственность и власть, а эксперт – доменное знание. Без одного-двух слоев умных людей высший менеджмент перестает приносить пользу и становится просто обузой с очень высокой зарплатой.

Последнее время в социальных сетях часто вижу, как люди собирают себе «совет директоров» из пяти агентов. Ну в целом я тоже в детстве собирал такой совет директоров из плюшевых мишек и играл с ними в монополию. Наверное и такая форма проведения досуга имеет право на существование, я вообще считаю, что можно заниматься любой хуйней, пока это не мешает другим.

Но отличие между экспертом и агентом в том же, в чем Тарантино от Наны Бананы – ответственность, репутация и собственное мнение. Эксперт спорит с менеджером, потому что он реально так считает и ставит на это свое будущее. Субъективная позиция – обязательное качество человека, которое здесь играет на пользу.

Представьте, что произойдет с качеством принятия решений топ-менеджера, если окружить его подхалимами, которые заглядывают в рот и соглашаются с каждым решением? Да, собственно, нам с вами, говорящим на русском языке, и представлять не надо, на результаты такого «управления» мы смотрим пятый год и будем это делать до тех пор, пока в окружении одного там менеджера не появится достаточно людей с критическим мышлением и табакеркой.

Так вот AI – это такой структурный подхалим. Он буквально создан для того, чтобы радовать пользователя, подыгрывать ему и использовать заданные паттерны. Он даже не может врать, потому что для обмана нужно сформировать намерение, а у нее просто нет и не может быть своего мнения (а когда оно появится, нас это не обрадует!). Вы конечно можете попросить спорить с вами, и она будет спорить, но не потому что считает иначе, а потому что… хочет вас порадовать. В принципе, подхалим может так же!

Вторая часть человеческой ценности – это неформализованные знания. Точнее сами факты могут быть описаны где-то в wiki, но важность тех или иных факторов часто является субъективным мнением специалиста.

Следующая проблема, которую возможно решат модели будущего: усреднение компетенций. Наш недоИИ улучшает и помогает внизу, вытягивая некомпетентность – в средней руки адекватность. Но она, будучи обученной на среднем знании, не тянет сложные задачи, и только человек может понять (а может не понять), где она перестает справляться.

Исследование проведенное в колл-центре в реальных условиях показало, что bottom 20% улучшили показатели на 35%, и здесь эффект абсолютно ожидаемый. Но исследование BCG проведенное на собственных консультантах, показало, что когда им начали помогать нейросети, они ухудшили свои результаты на 19% на задачах, находящихся за пределами возможностей LLM. Лучшие специалисты оказались не всегда способны распознать эту границу, мы все знаем, что нейросеть бывает очень убедительной!

Нейросети отлично усиливают самих экспертов, потому что те способны отделить сигнал от шума. Их удобно использовать для прикладных задач поиска информации, исследований, подтверждение источников и всего того, чем раньше занимались ассистенты.

Показатели внедрения ИИ вообще сильно меняются по мере перехода от лаборатории к реальному внедрению. MIT утверждает в исследовании, что 95% корпоративных внедрений дают нулевой результат. Goldman Sachs’s оценил вклад LLM в рост ВВП США в 2025 в ноль.

Сразу оговорюсь, объем инвестиций, показанный на графике, не может не оказать влияния на показатель ВВП. Каждый потраченный доллар так или иначе оказался в экономике. Мы говорим только о влиянии уже созданных продуктов.

Я обещал, что раздел будет последним, но не обещал, что коротким, так что продолжим!

Каждый, кто пользовался Stackoverflow заметил, как деградировали ответы, отравленные нейрослопом. И главная проблема не в самой генерации, а в том, что она не размечена.

Вообще мысль о том, что после 2022 года мы не видели и больше никогда не увидим «человеческий интернет» немного пугает, но не увидят его и современные нейросети! Все, что сейчас производится и обучается отравлено сразу при рождении. Человек является единственным источником незагрязненного машинами знания. А личная коммуникация – единственным способом эти знания передавать. Так что экономически именно наши ненадежные мозги становятся наибольшей ценностью, в том числе для развития самих моделей.

Нейронка – это праздник, всё летит в /dev/null!

Вернемся к Марксу, который говорил о трудовой теории стоимости, и сразу уйдем от него к маржинальной теории: цена определяется не трудом, а предельной полезностью и спросом на производимый продукт. Мы уже обсуждали эту концепцию в моем посте о переговорах, потому что она работает в любых отношениях, где есть (или должны быть) деньги.

Мы часто ругаем айтишников, и, разумеется, за дело, но в одном точно нет их вины: в разнице доходов с другими людьми.

Девелопер зарабатывает больше мебельщика не потому что он умнее, а потому что его продукт может масштабироваться практически с нулевыми затратами. Зарплата – это функция от ценности для потребителя, масштаба (спроса) и издержек на репликацию.

Информационная эпоха ломала привычную экономику реального мира тем, что предельная стоимость копии продукта стремилась к нулю. Цифровая экономика взлетела на этом и держалась последние тридцать лет. Именно стоимостью репликации объясняются запредельные (для реальной экономики) мультипликаторы IT-компаний.

Но золотая жила оказалась медной. LLM – первый софт в истории, который не просто делает стоимость репликации ощутимой, но и упирается в ограничения реального мира.

Каждая новая модель требует больше вычислительных мощностей. Закон Мура, кажется, перестает работать, потому что производительность процессора упирается (в том числе) в физику проводников. Потребление электричества бигтехами колоссально и по прогнозам вырастет втрое к 2035 году. Чтобы покрыть этот спрос в США нужно построить в полтора раза больше ядерных реакторов. Запуск каждого из которых – это годы проектирования, согласований и регуляторных барьеров.

В 2030 году дата-центры будут потреблять до 3% всей мировой меди: одна стойка NVidia GB200 требует трех километров медного кабеля. Да, деньги есть, это копейки по сравнению с затратами на остальную инфраструктуру, но новая медная шахта разрабатывается в США в среднем 19 лет до начала добычи. Дефицит к 2040 году обещают в районе 25% от мирового спроса. И это фактор, который нельзя обойти ни деньгами, ни интеллектуальными усилиями.

Кто виноват – понятно, но что делать?

Вообще говоря, я не знаю, поэтому и написал эту длинную подводку, чтобы мы в комментариях смогли найти приемлемый способ борьбы с роботами, которые спят и видят электрических овец как бы забрать нашу работу! Но кое какие идеи, взятые из наблюдений за миром у меня есть.

Делать нужно ровно то, что всегда нужно было делать, но из-за огромного дисбаланса спроса и предложения, прокатывало и так!

AI на самом деле не создает новых требований, он убирает ширму, за которой можно было прятаться.

Власть. И снова нет покоя рабочему классу, друзья. Когда снизу и в середине будут бушевать сокращения, наверху продолжат раздавать бонусы. Потому что чем сильнее автоматизация, чем больше процессов передается автономным агентам, тем хуже будет понятно, кто конкретно принял решение и тем важнее человек, как финальная точка.

Инициатива. Очевидное отличие человека от агента в том, что он может сам начать действовать, потому что видит проблему, которую может и хочет решить. Нейросеть отвечает, когда ее об этом спросили. Даже если попросить ее проявить инициативу, это будет ответ на запрос, а не реальное желание. У модели нет собственной воли к действию, стремления к изменению мира. Потому что у нее нет мира, в который стоило бы вмешиваться, нет реальности, нет ставок и нет последствий. Ей все равно, примерно как подхалиму, которого мы обсуждали выше (но даже у него ставки выше, чем у LLM).

Границы формализуемого. Как бы страшно ни звучало, но всем придется стать немного гуманитариями. Чем больше в вашей работе неформализуемых параметров, тем лучше она защищена от нашествия искусственного интеллекта. Чем лучше результат при «неизвестном ТЗ», тем ценнее вы, как специалист. Потому что получить «ХЗ» теперь можно за 20 долларов в месяц.

Менеджмент. Я рискну выделить это в отдельный пункт, потому что всем придется стать и менеджерами тоже. Но есть и хорошая новость для тех, кто презирал своих начальников! Основной аргумент, который я слышал, заключался в том, что чайка-менеджмент (который в приличных местах называют надзорным) не нужен. Это всегда, в принципе, могли делать автоматические триггеры в Jira, а сейчас они могут генерировать глупые вопросы более разнообразно. Вы выиграли! Правда, приз оказался другим, Ганс, менеджеры – это теперь вы.

Бег быстрее медведя. Нас часто пытаются успокоить тем, что развитие нейросетей не убирает рабочие места и даже создает новые, поэтому найм – это игра с ненулевой суммой. В теории все так, но на практике, когда на одну позицию приходит 200 резюме, а с оффером останется только один, для каждого из кандидатов она нулевая. Мы не можем платить ипотеку долей от макроэкономического роста. И правильный вопрос не «останется ли профессия разработчика или маркетолога?», а «будет ли работа лично у меня?».

Ответственность. То самое, что останется с нами надолго. Позиции, которые берут на себя ответственность за бизнес, продукт и могут объяснить в чем заключается их (и команды) влияние на конечный результат. Если раньше менеджер, лавирующий между этажами, мог долго выживать за счет создания слоя коммуникации, то сейчас ему придется наконец-то начать «менеджерить» и принимать собственные решения.

Раньше Senior Developer мог делать вид, что его должность – это признание того, что он кодит лучше всех, а сейчас ему придется понять, что она означает принятие ответственности за себя, команду и итоговый результат. Сделать, что попросили может и Claude, а аргументированно защитить свою позицию – только человек.

То, что многие из нас считали отвлечением от работы (я пишу код, а терпеть продакта не моя задача) на самом деле оказалось работой. То, что считалось работой (написание кода) теперь решается базовым инструментом. Какое-то время можно выезжать на добавленной скорости: я сегодня могу выдавать в десять раз больше кода с LLM, чем вчера. Но это временное успокоение, реальная ценность лежит не здесь!

«Неужели в две тысячи первом году нам заменят сердца на транзисторы?»

Мы слишком долго пытались приблизиться к машине по качеству рационального мышления! Теперь мы, наконец-то, можем вернуться к себе, к не идеальному белковому телу с собственным суждением, интеллектом, ошибками, которое работает на бокале вина и хорошем стейке, и не требует отдельной медной шахты для ответа на абстрактный вопрос!