Масштаб неопределенности хорошо виден на простом примере. Студент, поступивший в университет в 2026 году, придет на рынок труда примерно в 2030-м. Однако искусственный интеллект развивается так быстро, что сегодня трудно уверенно сказать, как изменится профессия к тому времени. Часть нынешних задач уже выполняет ИИ, часть может исчезнуть, а требования к новым специалистам еще только формируются.
По данным Stanford AI Index 2026, искусственный интеллект используют 88% обследованных организаций, а генеративный ИИ хотя бы в одной бизнес-функции – 70%. Спор о том, можно ли остановить распространение ИИ, на этом фоне становится все более теоретическим. Технология уже встроена в экономику и повседневную работу. В практическом смысле точка невозврата, похоже, пройдена. Но за ней пока не видно нового устойчивого порядка.
Есть как минимум семь областей, где последствия происходящего остаются неясными: технология, труд, экономика, образование, производство знания, управление и сам человек. Причем решения, полезные для одной системы, способны создавать проблемы в другой. Автоматизация повышает производительность, но может закрыть вход в профессию. ИИ помогает учиться, но одновременно позволяет обходить часть самостоятельной интеллектуальной работы. Алгоритмическое управление обещает эффективность, но ставит вопрос о границах человеческого выбора.
По отдельности эти проблемы выглядят решаемыми. Гораздо тревожнее то, что они способны усиливать друг друга.
1. Технология: кто будет задавать скорость
Пока развитием ИИ управляет человек. Он ставит цели, выбирает направления исследований, проектирует модели и оценивает результат. Но все большую часть работы внутри этого процесса уже выполняют сами машины.
Anthropic сообщала, что к маю 2026 года Claude генерировал более 80% кода, который затем попадал в кодовую базу компании. Рассматривается и более радикальный сценарий – рекурсивное самоулучшение, когда ИИ начинает участвовать в создании следующих поколений самого себя.
В OpenAI к середине августа 2026-го суммарное время работы программных агентов, пересчитанное на восьмичасовой рабочий день, достигло 3,1 агентского дня на один человеческий рабочий день исследователя. Это не означает, что машина заменила сотрудника. Но заметная часть задач, еще недавно требовавших непосредственного участия человека, уже может выполняться автономно.
Главным звеном системы остается человек. Вопрос – надолго ли. Если ИИ возьмет на себя значительную часть работы по созданию новых моделей, изменится не только их мощность. Может резко измениться и скорость развития.
С этим обычно связывают один из возможных путей к технологической сингулярности: машина начинает заметно влиять на темп собственной эволюции. Дойдет ли развитие ИИ до такой стадии, неизвестно. Но автоматизация разработки новых моделей уже перестала быть чисто футурологическим сюжетом.
2. Труд: кризис востребованности
Разговор об ИИ и занятости часто сводят к подсчету профессий, которые исчезнут. Это слишком простая постановка вопроса.
По оценке Международной организации труда (International Labour Organization, ILO), примерно каждый четвертый работник в мире занят в профессии, в той или иной степени подверженной воздействию генеративного искусственного интеллекта. И наиболее вероятным итогом ILO считает не исчезновение профессий, а изменение набора задач внутри них.
В России перестройка пока находится на более ранней стадии. Исследование более 700 тыс. вакансий, проведенное НИУ ВШЭ, показало, что ИИ-навыки упоминаются менее чем в 3% предложений работодателей, хотя спрос на них растет. Согласно другому исследованию ВШЭ, в 2023–2024 годах инструментами генеративного ИИ в работе пользовались уже 11% занятых россиян. Пока это скорее говорит не о массовом вытеснении человека, а о постепенном изменении содержания труда.
Если начинающим специалистам перестанет хватать места на рынке труда, возникнет новая проблема: где будут набираться опыта будущие профессионалы?
©ChatGPT / ПрофильИИ еще не отменяет профессии, но уже заметно меняет их содержание. Редактор меньше времени тратит на поиск и расшифровку, аналитик – на первичную обработку данных, программист – на написание кода вручную.
Самое тревожное происходит в начале профессиональной карьеры. Stanford AI Index фиксирует к 2026-му почти 20-процентное снижение занятости американских разработчиков в возрасте 22–25 лет по сравнению с 2024 годом. Молодые специалисты в наиболее автоматизируемых профессиях сегодня испытывают особенно сильное давление.
Но профессиональный рост начинается именно с тех задач, которые ИИ забирает в первую очередь. Компетенции появляются постепенно – от простых поручений к все более сложным. Человек учится не только на успехах, но и на ошибках. Так формируются самостоятельность и готовность брать на себя больше ответственности.
Если junior становится экономически не нужен, как через 10 лет появится senior? Если значительную часть типовой работы младшего юриста делает нейросеть, на чем будет набираться опыта будущий партнер юридической фирмы? То же касается аналитиков, инженеров, врачей, журналистов – и множества других профессий.
Автоматизируя простую работу, экономика рискует сломать механизм подготовки тех, кто должен выполнять сложную. Это уже больше, чем проблема занятости. Возникает парадокс востребованности человека: результат интеллектуального труда остается необходимым, а участие человека в его создании постепенно перестает быть обязательным.
3. Экономика: кому достанется выигрыш
ИИ меняет не только рынок труда. Он начинает менять устройство самого предприятия.
Значительную часть интеллектуальной работы можно масштабировать без пропорционального увеличения штата. Специалист с несколькими агентами способен выполнить объем работы, для которого прежде требовалось несколько человек. Небольшая команда получает возможности, ранее доступные лишь более крупной организации.
Для отдельного бизнеса логика такого перехода очевидна: снизить издержки на единицу результата, повысить скорость работы и производительность.
Рост производительности может позволить компаниям выполнять прежний объем работы меньшим числом сотрудников
©ChatGPT / ПрофильРоссийская статистика уже показывает, что различные последствия внедрения ИИ проявляются с разной скоростью. По данным Росстата в обработке ИСИЭЗ НИУ ВШЭ, в 2025 году технологии ИИ использовали около 5,2% крупных и средних организаций. Из них 62,7% сообщили о росте качества и эффективности бизнес-процессов, 24,1% – о повышении производительности труда. При этом сокращение численности работников отметили только 9,1% компаний. Получается, эффект производительности пока проявляется заметно чаще, чем эффект вытеснения труда.
Для экономики в целом все сложнее. Если ИИ позволит производить больше товаров и услуг меньшим числом людей, возникнет вопрос, который выходит далеко за рамки рынка труда. Значительную часть доходов население получает в виде зарплаты. Но что произойдет, если для прежнего объема работы понадобится все меньше работников?
Бизнес получит возможность снижать издержки и наращивать выпуск. А доходы тех, кто должен покупать произведенные товары и услуги, могут расти гораздо медленнее. Чем дальше зайдет автоматизация, тем заметнее рискует стать разрыв.
Пока это лишь один из возможных сценариев. Но он ставит перед экономикой вполне практический вопрос: как сохранить массовый спрос, если потребность в человеческом труде будет сокращаться?
4. Образование: функциональное упрощение
Образование всегда немного отставало от технологий. Университеты и школы не могут менять программы с той же скоростью, с какой меняется рынок труда.
Но появление общедоступных нейросетей нанесло учебным заведениям неожиданный удар. Теперь устаревать может не только содержание программ, но и сам способ получения знаний. Ученик или студент может сразу получить готовый текст, решение или аргументацию, минуя часть интеллектуальной работы, ради которой задание вообще было дано.
Организация экономического сотрудничества и развития (Organisation for Economic Co-operation and Development, OECD) предлагает заново определить, какие знания и навыки человеку следует преподавать в мире мощного ИИ, какие компетенции быстро теряют ценность и какие, напротив, становятся важнее.
Но даже идеально обновленная программа не решает главной проблемы: ИИ может улучшать результат обучения, не улучшая само обучение. В OECD Digital Education Outlook 2026 отмечается, что хороший результат задания или экзамена, выполненного с помощью GenAI, еще не означает сопоставимого роста знаний и навыков.
ИИ уже вошел в повседневную жизнь школьников быстрее, чем система образования успела выработать правила работы с ним
©ChatGPT / ПрофильВ России этот разрыв также заметен. По данным Института образования НИУ ВШЭ, более половины российских подростков ежедневно используют генеративные нейросети. В сентябре 2026-го Минпросвещения выпустило рекомендации, согласно которым ИИ должен помогать школьнику разбираться в материале, а не выполнять за него задания. Педагогам разрешено ограничивать использование нейросетей там, где ученику необходимо самостоятельно анализировать, аргументировать или демонстрировать знания. Технология уже вошла в повседневную жизнь школьников, а система образования только вырабатывает правила сосуществования с ней.
Человек при этом не обязательно становится менее способным. Он просто все реже выполняет некоторые операции самостоятельно. Это можно назвать функциональным упрощением: сложный результат остается доступным, но часть функций, которые раньше требовались для его получения, перестают регулярно использоваться, соответственно, снижается тренированность.
Запрет ИИ проблему не решит. Школьник или студент все равно окажется в мире, где нейросети будут частью работы. Значит, образованию придется сознательно сохранять за человеком некоторые интеллектуальные операции именно потому, что машина уже умеет выполнять их лучше и быстрее. Например, с помощью специальных образовательных чат-ботов, которые могут стать обязательным инструментом и для учебы, и для контроля знаний.
5. Знание: производство может обогнать понимание
Научное знание всегда производилось медленно. Нужно было сформулировать гипотезу, изучить публикации, спроектировать эксперимент, обработать результаты, проверить их и только потом двигаться дальше. ИИ способен ускорить сразу несколько этапов.
В мае 2026 года Google DeepMind представила Co-Scientist – многоагентную систему, которая не ограничивается поиском публикаций, а генерирует, сопоставляет и развивает научные гипотезы.
Нейросети быстро становятся обычным инструментом и в российской науке. В опросе ИСИЭЗ НИУ ВШЭ, проведенном в мае 2026 года среди 1209 ученых из вузов и НИИ, 85% респондентов сообщили, что уже используют такие технологии, а 84% обращаются к генеративным моделям и сервисам на их основе. Чаще всего к ним прибегают для поиска и обобщения литературы, подготовки текстов и перевода, а не для самостоятельного проведения исследований. Но технология уже вышла далеко за пределы нескольких передовых лабораторий и становится частью повседневной научной практики.
Нетрудно представить следующий уровень такой автоматизации. Одна система предлагает гипотезы, другая моделирует возможные результаты, третья проектирует эксперимент, четвертая анализирует полученные данные. Пока это скорее направление развития, чем сложившаяся научная практика. Но оно создает новую проблему.
Что произойдет, если скорость производства знания станет выше скорости его человеческого осмысления и практического применения?
Научный результат может быть полезным, воспроизводимым и экспериментально подтвержденным, а вся цепочка рассуждений, которая к нему привела, – слишком сложной для отдельного человека. Еще труднее будет успевать проверять, сопоставлять и внедрять быстро растущий поток таких результатов.
Черным ящиком окажется уже не только нейросеть. Частично им может стать сама система производства науки.
6. Управление: диктатура целесообразности
Для государства возможности ИИ почти идеально совпадают с характером многих управленческих задач. Миллионы записей, расчет рисков, поиск отклонений, распределение бюджетов и ресурсов – именно такую работу алгоритмы выполняют особенно хорошо.
Исследовательская компания Gartner прогнозирует, что к 2028 году не менее 80% правительств будут использовать ИИ-агентов для автоматизации рутинных решений. При этом к 2029 году 70% государственных организаций будут требовать объяснимости ИИ и участия человека в автоматизированных решениях, влияющих на граждан.
Чем больше решений принимается с помощью алгоритмов, тем острее вопрос об ответственности. Гражданину недостаточно знать, что система отклонила его обращение. Нужна возможность понять, почему это произошло, возможность оспорить результат и найти человека, который вправе изменить решение.
Но автоматизация может развиваться постепенно и почти незаметно. Сначала система советует чиновнику. Потом ранжирует варианты. Затем один из них получает настолько явное преимущество по расчетам системы, что выбор другого уже требует отдельного объяснения.
Человек формально продолжает принимать решение, хотя набор допустимых вариантов все сильнее формирует машина. Возникает риск появления алгоритмической диктатуры целесообразности. Не потому, что алгоритм захватил власть, а потому, что рассчитанный им оптимальный вариант начинает автоматически восприниматься как правильный.
Для жесткой системы контроля не требуется никакого сверхразума. Достаточно объединить большие массивы данных о людях, прогнозировать их поведение и автоматически определять условия доступа к ресурсам и сервисам.
Не обязательно что-то прямо запрещать. Можно изменить категорию риска, рейтинг, очередность или условия доступа к услуге. Внешне такое управление может выглядеть даже мягче прежнего: запрет исчезает как отдельное решение, а ограничение становится частью самой системы.
Неопределенность в этой сфере возникает там, где эффективность алгоритма входит в конфликт с правом человека на понятное, оспоримое и действительно человеческое решение.
7. Человек: антропологическое банкротство
Люди давно выносят часть собственного мышления наружу. Письменность стала внешней памятью. Калькулятор избавил от части вычислений. Интернет позволил экономить время на поиске информации и походах в библиотеки.
Нейросеть отличается тем, что ей можно передать уже не одну функцию. Она вспоминает, сравнивает, анализирует, формулирует, предлагает варианты и помогает выбирать между ними. На этом строится коинтеллект – совместный интеллектуальный контур человека и ИИ. Машина берет на себя операции, которые выполняет быстрее, человек сохраняет цель, критическую оценку и ответственность.
Следующий шаг – нейроантроп: человек, функционально меняющийся благодаря постоянному взаимодействию с внешним машинным интеллектом. В этом сценарии ИИ расширяет человеческие возможности. Но вместо расширения можно получить замещение.
Пока нейросеть помогает человеку делать то, с чем он способен справиться и самостоятельно, речь идет об усилении. Положение меняется, когда без машинной поддержки эта способность постепенно начинает слабеть.
Навигатор в смартфоне сделал передвижение по незнакомому городу проще, но одновременно позволил миллионам людей почти перестать запоминать маршруты. С генеративным ИИ подобный эффект может затронуть уже не пространственную память, а формулирование мысли, анализ информации или выбор решения.
Поэтому так важна способность работать с ИИ без самообмана. Машинный ответ должен оставаться материалом для проверки, а не превращаться в неподсудную истину. Предельное состояние можно назвать антропологическим банкротством. Человек никуда не исчезает. Он сохраняет права, работу, социальный статус и доступ к огромному объему интеллектуальных возможностей. Но значительную часть функций, на которых держится его самостоятельность, уже способен воспроизводить только вместе с машиной.
Последняя неопределенность поэтому касается уже не возможностей ИИ, а самого человека: останется ли машина продолжением его способностей или постепенно станет условием, без которого прежний уровень интеллектуальной самостоятельности окажется недостижим.
Когда скорости расходятся
Перечисленные выше семь неопределенностей сходятся в одном: технология, экономика, рынок труда, образование, наука, государство и человек меняются с разной скоростью, и разрыв между этими изменениями становится все заметнее.
Цивилизация и раньше переживала технологические революции, кризисы, перестройку рынка труда и смену социальных норм. Новизна нынешней ситуации в другом: ИИ одновременно затрагивает несколько взаимозависимых систем и ускоряет изменения внутри каждой из них.
Такое состояние можно назвать генеративной сингулярностью – периодом, когда вызванные ИИ технологические, экономические, социальные и когнитивные изменения развиваются быстрее, чем общество успевает выстраивать между ними новое равновесие.
Руководители крупнейших ИИ-компаний не раз предупреждали об опасности слишком быстрого развития нейросетей и призывали дать обществу время на адаптацию. Но речь шла прежде всего о рисках самой технологии. Здесь масштаб шире: скорость становится проблемой уже не только для разработчиков ИИ, а для всей системы общественных отношений.
Опасность возникает, когда изменения начинают усиливать друг друга. Решение одной проблемы создает новую в соседней сфере, а времени на поиск нового равновесия остается все меньше.
Тогда управляемая перестройка рискует превратиться в системный хаос. Не обязательно в форме катастрофы или обрушения институтов. Гораздо вероятнее другое: они сохраняют привычную форму, но постепенно перестают нормально взаимодействовать.
После точки невозврата
Для такого кризиса не требуется восстание машин. Университеты продолжат выдавать дипломы. Компании – нанимать сотрудников. Государства – принимать законы. Научные журналы – публиковать исследования. Но сохранение формы еще не означает сохранения функции.
Искусственный интеллект при этом нельзя сводить к источнику угроз. Он способен повышать производительность, ускорять науку, расширять человеческие возможности, улучшать образование и управление. Выбора между жизнью и работой вместе с ИИ и без него практически уже нет.
Придется искать границы внутри самой технологии: что разумнее передать машине, что человек должен сохранить за собой и где выигрыш в эффективности начинает подрывать устойчивость системы.
Точка невозврата, похоже, уже пройдена. Но будущее еще не предопределено. Если новое равновесие удастся найти, генеративная сингулярность останется периодом тяжелой, но управляемой перестройки. Если нет – источником кризиса станет не сверхразум и не восстание машин, а неспособность созданных человеком институтов приспособиться к новой интеллектуальной среде.
