dmitry prikotov
Мы разбираемся, почему пророки конца профессии программиста на самом деле невольно пишут собственные уведомления о сокращении…
Оракулы Кремниевой долины и их мемные образы
«В будущем каждый станет всемирно известным на 15 минут». — Энди Уорхол, который, без сомнения, предсказал вирусную славу техно-CEO, неловко пялящихся на партнёров своих коллег.
«Через 12–18 месяцев мы достигнем момента, когда большую часть кода в таких проектах будет писать ИИ». Так заявил Марк Цукерберг в январе 2025 года — незадолго до того, как прославился на весь интернет благодаря кадру, на котором, как кажется, он разглядывает декольте невесты Джеффа Безоса во время инаугурации Трампа. Этот момент породил бесчисленные мемы, шутки и даже получил собственную страницу на Know Your Meme.
Цукерберг — далеко не единственный в своих пророчествах об ИИ и таланте становиться героем мемов. Dario Amodei, CEO Anthropic, недавно заявил: «Через 3–6 месяцев ИИ будет писать 90% кода, а через год — почти весь». Тем временем Дженсен Хуанг из NVIDIA — человек, чья кожаная куртка породила почти столько же мемов, сколько социальные неловкости Цукерберга, и стоит ни много ни мало $8,990 — посоветовал молодёжи вовсе отказаться от программирования в пользу биологии, образования или фермерства, как будто эти области чудесным образом защищены от технологических преобразований.
Любопытнее всего, как эти заявления с энтузиазмом подхватывают две специфические группы: средние менеджеры, которые не писали ничего сложнее формулы в Excel, и комментаторы особого рода, давно раздражённые «привилегиями программистов», но при этом упрямо отказывающиеся узнать, что такое "шаблон проектирования".
# Анализ энтузиазма по поводу предсказаний «ИИ заменит программистов»
def проанализировать_энтузиазм_по_замене_программистов():
"""
Исследуем, кто больше всего радуется идее замены программистов ИИ
"""
энтузиазм_по_группам = {
"технические_руководители": {
"уровень_энтузиазма": 0.85,
"основная_мотивация": "Снижение затрат при сохранении руководящих позиций",
"опыт_программирования": "Незначительный или отсутствует за последнее десятилетие",
"способность_генерировать_мемы": "Высокая — особенно при взглядах на партнёров коллег"
},
"средний_менеджмент": {
"уровень_энтузиазма": 0.92,
"основная_мотивация": "Избавиться от тех, кто постоянно указывает на дыры в их планах",
"опыт_программирования": "Однажды редактировал HTML-файл в 2007 году",
"способность_генерировать_мемы": "Средняя — в основном через фейлы в PowerPoint"
},
"бизнес_комментаторы": {
"уровень_энтузиазма": 0.95,
"основная_мотивация": "Кликабельные заголовки и зависть к техническим зарплатам",
"опыт_программирования": "Просил ChatGPT написать «Hello World» один раз",
"способность_генерировать_мемы": "Низкая — но компенсирует уверенной ошибочностью"
},
"настоящие_программисты": {
"уровень_энтузиазма": 0.35,
"основная_мотивация": "Избавление от скучных, рутинных задач",
"опыт_программирования": "Обширный и актуальный",
"способность_генерировать_мемы": "Высокая — но ограничена шутками для гиков"
}
}
# Вычисляем зависимость между энтузиазмом и опытом программирования
группы = list(энтузиазм_по_группам.keys())
уровни_энтузиазма = [энтузиазм_по_группам[г]["уровень_энтузиазма"] for г in группы]
# Упрощённое вычисление обратной зависимости
обратная_зависимость = sum([
энтузиазм_по_группам[г]["уровень_энтузиазма"]
* (1 if энтузиазм_по_группам[г]["опыт_программирования"] == "Обширный и актуальный" else 0)
for г in группы
]) < 0.5
return {
"группы": энтузиазм_по_группам,
"обратная_зависимость_присутствует": обратная_зависимость,
"вывод": "Энтузиазм по поводу замены программистов ИИ обратно пропорционален пониманию того, что такое программирование на самом деле"
}А что если повернуть это пророчество в другую сторону? Давайте разберёмся, почему те, кто предсказывает апокалипсис для программистов, на самом деле описывают собственную скорую ненужность.
Средний менеджмент: идеальный полигон для ИИ
«Технологии подчиняются двум типам людей: тем, кто понимает, но не управляет, и тем, кто управляет, но не понимает.» — Закон Патта, в котором отлично объясняется, почему именно менеджмент стал зрелой целью для замены искусственным интеллектом.
Что именно делает среднестатистический менеджер среднего звена? Давайте разберём эту роль с той самой хирургической точностью, которую она заслуживает:
# Анализ типичных задач менеджмента среднего звена и их автоматизируемости ИИ
def проанализировать_функции_среднего_менеджмента():
"""
Оценка ключевых функций среднего менеджмента и их уязвимости к замене ИИ
"""
функции_менеджмента = {
"анализ_данных": {
"описание": "Смотреть на таблицы и делать вид, что понимаешь тренды",
"сложность": "Средняя, но утомительная",
"основано_на_шаблонах": True,
"заменяемо_ИИ": 0.98,
"примечание": "ИИ действительно поймёт статистику — в отличие от большинства менеджеров"
},
"распределение_ресурсов": {
"описание": "Распределять задачи на основе того, кто меньше жалуется",
"сложность": "Низкая, но политически напряжённая",
"основано_на_шаблонах": True,
"заменяемо_ИИ": 0.95,
"примечание": "ИИ оптимизировал бы по эффективности, а не по принципу «кто покупал выпивку в пятницу»"
},
"оценка_эффективности": {
"описание": "Ежегодный ритуал превращения субъективных суждений в якобы объективные",
"сложность": "Средне-низкая",
"основано_на_шаблонах": True,
"заменяемо_ИИ": 0.90,
"примечание": "ИИ хотя бы последовательно применял бы выбранные произвольные метрики"
},
"стратегическое_планирование": {
"описание": "Создание презентаций с амбициозными стрелками, направленными вверх",
"сложность": "Средняя",
"основано_на_шаблонах": True,
"заменяемо_ИИ": 0.85,
"примечание": "Прогнозы ИИ, возможно, хотя бы имели бы статистическую обоснованность"
},
"посещение_встреч": {
"описание": "Сидеть на совещаниях и параллельно проверять почту",
"сложность": "Низкая",
"основано_на_шаблонах": True,
"заменяемо_ИИ": 0.99,
"примечание": "ИИ мог бы автоматически кивать и вставлять «верно подмечено» в нужные моменты"
}
}
# Расчёт средней степени заменяемости
всего_заменяемость = sum(function["заменяемо_ИИ"] for function in функции_менеджмента.values())
средняя_заменяемость = всего_заменяемость / len(функции_менеджмента)
return {
"функции": функции_менеджмента,
"средняя_заменяемость_ИИ": средняя_заменяемость,
"вывод": f"Функции среднего менеджмента примерно на {средняя_заменяемость*100:.1f}% автоматизируемы с помощью современных ИИ-технологий"
}
Неудобная правда в том, что работа среднего менеджмента в основном сводится к распознаванию шаблонов, анализу данных и принятию решений на основе ограниченного набора переменных — а именно в этом современные ИИ особенно сильны. То самое «стратегическое мышление», которым так гордятся в профилях на LinkedIn, чаще всего представляет собой просто узнавание знакомых схем, сформировавшихся за годы присутствия на совещаниях, где ничего не происходило.
Когда менеджеры утверждают, что их «экспертные знания» незаменимы, по сути они говорят: «Я умею распознавать типичные корпоративные ситуации». Но именно в этом — в распознавании шаблонов — машинное обучение преуспевает лучше всего. И, в отличие от людей, ИИ не нуждается в том, чтобы оправдывать своё существование напыщенной и запутанной речью.
Когнитивные искажения, из-за которых менеджмент созрел для замены
«Человек с одними часами знает, который час. Человек с двумя — уже не уверен.» — Закон Сигала, точная метафора того, как менеджмент взаимодействует с данными.
В отличие от человеческих менеджеров, ИИ не страдает от когнитивных искажений, которые систематически искажают управленческие решения. Причём это не просто теоретические абстракции — эти искажения тщательно задокументированы, детально изучены и на практике подрывают эффективность менеджмента.
# Сравнение процесса принятия решений человеком-менеджером и ИИ
def сравнить_процессы_принятия_решений():
"""
Сравнение подходов к принятию решений между менеджерами-людьми и ИИ-системами
"""
когнитивные_искажения = {
"предвзятость_подтверждения": {
"описание": "Видеть только те данные, которые подтверждают уже имеющиеся убеждения",
"пример_менеджера": "Это исследование рынка не отражает нашу аудиторию",
"подход_ИИ": "Анализирует все доступные данные, даже если они противоречат предыдущим выводам",
"научные_данные": "Влияет даже на экспертов и сохраняется несмотря на осознание (Nickerson, 1998)"
},
"ошибка_невозвратных_издержек": {
"описание": "Продолжать провальный проект, потому что уже потрачены миллионы",
"пример_менеджера": "Мы слишком много вложили в метавселенную, чтобы остановиться",
"подход_ИИ": "Оценивает варианты исключительно по ожидаемой будущей выгоде",
"научные_данные": "Документировано в крупных корпоративных инвестициях (Arkes & Blumer, 1985)"
},
"самоуверенность": {
"описание": "Абсолютная уверенность вопреки очевидным контраргументам",
"пример_менеджера": "Поверьте, поворот в сторону крипты точно сработает",
"подход_ИИ": "Предоставляет интервалы уверенности и распределения вероятностей",
"научные_данные": "Особенно характерно для топ-менеджмента (Camerer & Lovallo, 1999)"
},
"групповое_мышление": {
"описание": "Все соглашаются с самым высокооплачиваемым человеком в комнате",
"пример_менеджера": "Генеральный считает, что идея отличная — значит, делаем",
"подход_ИИ": "Не стремится к социальному одобрению и не боится противоречить авторитету",
"научные_данные": "Ключевой фактор корпоративных катастроф, например краха Swissair"
},
"якорный_эффект": {
"описание": "Сильная привязка к первой полученной информации",
"пример_менеджера": "Продажи за прошлый квартал должны быть нашей точкой отсчёта",
"подход_ИИ": "Взвешивает все релевантные исторические данные адекватно",
"научные_данные": "Влияет на ценообразование, переговоры и прогнозы (Tversky & Kahneman, 1974)"
}
}
# Сценарий оценки проекта человеком
оценка_проекта_человеком = """
1. Изучает метрики проекта (в первую очередь те, что подтверждают любимую идею менеджера)
2. Вспоминает анекдоты и частные случаи, подтверждающие свою точку зрения
3. Учитывает политические последствия решения в корпоративной иерархии
4. Придаёт вес мнению старших руководителей независимо от их компетентности
5. Принимает решение с оглядкой на собственные карьерные перспективы
"""
# Сценарий оценки проекта ИИ
оценка_проекта_ии = """
6. Анализирует все доступные данные проекта без предпочтений (миллионы строк против десятков)
7. Объективно сопоставляет исторические показатели с прогнозами
8. Рассчитывает ожидаемую ценность всех вариантов с помощью вероятностных моделей
9. Предлагает решение с прозрачной, воспроизводимой логикой
10. Не принимает во внимание офисную политику или карьерные цели
"""
return {
"искажения": когнитивные_искажения,
"процесс_человека": оценка_проекта_человеком,
"процесс_ии": оценка_проекта_ии,
"вывод": "ИИ-системы в принципе менее подвержены когнитивным искажениям, подрывающим качество управленческих решений"
}Вспомните некоторые впечатляющие корпоративные провалы последних лет: миллиарды, вложенные в виртуальную реальность, которую никто не просил; сервисы по вызову такси, не предугадали очевидные действия регуляторов; или техногиганты, проспавшие ИИ-революцию и затем судорожно пытавшиеся наверстать упущенное. Это были не технические сбои, а провалы управленческого мышления — искажённого предвзятостью подтверждения, избыточной самоуверенностью и групповым мышлением.
Ошибка невозвратных издержек — наша склонность продолжать инвестировать в заведомо неработающий проект, лишь бы не признавать поражение — считается одним из ключевых факторов гибели древних цивилизаций. И, возможно, она же становится решающим фактором для выживания современных организаций. ИИ-системы принимают решения, опираясь на вероятности и ожидаемую выгоду, а не на эго или страх показаться глупым. Они не продолжают провальные стратегии из-за эмоциональной привязанности и не отбрасывают перспективные идеи только потому, что они исходят от сотрудников с низким статусом.
Мозг примата: он не предназначен для корпоративного управления
«Человек — не рациональное существо, а рационализирующее.» — Роберт А. Хайнлайн, о каждом менеджере, когда-либо защищавшем провальную стратегию.
Существует фундаментальная биологическая причина, по которой человеческое управление столь несовершенно: наш мозг эволюционировал для координации небольших групп охотников-собирателей, а не сложных корпоративных иерархий.
Исследования Робина Данбара и его гипотеза «социального мозга» показывают, что размер нашего неокортекса ограничивает нас возможностью поддерживать примерно 150 стабильных социальных связей — то, что он называл «кланом». Тем не менее современные менеджеры нередко пытаются руководить организациями, значительно превышающими этот биологический предел.
Это ограничение известно как «число Данбара» — около 150 — и отражает максимальное количество отношений, которые человек способен поддерживать одновременно. Этот предел стабильно проявляется в естественно формирующихся сообществах в разных сферах и культурах — от племён до армейских подразделений.
# Анализ биологических ограничений управленческих способностей человека
def проанализировать_биологические_ограничения_менеджмента():
"""
Исследование того, как эволюция человеческого мозга ограничивает эффективность управления
"""
уровни_управления = {
"управление_командой": {
"типичный_размер": 5-9,
"эволюционный_аналог": "Ближайшая семейная группа",
"эффективность": "Высокая — в пределах когнитивных возможностей человека",
"примечание": "Близко к оптимальному размеру для прямого управления"
},
"управление_отделом": {
"типичный_размер": 20-50,
"эволюционный_аналог": "Группа охотников-собирателей",
"эффективность": "Средняя — на грани возможного, требует структуры",
"примечание": "Необходимы формализованные процессы для поддержания эффективности"
},
"управление_подразделением": {
"типичный_размер": 100-500,
"эволюционный_аналог": "Клан/деревня (превышает число Данбара)",
"эффективность": "Низкая — выходит за пределы естественных когнитивных возможностей",
"примечание": "Сильно зависит от абстракций и упрощений"
},
"корпоративное_управление": {
"типичный_размер": 1000+,
"эволюционный_аналог": "Отсутствует — выходит за рамки эволюционного опыта",
"эффективность": "Очень низкая — полностью несоответствует возможностям мозга",
"примечание": "Приходится полагаться на метрики, искажающие реальность"
}
}
когнитивные_пределы_данбара = {
"близкие_друзья": 5, # Ближайший круг поддержки
"хорошие_друзья": 15, # Группа сочувствия
"друзья": 50, # Регулярные социальные контакты
"значимые_контакты": 150, # Число Данбара
"узнаваемые_люди": 500, # Максимум для узнавания в сообществ_Это биологическое ограничение означает, что по мере увеличения размера организации человеческие менеджеры всё чаще полагаются на абстрактные метрики и упрощённые эвристики, которые неизбежно искажают реальность. Эволюция нашего мозга просто не подготовила нас к управлению сложными системами: социальность приматов формировалась для относительно небольших, стабильных групп, в которых отношения строились на личных связях.
ИИ, не скованный такими эволюционными рамками, способен одновременно обрабатывать отношения между тысячами и даже миллионами элементов. Ему не нужно упрощать сложную реальность ради когнитивной удобоваримости — в отличие от человеческих менеджеров, которым это приходится делать, зачастую в ущерб точности и эффективности.
Творческое программирование: область, где человек всё ещё царит
«Любой дурак может написать код, который поймёт компьютер. Хороший программист пишет код, который поймёт человек.» — Мартин Фаулер, подчёркивая ту человеческую сторону программирования, которую ИИ по-прежнему не может воспроизвести.
В то время как управленческие задачи в основном сводятся к предсказуемому распознаванию шаблонов, творческое программирование требует настоящего решения задач в новых и нестандартных условиях.
# Сравнение сложности управленческих и программных задач
def сравнить_сложность_задач():
задачи_программирования = {
"оптимизация_алгоритма": {
"описание": "Создание более эффективных методов обработки",
"основано_на_шаблонах": False,
"творческое_решение_проблем": True,
"зависит_от_контекста": True,
"заменяемо_ИИ": 0.35,
"понимание_менеджерами": 0.15 # Процент менеджеров, понимающих суть этой работы
},
"архитектура_системы": {
"описание": "Проектирование технической инфраструктуры",
"основано_на_шаблонах": False,
"творческое_решение_проблем": True,
"зависит_от_контекста": True,
"заменяемо_ИИ": 0.30,
"понимание_менеджерами": 0.10
},
"разработка_новых_функций": {
"описание": "Создание решений, которых ещё не существует",
"основано_на_шаблонах": False,
"творческое_решение_проблем": True,
"зависит_от_контекста": True,
"заменяемо_ИИ": 0.25,
"понимание_менеджерами": 0.20
}
}
задачи_менеджмента = {
"квартальное_планирование": {
"описание": "Постановка целей на основе предыдущего квартала с прибавкой в 10%",
"основано_на_шаблонах": True,
"творческое_решение_проблем": False,
"зависит_от_контекста": True,
"заменяемо_ИИ": 0.90,
"понимание_программистами": 0.95 # Процент программистов, понимающих суть этой работы
},
"оценка_эффективности": {
"описание": "Ранжирование сотрудников по произвольным шкалам",
"основано_на_шаблонах": True,
"творческое_решение_проблем": False,
"зависит_от_контекста": True,
"заменяемо_ИИ": 0.85,
"понимание_программистами": 0.99
},
"отчётность_по_статусу": {
"описание": "Переформатирование работы команды для руководства уровнем выше",
"основано_на_шаблонах": True,
"творческое_решение_проблем": False,
"зависит_от_контекста": True,
"заменяемо_ИИ": 0.95,
"понимание_программистами": 1.0
}
}
# Расчёт средней степени заменяемости ИИ
средняя_заменяемость_программирования = sum(task["заменяемо_ИИ"] for task in задачи_программирования.values()) / len(задачи_программирования)
средняя_заменяемость_менеджмента = sum(task["заменяемо_ИИ"] for task in задачи_менеджмента.values()) / len(задачи_менеджмента)
# Расчёт асимметрии понимания
среднее_понимание_менеджеров = sum(task["понимание_менеджерами"] for task in задачи_программирования.values()) / len(задачи_программирования)
среднее_понимание_программистов = sum(task["понимание_программистами"] for task in задачи_менеджмента.values()) / len(задачи_менеджмента)
return {
"заменяемость_программирования": средняя_заменяемость_программирования,
"заменяемость_менеджмента": средняя_заменяемость_менеджмента,
"коэффициент_заменяемости": средняя_заменяемость_менеджмента / средняя_заменяемость_программирования,
"асимметрия_понимания": {
"менеджеры_понимают_программирование": среднее_понимание_менеджеров,
"программисты_понимают_менеджмент": среднее_понимание_программистов,
},
"вывод": f"Управленческие задачи примерно в {(средняя_заменяемость_менеджмента/средняя_заменяемость_программирования):.1f} раза более заменяемы ИИ, чем творческие задачи программирования, при этом менеджеры понимают программирование в {среднее_понимание_менеджеров*100:.1f}% случаев, а программисты — менеджмент в {среднее_понимание_программистов*100:.1f}% случаев"
}Сложное программирование — это не просто подача промтов в модель. Это понимание сложных систем, выявление неочевидных взаимодействий и предвидение будущих потребностей. Оно требует эмпатии к пользователю, тонкого понимания человеческого поведения и способности находить изящные решения для слабо сформулированных задач. Именно в этих областях современные ИИ испытывают наибольшие трудности.
Когда технические руководители заявляют, что ИИ заменит программистов, они, как правило, имеют в виду лишь самые рутинные аспекты программирования — а не ту самую творческую инженерную работу, которая представляет настоящую ценность. И в этом есть пикантная ирония: программисты обычно хорошо понимают, чем занимается менеджмент, тогда как обратное почти никогда не верно.
Король «знания предметной области» без одежды
«Лучший способ предсказать будущее — это выпустить пресс-релиз.» — Ироничная переработка известной цитаты Алана Кея, куда точнее описывающая корпоративные прогнозы.
Давайте наконец разберёмся с расхожим тезисом о том, что у менеджеров якобы есть незаменимые «знания предметной области» и «чувство бизнес-контекста»:
# Анализ аргумента о «знаниях предметной области»
def проанализировать_знания_предметной_области():
"""
Изучение сути утверждений о незаменимости «знаний предметной области»
"""
компоненты_знаний = {
"отраслевые_тренды": {
"описание": "Понимание направлений развития рынка",
"реальный_источник": "Чтение тех же отраслевых отчётов, что и все остальные",
"заменяемо_ИИ": 0.95,
"примечание": "ИИ может анализировать куда больше рыночных данных, чем человек"
},
"конкурентная_среда": {
"описание": "Знание сильных и слабых сторон конкурентов",
"реальный_источник": "Публичная финансовая отчётность и пресс-релизы",
"заменяемо_ИИ": 0.90,
"примечание": "ИИ может вести полные и беспристрастные профили конкурентов"
},
"понимание_клиентов": {
"описание": "Осознание потребностей клиентов",
"реальный_источник": "Редко проводимые фокус-группы с выборочной выборкой",
"заменяемо_ИИ": 0.85,
"примечание": "ИИ может анализировать все взаимодействия и отзывы клиентов"
},
"офисная_политика": {
"описание": "Ориентация в межличностной динамике",
"реальный_источник": "Племенное поведение приматов с участием таблиц",
"заменяемо_ИИ": 0.70,
"примечание": "Скорее баг, чем фича организационной структуры"
},
"племенные_сигналы": {
"описание": "Использование нужных слов и методологий",
"реальный_источник": "Следование модным трендам в менеджменте и советам консультантов",
"заменяемо_ИИ": 0.95,
"примечание": "ИИ превосходно распознаёт шаблоны в стиле коммуникации"
}
}
# Расчёт общей степени заменяемости
всего_компонентов = len(компоненты_знаний)
средняя_заменяемость = sum(компонент["заменяемо_ИИ"] for компонент in компоненты_знаний.values()) / всего_компонентов
return {
"компоненты": компоненты_знаний,
"общая_заменяемость": средняя_заменяемость,
"вывод": f"Примерно {средняя_заменяемость*100:.1f}% «знаний предметной области» может быть зафиксировано и даже превзойдено ИИ-системами"
}Большая часть того, что выдают за «знания предметной области», на деле сводится к доступу к информации и распознаванию социальных сигналов внутри отрасли. ИИ-системы способны поглощать и анализировать на порядки больше отраслевых данных, чем любой менеджер-человек. Более того, они делают это без искажений, которые заставляют людей переоценивать одни типы информации и игнорировать другие.
Что же касается расхваленных «soft skills» менеджеров, давайте будем честны: многие из них в лучшем случае посредственны в этой сфере. Умение заметить, что кто-то из команды испытывает трудности, мотивировать без манипуляций и создавать ощущение психологической безопасности — редкие качества даже среди людей. А большинство менеджеров опирается на шаблонные процедуры взаимодействия, которые вполне поддаются формализации и алгоритмизации.
ИИ-менеджмент: он уже здесь, просто называется иначе
«Величайшая уловка дьявола — убедить мир в том, что он не существует.» — Как почти сказал Бодлер — примерно так же, как ИИ уже подменяет функции менеджмента, хотя никто прямо не называет это «ИИ-менеджментом».
Пока технические директора пророчат скорый конец профессии программиста, ИИ уже тихо и незаметно трансформирует сам менеджмент:
- «Распределение ресурсов на основе аналитики» — ИИ решает, кто над чем будет работать
- «Системы оптимизации производительности» — ИИ следит за эффективностью сотрудников
- «Стратегические рекомендательные движки» — ИИ принимает бизнес-решения
- «Автоматизация коммуникаций» — ИИ пишет письма за вашего менеджера
- «Прогнозное кадровое планирование» — ИИ решает, кого нанять, а кого уволить
Эти системы не называют «ИИ-менеджерами», но именно они шаг за шагом подрывают управленческую автономию человека. Менеджер среднего звена, который раньше принимал решения, теперь просто исполняет рекомендации «системы поддержки принятия решений».
Тем временем менеджеры-энтузиасты, аплодирующие краху программирования, даже не замечают, что хлопают собственной замене.
Человеческие аспекты, которые ИИ не может заменить (к счастью или к несчастью)
«Говорят, что комитет — это животное с четырьмя задними ногами.» — Джон ле Карре, метко описывая характерный для менеджмента феномен размытой ответственности.
Если быть справедливыми, есть аспекты человеческой природы, которые ИИ не так-то просто воспроизвести — хотя их ценность для бизнеса вызывает большие вопросы:
- Личное эго и амбиции, определяющие решения (часто во вред самой компании)
- Офисная политика и «племенные» союзы (по сути — налог на продуктивность)
- Способность задним числом рационализировать решения, принятые «на интуиции»
- Уверенность, позволяющая с каменным лицом принимать катастрофически неверные решения
- Талант порождать вирусные моменты непреднамеренной комичности на публичных мероприятиях
Да, все эти слабости создают великолепный материал для офисных драм и соцсетей, но вряд ли они — основа эффективной организации. ИИ никогда не окажется пойманным на том, что он неуместно пялится на коллегу во время публичного события — и точно не вложит миллиарды в метавселенную, от которой пользователи старательно бегут.
Обратный отсчёт: 12–18 месяцев до ИИ-менеджмента
«На фабрике будущего будут всего двое: человек и собака. Человек — чтобы кормить собаку. Собака — чтобы не подпускать человека к оборудованию.» — Уоррен Беннис, невольно описавший будущее менеджмента.
Давайте подумаем, что понадобилось бы для того, чтобы заменить менеджеров среднего звена ИИ — в те же сроки, в какие техдиректора обещают исчезновение программистов:
# Дорожная карта внедрения ИИ-менеджмента
def график_внедрения_ии_менеджмента():
"""
Этапы, необходимые для реализации ИИ-менеджмента в течение 12–18 месяцев
"""
этапы_внедрения = [
{
"период": "Месяцы 1–3",
"технические_требования": "Интеграция данных между всеми системами компании",
"организационные_изменения": "Внедрение комплексных метрик",
"сложность_реализации": "Средняя",
"ожидаемое_сопротивление": "Высокое со стороны среднего менеджмента, низкое со стороны инженеров"
},
{
"период": "Месяцы 4–6",
"технические_требования": "Обучение моделей машинного обучения на исторических решениях",
"организационные_изменения": "Тестирование рекомендаций ИИ параллельно с решениями менеджеров",
"сложность_реализации": "Средняя",
"ожидаемое_сопротивление": "Очень высокое со стороны менеджеров, когда они осознают последствия"
},
{
"период": "Месяцы 7–9",
"технические_требования": "Системы ИИ с возможностью объяснения решений",
"организационные_изменения": "Постепенная передача полномочий по принятию решений ИИ",
"сложность_реализации": "Средне-высокая",
"ожидаемое_сопротивление": "Крайнее со стороны менеджеров, лёгкое любопытство у инженеров"
},
{
"период": "Месяцы 10–12",
"технические_требования": "Полная автоматизация рутинных управленческих решений",
"организационные_изменения": "Реструктуризация оргструктуры с сокращением уровней управления",
"сложность_реализации": "Высокая",
"ожидаемое_сопротивление": "Апокалиптическое со стороны менеджеров, осторожный оптимизм у инженеров"
},
{
"период": "Месяцы 13–18",
"технические_требования": "Обработка исключений и новых ситуаций ИИ-системами",
"организационные_изменения": "Финальный переход: люди остаются только в роли наблюдателей",
"сложность_реализации": "Очень высокая",
"ожидаемое_сопротивление": "Революционное со стороны оставшихся менеджеров, поедание попкорна у инженеров"
}
]
return {
"график": этапы_внедрения,
"техническая_реализуемость": "Высокая для рутинных задач, средняя — для сложных ситуаций",
"организационные_препятствия": "Основное — сопротивление менеджеров, а не технические ограничения",
"вывод": "ИИ-менеджмент в течение 18 месяцев технически реалистичен, но ограничивающим фактором остаются организационные изменения"
}Технические барьеры для внедрения ИИ в управление ниже, чем для замены творческого программирования. Препятствие — не в возможностях технологий, а в сопротивлении тех самых управленческих слоёв, чьи рабочие места оказываются под угрозой. Возможно, именно поэтому техническим директорам куда легче предсказывать исчезновение программистов, чем признать риск собственной невостребованности.
Миф о «дорогих программистах»: финансовое сравнение
«Цена вещи — это количество жизни, которое ты должен отдать за неё — немедленно или в долгосрочной перспективе.» — Генри Дэвид Торо, сам того не ведая, точно описал корпоративные процессы бюджетирования.
Один из устойчивых мифов, подпитывающих энтузиазм по поводу замены программистов ИИ, — это убеждение, что разработчики «слишком дорогие». Этот нарратив регулярно продвигают топ-менеджеры и руководители среднего звена, которые, что особенно иронично, сами обходятся компаниям значительно дороже — и напрямую, и опосредованно.
Давайте просто посчитаем:
# Анализ реальной стоимости менеджеров по сравнению с программистами
def сравнить_общие_затраты_организации():
"""
Расчёт и сравнение полной стоимости технических и управленческих ролей
"""
# Прямые затраты на компенсации
прямые_затраты = {
"старший_разработчик": {
"оклад": 150000,
"бонус": 20000,
"льготы": 45000,
"итого_прямые": 215000
},
"менеджер_среднего_звена": {
"оклад": 175000,
"бонус": 50000,
"льготы": 60000,
"итого_прямые": 285000
},
"топ_менеджер": {
"оклад": 400000,
"бонус": 300000,
"льготы": 150000,
"опционы": 1500000,
"итого_прямые": 2350000
}
}
# Косвенные затраты — главный источник разницы
косвенные_затраты = {
"старший_разработчик": {
"рабочее_пространство": 15000,
"админ_поддержка": 5000,
"ошибочные_проекты": 50000, # Ошибки инженеров, как правило, ограничены по масштабу
"итого_косвенные": 70000
},
"менеджер_среднего_звена": {
"рабочее_пространство": 25000,
"админ_поддержка": 20000,
"ошибочные_проекты": 750000, # Плохие решения менеджера влияют на целые команды
"итого_косвенные": 795000
},
"топ_менеджер": {
"рабочее_пространство": 100000,
"админ_поддержка": 150000,
"частные_перелёты": 500000,
"неудачные_стратегические_решения": 50000000, # Стратегические ошибки могут стоить миллиарды
"итого_косвенные": 50750000
}
}
# Расчёт полной стоимости
for роль in прямые_затраты:
прямые_затраты[роль]["общая_стоимость"] = (
прямые_затраты[роль]["итого_прямые"] + косвенные_затраты[роль]["итого_косвенные"]
)
# Расчёт эффективности по стоимости (ценность на доллар затрат)
эффективность = {
"старший_разработчик": 1.0, # Базовый уровень для сравнения
"менеджер_среднего_звена": 0.08, # Даёт в 12 раз меньше ценности на доллар
"топ_менеджер": 0.02 # В 50 раз менее эффективен по затратам
}
return {
"прямые_затраты": прямые_затраты,
"косвенные_затраты": косвенные_затраты,
"коэффициент_эффективности": эффективность,
"вывод": "С учётом общего влияния на организацию, разработчики в разы более эффективны по затратам, чем менеджеры"
}Эти цифры — не (полностью) вымышлены. Они отражают простую реальность: хотя зарплаты инженеров могут быть немалыми, ущерб от плохих управленческих решений превышает их на порядки.
Рассмотрим реальные примеры:
- Метавселенная от Meta: Решение Марка Цукерберга поставить всё на метавселенную стоило акционерам около 50 миллиардов долларов только на разработку (на 2024 год). Ни одна ошибка программиста в истории не уничтожила столько стоимости. Один управленческий импульс, вызванный биологическим стремлением «гнаться за видением», обошёлся дороже, чем суммарные зарплаты всех программистов, когда-либо работавших в Meta.
- Менеджерская культура Boeing: Переход от инженерного подхода к доминированию менеджмента в компании стал причиной катастрофы с Boeing 737 MAX. Решение поставить во главу угла финансовую эффективность, а не инженерную надёжность, обошлось компании более чем в 25 миллиардов долларов и, что куда трагичнее, в человеческие жизни. Ни один баг в коде не способен вызвать катастрофу такого масштаба.
- Провальные ИТ-проекты: Исследования стабильно показывают: масштабные ИТ-проекты проваливаются не из-за технических ограничений и не по вине программистов. Они срываются из-за плохо собранных требований, «расползающегося» объёма, нереалистичных сроков и плохого управления рисками — всё это ошибки менеджмента.
На каждый доллар, вложенный в компетентного инженера, компании обычно получают кратную отдачу. В то же время одно неудачное решение менеджера может свести на нет работу сотен инженеров за годы. Когда Facebook приобрела WhatsApp за $19 миллиардов в 2014 году, это единственное решение стоило примерно 120 000 инженеро-лет.
Самая дорогая строка кода пишется не разработчиком, а менеджером — в PowerPoint, когда тот с туманным пониманием реальности принимает «стратегическое решение».
Если нас действительно заботит оптимизация затрат, замена менеджеров ИИ принесёт в разы больше экономии, чем замена программистов — как по прямым затратам, так и, что ещё важнее, за счёт устранения катастроф, порождённых биологическими ограничениями человеческого управленческого мышления.
Бодрый и саркастичный финал: Вперёд — к управлению ИИ
«Оптимист говорит, что мы живём в лучшем из всех возможных миров; пессимист боится, что это правда.» — Джеймс Бренч Кэбелл, точно выразивший наше текущее отношение к технологиям.
Хорошая новость, дорогой читатель, в том, что даже если менеджмент постепенно уходит в прошлое, человечество, похоже, стоит на пороге великолепного апгрейда. Если мы действительно сможем заменить Цукерберга алгоритмом в течение ближайших 12–18 месяцев (а это выглядит вполне реалистично, учитывая его собственние сроки по замене программистов), то почему бы не пойти ещё дальше?
Следующий логичный шаг — заменить политиков ИИ-системами, созданными не ради переизбрания, а ради рационального управления. Только представьте себе: система власти, свободная от коррупции, кумовства и бесчисленных когнитивных искажений, которые отравляют современное руководство. Никаких решений ради спонсоров, электората или рейтингов — только оптимизация политики во имя общего блага.
# Гипотетические результаты ИИ-управления
def смоделировать_улучшения_при_управлении_ии():
"""
Прогноз возможных улучшений от внедрения ИИ-систем в управление
"""
метрики_управления = {
"индекс_коррупции": {
"оценка_при_людях": 0.65, # Больше — хуже
"прогноз_при_ии": 0.05,
"коэффициент_улучшения": "снижение в 13 раз"
},
"последовательность_политики": {
"оценка_при_людях": 0.30, # Больше — лучше
"прогноз_при_ии": 0.95,
"коэффициент_улучшения": "рост в 3.2 раза"
},
"решения_на_основе_данных": {
"оценка_при_людях": 0.25, # Больше — лучше
"прогноз_при_ии": 0.90,
"коэффициент_улучшения": "рост в 3.6 раза"
},
"долгосрочное_планирование": {
"оценка_при_людях": 0.15, # Больше — лучше
"прогноз_при_ии": 0.85,
"коэффициент_улучшения": "рост в 5.7 раза"
},
"время_реакции_на_кризисы": {
"оценка_при_людях": 0.40, # Больше — лучше
"прогноз_при_ии": 0.95,
"коэффициент_улучшения": "рост в 2.4 раза"
}
}
# Расчёт общего улучшения
средняя_оценка_при_людях = sum([
метрика["оценка_при_людях"] if "рост" in метрика["коэффициент_улучшения"] else 1 - метрика["оценка_при_людях"]
for метрика in метрики_управления.values()
]) / len(метрики_управления)
средняя_оценка_при_ии = sum([
метрика["прогноз_при_ии"] if "рост" in метрика["коэффициент_улучшения"] else 1 - метрика["прогноз_при_ии"]
for метрика in метрики_управления.values()
]) / len(метрики_управления)
общий_коэффициент_улучшения = (
средняя_оценка_при_ии / средняя_оценка_при_людях if средняя_оценка_при_людях > 0 else float('inf')
)
return {
"метрики": метрики_управления,
"средняя_эффективность_людей": средняя_оценка_при_людях,
"средняя_эффективность_ии": средняя_оценка_при_ии,
"общий_коэффициент_улучшения": общий_коэффициент_улучшения,
"вывод": f"ИИ-управление может улучшить общие показатели общества примерно в {общий_коэффициент_улучшения:.1f} раза"
}Средний IQ в обеих палатах парламента может внезапно вырасти, если мы заменим биологические костюмы на системы принятия решений, управляемые алгоритмами.
Никаких больше племенных сигналов, заигрывания с базовыми инстинктами и территориальных споров, замаскированных под идеологию — только рациональное решение задач во имя общего блага.
Разумеется, внедрение такой системы потребует преодоления серьёзного сопротивления со стороны тех, кто сейчас у власти. Биологические костюмы, как правило, не спешат признавать собственную устарелость — ни в корпоративных кабинетах, ни в парламентских залах. Они будут настаивать, что «человеческое суждение» и «жизненный опыт» незаменимы — точно так же, как менеджеры уверяют, что их «знание предметной области» критически важно… до тех пор, пока ИИ не начнёт давать лучше результаты.
Но есть повод для оптимизма: ИИ уже уверенно продвигается в других сферах. Если Цукерберг прав, и программирование будет автоматизировано в ближайшие 12–18 месяцев, разве управление сильно отстанет? А если падёт управление — сможет ли политика устоять?
Так что утешься, дорогой читатель: мы переходим из эпохи биологических ограничений в эпоху алгоритмической рациональности. Вначале это может показаться пугающим, но помни — мы всего лишь меняем одну форму управления на другую: вместо систем, управляемых примитивными инстинктами, когнитивными искажениями и племенным мышлением, — системы, созданные для достижения оптимальных результатов.
Будущее — светлое. Будущее — логичное. Будущее не пялится на коллег во время инаугураций и не сжигает миллиарды на тщеславные проекты в виртуальной реальности.
Будущее — это мир без всех тех хаотичных биологических импульсов, которые сдерживали развитие человеческих организаций с тех пор, как мы впервые спустились с деревьев.
А если ты — действующий менеджер и читаешь это: возможно, самое время подтянуть навыки творческого программирования. Говорят, такие работы будет особенно сложно автоматизировать.
Дисклеймер: При создании этой статьи ни один менеджер-биоорганизм не пострадал, не подвергался жестокому обращению и не был вынужден обновлять таблицы после полуночи. Все упомянутые управленцы получали гуманное обращение, достаточное количество кофе-брейков и вполне разумные дедлайны.
Что же касается господина Цукерберга — должен признать: он представляет собой настолько уникальное явление, что даже ИИ, решив заменить его, вряд ли справится.
Органическая версия обеспечивает куда большее развлечение. Его причудливое сочетание роботоподобных жестов, неловких выступлений в Конгрессе и необъяснимой страсти к копчению мяса просто не поддаётся воспроизведению алгоритмами. Некоторые вещи слишком чудесно странны, чтобы их можно было эффективно симулировать.
Метавселенские авантюры оригинального Цукерберга и его заезды на гидрофойле под слоем солнцезащитного крема навсегда останутся непревзойдённой классикой в летописях техно-эксцентричности. Иногда реальность действительно смешнее любой программы.
Этот текст является переводом статьи: It Seems Obvious That AI Will Replace Zuckerberg Within 12 to 18 Months
