На GTC и в подкасте All-In генеральный директор NVIDIA Дженсен Хуан чётко сформулировал одну мысль, которая постепенно превращается в новую реальность рынка труда: не модели сами по себе делают людей ценнее — это люди, умеющие заставить AI работать на себя.

Технологический шум сменяется практическими вопросами о том, кто и как создаёт реальную производительность с помощью интеллекта-машины. Разберём, что именно имеет в виду Хуан и как этим пользоваться.

За последние два года AI прошёл очевидный путь: от генерации контента — через улучшение способностей к рассуждению — к появлению агентных систем (agents), которые не только дают ответы, но и выполняют задачи.

Это существенный сдвиг: при правильной организации один человек с набором агентных инструментов способен достигать результатов, эквивалентных работе целой команды.

OpenClaw — символ этой эволюции — открытая системаагент, способная самостоятельно управлять ресурсами, вызывать API, хранить память и делить задачи на шаги. Сценарии использования OpenClaw показывают: теперь не столько важно «что знает человек», сколько «какие процессы он может построить и оркестрировать через AI».

Самая контрастная мысль Хуана — практический критерий оценки ценности сотрудников. Он предлагает смотреть на соотношение затрат на вычисления (token/compute) и результата: если компания отдала инженеру $500k в год, уместно ожидать, что половина этой суммы (порядка $250k) будет потрачена на AIресурсы, потому что именно через мощный доступ к вычислениям сотрудник может многократно умножить отдачу.

Иначе говоря, инструмент — это не «накладная статья», а множитель производительности. Точно так же, как современному инженеру по чипам не предложили бы возвращаться к бумаге и карандашу, инженеру ПО было бы странно отказываться от AIплатформ, если компания хочет максимальной отдачи.

В будущем один специалист сможет «руководить» сотней интеллектуальных агентов одновременно. Это уже наблюдается в практических кейсах: пример Brix, где один человек за пару часов, используя агентные инструменты, полностью перестроил стек компании. Если такой подход масштабировать, численность «цифровых сотрудников» в компании возрастёт в сотни тысяч раз при той же численности людей.

Это меняет саму логику найма и организации труда: важен не просто набор людей, а их способность выстраивать, тренировать и верифицировать агентные команды.

Страх замены традиционных профессий повторяет старые прогнозы, но история показывает другое. Хуан приводит пример радиологов: автоматизация визуальной части не сократила, а увеличила спрос на врачей, потому что вырос объём работы и сложность решений.

То же и с пилотированием: автопилот взял на себя рутинные операции, но место пилота осталось, а его роль сместилась в сторону надзора и принятия сложных решений.

Следовательно, AI не просто «забирает» работу, он меняет её смысл. Профессионалы, которые углубляют профиль и одновременно умеют взаимодействовать с AI, становятся значительно ценнее. Хуан выделяет сочетание двух измерений:

Глубокая профессиональная экспертиза. Без понимания предметной области человек не сможет корректно формулировать задачи и оценивать результаты AI.

Навык управления AI: архитектура задач, проектирование промптов и агентов, верификация и оценка качества выводов, безопасность и ответственность.

Самая редкая и востребованная комбинация — тот, кто умеет мыслить на уровне архитектуры, генерировать качественные гипотезы и одновременно организовывать «цифровую команду», способную эти гипотезы быстро реализовать и проверить.