На конференции Sequoia AI 2026 прозвучала мысль, которая точно описывает текущий момент: искусственный интеллект перестал быть просто инструментом ускорения — он начал переписывать сами правила работы.

Когда Андрей Карпаты спокойно сказал, что уже не помнит, когда в последний раз вручную исправлял вывод ИИ, это прозвучало не как громкое заявление, а как констатация новой реальности.

Главное изменение — в способе работы.

Раньше:

человек детально прописывал шаги

машина исполняла инструкции

Теперь:

человек формулирует цель

модель сама находит путь

Это кажется просто ускорением, но на самом деле исчезает целый слой — промежуточная логика, на которой строились продукты и бизнесы.

Классический пример: раньше, чтобы по фото меню показать блюда, нужно было собрать целое приложение — распознавание текста, генерация изображений, интерфейс. Теперь достаточно загрузить фото и дать команду — модель делает всё сама.

И это разрушает привычную логику создания продуктов. Пользователю не нужен инструмент — ему нужен результат.

Исчезновение «промежуточного слоя»

Под удар попадают целые классы продуктов:

конвертеры форматов

инструменты обработки данных

часть low-code платформ

Их ценность была в том, что они упрощали путь к результату. Но если путь больше не нужен — исчезает и ценность.

Новая точка ценности смещается: не «как сделать», а «что считать правильным результатом».

Карпаты сравнивает современные AI-агенты со стажёрами:

могут выполнять большие объёмы работы

но иногда допускают странные ошибки

Ключевой критерий автоматизации — проверяемость.

Если результат можно однозначно проверить (код работает, данные корректны) — задача быстро уходит к ИИ. Если требуется оценка, интерпретация, выбор — человек остаётся.

Но граница постоянно сдвигается.

Даже «творческие» задачи становятся автоматизируемыми, если у них появляется критерий проверки (например, соответствие бренду или требованиям).

В итоге:

машина делает выполнение

человек определяет рамки и цели

Речь больше не идёт о замене профессий целиком. Любая работа раскладывается на:

70–80% — рутинные, проверяемые задачи

20–30% — принятие решений и смысл

Именно первые быстро автоматизируются. Это касается:

дизайнеров

юристов

бухгалтеров

разработчиков

Человек остаётся там, где нужно определить, что правильно и почему. Демис Хассабис (Google DeepMind) обозначил ориентир: AGI может появиться к 2030 году.

Это создаёт новую проблему для бизнеса и карьеры:

стартапы живут 5–8 лет

за это время может полностью измениться технологическая база

Вывод: нужно строить то, что переживёт очередной скачок моделей.

Рекомендация проста, но радикальна:

уходить в deep tech (наука, медицина, материалы)

работать с физическим миром

создавать решения, которые нельзя «обнулить» новым апдейтом модели

В чисто программных продуктах устойчивость резко снижается — их легче всего «съедает» прогресс ИИ. Самый важный вывод конференции звучит почти философски: можно делегировать мышление, но нельзя делегировать понимание

ИИ может:

генерировать

анализировать

выполнять

Но он не может:

определить, что действительно важно

понять, зачем это нужно

выбрать правильную цель

И именно это становится главным человеческим преимуществом.

Ссылки: