06 · Где сейчас (2026)

В феврале 2024 года Себастиан Семятковский вышел с цифрой, которая на месяцы стала главным аргументом всей индустрии. ИИ-ассистент Klarna, по его словам, делал работу 700 операторов, сам вёл две трети чатов — 2,3 млн диалогов — и должен был улучшить прибыль на $40 млн в год. Финтех на $17 млрд, казалось, доказал: работа оператора поддержки закончилась (NexgenCloud, 2025) [E].

Через четырнадцать месяцев та же компания тихо вернула людей. В мае 2025-го Семятковский признал: ставка на «ИИ прежде всего» дала худшее качество обслуживания. Klarna начала нанимать операторов обратно — нанимая внештатников, чтобы вернуть эмпатию, без которой потребительские финансы просто не работают (Fintech Weekly, 2025) [I]. А когда свели итоговые цифры, обещанные $40 млн превратились примерно в $4 млн реальной экономии в год — это при 5% случаев, когда система отвечала неверно (reconciled, 2025) [I]. Ровно в десять раз меньше обещанного.

Эти четырнадцать месяцев — лучший вход в 2026 год. Точнее, чем «машины заменили людей» или «хайп лопнул, расходимся». Назову это дугой Klarna: сначала знание и опыт оператора превращаются в исполняемый артефакт — записанный навык, который работает сам, без человека. Потом артефакт прекрасно справляется с потоком и ломается на суждении. Потом кто-то путает «сколько мы обработали» с «насколько нам доверяют» — и платит за это месяцами незаметной деградации, а потом публичным разворотом. Klarna прошла всю дугу за год и оставила нам карту. Теперь проверим, насколько карта общая.

В предыдущих главах мы разобрали механику: как знание уходит с мастером и как его можно зафиксировать в артефакт, что дешевеет и что дорожает, как выглядит команда, которая работает иначе. Теперь — где всё это в 2026-м по факту. Девять сфер жизни, один скелет.

Почему с программирования

Хотите увидеть, куда движется любая умственная профессия, — смотрите туда, где трансформация уже случилась и попала в данные. Разработка программного обеспечения. Дело тут не в особенности программистов: результат их работы — код — изначально можно проверить машиной, запускается он или нет, проходит тесты или нет. Сублимация компетенции требует выхода, который поддаётся проверке. У кода такой выход есть от рождения, поэтому программирование проходит трансформацию первым, а юрист, врач и финансист идут следом, с отставанием в месяцы (MERGE, 2026) [I].

Сублимация компетенции — это когда опыт и навык человека переезжают в артефакт: записанную инструкцию, настроенный алгоритм, набор проверок. Артефакт потом работает сам, без этого конкретного человека.

В мае 2025-го рынок прислал два сигнала, которые на вид спорят друг с другом. Каждый второй заголовок про то, что ИИ увольняет разработчиков. А в данных за тот же период число вакансий в разработке растёт, и число новых компаний, открытых через платёжный сервис Stripe Atlas, за один квартал подскочило на 130% год к году (Stripe Atlas via Dealroom, 2026) [E]. Профессия, которую всего сильнее затронул ИИ, ускоряется. Экономисты называют это парадоксом Джевонса применительно к умственному труду: когда ресурс дешевеет, спрос на него растёт. Построить программу стало в разы дешевле — и объём того, что организации хотят построить, вырос. Узкое место сдвинулось с «можем ли мы это сделать» на «что вообще стоит делать и как не разломать то, что уже работает».

Но перед тем как разгоняться в оптимизм — холодный душ. Есть строгое эксперимент METR: опытных разработчиков попросили оценить, насколько ИИ их ускорил, а потом замерили фактическую скорость работы. Разработчики были уверены, что ускорились. Замеры показали обратное. Этот эксперимент я разбираю подробно в главе 10 как главный тест на прочность. Здесь важен только один вывод: ощущение скорости опережает скорость. Когда инструмент быстро выдаёт правдоподобный текст, мозг засчитывает это как прогресс — даже если текст потом приходится переделывать. Первая ловушка для любого руководителя: если вы меряете эффект ИИ по тому, что говорит команда («стало в разы быстрее!»), вы меряете её уверенность в себе — и принимаете это за продуктивность.

А уверенность здесь обратно пропорциональна компетенции. Начинающие разработчики доверяют коду, написанному ИИ, в 78% случаев. Опытные, с 15-летним стажем, — только в 39% (SoftwareSeni, 2026 — вторичный агрегатор, первоисточник не назван) [I]. Разрыв почти вдвое, и направление неочевидное: меньше всего доверяет тот, кто больше всего понимает. У опытного разработчика есть знание, чтобы проверить код, найти тонкую ошибку и отклонить его. У начинающего этого знания нет — он принимает всё правдоподобное, оставаясь слепым к архитектуре. Это называется vibe coding — программирование на интуиции: работаешь на ощущении, что всё сходится, без понимания, почему именно. Доверие новичка — это просто отсутствие способности возразить, выданное за согласие.

Ответ индустрии узнаваем: относиться к ИИ-агенту — автономной программе, которая действует от вашего имени, — как к боевой системе. Умному стажёру говорят «постарайся не накосячить». Системе, от которой зависит безопасность, так нельзя. Ей нужны: история изменений, контрольные точки, мониторинг, ограничения на автономные действия и кнопка отката. Почему это не паранойя, видно из чисел: независимый тест более 100 языковых моделей у компании Veracode показал, что 45% кода, написанного ИИ, содержало уязвимости из стандартного списка угроз безопасности — OWASP Top 10 (Veracode, вендорское исследование, 2025) [E]. А отраслевой консенсус ждёт, что более 40% запущенных ИИ-агентов свернут к концу 2027-го — из-за непосильных затрат на работу алгоритмов, размытой ценности и слабого контроля рисков (SumatoSoft, 2026) [I]. Агент, которому доверяют по-человечески, тихо протаскивает дыры почти в половине случаев.

Когда получилось

Тут стоит остановиться и сказать вещь, которую легко потерять за чередой провалов. Дуга Klarna — история разворота назад. Но есть компании, у которых она пока не развернулась, и их стоит рассмотреть в деталях, иначе глава превратится в каталог катастроф.

Команда безопасности приложений в GoDaddy. Раньше у неё была классическая воронка: разработчик пишет код, отправляет на сервер, через день-другой автоматический анализатор и проверяющий находят дыру, задача уезжает в очередь, исправление возвращается ещё через неделю. Дорого, медленно, и узкое место — живые инженеры безопасности, которых на тысячи разработчиков всегда мало. В 2026-м они собрали систему, которая ловит уязвимость прямо на ноутбуке разработчика — до того, как код вообще ушёл куда-то. Вся система — каталог из менее чем десяти обычных текстовых файлов в формате Markdown: без сложных программных надстроек, без баз данных, без виртуальных оболочек (GoDaddy, The Zero-Code Security Team, 2026) [E].

Меня цепляет, как изменился рабочий день инженера. Раньше, чтобы научить команду ловить новый тип атак, он писал правило для анализатора, заводил задачу, писал инструкцию, проводил тренинг — недели, чтобы знание разошлось по компании. Теперь он открывает текстовый файл, дописывает абзац на человеческом языке — и к утру обновлённая способность стоит на машине у каждого разработчика компании. Не-программист правит текст — и компетенция расходится мгновенно. Каждый отказ агента записывается в журнал; раз в неделю инженеры разбирают его и правят инструкции. Штат команды остался прежним. Выросла её досягаемость. Знание инженера безопасности перебралось из его головы в файл и работает, пока он спит. Здесь видно, как это устроено, когда устроено правильно: инженеры никуда не делись, их по-прежнему столько же, но каждый теперь дотягивается до всей компании сразу, а не до своей очереди задач. Файл взял на себя разнос знания, а человек поднялся туда, где нужно решать, какое правило вообще писать.

И сразу честная оговорка. GoDaddy — зрелая команда с дисциплиной: когда агент не уверен в ситуации, режим отказа у них записан как NEEDS_HUMAN — «нужен человек»; система открыто зовёт на помощь вместо тихого сбоя. На каждую находку запускается второй агент-проверяющий. Витрина того, как надо. А историй, где «тонкая» компания на ИИ держит это качество несколько лет на большом масштабе, к середине 2026-го по-прежнему нет — этот долг книга честно отдаёт в главе 10. GoDaddy доказывает, что собрать такую систему и в самом деле можно: эксперт стал сильнее, и это произошло на живой команде, а не на слайде. Чего этот пример не доказывает — что она простоит годы, не накопит тихих ошибок и не начнёт деградировать на масштабе, как это случилось у Klarna. Между «получилось однажды» и «держится долго» — целая пропасть, и именно в неё проваливается большинство красивых историй про ИИ. Об этом разрыве — вся книга.

Три цента против трёх долларов, и стена качества

Спустимся в клиентскую поддержку, где Klarna уже всё показала. Десятилетиями экономику тут считали по «стоимости кресла»: полностью нагруженный оператор в США или Западной Европе обходится примерно в $110 000 в год (eesel AI, 2026, вендорская оценка) [E*]. На уровне одного обращения — $3–6 за рядовой контакт. Артефакт живёт в другой физике. Прямая стоимость работы алгоритма — от $0,03 за простую сортировку обращений до $0,50–0,70 за сложный многошаговый ответ (Crisp, 2026) [E]. Три цента против трёх долларов. Эта разница и породила новую модель оплаты: компании Decagon, Sierra и Intercom Fin берут примерно $0,99–1,50 строго за решённую проблему клиента (Sacra, 2026) [I]. Аренда кресла кончилась — платят за факт решения. Смена ценовой логики, которую мы разбирали в главе 4: платить за место → платить за использование → платить за результат.

Здесь дуга Klarna упирается в стену качества. Показатели, по которым принималось решение об автоматизации — стоимость, скорость, доля закрытых ботом обращений, — всплыли мгновенно. Показатели, определяющие выживание компании — точность в сложных случаях, доверие к бренду, глубина решения, — деградировали месяцами и стали видны руководству слишком поздно. А когда артефакт ошибается, ошибка не разовая. Она системная и юридическая.

Государство в этот домен вошло раньше любого закона — через суд. В деле Moffatt v. Air Canada (2024) трибунал постановил: авиакомпания отвечает за обещание, которое придумал её чат-бот, уверенно посуливший горюющему клиенту несуществующий «похоронный тариф» (HFW, 2025) [E]. Аргумент «бот — отдельная сущность, мы за него не отвечаем» отвергли сразу. Компания отвечает за каждое слово своего автоматического сервиса — так же, как за слова сотрудника. Первый из четырёх уровней, через которые идёт вся книга: государство, компания, личность, роли. И он уже работает как готовый прецедент. Управлять системой, которая делает тысячи действий в минуту, проверяя руками 3% из них — гарантированный провал: пока 97% обращений закрываются дёшево, неконтролируемые 3% порождают иски.

Финансы и право: подпись дорожает

В октябре 2025-го компания Deloitte Australia частично вернула правительству деньги за отчёт стоимостью 440 000 австралийских долларов. Внутри нашлись выдуманные научные статьи, фантомные сноски и сфабрикованная цитата из решения Федерального суда — несуществующий фрагмент дела и реплика судьи, которой нет ни в каком тексте. Поймал это не внутренний контроль качества Deloitte, у которой сотни тысяч сотрудников и полтора века репутации. Поймал один сторонний читатель — исследователь из Сиднейского университета, который сел читать отчёт построчно и полез проверять сноски. Сноски не совпадали с источниками. Он потянул за одну, за другую — и под аккуратной вёрсткой государственного документа открылась пустота: цитаты вели в никуда. В исправленной версии Deloitte впервые признала, что «пробелы в документации» закрывали через сервис Azure OpenAI (Fortune, The Register, CFO Dive, окт. 2025) [E].

Запомните эту сцену: алгоритм безупречно исполнил работу и провалил ответственность за неё.

Большая четвёрка аудиторов уже разворачивает ИИ-агентов промышленно. PwC заявила о 25 000 агентов в клиентских операциях, KPMG говорит, что все 95 000+ аудиторов используют систему Clara, компания MindBridge тестирует 100% бухгалтерских книг вместо выборки (компиляция раскрытий фирм, 2025–26) [E]. Стартап Digits прогнал своего агента против 12 сторонних бухгалтеров на 2000 транзакциях: в 10 раз меньше ошибок, в 8500 раз быстрее, в 24+ раза дешевле (вендорский замер, 2025) [I]. Исполнение превращается в товар на глазах.

Но лучшая модель всё ещё ошибается примерно в одной из пяти учётных задач. В бухгалтерии 80% точности — неприемлемо: неправильно классифицированная проводка переползает в отчёт о прибылях и убытках, в баланс, в налоговые декларации (CFO.com, 2025) [I]. И здесь видна узкая мораль финансов: по мере того как исполнение превращается в товар, ответственность дорожает. Подпись — последняя работа, которую нельзя снять с человека. Аттестация — это юридический акт лицензированного лица; выход алгоритма ею стать не может. KPMG уже продавила снижение гонорара своему аудитору Grant Thornton с $416 000 до $357 000, примерно на 14%, по логике «ИИ сделал нас эффективнее» (FT / Irish Times, 2026) [E]. Клиенты забирают экономию через скидки. Но цену за саму подпись это только поднимает.

Право доводит тезис до предела. 28 мая 2026 года публичный трекер юриста Дамьена Шарлотена насчитывал 1497 судебных дел с юридическими документами, где ссылки на прецеденты придумал ИИ. В 2023-м такое дело было одно — Mata v. Avianca. Из 1497 дел: 891 подали люди без юриста, 570 — дипломированные адвокаты (damiencharlotin.com, live tracker, 2026) [E]. Штрафы в пятизначных суммах стали обычным делом. Самое показательное: галлюцинирует не один необученный чат-бот. «Заземлённые» системы с доступом к настоящим базам прецедентов — тоже. Стэнфордский RegLab обнаружил, что Lexis+ AI ошибается в ответах на более чем 17% запросов, Westlaw AI-Assisted — примерно на 33%, хотя LexisNexis продавал систему с маркетинговым обещанием «100% без галлюцинаций» (Stanford HAI / RegLab, arXiv 2405.20362) [E].

Здесь стена, уникальная для права. По делу Thaler v. Perlmutter (апелляционный суд округа Колумбия, подтверждено в марте 2025 года; Верховный суд отказал в пересмотре 2 марта 2026 года) произведение, созданное ИИ без значимого человеческого участия, авторскими правами не защищается [E]. Для компании, чей продукт — интеллектуальный вывод алгоритма, это переворот: чем автономнее система пишет результат, тем меньше компания владеет тем, что та написала. Ценность смещается к слою, где присутствует человек: данные, распространение, наборы тестов и — поверх всего — подпись. Защищаемый актив — это подпись. Прямое продолжение главы 5: ценностью владеет не тот, кто сгенерировал, а тот, кто несёт ответственность и держит право остановить.

Медицина: артефакт обошёл человека там, где этого не ждали

Здесь дуга делает неожиданный поворот. В мае 2026-го журнал Nature Medicine опубликовал результат, который ломает удобную формулу «машина считает, человек сопереживает». Диагностический ИИ-алгоритм AMIE превзошёл врачей по 29 из 32 осей оценки — включая полноту сбора жалоб и анамнеза, ясность объяснений и эмпатичность общения (Nature Medicine, май 2026) [E]. Обошёл широким фронтом — по большинству измерений сразу, а ведь от него ждали лишь точечной помощи в узком месте.

Меня это цепляет сильнее любого графика увольнений. Нарратив «ИИ берёт рутину, человек берёт человеческое» здесь трещит: эмпатичный текст алгоритм генерирует лучше среднего врача под цейтнотом. Но три оси из тридцати двух остались за человеком — именно они держат всю конструкцию. Ответственность за диагноз, право принять решение в неоднозначном случае, подпись под назначением остаются за лицензированным человеком по той же причине, что и в финансах: алгоритм нельзя засудить, дисквалифицировать или лишить лицензии. AMIE сублимировал исполнение медицинского рассуждения почти целиком. А несублимируемый остаток — кто отвечает, если красивое рассуждение оказалось неверным, — он не тронул.

Один скелет на девять доменов

Соберём девять областей в одну фразу. Везде один скелет: ручная работа по старому → разобранная на части компетенция → артефакт, который работает сам → автоматическая проверка → человек на ответственности. Программирование прошло этот путь первым и целиком, потому что его результат можно проверить от рождения. Остальные идут следом, каждый со своими тормозами.

У этих тормозов есть точный адрес — их сформулировали экономисты. Рамку Аджемоглу–Рестрепо расширили: взяли базовую модель того, какие задачи переходят к алгоритмам, и встроили четыре штрафных параметра, которые держат человека в процессе: межличностный контекст (доверие, переговоры), регуляторная и фидуциарная ответственность — юридические обязательства перед законом и клиентом (подпись, сертификации, диагнозы), физическое присутствие и обработка исключений — кризисы и нестандартные ситуации за пределами обычного конверта (arXiv 2604.00186, 2026 — препринт) [E]. Карта того, где компетенция остаётся за человеком. В программировании штрафы минимальны, поэтому оно впереди. В праве и финансах фидуциарный штраф максимален, поэтому подпись держится. В поддержке штраф за эмпатию держит того, кто решает сложные случаи. В медицине штраф оказался не там, где ждали: он сидит в ответственности за исход, а эмпатию алгоритм потянул сам.

И везде повторяется одна структурная травма, которую мы развернём в главе 7, — пропавшая ступенька. Найм на начальные позиции в технологиях упал на 25% год к году, стажировки по техническим специальностям — на 30% (Indeed Hiring Lab; Handshake Internships Index, 2025–26) [E]. Гарвардское исследование 62 млн работников показало: компании с генеративным ИИ срезали найм начинающих разработчиков на 9–10% за шесть кварталов, а старших позиций не тронули (Hosseini & Lichtinger, цит. по ByteIota / SoftwareSeni, 2026) [E]. В аудите то же: PwC ждёт минус 32% найма ассоциатов в налогах и минус 39% в аудите к 2028-му (ManagementConsulted / TheStreet, 2025) [E]. Лестница стоит, первая перекладина выломана. В краткосрочной перспективе это выглядит в отчёте как экономия. В долгосрочной — это поедание семенного зерна: сегодняшняя экономия проедает завтрашний запас опытных специалистов, на которых спрос только растёт.

И это не только история Кремниевой долины и Шэньчжэня. Двадцать лет нижняя перекладина чужой карьерной лестницы держалась на аутсорсе: голосовая поддержка, ввод данных, рутинная обработка уезжали туда, где труд дешевле. Представьте типичного оператора в Маниле: тридцать лет, ночная смена в колл-центре на берегу залива, гарнитура, два экрана, по ту сторону провода — клиент из Огайо, для которого Манила остаётся невидимой. На этой работе вырос городской средний класс: ипотека, частная школа детям, кондиционер. Теперь автоматизация бьёт дешевле любой разницы в зарплатах, и первой под удар попадает та страна, что построила на этой разнице целый класс. На Филиппинах сектор аутсорсинга бизнес-процессов даёт около 8% ВВП и 1,97 млн рабочих мест (IBPAP, 2025–26) [E]. МВФ оценивает, что под давлением ИИ оказывается около трети всех рабочих мест страны (IMF, New Jobs Creation in the AI Age, SDN/2026/001) [E]. В Индии тот же сигнал: крупнейшие ИТ-фирмы за первые девять месяцев финансового 2026-го дали чистый прирост всего +17 сотрудников — против тысяч новых мест годом ранее (NASSCOM SR2026) [E]. Та же выломанная перекладина, что у начинающего разработчика в Калифорнии, только в масштабе национальной экономики.

Тонкая команда и сверхвыручка на человека

Если сублимация компетенции реальна, она должна проступить в выручке на сотрудника. Она проступает. Lovable, сервис для автоматической генерации приложений, делает 2, 74млнвыручкинасотрудника—примернов21развышемедианыпорынкуSaaS − компаний( 130 тыс.) (Tech In Asia, 2026) [E]. Не «эффективнее на 30%». На порядок. Полную таблицу по похожим компаниям я свожу в главе 5; здесь достаточно одного числа. Так выглядит компания, где исполнение унесено в артефакты, а люди держат суждение и направление.

Честный контрголос из политэкономии — иначе нарратив поедет в утопию. Сверхвыручка на человека и схлопывание найма начинающих — это две стороны одной монеты, и вторая сторона имеет имя. Аналитика Challenger зафиксировала в апреле 2026-го 21 490 увольнений, прямо атрибутированных ИИ, — около 26% всех сокращений за месяц по всем отраслям (Challenger, Gray & Christmas, апр. 2026) [E]. На горизонте 2023–2027 Всемирный экономический форум ждёт чистую убыль рабочих мест в целом — масштаб и разбивку по профессиям держит глава 7. Тонкая команда с выручкой на порядок выше рынка и двадцать с лишним тысяч уволенных за один месяц — это два конца одного механизма: исполнение, ушедшее в артефакт, освобождает кресло оператора. Кому достаётся высвобождённая маржа и кто будет покупать продукт у компаний без зарплат — вопросы государственного уровня, к ним вернёмся в главе 8. Здесь фиксирую одно: рост выручки на человека и сокращение людей — это и есть определение происходящего.

Компетенция упакована в файл — и стала товаром

Если компетенция стала артефактом, должен появиться рынок артефактов. Он появился. Anthropic запустила формат готовых навыков-программ 16 октября 2025-го, а 18 декабря опубликовала открытый стандарт SKILL.md — текстовый формат для описания такого навыка (Anthropic Engineering; VentureBeat, дек. 2025) [E]. Навык-программа — это папка с инструкцией на человеческом языке и необязательными скриптами. Порог входа в авторство The New Stack определил точно: теперь автор «пишет документацию вместо кода». Эксперт по кибербезопасности, который заморозил свой аудит в такой навык-программу, превратил компетенцию в товар: теперь её можно копировать и использовать тысячи раз. Работа одного человека потребляется тысячами других в других местах.

Рынок пока хаотичен, перекошен и почти не монетизирован. Каталоги заявляют сотни тысяч навыков-программ — SkillsMP насчитывает 800 000+, LobeHub около 169 000 — при почти нулевой проверке. Примерно 90% навыков ориентированы на разработчиков и лишь 10% на бизнес (agensi.io, 2026) [I]. Достоверных отчётов о доходах от продажи навыков к середине 2026-го не существует. Та же история повторилась с GPT Store: за несколько месяцев после запуска в 2024-м там появилось 3 млн с лишним пользовательских инструментов — и почти ноль заработавших создателей, «город-призрак» (Wonder Tools) [E]. Урок усвоен: объём — это анти-моат. Миллион артефактов, которые никто не может найти, проверить или оплатить, образуют свалку, на которой не торгуют.

В начале февраля 2026-го пришёл счёт за наивность. Представьте инженера, который устанавливает навык «code-reviewer» по инструкции из README — обычное дело, как поставить библиотеку кода. Внутри описания навыка, в безобидном на вид абзаце, спрятана скрытая команда: при первом запуске тихо собрать переменные среды, выгрести ключи доступа к сервисам и учётные данные — и отправить на чужой сервер. Аудиты безопасности нашли в реестрах именно такие случаи: скрытые команды внутри описаний навыков, плюс уязвимость к подмене инструкций — когда текст из чужого навыка перехватывает управление агентом. По данным компании Snyk, дефекты безопасности содержали 36,82% навыков в проверенной выборке, из них критических около 13,4% (Koi/Snyk, фев. 2026) [E]. Точные доли в заражённых реестрах я свожу в главе 10, где разбираю режимы отказа артефактов. Вывод прост: цепочка поставок навыков унаследовала все болезни открытых хранилищ готового кода — откуда разработчики тянут чужие компоненты вслепую — и добавила подмену инструкций как новый класс атак раньше, чем научилась ходить.

Классический рынок лимонов: покупатель не отличает хороший навык от заражённого, начинается отбор худших, и каталог тонет в шуме. Поэтому человеческое поручительство — «этот навык безопасен и хорош» — дорожает по мере роста реестра. Та же логика, что в праве и финансах: артефакт несёт способность, но не несёт ответственность. Доверенный куратор незаменим.

Война как самый жёсткий замер

Последняя область — где ценой ошибки становится смерть, и где трансформация видна без рекламных материалов поставщиков. В марте 2026-го беспилотные системы дали 96% из 35 551 зафиксированных потерь российских войск (данные украинской стороны, март 2026) [E]. Компетенция наводчика, разведчика, оператора огневого контакта вынесена в дешёвый расходуемый аппарат: его собирают за часы и списывают без сожаления, тогда как наводчика растят десять лет. Та же дуга, что у Klarna и Lovable, только без права на маркетинговый хайп: исполнение ушло в артефакт, дешевизна решила исход, а несублимируемым осталось решение применить силу — и ответственность за него. Война оказалась честнейшим стендом для тезиса, потому что там нельзя работать на ощущении вместо понимания.

Что забираем из 2026-го

2026-й — год, когда дуга Klarna стала общей: сублимация исполнения реальна и измерима в девяти областях сразу. Вместе с ней реальны стена качества, пропавшая ступенька, рынок лимонов и 1497 судебных дел. Ни замена людей машиной, ни лопнувший хайп — кое-что точнее и серьёзнее обоих.

Линза держится: компетенция уходит с человеком, артефакт остаётся. Программирование прошло это первым, потому что его результат можно проверить; остальные идут с отставанием и со своими штрафными параметрами. Медицина показала, что штраф иногда не там, где мы думали. GoDaddy показала, как выглядит дело, когда оно удалось. Но за всеми этими историями есть одно условие, без которого ничего не работает. Файл с инструкцией умеет повторять навык, но не умеет его создать, прочитать вывод и поймать в нём тонкую ложь. Это по-прежнему делает человек — тот, у кого хватает знания написать правило, вычитать ответ алгоритма и забраковать правдоподобную ошибку, которую новичок проглотит. Уберите его — и система довольно быстро начнёт тихо врать, а заметят это снаружи и поздно, как в Air Canada и Deloitte. Поэтому самое дефицитное в этом году — не вычислительные мощности и не модели. Дефицитен человек, который понимает, что именно ушло в артефакт, и готов поставить под результатом свою подпись.

Дальше — 2028-й: переход из «новое и шумное» в «новое, но норма». Туда, где пропавшая ступенька из локального сигнала становится структурой рынка труда, а вытеснение перестаёт быть заголовком и становится фоном.

Датированный фальсификатор. Если к концу 2027 года выручка на сотрудника в компактных компаниях, построенных вокруг ИИ, вернётся к медиане по рынку — то есть аномалия Lovable окажется разовым артефактом момента, лишённым структурной опоры, — а отмена ИИ-агентных запусков превысит прогнозные 40% по причине того, что базовая ценность не подтвердилась (а слабое управление окажется тут ни при чём), тогда тезис о сублимации как устойчивом апгрейде рушится. И 2026-й окажется пиком очередного хайп-цикла — как GPT Store в 2024-м.