Китайский парадокс
Интересная статистика у нас по Китаю наблюдается. Процент занятых в промышленности неуклонно продолжает расти все последние десятилетия.
Хотя с другой стороны, в абсолютных числах сократилось за последние десять лет число промышленных рабочих, хотя незначительно:
Удивительно это потому, что вроде как Китай при этом является лидером по внедрению именно промышленных роботов. Там их устанавливается за год больше порой, чем во всех остальных странах вместе взятых. Однако почему-то эта автоматизация не приводит к сокращению численности занятых в промышленности. Во всяком случае, это сокращение не такое резкое, как, например, в США:
Вопрос - почему? И о какой отмывке с помощью ИИ идет речь в заголовке? Что же, перенесемся с берегов Южно-Китайского моря на Запад…
Срочное внедрение
Ключевая особенность того, как внедряется сейчас генеративный ИИ в огромном количестве компаний - это принудительное внедрение сверху. Это выражается по-разному, от вопросов к кандидатам на собеседованиях “Как вы использовали ИИ на предыдущей работе и как планируете, если попадете к нам?”. Т.е. кандидата не проверяют на то, может ли он выполнять работу хорошо, его проверяют на то, может ли он выполнять ее с помощью ИИ. А это две большие разницы.
Отдельно стоит отметить тот факт, что во многих компаниях буквально создают такую организационную единицу, как ИИ-отдел, у которого буквально KPI - внедрение ИИ в процессы компании. Понятно, что такой отдел будет буквально идти по головам и внедрять ИИ даже в ущерб бизнесу (чуть ниже мы поговорим о том, в чем это проявляется).
Есть еще много симптомов внедрения ИИ в приказном порядке сверху. Я бы хотел указать, что это нетипичный способ внедрения новых технологий в большинстве случаев. Как обычно происходит?
История первая. 25 лет назад, начало 2000-х. Я молодой студент, на навыки в компьютерах которого обратил внимание профессор на кафедре. Он припахал меня делать проектные чертежи в AutoCAD, причем не просто двигать мышкой, а еще и писать кучу кода на AutoLisp для проектирования цехов и печей. Периодически он не забывал поговорить за жизнь. Так вот, говорил он, то, что мы сейчас делаем вдвоем (профессор указывает, что он хочет увидеть, я это быстро черчу, он следит за тем, чтобы не расходилось с его видением) лет двадцать назад (т.е. в начале 80-х) в среднестатистическом советском проектировочном институте делала бригада в десять человек, из которых один (обычно м.н.с.) занят был чисто тем, что следил за состоянием карандашей, ластиков и бумаги.
Характерно, что внедрение этой системы, как и всех прочих САПР, происходило в вузах и КБ стихийно, при игнорировании этого со стороны высшего руководства. Зачастую оно даже было не совсем законным (пиратские версии и т.д.). Потому что эта технология реально помогала людям, и профит от нее был такой, что даже 65-летние доценты бодро начали ею пользоваться.
История вторая. Прошло несколько лет, и Apple выкатил первый iPhone. Очень удобная штука, не только в плане позвонить, но и массу вещей сделать. Настолько удобная, что люди начали пользоваться этим и на работе. В то время в американских компаниях в основном действовала политика, прямо противоположная BYOD - т.е. если тебе нужен был телефон по работе, тебе предоставляли какой-то служебный, чаще всего стационарный. За попытку использования смартфона или даже просто проноса его на территорию предприятия пару лет действовали очень жесткие штрафы и наказания (мы сейчас не про РФ, а про США, если что). Однако эта штука, как и другие смартфоны, была настолько хороша, что люди готовы были идти на риск и все равно проносили на территорию компании смартфоны. Потом на это махнули рукой,
К чему эти две истории? Обычно внедрение новых технологий происходит снизу, а потом обретает какую-то поддержку сверху. Как правило, сотрудникам еще долго приходится доказывать начальству, что вот эту штуку надо бы использовать у нас в конторе, она реально полезная. Генеративный ИИ резко выбивается из этой колеи технологий. Какой-то энтузиазм снизу присутствует, люди бодро пробуют разные модели типа ChatGPT/DeepSeek/Llama, однако заметен невероятный вал инициатив сверху по поводу внедрения всего этого. Что довольно странно…
Последствия
Теперь поговорим о последствиях. Мы здесь даже не о том, что активное использование таких инструментов без попыток задействовать мозг приводит к деградации мозга, причем это буквально можно увидеть на ЭЭГ и МРТ. Давайте о том, к каким последствиям это приводит для бизнеса.
10 марта Amazon провел экстренное совещание по поводу роста инцидентов, вызванных использованием генеративного ИИ. Первый удар был нанесен по Amazon в октябре 2025, когда плохо стало AWS (на котором крутится масса сайтов, приложений и т.д.), и длилось это 13 часов.
Это не единственный инцидент такого рода, после того, как компания уволила массу людей. Последний по времени случился как раз в начале марта, когда пользователи не могли воспользоваться сервисами покупок и прочего. Тут Amazon попал уже на вполне конкретные деньги и начал лихорадочно искать решение проблемы. Решение заключается в том (пока), чтобы старшие разработчики в обязательном порядке проверяли весь код, который младшие разработчики пишут с помощью генеративного ИИ. Тут, конечно, стоит задать вопрос “А что, до этого в Amazon младшие разработчики могли отправлять в эксплуатацию код без проверки со стороны старших?”. Видимо, да, потому что как иначе можно понять такое решение? Уровень организации поражает.
Интересная ситуация получилась с известной компанией Klarna. Сначала она бодро уволила 700 человек, потому что их заменил ИИ. Однако внезапно это привело к убыткам для компании, поскольку клиенты были недовольны обслуживанием со стороны ИИ. Настолько, что это стало приводить к убыткам, которые множили на ноль всю экономию от увольнений.
В целом исследования на данный момент показывают, что крайне сложно вычленить достижения компаний, которые можно было бы отнести за счет внедрения именно ИИ. По сравнению с предыдущими нововведениями (типа доступ к интернету, возможность онлайн-закупок и т.д.) эффект пока сомнительный. Он есть, но ни разу не объясняет, с чего это вдруг компании так резко устремились в этом направлении. Обычно компании в плане сферы ИТ достаточно консервативны - программисты банковских систем на COBOL (а такие в США до сих пор на каждом шагу) это авторитетно подтвердят.
Отмывка денег и конец американской мечты
Для чего ИИ точно используется, так это для отмывки денег. Но не так, как это делали Аль Капоне и прочие. Он используется для легализации увольнений. Не так давно прогремел скандал с Block. Компания объявила о массовых сокращений, вызванных ИИ. Однако именно это как раз классический случай того, что называется AI washing, или “ИИ отмывка” в западной прессе. Что это значит? Это значит, что большинство увольнений, замаскированных под “Вашу работу забрал ИИ”, не связаны никак с ИИ. По факту только 4 процента всех увольнений в США за прошлый год были связаны именно с ИИ.
Если говорить про Block, то штат конторы увеличился в несколько раз с 2019. Это не потому, что они резко расширили масштабы своей деятельности. Они неверно оценили будущий рост рынка, а потом пришла пора платить по счетам. Однако сказать “Я тупой баран и ошибся в прогнозах” гендиректор не хочет, поэтому “Мы все автоматизировали с помощью ИИ и сокращаем из-за этого штат”. Это даже благотворно влияет на стоимость акций.
Следует заметить, что основная волна сокращений в ИТ в 2025 была вызвана не тем, что крупные компании прямо несут убытки. Нет, оно вызвано попытками перераспределения средств из OPEX в CAPEX (т.е. зарплаты перенаправляем на строительство дата-центров под ИИ). Именно поэтому эти увольнения произошли неравномерно. Основная их масса пришлась на США, поскольку в Европе гигантам типа Amazon или Google крайне сложно доказать регуляторам, что они на грани банкротства, поэтому надо сокращать штаты. В США же законодательство гораздо более гибкое в этом плане. ИИ здесь выступает в роли злого следователя, хотя ИИ не имеет никакого отношения к лицам, принимающим решения (ЛПР).
Вообще ИИ можно рассматривать как инструмент. Представьте, что у вас есть цех, где 30 человек заняты пошивом одежды. Шьют вручную. Вы закупили нормальные швейные машинки. Теперь тот объем одежды, который делали эти 30, могут делать и 20. У вас два варианта - расширить объем производства, оставив всех на работе, либо сократить людей, оставив тот же объем производства.
К чему этот пример? Если вернуться к КНР в начале статьи, то там действует первый вариант. Т.е. внедрение промышленных роботов за последние десять лет не приводит к резкому сокращению сотрудников, а используется для расширения производства.
В кремниевой же долине пока действует второй вариант - мы не видим резкого увеличения производства тех же программных продуктов. Вот вам на затравку задача - попробуйте составить перечень реально полезных программ (или компьютерных игр), которые появились с 2022 (когда выстрелил ChatGPT). И сравните с объемом начала нулевых, как пример. По идее мы должны были видеть в США смесь подходов 50/50 - сокращение численности при резком увеличении выработки. Но выработка не увеличивается. И на это есть две причины.
Во-первых, как уже указано, ИИ не ускоряет работу тех же программистов. Более того, есть исследования, показывающие, что по факту он замедляет их работу (хотя при этом программистам кажется, что это не так). Идея, что ты просто говоришь роботу “Сделай мне программу” и он напишет, неверна. Эту программу потом придется долго доводить до ума, причем программисту более высокой квалификации, чем те, что обычно пишут программы.
Во-вторых, экономика. Да, в теории ИИ сейчас может увеличить количество полезных программ. А зачем? Чтобы кто-то их купил, очевидно. Но ведь вы же только что провели массовые сокращения одной из самых высокооплачиваемых профессий. Кто же сейчас будет делать покупки именно программ? В отличие от хлеба или воды, программы можно найти бесплатно (если даже не Open Source эквиваленты, то пиратство никто не отменял). Поэтому ИИ в данном случае выступает исключительно как инструмент сокращений.