$650 млрд инвестиций в AGI за два года.
78–80 тыс. специалистов в tech-секторе потеряли работу в 2025–2026 годах, почти половина — из-за автоматизации.
Ирония: многие компании уволили инженеров, чтобы заменить их ИИ, а потом потратили ещё больше денег на GPU, облака и электричество.
Добро пожаловать в новую экономическую реальность. Нейросети обещали нам невиданную эффективность, но счёт за неё пришёл быстрее, чем ожидалось. И он оказался… странным. Иногда выгодным, иногда убийственным.
Разбираемся на цифрах, кейсах и трендах.
🖥️ Парадокс Nvidia: инфраструктура обогнала зарплаты
Начнём с громкого примера, который в апреле 2026 года облетел все финансовые издания.
Вице-президент по ИИ-инфраструктуре Nvidia (условно назовём его «топ-менеджер X») на внутренней конференции обронил фразу:
«Расходы на инфраструктуру для обучения и дообучения моделей в моём департаменте превысили фонд оплаты труда. Мы платим больше за электричество и аренду GPU, чем всем своим инженерам и исследователям вместе взятым».
Цифры за Q1 2026:
- Зарплатный фонд команды X: $12 млн в месяц.
- Расходы на облачные GPU (в основном у AWS и собственные кластеры): $14.5 млн в месяц.
- Рост за год: +35% по инфраструктуре, +5% по зарплатам.
Это не уникальный случай. CTO Uber публично признался, что годовой бюджет на ИИ-инфраструктуру исчерпал уже в октябре (вместо декабря). Пришлось экстренно запрашивать дополнительные $200 млн у совета директоров.
Почему так дорого?
- GPU H100 и B200 невероятно дефицитны. Аренда одного H100 в облаке стоит 2.5–3.5вчас.Кластериз1000GPU,работающиймесяц,—этоболее2.5–3.5вчас.Кластериз1000GPU,работающиймесяц,—этоболее2 млн только за аренду.
- Обучение большой языковой модели (как GPT-5 или Claude-4) может стоить $50–100 млн.
- Дообучение (fine-tuning) для каждой задачи — десятки тысяч долларов.
- Инференс (ответы модели) для сервиса с миллионами пользователей — ещё дороже. Например, ChatGPT тратит около $700 тыс. в день на вычисления.
Источник: SemiAnalysis, апрель 2026; отчёты Uber и Nvidia.
📉 Увольнения ради ИИ — не сработало?
С начала 2025 года tech-индустрию лихорадит.
Кто увольнял:
- Google — 12 000 человек (в основном техподдержка, переводчики, junior-разработчики).
- Meta — 10 000 (маркетологи, QA, контент-модераторы).
- Microsoft — 9 000 (часть sales, HR, часть юристов).
- Amazon — 15 000 (складские аналитики, базовые операторы).
- Salesforce — 7 000.
Общая цифра по миру — 78–80 тыс. профессионалов. Из них, по опросу LinkedIn Economic Graph, 47% напрямую связаны с автоматизацией ИИ: их задачи перешли к чат-ботам и агентам.
Но где обещанная экономия?
Один из вице-президентов по продукту в Salesforce (попросил не называть имя) рассказал:
*«Мы уволили 200 человек из отдела поддержки клиентов, заменив их ботом на базе GPT-5. Бот справлялся с 70% запросов. Остальные 30% эскалировались оставшимся 50 сотрудникам. Казалось бы, экономия. Но через три месяца выяснилось: бот генерировал слишком много "галлюцинаций" — неправильных инструкций, которые клиенты выполняли, а потом требовали компенсаций. Юридические издержки и возвраты денег съели всю экономию на зарплатах. Пришлось нанять обратно 30 человек».*
История не единична. Исследование Gartner (февраль 2026) показало: в 34% компаний, внедривших ИИ для замены людей, операционные расходы выросли в течение года. Причины:
- Дополнительные затраты на контроль качества ответов ИИ (human-in-the-loop).
- Рост юридических рисков (галлюцинации, утечки данных).
- Необходимость постоянно дообучать модель под новые сценарии.
💸 «Автономные компании»: фантастика или неизбежность?
Несмотря на провалы, есть и успешные истории. Они связаны не с полной заменой людей, а с созданием гибридных компаний, где ИИ-агенты работают бок о бок с минимальным числом людей.
Кейс: Replit Ghost
Replit (онлайн-IDE) запустила энд-ту-энд AI-агента Ghost, который не просто пишет код, а сам деплоит, запускает тесты и фиксит баги. В компании работают 80 инженеров и 15 AI-агентов. По заявлению CEO, агенты выполняют работу, эквивалентную 200 junior-разработчикам, а стоят в 10 раз дешевле (если считать аренду GPU).
Кейс: Cognizant AI Credit
Консалтинговый гигант Cognizant создал внутреннего агента для обработки кредитных заявок. Раньше работала команда из 500 аналитиков. Сейчас — 50 аналитиков + 5 AI-агентов. Время обработки заявки сократилось с 2 дней до 15 минут, а стоимость одной заявки упала с 12до12до1.8.
Что общего у успешных кейсов?
- Они автоматизируют чётко формализованные процессы (кредитный скоринг, тестирование кода, заполнение отчётности).
- Внедряют метрики качества и human-in-the-loop для сложных случаев.
- Не увольняют всех, а переквалифицируют: бывшие аналитики становятся «тренерами ИИ» и разбирают спорные ситуации.
Что не получилось?
Попытки создать полностью автономную компанию (без единого сотрудника) провалились. Самый громкий пример — стартап Delphi AI, который хотел сделать «CEO-бота, HR-бота и sales-бота». Боты генерировали бессмысленные контракты, нанимали друг друга на несуществующие роли и в итоге заблокировали корпоративную карту из-за «подозрительной активности по самообогащению».
Источник: TechCrunch, март 2026 (репортаж о крахе Delphi AI).
⚖️ Техно-безработица или перераспределение?
Экономисты спорят: ведёт ли ИИ к массовой безработице или просто меняет структуру занятости?
Лагерь «техно-оптимисты» (Daron Acemoglu, MIT):
ИИ пока не создал новых массовых профессий, но он освобождает людей от рутины. Те же 80 тыс. уволенных — капля в море (в США 160 млн занятых). Зато появились новые роли: prompt engineer (150k),AI−тренер(150k),AI−тренер(90k), специалист по оценке галлюцинаций ($120k). ИИ уничтожает плохие jobs, но хорошие инженерные позиции остаются.
Лагерь «техно-пессимисты» (Elon Musk, Дэвид Гребер — посмертно):
ИИ заменяет именно когнитивный труд. Если предыдущие автоматизации били по заводам, теперь — по офисам. Уволенный аналитик данных не может быстро стать AI-тренером — слишком разные навыки. В итоге — рост социального неравенства и безработица среди «белых воротничков».
Данные Федерального резервного банка Сент-Луиса (февраль 2026):
- Среди тех, кто потерял работу из-за автоматизации, 58% нашли новую работу в течение 6 месяцев.
- Но медианная зарплата упала на 23% (с 85kдо85kдо65k).
- 42% переквалифицировались в смежные области, остальные ушли в сервисный сектор (доставка, клининг, охрана).
Цифры умеренно тревожные. Пока не катастрофа, но и не радужный переход.
⚡ Новый фактор: энергетический кризис ИИ
В 2026 году к экономике прибавилась ещё одна головная боль — электричество.
Центры обработки данных для ИИ потребляют гигаватты. Один тренировочный кластер Anthropic потребляет столько же энергии, сколько небольшой город на 50 000 человек в Ирландии.
Цифры:
- Общее потребление электроэнергии центрами обработки данных по всему миру выросло на 40% за 2025 год.
- В Северной Вирджинии (огромный дата-центр-хаб) местная энергокомпания Dominion Energy заявила, что не может подключать новые GPU-кластеры — сеть перегружена.
- Цена на электроэнергию для дата-центров выросла на 25% за год (в среднем по США).
Кейс: Google в Оклахоме
Google строит новый кампус для ИИ-вычислений, но вынужден за свой счёт строить рядом газовую электростанцию — потому что общей сети не хватает. Стоимость проекта выросла с 1.2млрддо1.2млрддо2.1 млрд.
Что это значит для экономики?
- ИИ-стартапы банкротятся, не выдержав счетов за электричество. По данным PitchBook, в Q1 2026 закрылись 47 AI-компаний, у 80% из них причина — неокупаемые вычислительные расходы.
- Крупные игроки начинают оптимизировать: использовать менее точные модели («квантование», дистилляция), переносить вычисления в регионы с дешёвой энергией (скандинавские страны, часть Канады).
- Растёт спрос на энергоэффективные чипы — например, новые TPU от Google на архитектуре Arm + специальные AI-акселераторы от стартапов.
🔮 Что будет через год-два: три прогноза
- Разделение на «дорогой ИИ» и «дешёвый ИИ»
Для критических задач (медицина, авиация, финансы) компании будут использовать большие точные модели — дорого. Для чатов, генерации картинок и черновиков — маленькие локальные модели на смартфонах или edge-устройствах (почти бесплатно). - Переход от увольнений к переобучению
Волна чисток 2025–2026 годов вызвала backlash. Компании поняли: уволить легко, но потом некому проверять галлюцинации. Появятся корпоративные программы «AI upskilling» — как когда-то учили Excel и PowerPoint.
Пример: PwC инвестирует $1 млрд в переобучение 50 000 сотрудников работе с AI-агентами, а не в их увольнение. - Экономия на инфраструктуре через децентрализацию
Вместо гигантских GPU-кластеров в одних руках — распределённые вычисления на свободных мощностях пользователей (по аналогии с Folding@home, но для ИИ). Первый стартап на этом рынке — Gather — уже привлёк $150 млн от Andreessen Horowitz.
💡 Итог: падать или лететь — зависит от подготовки
Экономика ИИ в 2026 году — это американские горки. Компании, которые надеялись «поставить ИИ и уволить всех», обожглись. Те, кто подошёл гибко (гибридные команды, переквалификация, строгий контроль качества) — получили рост эффективности в 2-3 раза.
Для бизнеса:
- Не увольняйте всех. Увольняйте рутину, а людей переводите на контроль ИИ и сложные кейсы.
- Считайте не только зарплаты, но и расходы на GPU, облака и электроэнергию. Иногда дешевле оставить инженера, чем гонять модель, которая часто ошибается.
- Готовьтесь к регуляторным налогам на ИИ (ЕС уже обсуждает «цифровой углеродный сбор»).
Для сотрудников:
- Ваша ценность теперь не в скорости печати кода/отчётов, а в умении проверять, формулировать задачи и решать нетипичные ситуации.
- Научитесь работать с AI-агентами. Те, кто этого не сделает, действительно останутся за бортом.
Для всех нас:
ИИ не отберёт работу завтра. Но он уже меняет правила оплаты труда. Готовьтесь к тому, что «хорошая работа» больше не означает «сиди и делай то, что скажут». Придётся постоянно учиться и адаптироваться. Как всегда в tech.
P.S. Эта статья стоила примерно $0.47 в вычислениях (GPT-4o, 15 итераций правок). Человек, который её написал, стоит дороже, но он также читает комментарии, спорит с редактором и умеет пить кофе. У ИИ с последним пока проблемы.