О том, почему универсального ядра искусственного интеллекта не существует, чем китайская модель отличается от российской и от западной, и как один и тот же разрыв проходит через совещания, переписку с младшими сотрудниками и письма иностранным партнерам.
Совещание длится сорок минут. Переговорная средней промышленной компании: стол на шесть человек, экран на стене, ноутбуки, кружки с остывшим чаем, флипчарт с прошлой повесткой в углу. В центре стола — переговорное устройство, тихо записывающее все подряд.
С одной стороны сидит управленческое ядро: финансовый директор, главный инженер, начальник производства. Всем около шестидесяти. Все пришли в компанию еще в нулевых; у всех за плечами длинная заводская биография. С другой стороны — логист, закупщик и специалист по внешнеэкономической деятельности. Всем около тридцати.
Обсуждают запуск нового производственного проекта.
Гендиректор сидит во главе стола и слушает.
Через двадцать минут разговор упирается в один и тот же узел. Закупщица разворачивает к старшим экран ноутбука: «У нас в действующей спецификации эта номенклатура. Поставщик переименовал линейку год назад. Я по этим артикулам не могу заказывать».
Специалист по ВЭД добавляет, что типовой контракт тоже уехал от реальности: банковский канал другой, условия поставки другие, комплект документов собирается иначе. Логист формулирует короче: «Я не могу принять партию по этой инструкции. У меня половина пунктов не сходится».
Главный инженер раздраженно отмахивается: «Так в инструкции вообще не все написано. Там много хвостов, по ходу разберемся». Начальник производства поддерживает: «А как вы хотели? У нас за два года поменялось все — поставщики, упаковка, маркировка, банки. Документы всегда отстают».
Гендиректор поднимает голову от ноутбука и произносит фразу, которая в его кабинете звучала уже много раз: «Надо переписать. Соберем рабочую группу, обновим, утвердим».
Старшие кивают. Формула привычная.
Главный инженер усмехается: «Мы ее уже переписывали. В двадцать третьем. Потом в двадцать четвертом. У нас половина изменений до склада не успевает дойти в инструкцию, как ее уже снова надо переписывать».
Он замолкает, смотрит на остальных и добавляет: «Не в инструкции дело. В скорости».
Логист поднимает голову от ноутбука с растерянным выражением. Не спорит, не возражает — именно теряется. По ее лицу видно: она понимает обе логики — и «переписать», и «не догнать». Но как ей сегодня принимать партию по документу, который не сходится с фактом, ей никто не объясняет.
В перерыве, выходя за кофе, финансовый директор бросает гендиректору вполголоса: «Им что, по слогам надо объяснять? Они вообще поглупели за это поколение, что ли».
Гендиректор молчит. Он знает: нет, не поглупели. Они говорят на разных языках. И эти языки выбрали не они. Их выбрала эпоха, в которой каждый из них учился думать, работать и объяснять.
Вечером того же дня гендиректор садится работать с моделью искусственного интеллекта — и сталкивается с тем же самым разрывом, только в другой форме.
Разговор по умолчанию
У того, что произошло в переговорной, есть имя. И длинная исследовательская биография.
Поколение российских руководителей старше пятидесяти пяти — это люди, чья профессиональная речь формировалась в позднесоветской и раннепостсоветской среде. В этой среде многое держалось на общем фоне. Школа была более или менее общей. Книги были общими. Фильмы были общими. Инженерная и заводская культура тоже была общей. Не нужно было объяснять все до конца: собеседник достраивал смысл сам, потому что жил внутри похожего культурного кода.
В такой речи фраза «по ходу разберемся» не выглядит уклонением. Для человека того же круга она может означать вполне конкретную управленческую процедуру: запустим процесс, посмотрим, где возникнут отклонения, поправим на месте, доведем до результата. Это не хаос. Это способ работы в среде, где люди понимают не только слова, но и то, что за ними стоит.
Антрополог Эдвард Холл еще в семидесятые годы описал различие между культурами высокого и низкого контекста. В высококонтекстной культуре значительная часть смысла передается не прямой формулировкой, а отношениями, общей историей, тоном, паузой, невысказанным. В низкоконтекстной культуре каждое слово несет больший вес, потому что собеседник не обязан догадываться. Классификация Холла не является строгой математической моделью, и ее справедливо критикуют за наблюдательный характер. Но как рабочая оптика она хорошо объясняет то, что происходит в российской промышленной переговорной.
О том же, с другой стороны, писала Анна Вежбицкая, лингвист мирового уровня и основательница школы естественного семантического метаязыка. В ее работах русский язык описывается как более эмоционально плотный и менее агентный, чем английский, с более сильной ролью оценки, состояния и переживания. В такой речевой культуре смысл часто живет не только в глаголе и существительном, но и в интонации, нравственном оттенке, подразумеваемом отношении к происходящему.
Сложите это вместе. Высокий контекст. Эмоциональная плотность. Косвенность как культурная норма. Это и есть речевой профиль поколения, которое сегодня держит верхний слой российского промышленного бизнеса. Это не слабость и не дефект. Это язык среды, в которой они стали эффективными.
Проблема началась не потому, что этот язык плох. Проблема началась потому, что среда, для которой он был создан, перестала существовать.
Распад общего фона
Постсоветские тридцать лет — это история распада общего культурного фона. Школа перестала быть одинаковой. Книги перестали быть одинаковыми. Фильмы и музыка распались на сотни параллельных вселенных. То, что раньше работало как общий слой понимания, теперь рассыпалось на множество частных сред.
По данным интернет-опроса ВЦИОМ, проведенного 5–6 июня 2025 года среди россиян 18–35 лет, в группе 18–24 лет 69% чаще общаются с близкими и друзьями онлайн, чем в обычной жизни. Мемы используют в общении ежедневно или почти ежедневно 49% всех опрошенных 18–35 лет, а среди 18–24-летних таких уже 70%. Это не просто другая платформа. Это другая речевая среда, формирующая другую речь.
Молодежь не говорит хуже. Она говорит на коде, который старший руководитель не считывает.
Здесь важно назвать то, что не сразу видно изнутри старшего поколения. Молодые сотрудники тоже живут в своем разговоре по умолчанию. Просто этот разговор собран из других материалов: мессенджеров, мемов, коротких видео, англоязычных интерфейсов, игровых логик, цифровых сообществ. Молодой сотрудник не пишет старшему руководителю «сорян, не успеваю, кринж» — но этот регистр существует в его внутренней речи и в переписке с ровесниками. Он влияет на то, как человек собирает мысль, считывает иронию, видит приоритет и воспринимает задачу.
Когда такой сотрудник разговаривает со старшим руководителем, он переводит. Не всегда осознанно, но переводит. И старший руководитель делает то же самое, когда пытается объяснить ему задачу на языке, который сам считает естественным. Оба уверены, что говорят по-русски. Формально так и есть. Но внутри одной языковой культуры уже возникли разные речевые среды.
Бывают моменты, когда младший и старший русский расходятся как два разных языка. Понять друг друга можно. Но без перевода — все труднее.
Это не обычный разрыв поколений. Это разрыв речевых сред внутри одной языковой культуры. И в одной комнате теперь говорят на двух русских, которые перестали быть взаимопереводимы по умолчанию.
К этой комнате подключается еще один собеседник, с которым у руководителя ситуация еще острее.
Молодежь не говорит хуже. Она говорит на коде, который старший руководитель не считывает
У каждой модели свой характер
Когда руководитель старшего призыва открывает чат с моделью и пишет ей запрос «надо к концу квартала закрыть вопрос с поставками», он сталкивается с третьим собеседником, который тоже не считывает его языка. Только теперь это не молодой сотрудник, а программа. И в ее требовании говорить прямо скрыто кое-что важное.
Большие языковые модели по своей природе низкоконтекстны. Это не идеология их создателей. Это структурная особенность того, как они работают: они оперируют вероятностями токенов, и каждая образная фраза, каждый намек, каждое «как-то» открывает слишком большое поле возможных интерпретаций. Образная речь для модели — не богатство контекста, а риск ошибки.
Эмпирически это подтверждается: в обзорной работе января 2026 года исследователи Боллепалли, Сломан-Молль и Ямаучи тестировали четыре современные модели на двухстах сорока диалоговых высказываниях с образной речью. Результаты показали: на поверхности ответы моделей могли быть похожи на человеческие, но на уровне представлений они заметно расходились с людьми — особенно в контекстно зависимых выражениях вроде сарказма, сленга, идиом и поколенческих языковых кодов. Ровно в той речи, на которой держится культура общего фона.
Но мир моделей в 2026 году — это не один низкоконтекстный собеседник. Это три разных кластера, и у каждого свой характер речи и свои ловушки.
Первый кластер — западные модели. GPT от OpenAI, Claude от Anthropic, Gemini от Google. У каждой свой регистр. GPT отвечает плотно и системно, хорошо держит абстрактные рассуждения и структуру. Claude чаще рассуждает вслух, признает неуверенность и сильнее в сложных задачах программирования и длинной аналитике. Gemini работает с огромными контекстами — вплоть до объема нескольких книг сразу.
Второй кластер — китайские модели. DeepSeek, Qwen, GLM. На поверхности — дешевая мощность и высокий темп развития. DeepSeek-R1 вышел в январе 2025 года и стал символом того, что передовой уровень модели не обязательно требует американских бюджетов и американской инфраструктуры.
Здесь есть важная ловушка. Российскому руководителю старшего поколения, выросшему в культуре намека, разговор с DeepSeekможет показаться удивительно знакомым. Модель часто отвечает обходно, делает оговорки и переформулировки там, где западная модель ответила бы прямее. Спросите DeepSeek о торговле с Тайванем — и получите не грубый отказ, а аккуратный пересказ задачи в нейтральных формулировках. Примерно так опытный советский человек обходил неудобный вопрос в коридоре министерства.
Это речь по умолчанию другой культуры. Эзопов язык, обход острых углов, сохранение лица, избегание прямого конфликта. То, что в советской культуре было защитной техникой против цензора, в китайской модели становится частью культурного рисунка ее ответов. Это разные традиции и разные причины, но похожий контур. Российский руководитель узнает этот рисунок быстрее, чем американский.
И в этой знакомости скрыта опасность. В ноябре 2025 года американская компания CrowdStrike опубликовала исследование модели DeepSeek-R1. Базовая частота уязвимостей в генерируемом коде составила 19% — на уровне или лучше западных моделей того же класса. Но когда в задание добавлялись контекстные модификаторы, связанные с темами, чувствительными для Пекина, например, сценарий промышленной системы управления в Тибете, частота критических уязвимостей поднималась до 27,2% — почти на пятьдесят процентов выше базового уровня. Авторы исследования формулировали вывод осторожно: статистически значимое отклонение, происхождение которого может объясняться особенностями обучающих данных, правилами модели или другими факторами. Даже в этой осторожной формулировке вывод важен: модель может вести себя по-разному в зависимости от культурного контекста задачи. Для руководителя, которому знаком обход неудобных тем, это свойство может остаться незамеченным до тех пор, пока не упрется в безопасность.
Модель кажется родной, потому что говорит знакомым типом речи. Но за этой знакомостью скрывается чужой культурный код.
Третий кластер — российские модели. GigaChatот Сбера, YandexGPT от Яндекса. Здесь ловушка обратная.
На поверхности — модели, обученные на русском языке и российских реалиях. Регистрация по российскому номеру телефона, оплата российскими картами, без VPN. GigaChat знает, что такое УСН, маркировка «Честный знак», договор поставки по ГК РФ. По данным MERA — открытого отраслевого бенчмарка для русскоязычных моделей, который разрабатывается на площадке Альянса в сфере ИИ силами команд Сбера и MTS AI совместно с академическими партнерами, — GigaChat 2 MAX показывает сильные результаты на русскоязычных задачах и в ряде сравнений по русскому языку обходит глобальные модели класса GPT-4o и DeepSeek-V3. Это не просто маркетинговая формула, а важный признак зрелости локальной языковой компетенции.
К концу 2025-го — началу 2026 года эта линия стала еще заметнее. Сбер вывел в публичное поле семейство GigaChat 3, включая GigaChat 3 Ultra Preview — флагманскую instruct-модель класса 702B-A36B: около 702 миллиардов параметров при примерно 36 миллиардах активных параметров на токен. Важно не только то, что это крупная модель, а то, что она выпущена с открытыми весами под лицензией MIT и допускает коммерческое использование. Для российского рынка это меняет рамку разговора: появляется не просто «русская модель в интерфейсе», а потенциальная основа для локального корпоративного контура, который можно разворачивать, дообучать и встраивать в закрытую среду.
Параллельно сам пользовательский ассистент GigaChat весной 2026 года получил обновление на базе флагманской модели GigaChat Ultra. В публичных материалах Сбера отдельно подчеркивались память о фактах пользователя, самостоятельный поиск информации в интернете и более быстрая генерация ответов. Это уже не только языковая компетенция, а движение к полноценной рабочей среде вокруг модели.
Но здесь важно не впасть в обратную иллюзию. Открытые веса и локальная компетенция не отменяют разрыва с западными флагманами в самых сложных задачах рассуждения, продвинутом программировании и многошаговом анализе. Российская модель может лучше держать русский контекст, юридические реалии и бытовую фактуру, но на задачах, где требуется глубина архитектурного мышления, сложный код или нестандартная аналитика, западные модели пока часто остаются сильнее. Это не вопрос языка. Это вопрос зрелости всей модели и масштаба обучающей экосистемы.
Есть и второй слой. Открытая модель такого масштаба не означает легкого локального запуска для обычной средней компании. GigaChat 3 Ultra Preview — это модель инфраструктурного класса. Ее можно рассматривать как основу для крупных корпоративных контуров, интеграторов, отраслевых решений, но не как инструмент, который директор средней промышленной компании просто поставит на офисный сервер рядом с 1С. Поэтому российская линия становится сильнее, но ее ловушка остается: близость языка и контекста может создать ощущение полной достаточности там, где задача требует другой глубины.
Так выглядит карта 2026 года: три кластера, три ловушки, ни одной идеальной точки.
Ловушка на каждом углу
Идеальной модели не существует. Возьмешь западную — получишь максимальную мощность, но столкнешься с вопросами доступа, оплаты, безопасности и незнанием части российских реалий. Возьмешь китайскую — получишь почти ту же мощность дешевле, но вместе с ней придет другой культурный код и возможные искажения в чувствительных областях. Возьмешь российскую — получишь родной язык, локальный контекст и в перспективе открытый корпоративный контур, но не автоматически получишь максимальную глубину рассуждения.
Эти ловушки симметричны. Ни одну из них нельзя обойти окончательно. Можно только понимать, под какую задачу ты идешь в какую ловушку.
Под слоем речевого разрыва между поколениями и моделями скрывается еще один разрыв — управленческий. И он, возможно, важнее речевого.
Вернемся к планерке, с которой начался текст. Когда главный инженер сказал «по ходу разберемся», а гендиректор ответил «значит, инструкцию надо переписать», каждый из них стоял внутри своего управленческого контура. Оба эти контура родные для поколения пятидесяти пяти-семидесяти лет.
Первый контур — управление через обратные петли. Запусти процесс, наблюдай его, фиксируй результат, вноси корректировки по итогам. Не строй сразу полную инструкцию, потому что полной модели задачи у тебя все равно нет. Оставь пространство для уточнения по ходу дела.
У этого протокола есть и сжатая форма — длинная планерка как жизненный цикл проекта в миниатюре. Запустили обсуждение, посмотрели на реакции, поправили формулировку, через эмоциональный обмен дошли до решения. В этом протоколе передается то, что невозможно донести сухой формулировкой: кто действительно поддерживает решение, кто молча сопротивляется, где у кого болит, какие невысказанные обязательства висят между участниками. Это родной стиль советской и постсоветской производственной школы. Он эффективен там, где есть общий фон.
Второй контур — управление через инструкцию. Опиши процесс полностью, утверди, спусти, контролируй исполнение. Не оставляй пространства для интерпретаций: формальная инструкция должна заранее закрыть основные случаи. Это тоже родной протокол того же поколения, и у него своя сила — воспроизводимость, прозрачность, защищенность от человеческого фактора.
Оба контура работают. Но оба упираются в одну стену — скорость среды. Обратные петли требуют времени на циклы наблюдения и корректировки. Инструкции требуют времени на переписывание и согласование. Когда главный инженер возражает гендиректору: «мы ее уже два года переписываем и не успеваем», он не оспаривает сам принцип инструкции. Он говорит, что внешняя скорость стала короче внутреннего цикла обновления документа. Через два месяца после утверждения инструкция уже описывает не ту реальность.
Длинная планерка работала в среде определенной скорости. Эта скорость изменилась. Не из-за модной торопливости и не потому, что молодые стали нетерпеливее. Просто внешние циклы — регуляторные изменения, банковские каналы, поставщики, упаковка, маркировка, потребительские предпочтения — стали короче, чем внутренний цикл сборки решения через группу. Когда внешний цикл короче внутреннего, компания опаздывает не из-за плохих решений, а из-за того, что хорошие решения собираются медленнее, чем меняется задача.
И тут появляется еще один фактор — компании с короткой историей. У них внутренние протоколы проще, не потому что они умнее, а потому что им меньше что разбирать. У них короче история, меньше общий фон, проще структура. Это естественное преимущество стартового состояния. Они адаптируются легче, и в среде нарастающей скорости это преимущество становится заметным.
Преимущество стартового состояния — это то, что компаниям с историей приходится создавать искусственно. И именно это создание становится главной управленческой задачей 2020-х.
Конфигурация вместо выбора
Преимущество компаний с глубиной никуда не делось. Фактура, опыт, отношения, инженерная школа, память ошибок, знание людей и материалов — все это остается ценностью. Просто теперь эта глубина требует инфраструктуры, которая позволит сохранять ее при той скорости, которой требует среда. Системы, способной адаптироваться на ходу — под цели, под задачи, под изменения контекста.
AI в этой картине приходит не как роскошь и не как мода. Он приходит как один из инструментов такой инфраструктуры. Он позволяет смоделировать сценарий до запуска, прогнать варианты, увидеть слабые места за минуты, а не за два часа группового обсуждения. Не вместо длинной планерки. Рядом с ней.
Универсального ядра не существует. И в обозримой перспективе оно не появится. Не потому что разработчики не справляются, а потому что мощность модели, культурный код модели и языковая природа модели — это разные параметры. Они не сходятся в максимуме в одном продукте.
Это значит, что российская промышленная компания в 2026 году вынуждена собирать рабочую конфигурацию из нескольких моделей. Не выбирать одну как «главную», а распределять задачи между ними по природе самой задачи.
Объяснить домработнице, как варить борщ, и сделать это так, чтобы инструкция легла в ее картину мира, — здесь российская модель соберет текст с правильными названиями продуктов и в правильном регистре. Написать официальное письмо китайскому партнеру, попасть в нужный уровень уважения и обойти неловкие формулировки — здесь поможет китайская модель, которая знает не только язык, но и культурный код адресата. Разработать стратегию выхода на новый рынок, обработать сложную аналитическую модель, написать архитектурный код — здесь без западных моделей пока не обойтись, и это придется принять.
Это и есть новое искусство руководителя. Не выбрать одну модель и закрыть вопрос, а понимать, для какой задачи какой инструмент подходит. В ближайшие годы эта компетенция будет отличать руководителей, которые действительно работают с AI, от руководителей, которые только делают вид, что работают с AI.
Эта компетенция в ближайшие годы будет отличать руководителей, которые работают с AI, от руководителей, которые делают вид, что работают с AI
Конец подразумеваемого
Навык, который нужен руководителю для работы с разными моделями, — умение точно ставить задачу, понимать характер собеседника, явно обозначать важное, — это тот же самый навык, который нужен ему для работы с младшим поколением в собственной команде.
Когда руководитель переводит свое «надо к концу квартала закрыть вопрос с поставками» в «до тридцатого сентября отгрузить первые две партии клиенту X по контракту Y», он тренирует мышцу, которая работает и в чате с моделью, и в кабинете с молодым специалистом по логистике. И наоборот: осваивая работу с моделями, он невольно учится формулировать задачу так, чтобы ее можно было выполнить, а не угадать.
Здесь есть важная практическая тонкость. Распространенная рекомендация по работе с AI говорит: убирайте эмоции из промпта, говорите нейтрально. Это не совсем верно. Эмоция — это сигнал. Она несет информацию о приоритете, срочности, раздражении, тревоге, ставке. Убрать ее полностью — значит обеднить задачу.
Правильный ход — не убирать эмоцию, а явно ее обозначать. Не «помоги мне с задачей», а «эта задача меня раздражает, потому что мы возвращаемся к ней третий раз, помоги найти причину». В работе 2023 года Ченг Ли и его коллег из Института программного обеспечения Академии наук Китая и Microsoft описали метод EmotionPrompt: добавление эмоционально-сигнальной фразы, например «для меня это очень важно», улучшало качество ответа модели как в автоматических тестах, так и в человеческой оценке генеративных задач. В их экспериментах эффект зависел от типа задачи: на Instruction Induction относительное улучшение составило около 8%, на BIG-Bench — значительно больше, а в человеческой оценке генеративных задач среднее улучшение по качеству, правдивости и ответственности составило 10,9%. Метод воспроизводимо работал на разных моделях.
Тот же прием работает с младшим сотрудником. Он не всегда считывает раздражение в косвенной форме, но понимает прямое обозначение. «Мне важно, чтобы это было готово к пятнице, потому что от этого зависит контракт» работает сильнее, чем «там как-то к пятнице надо бы».
И тот же прием работает с зарубежным партнером. Когда контракт идет с поставщиком в Индии или Китае, и через английский нужно передать не только условие, но и приоритет, образная русская речь не доходит. Доходит формулировка с явным маркером: «For us this delivery date is critical because the launch depends on it».
Во всех трех случаях усилие одно: назвать важное явно, не оставлять его в подразумеваемом.
Возражение, которое нужно назвать
Внимательный читатель скажет: «Все это хорошо, но в реальной работе у меня нет времени так формулировать каждую мысль. У меня сорок задач в день, мне быстрее сказать как обычно».
Это правда. Именно поэтому руководители одного поколения друг с другом продолжают говорить по умолчанию. Это быстрее и эффективнее, когда есть общий код. С финансовым директором, с которым ты работаешь двадцать лет, тебе не нужно объяснять, что значит «закроем по плану». С главным инженером, с которым ты прошел два кризиса и три модернизации, можно сказать «надо бы пересмотреть», и он поймет, что именно пересмотреть, в какие сроки и с каким приоритетом. Это нормальная экономия речи в среде общего фона.
Эксплицитность работает на длинной дистанции. На коротком отрезке она действительно замедляет. На длинном — экономит огромное количество времени, которое ушло бы на разбор ошибок, переделок и недопониманий. Эта инвестиция окупается тем быстрее, чем больше в команде людей, с которыми у руководителя нет общего фона. А таких людей становится все больше: младшие сотрудники, нейросети, иностранные партнеры, новые подрядчики, новые рынки.
И еще одно. Эксплицитность — это не многословие. Хорошая эксплицитная формулировка короче и точнее, чем образная. «До тридцатого сентября отгрузить первые две партии клиенту X по контракту Y» быстрее и полезнее, чем «надо к концу квартала закрыть вопрос с поставками, ну ты понимаешь». Просто эту формулировку нужно собрать в голове до того, как открыл рот.
Это и есть новая работа руководителя. Не говорить больше, а говорить так, чтобы смысл не требовал угадывания.
Третий за столом
В сцене, с которой начался этот текст, на столе был еще один участник, о котором сначала почти ничего не было сказано. Переговорное устройство, тихо стоявшее посреди стола, записывало совещание и через внутреннюю корпоративную систему передавало запись в обработку — на автоматическую расшифровку и формирование протокола.
Гендиректор полгода назад завел этот контур, рассчитывая получать после каждого совещания готовый документ с решениями и ответственными. Так можно было не тратить вечер на переслушивание записи и не зависеть от того, успел ли секретарь зафиксировать все договоренности.
Через два месяца стало ясно, что протоколы получаются плохие. Расшифровка фиксировала слова, но не смысл. Когда главный инженер говорил «по ходу разберемся», система не понимала, что это управленческое решение, и записывала фразу как реплику в дискуссии. Когда гендиректор говорил «надо переписать», система не понимала, поручение это или мнение. Когда старшие участники молча кивали, система их не видела. Она работала с речью. Эмоциональный обмен, на котором держался протокол обратных петель, для машины был шумом.
Гендиректор столкнулся с тем же, с чем сталкиваются исследователи моделей: AI плохо считывает речь, в которой смысл подразумевается. И тогда он сделал шаг, который оказался важнее, чем ожидал.
Он не стал учить машину понимать обратные петли. Он изменил формат совещания.
С определенного момента ключевые совещания стали идти по заранее зафиксированной повестке. У каждого вопроса появился владелец и регламент по времени. Решения фиксировались в момент принятия: формулировка проговаривалась вслух и сразу попадала в протокол. Эмоциональные обмены не запрещались, но выводы из них артикулировались. «Я возражаю по такому-то пункту по такой-то причине» вместо молчаливого недовольства, которое раньше прочитывалось через интонацию.
Произошли две вещи. Первая — ожидаемая: машина начала справляться. Расшифровки стали осмысленными, потому что у разговора появилась структура, которую можно понять без общего фона.
Вторая — неожиданная и более важная. Сами совещания стали другими. Те, кто говорил эмоционально и долго, начали укладываться в регламент. Те, кто молчал, начали говорить, потому что появился слот, который было неловко оставить пустым. Решения перестали теряться между «обсудили» и «договорились», потому что появилась дисциплина их называть.
Структурированный формат совещаний оказался не уступкой машине. Он оказался улучшением разговора людей. Машина стала побочным выгодоприобретателем.
И здесь важно не перепутать причину. Принцип структурированного совещания старше любой современной методологии. Заранее назначенная повестка, регламент, фиксация решений в момент принятия известны давно. Новое в 2020-х не в том, что этот принцип появился, а в том, что он получил неожиданного союзника. Машина не справляется со свободным разговором — и в попытке встроить машину в управленческий процесс руководитель вынужденно возвращается к организационной дисциплине, которая в эпоху общего фона казалась избыточной.
Третий за столом оказался не угрозой коллективному обсуждению, а тестом на его устройство. Он проявил то, что в среде общего фона прятала привычка: где разговор был содержательным, а где ритуальным; где решение действительно принималось, а где рассыпалось в эмоциональном обмене без фиксации.
Структурированный формат совещаний оказался не уступкой машине. Он оказался улучшением разговора людей. А машина — побочным выгодоприобретателем
Зеркало, которое мы не заказывали
Мы стоим в точке, где работа с моделями оказалась не отдельной технологической задачей, а зеркалом, которое показывает устройство команды, совещания и управленческой речи.
AI не научил людей говорить иначе и не реформировал совещания сам по себе. Он просто сделал видимым то, что раньше скрывалось внутри общего фона: значительная часть управленческого разговора держалась не на форме, а на привычке понимать друг друга без слов. Когда в комнату вошел собеседник, у которого этого фона нет, привычка перестала быть невидимой.
Возможно, это главный неожиданный подарок эпохи: технология, которая должна была заменить часть человеческого труда, сделала видимым то, как этот труд устроен.
Мы в самом начале пути. Единого языка, на котором все модели и все поколения будут говорить одинаково, еще долго не будет. Возможно, никогда. Задача руководителя сейчас — не ждать унификации, а научиться жить в множественности языков как в нормальном рабочем состоянии. Не временном. Не переходном. Нормальном.
Эта множественность языков — не отдельная сложность, а проявление общей среды, в которой мы теперь работаем. Среды нарастающей скорости, разных протоколов, расходящихся темпов. Компании, которые научатся удерживать глубину на скорости, требуемой средой, получат преимущество. Не потому что они быстрее всех, а потому что сохранили глубину и одновременно научились двигаться.
И за этой множественностью стоит вопрос, который старше нашей эпохи. Вопрос о природе универсальности.
Клод Шеннон в Bell Labs, основатель математической теории информации, и Виктор Глушков в Киеве, инициатор и главный идеолог проекта ОГАС, — оба искали универсальность. Но искали ее по-разному. Шеннон нашел закон передачи информации. Глушков пытался построить архитектуру управления. Внешне эти поиски похожи — и там, и там речь идет о системе, сигнале, связи, управляемости. Но природа задач была разной.
Универсальность, которую искал Шеннон, была особого рода. Он не построил универсальный язык и не пытался свести человеческое мышление, управление и культуру в одну систему. Он сделал другое: не построил, а нашел закон передачи информации в любом канале. Это была не архитектура власти и не проект управления обществом, а математическое обнаружение порядка там, где до него видели только сообщения, шум и связь.
Глушков искал универсальность иначе. Он пытался построить систему управления для экономики страны — живой, противоречивой, человеческой, административной, производственной. Здесь автор позволит себе личное предположение: эта задача оказалась недостижимой не потому, что его инженерная мысль была слабой, а потому что человек, организация и государственная система не сводятся к одному техническому контуру так же легко, как сигнал сводится к модели канала.
И все же сам вопрос не исчез. Сегодняшняя множественность языков, моделей, поколений и управленческих протоколов может казаться хаосом только потому, что у нас пока нет языка, способного ее описать. Возможно, такой язык не будет изобретен усилием воли. Он будет найден — как Шеннон нашел не новый способ говорить, а закон, который уже действовал в любом разговоре, письме, сигнале и канале связи.
Если это произойдет, нынешнее разнообразие окажется не отказом от универсальности, а ее более сложной формой. А если нет — нам все равно предстоит научиться жить внутри множественности, без надежды на простую схему. И, возможно, именно это станет первым шагом к новому языку: не попытка все упростить, а способность выдержать сложность достаточно долго, чтобы в ней начал проступать порядок.
Алексей Деменок · Holliday Intelligence · № 04 · 26 мая 2026