Парадокс ИИ: кто выигрывает в гонке за ИИ, а кто платит цену

Часть 2 из трёх о влиянии ИИ на работу. Куда на самом деле уходит прирост производительности от ИИ, кто его перехватывает, и какие четыре позиции всё ещё держатся. Разбор от практика — без иллюзий, что сжатия среднего сегмента не существует.

Вопрос, оставшийся открытым после Части 1

Через дорогу от моего дома в Дананге есть небольшое кафе. Большинство утр я сижу там и наблюдаю, как работают двое, которые никогда не разговаривают друг с другом. В кафе, через несколько столиков от меня, кто-то сидит с ноутбуком и открытой сессией Claude Code — пишет софт. А через дорогу, перед мотобайк-мастерской, механик ремонтирует на тротуаре байк, руки чёрные от смазки. Оба зарабатывают на жизнь. Через пять лет один из них будет конкурировать с миллионом человек, делающих то же самое из любой точки планеты. Другой будет конкурировать с механиком за два квартала.

Я ещё вернусь к этим двоим в конце.

Часть 1 этой серии закончилась вопросом, на который я не дал полного ответа: если прирост производительности от ИИ не остаётся у того, кто его создаёт, куда он на самом деле уходит? Данные показывали ясно: он утекает наружу — на платформы, к клиентам, к конкурентам, в общее переопределение нормы рынка. Но «наружу» — это не пункт назначения. Эта часть пытается быть конкретнее. Кто перехватывает трейд на ИИ, кто за это платит, и какие позиции ещё может занять работающий человек, не делая вид, что сжатия не существует.

Одно замечание о рамках перед анализом. Эмпирические данные в этом эссе в основном из американского и европейского рынков труда — там макростатистика чище всего. Но само сжатие — не новелти. Глобальные фриланс-площадки 2010-х (Upwork, Fiverr, Toptal) уже создавали давление на американских и европейских работников среднего сегмента когнитивной работы: им пришлось конкурировать с такими же квалифицированными людьми из стран с меньшими затратами — Индии, Филиппин, Восточной Европы. ИИ — это следующий слой того же сжатия, не свежий шок. Большинство работников планеты уже находились внутри этой динамики. ИИ её расширяет и усиливает, но не запускает. Что меняется — это скорость и географическое распределение давления, а не форма самого трейда.

Куда идут деньги

Начну с самого чистого сигнала, который у нас есть: где движется капитал. Венчурные потоки — несовершенный proxy, но они показывают в реальном времени, на какие ставки готовы идти люди, которым есть что терять.

В 2025 году компании в области ИИ привлекли 61% всего глобального венчурного капитала — $258,7 млрд из общих $427 млрд, по данным анализа OECD на основе Preqin. Это примерно вдвое больше доли ИИ относительно 2022 года. По классификации Crunchbase, в первом квартале 2026 года на ИИ пришлось около 80% всего глобального венчура: четыре компании (OpenAI, Anthropic, xAI и Waymo) собрали $188 млрд, около 65% всего квартального глобального венчура. Самая крупная категория внутри ИИ — это инфраструктура и хостинг: $109,3 млрд за один 2025 год.

Стоит заметить две вещи. Первое: капитал концентрируется, а не просто перераспределяется. Количество сделок снижается, средние чеки растут. Большая часть денег идёт небольшому набору фронтирных лабораторий и компаниям категории picks-and-shovels (производители чипов, операторы дата-центров, поставщики энергии), которые поставляют им compute, чипы и физическую инфраструктуру.

Второе: люди, которые используют ИИ для работы, — это не те, кто получает этот капитал. Капитал идёт к тем, кто владеет ИИ-субстратом: это базовый compute, модели и платформы, на которых строится всё остальное. Та экономия, которую фрилансер-разработчик, копирайтер или небольшая компания захватывает, используя ИИ-инструменты, со временем стекает обратно — в этот субстрат. Часть остаётся у пользователя, часть уходит к клиентам через ценовую конкуренцию, часть утекает к конкурентам. Но структурный дрейф — вверх, к тому, кто держит платный шлагбаум. Шлагбаум выигрывает независимо от того, в какую сторону едет трафик. Чтобы было ясно про границы этого утверждения: концентрация капитала наблюдается, давление на труд наблюдается, но причинная цепочка между ними (прирост производительности у работника → ценовое сжатие → миграция маржи вверх) выводится из макропаттерна, а не прослежена end-to-end ни в одном датасете, который я видел.

Три слоя трейда на ИИ

В Части 1 я использовал трёхслойную модель (индивидуум, фирма, рынок), чтобы описать, как парадокс производительности проявляется на каждом уровне. Те же три слоя помогают описать, кто на самом деле перехватывает трейд на ИИ. Сверху вниз: инфраструктура, платформы и небольшое число топ-практиков, которым удаётся извлекать премию за умелое использование этих инструментов.

Инфраструктура и капитал

Самая чистая позиция — на вершине стека. Фронтирные лаборатории, производители чипов, дата-центры, поставщики энергии, фонды суверенного благосостояния, выписывающие чеки, которым никакой обычный VC не конкурент. Этот бизнес не конкурирует с теми, кто использует ИИ; он им продаёт. Каждый промпт — это выручка. Чем больше людей становятся продуктивнее с помощью ИИ, тем больше покупается compute. Парадокс Джевонса, который я заимствовал из истории угля в Части 1 (наблюдение, что более эффективное использование ресурса часто увеличивает суммарный спрос на него), здесь проявляется в чистейшем виде: эффективность на стороне пользователя порождает рост объёмов на стороне поставщика.

Две честные оговорки. Первая: цикл капексов в инфраструктуру ИИ через 2025 год сталкивался с вопросами по ROI на корпоративных развёртываниях ИИ и опасениями, что строительство дата-центров переоценено. Если коммодитизация моделей продолжится (открытые веса, падающая стоимость инференса), стоимость мигрирует вниз по стеку — к платформам и приложениям. Инфраструктурный слой сейчас самая чистая позиция. Это не значит, что она гарантирована. Вторая: этот слой недоступен большинству читающих это. В гиперскейлера не «питанулся». Можно купить акции на публичном рынке — это реальная опция, но не стратегия на рынке труда. Первый слой здесь полезен в основном как описание того, куда уходят деньги, а не как позиция, которую можно занять.

Стоит расширить понятие «победители в инфраструктуре», прежде чем двигаться дальше. Это не только список фронтирных лабораторий, финансируемых VC. Устоявшиеся инкумбенты, которые встроили ИИ в существующие каналы дистрибуции (Microsoft через Copilot и Azure OpenAI, Google через Gemini-везде, Adobe через Firefly, Salesforce через Einstein, Oracle через встроенные модели) перехватывают значимую часть выручки от ИИ — но в венчурных данных не видны, потому что это не венчурно-финансируемые компании. Держатели публичных акций ловят часть этого диффузно, через концентрацию индексных фондов в NVIDIA, Microsoft, Google и Meta — так прибыль от ИИ доходит до пенсионных систем и суверенных фондов без того, чтобы кто-то осознанно покупал «экспозицию на ИИ». Плюс не-западная инфраструктура — китайские модели с открытыми весами вроде DeepSeek и Qwen, плюс параллельный китайский compute-стек — это отдельный и растущий центр силы, который западный VC-нарратив склонен недооценивать. Инфраструктурный слой трейда на ИИ шире, чем подсказывает список из четырёх лабораторий выше.

Платформы и агрегаторы

Слоем ниже сидят площадки и агрегаторы, и их экономика тоньше, но в каком-то смысле показательнее. Upwork с мая 2025 года берёт переменную сервисную комиссию с фрилансера — от 0% до 15% за контракт, плюс комиссию маркетплейса со стороны клиента до 7,99%, плюс плату за коннекты при подаче заявок, плюс 13,5% «комиссии за конверсию», если клиент захочет вывести отношения за пределы платформы. Реальный смешанный take для большинства фрилансеров — 11–13,5% (по данным GigRadar; тот же диапазон 12–13% независимо подтверждён в анализе Jobbers.io на опросах пользователей 2025 года), а суммарные платформенные затраты доходят до 14–20% валового заработка с учётом комиссий за вывод средств и расходов на коннекты.

Что меняется, когда ИИ позволяет в десять раз большему числу людей предлагать ту же услугу? Сторона предложения наводняется, удельные цены падают, объём платформы растёт. Take rate в процентах остаётся прежней, но покрывает гораздо больший рынок. Выручка платформы растёт, даже если каждый отдельный фрилансер на ней зарабатывает в час всё меньше. Платформа получает выгоду от той же динамики, которая давит на людей на ней. Это не моральный провал платформ; это структурно. Маркетплейсы захватывают долю с каждой транзакции, а ИИ увеличивает количество транзакций.

Описательно — это второй по величине слой захвата стоимости после инфраструктуры. Прескриптивно — он в основном закрыт: построить платформу требует капитала и терпения, и большинство попыток умирают, не дойдя до критической плотности. Платформенный слой здесь важен как описание, куда уходит стоимость, а не как позиция, в которую средний читатель может зайти. Места, где можно реально стоять, — в следующей секции.

Топ-практики

Третий слой — это место, где живут в основном AI-позитивные нарративы. Лучшие данные в его поддержку реальны, но измеряют нечто более узкое, чем обычно утверждают. Две работы якорят оптимистичный взгляд. Демирчи, Аннан и Чжу (Management Science, 2025) обнаружили, что фрилансеры-AI-специалисты на Upwork получают премии к ставкам в 25–60% по сравнению с коллегами без ИИ. Альтхофф и Райхардт из Стэнфорда (январь 2026) промоделировали, что ИИ существенно снижает неравенство по зарплатам, одновременно поднимая средние зарплаты примерно на 21% — за счёт «канала упрощения», который позволяет работникам разных уровней квалификации конкурировать за одни и те же задачи. Оба результата реальны. Оба также — это измерения того, куда сжатие отправляет выжившую часть рабочей силы, а не свидетельство того, что сжатия как явления нет.

Премия 25–60% у Демирчи — это поперечный срез по фрилансерам, которые приняли ИИ и остались на платформе. Сюда не входят фрилансеры, которых вытеснили, которые ушли или которые вообще не попадали в пул адоптеров. Цифра 21% у Альтхоффа-Райхардта — это долгосрочный прогноз модели, обусловленный предположением, что главный канал ИИ на рынке труда — это упрощение задач, а не замещение, и само это предположение оспаривается. Если читать внимательно, оба исследования говорят одно и то же: среди работников, которые остаются в когнитивной работе, те, кто учится оркестрировать ИИ, получают премию относительно тех, кто не учится. Это реальный результат о том, куда направлен трейд. Это не результат о том, что когнитивная работа — защитимая позиция. Останется ли пункт назначения существовать — зависит от вопросов, на которые данные пока не отвечают, и это территория следующей секции. Одну вещь данные всё-таки проясняют: премия для гибридных AI-практиков — не противоречие ценовому сжатию в commodity-когнитивной работе. Это её следствие. По мере того как AI-коммодитизированный baseline дешевеет, человеческий слой суждения над ним становится виднее по контрасту. Этот механизм я подробнее опишу в Зоне 4 ниже.

Сжатие середины

Если самые защитимые позиции — на верхушке стека, то самые открытые — в середине. Это не новый паттерн. Это повторение того, что экономисты по труду документируют уже десятилетиями.

Рабочая статья IMF 2024 года про ИИ и локальные рынки труда США показала, что негативные эффекты воздействия ИИ на занятость падают в основном на работников среднего уровня квалификации — паттерн, повторяющий историю «routine-biased technical change» (наблюдение из экономики труда, что предыдущие волны автоматизации выхолащивали рутинные средне-квалифицированные рабочие места, оставляя самый низ и самый верх относительно нетронутыми), которую Аутор, Гус и другие отслеживали для 1990-х и 2000-х. Деминг, Онг и Саммерс (NBER Working Paper 33323, 2025), исследуя 124 года данных переписи США, выявили более резкий недавний сдвиг. До 2000-х рост занятости в США имел форму «штанги» — рос на верхнем и нижнем концах распределения зарплат и проседал в середине. Начиная с 2016-го, паттерн сменился на то, что они называют «односторонним пандусом»: с 2016 по 2022 доля занятости в низко- и среднеквалифицированных профессиях упала примерно на 2 процентных пункта каждая, а в высококвалифицированных — выросла чуть больше чем на 4. Доля STEM-занятости конкретно поднялась с 6,5% всех американских рабочих мест в 2010 году до почти 10% в 2024 — рост на 50% относительно. Середина не просто стагнирует относительно концов. Она сжимается внутрь.

Наложите это на фриланс-данные, которые я разбирал в Части 1. Хуэй, Решеф и Чжоу (2024) показали: AI-затронутые фриланс-категории на Upwork потеряли 2% контрактов и 5,2% заработка после запуска ChatGPT. Тойтлофф с соавторами (2025) — кластеры замещаемых навыков упали на 20–50%. Работа Демирчи показала, что роли в копирайтинге упали примерно на 30%, а базовая разработка софта — около 20% на глобальном датасете объявлений. Картина сверху (макроданные о труде) и снизу (платформенные данные) рассказывает одну и ту же историю.

И корпоративный слой начинает добавлять тот же сигнал. Block (материнская компания Square, основанная Джеком Дорси) объявила в феврале 2026-го о сокращении почти вдвое — с 10 000 человек до меньше 6 000, и Дорси прямо назвал ИИ причиной в письме акционерам. IBM в 2025-м уволила около 8 000 сотрудников, в основном в HR-функциях, заменив их внутренним AI-агентом AskHR. CrowdStrike сократила 5% штата, CEO сослался на эффективность от ИИ. Amazon после своих 14 000 корпоративных сокращений в октябре 2025-го провела ещё 16 000 в январе 2026-го — после того, как потратила около $80 млрд на капексы по ИИ за 2025 год. В сумме по компаниям: примерно 55 000 американских технологических работников были уволены в 2025-м с прямой ссылкой на ИИ как причину, а доля объявлений об увольнениях, явно атрибутирующих сокращения ИИ, выросла с менее чем 8% в 2025-м до более 20% к началу 2026-го. Макростатистика будет ещё какое-то время это недооценивать — потому что она всегда отстаёт от слой-за-слоем сокращений внутри фирм. Сжатие проявляется в решениях фирм раньше, чем в агрегатах BLS.

Три оговорки, прежде чем это превратится в нарратив о коллапсе класса.

Первая: это направленное давление, не гарантия массовой безработицы. Совокупные эффекты на занятость пока скромные. Dallas Fed нашёл около 1% спада занятости в наиболее AI-затронутых секторах. Сжатие проявляется сначала в заработках и темпах роста, потом в позициях для входа в профессию, потом в занятости — с большими лагами. Большинство работников среднего уровня не будут уволены ИИ. Они обнаружат, что зарплаты не растут, часы режут, обязанности консолидируются, и следующего человека на позицию для новичка за ними не нанимают.

Вторая: поляризация — частично институциональный исход, не только технологический. Работа OECD 2024 года про ИИ и неравенство по зарплатам, охватившая 19 стран OECD, показывает: измеренное влияние ИИ на неравенство пока приглушено, и там, где оно всё-таки толкает неравенство вверх, эффект смягчается институтами коллективного договора. Страны с более сильной координацией труда видят более узкие разрывы по зарплатам при одинаковом технологическом давлении. Технология — это давление. Институты решают, сколько этого давления доходит до работника. Институциональный ответ — не только теоретический и не только западный. В апреле 2026 года Промежуточный народный суд Ханчжоу в Китае подтвердил решение, что увольнение старшего технического работника, обоснованное заменой на ИИ, было незаконным — и что замена на ИИ сама по себе не считается законным основанием для прекращения трудового договора. Отдельная арбитражная комиссия в Пекине пришла к тому же выводу в конце 2025-го по делу работника, занимавшегося сбором данных для карт. Оба дела устанавливают прецедент: экономия от ИИ не может быть в одностороннем порядке переложена на работника в форме потери работы. Китай — не та страна, на которую обычно первой смотрят наблюдатели за правами труда, что делает эти решения особенно показательными — они проявляют, где институциональный вопрос на самом деле живой. Часть 3 вернётся к институциональному и геополитическому слою глубже, включая динамику гонки на дно между странами с разными режимами труда. Здесь же одно: сжатие — не предопределено. Это default-исход ИИ плюс слабых институтов рынка труда.

Третья: история о поляризации выше — не единственный серьёзный взгляд на то, что ИИ делает с трудом. Два фланга стоит назвать. Пессимистический фланг: Дарон Аджемоглу («The Simple Macroeconomics of AI», 2024) утверждает, что прирост производительности от ИИ будет меньше, а замещающий эффект больше, чем предсказывает рамка routine-biased technical change — потому что ИИ поднимается по когнитивной лестнице, а не просто замещает рутинную работу. Если он прав по направлению, то «топ-практик с премией за суждение» (работник, чья ценность — в суждении, вкусе и ответственности, а не в самом производимом выходе; категория, которую я разверну в Зоне 4 ниже) сжимается следующим, а не последним. Оптимистический фланг: недавняя работа Дэвида Аутора и тезис Эрика Бринёлфссона про J-curve предполагают, что когнитивная работа среднего уровня может вновь расшириться благодаря комплементарности с ИИ — так же как клерикальная работа расширилась после появления компьютеров, а не исчезла. Если этот фланг прав, сжатие — переходное, а не терминальное.

Моё чтение: Аджемоглу переоценивает близкое замещение и недооценивает фрикции внедрения (показатели галлюцинаций, всё ещё требующие человеческого надзора; скепсис по поводу капексов; путь к автономным агентам ИИ медленнее обещанного). Три сигнала скажут нам в ближайшие 18 месяцев, ошибаюсь ли я. Первый: терпимость корпораций к галлюцинациям — падает (значит реальная автономия) или остаётся ровной (значит надзор всё ещё нужен)? Второй: цена инференса на задачи фронтирной сложности — обвалится ли так, как обвалилась стоимость commodity-токенов, или останется липкой? Третий: позиции для входа в профессию в judgment-layer ролях — высыхают ли они так, как высохли в commodity-когнитивной работе, или держатся? Если эти три сигнала движутся к Аджемоглу — у Зоны 4 период полураспада короче, чем эссе предполагает. Если к Аутору и Бринёлфссону — само сжатие короче, чем здесь описано. Рамку четырёх зон стоит читать с обоими краями в виду.

Четыре зоны, которые ещё держатся

Четыре зоны ниже пересекаются с тремя слоями выше, но отвечают на другой вопрос. Слои описывают, где захватывается стоимость от ИИ на макроуровне (инфраструктура, платформы, топ-практики). Зоны описывают, какие позиции доступны, чтобы их занять с уровня земли. Зона 4 (гибрид) — там, где живёт большинство премий топ-практиков; Зона 1 (контроль) пересекается с экономикой платформ и владельцев. Зоны — не отдельная модель. Это та же макрокартина, повёрнутая под углом, под которым стоит работающий человек.

Карта перед прогулкой

То, что следует ниже — это рабочая рамка, к которой я возвращаюсь в разговорах с операторами, не категорическая таксономия. Зоны пересекаются. Врач с ИИ-инструментами (Зона 4) может одновременно владеть клиникой (Зона 1). Массажист (Зона 2) работает в физическом пространстве (Зона 3). Дело не в чистой принадлежности — а в форме компромиссов, которые предполагает каждая позиция.

Если самое сильное давление падает на середину когнитивной работы, то вопрос — где давление ниже. Не нулевое. Ниже. Четыре позиции, у каждой свой компромисс. Сначала карта:

Четыре зоны различаются по тому, где сидит риск замещения ИИ, какова верхняя планка дохода и какой компромисс приходится на каждую.

Теперь прогулка по каждой.

Зона 1: контроль и капитал

Владеть результатом, а не только работой. Основатели, владельцы продуктов, люди, которые управляют системами, а не работают внутри них. Прирост производительности остаётся у вас, а не утекает наружу. Если ваши ИИ-инструменты режут стоимость доставки на 40%, ваша маржа растёт; вы не гонитесь за конкурентом, чтобы снизить цену на те же 40%, потому что — если вы хорошо позиционированы — вам не нужно.

Честный компромисс: эта позиция требует капитала, риска и терпимости к дисперсии. Большинство, кто пробует, проваливается. Founder selection bias (когда успешные основатели перепредставлены в советах, потому что неудачники не остались, чтобы рассказывать) применим здесь вдвойне. Основатели, пишущие про эту тему, по определению — те, кто выжил достаточно, чтобы написать. Другой стоит назвать режим провала — ловушка тонкого враппера: основатель, чей продукт по сути — это UI-обёртка над чужой моделью, теряет позицию шлагбаума быстро, потому что субстрат под ним перехватывает реальную стоимость, а его маржа арбитражируется следующим тонким враппером.

Зона 2: работа человек-человеку

Массажисты, тренеры, психотерапевты, работники по уходу за пожилыми, инструкторы. Все, чья ценность зависит от физического присутствия и доверия. ИИ может имитировать интеллект достаточно хорошо в этой точке. Он пока не может имитировать опыт нахождения в одной комнате с другим человеком, который уделяет конкретно вам внимание. Обновление ILO 2025 года про экспозицию к генеративному ИИ оценивает: примерно четверть глобальных рабочих мест попадает в какую-то категорию экспозиции, при этом ключевые услуги человеческого присутствия — среди наименее затронутых, потому что покупатель платит именно за присутствие, а не за его симуляцию.

Компромисс — в потолке. Эти роли не масштабируются. Доход ограничен числом часов, которое одно тело может физически отработать. Пол стабильнее, чем в когнитивной работе; потолок гораздо ниже. Контр-кейс: работа на присутствии, опосредованная экраном (теле-терапия, онлайн-групповой коучинг, велнес через приложение) — теряет премию быстро, потому что продаваемое перестаёт быть присутствием и становится контентом. Защита — в комнате, не в названии должности.

Зона 3: физический мир

Стройка, ремонт, сельское хозяйство, логистика, производство. Работа, которая должна происходить в физическом пространстве, с инструментами, на реальных объектах. ИИ ускоряет цифровой выход. Физический мир остаётся ограничен атомами, временем и медленным делом перемещения вещей.

Эта зона купила время, но не купила иммунитет, и купленное время конечно. Amazon сейчас держит около миллиона роботов в своих складах, в основном негуманоидных, с системой координации флота на генеративном ИИ, которая, по утверждению Amazon, режет время передвижения роботов примерно на 10%. Digit от Agility Robotics — в платных пилотах с GXO и Amazon. Роботы Figure AI тестируются на заводе BMW. Прогноз Gartner от января 2026 года: меньше 100 компаний выведут гуманоидных роботов за пределы proof-of-concept к 2028 году, и меньше 20 — на производственный масштаб в логистике и поставках. Честный диапазон, при широком разногласии прогнозистов: от двух до десяти лет до значимого замещения в более простых под-сегментах. Жёстко структурированные среды (склад-pick, паллетирование, предсказуемая конвейерная работа) — на ближнем краю этого диапазона. Уличная неструктурированная работа (тротуарный ремонт, открытое поле в сельском хозяйстве, разнообразная стройка, всё, что требует адаптации в реальном времени к непредсказуемому физическому контексту) — гораздо дальше, правдоподобно — десятилетия. Направление движения ясное. Буфер различается на порядок внутри того, что мы называем «физическая работа», и Зона 3 — это не одна зона, а градиент.

Зона 4: гибридные роли

Самая интересная зона, и та, на которую я делал бы самую сильную ставку для когнитивных работников, читающих это, — гибрид. Врач с ИИ-инструментами диагностики. Консультант с ИИ-исследованиями и анализом. Дизайнер с ИИ-генерацией и личным брендом. Тренер с аналитикой производительности на ИИ. Юрист с ИИ-исследованиями и базой клиентов, которые выбрали именно его.

Что объединяет эти роли — ИИ не замещает человека; он его усиливает. Слой суждения, ответственности, вкуса и отношений всё ещё считывается покупателем как человеческий. Производственный слой под ним теперь ускорен ИИ. Они работают быстрее, делают больше, и могут брать больше, а не меньше — потому что их уникальная ценность виднее на фоне AI-коммодитизированного бейзлайна.

Как это выглядит на практике, из моей работы: большая часть того, что я делаю сейчас — это делегирование имплементации ИИ-агентам, при этом я держу архитектуру, выбор дизайна и ответственность. Агент пишет код; я решаю, что стоит строить, где сидят риски и правильный ли получился результат. Моя роль сместилась с «автор работы» на «автор решений о работе». Навык, который раньше определял мой вклад (писать самому), стал менее важным, чем навык, который организует ИИ, делающий это. Премия Зоны 4 реальна сегодня. Реально и постоянное давление продолжать карабкаться вверх — потому что граница между человеческим слоем суждения и AI-производственным слоем продолжает ползти вниз.

Две честные критики этого анекдота и зоны в целом. Первая: ту же оптику выживших, которую я применил к Демирчи и Альтхоффу в §3, надо применить и ко мне здесь. Я — одна точка данных от того, кто выживает в позиции, которую описываю как защитимую. Я не вижу людей, которые попробовали тот же сдвиг — в архитектора-оркестратора — и сдались, ушли на наёмную имплементацию или потеряли клиентскую базу кому-то быстрее. Относитесь к анекдоту как к одному переживанию практика, не как к свидетельству, что позиция переносима для следующего, кто попробует. Вторая: риск Аджемоглу из §4 приземляется здесь самым жёстким образом. Если сравнительное преимущество ИИ продолжает карабкаться по когнитивной лестнице, Зона 4 — это временное плато, а не защитимая позиция. Премия реальна сегодня. Будет ли она здесь через пять лет — это открытый эмпирический вопрос всего эссе, и данные не разрешат его ещё долго.

Самодиагностика на карте

Четыре вопроса, чтобы найти свою default-зону, в порядке полезности. Ни на один из них нет единственно правильного ответа; смысл в том, что ваша первая реакция обычно сама показывает, где вы стоите, без нужды в формальной оценке.

1. Что произошло с вашей реальной часовой ставкой за последние 18–24 месяца, с поправкой на адаптацию ИИ-инструментов? Если вы используете ИИ-инструменты больше, а реальная часовая ровная или падает — вы ближе к сжатию, чем к премии, независимо от того, как профессия называется в налоговой декларации. Если ставка растёт быстрее, чем растёт количество часов на входе — вы в защитимой зоне или рядом с ней.

2. Если бы ИИ-инструменты, которые вы используете сегодня, исчезли — выживет ли ваше ценностное предложение? В Зонах 1, 2 и 3 — обычно да (инструменты — недавнее добавление к позиции, у которой уже была своя основа). В Зоне 4 — часто нет. Производственный слой, который теперь делает ИИ, был самой работой; что остаётся — это суждение без пропускной способности. Эта хрупкость и есть цена премии.

3. Если ваши три главных клиента или источника дохода исчезнут завтра — сколько времени понадобится, чтобы заменить их по той же ставке? Долгое время замены сигнализирует зависимость от платформы или маркетплейса; это территория середины-в-сжатии, где покупатель взаимозаменяем — и вы тоже. Короткое время замены сигнализирует прямые отношения, и именно там живут Зона 4 и Зона 1.

4. Выживет ли ваша работа при инференсе на 50% дешевле и заметно лучших моделях через 12 месяцев? Если да — вы в зоне с медленным распадом. Если нет — позиция гораздо больше открыта, чем подсказывает её текущая цена.

Смысл этих вопросов — не в том, чтобы вписать себя в одно из четырёх ведёрок. А в том, чтобы заметить, к какому виду давления ваша текущая позиция наиболее уязвима, у какой соседней позиции экспозиция ниже, и что должно измениться, чтобы переход стал возможным. Зоны — это координаты. Вопросы — это способ прочитать собственные координаты.

Где зоны ломаются

Таксономия, которая не признаёт своих границ — это маркетинг, а не анализ. Три места, где эта рамка слабеет, стоит назвать прямо.

Первое: карманы эффективности — временные. Месяц назад я построил автоматизацию HR-процесса для клиента. HR-человек реально получил освободившееся время, в том самом смысле, когда оно превращается в дополнительные часы на диване. Это была реальная победа. Это также было хрупко. Как только асимметрия становится видна руководству, конкуренту или следующему клиенту, смотрящему на ценник — выигрыш переоценивается. Преимущества от ИИ копятся какое-то время, потом арбитражируются. Четыре зоны — это позиции, где арбитраж идёт медленнее, не позиции, где его нет.

Второе: нет зоны, в которой можно полностью расслабиться. Владельцы лицом к лицу с риском и капитальной экспозицией. Сервисные работники — с физической нагрузкой и потолком дохода. Физические работники — с медленным приближением роботов. Гибридные работники — с постоянным re-skilling. Выбор — какой именно вид компромисса подходит вашему темпераменту, капиталу и стадии жизни. «Защитимая» в этом контексте означает «медленнее распадающаяся», а не «неуязвимая». Некоторые виды давления накапливаются медленнее других, и эта разница имеет значение в течение трудовой жизни — даже несмотря на то, что ни одна из этих зон не позволяет вам остановиться.

Третье: рамка четырёх зон не учитывает юрисдикцию. Где вы живёте, меняет — какие зоны доступны и какую часть давления каждая поглощает. Гибридный работник в стране со сильной защитой труда и высоким покрытием коллективных договоров переживает другую версию сжатия, чем тот же работник в экономике с низкой координацией. Полная геополитическая версия — включая динамику гонки на дно между странами, защищающими труд, и теми, кто давит на эффективность жёстче — это территория Части 3.

Куда ушли прибыли, и что осталось

Часть 1 закончилась вопросом: продуктивно для кого. Картина, которую эта часть позволяет наконец нарисовать, достаточно резкая, чтобы по ней действовать. Кто выигрывает в гонке за ИИ, а кто платит цену — это карта, чисто ложащаяся на слои и зоны выше: прибыли стекаются в субстрат (compute, фронтирные лаборатории, платформы), сжатие приземляется в середине когнитивной работы, а зоны описывают четыре несовершенных места, где можно стоять вместо этого. Это не безопасные позиции. Это позиции, где давление распадается медленнее.

Возвращаюсь к двум людям в кафе из вступления. Чистая дихотомия была — разработчик конкурирует глобально, а механик локально. Четыре зоны её усложняют в обе стороны. Разработчик, который относится к ИИ как к гибриду (Зона 4) и держит суждение над работой — или толкается в Зону 1 и владеет результатом — на самом деле конкурирует не с глобальным миллионом; он конкурирует с гораздо меньшим пулом в той же гибридной или владельческой позиции. Механик находится в Зоне 3, и его буфер существенно длиннее, чем у складского работника. Уличный неструктурированный ремонт сидит сильно позади структурированной логистики на кривой развёртывания роботов. Он не смотрит, как роботы приходят к нему в следующем году. Он смотрит, как они приходят на склады в следующем году — а к нему ещё долго. Та же сцена, разные временные горизонты. Вопрос не в том, кто выигрывает. Вопрос — с кем я на самом деле конкурирую и за что; и ответ продолжает двигаться.

Более тяжёлая вещь, на которую эта часть не отвечает полностью — что делать с осознанием, что даже выигрышные позиции — всё ещё позиции внутри системы, не вне её. Гибридный врач зарабатывает больше и работает быстрее и тяжелее. Владелец захватывает прибыль и тащит бесконечную очередь задач. Физический работник в самой медленной зоне сегодня и наблюдает, как роботы приходят в следующем году. Работник «человек-человеку» — наименее замещаемый и одновременно с самым низким потолком. Каждая зона замедляет скорость, с которой нисходящее давление до вас доходит. Ни одна не даёт выйти из него. Часть 3 принимает это наблюдение всерьёз и спрашивает, к чему именно ускоряющаяся система без выключателя ускоряется — и существует ли вообще версия «достаточно», которую не переписывают каждые шесть месяцев.

На сейчас же — практическое содержание этого эссе небольшое и не очень утешительное. У трейда на ИИ есть ясные победители. По большей части это не те, кто делает работу. Середина когнитивной работы сжимается так, как макростатистика будет ещё какое-то время недосчитывать — потому что во время переходов она всегда так делает. Есть позиции, которые держатся лучше других, и четыре зоны — один из способов о них думать. Ни одна из них не безопасна. Некоторые движутся медленнее. Выберите тот вид давления, который можете нести; постройте внутри него что-то долговечное; и следите за тем, что система делает дальше — три сигнала из предыдущего раздела хорошее место, чтобы начать. Потому что ответ на «продуктивно для кого» — это не число в таблице. Это позиция. Вы уже в одной из них.