Кажется, что слово «революция» применительно к искусственному интеллекту используют слишком легко. Каждый новый продукт теперь «революционный», каждая новая модель «меняет всё», а через полгода выходит следующая.
Но если отойти от конкретных моделей, чат-ботов и маркетинговых заявлений и посмотреть на происходящее в масштабе истории, картина получается интереснее.
Я считаю, что революция искусственного интеллекта уже началась.
Не в том смысле, что ИИ уже заменил людей, наступил AGI или мы точно знаем, каким будет рынок труда через десять лет. Как раз этого мы не знаем.
Революция — это процесс. И процесс уже идёт.
Причём во многих отношениях происходящее удивительно похоже на предыдущие технологические революции: сначала появляется новая фундаментальная технология, затем она быстро совершенствуется и дешевеет, после чего проникает в разные отрасли. Старые процессы сначала пытаются просто делать немного быстрее. Потом выясняется, что технологию выгоднее использовать вообще иначе. Начинается перестройка компаний, профессий, инфраструктуры и в конечном счёте общества.
Именно так происходило раньше.
Паровой двигатель был важен не потому, что появился новый тип двигателя.
Электричество — не потому, что стало можно заменить газовую лампу электрической.
Компьютер — не потому, что калькулятор стал быстрее.
Экономисты используют понятие general purpose technology — технологии общего назначения. К классическим примерам относят паровой двигатель, электричество и компьютеры: технологии, которые применяются не в одной отрасли, а постепенно меняют огромное количество процессов во всей экономике.
И почти всегда происходит одна и та же вещь: сначала новую технологию встраивают в существующий мир. Настоящий эффект проявляется позже, когда под неё начинают перестраивать сам мир.
Чтобы понять, почему мне происходящее с ИИ кажется именно такой революцией, полезно очень быстро посмотреть назад.
Неолитическая, или первая аграрная революция, растянулась на тысячи лет. Люди постепенно переходили от охоты и собирательства к земледелию, животноводству и более оседлому образу жизни.
Это кажется далёкой историей, но изменение фундаментальное.
Раньше человек в основном искал существующий в природе ресурс.
После революции он начал системно производить этот ресурс сам.
Появились устойчивые поселения, выросла плотность населения, стало возможно гораздо более глубокое разделение труда. Из этого в конечном счёте выросли города и сложные государства.
Технология изменила не только производительность отдельного крестьянина. Она изменила сам способ организации человеческого общества.

Следующий принципиальный скачок — промышленная революция.
Механические станки, водяная и затем паровая энергия, развитие металлургии, фабричная система.
Особенно хорошо революцию видно на текстильном производстве: операции, которые раньше выполнялись вручную множеством отдельных ремесленников, постепенно передавались машинам и концентрировались внутри фабрик.
Здесь произошло важное изменение экономики: человеческая физическая работа перестала быть главным ограничением производства.
До машины можно было увеличить выпуск либо заставив человека работать быстрее, либо наняв больше людей.
После появления машин один человек получил возможность управлять производительностью, которая раньше требовала труда многих.
И это одновременно породило совершенно новые профессии, предприятия, города, транспортную инфраструктуру и социальные конфликты.

Затем пришли электричество, двигатель внутреннего сгорания, массовое производство стали, химическая промышленность, автомобили, связь и конвейеры.
Но здесь есть исторический момент, который особенно важен для разговора об ИИ.
Когда фабрики начали получать электричество, владельцы далеко не сразу перестроили производство.
Они просто брали старую фабрику, где центральный паровой двигатель через систему валов и ремней приводил в движение оборудование, и заменяли паровой двигатель большим электрическим мотором.
Технология стала другой.
Организация производства — практически нет.
И выигрыш оказался относительно небольшим.
Значительно больший эффект появился позже, когда инженеры поняли, что электричество позволяет поставить отдельные двигатели непосредственно на машины и расположить оборудование исходя из оптимального производственного процесса, а не вокруг центрального приводного вала.
То есть настоящий рост производительности потребовал перепроектировать фабрику вокруг возможностей новой технологии. Исторические исследования электрификации именно так описывают этот процесс.
Мне кажется, это одна из лучших аналогий для понимания современного ИИ.
Но к ней я ещё вернусь.

В XX веке объектом автоматизации становится уже не только физический труд.
Компьютеры начинают выполнять вычисления, хранить данные, искать их, копировать и преобразовывать.
Затем сети и интернет почти обнуляют стоимость распространения информации.
Возникает совершенно новый слой экономики: софт, базы данных, поисковые системы, интернет-магазины, цифровая реклама, социальные сети, облачные сервисы, онлайн-банкинг, стриминг.
Если промышленная революция дала человеку дешёвую механическую силу, то цифровая дала ему дешёвые вычисления и дешёвую обработку информации.
Но долгое время компьютер оставался именно инструментом.
Человек определял последовательность действий.
Человек нажимал кнопки.
Человек писал программу.
Человек формулировал запрос к базе данных.
Машина невероятно быстро выполняла инструкции, но плохо понимала, чего от неё вообще хотят.

На мой взгляд, ключевое отличие нынешнего этапа именно здесь.
ИИ начинает снижать стоимость не физического действия и даже не вычисления как такового.
Он начинает снижать стоимость части интеллектуальной работы.
Причём под интеллектуальной работой я не имею в виду философский вопрос о том, «мыслит» ли модель так же, как человек.
Экономике это вообще не обязательно.
Гораздо важнее практический вопрос:
какие результаты человеческого интеллектуального труда система способна производить с приемлемым качеством и стоимостью?
Написать текст.
Проанализировать документы.
Найти закономерности.
Создать изображение.
Перевести разговор.
Написать программу.
Проверить программу.
Проанализировать медицинский снимок.
Ответить клиенту.
Составить маркетинговые материалы.
Сравнить предложения поставщиков.
Обработать тысячи документов.
Сформировать отчёт.
Управлять программами через интерфейс.
А теперь постепенно — выполнить целую последовательность таких действий ради поставленной цели.
И именно последнее, на мой взгляд, особенно важно.
Можно спорить о качестве конкретных моделей, но масштаб распространения технологии спором уже назвать сложно.
По данным Stanford AI Index 2026, в 2025 году 88% опрошенных организаций использовали ИИ, а генеративный ИИ применялся хотя бы в одной бизнес-функции у 70% организаций. При этом полноценные AI-агенты пока используются гораздо реже — в большинстве функций их проникновение всё ещё измеряется однозначными процентами.
Это интересное сочетание.
С одной стороны, ИИ уже почти повсеместно проник в бизнес.
С другой — наиболее радикальная форма его применения только начинается.
Stanford приводит и другую показательную цифру: генеративный ИИ достиг примерно 53% уровня проникновения среди населения всего за три года — быстрее персонального компьютера и интернета.
А частные инвестиции в ИИ только в США в 2025 году составили $285,9 млрд.
То есть мы имеем одновременно:
— массовое распространение;
— огромные капитальные инвестиции;
— быстро растущие возможности;
— распространение технологии по множеству отраслей;
— появление новой инфраструктуры;
— изменение организации труда;
— при этом ещё довольно примитивный уровень интеграции во многих компаниях.
Мне это значительно больше напоминает раннюю фазу технологической революции, чем зрелый рынок очередной категории программного обеспечения.
Для меня сейчас самый показательный рынок — программирование.
Ещё несколько лет назад AI-помощник программиста в основном предлагал следующую строчку кода.
Сегодняшние агенты способны прочитать репозиторий, найти нужные файлы, написать код, изменить несколько частей проекта, запустить команды, тесты, увидеть ошибки, исправить их и подготовить изменения для проверки человеком.
Меняется сама единица взаимодействия.
Раньше: «напиши мне функцию».
Теперь: «реализуй эту задачу в проекте».
А следующая стадия: «вот цель — сам составь план и доведи работу до результата».
И это уже не футурология.
В апреле 2026 года Google сообщил, что 75% нового кода внутри компании генерируется ИИ и затем проходит проверку инженерами. Осенью предыдущего года показатель составлял 50%.
Google также утверждает, что одна из сложных миграций кода при совместной работе инженеров и агентов была выполнена в шесть раз быстрее, чем подобная работа годом ранее, а инженеры компании переходят к модели, где запускают несколько автономных агентов для выполнения задач параллельно.
Это не означает, что 75% работы программиста исчезло.
Именно здесь легко сделать неправильный вывод.
Написание символов кода — только часть разработки. Остаются постановка задачи, архитектура, требования, проверка, интеграция, ответственность за результат.
Но структура этой работы уже меняется.
Инженер всё меньше похож на человека, который самостоятельно набирает каждую строку, и всё больше — на человека, который формулирует задачу, управляет процессом, проверяет результат и принимает решения.
То есть происходит примерно то же, что когда-то произошло с рабочим у станка.
Не обязательно исчезает человек.
Меняется точка, в которой его труд создаёт наибольшую ценность.
Здесь важно не скатиться в противоположную крайность.
Есть работы, на которых современные модели дают огромный выигрыш.
Есть работы, на которых выигрыш небольшой.
А иногда ИИ способен работу даже замедлить.
METR в начале 2025 года провела эксперимент с опытными разработчиками open-source проектов. На конкретном наборе достаточно сложных задач разработчики с AI-инструментами в среднем потратили на 19% больше времени, хотя сами были уверены, что ИИ их ускорил.
Последующие данные METR уже показывали признаки ускорения с более новыми инструментами, но исследователи прямо предупреждают, что пока не могут надёжно оценить размер эффекта.
Для меня это не аргумент против ИИ-революции.
Наоборот.
Это очень похоже на ранние стадии предыдущих революций.
Новая технология уже обладает необычными возможностями, но мы ещё плохо понимаем, где, как и в какой форме её рационально использовать.
Ещё один интересный пример — Klarna.
После запуска AI-ассистента компания сообщила, что за первый месяц он провёл 2,3 млн диалогов, обработал около двух третей всех обращений в поддержку и выполнял объём работы, сопоставимый примерно с 700 сотрудниками. Компания также сообщала о сокращении среднего времени решения вопроса с 11 минут до менее чем двух.
Если остановиться здесь, получится идеальная история про «ИИ заменил 700 человек».
Но дальше произошло не менее интересное.
В 2025 году руководство Klarna признало, что слишком сильный перекос в сторону автоматизации ухудшил качество обслуживания, и компания снова начала усиливать человеческую поддержку. Позже CEO говорил, что компания слишком быстро пошла по пути сокращения издержек и теперь смещает применение ИИ в сторону улучшения продуктов и сервисов.
И именно поэтому мне нравится этот кейс.
Он показывает, что революция совсем не обязательно выглядит так:
человек → ИИ.
Гораздо чаще результат выглядит сложнее:
старая профессия → автоматизация части задач → изменение процесса → новая комбинация человека и машины.
Как именно распределятся эти роли — пока открытый вопрос.
Есть ещё более фундаментальная область.
AlphaFold решил одну из сложнейших задач вычислительной биологии — предсказание структуры белка по аминокислотной последовательности.
Сегодня база AlphaFold содержит предсказания для более чем 200 млн белковых структур, а инструментами на её основе воспользовались более 3 млн исследователей из более чем 190 стран. Работа над AlphaFold была отмечена Нобелевской премией по химии 2024 года.
Здесь эффект ИИ уже сложнее измерять в «сэкономленных сотрудниках».
ИИ сокращает стоимость самого исследовательского цикла.
Задачи, для которых раньше могли требоваться месяцы лабораторной или вычислительной работы, в отдельных случаях можно существенно ускорить.
И если этот принцип распространится дальше — на поиск лекарств, материалов, моделирование физических процессов, автоматизированные лаборатории, — экономический эффект будет не только в сокращении затрат.
Он может заключаться в ускорении темпа появления новых знаний и технологий.
А это уже эффект второго порядка: ИИ помогает быстрее создавать следующие технологии.
ИИ в медицине тоже давно перестал быть только экспериментом.
К весне 2026 года американский FDA уже авторизовал более 1400 медицинских устройств с применением ИИ, причём особенно много таких систем используется в радиологии, а также в кардиологии и неврологии.
Это пока в основном специализированные системы, а не универсальный «AI-доктор».
Но именно так обычно и распространяются большие технологии: не появлением одного устройства, которое сразу заменяет всё, а тысячами отдельных применений.
А затем постепенно они начинают соединяться.
Ещё один рубеж — управление физическими объектами.
В марте 2026 года Waymo выполняла уже около 500 тысяч платных полностью беспилотных поездок в неделю в десяти американских городах. Менее чем за два года недельное число поездок выросло примерно в десять раз.
Это всё ещё очень далеко от замены всего автомобильного транспорта.
Но полмиллиона коммерческих поездок в неделю — уже не лабораторный эксперимент.
И здесь особенно хорошо видно потенциальное соединение двух революций: ИИ + робототехника.
Пока большая часть эффекта генеративного ИИ существует внутри компьютеров.
Если модели смогут достаточно надёжно управлять роботами, машинами, складами, производственными системами и другой физической инфраструктурой, граница между «информационной» и «промышленной» революциями фактически исчезнет.
На мой взгляд, чат-боты — это вообще не конечная форма ИИ.
Чат — просто очень удобный интерфейс, через который человек впервые получил прямой доступ к универсальной модели.
Гораздо важнее появление агентов.
Обычная модель работает примерно так: человек → запрос → модель → ответ.
Агент: человек → цель → планирование → использование инструментов → несколько действий → проверка результата → следующие действия → результат.
То есть ИИ начинает превращаться из генератора информации в исполнителя процессов.
Он может работать с браузером.
С файлами.
С базой данных.
С CRM.
С кодом.
С API.
С электронной почтой.
С календарём.
С корпоративными системами.
И тогда автоматизируется уже не отдельный текст или отдельная операция, а цепочка работы.
Stanford AI Index показывает, что именно эта часть рынка пока находится на ранней стадии: ИИ используют почти все крупные организации из выборки, а полноценные агенты в большинстве бизнес-функций — пока единицы процентов.
Для меня это едва ли не самый важный показатель всего отчёта.
Революция уже началась, но мы пока автоматизировали только самый очевидный первый слой.
Вернёмся к фабрике.
Представим компанию, в которой работает сто человек.
Она покупает корпоративную подписку на AI-сервис.
Все сотрудники получают чат.
Каждый начинает чуть быстрее писать письма, документы, презентации и отчёты.
Это полезно.
Но по сути мы сделали то же, что владелец фабрики, заменивший центральную паровую машину электрическим мотором.
Мы изменили технологию, но практически не изменили сам процесс.
Следующий этап гораздо интереснее.
Зачем человеку сначала вручную читать письмо клиента, затем копировать данные в CRM, потом искать информацию в ERP, затем писать ответ, создавать задачу и назначать исполнителя?
Если система способна понять письмо, получить данные из CRM, запросить ERP, проверить правила, подготовить решение, обновить системы и обратиться к человеку только в нестандартной ситуации — сам бизнес-процесс может выглядеть совершенно иначе.
И вот здесь начинается настоящий эффект.
Не: «Как добавить ИИ каждому сотруднику?»
А: «Как должен выглядеть этот процесс, если часть интеллектуальных операций теперь может выполнять машина?»
История с электричеством показывает, что полный эффект технологии общего назначения часто появляется только после серьёзной организационной перестройки. Федеральный резервный банк Чикаго приводит похожую аналогию и для компьютеризации: в исследовании крупных американских компаний полный эффект инвестиций в компьютеры на производительность проявлялся через пять–семь лет и требовал значительных сопутствующих организационных изменений.
Поэтому отсутствие мгновенного скачка производительности от покупки корпоративного ChatGPT совершенно не означает отсутствия революции.
Возможно, мы просто пока устанавливаем электрический мотор на место паровой машины.
У больших технологических революций есть ещё одна общая черта.
Сначала технология дорогая и доступна немногим.
Потом стоимость её использования резко падает.
Это произошло с вычислениями. Со связью. С хранением информации.
То же самое происходит с моделями.
По данным Stanford AI Index 2025, стоимость использования модели с качеством примерно на уровне GPT-3.5 на одном из стандартных тестов снизилась с примерно $20 до $0,07 за миллион токенов между ноябрём 2022 и октябрём 2024 года — более чем в 280 раз.
Одновременно маленькие модели становятся достаточно способными, чтобы запускаться локально на компьютерах и мобильных устройствах.
Это важно не меньше, чем рост качества.
Представим, что интеллектуальная операция становится не только возможной, но и в десять, сто или тысячу раз дешевле.
Тогда появляются применения, которые раньше просто не имели экономического смысла.
Примерно так интернет породил сервисы, которые невозможно было бы построить, если бы передача каждого сообщения стоила как международный телефонный звонок.
Промышленная революция резко снизила стоимость механической силы.
Компьютерная — стоимость вычислений.
Интернет — стоимость передачи информации.
ИИ потенциально снижает стоимость преобразования информации в полезный интеллектуальный результат.
Не идеального.
Не полностью автономного.
Не обязательно равного лучшему человеку.
Но доступного почти мгновенно и потенциально в огромном масштабе.
Если это произойдёт, последствия могут быть значительно шире рынка чат-ботов.
Например, маленькая компания сможет позволить себе объём анализа, разработки, дизайна, локализации, поддержки и маркетинга, для которого раньше требовался большой штат.
У сильного специалиста появится возможность управлять сразу несколькими агентами, работающими параллельно.
Стоимость запуска нового продукта может снизиться.
Одновременно увеличится конкуренция: если создавать программное обеспечение, контент или маркетинговые материалы станет проще, само наличие продукта перестанет быть таким серьёзным преимуществом.
То есть ИИ одновременно способен демократизировать производство и обесценивать результаты этого производства.
И вот здесь экономические последствия становятся уже совсем не очевидными.
Это, конечно, самый болезненный вопрос.
И здесь мне кажется ошибкой занимать одну из двух крайних позиций:
«ИИ никого не заменит, это просто ещё один инструмент».
или
«Через несколько лет людям вообще не придётся работать».
Мы пока не располагаем достаточными основаниями ни для одного из этих утверждений.
Исторически автоматизация уничтожала одни виды работы, меняла другие и создавала новые.
Но ИИ отличается тем, что впервые настолько непосредственно касается большого количества когнитивных профессий.
Программистов.
Дизайнеров.
Переводчиков.
Маркетологов.
Аналитиков.
Юристов.
Бухгалтеров.
Сотрудников поддержки
Менеджеров.
Исследователей.
При этом автоматизируются обычно не профессии целиком, а отдельные задачи внутри них.
И поэтому, скорее всего, в ближайшей фазе мы увидим не одномоментное исчезновение профессий, а их пересборку.
Если раньше ценность программиста в значительной степени заключалась в способности самостоятельно реализовать решение, то всё большую роль получают архитектура, постановка задачи, проверка, выбор компромиссов и ответственность за итог.
Если ИИ может написать рекламный текст, ценность просто способности «написать текст» падает. Но понимание аудитории, продукта, стратегии и способность определить, какой текст вообще нужен, остаются.
То есть технология сдвигает человека на уровень выше по цепочке принятия решений.
Вопрос лишь в том, сколько людей понадобится на этом уровне.
И этого мы пока действительно не знаем.
Я бы условно разделил возможное развитие событий на три сценария.
Практически каждый специалист использует AI-помощника.
Производительность заметно растёт, но большая часть профессий сохраняется.
ИИ становится таким же естественным слоем работы, как сегодня браузер, поисковик, Excel или мессенджер.
Через двадцать лет будет странно представить бухгалтера, инженера или менеджера без AI-инструментов, но человеческая структура компаний останется в целом узнаваемой.
Это самый консервативный вариант.
ИИ становится достаточно надёжным для выполнения длинных цепочек задач.
Тогда дело уже не ограничивается повышением производительности отдельного человека.
Само количество людей, необходимое для выполнения некоторых функций, начинает сильно сокращаться.
Компания из двадцати человек сможет производить объём работы, для которого раньше требовалось двести.
Возникают AI-native компании, где процессы изначально строятся исходя из того, что значительную часть операций выполняют агенты, а люди занимаются управлением, контролем, отношениями и нестандартными решениями.
Это уже изменение структуры экономики.
Если развитие моделей совпадёт с прорывом в робототехнике, автономном транспорте и автоматизированных производственных системах, ИИ перестанет быть преимущественно технологией офисного труда.
Он получит физическое воплощение.
Тогда под автоматизацию попадёт значительно более широкий набор человеческих действий.
И последствия будут сравнимы уже не с появлением интернета, а с несколькими предыдущими промышленными революциями одновременно.
Будет ли реализован именно этот сценарий — я не знаю.
И, думаю, сейчас этого не знает никто.
Можно возразить: если мы ещё не знаем последствий, почему вообще говорить о революции?
Но именно здесь, на мой взгляд, возникает ошибка восприятия истории.
Из учебника промышленная революция выглядит как законченная глава:
паровая машина → фабрики → железные дороги → массовое производство → современная промышленность.
Для человека, жившего в начале этого процесса, никакой законченной главы не существовало.
Была новая машина.
Потом ещё одна.
Потом новые фабрики.
Потом железная дорога.
Большинство будущих последствий невозможно было увидеть заранее.
То же самое происходило с электричеством и компьютерами.
Мы называем их революциями с позиции знания результата.
Сегодня такого преимущества у нас нет. Мы находимся внутри процесса.
Но некоторые признаки уже видны:
— технология универсальна и применима в огромном количестве отраслей;
— её возможности быстро растут;
— стоимость использования резко снижается;
— распространение идёт чрезвычайно быстро;
— вокруг неё строится огромная новая инфраструктура;
— компании начинают менять рабочие процессы;
— появляются новые формы автоматизации;
— технология ускоряет разработку других технологий;
— постепенно меняется сама роль человека в производственном процессе.
По отдельности ни один из этих факторов ещё ничего не доказывает. Но вместе они выглядят для меня достаточно убедительно.
Возможно, через двадцать лет ChatGPT, Claude, Gemini и другие знакомые нам сегодня продукты будут выглядеть примерно так же архаично, как браузеры и компьютеры начала 1990-х.
Это неважно.
Промышленная революция была не революцией конкретной модели паровой машины.
Информационная — не революцией Windows 95.
И ИИ-революция тоже, скорее всего, окажется не революцией конкретной нейросети.
Главное изменение — не продукт, а новая экономика выполнения интеллектуальной работы.
Если раньше для каждой интеллектуальной операции требовалось человеческое внимание, теперь постепенно появляется второй источник выполнения таких операций — машинный.
Он пока ненадёжен.
У него странные ограничения.
Он способен решить очень сложную задачу и ошибиться в элементарной. Stanford AI Index прямо описывает эту особенность как jagged frontier: современные системы показывают выдающиеся результаты на одних задачах и неожиданно проваливаются на других.
Но возможности растут быстрее, чем организации успевают к ним адаптироваться.
И именно этот разрыв, возможно, станет главным сюжетом ближайших лет.
Мне кажется, он устарел.
Она уже происходит.
Гораздо интереснее другие вопросы.
Насколько автономными станут агенты?
Сколько интеллектуальных операций окажется экономически выгоднее передавать машинам?
Насколько быстро компании смогут перестроить процессы под новую технологию?
Сколько человек потребуется компании для создания того же объёма ценности?
Какие новые продукты станут возможными благодаря практически неограниченному масштабированию некоторых видов интеллектуальной работы?
Как изменится образование, если способность быстро получить ответ перестанет быть дефицитом?
Что произойдёт, когда интеллектуальная автоматизация массово соединится с роботами?
И главное — что останется главным дефицитным ресурсом после того, как часть интеллекта перестанет быть дефицитной?
Возможно, это будет ответственность.
Возможно — доверие.
Возможно — человеческие отношения.
Возможно — капитал и энергия.
Возможно — способность правильно поставить задачу.
А возможно, появится что-то, что сегодня мы даже не считаем отдельным ресурсом.
Именно поэтому я не готов уверенно рассказывать, чем закончится ИИ-революция.
Но чем дальше она развивается, тем сложнее мне воспринимать происходящее просто как очередной цикл технологического хайпа.
Паровая машина масштабировала мышцы.
Электричество дало возможность распределить энергию практически куда угодно.
Компьютер масштабировал вычисления.
Интернет масштабировал передачу информации.
ИИ начинает масштабировать интеллектуальную работу.
И если этот процесс продолжится хотя бы в направлении, которое мы уже видим сегодня, последствия будут значительно шире рынка нейросетей.
Мы просто пока находимся слишком близко к началу, чтобы увидеть их целиком.