Компании, которые лишь используют AI, и компании, построенные вокруг него, ведут себя по-разному, когда инструменты отключают, и эта разница значит больше, чем число AI-подписок в отчётности. Тест, предложенный автором исходного разбора, прост: выключите модели и посмотрите, что останется. Разработчик бухгалтерского софта продолжит продавать продукт; банковский колл-центр, заменивший десять тысяч операторов, возможно, будет вынужден перестроить значительную часть операционной модели. Это и есть граница между использованием AI-автоматизации и состоянием AI-native.
Где на самом деле проходит граница
Различие проявляется в повседневной работе сотрудников задолго до того, как попадает в стратегические презентации. Руководство может ни разу не объявлять об AI-трансформации, но сотрудники всё равно используют Gemini для поиска информации, ChatGPT для писем, Grok для подготовки отчёта и Claude для написания кода. Доступ к LLM-инструментам стал настолько массовым, что сам факт их использования мало что говорит о компании. Разработчики бухгалтерского вендора могут быстрее выпускать функции с AI, но софт по-прежнему существует, бухгалтеры им пользуются, клиенты за него платят. Колл-центр — другой случай: первое поколение AI работало там как суфлёр рядом с оператором, слушало разговор и подсказывало ответ. Во многих случаях этот суфлёр теперь стал самим агентом, а человек подключается только тогда, когда случай требует эскалации.
Поэтому автор утверждает, что полезная мера — зависимость, а не уровень внедрения. Компания, которая без AI становится менее эффективной, находится по одну сторону границы; компания, которой пришлось бы перестраивать значительную часть операционной модели, — по другую. Подсчёт подписок или проверка, есть ли слово AI на главной странице, почти ничего не говорят о том, на какой стороне находится бизнес. Тест в том, что остаётся от продукта и процесса, когда модели убирают, и сколько работы пришлось бы воссоздавать вручную.
Некоторые отрасли уже перешли эту границу, и самый наглядный пример — беспилотное вождение. Если от автомобиля ждут, что он видит дорогу, распознаёт объекты, понимает происходящее вокруг и принимает решения самостоятельно, то AI нельзя убрать, не убрав саму идею продукта. Медицина и фармацевтика показывают то же самое через поиск лекарств. Protein Data Bank был создан в 1971 году, прошёл отметку в 1 000 структур в 1993 году, 10 000 — около 2000 года, 100 000 — в 2014 году и 200 000 экспериментально определённых биомолекулярных структур — к январю 2023 года. Иными словами, примерно за шесть десятилетий структурной биологии исследователи накопили порядка двухсот тысяч таких структур. Затем AlphaFold, система DeepMind для предсказания трёхмерной структуры белка по его аминокислотной последовательности, в 2022 году сделала доступными более 200 млн предсказанных структур белков, охватив почти все известные науке на тот момент белки. Это предсказания на основе уже известных аминокислотных последовательностей, а не новые открытия, но разница в масштабе огромна. В 2024 году Демис Хассабис и Джон Джампер из Google DeepMind получили половину Нобелевской премии по химии за предсказание структуры белков, вторая половина досталась Дэвиду Бейкеру за вычислительный дизайн белков.
Что это значит для бизнеса
Для компаний, внедряющих AI, практическое следствие в том, что вопрос смещается с того, какие инструменты купить, на то, какие процессы остановятся без них. Продажи и маркетинг — одни из самых быстро меняющихся примеров: работа, которая раньше занимала часы, теперь может повторяться сотни или тысячи раз с очень небольшими дополнительными усилиями. CRM, кампании, поиск клиентов и исследование лидов строятся вокруг языковых моделей, и отрасль уже далеко ушла от просьбы к ChatGPT написать холодное письмо. Система может просмотреть профиль в LinkedIn, увидеть, чем человек занимается, что ему важно и о чём он пишет, а затем использовать эту информацию для письма, которое ощущается персональным. Автор описывает, как получил сообщение со ссылкой на его истории об авиации и первой реакцией была мысль, что кто-то внимательно прочитал его профиль, хотя на самом деле система нашла информацию и сгенерировала обращение автоматически. Для небольшой компании это означает исследовательский ресурс, который раньше требовал отдельного сотрудника; для крупной — единообразие на тысячах касаний, но и новый слой проверки.
Ограничения не менее конкретны и определяют, что проверять, прежде чем передавать работу агентам. Хороший PR нельзя просто передать агенту и забыть, то же касается колонки с мнением, где позиционирование, понимание аудитории и способность решить, что говорить, остаются критичными. Даже довольно сложная система агентов всё равно требует человека, который ею управляет, оценивает результат, решает, что важно, и задаёт направление. Собственный агент автора, подключённый к Scryon Business, умеет подтягивать данные, смотреть на рынок, проверять конкурентов и связанные системы, и на цель в 5 000 пользователей в следующем месяце он ответил, что это, вероятно, слишком много и даже 2 000 на текущем этапе были бы агрессивной цифрой. Это помогает проверять собственные соображения, но агент всё равно даёт совет, а решение остаётся за основателем. То же относится к ролям уровня C: их задача — задавать направление, после чего вице-президенты, руководители направлений и тимлиды превращают его в конкретные цели и работу. Настоящая передача задач, по мнению автора, начинается только тогда, когда работу можно кому-то передать в собственность и через месяц увидеть, что она продолжалась без него, а такого с ролью основателя сегодня он не наблюдает.
Следить стоит за тем, начнут ли компании описывать свою зависимость от AI в операционных терминах, а не в терминах внедрения: какие процессы остановятся, какие роли придётся перестраивать, сколько людей понадобится, чтобы восстановить прежний объём работы. Там, где такое описание появляется в отчётных звонках, планах найма или контрактах с вендорами, граница между использованием AI и построением вокруг него пересекается на практике. Там, где ответ остаётся на уровне количества инструментов и лозунгов на главной странице, зависимость пока неглубокая.
