AI "отнимает работу", массовые увольнения в Кремниевой долине! Инженер первой линии разоблачил правду: эффективность AI серьёзно переоценена, люди вынуждены становиться проверяющими, объём работы в 10 раз больше, чем раньше

2026 год, в технологическом секторе Кремниевой долины продолжается волна увольнений. В январе Amazon подтвердил сокращение примерно 16 тысяч сотрудников; в феврале финтех-компания Block уволила почти половину персонала; в марте Meta объявила о планах сократить 16 тысяч работников.

Тревога о том, что ИИ заменит офисных работников, охватывает рабочие места.

Однако, статья инженера-программиста Ona Siddhant Khare «Реальность усталости от ИИ существует, но никто не говорит об этом» вызвала широкий отклик в СМИ и у читателей по всему миру.

Он рассказал о большом разрыве между реальным применением ИИ и его идеализированными перспективами. По его мнению, повышение эффективности, которое обещает ИИ, переоценено, а работники сталкиваются с «усталостью от ИИ».

Недавно Siddhant Khare в интервью газете «每日经济新闻» (далее — NBD) заявил, что как разработчик инфраструктуры для ИИ, он советует изменить привычки использования ИИ, чтобы избежать зацикливания в циклах генерации, проверки, повторной генерации и повторной проверки.

Изображение Siddhant Khare: аккаунт в соцсетях интервьюируемого

«После внедрения ИИ объем работы у человека увеличился в 10 раз»

NBD: Каковы, по вашему мнению, причины «усталости от ИИ»?

Siddhant Khare: «Усталость от ИИ» — это по сути структурная проблема. ИИ значительно повышает скорость генерации кода, текстов, документов и т. д., но эффективность этапов проверки и верификации не идет в ногу с этим. Человек по-прежнему остается узким местом всего рабочего процесса, и ему приходится справляться с объемом работы в 10 раз больше.

Это похоже на фабрику, где заменили штамповочную машину в 10 раз быстрее, но на конце линии все равно остается один инспектор. Производительность выросла, а нагрузка инспектора удвоилась, при этом уровень брака остался прежним — и в итоге именно он и испытывает колоссальное давление.

В сфере знаний, ИИ автоматизировал только производство, но не автоматизировал проверку. Большинство руководителей компаний этого не осознают. Они видят только поверхностные показатели: больше сданных кодов, больше документов, больше писем, отчеты выглядят впечатляюще, но физическое и психологическое истощение сотрудников игнорируется.

NBD: Люди думали, что ИИ повысит эффективность, а почему объем работы наоборот увеличился?

Siddhant Khare: Повышение производительности благодаря ИИ не приводит к увеличению свободного времени сотрудников, а скорее превращается в завышенные ожидания и повышенные стандарты работы.

До появления ИИ один программист за неделю делал 20 запросов на слияние кода (PR), что считалось нормой; с помощью ИИ его теоретическая производительность выросла до 50, и компания установила 50 как новый стандарт.

Все материалы, созданные ИИ, требуют человеческой проверки. Как участник open-source проекта, я это особенно чувствую. Раньше я обрабатывал всего 20-25 PR в неделю, сейчас — сотни, большинство из них — сгенерированы ИИ, и каждое нужно тщательно проверять.

“Использование инструментов программирования на базе ИИ снижает реальную эффективность работы на 19%”

NBD: Какие ценности ИИ наиболее переоценены? А какие издержки недооценены?

Siddhant Khare: Самое распространенное — переоценка скорости внедрения ИИ и мгновенной эффективности. Многие компании ошибочно полагают, что, обеспечив сотрудников инструментами ИИ, уже через несколько недель увидят скачок производительности, но реальные данные показывают обратное.

Платформа анализа эффективности разработки DX провела масштабное исследование более чем 450 компаний и 120 тысяч разработчиков. Данные показывают, что даже при использовании 93% разработчиков ИИ-инструментов, рост эффективности составляет всего 10%, и дальше существенного прогресса не наблюдается.

Результаты тестов организации METR по оценке моделей и рискам еще более суровы: использование ИИ-инструментов снижает реальную эффективность работы разработчиков на 19%, хотя субъективно они ощущают рост скорости на 24%.

Самая недооцененная статья затрат — это человеческий труд на проверку контента, созданного ИИ. Почти ни одна компания не включает эти затраты в общие планы расходов. Второе — это профессиональное признание сотрудников: когда большинство задач выполняет ИИ, сотрудники, ранее получавшие удовлетворение от профессиональных достижений, начинают считать себя лишь инспекторами на конвейере. Этот психологический разрыв трудно измерить, но он напрямую ведет к утечке кадров.

“Проверка ИИ — это тяжелее, чем делать самому”

NBD: Многие офисные работники считают, что использование ИИ — это тренировка ИИ на замену себя. Это оправданное опасение? Какие должности наиболее уязвимы, а какие — трудно заменить?

Siddhant Khare: Большинство обычных сотрудников не тренируют большие модели ИИ напрямую. При использовании ChatGPT, Copilot и подобных инструментов, введенная информация не автоматически становится данными для обучения новых моделей, и большинство компаний это явно запрещают в своих пользовательских соглашениях. «Обучение ИИ на замену себя» — это в техническом плане неправда.

Истинное влияние ИИ на рабочие места — не массовая замена людей, а переопределение ролей, значительное увеличение нагрузки и перенос ключевых задач. Наиболее уязвимы те позиции, где требуется стандартизация, низкое качество и высокая повторяемость: подготовка черновиков, базовый ввод данных, простая генерация кода, шаблонные отчеты — всё, что можно делать «на автомате», — ИИ вполне способен выполнить.

Наименее уязвимы — те профессии, где важны системное мышление, эстетика и независимое суждение: проектирование архитектуры систем, разработка стратегии продукта, деловые переговоры, креативное планирование. В этих сферах ценность не в «исполнении», а в понимании и оценке.

Большинство работников находятся в промежуточной зоне. Их работа не исчезнет полностью, но потребуется трансформация.

NBD: Как, по вашему мнению, меняется ценность сотрудников?

Siddhant Khare: Этот процесс уже идет. Пока что большинство систем оценки эффективности не успевают за этим.

В будущем лучшие инженеры — это не те, кто пишет больше кода или делает больше релизов, а те, кто способен быстро понять, подходит ли ИИ-решение для всей системы, и обладает ли оно логикой. Эта способность требует долгосрочного опыта и системного мышления, а не просто умения правильно формулировать подсказки.

Ценность сотрудников смещается: от количества выполненной работы к качеству оценки; от скорости исполнения — к глубине мышления. Самые незаменимые — это те, кто умеет точно определять правильное и неправильное, и давать четкие обоснования. В этом и заключается их ключевая ценность.

“Истощение — это из-за неопределенности ИИ”

NBD: Почему по сравнению с предыдущими волнами автоматизации ИИ вызывает больше усталости?

Siddhant Khare: Основная причина — автоматизированные инструменты раньше были детерминированными, а ИИ полон неопределенности.

Раньше при одинаковых командах и входных данных получался одинаковый результат, и ошибки сразу выявлялись. Но ИИ — это другое: один и тот же подсказочный запрос может привести к совершенно разным результатам, и даже при ошибках их выражение выглядит очень правдоподобно и сбивает с толку. Ошибки скрыты очень хорошо: код может работать, текст казаться логичным, формат — аккуратным, но на одной странице может быть скрыта ошибка, в строке — логическая брешь, или в абзаце — выдуманные данные.

Такие скрытые ошибки требуют постоянной концентрации, что очень утомляет. ИИ также очень хорошо имитирует человеческий стиль выражения. Проверка контента ИИ — это почти то же самое, что и самостоятельное творчество, — требует таких же когнитивных затрат.

NBD: Если невозможно полностью доверять результатам ИИ, но его масштабное использование необходимо, как можно компенсировать этот «дефицит доверия»?

Siddhant Khare: К сожалению, большинство компаний используют самый плохой подход — полагаются только на ручную проверку как на единственный механизм контроля качества.

Лучшие компании создают систему, которую я называю «обратным давлением» (backpressure). Проще говоря, до того, как контент ИИ попадет на ручную проверку, используют автоматическую обратную связь, чтобы заранее отсеять большинство очевидных ошибок и снизить нагрузку на проверяющих.

“Самая важная работа зачастую не требует ИИ”

NBD: Как обычным офисным работникам правильно взаимодействовать с ИИ, чтобы избежать переутомления и сохранить эффективность?

Siddhant Khare: Вот три совета.

Первое — не использовать ИИ в задачах, где ценность именно в процессе мышления. Например, при разработке стратегий — важна именно идея, а не набор слов. Если сразу полагаться на ИИ и пропускать этап размышлений, это снизит ценность вашей работы. ИИ лучше применять для повторяющихся задач, где важен результат, а не процесс.

Второе — устанавливайте четкие границы по времени на проверку ИИ-выходных данных. Если вы тратите более 2 часов в день на проверку ИИ, значит, что-то не так в рабочем процессе. Возможно, подсказки неясны, контекст недостаточен, правила работы нарушены, или в компании отсутствует автоматическая проверка. Не делайте проверку всего и вся без ограничений.

Третье — защищайте время для глубокой работы. ИИ создает цикл: генерация — проверка — повторная генерация — повторная проверка, что постоянно отвлекает внимание. Выделите специально время, когда полностью не используете ИИ. Самые важные задачи обычно не требуют подсказок, а требуют самостоятельного мышления.

NBD: Что делать тем, кто уже сильно зависим от ИИ? Как изменить подход?

Siddhant Khare: В первую очередь — изменить привычки использования ИИ.

Многие сейчас автоматически запускают ChatGPT при возникновении проблемы, не пытаясь сначала подумать самостоятельно.

Нужно поменять порядок: сначала подумать, четко определить цель, а уже потом решать, нужен ли ИИ. Часто достаточно 20 минут самостоятельного глубокого размышления, чтобы получить лучший результат, чем сразу запускать ИИ.

Страх перед ИИ — это потеря контроля. Когда ИИ постоянно генерирует и предлагает идеи, кажется, что ты — просто исполнитель. Но если взять под контроль вопрос: «Когда и как использовать ИИ», — ощущение контроля возвращается, и тревога снижается. Тогда можно выйти из состояния усталости от ИИ и снова управлять ситуацией.