AI Для Менеджеров

15 августа на arXiv вышла неприметная работа StateM – четыре автора, без громкой лаборатории. Внутри есть цифра, на которой стоит остановиться: DeepSeek-V4 Flash, модель не из лидерской группы нашего бенчмарка, после «адаптации» стоимостью $38 поднимается на Terminal-Bench 2.1 с 82,7% до 88,1%. А на общем ядре из 88 задач доходит до 89,1% – уровень флагманских прогонов GPT-5.6 Sol, эталонный прогон которых обошёлся в $574. Итоговый счёт всей конфигурации на DeepSeek – $52.

StateM не одиночка: за последние две недели вышло ещё минимум две работы о том, что даёт промпт-инжиниринг в агентных системах. DarwinX добавляет в среднем 17 пунктов на четырёх бенчмарках, LongHorizon-Harness поднимает Qwen 3.7-Plus на Terminal-Bench с 69,7% до 77,2%. Во всех трёх случаях веса модели заморожены. Меняется только то, что вокруг неё: промпты, инструкции, контроль исполнения.

Это прямо бьёт по популярному тезису о том, что промпт-инжиниринг вот-вот станет не нужен: модель сама напишет себе оптимальный промпт, учиться управлять ИИ не нужно. У свежих работ есть границы применимости – и есть практические следствия для руководителя, который работает с ИИ в обычном чате, без лабораторной инфраструктуры.

Звучит как очевидное решение: если одна модель хороша, три модели плюс независимый арбитр должны быть лучше. Результаты бенчмарка это подтверждают. Но за первое место пришлось заплатить – в 2,27 раза больше денег и почти в семь раз больше времени ожидания, чем у Fable 5, занявшего третье место.

«Заменит ли меня ИИ?» – вопрос, который менеджеры чаще задают себе тихо, чем вслух на планёрке. Сценарий AI 2027 даёт повод спросить громче: он описывает мир, где к 2027 году автоматизируется сначала программирование, потом рутинный умственный труд, а рынок начинающих разработчиков уходит в турбулентность. Звучит как приговор. Но в той же фразе, где сценарий хоронит начальные роли, он называет и тех, кто, наоборот, зарабатывает больше всех: «люди, которые умеют управлять командами ИИ и контролировать их качество, делают кассу».

Написали это не паникёры. Дэниел Кокотайло – бывший исследователь OpenAI с историей сбывшихся прогнозов, его соавторы – сильные прогнозисты. При этом сами авторы оговариваются: 2027 – это год, который они считают наиболее вероятным, а серединная оценка приходится на более поздний срок; сам сценарий описывает лишь один из многих вариантов будущего. Читать его как пророчество бессмысленно. А вот как повод трезво посмотреть на вопрос «что будет со мной» – полезно.

Ответ на этот вопрос не укладывается в «да» или «нет». Он звучит так: под замену идёт конкретный набор ваших задач – список, который можно выписать и пересмотреть. И вопрос, который решает вашу карьеру, – какая именно часть списка.

Есть прогноз, который стоит прочитать не ради даты, а ради одной фразы. Сценарий AI 2027 описывает приход сверхчеловеческого ИИ примерно к 2027 году: сначала автоматизируется программирование, потом рутинный когнитивный труд, рынок junior-разработчиков уходит в турбулентность. На фоне этого авторы называют компетенцию, которая, наоборот, дорожает. В спросе оказываются те, «кто умеет управлять командами ИИ и контролировать их качество».

Написал это не блогер-алармист. Дэниел Кокотайло – бывший исследователь OpenAI, чьи прошлые прогнозы сбывались: ещё до ChatGPT он предсказал цепочки рассуждений, экспортный контроль на чипы и тренировки моделей за 100 миллионов долларов. Соавтор Эли Лифланд занимает первое место в рейтинге прогнозистов RAND. То есть перед нами не фантастика, а конкретный количественный прогноз от людей с треком.

И тут же оговорка, без которой весь текст превращается в панику. Сами авторы пишут: 2027 – это их модальный год, но медианы дальше, а сценарий описывает один из многих возможных вариантов. Читать его как пророчество бессмысленно. А вот как инструмент для проверки своих планов на прочность – очень даже.

В июне 2026 года аналитическая команда Exponential View выпустила отчёт The State of the AI Economy – независимую попытку измерить, за что компании реально платят в экономике ИИ. Авторы построили модель доходов по 1 000+ компаниям на основе отчётности, очистили цифры от двойного счёта и получили картину без маркетинга: генеративный ИИ вышел на темп $175 млрд годовой выручки. Мы уже писали, почему $700 млрд капзатрат Big Tech на ИИ в этом году не выглядят пузырём – этот отчёт о выручке смотрит на ту же экономику с другой стороны, со стороны тех, кто эти деньги платит.

Внутри отчёта есть слайд, который полезнее всех громких цифр. Команда EV проанализировала заявления компаний S&P 500 об эффекте ИИ на звонках с инвесторами. Результат: 7 из 10 заявленных эффектов – про экономию и эффективность. Сокращение затрат – 25%, экономия времени – 23%, рост пропускной способности – 22%. А рост выручки – всего 6%.

ИИ вполне способен приносить деньги напрямую. Просто компании, которые уже отчитываются о результатах перед инвесторами, в массе своей начали с другого конца. И у этого выбора есть простая математика, которую стоит понимать каждому менеджеру, выбирающему первую задачу для ИИ.

«Большинство людей до сих пор думают, что AI-агент – это просто ChatGPT с хорошим промптом». С этой фразы начинается статья Sunil Ramlochan «The AI Agent Stack Is Not a Prompt. It’s a Production System», и дальше автор называет это убеждение «утешительным мифом». Полезная правда, по его словам, в другом: настоящий агент ближе к маленькой операционной системе для работы. У него есть мозг, руки, память, правила, логи, планы восстановления и кто-то, кто отвечает, когда агент делает не то.

Тезис статьи укладывается в одну строчку: агент – это целый стек. И надёжность ему даёт архитектура вокруг, тогда как сама по себе модель или удачный промпт – лишь один из ингредиентов. Картина инженерная, поэтому разберём её с другой стороны – что из этого стека реально касается менеджера, который не пишет код, но решает, запускать ли агента в работу.