Мировоззрение ранней AI‑Кремниевой долины

Немного контекста, из которого возникает этот текст

В декабре мы в deep mind провели свой первый воркшоп на тему AI в корпоративном контексте. Создавали персонального ассистента по нервной системе для сотрудников большой жёлтой компании. Вообще с людьми в топовых компаниях через призму их состояния мы работаем уже 7 лет. Развитие лидеров, динамика команд, корпоративная культура, управление изменениями. И из этой перспективы мы многое узнали про изменения: что помогает системным изменениям прижиться, а что разрушает их ещё до старта.

Погружаясь всё больше в вопрос этой крупной технологической трансформации нашего времени, мы всё сильнее убеждаемся, что эта экспертиза и вообще такие человеческие линзы становятся не менее, а более востребованными для успешной AI‑адаптации. Потому что AI‑адаптация — это не только технологический вызов, на который сейчас все обратили внимание, но и в не меньшей мере непростая задача изменений внутри человека — смены привычной картины мира и устоявшейся модели работы, а в итоге идентичности и поведения. Именно люди должны освоиться в новой среде и создать новый мир на её основе. И всё здесь упирается не только в софт и агентов, но и в способности и ресурсы тех, кто всем этим пользуется.

Сам я пользуюсь AI ежедневно около 2,5 лет, часть из которых провёл в Кремниевой долине, занимаясь там психологическими практиками с предпринимателями и не только. Последние месяцы мы созваниваемся каждую неделю с Димой Соловьёвым — он руководил исследованиями в Qiwi и уже три года помогает людям встраивать AI в работу, становясь одним из ведущих практиков в русскоязычном поле. Дима хорошо знает технологическую сторону адаптации, а я человеческую. Из такого бэкграунда складываются те продукты, которые мы сейчас готовим к запуску в нескольких IT-корпорациях, и из него же написан этот текст.

Это порождает заметный рост напряжения: FOMO соседствует с отторжением — и обе эти стратегии не помогают ясно видеть нужные шаги.

Здесь же особенно остро чувствую потребность в какой-то уравновешенной позиции на тему AI для тех, кого нельзя назвать евангелистом и полностью погруженным в тему, но, кто уже чувствует изменения и понимает, что игнорировать их невозможно.

В этой статье хочу сделать 2 шага, чтобы помочь нащупать здравую логику адаптации. Сначала — разбираю картину мира, которая сложилась среди ранних AI‑адоптеров в Кремниевой долине. Она не является сбалансированной по индустрии, но активнее всего выливается сейчас в медиа-мейнстрим, неся туда как ценные инвайты, так и мифические верования. Скорее всего, вы видите именно её проявления, читая про AI в соцсетях. Вторым шагом — предлагаю способы сбалансировать эту картину мира и помочь нам адаптироваться не из тревоги, а из ясности.

Золотая лихорадка нашего времени, которая не закончится через год

Хотя мы видим очень много шума и манипуляций в медиа на тему AI, происходящее не является исключительно хайпом и пузырем. Это достаточно легко понять, дойдя до своего первого wow-эффекта от взаимодействия с искусственным интеллектом. Эта Рафаэлка лучше тысячи слов объясняет человеку, что AI очевидно сильно и скоро повлияет на всё, что люди привыкли делать и как жить.

Как показывает история, такие технологические трансформации в силу их мощи обладают эмерджентными свойствами и не могут быть в полной мере предугаданы с точки зрения их последствий. Никто, даже люди, разрабатывающие AI, не в состоянии прогнозировать достаточно детально, как будут развиваться события на горизонте дальше года. Как недословно пишет Итан Моллик из Уортонской школы бизнеса и один из понятных в мире исследователей AI: «Мы создали пришельца. Никто не знает, как он себя поведёт. Нам надо знакомиться и исследовать его».

Прямо сейчас AI переходит от чата к агентам. Раньше AI помогал сделать конкретную задачу — написать, проанализировать, сгенерировать. Теперь он начинает действовать самостоятельно в многошаговых процессах: исследовать, принимать промежуточные решения, запускать код, отправлять запросы. Андрей Карпати, один из архитекторов GPT, называет это «Software 3.0»: программирование превращается в язык инструкций, понятный машине без компилятора. Но в последнем интервью Карпати идёт дальше. Человек в такой среде становится дирижером команды агентов — тем, кто формулирует задачу, оценивает результат и удерживает направление работы AI. Это не новый инструмент в руках, а новое определение того, что значит работать. Меняется не только скорость, но и сами возможности труда. Лидерство как функция разливается вниз по уровням.

Напряжение в поле не спадёт в ближайший год: каждые несколько месяцев появляется что-то, что меняет не детали, а основания.

Это и есть золотая лихорадка нашего времени. И буквально ощущая её присутствие в воздухе, многие уже понимают, что в этом невозможно не участвовать — предприниматели, лидеры в компаниях, специалисты в разных областях. Невозможно пропускать такие структурные изменения, которые могут тебя отбросить назад или сильно вытащить вперёд в обществе. В таком контексте нужно как можно быстрее погружаться в эту историю, исследовать её, понимать. Именно они уже активно разгоняют тему в мейнстрим, пытаясь воспользоваться своим преимуществом в виде скорости и адаптивности.

В чем же AI‑лихорадка отличается от золотой? Для начала, она глобальная — хотя в ней есть свои очевидные центры, всё равно не нужно обязательно ехать в Сан-Франциско, чтобы в ней участвовать. А во-вторых, сейчас мы живём в эпоху гораздо более масштабного проникновения технологий в реальность, и по этой причине эта трансформация может гораздо сильнее повлиять на общество в целом. Так что следующие годы могут не просто создать новый слой золотодобытчиков (что, скорее всего, точно произойдёт), но и гораздо заметнее, чем было раньше, ускорить транзиты по социальной иерархии для большинства людей — если не на планете, то в ключевых экономиках.

Итого, всё это — реальный сдвиг, который требует реального ответа. Его отрицание и правда не пройдёт для человека без последствий. И именно поэтому здесь важно сделать вдох и выдох. Сила сказанных выше слов может порождать ответ не из глубины, а хаотичные движения из уложенных в нас эволюцией стрессовых реакций.

Между «сдвиг реален» и «ты должен немедленно действовать, иначе проиграешь» — огромный разрыв, который как будто игнорирует культура ранних адоптеров.

Картина мира ранней Кремниевой долины и медиа-AI‑адоптеров

В эпицентре текущих изменений — в Кремниевой долине — на тему AI звучит множество разных голосов. Но большинство из нас ещё не составили для себя карту реальных экспертов и получают информацию через те из них, которые привычнее или которые проявлены в нашей медиа-среде обитания. И так получается, что в ранней AI‑предпринимательской среде — особенно в англоязычном Твиттере, среди инди‑хакеров, свежих AI‑билдеров и первой волны вайб‑кодеров — сложилось очень узнаваемое настроение, которое звучит в медиа реально громко. Я называю его обобщённо мировоззрением ранней AI‑Кремниевой долины, обозначая его источник в виде ранних последователей, которые ближе к нам, чем эксперты и фаундеры AI‑индустрии. Нам важно идентифицировать и разобрать этот голос, чтобы повысить собственную ясность в вопросе.

Типичный нарратив ранних адоптеров

Его главный нерв можно пересказать одним абзацем: история ускорилась, окно возможностей открылось, старые барьеры рухнули, а тот, кто медлит, уже проиграл и сам виноват в собственном отставании.

Вот как это звучит в одном из репрезентативных постов, которые сотнями разлетаются по социальным сетям:

Это уже не просто набор советов про инструменты — это целая картина мира. Когда я читаю такие тексты, я вижу в них несколько слоёв одновременно.

1. Первый: риторика дефицита. «Окно закрывается», «ты уже опоздал», «действуй немедленно». Такая речь нужна не для точного описания реальности, а чтобы пробить сопротивление и включить FOMO. Функция — выключить внутренние переговоры и запустить режим срочного действия. Это не всегда манипуляция — часто просто экстраполяция собственного возбуждения вовне, которое является скорее стрессовой реакцией, чем устойчивой стратегией адаптации.

2. Второй: индивидуализация системного процесса. Всё решает твоя воля, смелость и скорость. При этом почти не упоминается распределение капитала, доступ к сетям, бренд, доверие и рынки сбыта. А именно это потом отделяет «я быстро собрал прототип» от «я построил устойчивый бизнес». Или «мы внедрили AI в отдел» от «мы реально изменили то, как работают люди».

3. Третий: переход от этики труда к этике адаптивности. Раньше статус строился на «я много работаю». Теперь — на «я быстро переизобретаю себя под новый стек». Это уже не просто предпринимательская логика, а новая модель субъекта: гибкий, инструментальный, без сентиментальности к прошлой идентичности. Это совершенно не учитывает реальной пропускной способности нервной системы. Особенно, на длительной дистанции.

4. Четвёртый: почти религиозный мотив и проекции слабости на группы, не разделяющие картину мира адоптеров. AI как откровение, действие как доказательство избранности. Отсюда пафос про окно возможности создать капитал в своем поколении или самую большую возможность в жизни. Это не объективное описание изменений, а мифология момента со своими обрядами, избранными и грешниками. В реальности это не окно богатства для всех, а лишь для тех, кто сумеет соединить AI с человеческим лидерством. Реальную экспертизу с новым рынком. Сами по себе инструменты — commodity, а настоящая ценность смещается в объединения технологических возможностей с областью вкуса, доверия, доступа к клиенту, способности формулировать проблему, выдерживать итерацию и строить систему вокруг продукта. Если этого не было развито, то технологии вряд ли помогут.

5. Пятый: обобщающие провозглашения изменений, как фактов. «Execution умер» и «без техбэкграунда можно всё» — примеры лозунгов, которые пока не подтверждены практикой. Умер только узкий образ исполнения в стиле «сидеть и руками делать рутину». Но дисциплина приоритизации, продажи, тестирования гипотез, работы с клиентом и удержания качества — никуда не делась. Технический бэкграунд сильно упрощает адаптацию. И в итоге разница между «рабочим демо», «пригодным продуктом» и «надёжным бизнесом» остается в силе.

Есть еще важный момент. В медиа мы слышим про прорывы в основном только от тех, у кого получилось или кому выгодно, чтобы другие думали, что у них получилось — любой луч общественного внимания сегодня позволяет строить публичность или продавать обучающие продукты разного качества. И это надо учитывать, потребляя информацию.

MIT Media Lab в 2025 году изучили 300 публичных AI-внедрений, провели 150 интервью с руководителями и опросили 350 сотрудников. Вывод: 95% пилотных AI-проектов не дают измеримого эффекта на P&L. Только 5% доходят до реального ускорения бизнеса. Те, у кого не вышло, как правило, не пишут об этом в X. Культура ранних адоптеров строится на голосах этих 5% — и это создаёт систематически искажённую картину того, как выглядит переход на самом деле.

Даже достаточно аналитичные и структурные авторы, звучащие иначе, чем средний AI-блоггер в X, не оторваны от культуры обобщений и предсказаний. Например, выступающий с интересной моделью 12 переходов еженедельный темно-оптимист с 31к подписчиков Дениел Мейслер прямо говорит, что его цель — дать ментальную модель, чтобы снизить тревогу, а не нагнать FOMO. Но часть его риторики — например, «идеальное количество сотрудников в любой компании = ноль» — это именно та провокативная обобщающая манера, которую хочется критиковать.

Всё это не означает, что AI — просто хайп, а вся информация в X и Телеграм про него — шум. Просто неэкспертный нарратив в основном довольно эмоциональный, сырой. Иногда манипулятивный или просто поверхностный. Тем не менее в нем можно вычленить основания и идеи, которые кажутся по-настоящему рабочими. Например:

Не надо ждать идеального момента. У этого перехода вполне привычная для лихорадок внутренняя логика: там есть фаза «слишком рано» — пионеры, которые строят до того, как рынок созрел, и часто не доживают до него. Фаза «в самый раз», которая как будто начинается вот прямо сейчас и от этого создаёт так много возбуждения среди первых адаптеров — окно, когда сочетание доступности инструментов и незрелости конкуренции даёт непропорциональный результат. И фаза «слишком поздно» — когда рынок насыщен, работает на маржу, а не на исследование и входить везде становится гораздо сложнее. Возможности существуют всегда, но чтобы ими воспользоваться надо как минимум быть в среде — поэтому экспериментировать, осваивать и искать стоит уже прямо сейчас.

Скорость итерации теперь важнее подготовки. Лучший способ понять, работает ли идея в новом мире — сделать, показать, получить обратную связь. AI резко снизил стоимость эксперимента и одновременно ежедневно меняет основы привычной жизни. В этих условиях планирование на годы вперед и очень системный медленный разбег не то, чтобы перестал работать, но оказывается крайне рискованным предприятием. И к этой реальности необходимо адаптироваться уже сейчас.

О чём часто забывают сказать адоптеры: самая важная ставка сейчас — не на скорость как таковую, а на скорость обучения. Побеждают не те, кто просто быстро выпускает, а те, кто быстрее понимает, где реальная ценность, а где ее иллюзия.

Важнее не просто «уметь делать», а видеть, что именно стоит делать. Когда генерация удешевилась и шума стало больше, понимание проблемы и способность дифференцировать важное становятся настоящим дефицитным ресурсом — а не инструменты. Независимо от того, строишь ли ты стартап, развиваешь существующий бизнес или занимаешь конкретную роль внутри организации.

Лично мне кажется, что реальность сейчас выглядит не как «каждый может стать богатым», а как «гораздо больше новых людей могут войти в игру» — и мы пока не понимаем, как это её изменит.

AI‑адаптация — это не только применение технологий, но и человеческая трансформация

McKinsey говорит прямо: 88% организаций уже внедряют AI — но только 6% извлекают реальную бизнес-ценность.

Почему же при уже масштабных попытках внедрения AI реальная ценность в компаниях извлекается пока редко? McKinsey называет главные барьеры: не доступ к инструментам и не бюджет — они у всех есть. А качество принятия решений, инертность рабочих процессов, разрывы в управлении изменениями и неспособность переосмыслить то, как устроена работа. Барьеры — человеческие, и они пока почти полностью игнорируются в тусовке популяризаторов.

Более целостный взгляд на AI-адаптацию описывают мои коллеги по развитию человеческого потенциала и лидерства в компаниях Расмус Хугард и Жаклин Картер в книге More Human, изданную Harvard Business Review Press. Их центральный тезис: AI‑адаптация — это не только технологическая трансформация, но одновременно и человеческая. Причём именно человеческий переход в значительной мере определяет, произойдёт ли технологический.

Логика такая: когда AI берёт на себя рутину, повторяемые задачи и обработку информации — остаётся именно то, что AI не заменяет. Суждение в условиях неопределённости. Умение понять, что реально важно, а что создаёт иллюзию прогресса. Способность строить доверие, работать с людьми, удерживать системное видение. Это не приятные «мягкие навыки» — это именно то, от чего зависит, работает ли AI на реальный результат или просто генерирует красивые дашборды.

Конечно, мы должны применять инструменты и усваивать новую технологическую логику среды. Но среди ключевых лидерских качеств, которые AI‑эпоха делает не менее, а более важными, Хугард, опираясь на первое масштабное исследование AI в контексте лидерства, называет подлинную классику мета-навыков:

Осознанность — способность видеть, что именно происходит, а не реагировать автоматически на давление среды.

Мудрость — качество суждения, которое позволяет отличать важное от срочного.

Сострадание — способность удерживать человеческое измерение в среде, которая давит в сторону скорости и оптимизации.

Технологический переход без человеческого становится кладбищем пилотов: красивые эксперименты, которые не превращаются в рабочие системы, потому что за ними нет изменения того, как люди думают, коммуницируют и принимают решения.

Где найти опору для спокойной, но успешной адаптации

Всё сказанное выше — точно не попытка отговорить нас от активных действий. Увы, история технологий показывает, что подобные сдвиги часто оказываются пропущены большинством людей до того момента, как они уже окончательно сформировались — вместе с нашим местом в новой реальности.

Именно поэтому мы в deep mind сейчас активно исследуем, как выглядит адаптация с опорой на человеческую часть уравнения и сами тестируем новые продукты, помогающие решить эту задачу нашим партнерам в крупных IT-компаниях, не соскальзывать ни в FOMO, ни в отрицание.

Если попытаться сформулировать ранние тезисы здесь о том, чем отличается адаптация из ясности от адаптации из тревоги, я бы сказал так: первая начинается с вопроса «что именно мне стоит усиливать», а не «что мне срочно надо освоить».

Несколько конкретных ориентиров, которые я формулирую для себя:

1. Начинать с того, где у нас уже есть глубина. AI — инструмент усиления, а не замены. Если у нас есть глубокая экспертиза в предметной области, качественный нетворк, доверие клиентов или коллег, редкое понимание какой-то проблемы — AI может кратно умножить способность создавать ценность в этой области. Если начинать с инструмента в надежде, что он создаст ценность сам по себе — скорее всего, мы останемся на месте.
2. Различать скорость освоения и скорость обучения. Это разные вещи. Скорость освоения — сколько инструментов ты попробовал. Скорость обучения — насколько быстро ты понимаешь, где создаётся реальная ценность, а где только шум. Второе важнее в долгосрочной перспективе и оно требует замедления в нужных точках.
3. Инвестировать в качество суждения, а не только в знание инструментов. Самые ценные люди в AI‑среде — не те, кто освоил больше всего моделей. А те, кто умеет ставить правильные задачи, видеть, где AI ошибается, удерживать системное видение и принимать решения в условиях неопределённости. Это навыки, которые развиваются через практику рефлексии и работу с опытом — а не через сам вайб‑кодинг или работу с агентами.
4. Не путать срочность с важностью. Голос ранней AI-Кремниевой долины очень хорошо умеет превращать важное в срочное. Иногда это полезно. Но в целом человек, который постоянно живёт в режиме срочности, теряет способность видеть, что для него важно — и начинает адаптироваться не к своему будущему, а к чужому нарративу о нём.
5. Использовать AI для работы над собой. Хотя все уже пошли делать личных фитнес-ассистентов, я говорю здесь не про это. Личная трансформация — это нетривиальная идея, но это именно то, с чего мы начали в своей работе с компаниями: AI‑инструменты не просто станут рабочим активом, они могут стать инструментом более глубокого понимания себя — своих паттернов, состояния, настоящих приоритетов. Они тоже могут помочь нам в человеческом переходе, о котором говорит Хугард.

Главный вопрос адаптации

Такого рода технологические структурные трансформации могут сильно обновить текущую структуру распределения власти, статусов и богатства в обществе. Ведь, как говорят многие исследователи технологий, каждый раз подобные трансформации выглядят как нарушение привычного порядка вещей, к которым многие оказываются не готовы, даже обладая огромными ресурсами. Большинство не понимает силы этих перемен, пока они прочно не войдут в обычную жизнь. А другие прокатываются на этой волне, полностью меняя свой статус в социальной игре.

Игнорировать ее — такая же плохая стратегия, как в возбуждении бежать во все стороны. В 2026 году HBR опубликовали материал с говорящим названием: «AI не снижает нагрузку — он её интенсифицирует». Адаптация из FOMO, без понимания, где именно AI усиливает, а где перегружает — это риск, который ранняя адоптер-культура почти не обсуждает.

Чтобы и правда сориентироваться в изменениях, критически важно найти основание, из которого мы действуем. Перед нами открываются новые возможности, но они, также требуют не святого рандома в действиях, а возможно еще более осмысленного лидерства, чем требовалось исторически раньше.

В этих условиях очень маловероятно, что мы оказались в мире, где «каждый теперь может построить бизнес нового поколения, если поспешит». Скорее значительно больше людей теперь могут войти в игру создания, если сумеют увеличить собственную субъектность в AI-мире.

Инструменты становятся мощнее, но они не отвечают на вопрос, что именно ты хочешь усиливать. Они не отвечают на вопрос, что делать с возрастающей нагрузкой на нервную систему человека. С увеличивающейся скоростью переключений, фейков и шума.

Карпати сформулировал это коротко: bottleneck снова вернулся к человеку. Сначала им были инженеры — их не хватало. Потом — мощности. Теперь снова мы сами: наша способность правильно поставить задачу, оценить результат и принять решение, что делать дальше. Это не повод для тревоги — а точное описание того, где сейчас находится настоящая ценность.

И, возможно, главный вопрос сейчас не «успею ли я в AI‑волну», а как именно мне войти в эту трансформацию, чтобы усилить и расширить собственный способ видеть, думать и создавать ценность?