Закат эпохи интеллектуальных самураев: как ИИ меняет ценность экспертного опыта
В любой крупной компании есть человек, к которому идут, когда остальные уже не знают, что делать. Он помнит, почему пять лет назад провалился похожий проект. По нескольким строкам договора понимает, где спрятан риск. Видит ошибку в расчёте раньше, чем она проявится в отчётности. Знает, какие цифры в бюджете реальны, а какие поставлены только для того, чтобы документ прошёл согласование.
У него двадцать или тридцать лет опыта. Он пережил кризисы, проверки, судебные споры, смену руководителей и несколько неудачных попыток автоматизации.
Он действительно разбирается в своей работе лучше большинства окружающих. Когда ему показывают очередную систему на основе искусственного интеллекта, он обычно усмехается:
«Она не понимает нашей специфики».
И очень часто он прав. Модель может перепутать редакцию закона, не учесть особенности конкретного объекта, неправильно истолковать хозяйственную операцию или выдать уверенный ответ там, где данных для вывода просто нет.
Но из того, что опытный специалист верно видит слабости ИИ, ещё не следует, что он правильно оценивает собственное будущее. Можно разоблачить десяток ошибок новой технологии и всё равно не заметить, что она уже изменила цену привычной работы.
Я называю такого специалиста интеллектуальным самураем. Не потому, что он обязательно воюет с ИИ, и не потому, что он относится к старшему поколению. Интеллектуальный самурай — это сильный профессионал, чьё преимущество основано на мастерстве ручного выполнения работы, тогда как в типовых и проверяемых задачах новая технология уже позволяет получать приемлемый для практики результат быстрее, дешевле и в большем масштабе.
Закат интеллектуальных самураев — не конец опыта и не исчезновение всех профессионалов. Заканчивается другой порядок: тот, в котором личное мастерство само по себе гарантировало человеку высокий статус, дорогую цену его времени и почти исключительное право на результат.
Историческая аналогия: монополия на результат
Популярная версия истории выглядит просто: самурай десятилетиями учился владеть мечом, а затем появился вчерашний крестьянин с ружьём и сделал его искусство бесполезным. В реальности всё было сложнее. Огнестрельное оружие появилось в Японии в XVI веке, быстро распространилось и использовалось самими представителями военного сословия. Исследования истории японского огнестрела показывают, что ружья не были отвергнуты самурайской элитой; они вошли и в военную практику, и позднее в культуру сословия. [1]
Поэтому дело не в том, что самураи оказались слишком гордыми, чтобы взять новое оружие. Изменилась сама система производства военной силы. Современному государству больше не требовалось наследственное сословие, которое годами готовило каждого бойца. В 1873 году правительство Мэйдзи ввело всеобщую воинскую повинность, и армия стала формироваться уже не только из прежнего военного класса. [2]
Самурай мог освоить ружьё. Он мог стать хорошим офицером и сохранить влияние. Но его прежняя монополия всё равно исчезла: государство научилось массово создавать военную силу без обязательного превращения каждого солдата в мастера старого типа.
Есть и ещё одна важная деталь. Старые элиты нередко не отвергают новую технологию, а присваивают её: вводят правила доступа, превращают владение ею в часть статуса и сохраняют за собой право на окончательное решение. В Японии эпохи Токугава огнестрел мог оставаться хозяйственным инструментом для простолюдина, но внутри военного сословия становился регулируемым искусством и знаком положения. [1] Новое оружие не всегда сразу разрушает прежнюю иерархию. Иногда оно сначала в неё встраивается.
Именно эта часть истории важна для разговора об искусственном интеллекте.
Новая технология не обязана быть умнее лучшего эксперта во всём. Достаточно, чтобы она снизила стоимость той части результата, которая раньше требовала многолетней подготовки. После этого мастерство остаётся мастерством, но перестаёт быть единственным путём к полезному результату.
Дело не в возрасте
Интеллектуальному самураю может быть двадцать восемь лет. Он может каждый день пользоваться ИИ, делать с его помощью презентации и даже писать отдельные фрагменты кода. Если новый инструмент лишь помогает ему немного быстрее выполнять прежнюю ручную работу, устройство профессии для него не изменилось.
И наоборот, специалисту может быть пятьдесят пять. Он не обязан становиться программистом, но, если он научился раскладывать процесс на части, формулировать правила, подключать данные, проверять результат и превращать собственный опыт в работающий механизм, его возраст перестаёт иметь значение.
Поэтому настоящий конфликт проходит не между поколениями. Он проходит между мастером выполнения и архитектором выполнения.
Первый умеет очень хорошо делать работу сам. Второй умеет организовать её так, чтобы значительная часть выполнялась постоянно, воспроизводимо и не зависела от того, сидит ли он сейчас за компьютером.
Три уровня использования ИИ: спросить, поручить, создать
Разницу между обычным использованием ИИ и настоящей сменой инструмента удобно увидеть на трёх уровнях.
Первый уровень — спросить.
Финансист загружает отчёт и просит объяснить отклонение от бюджета. Юрист даёт модели один договор. Инженер просит сравнить две версии документации. Человек экономит несколько часов, но процесс остаётся прежним: работа начинается у него на столе и там же заканчивается.
Второй уровень — поручить.
ИИ получает уже не один вопрос, а последовательность действий: собрать данные, классифицировать их, провести первичный анализ, проверить по заданным критериям и подготовить проект вывода. Специалист работает быстрее и может обрабатывать больший объём, однако машина всё ещё остаётся помощником внутри старой схемы.
Разница между вторым и третьим уровнем не количественная, а качественная: на втором ИИ остаётся инструментом внутри процесса, на третьем — становится частью самого процесса.
Третий уровень — создать.
Финансист не просит разово объяснить одно отклонение. Он создаёт систему, которая регулярно получает данные из учётной базы, сопоставляет факт с бюджетом, находит необычные изменения и готовит руководителю проект комментария.
Юрист не проверяет с ИИ отдельный договор. Он выстраивает процесс, в котором каждый новый документ сравнивается с корпоративной политикой, типовой формой и перечнем недопустимых условий. Система показывает отклонения и направляет человеку только те пункты, где действительно требуется решение.
Инженер организует не разовую проверку чертежа, а постоянное сопоставление смет, изменений рабочей документации, закупок, графика и фактического выполнения.
На третьем уровне человек уже не просто ускоряет собственную работу. Он создаёт новый способ её производства.
Именно здесь находится граница между чат-ботом и новым оружием.
Причины сопротивления переменам
Сопротивление ИИ часто объясняют возрастом, консерватизмом или страхом перемен. Это слишком поверхностно.
За серьёзным профессиональным мастерством стоит огромная инвестиция времени. Специалист годами изучал нормы, набирался практики, запоминал исключения, выстраивал личные методы проверки. Благодаря этому он получил должность, доход, влияние и репутацию. Его навыки давно стали частью не только работы, но и самооценки.
Представим человека, который пятнадцать лет совершенствовал сложные модели в Excel. Он знает сотни функций, умеет соединять десятки файлов и вручную находить расхождения, которых никто другой не замечает. А потом рядом появляется сотрудник, который владеет Excel хуже, но с помощью ИИ за несколько дней собирает прототип веб-системы: данные загружаются автоматически, расчёты выполняются по зафиксированным правилам, а типовые ошибки сразу становятся видны. Это ещё не промышленный продукт, но уже доказательство того, что ту же задачу можно организовать иначе.
Первый специалист всё ещё лучше работает в Excel. Только компания давно не выбирает лучшего пользователя Excel. Она решает, как получить результат быстрее, надёжнее и дешевле.
Признать это трудно, потому что под сомнение ставится не одна программа. Меняется прежний обменный курс опыта: сколько статуса, денег и влияния рынок готов давать за определённый способ работы.
Фраза «я сделаю лучше, чем ИИ» может быть совершенно правдивой. Но экономика редко платит за мастерство само по себе. Она платит за приемлемое качество, скорость, стоимость, масштаб и ответственность. Если большую часть типовой работы можно выполнять существенно быстрее при установленном уровне качества, а эксперту передавать сложные случаи, прежняя модель занятости начинает меняться.
Точнее говоря, речь идёт не о качестве, а о дефиците. Пока умение оставалось редким и на его приобретение уходили годы, рынок платил премию именно за редкость. Когда технология делает часть этого умения доступной гораздо большему числу людей, сам опыт никуда не девается — исчезает надбавка за то, что он встречается нечасто. Поэтому профессиональная девальвация может начаться задолго до первых сокращений.
Интеллектуальный самурай защищает не только качество своего труда. Он защищает прежнюю цену, которую мир платил за это качество.
Примеры: строительство, право, финансы
Строительство
Опытный строитель совершенно справедливо скажет, что ИИ не был на объекте. Он не знает, что весной на участке поднимаются грунтовые воды, что конкретный поставщик регулярно срывает сроки, а формально правильное решение на практике создаст проблему при эксплуатации.
Но из этого не следует, что главный инженер должен лично перечитывать каждую страницу документации и вручную сводить данные из нескольких систем. Его настоящая ценность в другом: он знает, что именно надо проверять и какие расхождения опасны.
Система может сопоставить объёмы из сметы с актами КС-2, утверждёнными изменениями рабочей документации, закупленными материалами и данными о фактически выполненных работах. Она способна показать, что объём уже предъявлен к приёмке, хотя нужное изменение проекта ещё не утверждено; что закуплен другой материал; что одна и та же работа, возможно, учтена дважды. Но понять, является ли расхождение ошибкой, допустимым изменением или сознательным завышением, должен человек, который понимает объект и последствия решения.
Здесь автоматизация нужна не для замены опытного инженера нейросетью, а для того, чтобы перестать расходовать его время на механическое сравнение тысяч строк.
Право
Хороший юрист ценен не только тем, что знает закон. Он понимает мотивы сторон, переговорную позицию, реальную вероятность спора и последствия формулировки, которая на бумаге выглядит безупречно.
ИИ резко удешевляет первичный поиск и сравнение. Он может обработать большой массив договоров, найти повторяющиеся условия, отметить отклонения от шаблона и подготовить варианты редакции. Молодому сотруднику для такой первой проходки уже не нужно помнить столько же, сколько раньше помнил опытный юрист.
Однако договор существует не в пустоте. Иногда безопасное на первый взгляд условие становится опасным из-за конкретной схемы расчётов, позиции контрагента или связанного обязательства в другом документе. Такие вещи требуют профессионального суждения.
Поэтому сильный юрист новой эпохи не просто быстрее пишет договор. Он выстраивает архитектуру правовой защиты: определяет допустимые условия, настраивает правила проверки, разделяет риски по уровням и оставляет человеку решения, которые нельзя надёжно принять автоматически.
Учёт и финансы
В бухгалтерии и финансах ИИ часто пока используют как удобную надстройку над выгрузкой: написать комментарий, построить диаграмму, найти формулу. Это полезно, но почти не меняет сам процесс.
Учётная система — будь то 1С или другое решение — ещё долго будет нужна как источник официального факта. Она должна обеспечивать проводки, регистры, права доступа, закрытие периода, историю изменений и аудиторский след. Чат-бот этого не заменяет.
Зато над учётным контуром постепенно появляется новый слой. Он может разбирать первичные документы, предлагать классификацию операций, находить нетипичные проводки, сопоставлять бюджет с договорами, закупками, выполненными работами, начислениями и платежами. Проблема выявляется не после закрытия месяца, а в момент, когда начинает формироваться.
В такой модели 1С остаётся двигателем под капотом. Просто всё меньше людей проводят рабочий день, переходя из одной формы в другую. Пользователь формулирует задачу, а система сама обращается к нужным данным и выполняет разрешённую последовательность действий.
Ценность экономиста при этом определяется уже не скоростью сведения таблиц. Гораздо важнее, понимает ли он экономическую логику бизнеса, умеет ли отделить существенное отклонение от технического шума и способен ли превратить методику расчёта в правила, которые можно проверить и воспроизвести.
Данные исследований о влиянии ИИ на производительность
Пока нет оснований утверждать, что ИИ целиком заменяет профессиональный опыт. Зато уже хорошо видно другое: он сокращает путь, который менее опытному человеку раньше приходилось проходить самостоятельно.
В исследовании, опубликованном в 2025 году в The Quarterly Journal of Economics, изучалась работа 5 172 сотрудников клиентской поддержки. Доступ к генеративному ИИ повысил среднюю производительность на 15%. Наибольший эффект получили менее опытные и менее квалифицированные сотрудники: они улучшили и скорость, и качество. У самых сильных работников прирост оказался небольшим, а качество в отдельных случаях немного снизилось. [3]
Эксперимент с 758 консультантами Boston Consulting Group дал похожий, но более сложный результат. На восемнадцати задачах, находившихся в пределах возможностей модели, участники с ИИ выполнили на 12,2% больше работы и сделали её в среднем на 25,1% быстрее, одновременно повысив качество. Но на задаче, находившейся за этой границей, участники без ИИ дали правильный ответ в 84,5% случаев, тогда как две группы с ИИ — в 60% и 70,6% соответственно. [4]
Авторы назвали эту границу «зубчатой»: две задачи могут казаться человеку одинаково сложными, но одна хорошо решается с помощью модели, а вторая — плохо. Опасность в том, что заранее различить их не всегда легко.
Эти исследования подтверждают первый и второй уровни — «спросить» и «поручить». Они измеряют производительность на конкретных задачах в ограниченный период и не отвечают на вопрос, кто через несколько лет будет проектировать устойчивые процессы, работать с исключениями и нести ответственность. Тем более они не доказывают, что любой специалист уже способен с помощью ИИ создать надёжную корпоративную систему. Третий уровень пока правильнее считать направлением развития, а не массовым состоявшимся фактом.
Не всем достанется роль архитектора
Здесь важно не создавать новую успокаивающую легенду. Фраза «перестань быть исполнителем и стань архитектором» звучит красиво, но не может быть решением для всех.
Если в холдинге работают сто экономистов, после глубокой автоматизации ему не понадобится сто архитекторов финансовых систем. Архитекторов по определению меньше, чем исполнителей. Один хорошо построенный процесс и небольшая команда способны заменить большой объём ручной работы.
Поэтому освоение ИИ не гарантирует сохранения прежней должности, дохода или статуса. Оно лишь повышает шанс участвовать в создании нового способа работы, а не ждать, пока этот способ создадут без тебя.
Часть операций исчезнет. Некоторые профессии сократятся. В других останется меньше людей, но требования к ним станут выше. На короткой дистанции ИИ действительно может сильнее поднять производительность новичка — именно это показывают приведённые исследования. Но то, кто сохранит профессиональное значение через несколько лет, зависит не только от скорости выполнения одной задачи. Для проектирования устойчивого процесса, работы с редкими исключениями и ответственности за итог по-прежнему нужен глубокий предметный опыт — и он же нужен, чтобы понять, какую систему вообще стоит строить, какой процесс сначала следует изменить, а какой не автоматизировать вовсе. Даже таких экспертов потребуется меньше, чем было ручных исполнителей.
У этого удешевления есть и обратная сторона: когда профессиональный результат становится дешевле, его начинают потреблять больше. Компания, которая раньше подробно разбирала только крупные договоры, может проверять каждый. Вместо трёх финансовых сценариев можно строить тридцать, а вместо выборочного контроля операций — проверять весь массив. Поэтому ИИ не обязательно уменьшает общий объём интеллектуальной работы: он способен резко увеличить спрос на её результат. Но больше произведённого анализа не означает больше аналитиков — так же как рост объёма вычислений давно перестал означать рост числа людей, которые считают вручную.
Есть и другой сценарий. Если «зубчатая граница» окажется устойчивой именно в задачах с высокой ценой ошибки, плохо формализуемым контекстом и обязательной человеческой подписью, мастер выполнения сохранит свою роль намного дольше. Пока невозможно уверенно сказать, с какой скоростью эта граница будет отступать. Поэтому закат интеллектуальных самураев будет идти неравномерно: в одних профессиях он уже заметен, в других может растянуться на десятилетия. И всё же именно третий уровень способен изменить профессии сильнее всего. Помощник экономит время отдельного сотрудника. Система меняет количество сотрудников, которое вообще требуется для выполнения процесса.
Именно поэтому закат интеллектуальных самураев — не метафора безболезненного переобучения. Речь идёт о реальном перераспределении влияния и рабочих мест.
Ограничения: ответственность, данные, инженерия
Разговор об ИИ быстро становится наивным, если показать только красивый прототип и не говорить о том, что происходит дальше.
Сегодня один человек действительно может за несколько дней собрать работающую демонстрацию, на которую раньше понадобились бы месяцы согласований и команда разработчиков. Это огромный сдвиг. Однако между демонстрацией и промышленной системой лежат качество данных, интеграции, информационная безопасность, права доступа, журналирование действий, тестирование, поддержка и понятный владелец продукта.
Прототип, который работает у автора на ноутбуке, может доказать ценность идеи. Он ещё не становится от этого корпоративным инструментом. Если после ухода создателя никто не понимает, как система устроена, компания получила не актив, а новую зависимость от одного человека.
ИИ резко снизил стоимость первого шага. Он пока не отменил инженерную дисциплину и не сделал бесплатной надёжность.
Есть и более жёсткое ограничение — ответственность. В строительстве, праве и учёте человек часто является не просто контролёром качества, а официальным подписантом. ГИП отвечает за проектные решения. Руководитель подписывает бухгалтерскую отчётность. Аудитор формирует заключение. Последствия этих решений нельзя переложить на модель.
Поэтому автоматизация работы и перенос ответственности — разные процессы. Первый идёт быстро. Второй зависит от законодательства, корпоративного управления и готовности общества признать решение машины юридически значимым. Ещё долго они будут двигаться с разной скоростью.
У профессиональных сообществ есть ещё один способ сохранить своё положение — контролировать не сам инструмент, а право превращать его результат в действующее решение. Самурайская элита когда-то встроила огнестрел в систему правил и статуса. [1] Похожий механизм работает и сегодня: модель может проверить проект, предложить проводку или разобрать договор, но действующим решением результат становится только после подписи ГИПа, главного бухгалтера, аудитора или другого уполномоченного человека. Поэтому темп перемен будет зависеть не только от качества ИИ, но и от того, кто устанавливает правила допуска к результату.
Но эти ограничения защищают прежде всего точку ответственности, а не прежний объём человеческого труда. В отдельных случаях закон действительно задаёт минимальные требования к численности квалифицированных специалистов: например, для членов строительной СРО Градостроительный кодекс устанавливает наличие не менее двух специалистов по месту основной работы, сведения о которых включены в национальный реестр специалистов. Но это именно минимальный порог, а не требование сохранять прежний штат исполнителей. Закон и регламенты могут определять, кто должен организовать работу и поставить подпись, но обычно не требуют, чтобы десятки инженеров, бухгалтеров, экономистов или юристов продолжали вручную собирать данные, проводить первичную проверку и готовить материалы к этой подписи. Ответственный специалист может сохранить своё место, тогда как значительная часть такой работы будет выполняться меньшим числом людей и автоматизированными системами. Регулирование способно замедлить закат интеллектуальных самураев, но не обязательно способно его остановить: оно сохраняет право на окончательное решение, а не прежнюю численность профессионального сословия.
Почему компании не получают эффект от ИИ
Организация может повторить ошибку отдельного профессионала. Типовой сценарий уже легко представить. Компания покупает сотрудникам доступ к ИИ, проводит двухчасовое обучение по составлению запросов и через месяц отчитывается о внедрении технологии. Люди начинают быстрее писать письма и протоколы. При этом данные по-прежнему вручную переносятся между системами, отчёты собираются в Excel, а стандартное решение проходит пять уровней согласования.
Новый инструмент появился. Способ производства работы остался старым.
Настоящее внедрение начинается не с вопроса «какую модель купить?», а с более неприятных вопросов. Почему этот отчёт вообще собирается вручную? Почему один документ последовательно читают пять человек? Почему опыт лучшего сотрудника существует только у него в голове? Почему система сообщает о проблеме через месяц после её возникновения? Почему стандартное решение каждый раз принимается заново?
Ответы почти всегда выводят за пределы ИТ. Приходится менять процесс, ответственность, структуру данных и полномочия. Поэтому многие компании будут годами иметь доступ к сильным моделям и получать от них лишь небольшой эффект: технологии обновились, а организация осталась прежней.
Что делать профессионалу сейчас
Начинать стоит не с попытки автоматизировать целый департамент и не с покупки дорогой платформы.
Полезнее выбрать одну повторяющуюся задачу, которая выполняется по более-менее понятным правилам. Затем честно разложить собственную работу: какие данные я собираю, что проверяю, по каким признакам настораживаюсь, где действую по шаблону, а где действительно принимаю уникальное решение.
После этого можно передать ИИ не один вопрос, а всю цепочку и проверить её на старых реальных случаях, где правильный результат уже известен. Такой опыт быстро показывает, какая часть профессионального знания воспроизводима, а какая держится на контексте и суждении.
Следующий шаг — превратить удачный сценарий в небольшой прототип и только потом решать, стоит ли делать из него промышленную систему. Это менее эффектно, чем объявить о революции, зато позволяет не автоматизировать хаос и не построить ещё одну программу, которой никто не доверяет.
Последний вопрос самурая
Опыт не исчезает. Исчезает монополия, которую он раньше обеспечивал. Часть экспертного результата теперь можно получить, не проходя весь прежний многолетний путь. Для типовых и проверяемых задач рынок всё чаще будет выбирать не самое совершенное ручное исполнение, а достаточное качество при другой скорости и стоимости.
Самурай мог оставаться лучшим мастером меча. Проблема была не в том, что он разучился воевать. Мир научился производить военную силу иначе.
С интеллектуальным трудом начинается похожий переход. Поэтому опытному специалисту уже недостаточно спрашивать: «Может ли ИИ выполнить мою работу так же хорошо, как я?» Это слишком удобный вопрос: почти всегда можно найти задачу, в которой человек окажется точнее, глубже или надёжнее машины.
Гораздо неприятнее спросить иначе:
«Может ли человек, который знает меньше меня, с помощью ИИ создать систему, выполняющую значительную часть моей работы быстрее, дешевле и в большем масштабе?»
А если ответ хотя бы отчасти положительный, следом приходит вопрос ещё более болезненный:
«Согласен ли я работать за ту цену, которую рынок теперь готов платить за мою прежнюю работу?»
Интеллектуальных самураев не обязательно увольнять. Бывает иначе, и это тяжелее: человек остаётся на своём месте, сохраняет опыт, квалификацию и профессиональное имя, но постепенно обнаруживает, что за часть своей работы получает уже не ту цену, что раньше. Не потому, что он стал хуже работать, и не потому, что его знания потеряли смысл. Просто то, что вчера было редкой компетенцией, сегодня становится стандартной функцией инструмента — а за стандартную функцию рынок платит меньше, чем за редкое мастерство.
С самим фактом появления новой технологии ещё можно смириться. Гораздо труднее принять, что двадцать лет опыта по-прежнему принадлежат тебе, но часть того, за что тебе платили все эти годы, теперь стоит дешевле.
Пора разбираться не в том, насколько хорошо мы всё ещё владеем мечом, а в том, как теперь производится сила.
Источники
[1] Galindo García, A. Tools and regalia: a short survey of the presence of firearms in Edo Japan. International Journal of Asian Studies, First View, 2026, pp. 1–16. DOI: 10.1017/S1479591426100667.
[2] National Archives of Japan. 徴兵令が発せられる («Издание Указа о воинской повинности»), январь 1873 года. Архивное дело 明00666.
[3] Brynjolfsson, E., Li, D., Raymond, L. R. Generative AI at Work. The Quarterly Journal of Economics, Vol. 140, No. 2, 2025, pp. 889–942. DOI: 10.1093/qje/qjae044.
[4] Dell’Acqua, F. et al. Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of Artificial Intelligence on Knowledge Worker Productivity and Quality. Organization Science, Vol. 37, No. 2, 2026, pp. 403–423. DOI: 10.1287/orsc.2025.21838.
