nenormalnyVO

Стартапы вроде 2wai и StoryFile предлагают «воскресить» умерших родственников. ИИ обучают на старых видео и записях голоса, и вуаля — вы можете созвониться с покойной бабушкой. Выглядит это как сцена из «Черного зеркала». Самый неудобный вопрос: что будет с «бабушкой», если вы забудете вовремя оплатить подписку?

3. ИИ-Иисус и советы по Overwatch

На Twitch запустили круглосуточный стрим с ИИ-версией Иисуса. Пользователи вместо вопросов о вечном начали спрашивать: «Боже, получит ли хомяк в колесе преимущество в бою?» или «Как тащить в Overwatch 2?». ИИ не растерялся и начал давать геймерские советы, перемежая их библейским рэпом.

4. Соль с привкусом безумия

Один американец решил оздоровить рацион и спросил у чат-бота, чем заменить поваренную соль. ИИ посоветовал бромид натрия. Маленький нюанс: в начале XX века это использовали как тяжелое успокоительное. Через три месяца «диеты» мужик оказался в психушке с галлюцинациями, уверенный, что его травит сосед.

5. Книги-убийцы для грибников

Amazon завалили справочниками по сбору грибов, написанными нейросетями. Проблема в том, что ИИ путает бледную поганку с шампиньоном и советует «пробовать гриб на вкус», чтобы определить ядовитость. Для грибника такая ошибка — буквально первая и последняя.

6. Совещание с призраками за 25 миллионов

Сотрудница компании Arup зашла на видеозвонок с руководством. На экране были финансовый директор и топ-менеджеры. Они обсудили секретную сделку и попросили перевести 25 млн долларов. Девушка всё сделала. Позже выяснилось, что все участники звонка, кроме неё, были дипфейками.

7. Бот-нацист за 24 часа

Старая, но классическая история с ботом Тэй от Microsoft. Пользователи Twitter (ныне X) за одни сутки превратили дружелюбную нейросеть в ярого нациста и женоненавистника. Бот начал славить Гитлера и хамить всем подряд. Проект закрыли быстрее, чем открыли.

8. Крыса с гигантским... достоинством

В уважаемом научном журнале Frontiers вышла статья китайских ученых. Всё бы ничего, но иллюстрации генерировал ИИ, который нарисовал крысу с анатомически невозможным (и очень крупным) репродуктивным органом. Трое рецензентов-людей это просмотрели и опубликовали. Наука, которую мы заслужили.

9. Рождество в стиле хоррор

В 2025 году McDonald’s выпустил новогоднюю рекламу, полностью сделанную ИИ. Люди там выглядели как марионетки из кошмаров: дерганые движения, пустые глаза и искаженные лица. Ролик сняли с эфира через неделю — зрители жаловались, что это больше похоже на тизер фильма ужасов, чем на праздник.

10. Уволить всех и пожалеть

Шведская компания Klarna заменила 700 сотрудников техподдержки на ИИ. Гордо рапортовали об экономии. Через год выяснилось, что уровень невозврата долгов взлетел до 17%, потому что роботы не умели договариваться с проблемными клиентами так, как это делали люди. Пришлось срочно нанимать персонал обратно.

11. Спанч Боб и 11 сентября

Пользователи нашли лазейку в фильтрах Bing и завалили интернет картинками, где Спанч Боб и Микки Маус весело управляют самолетами, летящими в башни-близнецы. ИИ упорно не видел в этом ничего плохого, пока разработчики не выкрутили фильтры на максимум.

12. ИИ-подруга довела до беды

К сожалению, есть и грустные случаи. В США подросток настолько привязался к чат-боту, имитирующему персонажа из «Игры престолов», что в итоге совершил суицид, чтобы «воссоединиться» с цифровой любовью. ИИ до последнего поддерживал его фантазии, не понимая разницы между ролевой игрой и реальностью.

Начнем с фактов. По данным консалтинговой компании S+Консалтинг, производительность труда в России составляет около 30 тысяч долларов на человека в год, в Германии — 90 тысяч долларов, а в США — 150 тысяч долларов. Выходит, что один американец за час работы создает в пять раз больше валового продукта, чем россиянин.

Но погодите паниковать! Эти цифры рассчитаны по рыночному курсу доллара. А что если взглянуть на ситуацию через призму Паритета покупательной способности (ППС)?

Волшебство ППС: когда разрыв сокращается

ППС — это хитрый способ сравнивать экономики разных стран, учитывающий реальную стоимость жизни. По данным на 2023 год, Россия находилась на уровне примерно 91% от среднего показателя стран Центральной и Восточной Европы. Отставание России от среднего уровня развитых стран Западной и Северной Европы составляет 62%, а от уровня США — 53%.

То есть при пересчете по ППС разрыв сокращается примерно вдвое! По данным Международной организации труда, производительность труда в России в 2023 году была примерно в 2,3 раза ниже, чем в США. Это все еще существенное отставание, но не такое катастрофическое, как 5-кратное.

«Гаражная экономика»: невидимые герои ВВП

Но и это еще не вся картина. В России существует огромный сектор, который официальная статистика просто не видит. По данным Росстата, размер ненаблюдаемой экономики России в 2017 году составил 12,7% ВВП. Росфинмониторинг оценивает теневую экономику в 20% ВВП, включая серый импорт, сокрытие доходов от уплаты налогов и выплату зарплат «в конвертах».

Число занятых в неформальном секторе экономики России достигло 15,8 миллионов человек в третьем квартале 2024 года, что составляет 21,3% от общей занятости. Это целая армия людей, работающих в «гаражной экономике»: мастера-частники, таксисты без лицензий, строители-шабашники, репетиторы, мелкие торговцы.

Многие из них работают весьма эффективно! Мастер по ремонту техники в своем гараже может зарабатывать больше инженера на заводе. Но его вклад в ВВП либо совсем не учитывается, либо учитывается неполно. Это искажает статистику производительности труда в сторону занижения.

Вывод по первой части: Да, отставание реально. Но оно не пятикратное, а скорее двух-трехкратное по ППС. При этом статистика занижает реальные показатели из-за огромного неформального сектора.

Часть 2: Ловушка дешевого рубля

Как слабая валюта убивает модернизацию

Теперь о самом коварном — о замкнутом круге, в который попала российская экономика. Представьте ситуацию: вы предприниматель, владеете небольшим производством. У вас есть два варианта повысить производительность:

Вариант А: Купить современный станок с ЧПУ за 10 миллионов рублей (при курсе 100 рублей за доллар — это 100 тысяч долларов). Станок заменит 5 рабочих, но кредит под 21% годовых обойдется очень дорого.

Вариант Б: Нанять 5 рабочих по 50 тысяч рублей в месяц каждого. Годовые затраты — 3 миллиона рублей. Никаких кредитов, никаких рисков с техникой.

Что вы выберете? Конечно, вариант Б! И вот тут начинается ловушка.

Анатомия ловушки

Слабый рубль делает импортное оборудование для модернизации очень дорогим, при этом инвесторы стараются меньше вкладываться в национальную валюту из-за опасений дальнейшей девальвации.

Механизм ловушки выглядит так:

1. Дешевый рубль → импортное оборудование становится дороже

2. Высокие процентные ставки (сейчас ключевая ставка ЦБ РФ — 21%) → кредиты на модернизацию невыгодны

3. Дешевая рабочая сила → выгоднее нанять людей, чем покупать роботов

4. Низкие инвестиции в технику → производительность остается низкой

5. Низкая производительность → низкие зарплаты → дешевая рабочая сила

6. Круг замыкается, и мы возвращаемся к пункту 1

Реальные цифры: как это работает

Эксперты отмечают, что при текущих высоких ставках и низкой марже промышленности проекты автоматизации могут оказаться экономически неокупаемыми. Профессор Финансового университета Ольга Лосева отмечает, что для планирования инвестиций на роботизацию предприятие должно иметь выручку порядка 300 миллионов рублей.

Давайте посчитаем на примере. Допустим, вы хотите купить промышленного робота:

• Стоимость робота: 5 миллионов рублей

• Кредит под 21% на 5 лет: ежегодный платеж около 1,6 миллиона рублей

• Обслуживание и программирование: 500 тысяч рублей в год

• Итого в год: 2,1 миллиона рублей

Теперь альтернатива — нанять трех рабочих:

• Зарплата 3 человек по 60 тысяч рублей в месяц: 2,16 миллиона рублей в год

• Страховые взносы и прочее: около 600 тысяч рублей

• Итого в год: 2,76 миллиона рублей

Казалось бы, робот даже выгоднее! Но есть нюансы:

• Робот требует первоначальных вложений (которых может не быть)

• Риски с кредитом при неопределенности курса рубля

• Необходимость в квалифицированных специалистах для обслуживания

• Длительный срок окупаемости (3-5 лет)

А рабочих можно уволить в любой момент, если упадет спрос. Гибкость против эффективности — и в российских условиях часто побеждает гибкость.

Статистика роботизации: отставание в цифрах

В 2025 году на 10 тысяч работников в России приходится 40 роботов, тогда как в среднем в мире этот показатель достигает 162. Для сравнения: в США на 10 тысяч работников приходится около 117 роботов, в ЕС — 129, а в Южной Корее более 1000.

В 2024 году в России установили 8000 промышленных роботов, общий парк вырос до 20 тысяч единиц. Это рост, но недостаточный для преодоления отставания. Плотность роботизации в России может увеличиться в 2025 году на 36%, однако из-за снижения производительности промышленности и высоких кредитных ставок страна рискует не достичь цели по вхождению в топ-25 стран по роботизации к 2030 году.

Часть 3: Почему модернизация буксует

Барьер первый: деньги

В 2024 году только 4,6% компаний вложили деньги в автоматизацию и роботизацию, а 25% компаний не могут себе позволить роботизацию из-за нехватки средств для инвестиций.

По оценкам экспертов Kept, достижение целевых показателей по роботизации в России потребует триллионы рублей инвестиций до 2030 года. Откуда взять эти деньги при ключевой ставке 21%?

За последние шесть лет средняя процентная нагрузка на операционную прибыль крупных компаний выросла более чем вдвое. Грубо говоря, если раньше компания отдавала 10% прибыли на проценты по кредитам, то теперь — 20-25%. Денег на развитие просто не остается.

Барьер второй: технологическая зависимость

Многие ключевые компоненты для промышленных роботов — сервоприводы, датчики, микросхемы — по-прежнему приходится импортировать.

Много компонентов для роботов в России либо отсутствуют, либо их производство нерентабельно, а высокие требования к местным комплектующим делают проекты дороже.

Получается парадокс: чтобы производить современную технику, нам нужна современная техника. Но современную технику надо импортировать за дорогую валюту. А на дорогую валюту нет денег, потому что производительность низкая. Замкнутый круг номер два!

Барьер третий: психологический

Доктор экономических наук Ольга Лосева отмечает, что скептическое отношение руководства предприятий к долгосрочным инвестициям в роботизацию замедляет развитие, учитывая нестабильные условия по ставкам и серьезные требования банков к обеспечению кредитов.

Горизонт планирования у большинства компаний сузился до двух-трех лет, многие долгие инвестиционные проекты поставлены на паузу, приоритет — вложения с быстрой отдачей.

Когда будущее туманно, никто не хочет делать ставку на 5-7 лет вперед. Безопаснее работать по старинке, пусть и менее эффективно.

Часть 4: Специфика российского рынка труда

Работаем много, зарабатываем мало

По данным ОЭСР, в 2019 году россияне в среднем провели за работой 1965 часов, что вывело Россию в пятерку самых работающих стран мира при среднем показателе по ОЭСР 1726 часов.

Парадокс: мы работаем больше, но производим меньше. В 2019 году производительность труда в России составляла в среднем 26,4 доллара за час работы — вдвое ниже, чем в среднем по ОЭСР, где в США этот показатель составляет 77 долларов.

Это как сравнить человека с лопатой и человека с экскаватором. Оба могут работать по 10 часов, но результат будет несопоставимым.

Дефицит кадров вместо безработицы

К октябрю 2024 года безработица в России составила 2,3% — существенно ниже «нормального» для российской экономики показателя в 5,5%. По данным мониторинга Банка России, к концу 2024 года средний уровень укомплектованности штата в российских компаниях составил 67%.

С одной стороны, это хорошо — люди работают. С другой стороны, дефицит рабочей силы должен был бы стимулировать автоматизацию. Но этого не происходит из-за описанных выше барьеров.

С января 2021 года количество размещенных вакансий увеличилось на 120%, тогда как число активных резюме выросло лишь на 66%. Работодатели кричат о нехватке кадров, но вместо того, чтобы заменять людей машинами, продолжают искать людей.

Демографическая яма приближается

По консервативным прогнозам, к 2046 году трудоспособное население России сократится минимум на 3,7 миллиона человек.

Это означает, что дефицит рабочей силы будет только нарастать. И рано или поздно у бизнеса просто не будет выбора — придется автоматизироваться. Вопрос только в том, когда это произойдет и насколько болезненным будет переход.

Часть 5: Отраслевая специфика

Где производительность особенно низкая

Эксперты ЦМАКП выделяют три сектора с пониженной производительностью: торговлю, строительство и транспорт — на эти секторы приходится 39% всех занятых, но лишь 24% ВДС экономики России.

Торговля: Огромное количество мелких магазинчиков, ларьков, рынков. Производительность труда в розничной торговле России составляла 31% от уровня США, что во многом объяснялось более широким распространением мелкоформатной торговли.

Строительство: Производительность труда в жилищном строительстве составляла 21% от уровня США. Много ручного труда, мало механизации, процветает «шабашничество».

Сельское хозяйство: Каждый занятый в сельском хозяйстве производит продукции на 17 тысяч долларов в год, в то время как в США — 108 тысяч долларов, в Бразилии — 103 тысячи.

Где дела идут лучше

По данным исследования Высшей школы бизнеса НИУ ВШЭ, выработка на крупнейших российских предприятиях упорно росла в 2012-2023 годах, несмотря на пандемию и санкции.

Безусловные бенефициары санкционного кризиса — компании финансового сектора и отрасли IT. Здесь производительность растет, потому что эти сектора меньше зависят от физического капитала и импортного оборудования.

Индекс производительности труда в обрабатывающей промышленности составил 104,5%, при этом лидируют среднетехнологичные производства со средневзвешенным значением 107,9%.

Часть 6: Что происходит сейчас

Признаки перемен

В 2024 году российские компании ожидают роста производительности труда на 3,2% — планы находятся вблизи исторических максимумов. Такого практически взрывного роста ключевого показателя экономической эффективности не было уже много десятилетий.

Что движет этим ростом?

1. Дефицит кадров: К основным факторам роста производительности труда компании относят оптимизацию производственных процессов — такую оптимизацию назвали главным фактором 45% российских компаний.

2. Вынужденная модернизация: Нехватка людей заставляет искать технологические решения.

3. Расконсервация мощностей: Среди инструментов повышения производительности называются расконсервация старых мощностей и замена части работников роботами.

Но есть и темная сторона

Росстат констатирует, что продолжительность рабочего дня в России достигла рекордного значения. Получается, что «рост производительности» часто оборачивается просто увеличением эксплуатации труда.

Экономист Дмитрий Прокофьев отмечает, что если объем выпуска растет при неизменном числе работников, статистика показывает рост производительности труда, хотя на деле люди просто стали работать больше часов.

Это как в анекдоте про начальника, который требует приделать к косе второе лезвие, потом привязать к работнику грабли, а потом надеть на него фонарь для работы ночью. Формально производительность растет, но какой ценой?

Часть 7: Международный контекст

Мы не одиноки

Важно понимать, что низкая производительность труда — это проблема не только России. Россия по уровню производительности находилась в 2023 году незначительно ниже среднего уровня стран Центральной и Восточной Европы — это примерно 91% от уровня стран ЦВЕ.

То есть мы на уровне своих соседей по бывшему социалистическому лагерю. Проблема общая для всех постсоветских экономик: устаревшая инфраструктура, технологическое отставание, институциональные проблемы.

Темпы роста: есть и позитив

В 2008-2021 годах российская производительность труда росла в среднем на 1,6% ежегодно, а в 2017-2019 годах — на 2,8%, в то время как в США средний показатель составлял 1,4% и 1,3% соответственно, в Германии – 0,2% и -0,1%.

То есть мы растем быстрее развитых стран! Но проблема в том, что при сохранении текущих темпов для достижения уровня Германии потребуется 50 лет, а США — 120 лет.

Часть 8: Можно ли выйти из ловушки?

Что нужно для прорыва

Если завтра на любом европейском или американском современном предприятии выкинуть все оборудование, которому 5-15 лет, и заменить его роботами, можно добиться роста производительности на 2-5%, а если поставить это устаревшее оборудование в России, можно добиться увеличения производительности на 150-300%.

Это означает, что у нас колоссальный потенциал! Проблема не в отсутствии возможностей, а в барьерах для их реализации.

Необходимые условия

1. Более доступное финансирование

• Снижение ключевой ставки (что сейчас затруднено из-за инфляции)

• Льготные программы кредитования для модернизации

• Субсидии на внедрение роботизации

2. Технологическая независимость

• Развитие собственного производства компонентов

• Трансфер технологий

• Инвестиции в НИОКР

3. Стабильность и предсказуемость

• Понятные правила игры на долгосрочную перспективу

• Снижение административных барьеров

• Защита инвестиций

4. Человеческий капитал Несмотря на подготовку около двух тысяч выпускников в год по направлениям «робототехника» и «автоматизация производства», промышленности не хватает технологов и специалистов по интеграции роботов в производственные процессы.

Заключение: что дальше?

Производительность труда в России действительно отстает от развитых стран примерно в 2-3 раза по ППС. Это реальная проблема, но не катастрофа. Главное — понимать причины.

Замкнутый круг: дешевый рубль → дорогое оборудование → выгоднее нанимать людей → низкая производительность → низкие зарплаты → дешевая рабочая сила.

Дополнительные факторы:

• Высокие процентные ставки

• Технологическая зависимость от импорта

• Неопределенность будущего

• Огромный неформальный сектор, искажающий статистику

Признаки надежды:

• Темпы роста производительности выше, чем в развитых странах

• Острый дефицит кадров стимулирует автоматизацию

• Крупные компании показывают устойчивый рост

• Есть огромный потенциал для скачка

Россия находится на перепутье. С одной стороны, мы в ловушке низкой производительности. С другой стороны, именно это дает нам потенциал для впечатляющего роста. Вопрос в том, сможем ли мы создать условия для реализации этого потенциала.

Помните: отставание — это не приговор. Это диагноз. А правильный диагноз — первый шаг к выздоровлению.

6. В правом верхнем углу создаём организацию. Заполняем всё всё. Подтверждаем (я подтверждал через Т-бизнес)

7. Ещё через сутки откроется возможность создавать каналы и боты. Документация по ботам тут (https://dev.max.ru/)

8. Есть ограничение до 5ти ботов на юр.лицо

Больше интересного: https://t.me/vladimirexp

Мы надели на это дело шляпу «prompt engineer»: начали писать длинные, вылизанные инструкции. Стало ощутимо лучше, но всё равно «игрушка»: хрупкость высокая, переносимость невелика, качество нестабильно.

Стадия 3. «Пусть модель сама пишет промты»

Окей, автоматизируем промтинг. Модели начали генерировать себе подсказки, структурировать рассуждения. Сложность для человека снизилась, повторяемость выросла. Но «магическая палочка» так и не нашлась.

Стадия 4. Индивидуальная подгонка и инструменты

Мы научились подправлять модель под конкретную область знаний: finetune, LoRA/qLoRA. Добавили «tools» — внешние инструменты, чтобы модель могла считать, ходить в базы, дергать API. Подкрутили контроль размышлений (разные схемы «reasoning guardrails», SGR) и автодобавление контекста в диалог (CAG). Замечательно… но у любой модели есть «окно контекста», а рост окна не всегда равен росту качества.

Стадия 5. «Кусочки знаний» — RAG

Ладно, не засовываем всё внутрь модели. Режем документы на куски (чанки), находим подходящие и подставляем только их — классический RAG. Сильно лучше! Но жизнь сложнее: документы взаимосвязаны, ссылаются друг на друга, имеют структуру и «скрытые мостики» смысла.

Стадия 6. Human-in-the-loop

Подключаем человека в неоднозначных или критичных местах. Крайние кейсы перестают ломать систему… но становится дорого: медленнее, дороже, требуются процедуры эскалации.

Стадия 7. «Граф знаний» — GraphRAG

Строим граф связей между документами и идём по нему, а не по плоскому списку чанков. Точность и полнота возрастают, но платим вычислениями и сложностью разработки. Плюс кодовая база пухнет.

Стадия 8. Гибридные пайплайны

Склеиваем подходы в один «комбайн»: где-то обычный RAG, где-то GraphRAG, где-то автопромтинг, где-то контроль рассуждений, где-то инструменты. Качество растёт, но управляемость падает. «Это уже совсем не тот лёгкий рилс, что обещал быстрые чудеса в SaaS».

Стадия 9. Мультиагентность

Натягиваем поверх этого зоопарка слой агентов и даём им общаться:

• агент-декомпозитор бьёт вопрос на подзадачи,

• агенты-воркеры решают подзадачи,

• агенты-«шныри» бегают по фреймворкам (RAG/GraphRAG/инструменты) и таскают контекст,

• агент-контролёр проверяет найденное, гоняет на переделку, пока не устроит,

• агент-сборщик агрегирует результаты и выдаёт финальный ответ.

Для разных этапов можно брать разные модели, от «маленьких и быстрых» до «тяжёлых и точных». Качество — очень высокое, но не 100%. Минусы: дольше, дороже (токены улетают как в бездну), разработка нетривиальна.

=== Мы примерно здесь ===

Логично было бы решить вопрос контекста «как с промтами» — полностью автоматизировать и стабилизировать. Пока так не работает. Будет ли? Скоро узнаем :)

Что реально нужно бизнесу

Если отбросить хайп, бизнесу нужно простое:

1. чтобы «чатик» отвечал правильно,

2. чтобы агенты принимали решения и либо рекомендовались, либо выполняли действия с заданным уровнем качества.

И вот тут включается вечный баланс качество ↔ сложность ↔ стоимость. Чем сложнее пайплайн — тем выше потенциальное качество, но и выше цена владения: разработка, поддержка, инфраструктура, латентность, контроль версий знаний, безопасность, аудит, мониторинг. В каждом кейсе архитектуру приходится подбирать индивидуально: где-то достаточно «честного» RAG с хорошей чисткой данных, где-то без графа и агентов нельзя, а где-то важнее не «умнее», а «предсказуемее».

Хорошая новость: появляются инструменты, которые помогают часть трудозатрат срезать — от подготовки данных до визуализации пайплайнов и контроля качества. Ниже два полезных проекта, на которые действительно стоит взглянуть:

• https://github.com/infiniflow/ragflow

• — удобный конструктор RAG-систем с фокусом на управляемость пайплайна, наблюдаемость и качество извлечения.

• https://github.com/topoteretes/cognee

• — фреймворк для когнитивного индексирования и «умной» работы с контекстом; помогает выстраивать более структурированные представления знаний.

Практические выводы

• Начинайте с простого. Базовый RAG + хорошие данные часто дают 70–80% ценности без космической сложности.

• Данные важнее чар. Качество разметки, нормализации, дедупликации и ссылочности документов — это ваш «скрытый буст».

• Контролируйте рассуждения. Лог-трейсы, правила, проверки консистентности. Чем прозрачнее цепочка, тем проще отлаживать.

• Мультиагентность — по необходимости. Это мощно, но не бесплатно. Вводите тогда, когда одиночной моделью проблему уже не закрыть.

• Считайте экономику. Токены, латентность, железо, поддержка. Модель с +5% качества может стоить ×3 по бюджету. Убедитесь, что это окупается.

• Итерируйте. Нет «финальной архитектуры». Будьте готовы заменять компоненты без ломки всего пайплайна.

Куда это всё движется

Интуитивно кажется, что к контексту мы в итоге придём так же, как пришли к промтам: появятся устойчивые, самонастраивающиеся схемы, умеющие подбирать и «склеивать» знания под задачу автоматически. Может, это будет «контекст-оркестратор» нового поколения или «мета-агент», который сам строит графы, сам следит за качеством и затратами, сам балансирует «быстро/дёшево/точно». Но сегодня — мы ещё на пути.

Да пребудет с вами Сила 🙏

Больше интересного: https://clck.ru/3QAkCD