В первых двух частях я писал о двух изменениях.
AI резко снизил стоимость попытки: многие вещи, для которых раньше понадобилась бы команда разработчиков, теперь можно хотя бы попробовать собрать самому.
Но одновременно выяснилось, что возможность что-то быстро сделать ещё не означает, что ты понимаешь, что вообще стоит делать.
Остаётся ещё один вопрос.
Если нынешние AI-инструменты всё ещё сырые и неудобные, может быть, разумнее просто подождать?
Мне кажется, как раз наоборот.
Подходящего момента не будет
В начале первой книги «Об ораторе» Цицерон вспоминает довольно современное ощущение.
Когда-то он думал, что бесконечные государственные и судебные дела закончатся, возраст позволит отойти от суеты и наконец появится нормальное время вернуться к занятиям.
Именно тот период жизни, от которого он ждал покоя, принёс ему новые политические потрясения и личные проблемы. В итоге он пишет, что будет отдавать литературе те небольшие промежутки свободного времени, которые вообще сможет получить.
Прошло больше двух тысяч лет, а проблема довольно узнаваемая.
Мы постоянно ждём момента, когда станет удобно.
Вот появится свободное время.
Вот AI перестанет галлюцинировать.
Вот модели станут стабильнее.
Вот агенты начнут нормально работать.
Вот появятся понятные инструкции.
Вот кто-нибудь сделает готовый сервис.
Проблема в том, что когда станет удобно, удобно станет всем.
И это, возможно, одна из самых важных вещей в сегодняшнем AI-буме.
Сейчас преимущество существует именно потому, что неудобно.
Приходится разбираться. Модели ошибаются. Инструменты меняются. Что-то вчера работало, сегодня сломалось. Нужно соединять несколько сервисов. Нужно проверять результат. Нужно понимать хотя бы на минимальном уровне, что происходит под капотом.
Именно поэтому большинство людей этим и не занимается.
Но человек, который проходит этот путь сегодня, накапливает не знание конкретного интерфейса.
увидел новую возможность → разобрался → попробовал → ошибся → поправил → встроил в свою работу.
Через пять лет модели будут другими.
А эта привычка останется.
Что значит «будет поздно»
Здесь легко скатиться в истерику:
«Учите AI прямо сейчас, иначе через пять лет будете никому не нужны».
Через пять лет пользоваться AI, скорее всего, будет проще, а не сложнее.
И именно поэтому определённое окно возможностей закроется.
Возьмём ту же автоматизацию магазина.
Сегодня, если готового решения нет, предприниматель может потратить время, сам разобраться, соединить несколько технологий и получить систему, которой ещё нет у соседей.
Через несколько лет появится компания:
«Автоматический магазин под ключ».
Условно: камера, доступ, касса, идентификация, аналитика, удалённый контроль, техническая поддержка.
Подключение — столько-то.
Абонентская плата — столько-то в месяц.
Больше не нужно ничего изобретать.
Но ровно тот же комплект покупает конкурент через дорогу.
Наоборот, она стала доступнее.
Исчезло преимущество от того, что ты умеешь её использовать.
Сегодня можно самостоятельно вести бухгалтерию. Можно разобраться в налогах, программах, отчётности. Но большинство предпринимателей в какой-то момент просто платит бухгалтеру.
Потому что есть готовая услуга.
Можно самостоятельно с нуля открывать точку общепита: разбираться с оборудованием, процессами, поставщиками, документацией, технологическими картами.
А можно купить франшизу, где значительную часть этих проблем за тебя уже решили.
Только идеально собранная по инструкции кофейня всё равно может оказаться никому не нужна.
И это снова возвращает нас к главному.
По мере развития технологий мы будем всё дешевле покупать ответ на вопрос:
«Как на этом заработать?»
Тихая революция именно поэтому тихая
Представим два одинаковых небольших бизнеса.
«Мне эти нейросети не нужны. Я двадцать лет так работаю, всё нормально».
Сегодня всё действительно нормально.
Второй не увольняет половину сотрудников и не строит какую-то фантастическую AI-компанию.
Одну задачу автоматизировал — оказалось бесполезно.
Во второй AI ошибается слишком часто — вернул человека.
Третья экономит сотруднику час в день.
Четвёртая позволяет быстрее обрабатывать заявки.
Пятая автоматически собирает данные, которые раньше вообще никто не собирал.
Через год этот бизнес не выглядит революционно.
Просто немного эффективнее.
Но у второго владельца появляется вещь, которую сложно купить одномоментно.
Он уже понимает, где AI хорош. Где он врёт. Где цена ошибки слишком высока. Какую задачу вообще стоит автоматизировать. Как посчитать экономию. Что оставить человеку. Какие данные начать собирать сегодня, потому что через год они могут пригодиться.
Первый владелец через пять лет покупает готовый AI-сервис.
Второй покупает тот же сервис.
Но начинает пользоваться им не с нуля.
Разрыв появился не тогда, когда один получил технологию, а другой нет.
Он появился тогда, когда один начал учиться жить в новой среде, пока другой ждал, когда новая среда станет удобной.
Самый важный навык — не AI
Поэтому мне немного странно слышать советы в духе:
«Нужно срочно освоить ChatGPT».
Сегодня нужно уметь хорошо писать запросы.
Завтра модель сама задаст тебе необходимые вопросы.
Послезавтра агент вообще будет неделю самостоятельно выполнять задачу, приходя к тебе только за решениями.
Конкретные приёмы будут постоянно дешеветь и устаревать.
Поэтому главным навыком мне кажется не умение пользоваться определённой нейросетью.
А способность перестраиваться и учиться.
Мы давно слышим, что человеку будущего придётся несколько раз менять профессию.
Возможно, вопрос даже не в профессиях.
Возможно, нам придётся гораздо чаще менять способ делать собственную профессию.
Специалист останется специалистом.
Но большая часть его сегодняшней работы может постепенно переместиться.
Сейчас он сам ищет информацию, собирает её, сортирует, сравнивает и принимает решение.
Завтра машина собирает, сортирует и готовит несколько вариантов.
А человек проверяет и принимает решение.
Потом машина уже умеет делать и часть проверки.
И специалист опять должен понять, где теперь находится его собственная ценность.
Не один раз в двадцать лет.
Это довольно неприятный мир для человека, который хочет однажды чему-то научиться и дальше спокойно всю жизнь это делать.
Но, похоже, он становится всё более реальным.
Что имеет смысл накапливать
Поэтому я не думаю, что сейчас нужно поставить всё на одну карту и бежать строить AI-стартап.
Скорее нужно параллельно собирать несколько видов капитала.
Деньги дают возможность ошибаться.
Даже если забыть про бизнес, все эти прекрасные сервисы почему-то хотят оплату каждый месяц.
А если хочется тестировать реальные проекты, появляются реклама, оборудование, серверы и просто время, которое тоже чего-то стоит.
Компетенции сокращают расстояние до следующей попытки.
После первого проекта ты уже понимаешь, что такое API.
После второго — зачем нужна база данных.
После третьего тебе не приходится заново объяснять себе половину терминов.
Но особенно дорогим активом мне кажется аудитория.
Потому что производство становится всё дешевле.
AI уже может помочь сделать текст, изображение, видео, прототип продукта, сайт.
Но есть одна команда, которая всё ещё работает довольно плохо:
«Дай мне десять тысяч людей, которым интересно то, что я делаю, и которые мне доверяют».
Внимание нельзя мгновенно сгенерировать.
Его приходится накапливать.
И здесь сейчас совпали две интересные технологии.
С одной стороны, AI резко удешевляет создание.
С другой — алгоритмические платформы умеют распространять контент не только среди уже существующих подписчиков.
То есть человек без собственного телеканала, издательства, большой компании и миллионов на рекламу получает сравнительно дешёвую возможность одновременно что-то создать и попытаться донести это до незнакомых людей.
Это не гарантирует успех.
Теперь становится ещё очевиднее старая проблема:
если твой продукт никому не нужен, дешёвая разработка не спасёт.
Если твой ролик никому не интересен, алгоритм не обязан делать тебя знаменитым.
Если идея плохая, возможность реализовать её за неделю вместо полугода просто позволяет быстрее это обнаружить.
Но сама цена попытки стала гораздо ниже.
И такие окна обычно особенно хорошо видны задним числом.
«Надо было идти на YouTube десять лет назад».
«Надо было заводить TikTok, когда он только начинался».
Но в тот момент это не выглядело как очевидный социальный лифт.
Это выглядело как какая-то новая странная штука, в которой люди занимаются непонятно чем.
Когда всем становится очевидно, где лежит возможность, за неё уже обычно приходится конкурировать с огромным количеством людей, которые поняли то же самое.
Поэтому ждать революцию, возможно, уже поздно
Не в смысле «всё пропало».
Она пока ещё достаточно маленькая, чтобы её почти не замечать.
Большинство компаний не заменило людей роботами.
Большинство людей не создаёт продукты с AI.
Большинство традиционных бизнесов может ещё долго работать ровно так же, как работало.
Но в отдельных точках уже появились люди, которые делают то же самое намного дешевле, быстрее или вообще в одиночку.
Пока этих точек мало, они выглядят как исключения.
Потом их становится достаточно много, и внезапно меняется норма.
И тогда вчерашнее преимущество превращается просто в обязательное условие для входа.
Поэтому я не думаю, что обычному человеку сегодня нужно угадывать, какая профессия исчезнет первой или какая нейросеть победит через пять лет.
Гораздо полезнее посмотреть на то, что он делает прямо сейчас, и задать себе довольно простой вопрос:
Что в моей работе или жизни до сих пор устроено так только потому, что ещё пять лет назад изменить это было слишком сложно или дорого?
Возможно, ответа не будет.
Возможно, первая идея окажется глупой.
Но, наверное, это и есть самое важное изменение.
Раньше между мыслью и попыткой часто стояла стена.
Теперь там всё чаще стоит дверь.
Она пока тугая, кривая и иногда открывается не с первого раза.
Но именно поэтому рядом ещё нет очереди.
Сейчас преимущество существует потому, что неудобно.
А главный навык, который имеет смысл получить до того, как всё станет удобно, — научиться не ждать удобного времени.
