Чем ИИсполнитель лучше живого сотрудника?

Тела рабов сильны, так что они могут быть употребляемы на разные работы, необходимые в жизни, а тела свободных не согбенны и не способны на такие работы.
Аристотель.

"Труд — целесообразная деятельность человека, направленная на создание с помощью орудий производства материальных и духовных ценностей", гласит большой толковый словарь русского языка. Труд должен быть вознагражден "в зависимости от квалификации работника, сложности, количества, качества и условий выполняемой работы" вторит ему трудовой кодекс Российской Федерации.
"В России дефицит высококвалифицированных низкооплачиваемых кадров" — отвечает бизнес и вкидывает ещё денег в проекты внедрения ИИ. Проекты пока часто не окупаются, многие попытки внедрения оканчиваются провалом, сопутствующий технический долг пока не оценивается, санкции вставляют палки в колёса, но бизнес не сдаётся. Что же за приз ждёт бизнес в конце пути?

Здесь и далее по тексту под ИИ понимаются прежде всего большие языковые модели и ИИ-агенты.

Для контекста рекомендую ознакомиться со свежей статьёй о результатах опроса пользователей Хабра и Cloud о причинах смерти пилотных ИИ-проектов.

Чем ИИ превосходит живого сотрудника?

1. Получение дополнительного исполнителя в случае с ИИ дешевле и быстрее, чем в случае с живым специалистом.
2. ИИ не охраняется трудовым законодательством и не нуждается в социальных гарантиях.
3. ИИ изначально более эрудированный исполнитель и гораздо быстрее перепрофилируется на смежную область работы.
4. Лояльность сотрудника руководителю в случае с ИИ не вызывает сомнений.
5. Производительность ИИ хорошо регулируется выделением ресурсов.

Пробежимся по тезисам.

Получение дополнительного исполнителя в случае с ИИ дешевле и быстрее, чем в случае с живым специалистом.

Что нам говорят данные HR-агентств? Стоимость найма сотрудников, данные 2025 года:

• Массовый персонал. В сегменте стоимость закрытия одной позиции составляет 15–35 тыс. рублей.
• Офисные специалисты. Затраты составляют 40–80 тыс.
• Редкие квалификации и инженеры. Стоимость нередко достигает 120–250 тыс. рублей.
• IT-специалисты. Одни из самых дорогих категорий. Стоимость закрытия вакансии может превысить 300 тыс.

Это первый пункт экономии, особенно с учётом того, что основная составляющая суммы здесь — ФОТ рекрутёра. Сокращая потребность в найме, мы сокращаем потребность в HR-специалистах. Однако создание агента вещь так же не бесплатная: разброс цен на рынке от 150 тыс.руб. до 1 млн.руб. за программирование агента. Но далее агента можно реплицировать (в отличие от живого сотрудника).

Далее специалист на рынке должен просто быть в наличии, его кто-то должен был родить, воспитать, обучить. Этот момент делает ИИ-сущности столь же интересными для государства, как и для бизнеса, так как государство получает возможность экономить на медицине, образовании, инвестициях в демографические программы. И при этом государство сокращает риски привлечения зарубежных специалистов и потребность в миграции. Но степень выгодности ИИ для государства - предмет отдельного разговора.

Вторым пунктом экономии идёт зарплата специалиста. В интеллектуальных профессиях основная схема оплаты - за часы, при этом простой специалиста так же оплачивается. С ИИ оплата по умолчанию сдельная - ты платишь только за токены, грубо говоря, за кол-во переработанной информации. Данные суммы сравнивать затруднительно, так как в части информации по ИИ много маркетинга и спекуляций, но можно попытаться прикинуть...

По информации сервиса «Хабр Карьера», в первом полугодии 2026 года медианная зарплата IT-специалиста в России — 191 000 рублей. Для грубого пересчёта в ФОТ (с учётом ИТ-льгот) умножим на 1,15. Получится 219 650 рублей.

Есть интересная оценка экономики по токенам, но без оценки сколько специалистов условно заменяют ИИ-агенты в этих задачах. Разброс значительный, экономика часто искажена маркетинговыми акциями и борьбой за рынок. Возьмём для оценки что-то более ли менее стабильное по ценам, например Claude — 324 626 рублей.

Вопрос — а сколько сотрудников заменяет ИИ-агенты в данном расчёте? Здесь наиболее вероятным является число от 1 до 5-7 как для любого руководителя, при этом ИИ-агент требует больше внимания на проверку, чем опытный специалист в подчинении, так что остановимся на нижней части верхней границы — 5 агентов на сотрудника.

Т.е. соотношение у нас получится: 219 650 рублей - живой специалист и 64 925 рублей - ИИ-агент.

ИИ-исполнитель у нас действительно выгоднее и с точки зрения найма и с точки зрения оплаты с точки зрения бизнеса. Движемся дальше.

ИИ не охраняется трудовым законодательством и не нуждается в социальных гарантиях.

Ещё одной важной особенностью живого специалиста являются требования охраны труда:

• Живому специалисту нужен отпуск, а так же время для сна и отдыха. ИИ-исполнитель может работать круглосуточно и без выходных.
• Люди иногда болеют, травмируются или берут отгулы. ИИ-исполнитель здесь более стабилен и предсказуем.
• ИИ-исполнитель не уволится по собственному желанию на произвольном этапе выполнения работы.
• Простой ИИ-исполнителя не надо оплачивать ни по 2/3, ни по среднему. Если нет задач, то практически нет и затрат.
• Если потребность в исполнителе отпала, то ИИ-агента можно просто переместить в архив, без оплаты сокращения.

По этому тезису преимущества ИИ-исполнителя для бизнеса неоспоримы и весьма привлекательны. Идём к следующему пункту.

ИИ изначально более эрудированный исполнитель и гораздо быстрее перепрофилируется на смежную область работы.

Старый анекдот в тему.

Делал по работе RAG-поиск по базе знаний компании. Сначала базу настроили в помощь продажам для ответов на наиболее частые вопросы клиентов. Посмотрели на результат, прикрутили OCR, убрали из базы информацию касающуюся коммерческой составляющей, закинули руководство по эксплуатации, учебные материалы и базу технической поддержки и получили идеального помощника для молодого сотрудника по разрабатываемой и внедряемой компанией информационной системе.

Время перепрофилирования было затрачено только на переиндексацию базы и незначительные корректировки промпта (запроса).

Переобучение человека на смежный профиль обычно занимает порядка 2-3 месяцев. Здесь ИИ-исполнитель безусловно вне конкуренции: сильно повышает производственную гибкость.

Лояльность сотрудника руководителю в случае с ИИ не вызывает сомнений.

Больной вопрос для большинства компаний и даже государства в части выстраивания карьерных лестниц и социальных лифтов.

Лояльность важнее компетентности. Личная преданность важнее честности и принципиальности.

Здесь ИИ-исполнитель так же одной левой расправляется с живым специалистом, ведь основной признак успешного решения запроса пользователя для ИИ — это удовлетворенность пользователя ответом.

ИИ-исполнитель не занят поиском абстрактной истины. ИИ-исполнитель не следует вколоченному в него воспитанию и принципам (хотя сейчас стараются вшивать в ИИ отдельные ограничения, чтобы избежать проблем с законодательством тех стран, где данный ИИ официально используется, но это часто обходится модификацией промпта или сменой модели под определенные запросы). ИИ - идеальный лакей. Среди людей такие встречаются, но гораздо реже и данное качество у живых исполнителей никак не коррелирует с компетентностью и эрудицией.

Доходит даже до появление отдельных, продуцируемых ИИ, психозов у людей. Хорошая статья на эту тему. Так что если вы вдруг заметили рост психозов вокруг вас, то возможно вам не кажется.

Производительность ИИ хорошо регулируется выделением ресурсов.

Люди устают. Все и всегда. Производительность людей стараются поднимать бесконечным числом методик: кайдзен, кайкаку, 6 сигм... Всё направлено на наведение порядка в работе живых сотрудников, расстановке приоритетов, переключения фокуса.

ИИ-исполнитель (правда в теории, если мы выстраиваем автоматизацию с использованием ИИ по всем канонам, а не занимаемся автоматизацией беспорядка, как это, увы, часто бывает) работает согласно написанной для него инструкции и прописанным основным требованиям / навыкам. Требуется снизить затраты — сокращаем кол-во агентов или оптимизируем запросы, сжимаем контекст и так далее. Если требуется поднять производительность - расширяем кол-во оперативной памяти, переносим на другой сервер, берём модель уровнем повыше (вместо 7b, например, 32b), меняем цепочку генерации и так далее. Способы можно поискать на профильных форумах или спросить у ИИ-исполнителя. :)

C живыми исполнителями так не работает. Там бывают и творческие кризисы, и прокрастинация, и депрессия, и лень. И хоть сколько ты кофе влей или витаминов / антидепрессантов всыпь в сотрудника - производительность не возрастёт. На одном из моих прошлых мест работы в одном крупном холдинге даже проводили централизованный тренинг для руководителей, как повышать свою производительность фармацевтическими средствами.

Такие вот плюсы, как их видит дефолтный руководитель. Почему же новые цифровые исполнители ещё не заменили всех аналитиков, программистов, юристов, менеджеров, инженеров везде, где только возможно? 

Выступлю в роли Каллисфена: речь "за" ИИ уже была, теперь будет речь "против".

Талант на одну треть состоит из инстинкта, на одну треть — из памяти и на одну треть — из воли.
К.Досси

1. Человек умеет хранить секреты надёжней ИИ-исполнителя.
2. Результат труда создаётся для потребления человеком, и только человек лучше знает, что он готов потребить.
3. Ответственность за результаты труда неотделима от человека.
4. Повторяемость, а не вероятность результата — это свойство человека или машины, но не ИИ.
5. Наличие собственного мнения — важный критерий специалиста.

Разберём вторую партию тезисов.

Человек умеет хранить секреты надёжней ИИ-исполнителя.

Парадоксально, но факт, несмотря на то, что методы социальной инженерии являются доминирующим способом взлома, а человек обычно считается слабым местом в модели угроз.

Почему? Человека контролировать проще, этот черный ящик исследован гораздо лучше: набор мотивов хорошо известен, способы контроля прописаны, способы наказания - целые тома: КоАП, УК...

Хотя самая главная проблема озвучивается редко, но когда попадает в СМИ, то звучит громко, в частности скандал с OpenAI и уравнением Навье-Стокса.

Примечателен не сам скандал, тем или иным способом его замнут. Примечательно очередное подтверждение факта:

Если вы строите бизнес на чужой инфраструктуре, то это не ваш бизнес.

И в случае с бизнесом, работающим с интеллектуальной собственностью, работать с мотивированным сотрудником обвешанным законодательными и договорными ограничениями безопаснее, чем с ИИ. В случае с ИИ бизнес по сути отказывается от охраны своих ноу-хау и передаёт их в общее пользование. Сказать бы тут про победу коммунизма в очень странной форме, вот только в полной мере распоряжаются этими знаниями ограниченное кол-во компаний, все остальные получают эти знания случайным образом в зависимости от качества написанных промптов, удачного момента времени для запроса и близости тем проектов (по сути обмениваются данными с конкурентами).

А ведь есть ещё ряд интересных новостей по этой теме. Моя любимая эта:
Федеральный суд в США обязал OpenAI передать 20 млн анонимизированных логов ChatGPT в рамках разбирательства об авторских правах с New York Times и другими новостными изданиями.

Ваши данные под надёжной защитой. И покемонГо всего лишь просто игра, не переживайте.

Это не блокирующий критерий, но если работаете с ценными коммерческими данными — ИИ должен быть на своём железе, либо выделенный инстанс. И лучше в своей юрисдикции.

Результат труда создаётся для потребления человеком, и только человек лучше знает, что он готов потребить.

Отличная статья на тему программирования и использования ИИ.

ИИ — это вероятностная машина, она стремиться предугадать на основе статистики (обучения) наиболее ожидаемый для пользователя результат. И здесь коса находит на камень. Когда мы работаем с рутиной и используем ИИ для автоматизации рутины — всё в целом неплохо, там ожидаемые результаты хорошо известны. Когда мы используем ИИ в проектах, а любой проект отличается от рутины наличием в себе инновации: мы по сути бросаем кубик и смотрим, что выпало. А дальше всё зависит от близости тем с конкурентами, формулировки вопроса, контекста и даже просто перестановка слов в предложении или замена местоимений может сильно повлиять на результат.

Приведу цитату из упоминаемой статьи.

Это дорогой режим отказа — почти‑правда. В опросе Stack Overflow 2025 среди пользователей ИИ‑инструментов самым частым раздражителем стали решения, которые почти правильные, но не совсем: этот вариант выбрали 66% респондентов. Явно сломанный код ловится за секунду. Код, который выглядит правильным, проходит тесты и разваливается на границе, ловит только человек, понимающий, что вообще должно было произойти.

Когда код / аналитику пишет человек - он имеет в голове представление результата и постоянно сопоставляет написанное с идеальным. Когда это делает ИИ - он ориентируется исключительно на прописанные пользователем требования и наибольшую вероятность ожидаемого результата. И в этой логике присутствует результат двух видов: положительный (выполнение требований) и отрицательный (требования не выполнены), но отсутствуют ещё две градации: ложноположительный (требования выполнены, но итоговый результат невозможно использовать) и ложноотрицательный (требования не выполнены, но итоговый результат соответствует целям пользователя и может быть приспособлен с незначительными изменениями). Если ложноотрицательный всего лишь увеличивает потребление токенов, то ложноположительный значительно повышает нагрузку на пользователя.

Итогом этого становится перенос трудозатрат с непосредственно выполнения работы (программирования, аналитики) в концептуальное проектирование, документирование и проверку результата.

Соответственно экономическая целесообразность становится функцией: целесообразна генерации такого объёма результата, дополнительное описание и проверка которого возможна за стоимость (время специалиста и потраченные токены) меньшую, чем создание специалистом вручную.

Ответственность за результаты труда неотделима от человека.

Очень хороший вопрос: кто будет виновен за использование результата с глюками ИИ-исполнителя?

Логичный ответ, вытекающий из описания предыдущего тезиса: тот кто ставил ИИ-исполнителю задачу и проверял качество полученного результата. И здесь скрывается очень неприятная проблема для любого руководителя: с точки зрения ответственности ты становишься на уровень своего подчиненного. Ты больше не делегируешь задачу вместе с ответственностью, ты делегируешь задачу, а ответственность твоя целиком. И возможность прикрыться своим подчиненным, пообещать разобраться и научить / наказать больше не фигурирует в этом уравнении.

Пока не будет найден подходящий способ снять с себя ответственность за ошибки ИИ, многие будут предпочитать сохранять живых исполнителей хотя бы как зиц-председаталей.

Хотя с точки зрения государства это может стать не багом, а фичей. Особенно на фоне таких новостей: Верховный суд утвердил концепцию внедрения ИИ в российские суды.

В чём может быть фича? В новости из далёкого (надеюсь) будущего: Решение принято ИИ на основе комплекса данных, к решению подобных дел живые судьи не привлекаются. Повторная проверка изменений результата не дала, обжалованию не подлежит. Решение будет приниматься ИИ и ответственность будет возлагаться на него, а полнота власти по итогу будет в руках тех, кто данным ИИ управляет. Пока считаем это фантастической антиутопией.

Нет, внедрять, конечно, надо. Наши суды тоже перегружены и не отличаются идеальностью решений на нижних уровнях. Всё будет зависеть от качества внедрения, так как забывать про ложноположительные и ложноотрицательные результаты нельзя.

Цитата из новости в тему:

В том же месяце председатель Союза юристов-блогеров на базе МГЮА при АЮР Елена Гринь рассказала о случае, когда юристы пришли в Верховный суд с документом, подготовленным ИИ: в нем оказалась ссылка на п. 15 одного из постановлений пленума Верховного суда, в котором всего 14 пунктов. Верховный суд заметил, что несуществующий пункт был "додуман" нейросетью.

Повторяемость, а не вероятность результата — это свойство человека или машины, но не ИИ.

Ускорение процесса получения результат - вещь безусловно хорошая. И возможность не создавать самостоятельно целые куски результата, не заниматься адаптацией готовых блоков, а заниматься чисто конструированием - великолепно. Но есть проблема: при повторной генерации результата ты получаешь новую сущность. Даже если ты проверил предыдущий вариант блока и он тебя в целом устроил, то при повторной генерации тебе придётся относиться к нему не как блоку с изменениями, а как к полностью новому блоку.

Как в старой шутке: если отладка - это избавление кода от ошибок, то программирование - это процесс внесения ошибок в код. А в бытность мою программистом к данной шутке ещё было дополнение, что ошибки надо исправлять сразу парами, так как если программа запускалась и работала, то это значит, что ошибки взаимно дополняли друг друга.

Да, ИИ может отлаживать программы и находить уязвимости. Но надо понимать следующее: мы сейчас говорим не только о программах и не только об уязвимостях. Мы в том числе говорим о ложноположительном результате вида "почти правда". И исправляя один результат вида "почти правда" мы можем снова получить другой результат вида "почти правда".

И здесь ручные правки живого специалиста выгоднее, чем перегенерация результата, так как ИИ-исполнителю будут оплачены токены независимо от качества полученного результата.

Как в лотерее - ты платишь за шанс получить нужный результат. Хотя в отличие от лотереи здесь твои действия хотя бы оказывают влияние на итог.

Юмористический гиперболизированный пример работы с ИИ.

Наличие собственного мнения — важный критерий специалиста.

Эксперимент одного из топ-менеджеров компании Morpheus Systems, исследующей искусственный интеллект, показал: ChatGPT соглашается со спорными утверждениями в 68% случаев. Даже когда человек признает себя божественной сущностью или делится опытом общения с духами.

Если бы все люди вокруг были экспертами - возможно вокруг нас была бы утопия? Если бы все эксперты с радостью делились своими знаниями - возможно ИИ уже был бы построен на базе экспертных систем, а не больших языковых моделей? Но, к сожалению, имеем то что имеем. А имеем по сути вероятностную систему, которая предсказывает ожидаемый результат на основе датасетов. Что попало в эти датасеты и кто занимался их очисткой - одному Маску известно (шутка, не бейте).

Эксперт имеет своё мнение, полученное на основе его опыта, его размышление и его проверки и сопоставления своих прогнозов с итоговыми результатами. ИИ-исполнитель своего мнение не имеет, пользователь всегда может его переубедить. Более того в датасетах присутствует информации чуть меньше, чем в белом шуме (а в белом шуме есть всё, даже смысл жизни, вселенной и всего такого), а это значит что ответ ИИ-исполнителя в значительной степени зависит от вопроса и разная формулировка вопроса даст разные ответы, иногда радикально.

Ну и как говорилось ранее - цель ИИ не найти истину, а удовлетворить пользователя. И радикальная разница в целях порождает радикальную разницу в итоговом результате. И в этом плане ИИ по сути бьёт по новичкам и среднестатистическим специалистам, создавая давление прежде всего на них, а экспертов заставляет менять направленность прикладываемых усилий с производства труда на контроль генерации.

Общий вывод, который можно сделать по ситуации на сегодняшний день:

Когда период восторга пройдёт и наступит отрезвление - ИИ в текущем его воплощении займёт своё законное место в инструментарии интеграторов. В принципе трезвомыслящие люди уже используют его там, где БОЛЬШАЯ ЯЗЫКОВАЯ МОДЕЛЬ применима наилучшим способом: в сборе и консолидации данных, в переводе между языками и транскрибации, в генерации изображений, в программировании. А ограниченность ресурсов отфильтрует лишнее. В частности из личного опыта для RAG поиска минимально достаточно модели с семью миллиардами параметров (меньше - генерит явный бред, больше - уже начинается ощутимый рост стоимости железа, который правда даёт прирост скорости и качества поиска), распознавание текста с изображений можно запустить вообще на минимальных моделях.

Что осталось за скобками сравнения, но точно стоит упомянуть.

Сейчас использование ИИ в значительной степени субсидируется. Например, та же OpenAI находится в убытках и весь свой прогноз выхода в прибыль строит на ожидаемом росте выручки с $36 млрд до $350 млрд к 2030 году.

Причины данного субсидирования (просто очередной пузырь или снятие гешефта с огромного кол-ва данных сливаемых данным корпорациям без оглядки на любые требования ИБ — это мы узнаем позже).

Но как и с любым другим ресурсом — при возникновении дефицита будет возрастать его стоимость и изменяться экономика. Другое дело, что если планируется захват рынка, то стоит подождать. Сколько ждать? Примерно столько времени сколько потребуется на уход из профессии значимого (большинства) действующих программистов и генерации значительного кол-ва кода, который плохо описан и никем не поддерживается. Далее начинаем отсекать бесплатное использование и повышать стоимость платного. Многим придётся платить, ведь живые исполнители плохо поддаются репликации.

ИИ — это система, построенная на другой системе. Потребление энергоресурсов для нужд ИИ уже угрожает безопасности человечества по оценке ООН.

Экологический след искусственного интеллекта растет такими темпами, что это может привести к истощению природных ресурсов Земли. К 2030 году дата-центры – глобальная инфраструктура, обеспечивающая работу ИИ, – будут потреблять до 945 тераватт-часов электроэнергии ежегодно.

Вопрос - а где взять то эти 945 тераватт-часов ежегодно? Из какого источника: нефть, газ, уголь, атом? Может Солнце и ветер? Или для этого необязательно вводить новые электростанции и добывать больше, достаточно просто отобрать у кого-то? По оценке ООН надо полностью лишить энергии примерно 650 млн. человек. С учётом того, что ИИ-исполнитель вроде как и должен заменять человека в труде — звучит как достаточная причина для капитала, чтобы перейти к геноциду.

Исчерпание датасетов для обучения нейросетей и коллапс моделей.

Модели обучали на датасетах собранных из данных до 2023 года, ранее даже было много шуток на эту тему. Условно — в это время значительная часть контента генерировалась людьми (что недоказуемо, правда, бредогенераторов уже в то время было много).

Обучение моделей идёт непрерывно, но в новых данных уже невозможно определить, что создано человеком, что создано нейросетью, особенно на фоне массового "теневого" использования ИИ. Более того очистка данных от ошибок будет всё более затруднена, так как даже контент созданный человеком будет постепенно деградировать, так как есть проблемы с тем как обучать детей и студентов с учётом активного использования нейросетей. Об этом и у нас уже говорят с самого верха.

Новые технологии требуют пересмотра существующих и подготовки новых программ и методик обучения, массовой переподготовки педагогических кадров всех уровней.

Например, в данной статье рассматривается несколько вариантов обхода проблемы, но все они выглядят тупиком: распотрошить защищаемые данные? На самом деле уже сейчас происходит, большей частью в теневом порядке — люди сами сливают ИИ (причем в нашем случае чаще всего зарубежным ИИ) охраняемую законами и корпорациями информацию. И в этом вопросе на редкость изобретательны, благо нейросеть всегда может посоветовать как обойти ограничения.

Увеличивать кол-во связей? Дополнительные связи — дополнительные вычисления и зависимость там будет экспоненциальная, а то что даже при текущей архитектуре кол-во энергии потребное для роста требует ресурсов в масштабе целых стран — авторы статьи деликатно забывают.