Парадокс Джевонса: уголь, офисная бумага, а теперь ИИ

Многие боятся, что ИИ заберет их рабочее место. Опасения уместны, не редко в ленте попадаются новости в стиле: «Такая-то компания сократила столько-то ITишников» или «Спрос на таких-то дизайнеров упал в разы».

Но есть экономический закон, который говорит, что не все так однозначно 😊

Это парадокс Джевонса: когда технология делает использование какого-либо ресурса дешевле и эффективнее, мы начинаем использовать этот ресурс гораздо больше, а не меньше. Эффективность снижает цену, а низкая цена взрывает спрос.

Уголь
В 19 веке экономист Уильям Джевонс заметил странную вещь: внедрение более эффективной паровой машины Уатта (которая требовала меньше угля на единицу мощности) не привело к экономии угля. Наоборот, его стали сжигать в разы больше. Почему? Потому что дешевый и эффективный двигатель сделал пар выгодным там, где раньше это было бессмысленно.

Офисная бумага
40 лет назад многие думали, что компьютеры уничтожат бумажный документооборот. Наступит «безбумажный офис». Но случилось обратное. Доступность принтеров и компьютеров привела к тому, что печатать стало слишком легко. Любой черновик, любое письмо, любой документ — на принтер.
Раньше, если хочешь, чтобы 100 сотрудников подписали какой-то документ нужно было несколько десятков раз напечатать его вручную с копировальной бумагой.
Невольно задумаешься, а может и не так уж нужно это подписывать?

С компьютером просто нажимаешь ctrl+P.

В результате потребление офисной бумаги в США выросло в 2 раза за 10 лет компьютеризации. Компьютеры сделали печать доступнее, что спровоцировало спрос.

А теперь ИИ
Мы слышим: «ИИ заменит копирайтеров, дизайнеров, программистов». Но что, если нас ждет тот же парадокс?

Вот свежий пример. Когда появились конструкторы сайтов, трудозатраты по разработке и требования к экспертизе снизились в разы. Люди остались без работы? Нет. Спрос на сайты вырос в сотни раз. Малый бизнес, фрилансеры, блогеры, рестораны — все бросились делать сайты, потому что это стало дешево и просто.

Количество людей, работающих в веб-разработке, не сократилось — оно выросло.

С ИИ, вероятно, произойдет то же самое.

E-learning команда с ИИ может разрабатывать материалы быстрее, при этом с более высоким качеством, чем без ИИ (если правильно его использует).
Иными словами они могут продавать более качественные продукты за меньшую цену.

Конечно, e-learning уже давно доступен не только компаниям из ТОП-сколько-то крупнейших, но с уменьшением цены на продукт он станет рентабелен в новых кейсах.

Будет эффективнее, если мы сделаем не один курс по Х для 5 направлений, а для каждого свой курс? Да? Давайте делать 5 курсов.

Стоит ли нам идти в этот e-learning и разрабатывать курсы под свои потребности (а не покупать готовые), если у нас всего-ничего человек в компании? Раньше нет. А завтра?

Работы может стать не меньше, а больше. Просто ее цена за единицу упадет, а объемы вырастут многократно.

Что в итоге?
Кстати, до сих пор не понимаю, почему это называют «парадоксом». Логика же железная.
Технологии не всегда убивают профессии. Часто они просто делают результат настолько доступными эффективным, что его хотят все. А значит, нужны новые люди, чтобы этот спрос удовлетворить.

Либо, все будут учиться через ИИ, а мы пойдем искать новую сферу деятельности...

Друзья, тут случилось классное событие: я стал гостем нового выпуска подкаста «КОРПОРАТЫ» от Digital Learning! 🎙

Обсудили с Григорием Клиновым все, что мы с вами так любим: реальную практику, ИИ без розовых очков, грабли внедрения, то, как технологии прямо сейчас меняют корпоративное обучение и что нас ждет в будущем.

Разговор получился живым и душевным. Я в восторге.

Репост с подробностями ниже 👇

Теолия без плактики: эффективность AI-тренажеров

На e-learning митапах и конференциях, где я рассказываю про диалоговые AI-тренажеры, самый популярный вопрос — это, конечно же, вопрос про бизнес-метрики: «На сколько процентов выросли продажи/найм после внедрения?»
Сами понимаете, здесь есть своя специфика. Во-первых, коммерческая тайна и NDA. Во-вторых, все тренажеры разные, и метрики в кейсах могут отличаться в разы.

Поэтому вместо цифр я люблю рассказывать историю из личного опыта. Она наглядно показывает главную эффективность AI-симуляторов — то, как они превращают знания в реальные умения.

Предыстория: В прошлом году я разрабатывал тренажер по проведению собеседований. Цель — обучить руководителей задавать правильные вопросы на выявление компетенций и мотивации, а также корректно презентовать вакансию соискателям.

Чтобы настроить такой симулятор, нужно «объяснить» нейросети, как ведет себя кандидат и по каким критериям в финале оценивать работу руководителя.

С методологией у меня проблем не было: я детально изучил, как правильно вести диалог, как подсвечивать плюсы компании и вытаскивать из кандидата правду. Знания были — без них качественную архитектуру тренажера просто не собрать.

Первый блин комом
Я написал первый промпт и пошел тестировать ИИ «на себе» — отыгрывать ролевку. Теоретически я говорю все верно. Но на практике получается неуверенно, коряво, что-то постоянно забываю, прыгаю с темы на тему. Вроде бы суть передал, но со стороны сразу видно — делаю это в первый раз.

Знания есть, а умения нет.

Реальное собеседование в таком режиме проводить нельзя.

Кстати, именно с таким уровнем подготовки из классических онлайн-курсов выходит большинство студентов: тест сдали на 100%, а в реальной рабочей ситуации теряются.

Магия итераций
Написать идеальный промпт с первого раза невозможно. ИИ обязательно где-то начнет вести себя нереалистично, пропустит ошибку в фидбеке или запутается в роли. Это нормальный процесс настройки.

Нормальный рабочий процесс: написал промпт – проверил – внес правки – проверил – внес правки…

После десятка итераций тестирования моя презентация вакансии начала просто литься как песня, а вопросы задавал на автомате. Я перевел знания в умения.
Меня можно было спокойно выпускать в реальный найм — я бы справился без проблем. Суперэкспертом я не стал (чудес не бывает), но пропасть между 1-й и 10-й попыткой была огромной.

Я букву «Ф» не выговаливаю
Анализируя этот опыт, я вспомнил шедевральный советский фильм «По семейным обстоятельствам». Помните там героя Ролана Быкова — «логопефа, исправляющего фифекты фикции»? Он потрясающе знал теорию, учил других, но сам не выговаривал половину букв (ничего страшного, их же трицать дфе).

На первых итерациях я ощущал себя именно им. Знаю как надо, а сказать не могу.

В этом и есть главная ценность ИИ-тренажеров. Они не просто дают информацию — они дают безопасную песочницу, где за 10 кругов можно устранить собственные «фефекты фикции» до того, как вы выйдете к реальному клиенту или сотруднику.

P.S. Если не смотрели фильм — очень рекомендую, он гениальный. Фрагмент с логопедом прикрепил к посту!

Я изменил свое мнение об ИИ-напарниках (немного)

Пару месяцев назад я рассказывал про эксперимент с ИИ-напарниками в деловых играх.

Не могу назвать эксперимент удачным. По уровню вовлечения, эмоций и, вероятно, эффективности игра с ИИ пока заметно уступает игре с реальными людьми.

На мой взгляд, ИИ-игроки полезны скорее как запасной вариант: если нет возможности собрать полноценную группу или нужно закрыть недостающие роли. Лучше, чем ничего, но не полноценная замена.

Это мое мнение. И прекрасно, что не все его разделяют.

На Reddit завирусился тред: парень создал собственный сервер World of Warcraft*, полностью заселенный ботами. Вместо реальных людей по миру бегают 1800 ИИ-персонажей, которые имитируют поведение игроков.

*Для контекста: WoW — это многопользовательская ролевая игра в фэнтезийном мире, где вся суть в кооперации. Вы вместе воюете, торгуете, объединяетесь в гильдии. Самые сложные и интересные задания без коммуникации и кооперации пройти невозможно. Без людей игра теряет смысл. Точнее, я так это видел.

Боты в играх — не новость. Но магии проекту добавил прикрученный к ним DeepSeek. Теперь с «соседями» по серверу можно общаться текстом, как с реальными людьми. Более того, боты общаются и между собой в общих чатах, создавая полную иллюзию живого, кипящего жизнью сервера.

Проект реализован на совсем любительском уровне, и скорее иллюстрирует интересную задумку. Эксперимент, а не реальный продукт. Несмотря на это, пост собрал сотни комментариев на Reddit и десятки комментариев к постам-реакциям (типа моего).

Что меня удивило – многие комментаторы активно поддерживали идею. Странно, но в кооперативных играх многим не нравится именно… взаимодействие с другими игроками.

Худшая часть игры в WoW — это всегда были другие люди… …Я уже несколько лет мечтаю о сервере, заполненном ИИ…

Игроки хотят избежать токсичности, конфликтов и социального давления (вы знаете ответы DeepSeek – нулевая токсичность).

В деловых играх ситуация может быть похожей. Несмотря на относительную безопасность учебной среды, многие участники боятся выглядеть глупо, потерять лицо перед коллегами или получить негативную оценку.

И тут возникает интересный вопрос.
Возможно, для части аудитории наличие ИИ-игроков в деловых играх — не вынужденный компромисс, а преимущество. Не замена людям, а более психологически комфортная среда для обучения. Пусть и не такая эффективная.

ИИ-переходник: кого ИИ точно не заменит

Пока мы с вами спорим о том, заменит ли ИИ человека, в реальности все уже произошло. Точнее, определенная категория сотрудников прямо сейчас делает все, чтобы их уволили.

Буквально год назад это были единичные случаи, которые рассказывали друг другу как веселый анекдот, писали юмористические посты или снимали забавные видео в социальных сетях. Сейчас из веселой истории это превращается в повседневность. Человек получает задачу/вопрос/письмо/другое -> кидает в ИИ (добавляя поверхностный промпт) -> копирует ответ обратно. Не читая. Не вникая. Не включая мозг.

Иногда может доходить до абсурда, когда в тексте можно найти комментарии от ИИ: «Конечно, я могу составить для вас этот план...», «Хотите я перепишу ответ в более дружелюбном стиле?».

Ладно. Это все еще смешно.

И да, я хочу ответ в более дружелюбном стиле! 😄

Человек поленился стереть даже техническую вежливость ChatGPT (точнее прочитать ответ).

Да, понятно, что и не такое видали. И за большие деньги и не такое видали.

И основная проблема здесь не в лени, а в отсутствии добавочной стоимости.

Такая работа ничего не стоит.

Причем тут MCP и агенты?
Парадокс, но они тут вообще не при делах.
Казалось бы, если сотрудник всю работу делает через ИИ, не пропуская информацию через себя и не анализируя – будет весьма логично заменить его на ИИ-агента, который точно так же может читать почту, добавлять комментарии и т.д..

Но нет. Скорее всего, это значит, что такая работа вообще не нужна. Ее можно просто не делать. В ней, скорее всего, просто нет никакой ценности.

Ну и приземлим на e-learning
Нет ничего плохого в использовании ИИ (а очень хорошего много).
Как я много раз писал – я фанат диалоговых ИИ-тренажеров. Автоматическая проверка домашних заданий с ИИ – тоже очень крутая и полезная вещь.

Но представьте. У вас есть куратор, который должен проверять домашние задания. Если куратор проверяет ДЗ студента через «Ctrl+C / Ctrl+V» в ChatGPT не читая ответы, не внося свои правки, он полностью уничтожает ценность своей работы. А еще, это не очень честно по отношению к студенту. Если ответы проверяет ИИ – так и нужно говорить.

Исключая из этой схемы куратора мы делаем процесс намного быстрее и дешевле.

Критерий профпригодности в 2026 году изменился. Ценность сотрудника теперь измеряется не тем, умеет ли он пользоваться ИИ (это уже базовый навык, как умение печатать), а тем, как он валидирует ответ и что добавляет к ответу ИИ от себя.

Возможно, это детские болезни технологии? Люди открыли для себя ИИ, не разобрались что это, какие есть ограничения и начали применять технологию не задумываясь? Очень на это надеюсь.

«Но что ей до меня — она была в Париже»: завышенные ожидания от корп. ИИ

Но что ей до меня — она была в Париже,
И сам Марсель Марсо ей что-то говорил! Я бросил свой завод — хоть, в общем, был не вправе, —
Засел за словари на совесть и на страх…
Но что ей до того — она уже в Варшаве,
Мы снова говорим на разных языках… 
Владимир Высоцкий. Она была в Париже.

Песня на YouTube и RuTube.

В 2026 году эта песня обрела новый смысл в корпоративном обучении. Только теперь в роли путешественника, который «был в Париже», выступает... обычный сотрудник в своей повседневной жизни.

«Париж» на личном смартфоне
Дома мы имеем доступ к самым передовым технологиям в ИИ.
Для личных задач мы открываем продвинутые Gemini или ChatGPT, закидываем учебники и статьи в NotebookLM, чтобы ИИ сделал нам понятную инфографику и презентации, генерируем картинки, видео, таблицы и код.

Мы привыкли к умным, мультимодальным ИИ-ассистентам, которые понимают контекст с полуслова и выдают хороший результат без особых усилий.

«Подмосковье» в корпоративном контуре
Вся эта роскошь (по совершенно объективным причинам) недоступна в корпоративном контуре.
Чаще всего сотрудники имеют доступ к развернутой на мощностях компании версии DeepSeek или Qwen.

И здесь начинается серьезная фрустрация:
• Внутренняя модель часто «подрезана» по мощности ради экономии серверных ресурсов.
• Она не помнит длинный контекст, галлюцинирует там, где ChatGPT стабильно выдает хороший результат, не умеет строить таблицы или не читает PDF.
• Требует навыков промптинга, про который, все понемногу начали забывать.

Сотрудник сидит перед экраном и думает: «Я-то знаю, как ИИ может работать на самом деле..».

В чем проблема?
Сегодня крупный бизнес массово пушит внедрение ИИ, требуя от сотрудников интеграции нейросетей в ежедневную рутину. Но KPI часто буксуют. Не все сотрудники активно используют технологии.

Сотрудники делятся на два лагеря, и у каждого своя боль:

Первые (новички): сопротивляются новому, боятся, что ИИ отнимет их работу, или просто не хотят тратить время на освоение сложных инструментов.
Один раз попробовали, ИИ не выдал нужный результат (это же не Gemini, тут нужен опыт и обучение) и бросили.

Вторые (продвинутые): саботируют процесс по совершенно противоположной причине. Они уже привыкли к лучшему пользовательскому опыту. И когда вместо космолета им выдают рабочую лошадку — просто закрывают вкладку. Им лень возиться с капризной моделью, которая не понимает их с полуслова.

В итоге уровень внедрения недотягивает до целевых показателей.

Что делать?
У нас однозначно не получится сделать локального «Марселя Марсо». На это нужны миллиарды. Но давайте честно: даже немного урезанный DeepSeek – очень хорош. Пару лет назад мы не могли о таком даже и мечтать. При правильном подходе он отлично справляется с большим объемом задач.

Так и что делать?
Прокачивать промптинг, управлять ожиданиями, делиться опытом с коллегами, подключать RAG к внутренним базам знаний (DeepSeek с правильным контекстом намного «умнее» стоковых передовых моделей) – это очень важно. Можно сказать база.

Но в контексте этого поста: перестать сравнивать корпоративный ИИ с ChatGPT!

Корпоративный ИИ не обязан быть умнее лучших мировых моделей.
Его задача – быть безопасным, и при этом достаточно хорошим для работы с внутренними данными компании.

Как итог:

Песня Высоцкого заканчивается словами:

Я понял: мне за ней, конечно, не успеть! Ведь она сегодня здесь, а завтра будет в Осло…
Да, я попал впросак, да, я попал в беду!..
Кто раньше с нею был и тот, кто будет после, —
Пусть пробуют они, я лучше пережду!

Это главный риск для бизнеса. Когда сотрудники видят колоссальный разрыв между моделями и включают именно эту стратегию: закрывают вкладку и решают просто переждать пока модель не поумнеет.

Но в гонке технологий «переждать» — значит отстать. Задача бизнеса сегодня — не пытаться догнать ИИ-лидеров, которые «завтра будут в Осло», а доказать команде: даже локальный инструмент здесь и сейчас может забрать на себя тонну рутины.

ИИ, Закон Брукса и «транзакционный налог» в e-learning

В управлении проектами (и в разработке курсов в частности) есть кост, о котором не так часто говорят. Назовем его транзакционным налогом на коммуникацию.

В 1975 году Фредерик Брукс в своей книге «Мифический человеко-месяц» сформулировал закон: «Если проект не укладывается в сроки, добавление людей только задержит его».

Почему так происходит? Все дело в математике. Когда мы добавляем в команду людей, количество связей (парных каналов коммуникаций) растет не линейно, а экспоненциально.
• 3 человека (классическое трио: методолог, дизайнер, сборщик) = 3 канала связи. Контекст общий, информация долетает очень быстро.
• 5 человек (добавили проджекта и эксперта) = 10 каналов. Сложность выросла в 3 раза. Появляются первые «глухие телефоны».
• 8 человек = 28 каналов.
• 12 человек = 66 каналов.

При раздувании штата команда начинает тратить кучу* времени не на создание продукта, а на обслуживание цепочки связей: составить ТЗ (и переделать его, потому что «мы друг друга не поняли»), собрать встречу (а еще найти общее окошко у 12 сотрудников), дождаться очереди в бэклоге смежного отдела. В итоге налог на коммуникацию съедает всю эффективность.
*исследования показывают, что в больших командах «налог» может доходить до 80% времени.

T-Shaped с ИИ
Раньше T-Shaped специалист (например, сильный e-learning методист с базовыми навыками в дизайне и сборке) все равно был вынужден идти к узким экспертам. Он не мог сам написать JS-скрипт для Storyline или отрисовать сложную инфографику на должном уровне. Приходилось привлекать разработчиков и дизайнеров, увеличивая транзакционный налог.
Сегодня ИИ работает как ускоритель кросс-компетенций. Он «дотягивает» горизонтальную черту буквы Т (смежные навыки) до вполне рабочего уровня:

• Методист пишет промпт — и получает рабочий JS-код для конструктора или генерирует изображения.
• Сборщик просит ИИ «причесать» методологию блока – логика становится лучше, а формулировки понятнее.

В итоге один человек закрывает пул задач, на который раньше требовалось три разных специалиста. Налог на коммуникацию падает практически до нуля. Да, появляется «налог на промптинг» и отсеивание галлюцинаций нейросети, но ты общаешься сам с собой и с ИИшкой, а не ждешь неделями ответа от коллег...

Да и для 80% стандартных корпоративных задач уровня «джуниор + ИИ» уже более чем достаточно.

Важная оговорка: я не идеализирую T-Shaped (скорее наоборот, мне такой подход не близок).

Я не утверждаю, что один человек-оркестр — это панацея для любого проекта. 3 глубоких профильных эксперта (крутой методолог + топовый дизайнер + senior-разработчик) всегда сделают курс качественнее, глубже и интереснее, чем один T-Shaped специалист. Да и «налог» в команде из 3 человек не такой уж большой.

ИИ сглаживает разрыв в компетенциях, но не уничтожает его.

Другой вопрос, что далеко не каждая компания может позволить себе полный штат узких специалистов, да и задачи не всегда равномерно распределяют нагрузку по разным зонам компетенций (думаю, у всех были ситуации, когда приходит заказ на кучу видео/памяток/регламентов/другое). В итоге у узкого специалиста либо неполная загрузка, либо он занимается непрофильной работой (превращается потихоньку в T-Shaped).

ИИ не делает команду методолог+дизайнер+сборщик излишней, скорее дает несколько дополнительных козырей T-Shaped подходу.