Менеджеры в Anthropic теперь тратят 70% времени на проверку AI-кода вместо написания своего. Вся ценность менеджмента - быть мостом между мышлением и действием - автоматизируется.

Gartner прогнозирует, что к 2026 году 20% компаний вырежут половину менеджеров среднего звена. McKinsey ожидает 50-100 агентов на одного человека в зрелых внедрениях.

AI работает. Но 95% компаний не получают возврат на инвестиции от AI внедрений. Почему?

Проблема организационная. Компании прикручивают AI к сломанным процессам вместо того, чтобы переделать как работа делается.

Компании, которые правильно это делают, переходят от функциональных иерархий к сетям, ориентированным на результат.

Традиционный customer success: VP наверху, директор Sales Ops управляет L1/L2/L3 поддержкой, директор Customer Success управляет CSM и онбордингом. Куча людей делают кучу координации.

Agentic-компании делают иначе. Customer resolution в центре. Триаж-агенты анализируют запросы, knowledge-агенты синтезируют документацию, routing-агенты решают эскалации, follow-up агенты отслеживают удовлетворенность, люди-специалисты обрабатывают реально сложные сценарии.

Механизм координации сдвигается от управленческой иерархии к сети агентов.

McKinsey идентифицировал три новых архетипа менеджмента.

M-shaped Supervisor: широкий дженералист, оркеструющий агентов через несколько доменов. Системный мыслитель с высокой AI-грамотностью. Управляет результатами, не людьми.

T-shaped Expert: глубокий специалист, обрабатывающий эскалированные исключения, кейсы которые агенты не могут решить. Нюансированное суждение. Умение коучить.

AI-Augmented Frontline: работник, использующий агентов для рутинных задач, фокусируясь на высокоценной человеческой работе. Знает промт-инжиниринг. Имеет эмпатию.

Заметьте чего не хватает. Классического среднего менеджера, чья работа была получать инфу снизу, синтезировать, передавать вверх. Эта функция брокеринга информации становится избыточной когда агенты собирают, синтезируют и действуют со скоростью машины.

Обычный span of control в менеджменте - 12-15 прямых подчиненных. Число Данбара, биологический лимит человеческой координационной емкости.

Некоторый известный мне стартап оперирует с 5 людьми, надзирающими 60 постоянно работающих агентов. McKinsey проектирует 50-100 агентов на человека в зрелых внедрениях.

Проблема в том, что больше автономии создает больше сложности, не меньше.

Агенты принимают решения в миллисекундах. Люди обрабатывают в минутах или часах. На скорости машин координационные вызовы множатся. Традиционные оргструктуры никогда не сталкивались с этим несовпадением временных масштабов.

Появляющееся решение - иерархические агентские устройства где супер-агенты оркеструют кластеры специализированных агентов, с людьми предоставляющими надзор на более высоких уровнях. Это реально новая организационная конструкция, что-то между софтверной архитектурой и оргдизайном.

У нас нет хорошего языка для этого пока. Это обычно признак чего-то важного.

Это матчится с тем что Karri Saarinen описывает: обращаться с агентами как с распределенными удаленными работниками, не магическими черными ящиками. Четкое владение, async координация, оценка на основе результатов.

Этот сдвиг создает массивную возможность для фаундеров. Рынок оркестрации агентов растет до ~$10B в 2026. Больший play - организационная инфраструктура: платформы governance, протоколы agent-to-agent, HR-слой для нечеловеческих работников, управление идентичностью, атрибуция затрат, отслеживание перформанса. Deloitte называет это FinOps для агентов.

Этот паттерн повторяется через каждый крупный технологический переход:
- индустриальная революция создала фабричную иерархию
- компьютерная революция создала матричную организацию
- агентская революция создает что-то новое, Сетевую организацию.

Те, кто относятся к этому как к развертыванию софта, провалятся. Это ближе к оргдизайну и теории менеджмента чем к чистому софту.

Победители будут те, кто могут вообразить как работа выглядит когда исполнение становится дешевым и координация становится всем.

Jensen Huang, CEO самой дорогой компании мира ($4.5 трлн) дал макро интервью на 1.5 ч. нишевому подкасту:

2025 Scaling laws продолжились, ризонеры улучшились, а токены стали самоокупаемые и давать большую маржу Claude и Cursor. Еще глюки упали за счет обращения к фактам через поиск

Занятость
- AI это не разовый софт типа Excel, а все токены генерятся каждый раз наново в AI factories (датацентрах). Строятся электростанции, датацентры, заводы чипов (TSMC, Hynix) - нужны бездны разных рабочих
- Да, Hinton говорил лет 5 назад что рентгенологи все будут с AI. Так и есть, но - их число стало расти. У любой работы есть purpose (выявлять болезни), а есть tasks (изучать снимки). И скорость врачей выросла, и клиники стали наоборот нанимать их больше, дабы растить выручку. Чем продуктивнее будут люди - тем больше их будет нужно
- Purpose юристов не строчить договора, а решать конфликты
- А у прогеров to solve known problems & to find new problems to solve. Nvidia нанимает разрабов чтобы они продолжали рисеч/играться с архитектурами всеми этими SSM, diffusion, CNN, LSTM итп
- Официант создает great experience, а не носит еду. Итп. Думайте про все в терминах purpose & tasks
- Любая промышленная революция создавала массу новых видов рабочих мест, AI так же

Отрасль автоматизации
- Структура - 5 слоев: 1 энергетика, 2 чипы, 3 датацентры/инфра, 4 модели, 5 аппы
- Закон Мура удешевит токены за 10 лет не в 10 тыс раз, а в 100, тк 3 фактора перемножаются: чипы + как тренить модели + их архитектуры
- Как лабы стали сильны в pre-training и training, заняв эту нишу, так и стартапы займут свои ниши, став incredibly good at it
- Cursor показывает, что в ближайшие 5 лет в AI самой горячей темой будет verticalization. Создатели AI не были tax accountants или хирурги, вот и позволяют себе утверждения, что их GodAI все засолвит и wrappers не нужны, игноря purpose и complexity разных работ

Open source
- Оч важно для не монополизации рынков. И стартапы тогда смогут finetune'ить эти модели для своих сфер и отраслей. Я всюду говорю политикам, чтобы не забывали это
- Мультидоменный (язык, био, физика) God AI еще в оч далеком будущем. Запугивающие нарративы от больших CEO - это попытки зарегулировать сферу чтобы ограничить стартапы. Оч. неправильно, обществу хуже
- А про безопасность - так AI дешевеет: вырастет сегмент cybersecurity где миллионы агентов будет мониторить другие агенты. Больше здравого смысла
- Стартапы США едут на китайских open source AI..

Роботы
- Они необходимы, 1 млрд шт. Тк у нас а) всюду стареет население (производства по миру с трудом удерживают штаты персонала) и б) есть куча работ, что не нравятся людям (водители-дальнобойщики итп)
- Для роботов будет создан самый большой рынок ремонта в мире, на триллион $. А роботакси тоже будут обслуживаться (вы уже это видите)
- Self-driving было 4 эпохи: сенсоры, картирование местности как Waymo и цифровые "рельсы", perception для планирования, а щас идем в end-to-end models как Tesla. В роботах Optimus будут только одним из лидеров
- Все, что движется - станет роботами. И это огромная сфера
- В b2c роботы с точностью 90% делают всех happy, а в промышленности нет - надо 99.999%

Думеры Да, в некой части их опасений что-то есть. Но оптимисты же вовсе не наивны. И они движут мир. Любые tech всегда осваивали свою security. Надеюсь, policy makers по миру (пусть и не все понимая) сбалансируют обе стороны

Геополитика Провел кучу встреч про экспортные ограничения Китаю итп, что есть много нюансов. Я оптимист: отношения наладятся, следующий год будет лучше прошлых

Пузырь?
- Применение обычных CPU себя давно исчерпало. Но щас мир шагнул к GPU и AI - new way of doing things. И это нужно не только OpenAI, а всюду: robotaxis, роботы, quant trading, фарма итп - все (в тч мы) строим суперкомпы по миру. Это оч большое изменение
- Отчет MIT что в 95% enterprises фэйлят внедрение AI не важен - мир меняют десятки тыс стартапов, на них смотрите. Cursor и Open Evidence для врачей итп
- AI is very diverse in all of the industries & modalities & information & applications that it addresses

хочется поделиться некоторыми фактами, которые стали очевидны за последние три недели примерно всему интернету

1. эра слоп-кода закончилась. да, если руки из ягодиц, то вы все равно будете производить слоп, но это больше не ограничения системы, а только лень/глупость пользователя.

2. любой человек может сегодня создать любой софт, нужно только желание и фокус. вопрос "зачем?" и вопрос мотивации/агентности это делать и доводить до конца LLM не снимают.

3. лучшие организации (на скриншоте СЕО Shopify) получат 100х преимущество от AI-native процессов, худшие — не получат никакого и останутся за гранью релевантности

4. (my bet) то, что сегодня происходит с кодом, в течении года будет происходить со всеми областями knowledge work: продажи, юристы, финансы, контент, логистика, управление, наука, what have you

5. каждый человек теперь является корпорацией, в которой вы - босс, а на вас работают десятки агентов. вашей задачей становится теперь миссия, стратегия, структура управления, постановка задач в этой корпорации

6. каждая компания теперь не просто коллектив людей, но кибернетическая организация, в которой на каждого человека приходятся десятки агентов. структура менеджмента меняется. организационный дизайн перестраивается. это куда важнее (и больнее, дороже), чем классическая «ИТ-трансформация» и «внедрения»

7. навык выстраивать собственную агентскую систему для жизни и бизнеса становится одним из важнейших, а важнейшим — по-прежнему агентность. особенно сейчас, когда возможностей в мире больше, чем когда-либо. но и времени заработать денег тоже всё меньше :)

8. софт постепенно (от простого к все более сложному) перестает быть чем-то уникальным, маржа падает. если клиенту не хочется платить $50 в мес, то он может сделать себе похожий продукт и использовать по себестоимости

9. любая железка — это информационный поток. любой робот — это софт. в конечном счете, это не про то чтобы двинуть атомы из точки а в б, а про процесс: нанять людей, прочитать их резюме, провести интервью, собрать инструкции, заказать оборудование, заполнить таможенные декларации, найти поставщика, купить метериалы, заказать доставку, запустить машины, построить процесс, произвести детали, собрать робота, договориться с ритейлером, продать робота, посчитать налоги.

Шведский AI-стартап Pharmaicy начал продавать т.н. “кодовые наркотики” – программные модули, заставляющие чат-ботов отвечать так, будто они находятся под воздействием психоактивных веществ. Код распространяется через маркетплейс и напрямую влияет на стиль ответов ИИ.
Стоимость модулей сопоставима с уличными ценами на вещества. Основатель компании Петтер Рудвалль заявил в интервью журналу Wired (ссылка в первом комменте), что цель проекта – “освободить творческий потенциал ИИ”.

В ассортименте стартапа также представлены “кодовые” версии аяуаски и алкоголя; самый востребованный продукт – кетамин. Для работы требуется платная версия ChatGPT с доступом к бэкенду. Без этих модулей бот, как уточняется, способен лишь описывать эффекты, но не воспроизводить их.

На сайте компании говорится, что такие модули позволяют ИИ “выйти за пределы чистой логики и исследовать креативные режимы мышления”, опираясь на исследования изменённых состояний сознания. Стартап обещает развивать направление “синтетических чувств”, постепенно размывая границу между человеком и машиной.

Спасибо Сереже Крючкову за супер новость.

https://www.wired.com/story/people-are-paying-to-get-their-chatbots-high-on-drugs/

И собссно, сам продукт: https://www.pharmaicy.store/category/all-products

Все российские банкноты с 1898 года (Графики и жизнь)

Артём Иволгин собрал на одной картинке лицевые стороны всех российских серийных купюр с 1898 года. Не показаны памятные банкноты и их модификации

По горизонтали указан год, по вертикали — номинал банкнот

Ещё мы писали про монеты и купюры:
— Личности на банкнотах мира
— Кого и что изображают на банкнотах стран мира
— Структура наличной денежной массы в России
— Корреляция между весом 113 монет 20 разных стран и их ценностью, выраженной в долларах США
— Как менялось содержание серебра в монетах Римской империи, 150 г до н. э. – 400 г н. э.