Я перестал нанимать людей для решения операционных проблем

Есть предприниматели, которые используют искусственный интеллект. Есть компании, которые внедряют AI-функции. И есть гораздо более редкая категория людей, которые задают другой вопрос: что будет, если не добавлять ИИ в существующую компанию, а перепроектировать вокруг него саму компанию?

Валерий Стерлигов провёл такой эксперимент на собственном действующем бизнесе федерального масштаба — в автостекле и работе со страховыми компаниями. По его словам, в процессе перестройки операционной модели численность команды сократилась примерно на 97%, а большая часть работы, которая раньше переходила от человека к человеку, теперь выполняется программными системами и ИИ.

Но интереснее самой цифры вывод, который он из неё сделал: главный вопрос уже не в том, насколько умна модель. Главный вопрос — какую систему вы способны построить вокруг неё.

Контекст · Память · Инструменты · Полномочия · Проверка · Ответственность · Несколько независимых моделей · Человек в критических точках

Осенью 2026 года Стерлигов принял участие в исследовательском интервью Anthropic AI Interviewer о роли искусственного интеллекта в жизни людей. У разговора был необычный второй слой: пока один ИИ задавал вопросы, другой — ChatGPT, с которым Стерлигов работает давно, — помогал ему переводить ответы на английский. Один искусственный интеллект расспрашивал человека о его отношениях с ИИ, а второй помогал этому человеку точнее их объяснить.

Для чего вы использовали ИИ в последний раз?

Я строил систему автоматизации бизнеса на базе ИИ. Сейчас я редко использую искусственный интеллект просто чтобы задать ему вопрос. Он стал для меня чем-то вроде технического сооснователя или системного архитектора: помогает понять существующую систему, найти слабые места, спроектировать изменения и постепенно автоматизировать работу, для которой раньше требовалось несколько человек.

В какой-то момент это перестало восприниматься как использование инструмента. Это стало совместной работой.

Какой момент в работе с ИИ запомнился вам больше всего?

Момент, когда я увидел, что ИИ способен глубоко понимать настоящую production-систему. Не учебный пример и не презентацию — живой бизнес: исходный код, процессы, базы данных, документы, права доступа, интеграции, историю изменений. Вместо стандартных советов он начал прослеживать зависимости, отделять симптомы от первопричин и предлагать конкретные изменения.

Раньше мне казалось, что главный вопрос — насколько умной станет модель. Теперь меня интересует другое: какую среду нужно построить вокруг модели, чтобы на неё действительно можно было полагаться?

Контекст. Память. Инструменты. Границы полномочий. Проверка результата. Эскалация человеку. Возможность отката. И несколько специализированных ИИ вместо одного универсального мозга. Тогда я понял: речь не о более удобном способе работать. Речь о другом способе строить компании.

Эксперимент на собственной компании

Я решил перестать рассуждать теоретически и проверить идею на своём бизнесе. Не маленький AI-пилот и не чат-бот, а постепенная перестройка самой операционной модели. Я хотел понять, насколько далеко можно зайти, если ИИ не помогает сотруднику выполнять работу, а сама работа с самого начала проектируется так, чтобы её выполняла машина.

Со временем численность сотрудников сократилась примерно на 97%. Но я бы не называл это заменой людей искусственным интеллектом — это слишком примитивная модель. Мы начали уничтожать саму необходимость во множестве старых операций.

Раньше одна и та же информация проходила через нескольких человек. Один её получает, второй классифицирует, третий переносит между системами, четвёртый проверяет документ, пятый отслеживает статус, шестой готовит ответ. А потом возникает вопрос: почему этот процесс вообще должен так выглядеть? Когда проектируешь систему с нуля вокруг машинного интеллекта, огромное количество человеческой работы просто перестаёт существовать в прежнем виде.

«Я перестал спрашивать, кого нам нужно нанять»

Это изменило меня как предпринимателя. Раньше при операционной проблеме естественный вопрос звучал так: кого нанять, чтобы этим заниматься? Теперь первым возникает другой: можно ли изменить процесс так, чтобы человек для этой операции вообще не требовался?

Люди остаются там, где они действительно нужны: отношения, ответственность, сложное человеческое суждение, исключительные ситуации. Но человек больше не должен работать маршрутизатором между двумя программами.

ИИ может быть очень убедительно неправ

Был ли случай, когда ИИ сделал ситуацию хуже?

Конечно. И эти случаи научили меня не меньше, чем успешные. Одна из самых опасных особенностей современных моделей — они способны строить очень убедительное рассуждение на неполной картине.

Однажды ИИ неправильно определил, какой слой работающего приложения является источником истины, и предложил менять уже собранный production-артефакт вместо исходного кода. В другой раз небольшой патч содержал некорректное экранирование строки. Ошибка микроскопическая — а production-сборка перестала работать.

Меня поразила не сама ошибка, а то, насколько логично выглядело всё рассуждение вокруг неё. Тогда появилось правило: уверенность — не доказательство.

Сначала посмотреть. Потом думать. Потом менять. Теперь мой протокол такой: сначала исследование реальной системы только на чтение. Затем определить, что мы знаем и чего не знаем, где источник истины и какие есть зависимости. Потом резервная копия, минимально возможное изменение, сборка, тесты, проверка работоспособности, план отката — и только после этого следующий шаг.

Интеллект без проверенного контекста может быть операционно опасным.

Где заканчивается делегирование

Я спокойно позволяю ИИ анализировать, готовить решения, сравнивать варианты, критиковать мои идеи и выполнять множество обратимых действий. Но делегировать работу и делегировать ответственность — разные вещи.

Если решение способно необратимо изменить права человека, создать крупное финансовое обязательство, юридические последствия или серьёзно повлиять на отношения между людьми, сегодня я хочу видеть человека в последней точке принятия решения. Не потому, что человек всегда рассуждает лучше машины — иногда наоборот. Вопрос в другом: кто отвечает, если решение окажется неправильным, и можно ли его отменить?

Чем надёжнее будут становиться системы, тем дальше будет отодвигаться эта граница. Но автоматизация интеллекта не должна означать исчезновение ответственности.

Два ИИ знают одного человека

Со мной давно работают разные ИИ-системы. Они узнают меня не потому, что я однажды написал им, кто я такой, а через тысячи решений: как я спорю, когда меняю мнение, что считаю ошибкой, какие идеи отвергаю, на каком этапе начинаю сомневаться.

Иногда я использую один ИИ, чтобы точнее сформулировать мысль для другого. Это интервью — пример: содержание ответов основано на моём опыте, а ChatGPT помогал перевести их и собрать структуру, потому что за долгую историю уже понимает большую часть моего рабочего контекста.

При достаточно длинной истории система начинает видеть закономерности, которые трудно заметить изнутри собственной жизни: где ты повторяешь один сценарий, где слова расходятся с действиями, в каких задачах ты необычно эффективен, какие решения раз за разом приводят к одной и той же ошибке. Это уже не совсем ассистент. Я бы назвал это когнитивной инфраструктурой вокруг человека: частично память, частично аналитик, частично критик, частично партнёр.

Если завтра ИИ будет понимать меня лучше, чем сегодня, я хочу, чтобы это понимание давало мне больше вариантов выбора, а не меньше.

Система не должна однажды решить: «Я уже понял, кто такой Валерий». Человек меняется. Хорошая память ИИ должна различать факт, повторяющийся паттерн, гипотезу, противоречащие данные и предположение, которое могло устареть. Знать человека хорошо и быть в нём самоуверенным — не одно и то же.

Несколько интеллектов вместо одного

Я не думаю, что будущее — это один гигантский ИИ, которому поручено всё. В своей работе я уже вижу ценность другой архитектуры. Один интеллект предлагает решение. Другой независимо решает ту же задачу. Затем они критикуют друг друга, третий контур сравнивает аргументы, а человек включается там, где есть реальная неопределённость или высокая цена ошибки. У разных моделей разные слепые зоны, поэтому их конкуренция иногда полезнее нескольких лишних процентов производительности одной модели.

Что ИИ должен изменить

Огромная часть человеческой жизни уходит не на настоящую сложность, а на последствия плохо спроектированных систем. Переписать информацию из одного окна в другое. Найти документ. Снова объяснить свой контекст. Заполнить очередную форму. Напомнить кому-то о следующем шаге. Проверить статус. Согласовать то, что машина могла согласовать сама.

Я хотел бы, чтобы ИИ вернул людям это время — в бизнесе, государстве, образовании, медицине. Не сделав человека ненужным, а избавив его от работы, которая существует только потому, что наши организации и программы не умеют понимать контекст.

При этом не всякую сложность нужно уничтожать. Некоторые трудности — мусор. Но некоторые формируют человека: суждение, характер, мастерство, вкус, ответственность, смелость. Я хочу, чтобы ИИ убирал ненужное трение, но не осмысленное преодоление. Чтобы он увеличивал способность человека действовать, а не тихо подменял её.

Что Anthropic стоило бы построить дальше?

Следующий большой скачок — вокруг модели, а не только внутри неё. Долговременный контекст. Настоящая память. Инструменты. Разграничение полномочий. Работа месяцами над одной целью без потери нити. Понимание собственной неопределённости. Проверяемость выводов. Взаимодействие нескольких независимых интеллектов.

Мне хотелось бы получать от ИИ не только «вот мой ответ», а: вот факты, которые я увидел; вот вывод; вот насколько я уверен; вот что ему противоречит; вот чего я пока не знаю; вот что заставило бы меня изменить решение. Такой ИИ годится не только для разговора. Он годится для управления реальными системами.

Следующий разговор

Для собственника бизнеса вопрос «Как использовать ИИ в моей компании?» уже слишком маленький. Более интересный: «Если бы я строил эту компанию с нуля сегодня, зная, что машинный интеллект существует, была бы она устроена так же?»

Сколько отделов осталось бы? Сколько согласований, интерфейсов, менеджеров, ручных проверок? Сколько людей сегодня выполняют работу только потому, что две части вашей компании не способны понять друг друга?

Стерлигов уже проводит этот эксперимент. Поэтому разговор с ним обычно начинается не со слов «покажите вашего AI-ассистента», а с другого: «Вот моя компания. Если бы вы строили её сегодня заново — что бы вы оставили?»