ai

Разработчики описывают сессии работы с AI как невероятно продуктивные — за часы успевают то, на что раньше уходили недели, параллельно ведут несколько проектов. Но за этим ощущением сверхпроизводительности скрывается тревожная статистика: 83% офисных работников интеллектуального труда фиксируют как минимум некоторую степень эмоционального выгорания, а накапливающиеся исследования указывают на то, что AI способен усиливать нагрузку — и тем самым этот риск увеличивать.
Реальные результаты
Сначала о плюсах. В отдельных сценариях AI действительно ускоряет работу: +14% к производительности в крупном развертывании клиентской поддержки, +55% к скорости выполнения задач по программированию в контролируемых условиях. Причем наибольший выигрыш получают менее опытные сотрудники. Исследование, опубликованное в декабре 2025 года в журнале Science, зафиксировало, что внедрение языковых моделей привело к росту числа публикаций на arXiv примерно на треть, а на других препринт-платформах — более чем на 50%. Бюджетная модель Penn Wharton прогнозирует, что генеративный AI добавит 1,5% к ВВП к 2035 году и почти 3% — к 2055-му. Макроэкономическая картина выглядит действительно позитивно.
Однако макропрогнозы и скорость выполнения отдельных задач не отражают того, что происходит внутри команд. А именно здесь картина становится неоднозначной.
Разрыв между восприятием и реальностью
В середине 2025 года организация METR опубликовала результаты рандомизированного контролируемого исследования. Шестнадцать опытных разработчиков открытого ПО были случайным образом распределены на выполнение реальных задач — с AI-инструментами или без них. Итог оказался неожиданным: участники, использовавшие AI, тратили на 19% больше времени. При этом субъективно они ощущали себя примерно на 20% быстрее и изначально ожидали ускорения на 24%. Разрыв между восприятием и реальностью составил 39 процентных пунктов.
В феврале 2026 года METR объявила о полном перепроектировании исследования — не потому, что результаты оказались ошибочными, а потому что нарастающие эффекты отбора делали исходный рандомизированный дизайн все сложнее интерпретировать. От 30% до 50% участников предпочитали вообще не подавать задачи, лишь бы не оказаться в группе без AI. Набор новых участников существенно осложнился. Замеры времени стали ненадежными, поскольку разработчики запускали несколько агентов одновременно.
Неудобный вывод: разработчики настолько сроднились с инструментами, что выстроить чистый эксперимент — где половина участников просто не использует AI - может быть уже невозможно.
Скрытая цена скорости
Если AI ускоряет выполнение задач, почему команды сообщают о большей усталости, а не меньшей? Восьмимесячное этнографическое исследование исследователей Калифорнийского университета в Беркли Аруны Рангантан (Aruna Ranganathan) и Синци Мэгги Е (Xingqi Maggie Ye), опубликованное в Harvard Business Review, показало: внедрение AI в 200-человеческой технологической компании не сократило объем работы — оно его интенсифицировало. Сотрудники брались за более широкий круг задач, работали быстрее и дольше, испытывали когнитивное напряжение и повышенный риск выгорания — не вопреки инструментам, а именно из-за них.
Моделирование Фэна (Feng) с соавторами, охватившее 442 разработчика, показало: внедрение генеративного AI повышает требования к работе способами, связанными с выгоранием. Этот эффект смягчался лишь там, где команды располагали достаточными ресурсами и сформировали искренне позитивное — а не навязанное сверху — отношение к технологии.
Предварительное исследование ученых MIT Media Lab, использовавших ЭЭГ для отслеживания мозговой активности во время написания эссе, зафиксировало: у участников, работавших с AI-ассистентами, со временем снижались нейронная связность и вовлеченность. Авторы называют это явление «когнитивным долгом»: когда инструмент берет на себя усилие, когнитивная активность человека сокращается.
То же исследование Science, зафиксировавшее всплеск числа публикаций, обозначило и более серьезную проблему: по мере того как полированный текст становится дешевле, он все хуже служит индикатором качества — растет риск появления убедительных по форме, но слабых по содержанию работ. Отчет Google DORA подтвердил схожую закономерность: более быстрое написание кода не ведет автоматически к лучшим результатам разработки. AI усиливает то, что уже есть: сильные команды становятся сильнее, слабые — слабее.
Что это значит для руководителей
Команды, которые производят наибольшее впечатление, — не те, что быстрее всех выпускают демо-версии. Это те, кто способен четко объяснить, что именно они не автоматизируют — и почему.
AI не устранил узкие места — он переместил их: из исполнения в область суждений, стратегии, синтеза, архитектурных решений и оценки качества. Организации, возводящие скорость в главную метрику, выстраивают то, что можно назвать хрупкой скоростью: впечатляющие прототипы, скрывающие ненадежный фундамент. Преимущество теперь за теми, кто сохраняет критическое мышление и собственное видение на фоне нарастающей сложности.
Две вещи имеют принципиальное значение:
Чередуйте задачи осознанно. Дайте работе с AI свое пространство — а затем продуманно выстройте то, что идет следом. Худший переход — из скоростного потока в пустой период или поверхностную административную работу. Лучший — в задачи, требующие человеческого присутствия: разговор-наставление, стратегическое решение, прогулка без экрана. Сам переход становится восстановлением. Организации, оставляющие это на усмотрение каждого сотрудника, проиграют; те, кто встроит это в командные ритмы, — выдержат.Берегите работу, которая не терпит спешки. Наставничество, стратегия, глубокое слушание — деятельность, дающая плоды через годы, — идет в человеческом темпе. Ее нельзя ускорить, и она не должна конкурировать в календаре со скоростью AI. Закрепите ее в структуре команды — иначе она исчезнет.
Инструменты, способные соответствовать скорости мысли, уже существуют. Вопрос, который стоит задавать руководителям, — не как двигаться быстрее, а как защититься от спешки.
#AI #AImodel #Write2Earn #BinanceSquare
$ETH

Помните времена, когда крипта ассоциировалась только с картинками обезьян и бесконечными форками DeFi-протоколов? Эти дни официально в прошлом. В 2026 году на сцену вышел реальный сектор — DePIN.
Если вы еще не в курсе, DePIN — это концепция, где блокчейн используется для управления реальной физической инфраструктурой: от станций 5G до сетей видеокамер и вычислительных мощностей для ИИ.
Почему это «не попса»?
В отличие от мем-коинов, которые живут на хайпе в X (Twitter), проекты вроде Render (RNDR), Helium (HNT) или новые игроки вроде Uplink, строят то, что можно потрогать.
Вот 3 причины, почему DePIN — это главный скрытый гем этого цикла:
Реальный спрос от ИИ-корпораций: Обучение нейросетей требует колоссальных мощностей. Вместо того чтобы стоять в очереди к NVIDIA, компании арендуют децентрализованные GPU через блокчейн-протоколы. Это дешевле и быстрее.
Экономика «снизу вверх»: Вы больше не просто пользователь интернета, вы — его владелец. Поставили роутер или датчик — получаете токены. Это первая рабочая модель масс-адопшна, где бабушка из соседнего подъезда может участвовать в криптоэкономике, даже не зная, что такое приватный ключ.
Устойчивость к рынку: Даже если биткоин «флетит», потребность в передаче данных и вычислительной мощности только растет.
На что смотреть прямо сейчас?
Если вы ищете проекты, обратите внимание на те, что работают с вычислительными слоями (Compute Layers) и децентрализованной энергетикой. В 2026 году данные — это новая нефть, но именно инфраструктура — это буровые установки.
Личное мнение: Пока толпа гоняется за очередным «собачьим» токеном, умные деньги перетекают в проекты, которые заменяют традиционных провайдеров связи и облачные хранилища.
А как вы считаете, сможет лидецентрализованная сеть когда-нибудь полностью заменить Google Cloud или AWS? Пишите в комментариях!
#DePIN #AI #Crypto #BinanceSquare $TAO