Странно! ИИ увеличил эффективность Кремниевой долины в 10 раз, но при этом вызывает более скрытую кризис, чем резкое снижение стоимости $BTC

В начале 2026 года в области программной инженерии возникла загадочная картина. Новое поколение AI-инструментов для программирования, представленное Claude Opus 4.6, стремительно поднимает эффективность разработчиков на невиданные ранее высоты. Внутренние данные Microsoft показывают, что после самостоятельного выбора инструментов Claude Code быстро занял доминирующее положение, что считается естественным выбором «пути наименьшего сопротивления».

Однако одновременно в сообществе разработчиков активно обсуждается явление «профессионального выгорания». Инженер Стив Йег, ранее работавший в Google и Amazon, описывает феномен, который он называет «атака дремоты»: после длительной работы в атмосфере программирования он внезапно засыпает днем без предупреждения.

Сегодня все больше программистов открыто говорят о общем опыте: производительность работы значительно выросла, но усталость накапливается быстрее. Технологии значительно сокращают время выполнения задач, но не уменьшают нагрузку на принятие решений человеком, а наоборот — увеличивают её.

Йег отмечает, что ранее обсуждения о «ограниченной помощи AI в реальной работе» потеряли актуальность после внедрения Claude Code в сочетании с Opus 4.5 и 4.6. Эта комбинация значительно снизила издержки перехода от постановки задачи к рабочему коду, позволяя опытному инженеру за единицу времени достигать в несколько раз больше, чем при традиционной работе.

Когда производительность превышает примерно в два раза, начинает проявляться явление, которое он называет «эффект вампира»: технология перестает быть просто инструментом и начинает оказывать обратное влияние, формируя ритм работы и психологическое состояние пользователя.

Инженер СиДант Каре подробно описывает этот процесс в своем блоге. В статье «AI-усталость — реальность» он пишет, что за последний квартал его объем кода достиг пика за всю карьеру, но при этом он ощущает сильную усталость.

Он описывает кардинальное изменение в рабочем режиме. До внедрения AI он целый день глубоко сосредотачивался на одной проблеме, сохраняя логическую цепочку. После появления AI он вынужден одновременно работать с пятью-шестью разными задачами. Каждая из них с помощью AI сокращается до часа или чуть больше. Но частая смена задач создает новую когнитивную нагрузку. «AI не устаёт между задачами», — пишет он, — «а я — да».

Каре сравнивает свою новую роль с «контрольным инспектором на конвейере». Запросы непрерывно поступают, каждое нужно проверить, принять решение, утвердить. Процесс не прерывается, но полномочия по принятию решений не передаются. Он остается на месте судьи, а AI приносит ему дела, ответственность остается за человеком.

Недавнее исследование подтверждает этот феномен. В нем отслеживали 200 сотрудников американской технологической компании: использование AI вначале значительно ускорило выполнение задач, но вызвало цепную реакцию: повышение скорости увеличило ожидания по срокам поставки, что заставило сотрудников еще больше полагаться на AI, а это, в свою очередь, расширяло круг задач, увеличивая рабочую нагрузку и когнитивную перегрузку.

Исследователи назвали этот механизм «расширение объема работы». Это не просто расширение по приказу, а повторяющийся и самоподдерживающийся цикл между повышением эффективности и корректировкой ожиданий.

Джамо Корошец, специалист по дизайну цифровых продуктов, в соцсетях делится похожими наблюдениями. Он отмечает, что в соцсетях полно демонстраций «за минуту — десять UI-решений». Эти материалы постоянно показывают специалистам и руководителям, формируя скрытый стандарт. Если инструменты позволяют так быстро генерировать решения, то и результат должен быть соответствующим.

Но такие демонстрации редко показывают последующие этапы — от отбора и внедрения до межфункциональной координации, — за которые по-прежнему отвечают люди. Технологии сокращают время производства, но не сокращают время принятия решений. А оно становится новым узким местом — вниманием и волей человека.

Йег предлагает упрощенную модель анализа. Предположим, что после освоения AI-инструментов производительность инженера за единицу времени выросла в 10 раз. Тогда, кто получит эту девятимиллионную разницу, зависит от того, как пользователь распределит свою рабочую нагрузку.

Например, в сценарии А инженер сохраняет прежнюю продолжительность работы и передает весь прирост работодателю. Тогда работодатель при неизменных затратах на рабочую силу получает почти в 10 раз больше продукции. Доход инженера при этом не меняется пропорционально, но его нагрузка и психологическая нагрузка значительно возрастает. Йег называет это «выжиманием до последней капли».

В сценарии В инженер значительно сокращает рабочее время, выполняя за 10% времени ту же работу, что и раньше. Тогда весь прирост получает он сам, получая больше свободного времени. Но такой режим трудно сохранить в конкурентной среде: если все внутри организации начнут так поступать, то ее общий результат отстает от конкурентов, и в долгосрочной перспективе она рискует выжить.

Йег считает, что оптимальный баланс — где-то между этими крайностями. Но в существующих организациях регулировка этого баланса неравномерна. Организация склонна к тому, чтобы сдвигать стрелку в сторону А, а индивидууму нужно сознательно оказывать обратное воздействие.

Эта модель превращает вопрос эффективности технологий в вопрос распределения. AI не меняет фундаментальный факт, что «ценность создается трудом», — он лишь меняет масштаб создаваемой за единицу труда ценности. Когда этот масштаб меняется, баланс распределения неизбежно нарушается.

Йег вспоминает свой опыт работы в Amazon в 2001 году. Тогда его команда испытывала сильное давление по срокам, а отдача была очень неопределенной. Он однажды написал коллегам формулу: $/час. Он объясняет, что числитель (фиксированная годовая зарплата) в краткосрочной перспективе трудно изменить, а знаменатель (фактическое рабочее время) обладает значительной гибкостью. Он предлагал сосредоточиться не на «как заработать больше», а на «как работать меньше».

Через 25 лет Йег считает, что эта формула актуальна и в эпоху AI. Разница в том, что AI значительно усилил влияние изменения знаменателя на числитель, но контроль над знаменателем у человека не увеличился.

Пользователь соцсетей Йозеф Эмусон с другой стороны отмечает, что большинство успешных в креативных сферах — писатели, дизайнеры, исследователи — работают не более четырех часов в день. Остальное время — восстановление, отдых, вдохновение. Это не вопрос эффективности, а физиологических ограничений когнитивной деятельности.

Если AI еще больше разделит «работу» и «эффективную работу», то, возможно, потребуется не переосмысление инструментов, а пересмотр «рабочего дня» — его длины.

Йег признается, что сам тоже часть проблемы. У него более 40 лет опыта, он руководил крупными командами, быстро читает и обладает ресурсами для экспериментов. Он может часами использовать Claude Code для построения рабочей системы и публиковать ее в открытом доступе. Его результаты широко распространяются, и некоторые руководители считают их «уровнем, которого должен достичь инженер».

Он пишет: «Работодатели, скорее всего, начнут смотреть на меня и на таких, как я, — и говорить: “Эй, все мои сотрудники могут так же”».

На платформах и в соцсетях некоторые ранние пользователи делятся своим уровнем использования AI: кто-то платит за это тысячи долларов в месяц, кто-то показывает десятки активных диалогов. Эти материалы привлекают внимание технического сообщества и формируют скрытые стандарты для руководства. Йег называет это «нереалистичным стандартом красоты».

Он признает, что сам не является образцом, его ритм работы трудно повторить большинству, и он сам не уверен, сможет ли долго так держаться. Но когда он выступает на конференциях или пишет книги, его посыл сводится к простому — «это реально сделать».

Лех Ашофф поднимает более глубокий вопрос. Он считает, что взаимодействие человека с AI отражает долгосрочные границы в межличностных отношениях. Многие не умеют распознавать и выражать свои пределы в отношениях с другими, а эта неспособность переносится в отношения с машинами. Инструменты не умеют самостоятельно останавливаться и не чувствуют усталость пользователя. Когда технологии расширяют возможности, способность распознавать свои границы становится все более редкой.

Йег выдвигает конкретное предложение: рабочий день в эпоху AI должен сокращаться до трех-четырех часов. Это не строгое число, а опытное предположение. Он заметил, что AI автоматизирует множество исполнительных задач, оставляя человеку высокоуровневые — принятие решений, оценку, переосмысление проблем. Эти процессы требуют гораздо больше внимания и эмоциональных ресурсов, чем простое выполнение, и их трудно компенсировать параллельной работой или сжатием времени восстановления.

Во время визита в технологический парк он увидел рабочую среду, которую он называет «регулировкой шкалы»: открытые пространства, много естественного света, зоны для отдыха и общения, где сотрудники свободно переключаются между работой и восстановлением. Он не уверен, сможет ли такая модель сохраниться после полного проникновения AI.

Но он уверен, что нынешние модели — когда рабочее время не меняется, а только увеличивается плотность производства — неустойчивы. Он не считает проблему «AI — вампир», а скорее — «мне нужно лучше понять свои пределы».

В конце он говорит, что сам пытается снизить уровень нагрузки. Он уменьшил публичную активность, отказался от многих встреч, перестал гнаться за каждым новым технологическим трендом. Он продолжает писать, создавать продукты, общаться с коллегами. Но он также закрывает ноутбук после обеда и идет гулять с семьей. Он не знает, насколько сможет вернуть стрелку назад, но уверен, что движется в правильном направлении.

Для широкой аудитории эта проблема пока не стала частью коллективной повестки. Истории о повышении производительности с помощью AI остаются в основном в центре внимания, а обсуждения усталости — личными и фрагментарными. Но все больше сигналов свидетельствуют о том, что эти два тренда сходятся: технологии сокращают путь выполнения задач, но не сокращают рабочий день. Инструменты помогают выполнять работу быстрее, но не снимают ответственность. Повышение эффективности ускоряет поставки и потребление ресурсов. И когда AI постоянно говорит нам «можем еще быстрее», важнее услышать вопрос: а можем ли мы делать медленнее?