Дивно! ШІ збільшив ефективність Кремнієвої долини у 10 разів, але водночас викликає більш приховану кризу, ніж зниження курсу $BTC у два рази

На початку 2026 року в галузі програмної інженерії з’явилася цікава картина. Нове покоління інструментів для програмування на базі штучного інтелекту, таких як Claude Opus 4.6, піднімає ефективність розробників на безпрецедентний рівень. Внутрішні дані Microsoft показують, що після самостійного вибору інструментів Claude Code швидко зайняв домінуюче положення, що вважається природним вибором найменшого опору.

Водночас у спільноті розробників активно обговорюється явище “професійного вигорання”. Інженер Стіве Йегг, який працював у Google та Amazon, описує явище, яке він називає “атака сонливості”: після тривалого занурення у атмосферне програмування він раптово засинає вдень без попередження.

Зараз все більше програмістів відкрито говорять про спільний досвід: продуктивність роботи значно зросла, але втома накопичується швидше. Технології суттєво скорочують час виконання завдань, але не зменшують людське навантаження на прийняття рішень, навпаки — воно зростає.

Йегг зазначає, що раніше дискусії про “незначну допомогу AI у реальній роботі” втратили актуальність після впровадження Claude Code у поєднанні з Opus 4.5 та 4.6. Ця комбінація значно знизила витрати на перехід від визначення проблеми до робочого коду, дозволяючи досвідченому інженеру за короткий час створювати продуктивний код у кілька разів швидше за традиційний робочий процес.

Коли продуктивність зростає більш ніж у два рази, починає проявлятися явище, яке він називає “ефектом вампіра”: технології перестають бути просто інструментами і починають зворотно формувати ритм роботи та психологічний стан користувача.

Інженер Сідант Каре детально описує цей процес у своєму блозі. У статті “AI-втома — реальність” він пише, що його попередній квартал був рекордним за кількістю закінчених проектів, але психологічне виснаження було на піку.

Він описує кардинальну зміну робочого режиму: до впровадження AI він цілодобово зосереджувався на одній задачі, зберігаючи цілісність мисленнєвого процесу. Після впровадження AI він одночасно працює над п’ятьма-шостма різними проблемами. Кожна з них зменшила час обробки до приблизно години завдяки підтримці AI. Але часті перемикання між задачами створюють нове когнітивне навантаження. “AI не втомлюється між задачами,” — пише він, — “але я так”.

Каре порівнює свою нову роль із “контрольором якості на конвеєрі”. Запити постійно надходять, кожен потрібно перевірити, ухвалити рішення, затвердити. Процес не зупиняється, але рішення приймає людина. Відповідальність лежить на ній, а AI лише допомагає з документацією.

Недавнє дослідження підтверджує цю тенденцію. Вчені відстежували 200 співробітників американської технологічної компанії і виявили, що хоча початкове використання AI швидко підвищує швидкість виконання завдань, воно також запускає ланцюгову реакцію: підвищена швидкість підвищує очікування щодо термінів, що змушує співробітників ще більше залежати від AI, а це, у свою чергу, розширює обсяг задач і збільшує когнітивне навантаження.

Цей механізм вони назвали “розповсюдження робочого навантаження”. Це не просто розширення за командою, а процес ітеративного самовдосконалення між підвищенням ефективності та коригуванням очікувань.

Розробник цифрових продуктів Самуїл Корошець у соцмережах описує схожу ситуацію. Він зазначає, що у соцмережах поширені демонстрації “генерації десяти UI-варіантів за хвилину”. Ці матеріали повторно поширюються серед фахівців і керівників, формуючи неявний стандарт. Оскільки інструменти можуть так швидко генерувати рішення, то й результати мають бути відповідно швидкими.

Проте ці демонстрації майже не показують подальших витрат на відбір, реалізацію та міжфункціональну координацію, які все ще повністю лежать на людях. Технології скорочують час виробництва, але не зменшують час ухвалення рішень. А саме воно стає новим вузьким місцем — людською увагою та волею.

Йегг пропонує спрощену аналітичну модель. Припустимо, інженер після освоєння AI підвищує свою продуктивність у 10 разів за годину. Тоді, хто отримає цю дев’ять разів додаткової вартості, залежить від того, як він налаштовує свою робочу навантаженість.

Наприклад, у сценарії А інженер зберігає звичайний робочий час і передає весь приріст роботодавцю. Тоді роботодавець отримує майже 10-кратний вихід за ті ж витрати праці. Заробітна плата інженера залишається незмінною, але його навантаження і психологічне виснаження зростають. Йегг називає це “вичавлюванням”.

У сценарії Б інженер значно скорочує робочий час і виконує ту саму роботу за 10% від попереднього часу. В цьому випадку весь додатковий результат отримує він сам, отримуючи більше вільного часу. Але ця стратегія важка для тривалого застосування у конкурентному середовищі: якщо всі співробітники так зроблять, організація відстане у продуктивності і ризикує виживанням.

Йегг стверджує, що ідеальною була б ситуація між цими двома крайнощами. Але у поточних організаційних структурах важелі регулювання не симетричні. Організація схильна тягнути стрілку до сценарію А, тоді як індивідууму потрібно активно протидіяти цьому.

Ця модель перетворює проблему технологічної ефективності у проблему розподілу. AI не змінює базовий факт “вартість створює праця”, але змінює масштаб цінності, яку можна створити за однакову кількість праці. Коли цей масштаб зростає, баланс розподілу неминуче порушується.

Йегг згадує свій досвід у Amazon 2001 року. Тоді його команда працювала під високим тиском дедлайнів, але з невизначеними результатами. Він у розмові з колегами сформулював формулу: $/година. Пояснює, що чисельник (річна фіксована зарплата) у короткостроковій перспективі важко змінити, а знаменник (фактичний робочий час) має значний запас. Він пропонує зосередитися не на “як заробити більше”, а на “як працювати менше”.

Через 25 років Йегг вважає, що ця формула актуальна і для епохи AI. Різниця у тому, що AI значно збільшує вплив змін у знаменнику на чисельник, але контроль над часом роботи залишається за індивідуумом.

Соціальний медіа-користувач Йозеф Емоссон з іншого боку відповідає, що більшість успішних у креативних сферах — письменники, дизайнери, дослідники — працюють ефективно не більше чотирьох годин на день. Решту часу вони відновлюються, відпочивають, вводять нові ідеї. Це не питання ефективності, а фізіологічних меж когнітивної активності.

Якщо AI ще більше розділить “роботу” і “ефективну роботу”, то потрібно переосмислити не спосіб використання інструментів, а тривалість “робочого дня”.

Йегг зізнається, що і він сам — частина проблеми. Має понад сорок років досвіду, керував великими командами, швидко читає і має достатньо часу для технічних експериментів. Він може цілодобово працювати з Claude Code, створюючи робочі системи і публікуючи їх у відкритий доступ. Його результати поширюються, і деякі керівники вважають його “зразком для інженерів”.

Він пише: “Роботодавці, ймовірно, почнуть дивитися на мене і на таких, хто далеко від норми, і казати: ‘Гей, всі мої співробітники можуть так’”.

У соцмережах і на платформах з’являються перші відкриті історії про інтенсивність використання AI: хтось каже, що його організація платить кілька тисяч доларів щомісяця за кілька акаунтів; хтось демонструє десятки активних чатів одночасно. Це привертає увагу технічної спільноти і формує неявний орієнтир для керівництва. Йегг називає це “нереалістичним еталоном краси”.

Він визнає, що не є репрезентативним, його темп роботи важко повторити більшості, і навіть він сам не впевнений, що зможе тривалий час. Але коли він виступає на конференціях або пише книги, його меседж зводиться до “це можливо”.

Люди, як Ліх Ашофф, підходять до питання глибше. Вони вважають, що сучасна взаємодія з AI відображає довготривалі проблеми з визначенням меж у людських стосунках. Багато хто не вміє розпізнавати і виражати свої межі у відносинах, і ця навичка переноситься у відносини з машинами. Інструменти не зупиняються самі і не здатні відчувати втому користувача. Коли технології розширюють можливості, навички визначати межі стають ще більш цінними.

Йегг пропонує конкретну ідею: ефективний робочий день у епоху AI має скоротитися до трьох-чотирьох годин. Це не точна цифра, а досвідне припущення. Він спостерігає, що AI автоматизує багато виконавчих завдань, але зберігає за людиною високорівневі когнітивні активності — ухвалення рішень, оцінку, переформулювання проблем. Ці активності споживають набагато більше уваги і емоційних ресурсів, ніж просте виконання, і їх важко швидко відновити або зменшити.

Під час відвідування технологічного парку він побачив таке середовище, яке він називає “налаштування шкали”: відкритий простір, багато природного світла, зони для спілкування і відпочинку, де співробітники вільно перемикаються між роботою і відновленням. Він не впевнений, що ця модель залишиться актуальною після повного проникнення AI.

Але він переконаний, що сучасна модель — без зміни тривалості роботи і лише з підвищенням щільності продуктивності — є незбалансованою і неминуче призведе до виснаження. Він не вважає проблему “AI — вампір”, а радше — “мені потрібно краще знати свої межі”.

У кінці він зазначає, що намагається зменшити свої навантаження: менше публічних виступів, відмовляється від багатьох зустрічей, не слідкує за всіма новими трендами. Продовжує писати, створювати продукти і спілкуватися з колегами. Але тепер він закриває ноутбук і йде гуляти з родиною. Не знає, наскільки зможе повернути стрілку назад. Але впевнений, що рух у правильному напрямку.