В 1958 году Мао приказал каждой деревне в Китае выплавлять сталь. Крестьяне бросали кухонную утварь в самодельные домны и рапортовали о феноменальных показателях. Сталь оказалась непригодной. Урожай сгнил. Тридцать миллионов человек погибли от голода.
В 2026 году каждая вторая компания проводит масштабную AI-трансформацию сверху вниз.
Тот же вайб.
Дворовые домны
Лозунгом Большого скачка был 超英趕美 — обогнать Англию, догнать Америку. Каждая провинция, каждая деревня, каждое домохозяйство должны были ликвидировать разрыв с индустриализированным Западом силой воли. Крестьянам, никогда не видевшим завода, выдавали квоты на производство стали. Убеждённость заменяла экспертизу.
Современный мандат идентичен, просто поменялись существительные. Каждая компания, каждое подразделение, каждый исполнитель обязаны ликвидировать AI-разрыв. Выкатывать AI-фичи. Строить агентов. Автоматизировать воркфлоу. То, что никто в команде никогда не обучал модели, не проектировал систему оценки и не отлаживал retrieval — не имеет значения. Убеждённости достаточно.
Все начинают строить. PM-ы делают AI-дашборды. Маркетинг — генераторы контента. Sales ops — скорер лидов. Инженеры строят AI-решения, которые безупречны пиксель в пиксель и работают ужасно. UI чистый. API RESTful. Архитектурная диаграмма красивая. Выходные данные неверны. Никто не проверяет, потому что никто в команде не знает, как выглядит правильный результат. Они никогда не смотрели на данные. Они никогда не считали baseline.
Целые отделы собирают цепочки в n8n и называют это AI: десятки автоматизированных цепочек гоняют промпты по моделям, ни одна из них не проходила evaluation. Drag-and-drop канвас позволяет легко связать десять LLM-вызовов, которые невозможно отладить. Невозможно выяснить, почему восьмой из них галлюцинирует именно по вторникам. Люди, строящие эти воркфлоу, никогда не проектировали pipeline оценки, не измеряли дрейф модели, не тестировали промпт в формате A/B тестирования. Им не нужно — канвас выглядит чисто, стрелки указывают вперёд, зелёные галочки срабатывают.
Дворовая сталь 1958 года выглядела как сталь. Ею не была. Сегодняшний дворовой AI выглядит как AI. Им не является. TypeScript-воркфлоу с захардкоженными if-else ветками — не агент. Шаблон промпта скрывающийся за REST эндпоинтом — не модель. Называть это AI — всё равно что называть чугун из дворовой домны высококачественной сталью. Всё вышеперечисленное закрывает отчётный показатель, но оказывается бесполезным при первом реальном тесте.
Но самая опасная домна — та, что производит что-то функциональное. Команды создают показушные прототипы: красивые интерфейсы, работающие endpoint-ы, впечатляющие walk-through — без какой-либо валидации внутри. Некоторые замещают SaaS-продукты, вайб-кодируя фронтенд с помощью coding agents: оно работает, есть дашборд, стоит дешевле вендора. Klarna объявила в 2024 году, что заменит Salesforce и других SaaS-провайдеров внутренними AI-решениями. Чего у этих замен нет — так это data infrastructure, обработки ошибок, мониторинга, on-call поддержки, патчинга безопасности и кого-либо, кто будет их поддерживать после того, как вайбкодер получит повышение и уйдёт.
Эти приложения получат награды на следующем корпоративном собрании. Через два года они станут неподдерживаемым техдолгом, который какой-то несчастный унаследует и перепишет с нуля. Домна произвела чугун. Кто-то поставил на него штамп «сталь». Теперь всё держится на нём.
А реальный продукт, за который платят клиенты, гниёт на полях. Но ничего, 超英趕美. Дашборд AI-внедрения зелёный.
Доклад об урожае в Центральный комитет
В ходе Большого скачка провинции соревновались в рапортах о рекордных урожаях. Хубэй сообщал о 10 000 цзинь с му. Гуандун — 50 000. Некоторые уезды заявляли о более чем 100 000 — физически невозможные цифры, рисовые растения якобы такие густые, что дети могут стоять на них сверху. Чиновники устраивали фотосессии. Все знали, что цифры фальшивые. Все их рапортовали, потому что альтернативой было быть заклеймённым саботажником. Центральное правительство, довольное изобилием, увеличивало реквизиции зерна на основе заявленных урожаев. Крестьяне умирали, съедая разницу между реальной цифрой и фантазией.
Вы точно бывали на таком совещании:
Одна команда рапортует: их AI-копилот «сократил время разработки на 40%». Следующая, не желая отставать, — 60%. Третья заявляет, что их AI-агент «автоматизировал 80% аналитических воркфлоу». Никто не спрашивает, как это измерялось. Никто не проверяет методологию. Никто не указывает, что команда, заявляющая о 80% автоматизации, по-прежнему имеет тот же состав сотрудников, делающих ту же работу. Цифры попадают на слайды. Слайды — к совету директоров. Совет доволен. Совет увеличивает инвестиции.
Потом кто-то — такой всегда найдётся — строит лидерборд: сколько промптов ты написал на этой неделе, сколько твоего кода сгенерировал AI, твой рейтинг относительно команды, относительно отдела, относительно всей компании. Однажды компания объявляет: стоп, у нас AI Week. Стройте что-нибудь с AI. Покажите, что умеете. Думаете, после хакатона всё? Нет. Теперь нужно продвигать это. Ежедневные посты: смотрите, что я создал, вот сколько агентов я использовал, вот сколько скиллов заюзал. Привлекай коллег. Привлекай незнакомцев. Проси обратную связь. «Со смирением».
Использование AI теперь — KPI. Тебя оценивают по тому, сколько зерна ты задекларировал, а не сколько вырастил. Это закон Гудхарта на организационном уровне: когда метрика становится целью, она перестаёт быть хорошей метрикой. Метрика должна была отслеживать, улучшает ли AI компанию. Вместо этого вся компания теперь оптимизирует, чтобы метрика выглядела лучше.
Убить воробьёв
Самая трагикомичная страница Большого скачка — 除四害运动 (Кампания по уничтожению четырёх вредителей). Мао объявил воробьёв врагами государства: они поедают зёрна, значит их уничтожение увеличит урожай. Страна мобилизовалась. Граждане стучали кастрюлями и сковородками, не давая воробьям приземлиться, пока те не падали замертво от изнеможения. Дети лазили по деревьям, разоряя гнёзда. Деревни соревновались за наибольший счёт убитых. Это сработало. Воробьёв почти уничтожили.
Потом пришла саранча.
Воробьи ели саранчу. Без воробьёв рост популяции саранчи взлетел до небес. Стаи пожрали куда больше зерна, чем когда-либо ели воробьи. Кампания по спасению урожая уничтожила его. Мао тихо заменил воробьёв клопами в официальном списке вредителей и никогда больше об этом не говорил.
У каждого AI-большого скачка есть своя кампания по уничтожению воробьёв.
Менеджеры среднего звена — это воробьи. Их объявляют вредителями: слишком много уровней, слишком медленные, слишком дорогие. Уплощай структуру! Двигайся быстрее! Пусть AI управляет координацией! Компании упраздняют младших менеджеров, превращают руководителей в tech lead-ов, ведущих инженеров, и позволяют командам самоорганизоваться с AI-инструментами.
Потом приходит саранча. Эти менеджеры среднего звена хранили институциональные знания: у какого клиента была странная интеграция, почему в модели данных есть этот необъяснимый столбец, недокументированное бизнес-правило, из-за которого каждая третья транзакция не уходила на ручную проверку. Этот контекст жил в их головах. Теперь они ушли, а AI-система, которая их заменила, нуждается именно в этом контексте для работы.
QA тоже воробей. «AI теперь пишет тесты». Увольняем QA. AI пишет тесты, которые валидируют собственные предположения — машина проверяет свою домашнюю работу. Старшие инженеры, менторившие джунов? Воробьи. Технические писатели? Воробьи. Команда ops, знавшая, как перезапустить странный легаси-сервис в 2 часа ночи? Определённо воробьи.
Каждое сокращение выглядит разумным изолированно. Второичные эффекты приходят спустя шесть месяцев, и к тому времени никто не связывает нашествие саранчи с мёртвыми воробьями.
Пусть сотни цветов расцветут
В 1956 году Мао запустил 百花运动 (Движение ста цветов): «Пусть расцветают сто цветов, пусть соперничают сто школ мысли». Говорите свободно. Делитесь честной критикой. Партия хочет слышать ваши настоящие мысли.
Интеллигенция клюнула. Они говорили открыто.
Потом началась 反右运动 (Кампания против правых). Каждый, кто говорил честно, был выявлен, заклеймён и репрессирован. Сто цветов оказались ловушкой — эффективным механизмом для обнаружения тех, кто что-то знает, с последующим их устранением. Урок, который усвоил каждый выживший: никогда честно не раскрывай, что ты знаешь, потому что это обернётся против тебя.
Теперь Meta и растущий список компаний запустили собственные «Сто цветов». Мандат: каждый сотрудник должен создавать «agent skills» — дистиллировать свою экспертизу в структурированные промпты и воркфлоу, которые смогут выполнять AI-агенты. Или ещё хуже — строить «агентов» с помощью drag-and-drop legacy-технологий, которые никогда не работали и были уже оставлены передовыми лабораториями ещё в 2024 году. Кодируй свои суждения. Документируй принятие решений. Сделай себя понятным машине.
Заявленная цель — дистиллировать экспертизу. Превратить мастерство эксперта в актив организации. Что на самом деле хочет руководство — конвертировать индивидуальный человеческий капитал в организационный капитал, который переживёт уход любого конкретного сотрудника.
Сотрудники сразу видят игру. Если я дистиллирую свои десять лет доменной экспертизы в skill, который любой джун может вызвать с промптом, — я только что автоматизировал собственную замену. Знания, делающие меня ключевым узлом, — это моя защита. Вы просите меня её слить.
Поэтому они адаптируются и строят anti-distillation agent skills, точно так же, как интеллигенция адаптировалась после ловушки антиправой кампании.
Уже сейчас появляются agent skills, заточенные специально под сохранение своего рабочего места. Первый тип — показушный: выглядит исчерпывающим и хорошо демонстрируется, но намеренно опускает 20% знаний про граничные случаи, без которых всё сыплется в проде — ты теперь ещё более незаменим, а не менее. Второй — с миной замедленного действия: экспертиза закодирована честно, но с тонкими зависимостями от контекста, которым владеешь только ты: внутренние вики, которые ты ведёшь, термины, которые ты ввёл, пайплайны, которыми ты управляешь — без тебя результаты тихо деградируют, пока кто-нибудь не скажет «надо вернуть его в проект». Третий — архитектурный капкан: skill настолько завязан на остальную твою деятельность, что извлечь твои знания сложнее, чем просто оставить тебя.
Кампания, призванная снизить зависимость организации от конкретных экспертов, создала экспертов, которые стратегически незаменимы — не из-за того, что они знают, а из-за того, как они заминировали систему, чтобы она в них нуждалась. Цветы расцвели. Но теперь они полны шипов.
Тем временем мандат «все строят с AI» превратился в войну за чужую территорию. Инженеры генерируют дизайн и выкатывают прототипы, не дожидаясь дизайнеров. PM-ы пишут код и собирают дашборды, не создавая тикетов. Дизайнеры пишут продуктовые спецификации и проводят исследования пользователей без продакта. Каждый лезет в чужую зону — не потому что лучше справляется, а потому что AI делает это возможным, а система поощрений делает это выгодным. Формально все сотрудничают, по факту — каждый пытается доказать, что его роль важнее соседней.
Голод приходит позже
Голод Большого скачка не наступил немедленно. Какое-то время цифры выглядели феноменально. Каждая провинция рапортовала о рекордных урожаях. Руководство было довольно. Реквизиции росли.
Голод пришёл, когда реальное зерно закончилось, но задекларированное продолжало утекать вверх.
Мы ещё в фазе рапортов. Дашборды зелёные. Адопция растёт. Каждая команда рапортует о прибылях производительности, которые в сумме по компании подразумевали бы, что инженеры релизят фичи с эффективностью 300%, при этом каким-то образом по-прежнему срывая те же дедлайны.
Под метриками — гонка ко дну. Один строит skill, другой строит лучше. Один демонстрирует прототип, другой старается измерить его бенчмарками. Все соревнуются в том, чтобы доказать — более убедительно, чем сосед, — что их собственная роль заменима. Всё ускоряется. Всё тонет.
Воробьи мертвы. Саранча ещё не пришла. Цветы расцвели, полные отравленных пилюль. Домны произвели чугун со штампом «сталь», и он теперь несущий. Цифры по зерну выглядят фантастически.
Но всё нормально. Мы догоняем и перегоняем.
Ах да, Klarna? Компания, громко объявившая о замене Salesforce внутренними AI-решениями? Она тихо заменила Salesforce другим SaaS-вендором. Дворовая домна не смогла произвести настоящую сталь. Они купили её на другом заводе.
Вопрос, который никто не задаёт: что всё это в итоге произвело?
Ответ, когда придёт, будет неудобным.
Русскоязычное сообщество про AI в разработке
Друзья! Перевод этой статьи подготовила команда ТГК «AI for Devs» — канала, где мы рассказываем про AI-агентов, плагины для IDE, делимся практическими кейсами и свежими новостями из мира ИИ. Подписывайтесь, чтобы быть в курсе и ничего не упустить!
