The Future Of Work

У McKinsey вышел очень классный лонгрид про AI как general-purpose technology, и что это значит для экономики. Текстовый саммари выложил в комментариях. Но там и оригинал хороший – почитайте. → https://www.mckinsey.com/mgi/our-research/the-ai-economy-interconnected-forces-feedback-loops-and-speeds-of-change

У Эндрю Макафи на Arena вчера вышел очень классный текст. Про то, как калифорнийские гики-предприниматели перепридумали инновационные организации.

Возможно, гики силиконовой долины и не стремились стать организационными новаторами, но обнаружили, что у них просто нет выбора. Принципы и методы, разработанные в течение XX века для управления крупной и успешной компанией, не работали в их ситуации, которая отличалась чрезвычайно быстрыми темпами изменений и жесткой конкуренцией за новые глобальные рынки. Поэтому они поступили так, как и положено гикам: они внедряли инновации, экспериментировали и не сдавались, пока не придумали что-то действительно работающее.

Что они сделали по-другому: 1. Придумали agile — и задали новый ритм для процессов Вместо waterfall — короткие циклы, в которых надо быстрее сделать что-то функциональное, получить обратную связь и переделать. 2. Культивировали научный исследовательский майндсет Любое решение надо рассматривать как гипотезу: собираем данные, делаем эксперименты, и проверяем, какая гипотеза работает лучше. Если цифры противоречат предыдущим решениям, то можно и развернуться. 3. Всегда были очень внимательны к деталям и нюансам Фокус на конкретной работе, конкретных решениях и людях, которые их принимают, на персональной ответственности. И на упрощении всего, что можно упростить. 4. Вопреки моде на интеграцию, создавали дезинтегрированные модульные команды Меньше кросс-функциональных зависимостей, обязательств, согласований. И больше автономности и модульных организационных структур. 5. Давали каждому проявить себя Если человек видит возможность что-то сделать, поменять или улучшить — у каждого была такая возможность.

Ритм, наука, наблюдательность, модульность и самостоятельность — это далеко не окончательный и полный набор принципов, описывающих, как новые бизнесы вышли за рамки устаревшей парадигмы. Но они превзошли эти ограничения. Как я писал в книге «The Geek Way» : Компании, построенные по правилам индустриальной эпохи, должны отказаться от фантазий, что у них есть хоть какой-то шанс, когда на их рынок придут гики. Сама идея, что бизнес, работающий по старым правилам, сможет эффективно ответить на вызов калифорнийских стартаперов с помощью новой реорганизации, новой стратегии или перестановок в руководстве, — просто смешна. За последние двадцать лет действующие лидеры рынка пытались делать всё это и не смогли ни остановить изменения, ни даже сколько-нибудь заметно их замедлить. Эти компании слишком медленно двигаются, слишком часто ошибаются, пропускают слишком много важных изменений и слишком медленно учатся. И при этом не дают людям достаточно автономности, возможности влиять на происходящее, смысла в работе и права голоса — всего того, чего люди хотят и на что имеют право.

Да, на самом деле этот текст описывает идеи Макафи из его книги «The Geek Way: The Radical Mindset that Drives Extraordinary Results». К счастью, у меня эта книга есть в epub — выложил в комментариях. → https://arenamag.com/articles/the-triumph-of-the-geeks

Лёша Иванов 28 сентября запускает курс про AI Native. И завтра в 18:00 (по мск) проведёт открытый стрим с демо: покажет как участники курса будут переходить с любительского уровня на полную AI-интеграцию. На стрим завтра не успеваю. Но учиться на курс пойду. Несмотря на то, что считаю себя весьма продвинутым пользователем. Знаю, что у Лёши можно научиться новым крутым подходам, практикам и инновациям. Очень рекомендую. Зарегистрироваться на стрим можно тут: https://t.me/ppprompt/3289

6 мега-трендов от Andreessen Horowitz — где в следующие десятилетия будет рост и инвестиции. → a16z.com/expanding-the-a16z-growth-fund-and-platform

Бен Эванс поделился тут скепсисом в отношении прогнозов и сценариев от Antropic. И сослался на свой майский пост «Predicting AI job exposure». Не настолько этот пост классный, чтобы читать его целиком. Но на одну идею нам точно надо обратить внимание: AI может не сильно повлиять на профессию, но радикально трансформировать бизнес-модели в некоторых индустриях. Мобильные технологии не меняли рынок такси, но Uber поменял. Это же можно сказать и про маркетплейсовую и классифайдную модели. То есть мы ещё долго может не увидеть на рынке труда масштабных прямых эффектов от AI. Но косвенные мы видим уже сейчас. Их будет больше, они будут накапливаться, и создавать неочевидные последствия. А текущие подходы в прогнозах AI Job Exposure этого не учитывают. → https://www.ben-evans.com/benedictevans/2026/5/24/ai-job-exposure

Зачем компаниям культура и ценности? Потому что так устроен нормативный контроль. Я в целом конечно немного упрощаю. Но идея имеет обоснование и подтверждения: нормативный контроль как менеджерская стратегия исследуется уже много десятилетий. В чём суть? Можно управлять через формальные процедуры, отчётность, KPI и другие инструменты прямого контроля. Но это влияет на ощущение субъектности и автономности у сотрудников. И плохо работает в задачах, где нужна креативность, инновационность, предпринимательское мышление и другое сложное экспертное поведение. Поэтому американская менеджерская мысль изобрела нормативные способы организовывать людей. Через базовые принципы, почти заповеди, благодаря которым человек может сам принимать решения: как должна быть устроена работа, как формируются отношения и коммуникация, что считается нормой, и как должен выглядеть правильный результат. В какой-то момент эти принципы интернализируются. И тогда огромное количество решений уже не нужно отдельно описывать, согласовывать и контролировать — люди сами понимают что как надо делать. На эту тему есть очень хорошая статья 1992 года — «Design and Devotion: Surges of Rational and Normative Ideologies of Control in Managerial Discourse». Авторы разобрали историю американского менеджмента с 1870-х годов и показали, что рациональный и нормативный подходы сменяют друг друга примерно каждые 30 лет: 1870–1900 Industrial betterment (нормативный) 1900–1923 Scientific management (рациональный) 1923–1955 Welfare capitalism / Human relations (нормативный) 1955–1980 Systems rationalism (рациональный) С 1980-х Organizational culture (нормативный) Они сопоставили эти пять волн с большими экономическими циклами и обнаружили, что рациональные подходы усиливаются в периоды экономического роста, а нормативные — в периоды спада и сокращения. В период экспансии выгоднее инвестировать в технологии. Драйвить идеи автоматизации. Перестраивать производство. Люди не так важны. Но когда отдача от технологий и инфраструктуры снижается и экономика переходит в фазу замедления, бизнес начинает искать в людях новый источник производительности: Как повысить доверие? Как снизить конфликты и противоречия? Как добиться максимально эффективного сотрудничества? Как сделать так, чтобы люди были заинтересованы в целях и успехах компании? Я думаю, что нас ждёт рост популярности нормативных способов управления в следующие десять лет. И рост популярности «культурного» менеджмента. Тут можно возразить: а как же AI? Разве мы не входим в эру процветания и новую большую волну автоматизации — то есть в тот самый период, когда должны побеждать рациональные модели управления? Только если мы верим, что AI и правда запустит новый цикл экономического подъёма. Но мы же не верим? В комментариях оригинал статьи и текстовый саммари.

Hype Cycle for the Future of Work, 2026 Gartner выложили новый цикл хайпа про будущее работы. Но на картинке это всё очень сложно рассматривать, поэтому вот вам текстом: INNOVATION TRIGGER • Human-Agent Experience • Agentic Browser • Employee Digital Twin • Zero-UI • Generative AI Simulators • Agent Marketplace • PERFECT Prompt • AI Toolmate • Embodied AI • AI Avatar of the Employee • Guided Attention • Decision Intelligence Platforms • AI-Enabled Cognitive Offloading • Human-Agent Collaboration Workspace • AI Agent Identity • Cyberpsychology • Forward Deployed Engineer • Workstyle Analytics PEAK OF INFLATED EXPECTATIONS • AI Washing • Generative UI • Human Insight Intelligence • No-Code Agent Builders • Domain-Specific GenAI Models • Digital Coaching Applications • AI Literacy • AI-Augmented Leadership • AI Skills Currency • Prompt and Context Engineering • AI-Powered Wearables • Multimodal Generative AI • AI Agents • Prompt Library TROUGH OF DISILLUSIONMENT • Emotion AI • Everyday AI • Conversational User Interfaces • Vibe Coding • Digital Dexterity • Generative AI • GenAI Virtual Assistants → https://www.gartner.com/en/newsroom/press-releases/2026-09-09-gartner-identifies-four-shifts-shaping-the-future-of-work

Сегодня вышел самый хитовый хит от Антона Коренека и Anthropic про экономику в 2030 году. Точнее про то, что с этой экономикой может сделать AI. Они собрали модель, которая показывает влияние AI на ВВП, зарплаты, занятость, безработицу и распределение доходов. 3 сценария: 1. Modest К 2030 году AI влияет только на 4% всех задач. В этих задачах производительность растёт примерно на 35%. Что происходит с экономикой: • ВВП на 1,6% выше сценария без AI • Темп роста ВВП — 2,4% вместо 2% • Средняя зарплата — +0,7% • Доля труда в доходах почти не меняется: 59,4% вместо 60% На рынке труда ничего драматического: занятость в cognitive jobs снижается на 0,5%, общая безработица растёт с 3,8% до 3,9%. 2. Substantial AI дизраптит 12% всех задач — это примерно 20% работы в когнитивных профессиях. Производительность на этих задачах растёт на 57%, три четверти приходится на полную автоматизацию. • ВВП — +8,3% • Темп роста ВВП — 5,4% вместо 2% • Средняя зарплата — +2,1% • Но зарплаты в cognitive jobs — −0,3% • Во всех остальных профессиях — +5,9% • Доля труда в экономике падает с 60% до 56,1% Занятость в когнитивных профессиях снижается на 3,9%. Безработица среди этих работников растёт с 2,9% до 4,5%, общая — до 4,6%. При этом занятость во всех остальных профессиях растёт на 4,6%. 3. Extreme К 2030 году AI затрагивает уже 30% всех задач — примерно половину работы, которую раньше делали cognitive workers. На этих задачах производительность растёт в 2 раза. 90% использования AI — автоматизация. Новых когнитивных задач для людей этот сценарий вообще не предполагает. • ВВП — +32,4% • Темп роста ВВП — 15,4% в год • Средняя зарплата — +9,7% • Но зарплаты cognitive workers — −11,5% • Зарплаты всех остальных — +33,6% • Занятость в cognitive jobs — −21,5% • Безработица среди cognitive workers — 17,9% • Общая безработица — 11,9% Доля труда в экономике падает с 60% до 45,2%, доля капитала растёт до 54,8%. Доход капитала оказывается на 81,4% выше сценария без AI. А совокупный доход работников — всего на 0,5% выше. При этом экономика растёт с огромной скоростью. Но одновременно резко сокращается спрос на knowledge work, растёт безработица, падают зарплаты внутри этой группы и огромная часть дохода уходит капиталистам. Anthropic опросили 10 980 американцев. Медианные ожидания оказались примерно на уровне второго сценария: ВВП к 2030 году примерно на 8–10% выше сценария без AI, безработица — около 5%. Примерно 10% респондентов ожидают развитие событий, близкое к extreme. Сделал нам аудио-саммари. → https://www.anthropic.com/institute/econ-scenarios

Вы наверняка могли пропустить. Но у Deloitte в августе вышел гайд про AI in workforce planning. И там есть несколько весьма неплохих слайдов. Сам пдф в комментариях.

Макс Родин готовит очередной Resonance. И я очень рекомендую вам обратить внимание на эту возможность. Возможность расширить свои границы осознавания и лидерских талантов. Я был в прошлом наборе. Мне очень понравилось. Делюсь этой рекомендацией с большим убеждением, что для кого-то Resonance может стать действительно важным и трансформирующим опытом. Тем более Макс очень классно ведёт группу. Будет и интересная теория, и неожиданная практика. Единственное, я бы рекомендовал хотя бы немного узнать про Теорию U. До конца сегодняшнего дня можно оплатить по early bird цене. Подробности тут.

Давно не было заметных ребрендингов в эйчартеке. Но вот 1 сентября Gusto показали свой новый образ — ещё неформальнее, ярче и креативнее. Перевёл несколько цитат из релиза:

Мы созданы для людей, достаточно смелых, чтобы начинать и развивать малый бизнес. Наши клиенты — это люди с идеями и стремлением создать что-то своё. Мы поддерживаем их на всех этапах, от индивидуальных предпринимателей до крупных компаний с десятками сотрудников, помогая с выплатами зарплаты и соблюдением законодательства.

Владельцев малого бизнеса часто изображают уставшими, перегруженными и нуждающимися в помощи. Или же их представляют как местных героев и организаторов сообществ. В этих историях есть доля правды. Однако мы каждый день видим и нечто другое: малые предприятия, которые принимают смелые решения, неустанно стремятся к своим целям и стойко переносят неудачи. Это сила, которая создает что-то из ничего. Мы хотели, чтобы наш бренд отражал это в нашем художественном оформлении.

Долгое время наш фирменный стиль был безопаснее: ясные, полезные и компетентные советы. Всё это по-прежнему актуально и важно сегодня. Но мы хотели, чтобы наш голос звучал энергичнее, и отражал амбиции, необходимые для создания и ведения малого бизнеса. Неуверенность — вот враг, против которого мы боремся: ощущение, что будущее вашего бизнеса вне вашей власти, что найм сотрудников, налоги и соблюдение нормативных требований слишком сложны, чтобы когда-либо чувствовать себя уверенно. Мужество — вот к чему мы стремимся: ощущение, что вы можете принимать смелые решения в своем бизнесе и доверять Gusto, который всегда рядом, чтобы помочь вам справиться со сложными задачами.

→ https://gusto.com/company-news/gusto-brand-refresh-2026

Где проходит граница? Посмотрите какая любопытная статья. Посвящённая одному из ключевых вопросов техно-трудовой повестки: на чём должна строиться методология определения границ между автоматическим и человеческим? Авторы предлагают три фактора, почему человек всё ещё важен и нужен в рабочем процессе, даже при таком интенсивном масштабировании возможностей AI: 1. Technical Человек приносит то, чего пока нет у AI: опыт, контекст, физическое восприятие и сложное движение, специфические способы мышления. Но мы также видим, что этот фактор очень подвижный. И напрямую зависит от развития технологии. Если AI научится воспроизводить нужную способность или получать тот же результат другим способом, человеческое участие можно убрать. 2. Normative Деятельность, где участие человека определяется нормативными атрибутами: ответственностью, отношениями, авторством, оценками. То есть здесь важно не то, может ли AI сделать работу, а какой социальный контекст и обязательства вокруг этой работы возникают. Соответственно, для полного цикла подобных задач у технологий должен быть социальный и этический статус. 3. Emergence Есть особый тип работы и задач, где невозможно заранее определить образ результата и критерии оценки. Они раскрываются в процессе, когда человек взаимодействует с промежуточными вариантами, прототипами и альтернативами. Это ключевая концепция статьи — идея Target Emergence. Где у человека ведущая роль. И её пока никак не автоматизировать. Target Emergence состоит из Revelation (определение цели), Refinement (уточнение и операционализация) и Constitution (переформулирование цели и критериев успеха). Вывод такой: машине можно доверить экзекьюшен, но создавать видение и цель — это прерогатива человека. В комментариях аудио-саммари и оригинал статьи. → https://arxiv.org/abs/2607.21547

Где проходит граница? Посмотрите какая интересная статья. Посвящённая одному из ключевых вопросов будущего работы: на чём должна строится методология определения границ между автоматическим и человеческим? Вот что они предлагают

U.S. Census Bureau выпустили огроменный репорт «An Aging World: 2025», в котором показали, как будет меняться возрастная структура населения в разных странах к 2060 году. И что это означает для экономики, рынка труда и социальной инфраструктуры. Собрал нам 4 ключевых диаграммы. PDF в комментариях.

Друзья, напоминаю, что на сайте the-future-of-work.ru можно посмотреть актуальные репорты и исследования. Вчера обновили данные за август. Это + 25 документов. На какие я бы обратил внимание в первую очередь: 1. Рынок искусственного интеллекта России (AIANA) 2. HR-тренды 2026 (Kept) 3. Трансформация профессиональных компетенций под влиянием ИИ: взгляд разработчиков (ВШЭ) 4. The state of AI in 2026: On the road to ROI (McKinsey) 5. AI-First Companies Win the Future (BCG)

Как оценить способность работать в неопределенности? Если для менеджера умением справляться с неопределенностью является одним из ключевых навыков, то как его можно было бы заранее оценить? Stanford d.school придумали опросник из 20 вопросов. 10 из них оценивают Ambiguity Attitude, и ещё 10 — Ambiguity Actions. Я эти вопросы перевёл и выложил пдф в комментариях. Кажется этим и правда можно пользоваться. По крайней мере для быстрой поверхностной оценки. Подробное описание теоретической основы и фреймворка можно прочитать в этой статье: «Assessing the ability to navigate ambiguity: An essential skill for imagining possible futures». Что там интересного? 1. Они выяснили, что можно уверенно чувствовать себя в неопределённости — и при этом не уметь с ней работать. И наоборот. То есть это два отдельных психологических свойства. Поэтому они и разделили опросник на Attitude и Actions. 2. Умение работать с неопределенностью можно тренировать. Оно опирается на две ключевых компетенции: Interpreting what is — эффективный анализ неполной информации и рапознавание неочевидных паттернов. Envisioning what could be — способность генерировать множество вариантов развития событий. Обратите внимание, что у d.school есть ещё целая Library of Ambiguity. Там есть что почитать.

8 главных навыков менеджера Всем понравился пост про сороколетнию карьеру. Но у Уилла Ларсона есть ещё неплохой текст, где он рассказывает про универсальные менеджерские навыки. Буквально рассказывает — у него на YouTube есть про это видео со слайдами. Саму презентацию я выложил в комментариях. Итак, что это за навыки: 1. Execution Способность доводить работу до результата. 2. Team Собирать сильную команду и формировать условия, в которых она может хорошо эффективно работать. 3. Ownership Брать ответственность за весь результат, а не только в рамках своей прямой зоны ответственности. 4. Alignment Выравниваться и договариваться с другими командами, руководством и стейкхолдерами. 5. Taste Понимать, как выглядит действительно качественный профессиональный результат. 6. Clarity Создавать ясность, прозрачные решения и понятные действия. 7. Navigating ambiguity Оставаться эффективным и устойчивым, даже когда полная неопределенность и никто не знает что делать. 8. Working across timescales Решать тактические задачи, но держать в голове длинный горизонт. → https://lethain.com/good-eng-mgmt-is-a-fad

А вот Билл Гейтс молодец! Всё расписал очень достойно и содержательно. Выделил нам ключевые идеи: 1. AI может как сильно улучшить нашу жизнь, так и увеличить неравенство. Но хороший сценарий сам по себе не воплотится. Надо всем профессиональным сообществом сфокусироваться и спроектировать этот переход. 2. Рабочих мест станет значительно меньше, чем сегодня. А исторические аналогии с предыдущими технологическими революциями, когда взамен исчезнувшей работе появлялась новая — ошибочны. 3. Проблемой станет не только потеря дохода: профессия даёт людям статус, социальные связи, ощущение собственной полезности и контроля над жизнью, и это невозможно полностью компенсировать деньгами. 4. Доверять институциональные решения самим AI-компаниям нельзя — у них нет ни нужной экспертизы, ни права самостоятельно определять, как общество должно адаптироваться к технологии. 5. Какую-то работу надо заранее зарезервировать за людьми. Даже когда AI научится делать её лучше, дешевле и эффективнее — Гейтс называет это «Human Reserved». 6. «Human Reserved» не обязательно должно реализовываться через полный запрет на автоматизацию: где-то её нужно будет замедлить, где-то сохранить часть задач только для людей, а где-то проектировать «AI-augmentation». 7. Эффективность не может быть единственным критерием целесообразности: если AI действительно сильно увеличит производительность, настолько, что мы явно почувствуем экономический эффект — часть этих денег можно тратить на сохранение человеческой работы. 8. Налоговая система будет подталкивать бизнес заменять людей на AI, поэтому пора начать всерьез обсуждать налоги на роботов и токены. И направлять эти деньги на переобучение и поддержку тех, кто потеряет работу. 9. Конъюнктура будет ускорять автоматизацию: как только одна компания сможет с помощью AI заметно снизить издержки, её конкурентам придётся делать то же самое. Поэтому рассчитывать, что переход естественным образом растянется на десятилетия, не приходится. В комментариях пдф с переводом всего текста. → https://www.gatesnotes.com/home/home-page-topic/reader/a-turbulent-ai-era-and-critical-choices-to-make

Марк Цукерберг не понимает как жить Если помните, три недели назад делал нам дайджест манифестирующих высказываний про AI, и там первой в списке была попытка Марка Цукерберга отыграть роль большого визионера — и его The AI Future Is for Everyone. Попытка, на мой взгляд, слабая и невнятная. В очередной раз мы убедились, что Цукерберг весьма посредственный визионер и коммуникатор. Текст очень многословный. Заряженный оптимистичным порывом. Но абсолютно пустой и плоский. Что хорошо видно по его расфокусированности и широте замаха.

We propose a philosophy based on individual empowerment as the source of prosperity, invention as the primary purpose of superintelligence, and balance of power as the foundation of safety.

Что особенно удивительно, учитывая количество денег и возможность нанять лучших людей и агентства, которые помогут тебе правильно сформулировать и упаковать позицию. Но, видимо, не в этот раз. Так вот. На The Verge вышла статья с весьма говорящим названием. Автор последовательно докапывается до главной проблемы всего манифеста Цукерберга. И она даже не в помешательстве вокруг AI. А в очень бедном и ограниченном представлении, что вообще такое процветание и хорошая жизнь. Из чего там складывается критика: 1. Цукерберг путает хорошую жизнь с эффективной жизнью В его мире AI помогает нам быстрее достигать целей, больше создавать, больше знать, создавать бизнесы, лучше управлять здоровьем, карьерой и отношениями. Это то, чего нам сейчас не хватает? И что сделает нашу жизнь принципиально лучше? 2. Он так же неправильно понимает суть творчества Он обещает каждому «incredible tools for creation». Но способность мгновенно получить изображение или видео не равна креативности. Значительная часть ценности творчества в освоении ремесла, развитии вкуса, ошибках и экспериментах, в уникальном способе видеть мир. 3. Цукерберг не очень понимает природу глубоких человеческих отношений Он обещает AI, который будет помогать нам «improve relationships». Но отношения состоят из внимания, заботы, времени и усилий, которые мы направляем на другого человека. Это не лучший объект для оптимизации. Показательный пример с его дочерью. Цукерберг рассказывает, как использовал AI, чтобы подобрать рецепт для совместной выпечки. Но ведь придумать, что приготовить, вспомнить что любит твоя дочь, выбрать рецепт, ошибиться и вместе испортить пирог — в этом вся суть. Короче говоря, статья хорошая. Там ещё много интересных наблюдений. В комментариях перевод. Тем более по ссылке она под пейволлом. → https://www.theverge.com/ai-artificial-intelligence/977623/mark-zuckerberg-ai-manifesto-dim-vision

AI автоматизирует вашу работу — но не мою Behavioural Insights Team опросила 3500 работающих британцев на тему того, как они оценивают риски автоматизации своей профессии, и профессии других людей. 43% опрошенных считают, что в ближайшие 10 лет AI сможет выполнять большинство задач в работе других людей. Однако, когда речь заходит об их собственной работе, этот показатель падает до 35%. Что особенно интересно: молодые специалисты, люди с высшим образованием, высокооплачиваемые сотрудники, работающие в офисах, демонстрируют наибольшую уверенность в том, что AI справится с их задачами. У этих групп также минимальный разрыв между оценкой своей и чужой работы. И у них же самая высокая частота регулярного использования AI-инструментов. Считается, что наиболее подвержены автоматизации те виды профессий, которые основаны на понятных процедурах, в то время как работа, которую сложно формализовать, скорее всего, будет дольше сопротивляться автоматизации. Так вот, люди, чья работа в основном состоит из выполнения повторяющихся процедур, оценивали риски автоматизации своей профессии ничуть не выше, чем те, чья работа не привязана к явным инструкциям и регламентам. → https://www.bi.team/blogs/the-perception-gap-ai-can-do-your-job-not-mine/