Мантра «нам обязательно нужны живые эксперты, чтобы проверять результаты за нейросетями» звучит солидно, успокаивающе и абсолютно самоубийственно для бизнеса. Она так приятно ложится на слух совета директоров, что никто не замечает одной детали: компании, которые сегодня строят свои процессы вокруг этого постулата, прямо сейчас уверенно покупают себе билет в глубокую экономическую пропасть. С красивым обоснованием, с презентацией на двадцать слайдов, с одобрением всех сеньоров — и в пропасть.
Экономика не спрашивает, что вы думаете о себе
Экономика новых технологий беспощадна, и сейчас она ломает привычный корпоративный снобизм через колено. Парадокс текущего момента вот в чём: главными драйверами ИИ-революции становятся не технологические гиганты с армиями сеньоров, а те, у кого инхаус-экспертизы нет вообще. Голодные, агрессивные игроки, которым раньше был закрыт доступ к дорогим мозгам.
И дело не в самом факте, что у кого-то нет экспертов. Дело в том, что из этого следует. Именно эти компании «без бэкграунда» сейчас вливают реальные деньги во внедрение ИИ — не в пилоты для галочки, а в боевые процессы. Для них нейросеть — не стажёр, за которым нужно с лупой проверять каждую запятую, и не продвинутый автокомплит для усталого мидла. Это единственный способ выжить, перепрыгнуть через ступеньку и масштабироваться. У них просто нет той самой дорогой экспертизы, которую можно было бы поставить надсмотрщиком. И это оказывается не слабостью, а преимуществом.
Они не могут позволить себе роскошь ручной верификации каждого чиха. Поэтому они вынуждены сразу строить системы, где ИИ работает, тестируется и деплоится в автономном режиме. Они набивают шишки, роняют прод, огребают — но стремительно формируют новую норму рынка, пока остальные совещаются.
Что в это время делают владельцы «человеческой экспертизы»
Те, у кого есть целые отделы пресловутой «человеческой экспертизы», тешат своё эго.
Их высокооплачиваемые специалисты относятся к ИИ со снисхождением — как мастер старой школы к станку с ЧПУ, который «всё равно надо перепроверить руками». И вот здесь зарыта экономическая мина, которую они не видят в упор. Процесс постоянного согласования и верификации убивает главное преимущество нейросетей — экстремальную скорость и нулевую стоимость масштабирования результата. Скорость работы ИИ искусственно замедляется до скорости самого медленного проверяющего эксперта.
Вдумайтесь в это как в формулу, а не как в лозунг. У нейросети маржинальная стоимость следующей единицы работы стремится к нулю: сгенерировать один отчёт или тысячу — по затратам почти одно и то же. Как только вы ставите на выходе человека с красной ручкой, вы берёте этот ноль и умножаете его обратно на часовую ставку сеньора. Нулевая стоимость масштабирования превращается в линейную — ровно такую же, какая у вас была до всякого ИИ. Вы купили ракету и привязали её к телеге, потому что телегу вы понимаете, а ракету страшно.
Тихая стагнация под видом ответственности
В итоге такие компании обрекают себя на тихую, комфортную стагнацию. Снаружи всё прилично: ИИ «внедряют», бюджеты осваивают, в отчётах галочки. Внутри — ничего не меняется. Они так и не наберут реальной, грязной практики масштабной автоматизации. Той самой, где ты роняешь систему, разбираешь завал, строишь обвязку, учишься доверять машине в проде. Они не освоят инструмент на уровне архитектуры, потому что будут использовать его лишь как подпорку для привычных ручных процессов.
Хуже того, этот подход генерирует чудовищный бас-фактор. Бизнес, уверенный, что его спасают «кожаные эксперты», становится тотально от них зависим. Убери такого специалиста из цепочки — и процесс рухнет. Не потому что задачу нельзя автоматизировать, а потому что компания не научилась делегировать принятие решений алгоритмам. Она научилась только делегировать алгоритмам черновики. Решение по-прежнему принимает человек, а значит, вся ценность по-прежнему заперта в человеке. Вы думали, что строите процесс, а построили зависимость от конкретных людей, которых перекупят или которые выгорят.
Как выглядит то, что реально масштабируется
А теперь посмотрите, на что похож масштаб, когда ручная верификация каждого шага физически невозможна — и это не теория.
Релизы, которые ехали месяцами, начинают выкатываться за недели. Дефекты падают с пяти-десяти в день до меньше чем пяти в неделю — не потому что кто-то их тщательнее вылавливает руками, а потому что их ловит система: тесты, пайплайны, автоматические гейты. Revenue растёт на десятки процентов год к году. Это не эффект армии проверяющих — это эффект того, что контроль встроен в систему, а не навешан человеком на выходе.
Когда у вас сорок с лишним сервисов и двадцать с лишним команд в контуре на сотни миллионов долларов, у вас просто нет варианта «посадить эксперта проверять каждый шаг». Либо контроль живёт в архитектуре — в тестах, инвариантах, автоматических проверках, — либо его нет. Машинное обучение крутится в проде на сотнях миллионов профилей не потому, что кто-то отсматривает каждое предсказание, а потому что система спроектирована работать без ручного надсмотрщика.
Контрольный выстрел в сам постулат. Тезис «человек обязан проверять за машиной» — это не закон природы, а организационная привычка. Верификация сама автоматизируема: model-as-a-judge, когда одна модель проверяет выход другой по заданным критериям, — рабочая, обкатанная практика. «Надо проверять» не означает «надо, чтобы проверял человек». А к маю 2026 больше восьмидесяти процентов кода в прод-кодбазе Anthropic авторствует Claude. Автономное авторство в проде — уже не смелый эксперимент, а норма у тех, кто делает сам ИИ.
Побеждает тот, кто быстрее бежит, а не тот, кто идеально страхует
Выигрывает не тот, кто идеально страхует риски, а тот, кто быстрее бежит и адаптируется к хаосу. Рынок не выдаёт приз за самую аккуратную должностную инструкцию. Он выдаёт его за скорость и за стоимость масштабирования — а обе эти метрики верификационный слой убивает первыми.
Те, кто сегодня бросает ИИ на передовую без подушки безопасности в виде человеческого надсмотрщика с красной ручкой, заберут этот рынок. Не потому что они храбрее, а потому что их экономика сходится, а у осторожных — нет. Ставить нужно именно на них, а не на тех, кто пытается загнать будущее в рамки своих устаревших должностных инструкций.
Разница между тем, кто строит систему, и тем, кто греет кресло
Из этого есть абсолютно практический вывод, и он не про «увольте всех экспертов». Он про то, куда эксперт встаёт в системе.
Есть два принципиально разных места. Первое — человек-надсмотрщик, который сидит в конце конвейера с красной ручкой и перепроверяет за машиной. Он — узкое горло, он — бас-фактор, он — множитель, который возвращает нулевую стоимость масштабирования обратно в линейную. Второе — архитектор, который строит систему из людей и агентов и делегирует алгоритмам само принятие решений, а не только черновики. Он встраивает контроль в архитектуру: тесты, инварианты, автоматические судьи, гейты. И первым делом он вынимает из цепочки верификации самого себя — потому что понимает, что любой человек на критическом пути это и есть тот самый бас-фактор, который он обязан устранить.
Разница между этими двумя — это разница между компанией, которая масштабируется, и компанией, которая тихо стагнирует с полным штатом очень дорогих, очень уважаемых людей.
Когда в следующий раз услышите солидное «нам нужны живые эксперты, чтобы проверять за нейросетями» — переведите это на язык экономики. Это значит: «мы добровольно замедляем машину до скорости своего самого медленного сотрудника, возвращаем себе линейную стоимость масштабирования и строим бизнес, который рухнет, если из него вынуть пару человек». Вы собираетесь строить систему или зависимость?