ΔКонспект · 02 из 04
Итан Моллик, профессор Wharton. Оригинал: «The twilight of the chatbots», рассылка One Useful Thing, 30 июня 2026.
Самый свежий из четырёх текстов и самый точный ответ на вопрос «где технология сейчас». Моллик показывает, что рост способностей ИИ измерен, а не почувствован, и объясняет, почему это меняет сам способ работы: от разговора с чат-ботом к управлению агентами.
Ниже — пересказ своими словами с сокращениями. Полный текст, графики и интерактивные примеры — у автора.
Если кажется, что в ИИ всё ускоряется, это не кажется. Новые модели выходят чаще, чем когда-либо, но дело не только в частоте релизов: растёт и темп прироста способностей. Моллик опирается на три независимых измерения того, сколько человеческой работы ИИ выполняет с одного запроса: оценки исследовательской группы METR, британского государственного института безопасности ИИ и тест GDPval, где результаты ИИ сравнивают с работой экспертов-людей по оценкам профессиональных судей. Все три кривые растут быстрее экспоненты.
Примеры, которые он приводит: по данным организации Epoch, одна из передовых моделей за 14 часов автономной работы собрала программный пакет, на который у инженеров ушло бы от двух до семнадцати недель, и это стоило около 250 долларов. В собственных опытах автора модель девять часов без вмешательства вела сложный проект, на который команде нужно было бы больше недели. Оговорка важна: ИИ по-прежнему проходит не любой тест, бывает недёшев в работе, а граница его способностей остаётся рваной: в одних задачах он силён, в соседних слаб.
На переднем крае три американские компании с закрытыми моделями. За ними, с отставанием в полгода-год, идут открытые модели, почти все китайские: их можно свободно использовать и дорабатывать, поэтому они дёшевы в эксплуатации. Они тоже движутся по своей экспоненте, чуть ниже. Но графики скрывают две вещи: насколько рваная граница у любой модели и что открытые модели не всегда показывают в деле то, что обещают их результаты в тестах.
Отсюда практическое правило автора: чтобы понять, что ИИ умеет, нужно пробовать его на своих сценариях и строго оценивать результат. Он сам для этого дал нескольким моделям одно и то же творческое задание (собрать интерактивную симуляцию развивающейся гавани) и показывает, насколько по-разному они подходят к дизайну, стилю и даже суждениям. Чем длиннее задачи, которые доверяют ИИ, тем важнее эти качества, которые бенчмарком не измерить.
До недавнего времени главный способ работать с ИИ Моллик называл со-интеллектом: просишь сделать шаг, проверяешь, просишь следующий. Внимательными запросами и человеческим контролем так можно было вести сложные и долгие задачи. Этот способ никуда не делся, но ценную работу всё чаще делают иначе: долгие, умные, самокорректирующиеся системы не нуждаются в постоянном вмешательстве и требуют другого стиля работы. У агентов, в отличие от чат-ботов, есть обвязка: доступ к инструментам, среда, в которой они действуют, и приложения, построенные специально под них. Хорошая обвязка дополнительно усиливает и без того растущие способности модели.
Поэтому работа всё больше состоит из раздачи заданий агентам, а не совместной работы с чат-ботом. Совместное исследование OpenAI и экономистов показывает, как быстро это происходит внутри самой компании: агентами пользуются не только программисты, а юристы, HR и другие нетехнические функции почти с той же скоростью. У четверти сотрудников каждую неделю одновременно работают не меньше четырёх агентов. OpenAI здесь — ранний сигнал того, что ждёт остальных.
Когда код пишут агенты в специализированных средах, программистами становятся люди из других ролей, и у них получается. Отдельное исследование пользователей Claude Code показало: доля успеха у инженеров и у представителей других профессий на задачах с кодом была примерно одинаковой. Значение имела не профессия, а опыт в предметной области: чем больше человек понимал в своей сфере, тем успешнее применял агента и тем больше полезного получал с каждого запроса.
Вывод автора: мы переходим из мира, где неэксперты латали чат-ботами свои пробелы, в мир, где эксперты делают работу агентами. И лучший способ работать с агентами — думать о себе как о менеджере.
На экспоненте каждый следующий шаг за равный срок больше предыдущего. Если план по ИИ в вашей компании написан до зимы 2025 года, он описывает систему, которая делала пару часов работы с заметной долей ошибок. Через несколько месяцев с одного запроса можно получить шестнадцать и больше часов работы. Поэтому ИИ ощущается серией рывков, хотя на графике это ровная кривая: мы плохо чувствуем экспоненту изнутри, а находимся именно внутри неё.
Этим же автор объясняет турбулентность вокруг ИИ лучше, чем привычными разговорами о хайпе. ИИ не представляет реальной угрозы в кибербезопасности, пока вдруг не начинает представлять, и регуляторы импровизируют. Рынки не верят, что ИИ подорвёт бизнес-модель, пока он вдруг не оказывается на это способен, и акции качает. Такие рывки читают как признак незрелой отрасли, которая успокоится. Моллик думает иначе: нестабильность — это то, что происходит, когда институты, движущиеся со скоростью людей (а чаще комитетов), пытаются угнаться за кривой, у которой нет ничего человеческого. И пока экспонента длится, разрыв только растёт.