ИИ меняет не только набор рабочих инструментов. Он перестраивает саму логику вычислений, управления и создания ценности.
Раньше человек писал точные инструкции для машины. Теперь машина всё чаще понимает намерение, работает с контекстом и сама подбирает способ решения задачи. Это меняет роль программистов, руководителей, экспертов и целых компаний.
В разговоре с главой NVIDIA Дженсеном Хуангом хорошо видна главная мысль: эпоха ИИ требует не просто внедрять новые сервисы, а переосмысливать, как компания думает, принимает решения, хранит опыт и использует знания.
Тезисы
1. Вычисления переходят от инструкций к намерениям
Классическое программирование строилось на явных командах. Человек описывал алгоритм, а компьютер его выполнял.
ИИ меняет эту модель. Теперь человек формулирует намерение: что нужно получить, какой результат важен, какие ограничения учитывать. Система сама подбирает путь к ответу.
Это сдвигает ценность с написания кода на постановку задач. Важнее становится не синтаксис, а понимание предметной области, контекста и цели.
2. ИИ перестраивает весь технологический стек
ИИ влияет не только на интерфейсы и чат-ботов. Меняются все слои ИТ-архитектуры:
- вычисления;
- хранение данных;
- сети;
- безопасность;
- корпоративные приложения;
- процессы принятия решений.
Компаниям недостаточно «подключить ИИ». Нужно понять, где именно он меняет модель работы, какие данные ему нужны и какие процессы должны стать интеллектуальными.
3. ИИ-фабрики становятся новой инфраструктурой бизнеса
В старой модели компания извлекала готовый результат из заранее написанного кода. В новой модели результат генерируется под конкретный запрос.
ИИ-фабрика — это инфраструктура, которая превращает данные, контекст и вычислительные мощности в уникальные ответы, решения и действия.
По сути, компания получает не просто автоматизацию, а новый производственный контур. Он производит не товары и не документы, а интеллект.
4. Внедрение ИИ не стоит начинать с точного ROI
На раннем этапе сложно заранее посчитать отдачу от ИИ. Слишком много неопределённости: меняются задачи, инструменты, скорость работы и сама структура процессов.
Поэтому Хуанг предлагает другой подход: сначала определить самую важную работу компании. Затем понять, как ИИ может усилить именно её.
Практичный вывод: не начинать с вопроса «сколько мы сэкономим», а начать с вопроса «какая работа для нас критична и как ИИ может сделать её сильнее».
5. Компании нужен режим управляемых экспериментов
Подход «пусть расцветают тысячи цветов» означает: сотрудникам нужно разрешить пробовать ИИ в разных задачах без сложного согласования и преждевременных доказательств эффективности.
Но эксперименты не должны быть хаосом. Их нужно собирать, сравнивать и курировать. Лучшие практики стоит превращать в стандарты, шаблоны и корпоративные инструменты.
Так компания быстрее находит реальные сценарии пользы.
6. ИИ должен быть внутри контура компании
Если сотрудники просто используют внешние ИИ-сервисы, компания может не накапливать опыт. Знания остаются в отдельных диалогах, личных аккаунтах и разрозненных файлах.
Более сильная модель — когда ИИ встроен в корпоративный контур:
- работает с внутренними знаниями;
- учитывает контекст компании;
- сохраняет лучшие решения;
- помогает превращать опыт в интеллектуальную собственность.
В такой модели ИИ становится частью организационной памяти.
7. Стоимость интеллекта резко снижается
Хуанг сравнивает привычное ускорение технологий с новым масштабом ИИ. Закон Мура давал кратный рост за годы. ИИ-инфраструктура способна снижать стоимость интеллектуальной работы гораздо быстрее.
Это меняет управленческое мышление. Если раньше задача казалась слишком дорогой, долгой или сложной, теперь её можно переоценить.
Главный вопрос: как бы мы решали проблему, если бы стоимость анализа, генерации и проверки резко снизилась?
8. Нужно мыслить не ограничениями, а изобилием
ИИ подталкивает к мышлению изобилия. Вместо того чтобы оптимизировать маленький участок процесса, можно пересобрать весь процесс.
Пример такого мышления:
- не «как ускорить подготовку отчёта на 20%», а «как получать управленческую картину в реальном времени»;
- не «как написать больше текстов», а «как построить систему знаний, которая сама помогает создавать материалы»;
- не «как заменить сотрудника», а «как усилить эксперта цифровым помощником».
9. AI-агенты будут использовать существующие инструменты
ИИ не обязан заменять все корпоративные системы. Более реалистичный сценарий — агенты будут работать поверх уже существующих инструментов: CRM, ERP, ITSM, CAD, BI, таск-трекеров и баз знаний.
Это похоже на универсального робота, который не изобретает отвёртку заново, а берёт готовый инструмент и применяет его по назначению.
Для бизнеса это означает: ценность будет в связке ИИ, данных, процессов и уже внедрённых систем.
10. Следующий этап — физический ИИ
LLM хорошо работают с языком, но слабо понимают физический мир: причинность, движение, контакт, гравитацию, последствия действий.
Поэтому следующий крупный этап — физический ИИ. Это роботы, беспилотный транспорт, производственные системы и другие формы цифрового труда, которые действуют в реальном мире.
Если цифровой труд станет массовым, рынок может оказаться значительно больше классической ИТ-индустрии.
Выводы
ИИ — это не отдельный инструмент для повышения продуктивности. Это новая вычислительная парадигма.
Для компаний ключевой вопрос уже не в том, «использовать ИИ или нет». Вопрос в другом: где ИИ должен стать частью основного производственного, управленческого и интеллектуального контура.
Главные практические выводы:
- начинать не с ROI, а с самой важной работы компании;
- разрешать эксперименты, но собирать и масштабировать лучшие практики;
- встраивать ИИ во внутренний контур знаний и процессов;
- развивать экспертизу в предметной области, потому что намерение становится важнее реализации;
- пересматривать ограничения: многие задачи становятся дешевле, быстрее и масштабнее.
ИИ усиливает тех, кто умеет задавать правильные вопросы, видеть систему целиком и превращать опыт в повторяемые решения.
