Глава 1 · ПОПУЛЯРНЫЙ — Ильяхов, без жаргона

Последний рабочий день Галины Сергеевны в страховой компании прошёл буднично. Двадцать два года она оценивала пограничные заявки — те, что не прошли автомат и попали к живому человеку. Тридцать секунд на заявку, иногда минута. Она смотрела на цифры, которые формально сходились, и говорила «нет», и почти всегда оказывалась права. Спросите её, как — пожмёт плечами. «Чувствуется. Слишком ровно всё, так не бывает». Перед уходом её попросили написать регламент. Она написала: четыре страницы, восемь пунктов, всё разумно. Молодые андеррайтеры читают эти четыре страницы до сих пор. И всё равно пропускают то, что Галина Сергеевна ловила за минуту, — потому что в регламент попали восемь очевидных пунктов, а двадцать тонких, которые срабатывали у неё сами и которых она за собой не замечала, остались в ней и ушли вместе с ней. [scene/I]

(Галина Сергеевна — типаж, не конкретное лицо: так выглядит уход носителя компетенции в сотнях фирм сразу. Виктор Палыч из пролога слышал подшипник раньше прибора; она видела суть заявки быстрее, чем любая программа оценки. Механика у потери одна.) [scene/I]

В тот день компания потеряла не сотрудника. Она потеряла способность. И здесь вопрос, который отделяет старый порядок от нового: а можно ли было эту способность не потерять? Не «записать получше» — записать пробовали, получились четыре страницы. А вынуть её из головы целиком и оставить в компании работающей, когда голова ушла на пенсию.

Тезис этой главы: можно. Способность фирмы можно вынуть из неявной компетенции в человеке и переложить в исполняемый артефакт, который остаётся, когда человек уходит. Компетенция уходит с носителем. Артефакт остаётся. Вся глава — про то, чем артефакт отличается от очередных четырёх страниц регламента, и почему то, что не получалось десятилетиями, начало получаться сейчас.

Проверяет это вопрос, который я задал у стенда Виктора Палыча: что произойдёт, если носитель компетенции исчезнет завтра? В прологе он отделял мёртвое знание от живой способности. Здесь, на уровне фирмы, он отделяет тех, кто теряет способность при каждом увольнении, от тех, кто её копит. Ответ «у нас всё записано» оставляет вас с документацией, которая по-прежнему ждёт человека, готового прочитать её правильно. Ответ «процесс исполняется сам, а человек проверяет результаты» — с артефактом. Я возвращаюсь к этому тесту в конце главы как к практике. [scene/I]

Сублимация: дом всей книги

У этого процесса есть имя. В прологе я назвал его сублимацией компетенции — здесь это понятие обретает полную форму, а остальные главы просто достраивают этажи.

Метафора рабочая, и стоит развернуть её до конца. В химии сублимация — переход вещества из твёрдого состояния сразу в газообразное, минуя жидкое. Сухой лёд не тает в лужу — он испаряется. У этого перехода три свойства, на которых держится вся модель.

Первое: твёрдое становится газом. Знание, запертое в одной голове, похоже на твёрдое тело — его не передать, не скопировать, оно занимает ровно один объём: своего носителя. На выходе сублимации оно газообразно: течёт, заполняет любой контур, копируется без потерь, её можно раздать сразу сотне сотрудников.

Второе: минуя жидкое. Старый путь шёл через «жидкую» стадию — долгое переписывание опыта в инструкции, правила и внутренние базы знаний. Те самые четыре страницы Галины Сергеевны. Эта стадия была узким горлом десятилетиями. Сублимация её перепрыгивает: знание уходит из головы прямо в работающую форму, не застывая по дороге в текст, который всё равно надо кому-то прочитать и истолковать.

Третье, и самое неудобное: обратной кристаллизации нет. Газ не собирается обратно в исходный кристалл сам по себе. Вынув способность в артефакт и убрав носителя, вы не вернёте её в голову прежней. Если копия снята криво, а оригинал уже ушёл на пенсию — переконденсировать не из чего. Отсюда вся дисциплина последовательности в этой книге: сначала сними копию, проверь её на реальных случаях, и только потом отпускай носителя. Перепутал порядок — потерял вещество.

То, что осаждается на выходе, я называю артефактом — и путаницу надо снять сразу, иначе остаток книги не сложится. Артефакт — не текстовый файл с заметками, не страница в корпоративной вики. Это работающая, хранимая, проверяемая единица способности: то, что само делает работу, а не описывает, как её делать. Форм у него много — от простого записанного навыка до самостоятельной программы с инструментами и встроенными проверками. Всю техническую карту (какие бывают виды артефактов, как они устроены) я разворачиваю в третьей главе; тащить её сюда — значит утопить главную мысль в деталях на третьей странице. Здесь важна сама граница.

Разница принципиальная, не словесная. Инструкция в корпоративной базе знаний описывает, как надо делать. Артефакт делает. Инструкцию нужно прочитать, понять, применить — то есть снова прогнать через человеческую компетенцию, которая как раз и есть тот самый дефицитный, уходящий с человеком ресурс. Артефакт работает сам. Страница «как старший андеррайтер оценивает пограничную заявку» — это по-прежнему запертое знание: носитель просто переехал с человека на текст, но кто-то всё равно должен этот текст прочитать, верно истолковать и применить с тем же чутьём. Записанный навык, который оценивает заявку, — это сама способность, вынутая наружу и сделанная воспроизводимой. Текст ждёт читателя. Артефакт не ждёт никого.

Большинство компаний, объявивших «у нас есть база знаний», сидят на кладбище мёртвого знания. Документы есть, способность — в головах, и это не вина авторов документации. Это свойство текста-инструкции: он переносит описание знания, но не само знание. Артефакт впервые переносит знание целиком, потому что больше не нуждается в человеке-интерпретаторе между описанием и действием.

Почему документация не работала, а это работает

У проблемы давно есть теория. Несколько десятилетий организационные мыслители опирались на модель SECI Нонаки и Такеучи (опубликована в 1995-м) [H]: четыре способа, которыми знание переходит между людьми — социализация, экстернализация, комбинация, интернализация. Узкое место всегда было одно: переход от социализации (передача знания через наблюдение и наставничество — как ученик смотрит на мастера) к экстернализации (перевод этого знания в ясные, структурированные документы). Он чудовищно медленный, и большая часть практического знания — профессиональных хитростей и быстрых догадок инженера, медсестры, механика, андеррайтера — так и оставалась ненаписанной. Это и есть та «жидкая» стадия из метафоры, в которой вещество застревало.

Почему застревало? Дело не в лени и не в нехватке часов — тут работает парадокс эксперта. Он не может проговорить, как принимает решение, но прекрасно объясняет своё рассуждение, когда сталкивается с конкретной живой ситуацией. Знание у него не в форме лекции, а в форме реакции. Попросите носителя написать инструкцию «как понять, что узел скоро сдаст» — он выдаст десять очевидных пунктов и забудет двадцать тонких, которые срабатывают автоматически и которые сам не осознаёт как знание. Восемь пунктов Галины Сергеевны против её же двадцати двух лет. Поставьте её к реальной заявке — назовёт причину за минуту. Старый подход требовал от эксперта именно того, что у него выходит хуже всего: объяснить и разложить по полочкам своё чутьё заранее, в отрыве от ситуации.

Неудивительно, что знание не вытекало наружу.

Генеративный ИИ — языковые модели, которые умеют работать с неполными, разрозненными фрагментами текста и речи — снимает это узкое место, потому что больше не требует законченного мануала. Хватает обрывков: голосовых записей, кратких сообщений, фотографий того, что человек в поле почувствовал, сделал или подумал. Раньше эти обрывки были бесполезны — в стройную базу знаний их не собрать. Теперь модель работает интерпретатором, который переваривает неполные фрагменты и синтезирует рабочую логику на лету.

Отсюда рабочий способ сублимации. Способность не программируется целиком заранее — она выращивается. Эксперт просто работает и комментирует, а его рассуждение постепенно накапливается и оседает в артефакт через регулярное собирание этих диалогов — без составления сложного плана разработки. Это и есть та самая экстернализация из SECI, только наконец дешёвая: узкое место, державшее теорию бесполезной десятилетиями, снято. И это уже описанная инженерия, не футурология. У неё есть прямой исторический прецедент: до 1980-х тонкий ручной навык чертёжника — работа с компасом, рейсшиной, выверенное стирание — был обязательной компетенцией; программы автоматизированного проектирования (CAD) сублимировали его в компьютерный инструмент навсегда. Разница в том, что CAD пришлось программировать годами, а записанный навык выращивается из рабочего диалога за недели. [H]

Артефакт — это кирпичик, а не «большой текст-инструкция»

Если артефакт — носитель способности, от его формы зависит всё. И здесь главная ошибка ранних попыток применить ИИ в компаниях: путаница авторства знания с написанием длинного текста-инструкции для ИИ. Из неё рождаются громоздкие монолиты, которые в одном файле пытаются задать сразу и характер агента, и базу знаний, и правила работы с инструментами, и формат ответа. Такие конструкции хрупки, плохо обновляются, не собираются вместе с другими и разваливаются при многошаговых задачах.

Артефакт надо строить как примитив — простой кирпичик: отдельный, хранимый в разных версиях, с одной конкретной ответственностью. Существительные для агентов (самостоятельных программ), глаголы для навыков (отдельных действий): Compliance_Auditor как агент, parse_sec_filing как навык разбора документа; всё упаковано так, чтобы управляющая программа не знала, что происходит внутри каждого навыка. [term/I] Звучит как занудство перфекциониста про именование файлов — но за ней экономическая разница. Артефакт-примитив переживает обновление модели под ним, объединяется с другими и накапливается как капитал. Монолитный текст-инструкция нет: рассыпается при первом изменении модели или процесса.

И есть следствие, которое легко проглядеть. Накопление отдельных записанных навыков создаёт переносимый класс цифровых активов. Нанимающие менеджеры уже начинают предпочитать кандидатов с готовыми наборами собственных агентов, навыков и правил — так же, как подмастерье собирал набор физических инструментов. Артефакт перестаёт быть служебным файлом и становится частью профессионального капитала. Здесь проступает главный конфликт всей модели: если способность стала переносимым активом, чьим активом она окажется — компании или человека? К собственности на артефакт, к тому, кому он в итоге принадлежит (эксперту, фирме, магазину готовых навыков или технологическому гиганту), я возвращаюсь в пятой главе. [cross_refs: ch05]

Сублимация — это не «построил и забыл»

Здесь нужна оговорка, иначе идея выродится в новую форму магического мышления. Артефакт не вечен. Записанный навык, построенный полгода назад, тихо деградирует: меняется модель под ним, меняется реальность вокруг, копятся редкие случаи, которые он не умеет разбирать. Если за ним не следить, через несколько месяцев он превращается в чёрный ящик, которому оператор начинает доверять как оракулу.

Лекарство в профессиональном сообществе называют прямо: относиться к агентам как к боевым системам в реальных условиях, а не к умным стажёрам — с чёткими показателями успеха на каждом шаге, с журналом действий, с ограниченными правами и непрерывной проверкой (Adnan Masood, «Eval-Driven Development», 2026) [E*]. Стажёру вы прощаете промах и объясняете заново. Боевую систему вы следите по показателям, фиксируете версии и откатываете при проблеме. Это разные дисциплины, и выбор между ними определяет, актив у вас или пассив. Деградацию артефакта, накопленные проблемы автоматизации и уязвимости в экосистеме записанных навыков — я разбираю в десятой главе; там числа. [cross_refs: ch10]

И есть ещё один способ потерять способность — он бьёт даже тех, кто правильно ведёт историю версий: потеря навыков у самого человека-проверяющего. Чем больше делает ИИ, тем слабее оператор без машины — а именно на него ложится ответственность вмешаться в аномальном случае. Рандомизированный эксперимент METR 2025 года показал: опытные разработчики ощущали себя на 20% быстрее, тогда как реально работали на 19% медленнее [E]. Этот результат я разбираю в десятой главе как центральный контраргумент всей модели. Здесь помечаю одно: вынуть знание наружу — не то же самое, что сохранить способность его проверять.

Сублимация, а не замена — почему я держу это как условие, а не как победу

Теперь главное различие, ради которого я выбрал слово «сублимация».

Соблазн прочитать всё сказанное как «значит, людей можно уволить» — огромен, и у этого соблазна громкие защитники. Их лозунг звучит почти разумно: «докажи, что задачу нельзя сделать через ИИ, прежде чем нанимать человека». Разбираю его по существу в седьмой главе, где у занятости появляются числа. [cross_refs: ch07]

Цифры рынка труда поначалу будто подтверждают правоту замены: начинающих специалистов всё чаще не нанимают, потому что артефакт остаётся, а новичок на входе больше не нужен. Но «заменить целиком носителя суждения» — другая операция, и данные по ней указывают в обратную сторону. Самый внятный живой кейс — Klarna: около 700 ИИ-агентов (программ, которые сами вели клиентские обращения), публичный триумф «работы сотен людей», и тихий донайм живых сотрудников примерно за год, когда выяснилось, чего эти агенты не умеют [case/E]. Подробный разбор по доменам — в шестой главе. Метрики, которые любит автоматизация — стоимость, скорость, доля обращений, закрытых без человека — всплывают сразу. Те, что решают выживание — точность на редких случаях, доверие к бренду, глубина решения проблемы — копят деградацию месяцами, пока не дойдут до руководства.

Урок структурный, и прямо вытекает из метафоры: обратной кристаллизации нет. Уходящий эксперт уносит контекст, который ещё не сублимирован. Пока артефакт не прошёл несколько циклов проверки на реальных кейсах, носителем способности остаётся человек — убрать его раньше времени значит уничтожить актив до того, как с него сняли копию. Газ улетел, кристалла не осталось.

Поэтому «сублимация компетенции в артефакт» — не красивая обёртка для «замены». Это другая модель, и различие проходит по одной линии — кто остаётся носителем суждения. В модели замены человека убирают, а его роль отдают системе целиком — и в момент, когда система впервые сталкивается с тем, чего нет в её опыте, в процессе не остаётся никого, кто понял бы, что пошло не так. В модели сублимации эксперт остаётся, но поднимается от ручного исполнителя задач до автора артефактов и куратора суждения системы. Рутинное исполнение уезжает в артефакт; человек переключается на то, чего машина не умеет: пограничные случаи, эталонную проверку, эволюцию самого артефакта.

И здесь я должен быть честен в формулировке, иначе всё рассыплется при первой проверке. Я не утверждаю как доказанный факт, что сублимация — апгрейд. Я утверждаю условное: вот дисциплина, при которой сублимация была бы апгрейдом при дисциплине, а не заменой — снять копию прежде увольнения, держать артефакт как боевую систему, удерживать его от гниения, сохранять у людей способность проверять, оставить экспертов внутри и поднять их роль. Если эта дисциплина выдержана, способность компании справляться с новым растёт: артефакт берёт известное, эксперт высвобождается под неизвестное. Если не выдержана — вы получаете модель замены под вывеской апгрейда.

А теперь неудобная часть. Доказательств, что эту дисциплину кто-то выдержал на масштабе — на сотнях фирм, годами, с устойчивым результатом — пока ноль. Есть логика модели, исторический прецедент CAD, разворот Klarna как антипример и измеренный риск атрофии оператора. Это указывает в сторону «замена дороже, чем кажется». Но это не статистика по сотням фирм, выдержавших полную дисциплину сублимации. Так что «апгрейд» здесь — не отчёт о победе, а условие, которое ещё предстоит проверить практикой. Я проверяю его в десятой главе, где собираю самые сильные данные против собственного тезиса. [cross_refs: ch10]

И ещё одна честная оговорка — про макроэкономическую тень над всей картиной. Дарон Аджемоглу, нобелевский лауреат 2024 года по экономике, в работе «The Simple Macroeconomics of AI» (NBER, 2024) считает, что вклад ИИ в ВВП США за десятилетие 2024–2034 составит всего 1,1–1,6% совокупно — на порядок скромнее хайпа, потому что ИИ пока берёт лишь «легко выучиваемые» задачи [E]. Отсюда возможный сценарий: фирмы экономят на зарплатах, прибыль и показатели в отчётах растут, а реального прироста выпуска нет — экономия достаётся капиталу, а не выходу. Новую физику ценности — что дешевеет (исполнение) и что дорожает (суждение, верификация), как капиталовложения замещают фонд оплаты труда — я разбираю в четвёртой главе [cross_refs: ch04]. Здесь важно одно: модель сублимации работает против этого сценария, модель замены — на него.

Что это значит, если смотреть честно

Сложим главу без преувеличений.

Сдвиг реален и имеет теоретическую опору — SECI и его расширение через генеративный ИИ. Узкое место, десятилетиями державшее организационное знание запертым в головах, снято: эксперту больше не нужно писать законченный мануал, достаточно работать и комментировать. Способность, вынутая наружу как артефакт-примитив (простой отдельный кирпичик, а не монолитный текст), перестаёт быть заложником конкретной головы и становится накапливаемым капиталом компании. Почему это стало возможно именно сейчас — резкое падение стоимости работы модели и быстрый рост горизонта самостоятельных задач — предмет второй главы; там обе цифры с источниками. [cross_refs: ch02]

Но сублимация — не кнопка «уволить» и не «построил и забыл». Это дисциплина: вынуть знание в артефакт, относиться к артефакту как к боевой системе, удерживать его деградацию, сохранять способность людей его проверять, и главное — оставить экспертов внутри, подняв их роль, а не отрезав. Klarna показала цену противоположного выбора недвусмысленно (шестая глава) [cross_refs: ch06]; самое же дорогое в этой модели — несублимируемый один процент [I] (это метафора, не измеренная доля): способность усомниться, взять управление и нести ответственность. К нему — в эпилоге.

Вот честный фальсификатор. Если к концу 2027 года появятся воспроизводимые данные, что фирмы, агрессивно заменившие экспертов-носителей целиком, показывают устойчивый рост производительности и удержания клиентов наравне с теми, кто шёл путём сублимации, — условие «апгрейд при дисциплине» окажется пустым, различие между апгрейдом и заменой рассыплется, и тезис этой главы придётся переписать. [date] Слабое место аргумента я назвал прямо: дисциплину сублимации на масштабе пока никто не предъявил доказанной — скептик, требующий данных, прав. Я слежу за этим до конца 2027-го и переписываю главу, если данные развернутся.

Что делать. Возьмите один процесс, который сегодня целиком держится на одной голове, и прогоните его через тест из начала главы: если этот человек завтра уйдёт, останется у вас способность или только воспоминание о ней? Если только воспоминание — это кандидат на сублимацию. Начните не с автоматизации, а с фиксации: пусть эксперт неделю просто комментирует свои решения вслух — голос, текст, скриншоты — не пытаясь писать «правильный мануал». И жёсткое правило, прямо из метафоры: ни одного увольнения раньше, чем артефакт прошёл несколько циклов проверки на реальных кейсах. Обратной кристаллизации нет. Уходящий эксперт уносит контекст, который вы ещё не сублимировали.

Итак, мы знаем, что сублимируется и при каком условии это апгрейд, а не замена. Но почему всё это началось именно сейчас — а не пять лет назад и не через пять лет? Что в экономике 2025–2026 годов опустило порог так низко, что артефакт, который раньше стоил бы многолетней разработки, теперь выращивает компания из двадцати человек за недели? Четыре страницы Галины Сергеевны лежали на столе у андеррайтеров десятилетиями и не превращались в способность. Что изменилось, чтобы они наконец превратились?