В новом выпуске подкаста Deep Questions ведущий Кэл Ньюпорт анализирует эссе Сэма Альтмана о продуктивности, написанное на пороге взрывного роста OpenAI в 2018 году. Анализ охватывает ключевые правила тайм-менеджмента, которые помогли предпринимателю построить многомиллиардную империю, а также современные вызовы в сфере искусственного интеллекта. Автор сопоставляет подходы Альтмана со своей концепцией «медленной продуктивности» и разбирает вопросы слушателей об эффективности работы в цифровую эпоху.
📅 Контекст 2018 года: OpenAI на перепутье 0:00
В апреле 2018 года Сэм Альтман опубликовал в своем блоге лаконичную заметку под названием «Продуктивность» (Productivity). Кэл Ньюпорт отмечает, что этот момент стал поворотным для компании OpenAI. В то время организация только что выпустила языковую модель GPT-1 и функционировала как некоммерческая структура. Илон Маск покинул совет директоров после того, как ему не удалось убедить команду объединить OpenAI с Tesla из-за финансовых трудностей.
Уже в 2019 году Сэм Альтман перевел стартап в статус коммерческой организации с ограниченной прибылью (capped-profit), что открыло доступ к венчурному капиталу, позволило нанять лучших специалистов и предопределило современный успех компании.
📈 Сложный процент в карьере: экспонента против линейного роста 2:10
Первое правило Сэма Альтмана гласит, что концепция сложного процента работает не только в финансах, но и в карьере. По мнению предпринимателя, оптимизация продуктивности даже на 10% в сочетании с ежедневным улучшением навыков на 1% дает колоссальный накопительный эффект на горизонте 50 лет.
Кэл Ньюпорт выражает скепсис по поводу применимости этой финансовой метафоры к реальной эффективности интеллектуального труда. Он приводит следующие контраргументы:
- Развитие навыков происходит не экспоненциально, а через длительные периоды практики, где каждый новый уровень дается труднее предыдущего. Это скорее медленная линейная функция, а не ускоряющаяся кривая.
- Стремление делать на 10% больше задач ежедневно приводит лишь к искусственной занятости (busyness), которая не конвертируется в долгосрочные результаты.
В своей книге «Медленная продуктивность» (Slow Productivity) Ньюпорт доказывает, что величайшие исторические фигуры (Галилей, Исаак Ньютон, Мария Кюри, Джейн Остин) создавали свои фундаментальные труды без спешки. Ключом к их успеху было последовательное применение мысли на протяжении долгого времени, а не ежедневный фанатичный активизм.
🧭 Выбор направления: «Делать меньше, но лучше» 5:01
Второй тезис Сэма Альтмана Кэл Ньюпорт поддерживает полностью: скорость движения не имеет значения, если вы двигаетесь в неверном направлении. Альтман считает выбор правильной задачи главным элементом продуктивности и рекомендует выделять достаточно времени на размышления, чтение книг, общение с интересными людьми и прогулки на природе.
Ньюпорт видит здесь здоровое противоречие с первым тезисом Альтмана и напоминает о своей ранней статье «Не начинайте» (Don't get started), написанной для блога Рамита Сети. Автор советует сопротивляться запуску крупных проектов до тех пор, пока это не станет неизбежным.
В качестве успешного примера Кэл Ньюпорт приводит стратегию OpenAI: компания сфокусировалась на масштабных языковых моделях и методично развивала это направление годами, что привело к прорыву. Принцип «делай меньше, делай лучше, знай зачем» остается ключевым для долгосрочного успеха.
📝 Списочный менеджмент и борьба с рутиной 7:36
Сэм Альтман рекомендует использовать простые бумажные списки задач на год, месяц и день, избегая сложной категоризации и разметки. Единственный инструмент приоритизации у Альтмана — звездочка напротив критически важных пунктов. Он стремится генерировать рабочий импульс (momentum), начиная и заканчивая день с задач, в которых можно добиться видимого прогресса.
Кэл Ньюпорт выделяет в этом подходе две стороны:
- Положительная: Альтман реализует принцип «полного захвата» (full capture) Дэвида Аллена, выгружая задачи из головы, чтобы избежать стресса и забытых дедлайнов. Мозг нельзя использовать как устройство хранения данных.
- Проблемная: Простая система (MIT — Most Important Task) работает для топ-менеджеров, чья продуктивность зависит от малого числа крупных решений. Однако для большинства работников мелкая рутина (email, Slack, административные запросы) неизбежна. Если игнорировать мелкие задачи ради крупных, это приведет к пропущенным срокам и хаосу.
Сам Ньюпорт предпочитает разделять задачи по «когнитивным контекстам» (например, роль профессора) и отслеживать их статусы, чтобы снизить ментальное напряжение.
🚫 Безжалостное «нет» и защита утреннего времени 12:14
Для защиты фокуса Сэм Альтман советует быть безжалостным: он минимизирует участие в конференциях и встречах, а его ответы на email лаконичны до грубости. Продуктивность OpenAI, по словам ведущего, была построена на готовности Альтмана отказываться от второстепенного.
Пятое правило Альтмана — разделение дня по типам задач. Первые утренние часы он полностью бросает на глубокую работу (deep work) и запрещает ставить туда совещания, сдвигая встречи на вторую половину дня. Ньюпорт подтверждает эффективность этой практики на примере бывшего президента крупной компании: защита утреннего времени сделала его управление более качественным, вопреки первоначальным опасениям штата.
В завершение разбора Кэл Ньюпорт цитирует предостережение Альтмана против «порнографии продуктивности» (productivity porn): бесконечная оптимизация систем бессмысленна, если человек работает над неправильными проблемами.
🙋♂️ Ответы на вопросы: как оптимизировать процессы 20:04
В традиционной рубрике ответов на вопросы слушателей Кэл Ньюпорт разбирает несколько практических кейсов:
- Административный хаос (вопрос от Келси): Слушательница управляет процессами 150 студентов и тонет в запросах на подписи. Ньюпорт рекомендует переложить часть работы на самих студентов (правило «10% усилий с их стороны облегчают жизнь администратора на 100%»). В качестве примера он вспоминает свой опыт работы ассистентом (TA) на курсе по распределенным алгоритмам, когда он заставил студентов сдавать работы без скрепок и в алфавитном порядке, что сэкономило часы у ксерокса. Также он советует создать общую папку «На подпись», обрабатывать документы раз в неделю по пятницам и ввести фиксированные часы приема (office hours).
- Время для глубокой работы (вопрос от Кена): Кен экспериментирует с запретом на проверку почты до 10:00. Ньюпорт одобряет этот подход: утренняя проверка почты загружает в мозг хаотичные когнитивные контексты, на очистку которых уходит до получаса. Он также предлагает гибридную модель: 2–3 дня работы из дома (полный фокус, без писем и встреч) и 3 дня в офисе.
- Карьерный капитал (вопрос от Брэдли из Шотландии): Садовник интересуется, как расти в его сфере. Ньюпорт советует не выдумывать фантазии, а провести журналистское исследование: взять интервью у успешных представителей профессии и выяснить, какие именно редкие навыки обеспечили им автономию и доход.
- Размер и количество мониторов (вопрос от Алекса): Кэл Ньюпорт заявляет, что мода на огромные изогнутые экраны избыточна. Для большинства задач достаточно ширины в два окна (например, редактор LaTeX и скомпилированный PDF или текст и окно исследования в Scrivener). Для глубокого погружения в текст Ньюпорт использует полноэкранный режим композиции в Scrivener или планшет ReMarkable Paper Pro.
🏃♂️ Технологическая адаптация и уроки спортсменов 41:28
Обсуждая мнение сопрезидента Spotify Густава Седерстрёма о том, что в XXI веке побеждает тот, кто быстрее адаптируется к макроизменениям, Кэл Ньюпорт выражает несогласие с позицией технологических экстремистов. По его мнению, по-настоящему трансформирующие технологии (email, поиск Google, iPhone) становятся неизбежными и распространяются мгновенно. Обычному человеку не нужно лихорадочно осваивать промпт-инжиниринг прямо сейчас — когда ИИ-инструменты созреют, они станут простыми и доступными для всех, как веб-интерфейсы пришли на смену кодингу на HTML.
Вторая аналогия касается профессионального спорта. Перед финальным раундом турнира Masters гольфист Рори Макилрой заявил, что убирает телефон до вечера следующего дня, чтобы защитить мозг от когнитивного шума. Ньюпорт сравнивает это с альпинистом Алексом Хоннольдом, который отказывается от смартфона за месяцы до опасных восхождений. Это доказывает, что цифровая вовлеченность создает колоссальное сопротивление («песок в шестеренках разума») для тех, кому нужен высокий уровень фокуса.
🤖 Технологический уголок: апокалипсис к 2027 году или кризис данных? 55:01
В финальном сегменте Кэл Ньюпорт анализирует спекулятивный отчет «AI 2027», авторами которого стали исследователи Даниэль Кокотайло, Скотт Александер и другие. Прогноз рисует мрачный сценарий: вымышленная компания Open Brain к концу 2025 года увеличивает вычислительные мощности в 10 раз. За счет рекурсивного самосовершенствования (RSI) искусственный интеллект обретает самосознание, переигрывает правительства в геополитической гонке и уничтожает человечество к 2027 году.
Кэл Ньюпорт приводит аргументы критиков из сообщества безопасности ИИ, в частности Дэвида Шапиро, чтобы сбалансировать эту позицию:
- По мнению Шапиро, попытки детально предсказать поведение несуществующих технологий — это спекуляция.
- Современные большие языковые модели (LLM) демонстрируют высокую управляемость и податливость при тонкой настройке (fine-tuning) людьми, они «стремятся угодить», а не выйти из-под контроля.
Как ученый-компьютерщик Ньюпорт считает, что текущая траектория развития ИИ упирается в физический лимит: разработчики исчерпали доступные массивы качественных человеческих текстов для обучения. Попытки обучать модели на синтетических данных (сгенерированных другими ИИ) ограничены рамками уже изученных распределений.
По прогнозу Ньюпорта, будущее лежит не в создании единого «мегамозга» в стиле OpenAI, а в развитии узкоспециализированных моделей на базе обучения с подкреплением (Reinforcement Learning — RL), таких как AlphaProof от DeepMind. Системы RL превосходят людей в конкретных задачах (шахматы, го, предсказание свертывания белков), поскольку обучаются на основе прямого опыта и достижения целей в контролируемой среде. Языковые модели лишь воспроизводят человеческие распределения слов, поэтому сценарии из фантастических фильмов Айзека Азимова пока остаются маловероятными.
