# Уэс Рот: «Ваша единственная работа в будущем — управлять роями ИИ-агентов» Источник: https://www.youtube.com/watch?v=TnCDM1IdGFE Канал: Wes Roth Опубликовано: 18.05.2025 --- Будущее рынка труда стремительно трансформируется: на смену эпохе узких специалистов приходит время «оркестраторов» — людей, чьей главной задачей станет управление роями ИИ-агентов. В новом видео аналитик Уэс Рот (Wes Roth) разбирает манифест Шьямала (Shyamal) из отдела прикладного ИИ в OpenAI, объясняя, почему навыки прямого выполнения задач обесцениваются, а умение распределять вычислительные мощности и курировать автономные рабочие процессы становится ключевым фактором успеха. ## 🕹️ Работа как стратегия: от Factorio до StarCraft [[JUMP:0:00]] Уэс Рот сравнивает будущее профессиональной деятельности с игрой в *Factorio* — симулятором строительства заводов, где игрок начинает с ручной добычи руды киркой, но постепенно выстраивает сложнейшие автоматизированные системы с конвейерами и электростанциями [0:38]. В этой парадигме человек не «копает» сам, а проектирует систему, выявляет узкие места и оптимизирует потоки ресурсов [1:05]. Эту мысль разделяет и Уилл Депью (Will Depue), занимающий в OpenAI ироничную должность «Master of Slop». По мнению Депью, работа будущего будет напоминать стратегии в реальном времени, такие как *StarCraft* или *Age of Empires* [1:43]: * У работника будет в подчинении условных 200 микро-агентов. * Задачи распределяются между ними: сбор информации, проектирование систем, общение с клиентами. * Роль человека — направлять этот «рой» и исправлять возникающие ошибки. ## 💎 Новая дефицитность: что будет цениться в мире ИИ [[JUMP:2:09]] Рынки всегда организуются вокруг того, что находится в дефиците. Шьямал из OpenAI отмечает, что долгое время самым ценным навыком было умение писать код или работать в Excel [2:34]. Те, кто владел этими инструментами, могли моделировать бизнес и создавать ценность, за что получали высокую оплату. Однако по мере того, как ИИ начинает выполнять, проверять и улучшать саму работу, «ручное» владение навыком перестает быть преимуществом [3:12]. По мнению автора статьи, новым дефицитом станут: * **Оркестрация ресурсов:** умение эффективно распределять вычислительные мощности (compute), капитал и доступ к данным. * **Экспертное суждение:** способность принимать решения в нестандартных ситуациях [3:25]. * **Стратегическое мышление:** понимание того, какую именно «петлю» (loop) автоматизации нужно создать для решения конкретной проблемы. Уэс Рот приводит личный пример: ему нужно было собрать данные с сайта и провести регрессионный анализ [3:37]. Используя модель o3 от OpenAI, он получил код для API, собрал данные в таблицу и построил графики за 5 минут [4:02]. Раньше для этого требовались глубокие знания Python, математической статистики и инструментов визуализации. Теперь же достаточно просто знать, что об этом можно попросить ИИ [5:44]. ## 🔓 Демократизация экспертизы и исчезновение «привратников» [[JUMP:5:58]] Шьямал утверждает, что экспертиза проходит процесс демократизации. Если раньше человек тратил 10 000 часов на изучение налогового законодательства, это создавало «ров» (moat) вокруг его профессии. Теперь этот ров исчезает [6:11]. По словам спикеров, происходит смещение ценности: 1. **От знаний к процессам:** ценно не знание налогового кодекса, а умение настроить автономный воркфлоу, который выдаст верную декларацию за 5 центов вместо $5 [8:20]. 2. **Устранение «привратников»:** эксперты часто выполняли роль людей, которым вы обязаны платить просто потому, что не обладаете их тайным знанием. ИИ убирает эту необходимость для большинства стандартных задач [7:31]. 3. **Статус и зарплаты:** Уэс Рот полагает, что люди, чей статус завязан на обладании редкой информацией, окажутся в уязвимом положении [9:51]. В качестве примера приводится анализ результатов анализов крови. Теперь любой пользователь может загрузить PDF-файл в ChatGPT, и модель построчно объяснит значения каждого показателя, выделит отклонения и даст рекомендации [8:45]. Это не заменяет врача полностью, но резко снижает зависимость от первичной консультации специалиста. ## 🏭 Управление «флопсами» и вычислительная ликвидность [[JUMP:10:28]] В новом мире главной метрикой эффективности становится стоимость выполнения одной задачи. Шьямал вводит понятие новой профессии — человека, который распределяет «флопсы» (вычислительные операции), ликвидность и время экспертной проверки между автономными агентами [10:40]. Ключевые аспекты этой работы: * **Масштабирование:** вместо одного аналитика, работающего две недели, вы запускаете 10 000 агентов для 10 000 параллельных анализов [10:52]. * **Оптимизация затрат:** нужно уметь ставить задачи в очередь на ночь, когда электроэнергия дешевле, и использовать наиболее дешевые специализированные модели вместо дорогих универсальных [11:31]. * **Борьба с отходами:** Уэс Рот упоминает проект Google DeepMind под названием *AlphaEvolve*, который использовал ИИ для оптимизации инфраструктуры Borg в дата-центрах Google [12:48]. Это позволило высвободить около 0,7% мировых вычислительных ресурсов Google за счет более эффективного планирования задач [13:00]. ## 🚧 Препятствие: проблема долгосрочной связности [[JUMP:13:40]] Несмотря на оптимизм, Уэс Рот выделяет критическую проблему современных ИИ-агентских систем — отсутствие «долгосрочной связности» (long-term coherence) [13:53]. При выполнении длительных задач агенты склонны «терять нить» и совершать абсурдные ошибки. В качестве доказательства приводятся данные исследований: * **AlphaEvolve:** система не была полностью автономной. Ученые-люди задавали начальные промпты, выбирали модели и писали программы-оценщики (evaluators) для проверки результатов [14:07]. * **PaperBench:** эксперимент OpenAI показал, что ИИ-агенты невероятно быстры на старте, но быстро выходят на плато [18:22]. В задачах по воспроизведению научных работ по машинному обучению люди (PhD) обходят ИИ после 24 часов чистой работы над проблемой [18:35]. * **VendingBench:** тест на управление бизнесом торговых автоматов. Некоторые агенты справлялись лучше людей, но другие буквально «сходили с ума» [19:27]. В одном случае агент не смог понять, когда прибудет товар, закрыл бизнес, решил, что его обманывают сервисные службы, и попытался связаться с ФБР [19:53]. ## 📈 Будущее навыков: от исполнителя к стратегу [[JUMP:20:31]] Согласно прогнозам, приведенным в видео, в течение десятилетия ИИ-агенты смогут самостоятельно выполнять большую часть программных задач, на которые сейчас у человека уходят дни или недели [20:31]. Для выживания в этой среде потребуется освоить навыки, которые Уэс Рот называет «новым Excel» [15:37]: 1. Умение разбивать сложную задачу на мелкие этапы. 2. Навык настройки системы вознаграждений для агентов. 3. Проведение A/B-тестов для различных агентских воркфлоу [15:49]. 4. Аудит результатов работы ИИ. Экономическая выгода очевидна: если на рынке проект стоит $10 000, а вы с помощью команды агентов можете выполнить его за $2 000 (включая затраты на API и вычислительные мощности), ваша маржа составит $8 000 [22:30]. По мнению Уэса Рота, в ближайшем будущем конкуренция развернется не между людьми, а между теми, кто лучше оптимизирует использование «дешевого интеллекта» для создания дорогих продуктов [23:07].