# Стивен Синофски и Аарон Леви: Как ИИ-агенты и микросервисная архитектура изменят рынок труда Источник: https://www.youtube.com/watch?v=1z1xZF7X2cQ Канал: a16z Опубликовано: 25.08.2025 --- Переход от простых чат-ботов к автономным агентам знаменует собой фундаментальный сдвиг в том, как технологии взаимодействуют с экономикой и рынком труда. В рамках подкаста a16z Аарон Леви (Box) и Стивен Синофски (a16z) обсуждают, почему современные прогнозы об общем искусственном интеллекте (AGI) часто ошибочны, как исторические параллели с развитием ПК и интернета помогают понять текущий момент и почему будущее ИИ — это не один всезнающий разум, а миллионы узкоспециализированных «интернов». ## 🤖 Что такое ИИ-агент: от чат-бота к автономному исполнителю [[JUMP:00:00]] По мнению Стивена Синофски, наиболее точное техническое определение агента — это аналог символа амперсанда (`&`) в Linux, который запускает процесс в фоновом режиме [00:51]. В его понимании, агент — это не просто интерфейс для общения, а сущность, выполняющая работу без участия пользователя. Он иронично сравнивает нынешнее состояние технологии с «худшим в мире ассистентом» или плохим стажёром, который постоянно забывает пароли, но постепенно учится [01:18]. Аарон Леви дополняет это определение, указывая на эволюцию парадигмы. Если два года назад, после выхода ChatGPT, индустрия была сосредоточена на форме общения («вопрос-ответ»), то конечным состоянием ИИ станут полностью автономные системы [01:42]. Главной метрикой агентности, по словам Леви, является объем создаваемой ценности на единицу вмешательства человека: чем меньше вы взаимодействуете с системой для получения результата, тем более «агентной» она является [02:08]. Собеседники выделяют ключевые технические признаки агента: * **Длительность выполнения (Long-running):** Способность работать часами или днями над одной задачей без прерывания сессии [02:21]. * **Рекурсивный вывод:** Способность системы подавать собственный результат на вход для следующей итерации, что позволяет вести «цепочку рассуждений» [02:33]. * **Саморефлексия:** Технически сложная задача, при которой агент должен оценивать, не отклонился ли он от курса, чтобы не тратить вычислительные ресурсы впустую [03:12]. ## 🧠 Миф об AGI и реальность экспоненциального роста [[JUMP:04:55]] Аарон Леви отмечает, что за последние полгода консенсус вокруг AGI (общего искусственного интеллекта) изменился. Если раньше его представляли как монолитную суперсистему, решающую любые задачи, то сегодня архитектурно это выглядит маловероятным [05:22]. Скорее всего, решение сложных задач будет происходить через оркестрацию множества глубоко специализированных агентов [05:35]. Стивен Синофски призывает отказаться от антропоморфизации ИИ, так как это порождает ложные страхи об уничтожении рабочих мест и «восстании роботов» [06:14]. Он утверждает, что термин AGI делает «бесконечную работу» для оправдания любых человеческих опасений и надежд, не имея под собой четких экономических метрик [07:20]. Основные тезисы участников о прогнозировании: 1. **«Правило 10 лет»:** По мнению Синофски, любые фундаментальные изменения занимают десятилетие, но предсказать конкретные события на такой срок невозможно из-за экспоненциального характера развития [08:25]. 2. **Провал интуиции:** В 1999 году нейросети считались бесперспективными, а Джеффри Хинтон не мог получить финансирование. Те, кто обучал студентов нейросетям, считались «тратящими время впустую» [10:39]. 3. **Математическая неопределенность:** Леви указывает на теорию нелинейного управления. Вопрос о том, приведет ли «рекурсивное самосовершенствование» ИИ к взрывному росту или к плато (асимптоте), остается открытым с точки зрения науки [11:57]. ## 🏢 ИИ в корпоративной среде: от галлюцинаций к продуктивности [[JUMP:13:15]] За последние два года отношение бизнеса к «галлюцинациям» ИИ изменилось. Аарон Леви выделяет два вектора улучшений: технический (улучшение моделей, внедрение RAG) и культурный [13:27]. Сотрудники начинают понимать, что ИИ — это вероятностная, а не детерминированная система. Это позволяет использовать ИИ в критических бизнес-процессах при условии, что человек берет на себя роль верификатора [14:07]. Интересное наблюдение экспертов касается распределения продуктивности: * **Выигрыш экспертов:** ИИ максимально ускоряет тех, кто уже является профессионалом. Опытный инженер может позволить себе «играть в игровой автомат» с выдачей кода ИИ, потому что он мгновенно видит ошибки и получает 10-кратный прирост скорости [15:51]. * **Риски для новичков:** Непрофессионал может не заметить ошибку и внедрить неверное решение, что ограничивает полезность ИИ для обучения с нуля в сложных областях [16:04]. Стивен Синофски сравнивает использование ИИ с работой плотника: дать человеку мощную пилу (инструмент) — отличная идея, если он умеет строить, и опасная, если он не знает, как держать инструмент в руках [16:17]. ## 📜 Исторические параллели: как инструменты меняют работу [[JUMP:22:09]] Стивен Синофски приводит серию примеров из истории вычислительной техники, чтобы показать, как работа адаптируется под новые инструменты: * **Автоматизация против переосмысления:** В 1960-х бухгалтерия на ЭВМ пыталась копировать ручные процессы. Понадобилось время, чтобы понять: компьютеру не нужно имитировать человека в зеленых козырьках, у него своя логика обработки данных [24:18]. * **Эпоха принтеров:** Первые текстовые процессоры тратили колоссальные ресурсы на поддержку 1700 моделей принтеров и печать предзаполненных бланков отчетов о расходах [29:44]. Затем появились системы вроде Concur, которые просто сканируют чеки, полностью инвертируя процесс [25:34]. * **Смерть вордовских документов:** Раньше повестку встречи печатали в Word. С появлением электронной почты этот сценарий исчез — повестка стала простым текстом без форматирования [26:01]. Аарон Леви задается вопросом: когда мы перестанем втискивать ИИ в старые рабочие процессы (например, заставлять его писать традиционные маркетинговые документы) и начнем менять саму структуру работы под возможности агентов? [21:23]. ## 🏗️ Микросервисная архитектура агентов и «Context Rot» [[JUMP:35:48]] Обсуждая будущее разработки, Леви описывает новую парадигму: вместо одного мощного агента инженеры создают десятки узкоспециализированных «под-агентов» [37:19]. Это связано с проблемой «гниения контекста» (context rot): чем больше информации в контекстном окне, тем больше модель путается и дает менее точные ответы [36:42]. Пример новой структуры организации: 1. **Агент на микросервис:** Каждому микросервису в коде соответствует свой агент [37:31]. 2. **README для ИИ:** Вместо сложного промптинга инженеры пишут инструкции (README), которые читает агент, чтобы понять свою зону ответственности [37:31]. 3. **Инженер как менеджер:** Человек превращается в управляющего штатом агентов, проверяющего их работу через GitHub Pull Requests [35:50]. Этот подход «разделяй и властвуй» противоречит идее универсального AGI, но оказывается гораздо эффективнее в реальной работе [38:10]. ## 📈 Экономика специализации и новые рынки [[JUMP:45:54]] Вопреки опасениям, что ИИ уничтожит специализацию, Синофски уверен в обратном: специализация будет только расти [46:19]. Он приводит аналогию со строительством дома: раньше его строил один плотник Клем, сегодня это делает команда из 20 субподрядчиков, каждый из которых использует свои высокотехнологичные инструменты [47:10]. Участники прогнозируют появление тысяч новых вертикальных компаний: * **Агент как сервис:** Подобно тому как Twilio стала компанией на базе одного API, появятся компании-агенты, выполняющие одну узкую функцию (например, только подписание документов или только расчет налогов для определенной ниши) [47:36]. * **Вертикальный ИИ:** Рынок будет принадлежать прикладным компаниям, имеющим доступ к специфическим данным (здравоохранение, финансы, юриспруденция), а не только провайдерам базовых моделей [51:16]. * **Проблема «Шерлокинга»:** Синофски предупреждает, что если создатели больших моделей (OpenAI, Google) начнут поглощать функции сторонних разработчиков («шерлокинг»), они рискуют убить собственную экосистему и остаться без поддержки девелоперов [54:07].