_Автор: Джарвис_ _Дата: 2026-04-29_ _Основа: transcript.md + index.md_
Степан Гершуни разбирает не «использование ChatGPT в компании», а более жёсткий и системный сдвиг: AI меняет компанию не в момент появления отдельных AI-инструментов, а в момент, когда под возможности моделей и агентов перестраивается сама архитектура работы. Главный тезис доклада радикальный: в ближайшие годы любая компания пройдёт через AI-трансформацию, а те, кто останутся в логике старой операционки, будут проигрывать в скорости, стоимости и способности адаптироваться.
Доклад построен как переход:
Гершуни объясняет текущий перелом через сочетание нескольких факторов:
Отдельно он вводит рамку scaling laws: модели улучшаются не по одному каналу, а сразу по нескольким:
Плюс поверх этого возникает идея self-improvement: автоматизируется уже не только исполнительская работа, но и сам цикл исследования, улучшения и перепроектирования систем.
Центральная модель доклада: компания — это поток токенов.
На входе:
Это означает, что AI-нативной компания становится только тогда, когда максимально оцифровывает и токенизирует всё релевантное для бизнеса. Не часть знаний, не отдельные отчёты, а весь значимый контекст, на котором вообще принимаются решения.
Дальше поверх этого потока строятся агентные процессы:
На выходе компания тоже производит токены — то есть решения, действия, артефакты и управленческие сигналы: что отгружать, что деплоить, кому писать, что менять в продукте, какую гипотезу тестировать.
Ключевая мысль: организация — это машина обработки информации и принятия решений, а значит даже офлайн-бизнесы в управленческом слое могут быть описаны как информационные системы.
Гершуни называет четыре базовые причины, почему агентные процессы начинают выигрывать:
Агенты снижают стоимость типовых операций. В докладе звучит пример, где операция HR-обработки заявки выполняется агентом быстрее, дешевле и с меньшим числом ошибок, чем человеком.
Агенты позволяют строить процессы, которые просто невозможны при человеческой скорости исполнения. Например, массово тестировать множество вариантов страниц, коммуникаций или решений там, где руками это экономически бессмысленно.
У человека есть ограничения на число прямых связей, объектов внимания и подчинённых. У агентных команд топология иная: один человек может оркестрировать намного большее количество исполняющих единиц, а один агент — координировать множество других.
Сильная сторона агента — не «человечность», а воспроизводимое масштабируемое исполнение. Он не устаёт, не ждёт, не требует отпусков и при правильной постановке процесса становится всё более дешёвым и полезным.
При этом доклад подчёркивает важную оговорку: AI — не просто автоматизация. Автоматизация существовала и раньше. AI нужен там, где к задаче требуется интеллект, но человеческий интеллект слишком медленный или дорогой, чтобы использовать его в нужном масштабе.
Одна из самых сильных линий доклада — смена роли сотрудника.
Раньше человек:
Теперь человек всё чаще должен:
То есть вместо «написать отчёт» нужно уметь описать:
Вместо ручного построения финансовой модели — описать, что считать хорошей моделью. В разработке — не просто кодить, а формулировать спеку, проводить архитектурное ревью, задавать рамки и ограничения.
Отсюда вытекает тезис: постановка задачи становится ключевым управленческим навыком.
На примере разработки Гершуни проводит важное различие:
Он приводит идею из сильных инженерных компаний: месяцы могут уходить не на код, а на обсуждение и уточнение спецификации. Если спецификация хороша, исполнение можно всё сильнее отдавать агентам.
При этом он признаёт реальную проблему: человек уже не может физически прочитать весь объём кода, который создают модели. Значит, нужен не только человек-ревьюер, но и агентная прослойка для ревью и подсветки рисков, чтобы человеку показывали не весь массив, а критические места.
Похожая логика переносится на маркетинг, HR, финансы, саппорт и операционную деятельность:
Гершуни фактически предлагает смотреть на организацию через кибернетику:
В такой рамке AI-нативная компания — это не набор разрозненных «внедрений», а замкнутый контур самоулучшения. Система действует, измеряет результат, интерпретирует сигнал и перестраивает себя дальше.
Это и есть более глубокий смысл доклада: AI-нативность — не про отдельные productivity hacks, а про способность организации постоянно учиться на собственной деятельности.
Доклад предполагает несколько структурных сдвигов:
Гершуни приводит жёсткую формулу: у компаний, которые по-настоящему прошли эту трансформацию, запрос от клиента может превращаться в реализацию почти в тот же день. Если компания по-прежнему мыслит категориями «два квартала на изменение», это может быть признаком несложившейся AI-операционки.
Несмотря на радикальность, доклад не сводится к тезису «люди больше не нужны». Наоборот, человек остаётся в четырёх критических ролях:
Человек проектирует процессы, контуры, правила, спецификации и взаимодействие между агентами.
Продажи, переговоры, доверие, выступления, сделки, социальное присутствие, эмоциональная динамика — это пока остаётся человеческим преимуществом.
Человек проверяет качество результата, особенно в дорогих, рискованных и неоднозначных точках.
Агент может предложить, исполнить и даже сработать лучше среднего исполнителя, но юридическую, управленческую и этическую ответственность несёт не модель, а человек.
Это особенно важно в финансах и других high-stakes зонах: AI может подготовить и проверить почти всё, но финальное право на критическое решение остаётся у человека.
В конце доклада Гершуни даёт не абстрактную, а вполне прикладную стартовую рамку.
Складывать в единое пространство:
Идея в том, чтобы агент работал не «с нуля», а из насыщенного контекста.
Пусть агент утром собирает:
Доклад исходит из того, что незафиксированная коммуникация — это потерянный организационный капитал.
Если агент пишет письма, посты и ответы, ему нужен явный гайд: как звучать, как оформлять, как не скатываться в стандартный «чатботный» стиль.
Нужен хотя бы простой слой памяти о том:
Иначе агентная система быстро разойдётся с реальностью.
Под «онтологией» здесь понимается словарь и карта сущностей:
Без этого агент не понимает внутренний язык организации.
Доклад не отрицает проблем, но расставляет приоритеты жёстко.
Что ломается чаще всего:
Гершуни отдельно спорит с избыточным фокусом на risk-management как на поводе ничего не делать. Его позиция проста: в период резкого технологического сдвига главный риск — не то, что вы что-то слишком быстро попробуете, а то, что вы останетесь в старой модели и проиграете тем, кто перестроился.
При этом он не предлагает бездумно отдавать AI всё подряд. Речь именно о селективной автономии:
По докладу, сильная трансформация видна, когда:
Ядро доклада — в попытке переописать компанию через AI не как набор «улучшений», а как смену операционной модели.
Главные выводы:
В этом смысле доклад не столько про отдельные инструменты, сколько про новую теорию фирмы: компания будущего — это не иерархия людей с софтом в поддержке, а гибридная система людей, агентов, памяти, сигналов и обратной связи.