LLM нельзя внедрить сверху. Снизу тоже. А как можно?

Каждая вторая статья на Хабре сейчас — про LLM. Одни кричат о революции, другие — о пузыре. Тем временем в реальности происходит кое-что интересное.

Цифры впечатляют. Инвестиции в дата-центры в 2025 году превысили $60 миллиардов. Nvidia отчитывается о квартальной выручке в $57 миллиардов — больше годовой прибыли большинства компаний из Fortune 500. Big Tech планирует потратить около $330 миллиардов на инфраструктуру только в этом году. Прогнозы обещают $3-4 триллиона совокупных инвестиций в AI к 2030 году.

При этом результаты внедрения скромные. По данным исследования MIT NANDA (2025), 95% пилотных проектов по генеративному AI не дают измеримого возврата инвестиций. Большинство компаний застревают на стадии экспериментов и не могут масштабировать решения.

Скорость развития самих моделей — бешеная. То, что год назад казалось фантастикой, сегодня доступно в бесплатных тарифах. Возможности LLM выросли на порядок за последние 12 месяцев.

Получается парадокс: технология стремительно развивается, инвестиции льются рекой, а реальный бизнес-эффект пока не наступил. Почему?

Возможно, проблема не в технологии. Проблема в том, как её пытаются внедрять.

Как внедрялись инновации раньше

Внедрение инноваций никогда не проходило гладко. Луддиты громили станки в начале XIX века. Рабочие саботировали конвейеры Форда. Профсоюзы боролись против автоматизации на заводах. За банальным психологическим сопротивлением изменениям всегда стояли реальные конфликты интересов и социальные потрясения.

Прогресс неумолим и безжалостен. Для работников — учись новому или станешь невостребованным. Для компаний — будь эффективным или перестань существовать.

Но во всех этих исторических примерах есть общая черта: субъектом внедрения инноваций всегда была компания. Она владела технологиями производства, закупала оборудование, внедряла методы управления. Работник приходил туда, где ему всё это «давали» — или навязывали. Его обучали, предоставляли инструменты, а результаты его труда — будь то изобретение, технология или код — становились собственностью компании.

В этом есть логика и справедливость. Работнику гарантируют зарплату независимо от результатов компании. Коммерческие риски несут собственники — им же достаётся и прибыль от инноваций.

Ключевая механика: компания один раз разрабатывает или покупает решение, а затем тиражирует его на всех сотрудников. Один станок с ЧПУ, одна ERP-система, один регламент — для всех одинаково. Инновацию можно описать в инструкции, провести тренинг, сертифицировать работников. Знание становится передаваемым и воспроизводимым. Эффект измерим: внедрили конвейер — посчитали выработку до и после.

Такой подход снижает зависимость от конкретного человека. Работники становятся взаимозаменяемыми в рамках позиции.

Инновации внедрялись сверху. Руководство определяло, кто и как должен работать, какие инструменты использовать, какие функции выполнять. Штатное расписание формировалось из объёма задач и нормы выработки. Один работник мог быть эффективнее другого, но в рамках позиции это отличие оставалось незначительным.

При этом внедрение инноваций, повышающих производительность, не приводило к пропорциональному росту зарплат. Скорее — к оптимизации численности. И по-другому быть не могло: кто инициатор и внедритель инновации — тот и получает основной профит.

Эта модель работала сто лет. С конвейером, со станками с ЧПУ, с роботами, с корпоративным софтом. Компания внедряет — работник адаптируется.

Почему старые методы не работают с LLM

Когда появился ChatGPT, многие компании увидели возможность для очередной оптимизации. Логика казалась привычной: внедряем новый инструмент — сокращаем штат — экономим на зарплатах. Схема, отработанная десятилетиями.

Результаты оказались неожиданными. По данным MIT NANDA (2025), 95% пилотных проектов по генеративному AI не дают измеримого возврата инвестиций. Компании застревают на стадии экспериментов и не могут масштабировать решения.

При этом технология работает. Индивидуальные специалисты — разработчики, аналитики, консультанты — демонстрируют кратный рост производительности. Фрилансеры успешно используют LLM для задач, с которыми корпорации не могут справиться годами. Проблема явно не в самих моделях.

Попробуем понять, в чём принципиальное отличие LLM от предыдущих инноваций.

Нельзя стандартизировать и тиражировать. Станок с ЧПУ одинаково работает для любого оператора, прошедшего обучение. ERP-система одинакова для всех бухгалтеров компании. С LLM иначе: эффективность использования критически зависит от того, как конкретный человек формулирует задачи, какой контекст даёт, как итерирует результат. Двум сотрудникам на одинаковых позициях нужны разные промпты, разные подходы, разные workflow.

Нельзя описать в инструкции. Попробуйте написать инструкцию «как использовать Claude для анализа данных». Либо получится банальное «загрузите данные и задайте вопрос», либо настолько специфичное, что применимо только к конкретному отчёту конкретного аналитика. Знание о работе с LLM — это скорее навык, чем процедура. Оно накапливается через практику, через ошибки, через эксперименты. Его сложно передать через тренинг.

Нельзя измерить эффект на уровне компании. С конвейером всё просто: было 100 деталей в час, стало 300. С LLM непонятно даже что измерять. Количество запросов? Качество ответов? Время на задачу? Каждый сотрудник использует инструмент по-своему, для разных задач, с разной эффективностью.

Уникальная специфика каждого рабочего места. Маркетолог, разработчик и юрист работают с LLM совершенно по-разному. Но даже два маркетолога в одной компании могут иметь разные оптимальные подходы — в зависимости от их задач, стиля мышления, предыдущего опыта. Универсального решения не существует.

Для сравнения: внедрение ERP-системы — это сложный проект на годы, с командой консультантов, реинжинирингом процессов, сопротивлением сотрудников. Но в конце концов система начинает работать одинаково для всех. С LLM такой конечной точки нет. Каждый сотрудник фактически должен создать свою собственную «систему» — и постоянно её развивать, потому что сами модели меняются каждые несколько месяцев.

Добавим к этому страх. Сотрудники видят заголовки о сокращениях из-за AI. Они понимают: если я покажу, насколько эффективнее могу работать с LLM, меня могут уволить, а мои наработки передать тому, кто останется. Или просто сократят позицию, потому что «теперь один справляется за троих». Рациональная стратегия в такой ситуации — не демонстрировать свои успехи. Использовать LLM втихую, для себя, не делиться находками с коллегами и руководством.

Получается парадокс. Компания не может внедрить LLM сверху, потому что нечего внедрять — нет стандартизируемого решения. А сотрудники не хотят внедрять снизу, потому что это работает против их интересов.

Как это работает у тех, у кого работает

Посмотрим на инди-специалистов — фрилансеров, консультантов, предпринимателей-одиночек. У них нет конфликта интересов. Рост продуктивности означает либо больше заработка, либо больше свободного времени. Никто не уволит их за эффективность. Никто не заберёт наработки.

Что они делают иначе?

Строят персональную систему. Не просто «используют ChatGPT», а выстраивают целую экосистему: какие модели для каких задач, какие промпты работают лучше, как структурировать контекст, как организовать базу знаний, как интегрировать LLM в свой рабочий процесс. Эта система постоянно эволюционирует — вместе с развитием моделей и накоплением опыта.

Экспериментируют непрерывно. Пробуют новые подходы, новые модели, новые инструменты. Большинство экспериментов не дают результата — но те, что дают, становятся частью системы. Это требует времени и когнитивных усилий, которые окупаются только при личной заинтересованности.

Накапливают неявное знание. Со временем появляется интуиция: когда LLM справится сам, а когда нужно разбить задачу; как сформулировать запрос, чтобы получить нужный результат с первой попытки; где модель врёт и как это проверить. Это знание сложно вербализовать и почти невозможно передать через документацию.

Какие артефакты возникают в результате? Библиотеки промптов. Шаблоны для типовых задач. Настроенные системные инструкции. Workflow-автоматизации. Базы знаний, подключённые к моделям. Но главный артефакт — сама конфигурация всего этого в голове специалиста: понимание, что когда применять и почему.

Можно ли выделить универсальные подходы? Вероятно, да. Какие-то методики переносимы между людьми и контекстами. Но их конкретная комбинация — уникальна. Она формируется под конкретного человека, его задачи, его способ мышления, его предметную область. Получается своего рода симбиоз: система усиливает человека, но неотделима от него.

К чему это приводит на практике?

Два специалиста с одинаковым образованием и опытом в предметной области, но с разным уровнем владения LLM, начинают отличаться не на проценты — на порядок. Один за неделю делает то, что другой не сделает за месяц. Но дело не только в скорости.

Возникает качественное отличие. Специалист с развитым навыком работы с LLM может браться за задачи, требующие знаний смежных дисциплин. Маркетолог пишет работающий код для автоматизации. Разработчик создаёт юридически грамотные документы. Аналитик делает дизайн презентаций. Не потому что стал экспертом во всём — а потому что LLM компенсирует пробелы, если знаешь, как с ней работать.

Один человек теперь может реализовать проект, который раньше требовал команды. Не любой человек и не любой проект — но граница возможного сдвинулась радикально.

Таких специалистов уже нельзя ставить в один ряд с остальными на рынке труда. Они не просто «более продуктивны» — они способны на качественно иное. При этом отделить навык от человека и передать другому — нельзя. По крайней мере пока. Это не софт, который можно скопировать. Это не методичка, которую можно выдать новичку. Это персональное конкурентное преимущество, которое создаётся месяцами практики и существует только в связке с конкретным человеком.

Конфликт интересов, который необходимо урегулировать

Вернёмся к внедрению в компаниях. Мы выяснили, что нельзя внедрить LLM сверху — нечего стандартизировать. Но и приказать внедрять снизу тоже не получится.

Сейчас популярен подход «дадим инструмент и скажем — дерзайте». Компании покупают корпоративные подписки, проводят вводные вебинары, создают чаты для обмена опытом. Потом добавляют метрики: сколько запросов сделал каждый сотрудник, как часто использует, для каких задач. То есть опять пытаются что-то навязать и контролировать. А конфликт интересов никуда не делся.

Поставим себя на место работника. От него хотят, чтобы он освоил LLM и начал работать в пять раз эффективнее. Потом — чтобы научил коллег. Потом — чтобы формализовал свои наработки. А потом? Потом его сократят, потому что теперь один справляется за пятерых. Или не сократят, но поднимут норму выработки при той же зарплате.

Рациональная стратегия очевидна: не делать этого. Сказать, что LLM галлюцинирует, что нельзя доверять его решениям, что моя работа слишком специфична для автоматизации. И это будет правдой — частичной, но правдой.

Здесь клин. Заставить нельзя. Желания нет. Опционами не отделаешься — они работают, когда компания растёт и все выигрывают. А тут речь об оптимизации, где выигрыш одних означает проигрыш других.

Нужно менять фундаментальные правила игры.

Цель внедрения — только рост эффективности, не оптимизация численности. Это принципиально. Эффективность можно монетизировать двумя способами: больше результата за то же время или тот же результат за меньшее время. Первое означает рост выручки. Второе — улучшение условий труда. Оба варианта могут устроить и компанию, и работника.

Вилка зарплат должна расшириться пропорционально росту эффективности. Если сотрудник стал производить в три раза больше — он должен иметь возможность зарабатывать в три раза больше. Без манипуляций с нормой выработки. Любая попытка «подтянуть» норму под новую реальность разрушит всю систему мотивации.

Наработки в области организации труда с LLM — собственность работника. Промпты, workflow, пайплайны, настроенные системы, базы знаний — всё, что создано работником для повышения своей эффективности, принадлежит ему. Он не обязан передавать это компании при увольнении. Компания не имеет права использовать его методики без его согласия.

Контрактные гарантии против сокращения. Рост эффективности не может быть основанием для увольнения или снижения зарплаты. Если работник выполняет весь объём задач за час в день и больше работы для него нет — значит, он работает час в день. Или получает новые задачи с соответствующим увеличением компенсации.

Звучит радикально. Но давайте посмотрим на альтернативу: 95% провалов внедрения, саботаж со стороны сотрудников, потерянные годы и миллиарды инвестиций без отдачи.

Компании, которые первыми перестроят контрактные отношения, получат доступ к реальному потенциалу LLM. Остальные продолжат удивляться, почему технология работает у блогеров и фрилансеров, но не работает в корпорации. Возможно, со временем эти принципы потребуют закрепления на уровне трудового законодательства — чтобы выровнять условия конкуренции и снизить социальное напряжение. Но это отдельный большой разговор. Сейчас достаточно того, чтобы отдельные компании начали экспериментировать с новыми форматами контрактов.

Рекомендации: как действовать в новой реальности

Люди поступают так, как им выгодно. Это не цинизм — это здравый смысл. Давайте разберём, что выгодно, а что нет в текущей ситуации.

Для работников

Нарабатывайте навык самостоятельно. Не ждите, пока компания купит корпоративную подписку и проведёт тренинг. Купите подписку сами, пробуйте, экспериментируйте. Это инвестиция в себя, которая окупится независимо от того, где вы будете работать через год. Всё остальное — гарантированный проигрыш: либо вы освоите LLM, либо вас заменят те, кто освоил.

Мыслите как предприниматель, а не как наёмный сотрудник. Поймите, в чём истинная ценность работы, за которую платят. Не «я сижу в офисе 8 часов», а «я решаю такие-то задачи с таким-то качеством». Как увеличить эту ценность — количеством, качеством, охватом? Что из этого можно автоматизировать? Когда вы смотрите на свою работу глазами заказчика, становится понятно, куда применять LLM.

Стройте отношения с работодателем как подрядчик с заказчиком. Компания рискует деньгами, репутацией, сроками. Ей важны предсказуемость и результат. Вы рискуете временем, карьерой, стабильностью дохода. Вам важны справедливая оплата и защита от произвольных решений. Когда обе стороны понимают риски друг друга, можно договориться о взаимовыгодных условиях. Будьте готовы взять на себя ответственность за конкретный результат — но и требуйте конкретных гарантий взамен.

При поиске работы выясняйте позицию компании. Не абстрактное «как вы относитесь к AI», а конкретное: какие планы по внедрению LLM? Как это отразится на условиях труда? Будет ли пересматриваться объём задач или оплата? Какие гарантии даются сотрудникам? Понимает ли руководство, что у работников есть свои интересы, или считает, что люди будут делать всё, что скажут? Ответы на эти вопросы покажут, с кем вы имеете дело.

Если компания внедряет LLM — задавайте вопросы. Что будет с объёмом задач? Норма выработки существует везде, просто называется по-разному: у уборщицы — квадратные метры за смену, у программиста — стори-поинты в спринте, у менеджера — количество проектов в квартале. Суть одна: сколько работы вы должны сделать за свою зарплату. Когда эффективность растёт, эта норма имеет свойство расти вслед за ней — при той же оплате. Спрашивайте прямо: как изменятся ожидания от меня? Кому принадлежат мои наработки? Какие гарантии я получаю?

Предлагайте дополнения к контракту. Если не хотят обсуждать — не настаивайте. Тихо делайте то, что делали раньше, и ищите другую работу.

Создавайте портфолио результатов. Фиксируйте, чего вы добились с помощью LLM. Какие задачи решили, какие проекты реализовали, какой эффект получили. Это ваш актив, который вы заберёте с собой.

Для компаний

Признайте реальность. Старые методы внедрения не работают. 95% провалов — это не случайность, а системная проблема. Если хотите другой результат — нужен другой подход.

Определитесь с целью. Если цель — сократить штат на 30%, лучше сделать это сразу и честно, не прикрываясь внедрением LLM. Попытка использовать сотрудников для создания инструментов, которые их же и заменят, обречена на саботаж.

Пересмотрите систему мотивации. Сотрудник должен выигрывать от роста своей эффективности. Привяжите компенсацию к результату, а не к часам присутствия. Расширьте вилку зарплат. Дайте возможность зарабатывать больше тем, кто производит больше.

Гарантируйте безопасность. Зафиксируйте в контрактах: рост эффективности не ведёт к сокращению или снижению оплаты. Без этой гарантии любые призывы «внедряйте LLM» будут восприниматься как ловушка.

Признайте право собственности на методики. Наработки сотрудника в области организации своего труда — это его интеллектуальная собственность. Хотите использовать — договаривайтесь отдельно. Это непривычно, но это единственный способ получить доступ к реальным инновациям.

Ищите взаимовыгодные модели. Может быть, это разделение дополнительной прибыли. Может быть — сокращение рабочей недели при сохранении зарплаты. Может быть — гибридная модель, где часть времени сотрудник работает на компанию, а часть — на себя. Экспериментируйте.

Начните с пилота. Найдите сотрудников, которые уже используют LLM эффективно. Предложите им новые условия. Посмотрите, что получится. Один успешный кейс внутри компании убедит лучше любых презентаций.

Что будет дальше

Прогнозировать сложно, особенно когда технология развивается с такой скоростью. Но некоторые тенденции уже достаточно очевидны, чтобы попробовать заглянуть на 3-5 лет вперёд.

LLM продолжит умнеть. Это не вопрос веры — это тренд, подтверждённый последними годами. То, что модели не умели год назад, сегодня они делают уверенно. То, что они не умеют сегодня, они научатся завтра.

Часть позиций можно будет полностью заменить. Но далеко не все — скорее всего, меньшинство. Для большинства профессий речь пойдёт не о замене, а о масштабировании: один специалист с LLM сможет делать работу, которая раньше требовала пяти или десяти.

Рынок труда расслоится радикально. Принципиально важным станет не просто «программист» или «маркетолог», а «программист с навыком LLM» или «без». Разница в зарплатах может достигать десятикратной — даже если разница в производительности пятикратная. Потому что помимо объёма работы есть ещё издержки на координацию: один человек вместо пяти — это меньше совещаний, меньше согласований, меньше потерь на коммуникации. Время тоже ресурс: задача, решённая за день вместо недели, может стоить дороже.

Появятся методики и специалисты по внедрению. Когда что-то работает у одиночек, рано или поздно появляются попытки это формализовать и тиражировать. Возникнут консультанты, курсы, услуги по внедрению LLM в рабочие процессы.

Но здесь есть нюанс. При текущей скорости развития моделей любая методика устаревает за месяцы. Внедрять что-то, что завтра станет неактуальным, — сомнительная инвестиция. Возможно, формализованные методики станут востребованы, когда прогресс выйдет на плато. А пока более жизнеспособная модель — персональные коучи, которые помогают конкретному специалисту выстроить свою систему работы с LLM. Некоторые компании могут даже оплачивать таких коучей для своих сотрудников — если поймут, что это выгоднее, чем пытаться внедрять сверху.

Отношения между работником и компанией сместятся в сторону «заказчик — подрядчик». Больше акцента на результат и цену, меньше — на процесс достижения. Если специалист выдаёт нужный результат в нужные сроки, становится менее важно, как именно он это делает — сам, с помощью LLM или с командой ассистентов в голове.

Конкуренция обострится — и за рынки, и за людей. Компании, которые научатся работать с LLM-усиленными специалистами, получат преимущество, которое сложно догнать. Те, кто не научится, начнут проигрывать — сначала по срокам, потом по качеству, потом по цене. Умение выстроить отношения с новым типом работников станет ключевой компетенцией.

Эффект будет экспоненциальным. Совершенствуется не только сама LLM — совершенствуются и методики её использования. Опытный специалист сегодня эффективнее себя год назад не только потому, что модель стала умнее, но и потому, что он сам научился работать с ней лучше. Два источника роста умножаются друг на друга.

Экспоненциальный рост эффективности у одних означает экспоненциальное отставание у других. Разрыв будет увеличиваться всё быстрее. Те, кто начнёт сейчас, через год будут недосягаемы для тех, кто начнёт через год. Это не угроза и не мотивационный лозунг. Это просто математика.

Заключение

Мы стоим в начале большой трансформации. Да, она несёт риски и требует пересмотра привычных правил. Но она же открывает возможности, которых раньше не было: возможность одному человеку создавать то, что раньше требовало команды; возможность учиться быстрее, чем когда-либо; возможность усилить свой интеллект инструментом, который становится умнее с каждым днём. Те, кто не боится учиться и экспериментировать, кто готов договариваться по-новому и брать ответственность за результат — выиграют. Прогресс не спрашивает разрешения, но он щедр к тем, кто идёт с ним в ногу.