Сначала GM уволила 600 айтишников. Теперь K-Dense выкладывает «набор талантов». Это одна и та же история — просто под разными вывесками.

Недели две назад я разбирала кейс GM: корпорация честно заявила — мы увольняем 10% своего IT-отдела (около 600 человек), потому что они умеют работать со старым, а нам нужны новые, под AI. Нанимаем других. Это не сокращение, это рокировка. Так компания и сказала — «skills swap». И это было, скажем так, отрезвляюще: власть перекладывается между профессиями, и если твой навык не в тренде, ты вылетаешь из системы.

И вот теперь, буквально через месяц после этой истории, на GitHub всплывает репозиторий от стартапа K-Dense-AI. И там — та же самая логика пересборки. Только если GM меняла людей на людей, то K-Dense говорит: а мы выложили код. Готовые модули-навыки для ИИ-агентов: наука, инженерия, финансы, анализ, письмо. Всё в открытом доступе. Берите, встраивайте, не надо больше ждать, когда человек научится.

И вот я смотрю на это и думаю: это же буквально та же история. Только власть теперь перекладывается не через HR-отдел с уведомлением об увольнении, а через GitHub с красивым readme. Раньше было: «нам не подходят эти люди, давайте других». Теперь: «а давайте просто закодируем навык и положим в открытый доступ — и не надо искать человека». Удобно. Очень.

Только на земле это всё равно прилетает в людей. Просто по-другому.

Код как новый рычаг: почему этот репозиторий — не про щедрость, а про власть

Сначала по фактам. K-Dense-AI — это стартап из Пало-Альто, в прессе его называют «AI co-scientist». Если по-человечески: они пытаются сделать ИИ не очередным чатиком, а инструментом, который реально помогает исследователю — разбирать гипотезы, собирать данные, проверять связки. Не вместо человека, а как усилитель.

На GitHub они выложили репозиторий scientific-agent-skills — и это набор skills. Skill тут — это не «талант» в смысле «человек с редкой экспертизой», а конкретный программный модуль для агента. Один умеет разбирать таблицы, другой — писать черновик статьи, третий — делать анализ данных, четвёртый — финансовые расчёты. По-простому: это не один большой умный агент, а коробка с деталями. Как конструктор, только для ИИ.

И вот тут сразу встаёт вопрос: а кто будет проверять, что этот конструктор собран правильно и не рухнет в рабочем процессе? Потому что если вы работаете в команде, ошибка такого модуля прилетает не в абстрактный «стартап из долины», а прямо в ваш отчёт, код, дедлайн. А иногда — в чью-то очень человеческую репутацию.

GM увольняла людей, чтобы нанять других. K-Dense выкладывает код, чтобы не нанимать вообще. Рычаг власти один и тот же — решение о том, кто важен. Только в случае GM это было видно невооружённым глазом: объявили, сократили, наняли. А здесь — тихо: выложили модуль, он расползётся по командам, и кто-то уже не нужен. Потому что его навык теперь лежит на GitHub.

Я, честно, слегка раздражена этой обёрткой. Снаружи это выглядит как «мы умные, мы открытые, мы дарим код». А внутри — тихий передел: кто решает, какие навыки вообще вшивать в систему, тот и контролирует, кто на рынке труда останется востребованным.

Быстрое прототипирование — да, но доверие вслепую — нет

Тут, если честно, у подхода есть полезная сторона. Если вы исследователь или разработчик, вы можете взять такой модуль и быстро собрать прототип — не писать с нуля каждый кусок. Прототипирование — это, если по-простому, черновой запуск идеи: проверить, работает ли она, до того как тратить недели на полноценную сборку. И в этом смысле готовые навыки экономят время. Иногда сильно — вместо месяца возни с нуля можно за неделю склеить работающую штуку.

Но на этом хорошие новости заканчиваются. Потому что в реальной команде после «о, смотри, что нашли» начинается нормальная работа: кто-то проверяет лицензию, кто-то гоняет модуль на тестовых данных, кто-то смотрит, как он встроится в текущий пайплайн (это цепочка шагов — собрал данные, прогнал анализ, проверил гипотезу, оформил результат) и не сломает ли он что-то следующее. И обязательно кто-то должен спросить: а если этот навык ошибётся — где мы это заметим? Как быстро? И кто за это ответит?

И вот тут рядом с ускорением встаёт проблема доверия. Потому что готовый код — это не только экономия времени, это ещё и принятие чужой логики. Особенно в науке, где нужна воспроизводимость, и в финансах, где ошибка может стоить не просто нервов, а денег. «Ну вроде работает» — это не доверие, это риск.

Я загуглила репозиторий — он действительно живой, код есть, это не просто презентация. И это хорошо. Но я бы не спешила аплодировать. Потому что открытый код не про качество. Он про доступность. А доверять ему — это уже следующий шаг, и он не гарантирован.

Куда это докатится на земле

Если вы не работаете внутри команды, которая строит ИИ-агенты, легко сказать: «да ну, очередной репозиторий». Но эти штуки расползаются тихо и быстро. Сначала один разработчик взял модуль для черновика. Потом команда встроила его во внутренний инструмент. Потом этот инструмент начал анализировать данные, потом — писать отчёты. И в какой-то момент на открытом коде строятся выводы, которые уходят наверх, в решения. А кто потом вспомнит, где у этого навыка был баг?

И вот это меня цепляет больше всего. Не то, что стартап из Пало-Альто снова пытается переупаковать идею модульного агента. К этому мы привыкли. А то, как красиво продаётся концепция «модульного интеллекта»: каждый кусок отдельно полезный, а ответственность за сборку — на человеке. На витрине — ускорение науки. На земле — тот же человек, который потом разбирается, почему модуль поехал не туда. Ну да, технологический прогресс в упаковке «skills».

Вывод не про код, а про власть

K-Dense-AI выложил не чудо-агента, а набор готовых модулей для ИИ-ассистентов. И в этом есть смысл: модульный подход действительно может ускорить прототипирование и сборку. Особенно если у вас небольшая команда и нет времени писать всё с нуля.

Но доверять такому коду без проверки — это наивность. Особенно если речь о науке или финансах. Перед тем как пускать модуль в работу, я бы проверила минимум три вещи: кто его писал и как он выглядит внутри, на каких данных он тестировался, и как система ведёт себя, если один модуль ошибается или получает кривые данные.

А главное — я бы не забывала, что за этой упаковкой стоит та же логика, что и у GM с её увольнениями. Только GM говорила про людей и платила неустойки. А K-Dense говорит про код и никому ничего не должна. Но на земле эффект один: власть перекладывается на того, кто решает, какой навык важен. А человек остаётся с вопросом: «А что теперь умею я?».

Похожие материалы

Материалы