6 января 2026
Перед новогодними праздниками интернет облетела страшная весть — на Reddit появился пост, где анонимный бэкенд-разработчик из сервиса доставки еды открывал страшные подробности ценообразования и распределения заказов. Мол, компания рассчитывает “индекс отчаяния” водителей и показывает самым нуждающимся худшие заказы — пост собрал 86 тысяч апвотов и 36 миллионов просмотров на X.
В общем, это оказался фейк.
Журналист Platformer Кейси Ньютон подробно описал, как чуть не попался на мистификацию. Документы и даже бейдж сотрудника оказались сгенерированы нейросетью. Причем разоблачить фейк помогла та же технология, которая его создала. Google Gemini смог распознать собственный водяной знак SynthID на изображении бейджа. Но восемнадцатистраничный “технический документ” о внутренней архитектуре системы выглядел достаточно убедительно, чтобы опытный журналист потратил время на его изучение. Алексиос Мантцарлис из рассылки Indicator называет LLM “оружием массовой фабрикации” — теперь можно завалить редакции материалами, которые требуют проверки, но не содержат ничего реального.
Любопытно, что у меня одновременно подлетело несколько ссылок про то, как люди используют AI для написания научных статей — вполне легитимно, так сказать.
Исследователи из Университета Торонто (Gans & Goldfarb, NBER, январь 2026) ставят под сомнение апокалиптические прогнозы об автоматизации. Их аргумент прост: большинство оценок риска основаны на допущении, что задачи в профессии независимы друг от друга. Автоматизировал 9 из 10 — потерял 90% работы. Но реальность иная: задачи часто комплементарны, как детали в механизме. Если одно звено слабое — страдает весь продукт.
Когда машина берёт на себя рутину, работник не просто “теряет” эти задачи — он перераспределяет своё время на оставшееся и выполняет это качественнее. Авторы называют это “эффектом фокусировки”. Классический пример: банкоматы не уничтожили профессию кассира — кассиры стали “relationship bankers”, сосредоточившись на сложных клиентских взаимодействиях. То же происходит с радиологами, юристами, аналитиками.
Что это значит практически? Вопрос не в том, может ли AI выполнить какую-то задачу, а в том, где остаются “узкие места”, которые люди закрывают лучше. Пока такие места есть — работник может стать ценнее, а не дешевле. Ироничная деталь: саму статью авторы написали с помощью ChatGPT 5.2 Pro и Claude Opus 4.5 — живой пример собственной теории.
Но повод для беспокойства есть. Занятость и зарплаты могут расти по мере улучшения технологий, но если (когда) AI достигнет уровня, позволяющего закрыть все задачи (или последнее узкое место), произойдет резкий обвал. То есть, вместо медленного умирания профессии (как принято считать), мы можем увидеть расцвет профессии вплоть до момента, пока она не исчезнет одномоментно, если технология полностью заменит человека во всем цикле.
Редкая здесь новость про компанию Маска — xAI закрыла раунд Series E на $20 млрд — на треть больше запланированных $15 млрд. Среди инвесторов Fidelity, Qatar Investment Authority, MGX, а стратегическими партнерами выступили Nvidia и Cisco.
Компания утверждает, что у Grok 600 миллионов активных пользователей. Правда, надо уточнить — это аудитория X, которой технически доступен Grok, а не те, кто им реально пользуется.
Интересно, что компания сообщает, что размер раунда больше, чем планировалось, но нигде нет упоминания об оценке компании в раунде. Учитывая, что раньше такая информация всегда присутствовала, такое молчание показательно.