Кто уже строит

Intercom — ~2,000 человек, $400M+ ARR, ирландская компания с продуктом для клиентской поддержки. Их AI-агент Fin решает 2 миллиона клиентских запросов в неделю для 8,000 компаний. $0.99 за решённый запрос. Средний resolution rate — 67%, у лучших deployments — 84%.

Это продукт. Но интереснее то, что происходит внутри.

Intercom построил систему из 13 плагинов и 100+ скиллов для Claude Code. 90% pull requests в компании авторизованы Claude. Но следим за руками — это не «дали всем ChatGPT и назвали инновацией».

Вот что они реально сделали.

Дали Claude read-only доступ к продакшену. Через MCP — Rails production console. Claude выполняет произвольный Ruby-код против боевых данных: проверяет feature flags, валидирует бизнес-логику, инспектирует кеш. Когда это запускали, Principal Systems Engineer Брайан Сканлан сказал: «Это либо худшая вещь в мире, которая уничтожит Intercom, либо наоборот».

Ни одного инцидента.

Но не потому, что повезло. А потому, что архитектура:
- Read-replica only — писать нельзя
- Заблокированы критические таблицы
- Обязательная верификация модели перед каждым запросом
- Okta auth + DynamoDB audit trail
- Skill-level gate: все production-инструменты заблокированы, пока Claude не загрузит safety-документацию

Это не «дали доступ». Это safety gates о которых мы говорили в статье [Галлюцинации — это не баг. Это физика. Как строить системы, которые не верят ИИ на слово] — контролируемый доступ с архитектурой недоверия. Ровно то, о чём мы писали в статье про галлюцинации.

Построили feedback loop. Каждое действие Claude инструментировано через OpenTelemetry — 14 типов событий в Honeycomb. При этом промпты и сообщения принципиально не логируются (privacy-first). Транскрипты сессий уходят в S3. При завершении сессии хук запускает Haiku, который анализирует транскрипт и классифицирует проблемы: missing_skill, missing_tool, repeated_failure, wrong_info. Результат — в Slack с pre-filled ссылкой на GitHub issue.

Реальные сессии → найденные проблемы → issues → новые скиллы → лучшие сессии. Замкнутый цикл. Data flywheel о чем мы писали в концепции [Процесс становится продуктом], только не для продукта — а для инструментов разработки.

Топ-5 пользователей — не инженеры. Claude Code раздали всем ~1,000 не-инженерам: маркетинг, продажи, бухгалтерия, юристы, PM, поддержка. Самые активные пользователи оказались design managers, CS engineers и product management leaders.

По моему опыту — это самая важная метрика. Не «сколько PR делает Claude», а «кто кроме инженеров пользуется инженерными инструментами». Когда не-инженеры начинают работать с продакшн-данными напрямую — организация изменилась. Это не автоматизация. Это другая операционная модель.

Des Traynor, сооснователь Intercom, поставил цель: 2x output за год, начиная с июня 2025. Не абстрактную «внедрить AI» — а конкретную, измеримую. И добавил: «You have to move with the uncertainty. AI is evolving too fast. There's no opportunity to wait and see.»

В концепции [модели эволюции компаний]: C3 — оркестрированный ИИ. Процессы перестроены, есть единый контур данных, моделей, контроля качества. C4 — агентная операционная модель. Агенты выполняют процессы, человек — в точках контроля.

Intercom перешёл эту границу. Claude не помогает инженеру писать код — Claude выполняет 90% PR. Не подсказывает, что проверить в продакшене — сам проверяет. Не генерирует отчёт по данным — сам ходит в Snowflake, Gong, финансовые метрики через 30+ analytics skills.

Человек — не оператор. Человек — контролёр. Safety gates, не руль.

Ключевой барьер между C3 и C4 — не технология. Это готовность дать AI доступ к критическим системам. Intercom не запретил доступ к продакшену — а построил архитектуру, при которой доступ безопасен. Разница между «нельзя» и «можно, но вот как».

А теперь — другой масштаб.

Block (бывший Square) — $24 миллиарда выручки, ~6,000 сотрудников после того, как в феврале 2026-го уволили 4,000 — 40% штата. Тикер сменили с SQ на XYZ. И 31 марта Джек Дорси вместе с Рулофом Ботой (Managing Partner Sequoia) опубликовали манифест «From Hierarchy to Intelligence».

Тезис манифеста: иерархия — это информационный протокол. Она существует не потому, что менеджеры нужны. А потому, что до сих пор не было другого способа координировать тысячи людей.

Это не новая мысль. Это мысль с историей в 2000 лет.

Римская армия решила проблему координации через nested hierarchy: contubernium (8 солдат) → century (80) → cohort (480) → legion (5,000). На каждом уровне — командир, который агрегирует информацию снизу и ретранслирует решения сверху. Span of control: 3–8 человек. Это ограничение — не менеджерское. Это человеческое.

Пруссия после разгрома при Йене в 1806 создала General Staff — класс офицеров, чья работа не воевать, а планировать, обрабатывать информацию и координировать. Как сформулировал Шарнхорст: «поддерживать некомпетентных генералов, предоставляя таланты, которых может не хватать лидерам». Средний менеджмент — до того, как появился этот термин.

Железные дороги 1840-х перенесли эту модель в бизнес. Тейлор оптимизировал то, что происходит внутри иерархии. Матричные организации, Spotify squads, холакратия Zappos — все пытались обойти trade-off: больше слоёв = больше координации, но медленнее информация. Spotify откатил свою модель к обычному менеджменту. Zappos потерял людей. Valve не масштабировался.

Тезис Block: AI — первая технология, которая может реально заменить координационную функцию иерархии.

Как это выглядит в архитектуре:

Два world model. Company world model — как компания понимает саму себя: что строится, что заблокировано, где ресурсы, что работает. В remote-first компании, где всё — артефакты (решения, код, дизайн, планы), AI может поддерживать эту картину непрерывно. Customer world model — построена на транзакционных данных обеих сторон: покупатель через Cash App, продавец через Square. «Деньги — самый честный сигнал в мире».

Intelligence layer компонует capabilities (платежи, кредитование, карты, payroll) в решения для конкретного клиента в конкретный момент. Ресторан теряет выручку перед сезонным спадом — intelligence layer собирает краткосрочный кредит + скорректированный график выплат. Не потому что product manager решил это сделать. А потому что модель увидела паттерн.

Три роли вместо пирамиды:
- IC — глубокие специалисты. World model даёт контекст, который раньше давал менеджер
- DRI — владеет конкретной проблемой на 90-дневном цикле. Полный authority тянуть ресурсы across teams
- Player-coach — строит + развивает людей. Не information router, а мастер + наставник

«Нет нужды в постоянном слое среднего менеджмента.»

Красивый манифест. Теперь — оговорки. Потому что без них это было бы инфобизнесом.

Block утроил штат в пандемию — с 3,835 в 2019 до 10,000+. Были failed vanity projects и две параллельные корпоративные структуры. 40% — это, в том числе, коррекция перенайма. Bloomberg написал «AI washing». Sam Altman сказал: «Есть AI washing, когда люди обвиняют AI в увольнениях, которые сделали бы в любом случае». Marc Andreessen добавил: «Компании перенанимали на 75%, и AI — серебряная пуля-отмазка».

Аналитики Darden (UVA) прямо сказали: Block использует AI как нарративное прикрытие для агрессивного сокращения костов.

Сотрудники Block говорят: ~95% AI-сгенерированного кода требует доработки человеком. AI не может вести в регулируемых областях вроде банкинга. Минимум 4 уволенных сотрудника были тихо наняты обратно в марте — один layoff назвали «clerical error».

Моё мнение: обе стороны правы одновременно. Манифест интеллектуально серьёзен — Josh Bersin, один из главных HR-аналитиков, согласен, что re-engineering, а не job elimination, это правильная ставка. Но 40% — это также коррекция пандемийного перенайма. Block сам пишет: «Мы в начале. Часть сломается прежде чем заработает».

C5 — это направление, не адрес. Block туда едет. Приехал ли — увидим.

Для контраста: Klarna пыталась прыгнуть из C1 сразу в C4. Заменили 700 агентов поддержки AI-ботом, обрабатывавшим 2.3 миллиона чатов в месяц. CEO потом сказал: «We went too far». Качество просело. Начали нанимать людей обратно. 55% компаний, сделавших AI-driven layoffs, жалеют об этом.

Intercom vs Klarna — лучшая иллюстрация разницы. Intercom построил safety gates, feedback loop, архитектуру контроля — и потом дал AI доступ. Klarna заменила людей оптом. Один на C4. Другой откатился на C2.

Intercom и Block делают принципиально разные вещи.

Intercom меняет как люди работают с системами. AI выполняет инженерные задачи, AI анализирует продакшн, AI фиксит flaky tests. Но оргструктура — та же. Есть менеджеры, есть команды, есть иерархия. AI — внутри процессов.

Block меняет как организована сама компания. World model вместо middle management. DRI вместо проектных менеджеров. Intelligence layer вместо roadmap. AI — вместо иерархии как координационного механизма.

В модели [C0–C5] это разница между [целью 1–2] (оптимизация + масштабирование) и [целью 3] (кибернетическая организация).

Не «лучше/хуже». Разные задачи, разные уровни готовности, разные риски.

Gartner прогнозирует: к 2026 году 20% организаций используют AI для ликвидации более половины позиций среднего менеджмента. McKinsey определяет «agentic organization» как новую парадигму — но тут же отмечает: 90% use cases застряли в пилоте, только 23% масштабируют agentic AI хотя бы где-то.

Между манифестом и реальностью — пропасть execution.

Три урока из двух кейсов.

Из Intercom: safety gates > запрет.

Большинство компаний реагируют на риски AI запретом. Нельзя в продакшен. Нельзя с клиентскими данными. Нельзя без ревью. Intercom показывает альтернативу: можно, но через архитектуру контроля. Read-replica, blocked tables, audit trail, skill gates. Это ровно та [архитектура недоверия], о которой мы писали. Не доверяй AI. Не запрещай AI. Строй систему, в которой AI может ошибаться без катастрофы.

И ещё одно. Если топ-5 пользователей AI — только инженеры, вы автоматизировали один отдел. Если не-инженеры работают с production-данными напрямую — вы изменили организацию.

Из Block: артефактная культура — prerequisite.

World model работает, только если работа оставляет следы. Решения записаны. Код — в репо. Обсуждения — в документах. Если ваша компания принимает решения в курилке, а знания живут в головах — никакой AI не соберёт company world model. Сначала — прозрачность. Потом — координация.

Честный вопрос: где ты?

Если AI в компании — это «у нас есть ChatGPT Teams» → C1.
Если отделы внедряют разные инструменты, но нет общей архитектуры → C2.
Если процессы перестроены под AI с единым контуром данных → C3.
Если агенты выполняют процессы, а люди контролируют → C4.
Если вы пересобираете оргструктуру вокруг AI-координации → C5.

Shopify ставит AI в performance reviews и требует доказать, что AI не может сделать работу, прежде чем нанять человека — при этом revenue +30%, headcount flat. Duolingo заменил контракторов на AI и выпускает 148 курсов в год вместо одного — revenue $1 миллиард, +39%. Оба — на границе C3–C4.

Большинство компаний сегодня — на C1–C2. И это нормальный старт. Но если через год ты всё ещё там, а конкуренты строят feedback loops и safety gates — ты теряешь не эффективность. Ты теряешь скорость обучения. А скорость обучения — единственное, что компаундится.

За десять статей мы прошли путь от «[что такое ИИ для бизнеса]» до «как выглядит C4 и C5 вживую».
[Пайплайны],
[спеки],
[верификация],
[архитектура недоверия],
[процесс как продукт],
[сервис как софт] — и теперь кейсы, которые всё это подтверждают.

Intercom не читал наши статьи. Block не проходил наш курс. Но оба пришли к тем же паттернам: safety gates, feedback loops, data flywheel, процесс-продукт, артефактная культура. Потому что это не теория. Это физика того, как ИИ встраивается в организации.

Я для этого и делаю курс[AI ARCHITECT]. Не учу промптить. Учу видеть эти паттерны в своей компании — и строить путь от текущего уровня к следующему. Потому что Intercom не начинал с C4. Они начинали с того, что Des Traynor попробовал ChatGPT — и через 72 часа scrapped roadmap.

Первый шаг — всегда маленький. Следующий — твой.