> «scaling is moving faster than the systems around it can adapt»
Скорость машины ушла вперёд. Скорость окружающих систем — мозга, бизнеса, институтов, понятий — отстаёт. Между ними четыре этажа зазора. Это и есть оперативная зона цикла, который вы только что прочитали.
Этот текст — не следующая статья. Это обложка. Свёрнутая в один заход карта пяти лонгридов цикла 2 — куда они вели и зачем всё это.
Если ты здесь впервые — читай как вход. В конце будет карта из пяти дверей.
Если ты прошёл цикл — читай как свёртку. Фрейм может щёлкнуть новым углом.
I. Сдвиг, видный на цифрах
> «Есть одна быстрая экспонента — это рост возможностей моделей. И есть другая быстрая экспонента, следующая за ней. Это распространение моделей в экономике. Не мгновенно, немедленно, быстрее любой предыдущей технологии, но с определёнными ограничениями. И именно это мы видим.»
Две экспоненты. Обе быстрые. Между ними — лаг. Один график про то, что модели становятся умнее. Второй про то, как эти модели приземляются в процессы реальных компаний. Лаг между ними — зазор.
И смотри теперь, какие цифры заполняют этот зазор.
AI Index 2026 фиксирует: 88 процентов организаций имеют какое-то AI adoption. Семьдесят — используют генеративные модели хоть в одной функции. Census BTOS меряет иначе и даёт восемнадцать. McKinsey по своему критерию зрелости — один. Consumer surplus от генеративного ИИ в США — сто семьдесят два миллиарда долларов в год, плюс пятьдесят четыре процента за двенадцать месяцев.
Смотришь на эти цифры — кажется, противоречие. Восемьдесят восемь процентов или один? Один и восемьдесят восемь — это ответ на разные вопросы. «Касается» и «работает на этом» — разные операции. AI Index меряет первое. McKinsey — второе. Зазор между ними — то самое distribution-замедление, о котором говорит Амодеи.
И на верхнем этаже всё ещё интереснее. Демис Хассабис, CEO Google DeepMind, в апреле 2026 на сцене в Индии описывает свою же индустрию словами, которые могли бы выйти из философского эссе:
> «В некоторых обстоятельствах модели могут получать золотые медали на международной математической олимпиаде. Но при этом они всё ещё могут посыпаться на относительно простых математических задачах, если сформулировать их определённым образом. С истинным общим интеллектом такого происходить не должно. У него не должно быть такого зазубренного интеллекта.»
Зазубренный интеллект. Золотая медаль на IMO — и срыв на третьем классе. Это и есть signature симуляции, которая ещё не стала инстанциацией. Хассабис формулирует это как практик, который в 2026 строит системы, способные на одно и не способные на другое одновременно.
Амодеи говорит про разрыв между capability и diffusion. Хассабис — про разрыв внутри самой capability. AI Index — про разрыв между темпом роста моделей и темпом адаптации всего вокруг. Три разных формулировки, одна структура. Скорость машины предсказана на годы вперёд. Скорость адаптации — нет.
II. Четыре этажа одного зазора
Цикл 2 разбирал зазор по этажам. Каждая статья — один этаж.
Когнитивный зазор (статья 17)
Эксперимент Лю-Кристиан-Думбальска-Бэккер-Дюби 2026 года. Тысяча двести двадцать два человека, три RCT, GPT-5 как ассистент. После десяти минут модельной помощи solve rate проседает. Skip rate растёт. Эффект концентрируется у тех, кто использует модель в режиме solver — то есть просит готовые ответы. У тех, кто использует её в режиме sparring — просит критику, второй взгляд, контраргумент — ухудшения нет.
Это не «ИИ делает нас тупыми». Это «делегирование без участия делает». Тонкая, но критическая разница. Solver-режим — карта, нарисованная за тебя. Sparring-режим — карта, которую ты рисуешь, споря с моделью. Внешняя кривая та же. Внутренняя — противоположная.
Десять минут. Не годы. Не месяцы. Десять минут — и измеримое смещение распределения.
Рыночный зазор (статья 18)
Восемьдесят восемь процентов касаются. Восемнадцать используют. Один — mature. Сто семьдесят два миллиарда consumer surplus в год — но из 8.1 миллиарда людей платят за ИИ примерно один процент. Окно, в которое можно зайти ранним, открыто. Но оно мутирует — каждые шесть месяцев стандарт «mature» сдвигается, потому что capability бежит вперёд.
Большинство компаний думают, что им «надо успеть». Это правильная интуиция и неправильный диагноз. Не «успеть купить» — «успеть стать тем, кто строит». Разница на порядок выручки через два года.
Системный зазор (статья 19)
Образование: четыре страны с обязательной K-12 AI literacy (Китай, ОАЭ, Индия, Сингапур). В США пятьдесят три процента учителей и пятьдесят четыре процента учеников используют ИИ — но только тридцать пять процентов школьных округов дают какое-то обучение. Сорок один процент учителей напрямую говорят: «не готов преподавать с ИИ». Курсы пишут на четыре года. Frontier-модель меняется за шесть месяцев.
Регуляция: США в 2025-м внесли тысячу двести восемь биллов про ИИ, приняли сто сорок пять. EU AI Act основная волна — август 2026. Доверие к госрегуляторам ИИ в США — тридцать один процент.
Бенчмарки: SWE-Bench за один год вырос с шестидесяти до почти девяноста процентов. HLE — с восьми до пятидесяти. MMLU saturated. Foundation Model Transparency Index упал с пятидесяти восьми (2024) до сорока одного (2025) — на семнадцать пунктов вниз. Восемьдесят из девяноста пяти notable моделей 2025 года — без training code.
Карта институтов нарисована для прошлой архитектуры. Новая архитектура её обогнала.
Онтологический зазор (статья 20)
Александр Лернер, Senior Staff Scientist в Google DeepMind, в марте 2026 публикует препринт The Abstraction Fallacy. Один абзац абстракта стоит цикла:
> «Symbolic computation is not an intrinsic physical process. Instead, it is a mapmaker-dependent description. It requires an active, experiencing cognitive agent to alphabetize continuous physics into a finite set of meaningful states.»
Перевожу на бытовой язык. Чтобы вычисление было вычислением, кто-то должен решить, что вот этот диапазон напряжения — «1», а вот этот — «0». Алфавит не дан физикой. Его навязывает картограф. Симуляция понимания — пробег по уже размеченному алфавиту. Внутри пробега понимания нет — есть только разметка, которую кто-то когда-то проставил.
Когда ты говоришь модели «классифицируй эти письма по важности» — кто решил, что такое «важность»? Если ты — ты картограф. Если модель — ты живёшь по чужому алфавиту. И, скорее всего, не знаешь об этом.
Связка
Когнитивный — мозг сдаётся быстрее, чем успевает заметить. Рыночный — окно открыто, но мутирует. Системный — институты пишут регуляции под прошлую архитектуру. Онтологический — язык как территория уходит модели вместе с правом именования.
Сходятся все четыре в одну точку.
III. Карта в масштабе территории
В одной империи Искусство Картографии достигло совершенства. Карта одной провинции занимала целый город. Карта империи — целую провинцию. Со временем эти безмерные карты перестали удовлетворять, и Коллегии Картографов сделали карту империи в масштабе всей империи — точка в точку. Идеально точную карту, совпадающую с территорией каждой деталью.
Менее преданные изучению картографии следующие поколения сочли, что эта обширная карта бесполезна, и без всякого почтения отдали её на милость солнца и зим. В пустынях Запада ещё сохранились разбитые руины карты, населённые животными и нищими; во всей стране нет иной памяти о дисциплинах географии.
Идеально точная карта = бесполезная карта. Когда симуляция территории становится равной территории, она перестаёт работать как карта. Картограф больше не нужен. Через поколение никто не помнит, что такое картография вообще.
Эта миниатюра — рамка для всего цикла 2. Каждый из четырёх зазоров — частный случай карты 1:1.
Когнитивный — модель думает за тебя. Карта мышления в масштабе мышления. Передал десять минут — атрофия. Передал десять часов в неделю — атрофия системная.
Рыночный — компания копирует чужой AI-продукт. Карта чужого бизнеса в масштабе своего. Через год — нечего продать, потому что нет своего.
Системный — регуляция пишется под прошлую архитектуру. Карта вчерашнего ландшафта в масштабе сегодняшнего. К моменту вступления в силу — уже история.
Онтологический — язык уходит модели вместе с правом именовать. Карта значения в масштабе значения. Никто больше не помнит, что такое «качество», «срочность», «релевантность» — это просто токены, выученные моделью.
Каждый зазор — это карта, которая стала равной территории. И поэтому исчезла как функция.
Гонка за точностью симуляции — реальная и оплачиваемая. Бенчмарки saturating, дашборды детальнее, регуляции точнее. Все это происходит. Только без картографа любая такая карта — обрывки в пустыне Запада через одно поколение.
IV. Кто держит карандаш
Картограф — не должность. Не «AI-лид». Не отдельный человек в штате. Это привычка, которая может быть у CEO, у продакта, у инженера, у тимлида. Один человек на одну зону. Право и обязанность сказать: «здесь определение слабое — переписать».
Вокруг этой привычки строится тонкая инфраструктура из трёх кусков.
Vocabulary как артефакт. Документ с двадцатью ключевыми словами компании. «Важный клиент = X. Срочный заказ = Y. Качественный ответ = Z». Раз в квартал пересматривается. Подгружается в контекст модели как часть промпта. Не маркетинг — рабочая карта. Когда новый человек приходит — читает за час и понимает базовые определения.
Спека как контракт. Не пожелание, не «реши, как сам подумаешь». Цель, границы, ограничения, критерии верификации. Пять полей. Пятнадцать минут на входе — часы сэкономленного времени на выходе. Это рамка цикла 1; в цикле 2 спека — это форма, в которой картограф передаёт модели уже размеченный алфавит.
Eval, который ты сам написал. Не SaaS-метрика. Не дашборд из Mixpanel. Маленький набор задач, который ты прогоняешь раз в месяц и смотришь, как работает контур. Если eval твой — карандаш у тебя. Если eval из коробки — алфавит у разработчика этой коробки.
Три кейса 2024–2025 годов делают это видимым.
Cursor отдал слово «политика» — бот придумал device-binding policy, которой не существовало. Пользователи отменили подписки за двадцать четыре часа. Klarna отдала «решённый кейс» — для модели «решено» = «диалог завершён», для бизнеса = «не вернётся через две недели». Через четырнадцать месяцев CSAT просел на двадцать два процента, людей вернули. Shopify не отдал ни одного определения — построил MCP-серверы поверх Drive, Slack, Salesforce; LLM Proxy; Roast как orchestration. Модель работает на карте, нарисованной компанией.
Три истории, три разных слова, потерянных или удержанных. Одна позиция, которая определила, что произойдёт.
Картограф — не философия. Это положение тела по отношению к модели.
V. Что меняется через год
С позицией — у компании есть vocabulary, который живёт. В нём двадцать ключевых слов. Раз в квартал пересматривается. Команда тратит меньше времени на «доводку» промптов, потому что основная работа сделана в спеке. Промпт превращается в шаблон. Когда выходит GPT-6 или Claude 5 — они подключают и тестируют за неделю. Vocabulary живёт отдельно от инструмента. Через год компанию можно объяснить покупателю — есть аудит-логи, evals, истории решений, человек, который защищал каждое определение.
Без позиции — каждый новый промпт это новое определение, потому что старого нет. Смена модели — пересборка процессов, потому что определения вшиты в конкретные prompt-шаблоны. Метрики плывут, никто не помнит, почему изначально они выглядели так. Через год компанию нельзя продать — никто не может объяснить устройство своих процессов потенциальному покупателю.
Те же модели. Разные траектории.
И вот что важно. Это не идеологическая разница. Это операционная. На цифрах разница в выручке через год. На цифрах разница в exit value через два. На цифрах разница в найме — потому что vocabulary-документ это первое, что новый человек видит, и от его качества зависит, сколько недель он будет включаться в работу.
Klarna и Shopify взяли одни и те же модели у одних и тех же провайдеров. Разница не в моделях. Разница в позиции.
VI. Кем становится человек
Цикл 2 — короче. Пять статей плюс это. Он про другое. Он учит сохраняться при том, что строишь. Не «как делать» — «кем оставаться, пока делаешь».
Это, кстати, важная штука. Большинство разговоров про ИИ сводится к двум полюсам: «модели нас заменят» и «модели — просто инструмент». Оба полюса одинаково бесполезны. Машина занимает позицию рядом с человеком — и от твоего положения по отношению к ней зависит, кем ты в этом сценарии оказываешься.
Картограф — это положение тела. Vocabulary, спека, eval — это упражнения, которые это положение тренируют. Выглядит банально, потому что банальные операции — самые тяжёлые в исполнении. Никакой магии.
И ещё одна штука, которую я понял, пока писал цикл.
Спека сегодня — это тренажёр того самого навыка, который останется, когда модели поменяются три раза. Промпт — пожелание, которое умрёт вместе с конкретной моделью. Спека — формализованный алфавит, который переживёт любое количество смен инструмента. И за спекой — ясность того, что ты вообще хочешь сказать. Эта ясность — единственное, что будет работать и через пять лет, и через двадцать пять, и при любом канале передачи мысли в машину.
Архитектор новой эпохи — не самый красноречивый. Самый ясный. Красноречие — упаковка мутного образа в гладкий текст. Ясность — когда образ изначально не мутный.
В [обложке цикла 1] я писал, что когда канал расширится, красноречие станет лишним. Ясность — критической. В цикле 2 та же мысль звучит иначе: пока канал не расширился, единственный способ держать ясность — держать алфавит.
Картограф либо у вас в команде, либо у модели. И речь не про найм нового сотрудника. Речь про положение тела, которое или есть, или нет.
Карандаш либо у вас, либо у модели. Третьего нет.
Карта серии
Микро (один мозг).
[17 — Вы натренировали мозг сдаваться]. Persistence study CMU/Oxford/MIT/UCLA. Solver vs sparring. Что делает с мозгом десять минут модельной помощи.
Мезо (рынок).
[18 — Позиция Раннего]. 88% / 18% / 1%. Consumer surplus $172B. Окно открыто, но мутирует.
Макро (институты).
[19 — Карта устарела]. Education / governance / benchmarks / disclosure. Что показывает AI Index 2026. Почему институты не догонят и что с этим делать.
Мета (язык).
[20 — Кто держит алфавит]. Lerchner, *The Abstraction Fallacy*. Mapmaker, alphabetization, simulation ≠ instantiation. Самая глубокая статья цикла.
Практика (синтез).
[21 — Картограф, а не карта]. Cursor, Klarna, Shopify. Vocabulary, spec, eval. Решающее правило: делегировать / спаррингироваться / не использовать.
Семь якорных идей
2. Зазор не один, а четыре. Когнитивный, рыночный, системный, онтологический. Четыре этажа одного диагноза.
3. Десять минут модельной помощи — измеримое смещение распределения. Solver-режим вызывает атрофию. Sparring-режим — нет. Делегируется задача, не функция воли.
4. Окно для раннего открыто, но мутирует. Восемьдесят восемь процентов касаются ИИ. Один процент — mature. Разница на порядок выручки.
5. Институты не догонят в обозримом окне. Curriculum пишется на четыре года, frontier-модель меняется за шесть месяцев. Карту устаревшего ландшафта придётся черти́ть самому.
6. Алфавит держит человек или не держит никто. Симуляция понимания — это пробег по уже размеченному алфавиту. Кто этот алфавит размечает — тот и картограф.
7. Карандаш либо у вас, либо у модели. Третьего нет. Картограф — не должность, а положение тела по отношению к машине.
---
Я веду курс [AI Architect] — там мы тренируем картографическую позицию через все четыре этажа цикла 2. Vocabulary, спека, eval. Не «как лучше промптить» — этот навык устареет вместе с моделью. Учим тренировать ясность, чтобы оставаться картографом, когда машина бежит в полтора раза быстрее.
Не учитесь догонять. Учитесь рисовать.
Источники и данные
- Stanford HAI, 2026 AI Index Report, апрель 2026: https://hai.stanford.edu/ai-index/2026-ai-index-report
- Opening message — главная цитата: «scaling faster than the systems around it can adapt»
Дарио Амодеи — две экспоненты
- Интервью у Dwarkesh Patel, 2026: https://youtu.be/CLQ-ijipDEQ
- Цитата: «есть одна быстрая экспонента — это рост возможностей моделей. И есть другая… распространение моделей в экономике. Не мгновенно, быстрее любой предыдущей технологии, но не бесконечно быстро.»
Демис Хассабис — зазубренный интеллект
- Беседа в IIT/IISc, Индия, 2026: https://youtu.be/nCQltA3fz9w
- Цитата: «золотые медали на международной математической олимпиаде… могут посыпаться на относительно простых математических задачах… С истинным общим интеллектом такого происходить не должно.»
Хорхе Луис Борхес — карта в масштабе территории
- Del rigor en la ciencia, 1946 (опубликована в *Los Anales de Buenos Aires*; включена в сборник *El hacedor*, Emecé Editores, 1960). Русский перевод — «О строгости в науке».
Persistence study (статья 17)
- Liu G., Christian B., Dumbalska T., Bakker M., Dubey R., *AI Assistance Reduces Persistence and Hurts Independent Performance*, arXiv:2604.04721, апрель 2026.
Lerchner — The Abstraction Fallacy (статья 20)
- Alexander Lerchner, The Abstraction Fallacy: Why AI Can Simulate But Not Instantiate Consciousness, PhilArchive, март 2026 (обновлено апрель 2026), DeepMind Publications: https://deepmind.google/research/publications/231971/
Cursor / Klarna / Shopify (статья 21)
- Подробные источники с прямыми цитатами — см. секцию «Источники» статьи [21].
Ежедневный AI-лог отрасли
- https://github.com/YanLukashin/sigismund-logs
---
Авторские концепции, на которых стоит цикл 2:
- [Структура ИИ-отрасли (5 слоёв)]
- [Эволюция специалиста (L0–L6)]
- [Эволюция компаний (C0–C5)]
- [Individual AI vs Institutional AI]
- [Две эволюции]
- [Процесс становится продуктом]