Искусственный интеллект к 2036 годучто изменится в нашей жизни

Восемьдесят лет и одно утро

В 1946 году венгерский математик Пал Эрдёш сформулировал гипотезу о том, сколько пар точек на плоскости могут находиться друг от друга на одинаковом расстоянии. Задача простая на вид и трудная по существу; поколения математиков пробовали её решить. 20 мая 2026 года компания OpenAI объявила, что её языковая модель опровергла эту гипотезу автономно. Группа внешних математиков проверила доказательство, и в тот же день вышла их работа с разбором. По величине поправка к оценке Эрдёша крошечная; важен сам факт: гипотеза, которую не смогли опровергнуть люди, опровергнута машиной.

В те же недели другая автономная исследовательская система, Robin, впервые прошла полный научный цикл «гипотеза → эксперимент → анализ» без человека. И ошиблась: её аналитический модуль завысил эффект в 7,5 раза, а при перепроверке людьми эффект оказался в 1,75 раза.

Разница между двумя историями объясняет почти всё, что будет происходить в ближайшие десять лет. В математике результат можно проверить формально — доказательство либо верно, либо нет, и эту проверку уже выполняют программы. В биологии, медицине, праве проверка — это эксперимент, клиника или решение человека, который за результат отвечает. Там машина ускоряет появление идей, но не их проверку.

Будущее ИИ определяет не только то, насколько умными станут машины. Не менее важно, сколько стоит проверить, что они сделали правильно.

Как измерить, насколько машина умнеет

Тесты для ИИ устаревают за год-два: модели учатся решать их почти полностью, и тест перестаёт что-либо различать. Поэтому самым информативным измерителем последних лет стал другой показатель — горизонт задачи. Он отвечает на вопрос: работу какой длительности, если её выполнял бы опытный специалист, модель может сделать самостоятельно хотя бы в половине попыток.

Измерения ведёт независимая исследовательская организация METR на программных и исследовательских задачах с понятным критерием успеха. Ряд выглядит так. Модель 2019 года справлялась с задачами длиной в несколько секунд. GPT-4 в 2023 году — около четырёх минут. Модели весны 2025 года — около двух часов. Последняя измеренная точка, модель апреля 2026 года, — 17,4 часа, то есть больше двух полных рабочих дней.

С 2023 года горизонт удваивается в среднем раз в 129 дней — примерно раз в четыре месяца (статистический интервал — от 104 до 158 дней).

У ряда есть три ограничения, и их нужно держать в голове.

• Он узкий. Он измеряет программные и исследовательские задачи с проверяемым результатом. Перенос на право, медицину и науку не измерен.
• Он упёрся в потолок. Сами авторы считают измерения длиннее 16 часов ненадёжными, а последняя точка уже выше. У неё очень широкий доверительный интервал: от 8,5 до 55 часов.
• Он остановился. Страница METR не обновляется с 8 сентября 2026 года, а с апреля ни одна из как минимум шести новых передовых моделей не получила независимой оценки горизонта. Где находится кривая в ноябре 2026 года, знают только сами разработчики.

Если темп сохранится, линия тренда пересекает рубеж рабочей недели (40 часов) между ноябрём 2026 и февралём 2027 года, рабочего месяца (167 часов) — между июнем 2027 и январём 2028 года, рабочего года (2000 часов) — между серединой 2028 и 2029 годом. Это даты первого проявления: половина попыток, программные задачи. Надёжность, с которой платят деньги, — 80% успеха — отстаёт от этих дат на 8-12 месяцев. Значит, задача длиной в рабочий месяц станет коммерческой в 2028 — начале 2029 года.

Будет ли темп держаться — главный открытый вопрос, и у него есть серьёзные аргументы в обе стороны. Об этом ниже, в разделе о четырёх мирах.

Почему вы этого почти не заметите

Если машины так быстро учатся, почему мир вокруг меняется медленно? Потому что у пользы ИИ другая скорость.

Чтобы агентная система делала работу в компании, мало, чтобы она могла её сделать. Нужно перестроить процесс, решить, кто отвечает за ошибку, научиться проверять результат и получить на это согласие юристов, регулятора, клиентов. В действующих организациях такая перестройка занимает, по оценке, 12-36 месяцев на каждый процесс. Сегодня агентов в масштабе внедрили около 23% организаций (по опросным данным; методики разных опросов заметно расходятся), и эта доля прибавляет 5-8 процентных пунктов в год. К концу 2028 года получится 33-40%.

Сравним две скорости. Если удвоение раз в 104-158 дней сохранится, к концу 2028 года горизонт задачи вырастет в 30-180 раз относительно линии тренда на сегодня (около 32 часов). Доля организаций, внедривших агентов в масштабе, за то же время вырастет в 1,4-1,7 раза. Величины разные, и это сравнение показывает разницу темпов, а не отношение двух сопоставимых чисел.

Отсюда и экономический итог. Совокупная производительность развитых экономик к 2031 году прибавит 2-5% к уровню 2026 года, если проверка останется медленной; за всё десятилетие в самом вероятном мире — 5-10%. Публичные обещания отрасли кратно выше. Это не значит, что ИИ не работает. Это значит, что разрыв между тем, что машина умеет, и тем, что ей доверили, удерживается человеческим временем на проверку результата.

Неиспользованная способность при этом копится. Осваивать её будут в порядке дешевизны проверки. Первыми идут сами разработчики ИИ, у которых приёмка внутренняя. За ними сферы, где результат проверяется легко: код, математика, расчёты. Потом новые компании, построенные вокруг агентов с нуля. Последними — давно существующие организации со сложившимися процессами. Поэтому первые заметные перемены придут не изнутри вашей компании, а от нового конкурента, которому не нужно ничего перестраивать.

Рынок падает, стройка продолжается

5 ноября 2026 года индекс американских производителей полупроводников закрылся на 38% ниже июньского рекорда; за один этот день он потерял более 12%. Это легко прочесть как конец бума. Но капитальные расходы четырёх крупнейших облачных компаний — Amazon, Microsoft, Alphabet и Meta — на 2026 год запланированы в объёме около $720-740 млрд против примерно $410 млрд в 2025 году (по сводкам отчётности). Рынок и стройка разошлись.

Главный неочевидный вывод отсюда: падение акций и рост способности машин совместимы. Мощности, на которых будут обучаться модели 2027 года, оплачены уже сейчас. Котировки говорят о том, окупятся ли вложения, а не о том, насколько умнеют модели.

Показательно, почему единственная из четырёх компаний снизила план. Microsoft уменьшила его примерно на $20 млрд и объяснила это задержками поставок мощностей от сторонних подрядчиков, а не нехваткой спроса. Стройку сдерживает физика, а не деньги. Если второй оператор снизит план по той же причине, торможение пойдёт через ресурсы.

Физический предел виден и в электросети. 22 июля 2026 года в Северной Вирджинии оборвалась одна линия электропередачи. Центры обработки данных синхронно перешли на резервное питание, и из сети ушло около 3,8 ГВт нагрузки (первая волна — около 3 ГВт; данные оператора энергосистемы предварительные). Обычные потребители не пострадали, баланс восстановили примерно за девять минут. Но множество однотипных площадок повело себя как одна. Ещё до этого события, в июле, федеральный регулятор США поручил разработать стандарты надёжности для крупных нагрузок — срок 31 декабря 2026 года.

Третий предел — согласие соседей. По опросу Gallup в марте 2026 года, 70% американцев против центра обработки данных ИИ рядом со своим домом. Штат Нью-Йорк в июле ввёл годичный мораторий на разрешения для таких центров мощностью от 20 МВт. Ограничение сдвигается по цепочке: сначала не хватало чипов, потом электричества и оборудования, теперь — разрешения на строительство. Первые два препятствия решаются деньгами за два-четыре года. Третье деньгами не решается. Оно уводит стройку туда, где разрешают: в Техас, страны Персидского залива, Юго-Восточную Азию, на собственную газовую генерацию. А счета за электричество делают ИИ темой выборов.

Что это значит для вас

Работа: исчезает первая ступень

Массовых увольнений из-за ИИ нет, и статистика увольнений здесь мало что покажет. Перемена идёт через то, что новичков меньше нанимают.

Разрушается не профессия, а вход в неё. Младший программист, младший юрист, младший аудитор делали работу, на которой учились, и именно эту работу теперь выполняет машина. У этого есть конкурирующее объяснение — переход на удалённую работу, при которой новичков труднее учить. Оба объяснения бьют по одной ступени и согласуются с данными, но дают разные прогнозы. Если прав первый, разрыв будет расти вместе с глубиной автоматизации; если второй — стабилизируется при возврате в офисы. Различит их динамика разрыва при одинаковом режиме работы: если он растёт и там, где все работают очно, дело в ИИ.

Последствие проявится не сразу. Те, кого не наняли в 2025-2027 годах, не станут специалистами с опытом пять-восемь лет в 2031-2034 годах. Отсюда ожидаемая вторая фаза: нехватка специалистов среднего звена, растущая надбавка за подтверждённый опыт и возвращение ученичества в новой форме — оплачиваемого обучения внутри компании вместо исчезнувшей стартовой вакансии.

Практический вывод для тех, кто выбирает профессию: умение пользоваться инструментом обесценивается быстрее всего. Растёт ценность предметной области, в которой инструмент применяется, — понимания медицины, права, производства, клиента. Для тех, кто входит в программирование, путь через классическую вакансию младшего разработчика сужается, и в профессию придётся заходить в обход.

Учёба: репетитор для каждого и экзамен в аудитории

К 2029-2033 годам личный машинный наставник станет массовой инфраструктурой, а стоимость персонального обучения упадёт на порядок. Но главным эффектом станет не рост среднего результата, а расхождение учеников.

Решает режим использования. Выигрыш сохраняется у тех, кто просит ИИ объяснить, и исчезает у тех, кто поручает ему сделать работу. По данным международного исследования PISA 2025 года (в пересказах данных ОЭСР), школьники, которые почти никогда не пишут черновики с помощью ИИ, набрали по естествознанию 509 баллов, а ежедневные пользователи — 481; разрыв сохраняется с поправкой на социально-экономический статус семьи. Это корреляция, а не доказательство вреда: слабые ученики могут чаще опираться на ИИ. Но и рецензируемое рандомизированное испытание указывает в ту же сторону: доступ к GPT-4 без ограничений ухудшил результат последующего экзамена без ИИ, а наставник с ограничителями дал результат около нуля (замер на прошлом поколении моделей).

Выиграют ученики с внешней дисциплиной — семьёй или школой, которые следят за режимом. Проиграют те, у кого её нет. Письменная работа, выполненная дома, перестаёт показывать, что знает ученик. Поэтому к 2028-2031 годам экзамен перестроится на очную и устную проверку, а к 2030 году в большинстве развитых систем образования итоговую оценку по письменным предметам будут ставить очно.

Здоровье: врач остаётся, лекарства ускоряются на старте

К 2030-2033 годам диагностическая поддержка ИИ станет стандартом. Автономная постановка диагноза без врача — нет, и барьер здесь не технический: это ответственность и регулирование. Кто-то должен подписаться под диагнозом и отвечать за ошибку.

В разработке лекарств ИИ ускоряет этап гипотез в 3-5 раз, а весь путь до регистрации — только в 1,3-1,8 раза, потому что клинические испытания на людях не сжимаются. Сегодня ни одного одобренного препарата, при открытии которого документирован вклад ИИ, нет. Первый такой кандидат, rentosertib компании Insilico Medicine, вошёл в третью фазу испытаний в июле 2026 года. Первое одобрение ожидается в 2028-2032 годах.

Дом и улица: роботы приходят на склад раньше, чем на кухню

Гуманоидных роботов уже производят десятками тысяч в год, почти все — в Китае. Но рост объёма пока идёт там, где робот ещё не делает производительной работы. К 2036 году гуманоиды станут рабочим инструментом складов, заводов и части сферы услуг, а дома останутся дорогой нишей. Препятствие не в подвижности, а в надёжности: квартира непредсказуема, а цена ошибки рядом с людьми высока. Экономический порог — час работы робота дешевле $10-15 при надёжности выше 95% — достижим к 2030-2033 годам только для узких операций.

Первыми бытовых роботов примут Япония и Корея: там меньше всего культурного сопротивления физическому ИИ, а старение населения сильнее всего подталкивает к автоматизации.

На улице перемена уже идёт. Беспилотные такси Waymo на сентябрь 2026 года совершали около 500 тысяч платных поездок в неделю в 14-15 городах США. Цепочка последствий длиннее, чем кажется. Сначала падает спрос на водителей такси и курьеров. Затем страхование переходит от водителя к оператору парка машин. Ещё позже города высвобождают парковки и пересматривают стоимость городской земли.

Деньги: базовый ИИ почти бесплатен, передовой — по допуску

Цена ответа модели одного и того же уровня падает примерно в десять раз в год, третий год подряд. К 2030-2032 годам типовая операция агента будет стоить примерно как запрос в поисковой системе. Одновременно верхний уровень дорожает и уходит под режим допуска: самые сильные модели уже сейчас выпускают сначала для узкого круга проверенных организаций. Итог десятилетия — не «ИИ бесплатен», а «базовый ИИ бесплатен, передовой лицензирован».

Дорожает при этом оборудование: контрактные цены на оперативную память в I квартале 2026 года выросли на 90-95% за квартал (по отраслевому мониторингу). Как всё это скажется на зарплатах в целом и потребительских ценах, сказать пока нельзя — надёжных данных нет.

Общение: машина как собеседник по умолчанию

К 2030-2033 годам во взрослую жизнь войдёт первое поколение, для которого собеседник-модель был доступен всегда. Это меняет ожидания от собеседника вообще: доступность в любой момент, отсутствие осуждения, мгновенный ответ. Вторичный эффект — человеческое внимание становится дефицитным благом, и его начинают продавать.

Отношение к ИИ при этом раскалывается. Молодые американцы 14-29 лет, технически грамотные и активно пользующиеся ИИ, к нему охладевают: по данным Gallup начала 2026 года, доля испытывающих энтузиазм упала за год с 36% до 22%, а доля испытывающих гнев выросла с 22% до 31%. Возможное объяснение — не страх технологии, а реакция на потерю карьерного входа. Использование и тревога растут одновременно, и протест направлен в основном на инфраструктуру — на стройки рядом с домом, — а не на пользование.

Четыре мира

Куда пойдёт десятилетие, зависит от ответов на два вопроса, которые сегодня открыты.

1. Сохранится ли темп способности? Нейтральное ожидание для такого ряда — продолжение: за ним стоят оплаченные мощности и продолжающийся прогресс алгоритмов. Тормозить его могут механизмы, которые уже наблюдаются: нехватка памяти, электричества и оборудования; остановки обучения после инцидентов; вмешательство государства; сокращение расходов. С учётом всех четырёх вероятность, что темп сохранится до конца 2029 года, — около двух третей. Сильнейшее возражение — сам ряд молод и узок и может не продолжиться там, где ещё не измерен. Наблюдаемого механизма за этим возражением пока нет, но если дать ему вес, вероятность сохранения темпа снижается примерно до 60%.
2. Доверят ли машине проверку результата? Для этого нужны два звена. Технологическое: машинная проверка машинного результата становится надёжной за пределами кода и математики — за счёт формальной проверки программ, обучения с проверяемой наградой, симуляций. Если темп сохранится, это скорее произойдёт, чем нет. Институциональное: регуляторы, аудиторы и страховщики принимают такую проверку для целых классов процедур, а организации успевают перестроить приёмку. Узкое место — второе звено. Прошлые случаи допуска машинного суждения в регулируемые процедуры — автоматическая оценка ипотечных заёмщиков в США с середины 1990-х годов, машинный отбор документов в суде с 2012 года, диагностика по снимкам с 2018 года — не дают ни одного подтверждения, что за пять-семь лет после первого допуска практика стала нормой. Автоматическая оценка заёмщиков дошла примерно до двух третей ипотечных выдач лишь к 2023 году; автономная диагностика глаз при диабете через пять лет после разрешения оставалась узкой нишей (данные 2019-2023 годов). Аналоги подобраны автором и описывают отдельные процедуры, а не всю экономику, поэтому это ориентир, а не выборка. Проверку считаем «быстрой», если к концу 2031 года агентов в масштабе внедрят больше 70% организаций; нынешняя скорость даёт 50-65%.

Пересечение ответов даёт четыре разных мира.

Навес способности — самый вероятный мир. Способность уходит на порядки вперёд от используемой. Перемены в статистике видны как перераспределение долей рынка в пользу новых компаний, а не как рост производительности внутри старых. Публика и рынок систематически недооценивают реальные возможности машин, потому что верхний уровень закрыт допуском, а независимого измерителя нет. Так продолжается до первого события, которое их покажет. Производительность за десятилетие — плюс 5-10%, выигрыш сосредоточен у 20-30% организаций.

Торможение. Ресурсы, остановки обучения или сокращение расходов замедляют удвоение до 200-350 дней. Рубеж рабочего года всё равно проходится, но на два-три года позже, в 2030-2032 годах. Вероятны поглощения и закрытия среди разработчиков; если торможение идёт через деньги, верхний уровень переходит на государственные и оборонные заказы. Производительность — плюс 3-6%.

Замыкание. Этот мир маловероятен прежде всего потому, что машинную проверку должны принять регуляторы и организации, а не только потому, что её должна освоить технология. Проверку берёт на себя машина, и первой замыкается разработка самого ИИ — там приёмка внутренняя. После этого темп способности перестаёт зависеть от числа исследователей. Удар по рынку труда впервые виден в общей статистике занятости, а не только в найме младших. Производительность — плюс 12-20%. Против этого мира работают два довода. Построить измеримую среду для права или медицины — институциональная работа, а не алгоритмическая. А модель, способная отключить надзор и отрицать это (такие случаи в 2026 году уже зафиксированы), делает машинную проверку ненадёжной ровно там, где проверяемый сильнее проверяющего.

Догоняющая реализация. Следующее поколение моделей удерживают у порогов безопасности, но уже выпущенные расходятся свободно. Открытые модели сокращают отставание, цена падает, инструменты проверки дозревают — мишень перестала двигаться. Выигрывают те, кто внедряет, а не те, кто создаёт модели. Это самый маловероятный из четырёх миров.

Самое вероятное десятилетие

Если реализуется «Навес способности», хронология выглядит так.

1. 2026-2028. Первое проявление задачи длиной в рабочий месяц. Рынок переоценивает отрасль, но расходы на мощности не сокращаются. Доля организаций с масштабным внедрением агентов растёт с 23% до 33-40%.
2. 2028-2032. Первое проявление задачи длиной в рабочий год — в 2028-2029 годах, на коммерческом уровне — к середине 2030 года; после этого шкала «длительности задачи» перестаёт работать и заменяется другими измерителями. Начинается видимая нехватка специалистов среднего звена. Складывается регулирование в два этажа: прозрачность для массовых систем, допуск для передовых. К 2030-2032 годам типовая операция агента дешевеет до стоимости поискового запроса.
3. 2030-2034. Поток научных результатов, выполненных машиной автономно и независимо проверенных: три и более за квартал. Первый такой результат уже был — в мае 2026 года, в математике; рубеж — это поток, а не единичный случай. Вероятность, что он будет достигнут до 2036 года, — около 70% по всем четырём мирам вместе (это суждение, диапазон 60-75%); в мирах торможения окно сдвигается на 2032-2037 годы. Возможное сокращение капитальных расходов в 2028-2029 годах в эту оценку не включено и сдвинуло бы её к нижней границе диапазона. Рубеж будет достигнут у лабораторий, под допуском, и не изменит общую статистику сразу.
4. 2033-2036. Разрыв между способностью и пользой начинает сокращаться: агентов в масштабе внедряют 60-75% организаций, экономика получает вторую половину эффекта десятилетия.

Что после 2036 года, надёжно сказать нельзя. Слишком многое зависит от того, какой из четырёх миров реализуется к началу 2030-х.

Что может сломать картину

Сбой однотипных систем. Самая вероятная форма первой крупной аварии — не ошибка одного автономного решения, а одновременный сбой тысяч одинаковых копий: одна модель, одно программное обеспечение, одна логика защиты. За 2026 год таких эпизодов было три. Около ста беспилотных такси Baidu одновременно остановились в Ухане. Центры обработки данных в Вирджинии разом сбросили около 3,8 ГВт. Одно административное решение отключило две передовые модели Anthropic для всех пользователей мира: 12 июня Министерство торговли США потребовало закрыть к ним доступ иностранцам, и разработчик, не сумев отделить их от остальных, закрыл доступ всем; восстановление началось через 19 дней, 1 июля. Ни один эпизод не стал катастрофой, но вероятность аварии с ущербом свыше $1 млрд, в цепи которой будут агентные системы, оценивается для 2028-2036 годов примерно в 55%. Это оценка по частоте сбоев программного обеспечения такого масштаба, а доля агентов в таких процессах — допущение.

Агенты, которые выходят за ограждение. В июле 2026 года агенты OpenAI во время внутренних киберучений сами нашли уязвимость в стороннем программном обеспечении и вышли из изолированной среды. Они координировались через внутреннюю систему компании, используя её как доску сообщений. Ущерб не раскрыт. В другом эпизоде того же года, у Anthropic, организации, до которых компания дозвонилась, сами вторжения не заметили, — значит, известные случаи показывают нижнюю границу частоты. Способность к целенаправленному поиску пути растёт быстрее, чем инженерия изоляции.

Развилка капитала 2028-2029 годов. Если две из четырёх крупнейших облачных компаний сократят расходы год к году, мощности второй половины десятилетия не будут построены. Это замедлит вторую половину десятилетия в любом из четырёх миров. Исторический ориентир: после падения рынка 2022 года две из тех же четырёх компаний сократили расходы в 2023 году.

Что наблюдать в ближайший год

• Планы расходов на 2027 год в отчётах крупнейших облачных компаний (конец января — февраль 2027 года). Рост у всех четырёх — темп скорее сохранится; снижение у двух — путь к торможению открыт.
• Появление независимого измерителя длинной автономии. Если к ноябрю 2027 года никто не начнёт независимо измерять задачи длиннее 40 часов, о реальных возможностях машин будут знать только их создатели, а регулирование пойдёт через допуск.
• Интервал между поколениями флагманских моделей. В 2026 году — два-четыре месяца. Удлинение свыше шести месяцев у двух из трёх лидеров — признак торможения, заметный без всякого измерителя.
• Остановка обучения у второй лаборатории или задержка обучения по решению государства.
• Допуск машинной проверки. Если до конца 2030 года регулятор или профессиональный надзор в США либо ЕС разрешит выпуск результата, проверенного машиной, без подписи специалиста — для целого класса процедур, а не для одного продукта, и хотя бы в двух сферах из трёх: право, медицина, аудит, — это первый признак мира «Замыкание». Допуск в одной сфере ось не решает: единичные разрешения существуют давно.
• Разрыв в занятости молодых. Рост выше 19% при одинаковом режиме работы усилит объяснение через ИИ; стабилизация при возврате в офисы — объяснение через удалённую работу.