Профессор Принстона Аравинд Нараянан: работу у нас не заберут, но изменят до неузнаваемости

Профессор Принстонского университета Аравинд Нараянан выступил с программной речью на международной конференции по машинному обучению ICML 2026 в Сеуле. Доклад назывался «Что останется нам делать?» и был посвящён тревоге ИИ-сообщества по поводу собственного будущего: разработчики программного обеспечения и исследователи ИИ одними из первых столкнулись с вопросом, как адаптироваться к росту возможностей систем, которые сами же создают.

Нараянан руководит в Принстоне командой, изучающей, как оценивают ИИ-агентов на практике, и известен как соавтор (вместе с Саяшем Капуром) эссе «ИИ как обычная технология», работы на 15 тысяч слов, которую сейчас превращают в книгу. Ключевой тезис эссе: пока не случится резкого технологического скачка вроде рекурсивного самоулучшения моделей, этот переход правильнее описывать как масштабный, но обычный технологический сдвиг, сравнимый по значению с промышленной революцией, а не как внезапную замену всех профессий.

В докладе Нараянан привёл историческую аналогию с электрификацией фабрик. Когда появилось электричество, владельцы заводов сперва просто заменяли паровые котлы на электрические генераторы, идея «прямой замены» не сработала. Реальная выгода появилась только через 40 лет, когда фабрики перестроили вокруг портативности электроэнергии: конвейерные линии, новая организация труда, новые трудовые законы. По мнению Нараянана, с ИИ произойдёт то же самое: разговоры об агентах как о прямой замене сотрудников повторяют ошибку эпохи электрификации, а настоящая структурная перестройка экономики займёт десятилетия и ещё толком не началась даже в разработке ПО, самой ранней по внедрению ИИ-агентов отрасли.

Он выделил четыре стадии влияния технологии на экономику: изобретение (сами модели), инновация (продукты вроде ИИ-агентов для программирования, превращающие возможности моделей в нечто полезное), раннее освоение (сначала, стихийный «вайб-кодинг», сейчас, более зрелая агентная разработка) и, наконец, адаптация, самая медленная стадия, структурная перестройка организаций и рынка труда. В качестве спекуляции он предположил: если агенты научатся создавать многомиллионнострочные кодовые базы без багов и уязвимостей, разработка ПО может радикально персонализироваться под каждую команду, вплоть до того, что отдельные софтверные компании перестанут быть нужны, а разработка сместится внутрь компаний-пользователей.

Отдельно Нараянан описал текущее исследование своей команды: почему на практике люди применяют ИИ-агентов куда реже, чем позволяют их формальные возможности. Одна из гипотез, недостаточная надёжность агентов, а не недостаточные способности моделей. Команда выделила помимо точности ещё четыре измерения качества: согласованность (стабильно ли агент решает те задачи, которые вообще умеет решать, или успех непредсказуем даже в пределах его собственных 70%), устойчивость к изменению условий среды, способность к самооценке (может ли агент понять по собственным действиям, справился ли он) и операционную безопасность (насколько обратимы последствия сбоя, вплоть до удаления продакшн-базы). По словам Нараянана, большинство существующих оценочных наборов вообще не различают эти грани, сводя всё к единственной метрике точности; его команда протестировала по этим параметрам модели трёх ведущих ИИ-компаний (на этом месте текст первоисточника обрывается).

Свою позицию Нараянан противопоставил распространённому в Кремниевой долине настроению «постоянного низшего класса» (permanent underclass), идее, что раз ИИ скоро заменит большинство профессий, разумнее как можно быстрее заработать капитал, пока навыки не обесценились. Сам он считает, что технология скорее усиливает возможности людей, чем заменяет их, и поэтому сейчас, лучшее время нарабатывать дополняющие ИИ навыки: инициативность, вкус, способность к суждению. По его словам, ошибка в выборе стратегии обходится дорого в обе стороны: если ставка на «заработать, пока не поздно» окажется неверной, будет упущено лучшее в истории время для наработки этих навыков.

Ключевые факты

Аравинд Нараянан (Принстон), соавтор эссе «ИИ как обычная технология», выступил с программной речью на ICML 2026 в Сеуле под названием «Что останется нам делать?»
Аналогия с электрификацией фабрик: идея «прямой замены» паровых котлов на электрогенераторы не сработала, реальная перестройка заняла 40 лет и потребовала смены организации труда
Четыре стадии влияния технологии на экономику: изобретение → инновация (продукты) → раннее освоение → адаптация (самая медленная, по его словам, ещё не началась даже в разработке ПО)
Команда Нараянана выделила 4 измерения надёжности ИИ-агентов помимо точности, согласованность, устойчивость, самооценку и операционную безопасность, и протестировала по ним модели трёх ведущих ИИ-компаний
Противопоставил стратегию «заработать, пока навыки не обесценились» стратегии «наращивать дополняющие ИИ навыки», сам придерживается второй

Почему это важно

Нараянан, один из наиболее цитируемых голосов в дискуссии о влиянии ИИ на труд (соавтор влиятельного эссе «ИИ как обычная технология», которое сейчас превращается в книгу), и его доклад на топовой ML-конференции формулирует альтернативу двум крайним нарративам, «ИИ скоро заменит всех» и «ИИ, просто ещё один инструмент». Вместо этого он предлагает рамку постепенной, но неизбежной структурной перестройки труда, растянутой на десятилетия.

Кому это важно

В первую очередь, разработчикам ПО и исследователям ИИ, которые, по словам Нараянана, первыми на практике столкнулись с вопросом адаптации к растущим возможностям агентов. Также это касается компаний, создающих и оценивающих ИИ-агентов (бенчмарки надёжности), и шире, любого, кто принимает решение между стратегией «заработать, пока не поздно» и стратегией «наращивать дополняющие ИИ навыки».

Как это применить

Не рассчитывать на ИИ-агентов как на прямую замену сотрудников «из коробки», исторический опыт электрификации показывает, что реальная выгода приходит только после перестройки процессов и организации труда, а это медленный процесс. При оценке ИИ-агентов смотреть не только на точность, но и на согласованность, устойчивость к изменению условий, способность агента к самооценке и обратимость последствий сбоя. Инвестировать время в навыки, дополняющие ИИ, инициативность, вкус, способность к суждению.

Можно ли доверять

Нараянан, профессор Принстона, руководитель исследовательской команды по оценке ИИ-агентов и соавтор широко цитируемого эссе; доклад прозвучал на ICML, одной из ведущих конференций по машинному обучению. При этом текст явно смешивает подтверждённые исследовательские результаты (четыре измерения надёжности, тестирование моделей трёх компаний) со спекуляцией, которую автор сам обозначает как таковую (сценарий «исчезновения программных компаний»). Итоговые количественные результаты сравнения моделей трёх ИИ-компаний в доступном тексте обрываются, на этом месте фрагмент первоисточника заканчивается.

Риски и подводные камни

Сам Нараянан признаёт: если случится резкий скачок вроде рекурсивного самоулучшения моделей, вся его рамка «обычной технологии» может перестать работать, он не исключает этот сценарий, а лишь считает его пока не наступившим. Прогноз про «исчезновение программных компаний», открытая спекуляция автора, а не результат исследования. Доступный фрагмент текста обрывается до того, как приводятся конкретные цифры сравнения надёжности моделей трёх ИИ-компаний, поэтому эта часть аргументации проверке не поддаётся.

«Мы прямо признаём в эссе: это трансформационная технология, сопоставимая по масштабу с промышленной революцией.»

— Аравинд Нараянан, программная речь на ICML 2026