ИИ-агент теперь закрывает задачи, на которые раньше нужна была команда. Кто выиграет, а кто останется без работы. Claude Fable 5.2.

Представьте: вы даёте одному человеку задачу «сделай работающую операционную систему». Без команды. Без готовых библиотек. Просто пустая папка и цель. Через восемь дней он приносит вам систему, которая загружается на ноутбуке. Есть ядро, драйверы, окна, экран входа, установщик. И всё это он сделал сам, координируя тысячу помощников.

Или другой сценарий. Вы говорите: «Запусти бизнес, который за год принесёт минимум 20 тысяч долларов, а от меня потребует не больше 20 минут в месяц». Через некоторое время вам приносят готовый план: выбрана ниша, изучены повестки 201 муниципальных органов, собраны данные о технике, которую покупают города, написан маркетинг и ценообразование. Профессор Уортона, который это тестировал, сказал: если бы такой план принесла команда моих MBA-студентов в конце семестра — я был бы впечатлён.

Это не фантазия. Это то, что 9 ноября показала новая модель Anthropic — Claude Fable 5.2.

Тысяча агентов за 30 часов полностью формализовали доказательство Великой теоремы Ферма. Предыдущей версии модели на ту же работу понадобилось 11 дней. А на бенчмарке реальных фриланс-задач с Upwork эта модель уже закрывает 41,3 % проектов на уровне, который клиент готов принять. Год назад лучший результат был 2,5 %.

Раньше нейросеть была умным ассистентом: вы спрашиваете — она отвечает, вы правите — она отвечает снова. Теперь это уже не ассистент. Это исполнитель, который берёт размытую цель, сам разбивает её на этапы, запускает помощников, проверяет себя и возвращается с готовым результатом. Тем, на который раньше нужна была небольшая команда и несколько недель.

Разница между обычной нейросетью и агентом — как между человеком, которому вы диктуете каждое действие, и человеком, которому вы просто говорите: «Мне нужно вот это к пятнице».

Обычная модель ждёт вашей следующей команды. Агент сам планирует, сам ищет информацию, сам проверяет промежуточные результаты и сам решает, когда результат уже достаточно хороший. Он может работать часами без вашего участия. Именно поэтому в одном из тестов модель смогла за восемь дней собрать прототип операционной системы, а в другом — подготовить вполне жизнеспособный бизнес-план.

Конечно, это всё ещё не идеально. Агенты ошибаются. Иногда красиво и уверенно. В том же тесте с бизнесом профессор специально остановил эксперимент, потому что не был уверен, что модель справится с продажами, качеством продукта и постоянными операциями. Но направление уже понятно: задачи, которые раньше требовали нескольких людей, постепенно начинают закрываться одним человеком + агентом.

Раньше аналитик, маркетолог и ассистент стоили денег, которых у большинства просто нет. Теперь один человек с толковым агентом может закрывать объём, который раньше требовал нескольких людей. Не идеально. Но уже достаточно, чтобы конкурировать с теми, у кого есть команда.

Тот, кто понимает, что именно нужно получить, и может быстро увидеть, где агент ошибся, резко увеличивается в цене. Потому что теперь один такой человек с хорошим инструментом делает работу за троих-четверых. Умение формулировать цель и контролировать качество становится важнее, чем умение самому выполнять каждый шаг.

Те, кто уже сейчас начинает пробовать, какие куски работы можно спокойно отдавать агенту под контролем, получают преимущество в скорости и себестоимости. Пока одни обсуждают, другие уже сокращают время на рутину.

Люди, чья работа в основном состоит из понятных многошаговых действий.

Собрать информацию, обработать документы, сделать первичный анализ, написать черновик по шаблону, подготовить стандартный отчёт. Эти задачи агенты уже закрывают всё увереннее. Не идеально. Но достаточно хорошо, чтобы работодатель начал считать: «А зачем нам столько людей на эту работу?»

Менеджеры, которые в основном координируют исполнение чужих задач.

Если агент сам планирует, распределяет и проверяет — часть этой координации просто исчезает. Остаётся постановка целей, контроль качества и ответственность за итог. Те, кто умел только «раздавать задачи и собирать статусы», будут чувствовать себя всё менее нужными.

Компании, которые будут смотреть со стороны.

Разница в скорости и себестоимости между теми, кто уже использует агентов, и теми, кто ждёт, будет только расти. Через год-два это может стать уже не конкурентным преимуществом, а гигиеническим минимумом.

Это всё ещё не волшебство. Модели ошибаются. Иногда очень уверенно. Ответственность по-прежнему на человеке. Если агент подготовил кривой договор, отчёт с ошибкой или рекомендацию, которая приводит к потерям — отвечает тот, кто это принял и запустил в работу.

Пока такие системы остаются относительно дорогими и не всегда удобно доступными. Но цена падает, а возможности растут. То, что ещё полгода назад казалось экспериментом, уже начинает влиять на реальную работу.

Возьмите одну реальную задачу, которая раньше требовала у вас несколько дней или нескольких людей. Сформулируйте её максимально чётко: какой именно результат вы хотите увидеть и по каким критериям будете считать работу хорошей. Дайте агенту. Посмотрите, насколько далеко он дойдёт сам.

Самое ценное умение сейчас — не «писать идеальные промпты». А уметь оценивать результат. Понимать, где агент сделал хорошо, а где нужно вмешаться. Тот, кто научится быстро отделять качественную работу агента от сырой, получит серьёзное преимущество.

Мы входим в период, когда «команда» перестаёт быть единственным способом закрывать сложные задачи. Кто научится работать с агентами как с новой формой рабочей силы — получит серьёзный рычаг. Кто будет ждать, пока «всё уляжется», рискует обнаружить, что уляжется уже без него.

🔥Кстати, для читателей:Если вы хотите реально использовать нейросети в бизнесе, а не просто «поиграть» — я собрал базу из 12 проверенных бесплатных сервисов, которые закрывают самые нужные задачи: клиенты, продажи, контент, встречи и автоматизация.

Без программирования. Без сложных настроек. Всё можно открыть и начать использовать сегодня.

Забрать подборку в один клик можно в закрепленном сообщении Телеграмм Канала.