Большой скачок ИИ

Эссе Хана Ли (Han Lee) проводит структурную параллель между корпоративными директивами по внедрению ИИ в 2026 году и маоистским Большим скачком (1958-1962). Сравнение - не риторическое преувеличение: Ли сопоставляет каждую фазу исторической катастрофы с конкретным паттерном провала, который он наблюдает в технологических компаниях. Суть аргумента: директивное насаждение технологий сверху вниз при отсутствии экспертизы порождает одну и ту же динамику независимо от того, звучит приказ как "варить сталь" или как "добавить ИИ".

Кустарные печи: demoware в продакшене

Во время Большого скачка в деревнях строили кустарные доменные печи, чтобы выполнять планы по выплавке стали. На выходе получался ломкий, ни на что не годный чугун - но в отчётность он шёл. Ли видит ровно ту же картину во внедрении ИИ внутри корпораций.

Команды без опыта в ML создают "ИИ-решения", которые на деле оказываются no-code пайплайнами с захардкоженными ветками if-else, приукрашенными дашбордами или тонкими обёртками вокруг вызовов API. "Интерфейс аккуратный. API на REST. Архитектурная схема великолепна. Результаты работы неверны". Платформы вроде n8n позволяют легко собирать внешне впечатляющие процессы, которые за кажущейся простотой скрывают нагромождение сложности. В итоге получается demoware, становящееся несущим техническим долгом в ту же секунду, как на него кто-то завязывается.

Главная проблема: оценка качества отсутствует. Никто не проверяет, корректны ли выдаваемые ИИ результаты, потому что задача - выкатить что-нибудь с пометкой "ИИ", а не решить реальную проблему. Идеально вылизанное демо подменяет собой работающий продукт.

Отчёты об урожаях зерна: дутые метрики

Провинциальные чиновники во время Большого скачка отчитывались о нереальных урожаях зерновых - в ход шли постановочные фотографии рисовых полей, где колосья росли якобы настолько густо, что на них могли стоять дети. Эти цифры легли в основу политических решений, приведших к голоду.

Компании сегодня заявляют о росте продуктивности от ИИ на 40-80% без какой-либо строгой методологии. Сама частота использования ИИ превращается в KPI, оторванный от создания ценности. Метрики выглядят красиво, потому что их специально такими сконструировали, и они уходят наверх, влияя на решения руководства по штатному расписанию, бюджетам на инструменты и стратегии. Разрыв между декларируемой и фактической производительностью растёт, но ни у кого нет стимула измерять её честно.

Уничтожение воробьёв: ликвидация институционального знания

Мао приказал истреблять воробьёв, потому что они склёвывали зерно. Без воробьёв произошёл взрывной рост популяции саранчи, уничтожившей посевы - вторичный эффект оказался куда страшнее исходной проблемы.

Эквивалент в мире ИИ: компании сокращают менеджеров среднего звена, команды QA, технических писателей и другие роли, которые воспринимаются как накладные расходы. Именно эти люди владели институциональным знанием: они знали, какие граничные случаи критичны, какие процессы на самом деле являются несущими и что нужно конкретным заинтересованным сторонам. Экономия мгновенно отражается в финансовом отчёте. Вторичные же эффекты настигают бизнес через полгода, когда уже никто не помнит, почему система была спроектирована именно так или какому регуляторному требованию отвечала казавшаяся избыточной проверка.

Пусть расцветают сто навыков: антидистилляция

Кампания "Пусть расцветают сто цветов" призывала открыто критиковать компартию, а затем эти отзывы использовали для выявления и чистки инакомыслящих. Ли проводит параллель с инициативами по "дистилляции навыков", когда компании просят сотрудников формализовать и перенести свой опыт в ИИ-системы.

Работники понимают ловушку. Описать свои знания достаточно подробно, чтобы ИИ мог их воспроизвести, равносильно подготовке собственной замены. Рациональный ответ на это - антидистилляция: создавать "декоративные навыки", которые выглядят исчерпывающими, но намеренно умалчивают о критически важных граничных случаях, выстраивать неявные зависимости от недокументированного контекста и закладывать "ядовитые пилюли", делающие сотрудника незаменимым. Организация думает, что собирает знания, а на самом деле поощряет их утаивание.

Ли использует термин "дистилляция" в значении извлечения опыта сотрудников, а не в смысле обучения моделей. О том, как одна LLM обучается на ответах другой, и о спорах 2026 года вокруг китайских лабораторий, делающих это, см. llm-distillation.

Параллельно разрастание зон ответственности с помощью ИИ порождает войну за влияние. Инженеры используют ИИ, чтобы выполнять работу PM'ов. PM'ы используют ИИ для написания кода. Дизайнеры используют ИИ для того и другого. Каждый вторгается на чужую территорию, потому что "структура стимулов подталкивает к захвату земель". Итогом становится не рост продуктивности, а организационный хаос, замаскированный под личную инициативу.

Голод наступает позже

Показатели остаются позитивными, пока реальное положение дел внутри ухудшается - в точности как отчёты об урожаях зерна рапортовали об успехах, пока люди умирали от голода. Ли приводит Klarna как хрестоматийный пример: компания публично объявила, что ИИ заменяет сотрудников-людей, а затем тихо свернула собственные ИИ-решения и вернулась к традиционным SaaS-провайдерам. Публичный нарратив и реальность разошлись полностью.

Финальный вопрос Ли - "что всё это вообще дало в итоге?" - перекликается с вопросом, который статья Зитрона задаёт об индустрии в целом. Разница в том, что Ли сосредоточен на процессах внутри компаний, а не на рынках капитала. Страница ai-subsidy-economics разбирает макроэкономическую картину (где каждое звено в цепочке держится на субсидиях); эссе же описывает, как насаждаемое директивами внедрение выглядит изнутри самой организации.

См. также

• subprime-ai-crisis - аргументация Зитрона на макроуровне о том, что спрос на ИИ держится на субсидиях
• ai-subsidy-economics - экономическая структура, лежащая в основе пузыря
• ai-bubble-pale-horses - отслеживание того, какие тревожные сигналы уже сработали
• building-syntaqlite-ai - противоположный пример: дисциплинированная разработка с помощью ИИ, которая действительно работает
• ceo-ai-psychosis - версия на уровне топ-менеджмента: флотилии агентов, лидерборды по токенмаксингу и иллюзия компетентности, порождённая поддакиванием модели