Every: как выглядит человеческий труд после автоматизации
Опубликованный в августе 2026 года как введение к коллекции тезисов Every, материал Дэна Шиппера собирает прогнозы от 100 практиков — основателей компаний, исследователей и авторов — о том, как выглядит человеческий труд, когда AI занимается генерацией в большом масштабе. Коллекция называется «Thesis: 2027» и задумана так, чтобы прогнозы можно было проверить в реальности по мере их устаревания.
О чём статья
Шиппер формулирует коллекцию как ответ на конкретную проблему: дискурс об AI тяготеет либо к тотальному принятию, либо к огульному отрицанию — ни то ни другое не помогает людям разобраться, как на самом деле меняется их работа. Сто прогнозов принадлежат людям, ежедневно использующим передовые модели в реальной работе, а не аналитикам, пишущим о технологии извне.
Контекст
Прогнозы охватывают широкий круг ролей и дисциплин. Шиппер отбирает и вводит вклады основателей компаний, исследователей и практиков, опубликовавших свои соображения о том, что AI меняет в творческом и умственном труде конкретно. Коллекция привязана к возможностям 2026 года — моделям, способным делать черновики, анализировать, синтезировать и рассуждать, — а не к умозрительным будущим системам.
Ключевой вывод или метод
В прогнозах прослеживается несколько повторяющихся тем. Вопросы становятся ценнее по мере того, как ответы становятся доступны, — эта идея появляется в разных формулировках у нескольких авторов. Анн-Лор Ле Кунф, основательница Ness Labs, говорит прямо: «Ответы станут доступными, а вопросы — сложной частью». Для авторов это переформулирует задачу. Если AI может создать приемлемый текст на любую тему по промту, в чём вклад автора? Прогнозы сходятся к: формировать рамку, решать, о чём стоит писать, и поддерживать точку зрения, опирающуюся на реальный опыт, а не на обучающие данные.
Карри Саренен, CEO Linear, утверждает, что дизайн — а в более широком смысле и творческое суждение — становится главным вызовом для AI. Для письма вывод схожий: более сложный человеческий вклад — это не исполнение формата, а суждение о том, что нужно сказать и как это должно быть воспринято конкретным читателем.
Другие участники подчёркивают, что неброская основополагающая работа — точные источники, ясная аргументация, редакционная ответственность за публикуемое — может стать более, а не менее дифференцирующей, потому что AI делает всё остальное дешевле и быстрее. Вопрос о том, что остаётся людям, снова и снова приводит к одним и тем же ответам: расспрашивание, курирование и ответственность за то, что публикуется.
Для кого полезна статья
Авторам, редакторам и контент-стратегам, думающим о том, как позиционировать свою работу по мере того, как AI берёт на себя производственный слой. Статья скорее про постановку рамки, чем про тактическое руководство — конкретные воркфлоу и инструменты она не описывает. Хорошо подходит командам, пытающимся сформулировать, как выглядит человеческая роль в AI-ассистированной редакции, и почему определённые редакционные возможности сохраняют ценность, когда создание черновиков становится дешёвым.