В современном мире искусственный интеллект развивается стремительными темпами, влияя на бизнес-практики, технологические разработки и организационные процессы. Среди множества концепций и стратегий, определяющих развитие ИИ, особое внимание привлекают Software 3.0, предложенный Андреем Карпаты, и AI Agentic Mesh — идея, активно продвигаемая консультантами из McKinsey. Эти две модели представляют диаметрально противоположные взгляды на будущее ИИ, и понимание их различий имеет решающее значение для успешного внедрения технологий и оптимизации бизнес-решений. Важно разобраться, почему видение McKinsey вызывает сомнения у технического сообщества и чем реальный подход Software 3.
0 выигрывает в практической плоскости. Software 3.0 — это новая парадигма, в которой естественный язык становится основным интерфейсом программирования. Андрей Карпаты, один из ведущих специалистов в области ИИ, основывается на собственном опыте создания автопилота Tesla, наблюдая, как традиционное программирование уступает место нейросетям и большим языковым моделям (LLM). В его концепции программирование превращается в формулировку чётких и понятных инструкций на английском языке, которые нейросеть интерпретирует и исполняет.
Это коренной сдвиг от привычных кодовых языков и детализированных алгоритмов к гибкому, универсальному и доступному способу взаимодействия с машиной. Кроме того, Карпаты подчёркивает реальность и неизбежность ограничений современных ИИ-систем. Он вводит понятия «неровного интеллекта» — когда ИИ способен выполнять сложные задачи, но при этом ошибается в самых элементарных вопросах, и «антроградной амнезии», означающей неспособность моделей сохранять и использовать знания между разными сессиями взаимодействия. Вместо утопий по замене человеческого фактора, программное обеспечение 3.0 строится на принципе сотрудничества ИИ и человека, где ИИ выступает как „блестящий интерн“ с идеальной памятью, но без умения принимать суждения, требующих человеческого вмешательства.
Со своей стороны, AI Agentic Mesh от McKinsey позиционируется как революционная корпоративная архитектура, объединяющая сотни автономных агентов, действующих в едином экосистемном режиме. Согласно консультантам, такая система обеспечит бесшовную координацию и управление задачами внутри организации, позволяя добиться высокой гибкости и масштабируемости. PowerPoint-презентации и отчёты McKinsey рисуют впечатляющую картину «распределённого интеллекта», «слоистой разъединённости» и «управляемой автономии», что способно завоевать внимание руководства и инвесторов. Тем не менее, технические эксперты и разработчики AI-технологий демонстрируют явное несогласие с этими идеями. Компании, создающие собственных AI-агентов, таких как Cognition и Anthropic, пришли к выводу, что многомодульные агентные системы на практике оказываются крайне хрупкими.
Основная проблема — невозможность эффективно делиться контекстом и координировать действия между автономными агентами. Это приводит к путанице, конфликтам и высокому расходу ресурсов, включая существенное увеличение стоимости и времени обработки. Проблема с Agentic Mesh заключается в том, что ключевые технические вызовы, такие как передача контекста в масштабах предприятия, безопасность сетей автономных агентов и экспоненциально растущая сложность координации, отодвигаются на задний план или вовсе игнорируются. Таким образом McKinsey создаёт привлекательный для руководителей, но невозможный для реализации в текущей архитектуре ИИ нарратив. Это порождает вымышленные ожидания, которые неизбежно приводят к дорогостоящим провалам.
Типичным примером неудачного внедрения таких амбициозных AI-проектов служит кейс шведской компании Klarna. К декабрю 2024 года руководство заявило, что ИИ-ассистент обрабатывает миллионы запросов и заменяет сотни сотрудников, обещая значительную оптимизацию затрат. Однако позднее стало ясно, что качество обслуживания заметно упало, и было принято решение вернуть сотрудников обратно. Такая ситуация иллюстрирует классический сценарий, когда недооценка технических ограничений и расхождение между ожиданиями менеджмента и реальным поведением технологии приводят к потере доверия и ресурсов. Получается, что огромный разрыв в понимании потенциала ИИ существует между теми, кто создаёт системы и занимается их развитием, и теми, кто формирует стратегии и принимает управленческие решения.
Виновниками этого разрыва выступают отчасти консультанты, предлагающие неверные архитектурные шаблоны, и сами руководители, желающие получить простые решения для сложных задач. Как следствие, значительные суммы инвестиций уходят в проекты, которые по техническим причинам обречены на провал. В то же время Software 3.0 показывает, что реальная ценность искусственного интеллекта достигается через сотрудничество человека и машины. Вместо установки агентов с полной автономией эффективнее создавать системы с централизованным контролем, где человек выступает в роли верификатора и координатора AI-выводов.
Именно такая модель учитывает проблему разрозненности знаний у ИИ и позволяет эффективно использовать его сильные стороны — синтез данных, генерацию идей, автоматизацию рутинных процессов. Новые инструменты, такие как Cursor AI, являются практическими примерами Software 3.0, демонстрирующими значительный рост продуктивности разработчиков, когда они взаимодействуют с ИИ через естественный язык. Это не только ускоряет процессы, но и расширяет возможности команд с небольшой численностью, позволяя конкурировать с крупными организациями. Ключевым элементом становится цикл «генерация — проверка — корректировка», где автоматизированные подсказки и результативность тесно связаны с человеческим контролем.
Отношение к крупным архитектурам в стиле агентной сети должно быть прагматичным. Несмотря на привлекательность концепции децентрализованного интеллекта, на сегодняшний день её реализация невозможна из-за отсутствия эффективных методов коммуникации между агентами и проблем безопасности. Более того, такие системы требуют огромных вычислительных ресурсов — их эксплуатационные расходы значительно выше и не компенсируются потенциальной экономией. Для успешной интеграции ИИ в бизнес-среду необходимо строить коммуникацию с руководством на понятных и прозрачных метафорах. Представлять ИИ как «блестящего интерна с ограничениями», описывать реальные затраты на внедрение, демонстрировать ошибки в контексте отраслевых задач и последовательно раскрывать результаты пилотных проектов — лишь так можно сформировать обоснованные ожидания и избежать разочарований.
В условиях стремительного развития технологий организации, выбравшие путь Software 3.0, получают ощутимые конкурентные преимущества. Они ускоряют цикл инноваций, улучшают качество обслуживания и создают более устойчивые бизнес-модели, которые не зависят от утопичных сценариев полной замены людей ИИ. Переосмысление роли искусственного интеллекта — это переход от мечты об автономных агентных системах к реальности тесного человеческо-компьютерного партнерства. Будущее развивается в направлении усиления, а не замещения, человеческого интеллекта.
Компании, осознавшие это, сумеют перестроить процессы и капитализировать возможности революционного Software 3.0, избегая ловушек маркетинговых фантазий и консалтинговых иллюзий.
